随机变量及其分布考点总结
随机变量及其分布知识点整理 推荐
随机变量及其分布知识点整理以及高考训练一、离散型随机变量的分布列一般地，设离散型随机变量X 可能取的值为12,,,,,i n x x x x ⋅⋅⋅⋅⋅⋅，X 取每一个值(1,2,,)i x i n =⋅⋅⋅的概率()i i P X x p ==，则称以下表格Xx 1 x 2 … x i … x n Pp 1 p 2 … p i … p n为随机变量X 的概率分布列，简称X 的分布列. 离散型随机变量的分布列具有下述两个性质： （1）0,1,2,,i P i n =⋅⋅⋅≥ （2）121n p p p ++⋅⋅⋅+= 两点分布如果随机变量X 的分布列为 X1P 1-p p则称X 服从两点分布。
二、条件概率一般地，设A,B 为两个事件,且()0P A >,称()(|)()P AB P B A P A =为在事件A 发生的条件下,事件B 发生的条件概率. 0(|)1P B A ≤≤ 如果B 和C 互斥，那么[()|](|)(|)P B C A P B A P C A =+三、相互独立事件设A ，B 两个事件，如果事件A 是否发生对事件B 发生的概率没有影响(即()()()P AB P A P B =),则称事件A 与事件B 相互独立。
()()()A B P AB P A P B ⇔=即、相互独立一般地，如果事件A 1,A 2,…,A n 两两相互独立，那么这n 个事件同时发生的概率，等于每个事件发生的概率的积，即1212(...)()()...()n n P A A A P A P A P A =.注：(1)互斥事件：指同一次试验中的两个事件不可能同时发生；(2)相互独立事件：指在不同试验下的两个事件互不影响. 四、n 次独立重复试验一般地，在相同条件下，重复做的n 次试验称为n 次独立重复试验.在n 次独立重复试验中，记i A 是“第i 次试验的结果”，显然，1212()()()()n n P A A A P A P A P A ⋅⋅⋅=⋅⋅⋅ “相同条件下”等价于各次试验的结果不会受其他试验的影响 注: 独立重复试验模型满足以下三方面特征第一：每次试验是在同样条件下进行；第二：各次试验中的事件是相互独立的；第三：每次试验都只有两种结果，即事件要么发生，要么不发生. n 次独立重复试验的公式：n A X A p n A k 一般地，在次独立重复试验中，设事件发生的次数为，在每次试验中事件发生的概率为，那么在次独立重复试验中，事件恰好发生次的概率为()(1),0,1,2,...,.(1)k k n k k k n kn n P X k C p p C p q k n q p --==-===-其中，而称p 为成功概率.五、二项分布一般地，在n 次独立重复试验中，用X 表示事件A 发生的次数，设每次试验中事件A 发生的概率为p ，则()(1)0,1,2,,k kn k n P X k C p p k n -==-=⋅⋅⋅，X 01… k … nP00nn C p q111n n C p q -…k k n kn C p q - …n n n C p q此时称随机变量X 服从二项分布，记作~(,)X B n p ，并称p 为成功概率. 六、离散随机变量的均值（数学期望）一般地，随机变量X 的概率分布列为 Xx 1 x 2 … x i … x n Pp 1 p 2 … p i … p n则称1122()i i n n E X x p x p x p x p =+++++为X 的数学期望或均值，简称为期望.它反映了离散型随机变量取值的平均水平. 七、离散型随机变量取值的方差和标准差 一般地,若离散型随机变量x 的概率分布列为 Xx 1 x 2 … x i … x n Pp 1 p 2 … p i … p n2221122(())(())(())..n n DX x E X p x E X p x E X p X DX X =-+-+⋅⋅⋅+-则称为随机变量的方差并称为随机变量的标准差例题练习11年山东数学高考红队队员甲、乙、丙与蓝队队员A 、B 、C 进行围棋比赛，甲对A ，乙对B ，丙对C 各一盘，已知甲胜A ，乙胜B ，丙胜C 的概率分别为0.6,0.5,0.5，假设各盘比赛结果相互独立. （Ⅰ）求红队至少两名队员获胜的概率；（Ⅱ）用ξ表示红队队员获胜的总盘数，求ξ的分布列和数学期望E ξ.12年山东数学高考先在甲、乙两个靶.某射手向甲靶射击一次，命中的概率为34，命中得1分，没有命中得0分；向乙靶射击两次，每次命中的概率为23,每命中一次得2分，没有命中得0分.该射手每次射击的结果相互独立.假设该射手完成以上三次射击.（Ⅰ）求该射手恰好命中一次得的概率；（Ⅱ）求该射手的总得分X的分布列及数学期望EX.13年山东数学高考甲、乙两支排球队进行比赛，约定先胜3局者获得比赛的胜利，比赛随即结束.除第五局甲队获胜的概率是12外，其余每局比赛甲队获胜的概率是23.假设每局比赛结果互相独立.（1）分别求甲队以3：0，3：1，3：2胜利的概率（2）若比赛结果为3：0或3：1，则胜利方得3分，对方得0分；若比赛结果为3：2，则胜利方得2分、对方得1分，求乙队得分x的分布列及数学期望.13年天津数学高考一个盒子里装有7张卡片, 其中有红色卡片4张, 编号分别为1, 2, 3, 4; 白色卡片3张, 编号分别为2, 3, 4. 从盒子中任取4张卡片(假设取到任何一张卡片的可能性相同).(Ⅰ) 求取出的4张卡片中, 含有编号为3的卡片的概率.(Ⅱ) 再取出的4张卡片中, 红色卡片编号的最大值设为X, 求随机变量X的分布列和数学期望.13年北京数学高考下图是某市3月1日至14日的空气质量指数趋势图，空气质量指数小于100表示空气质量优良，空气质量指数大于200表示空气重度污染，某人随机选择3月1日至3月13日中的某一天到达该市，并停留2天（Ⅰ）求此人到达当日空气重度污染的概率（Ⅱ）设X是此人停留期间空气质量优良的天数，求X的分布列与数学期望。
第二章随机变量及其分一、基本要求、重点与难点
第二章随机变量及其分一、基本要求、重点与难点（一）基本要求1．理解随机变量的概念。
2．掌握离散型随机变量和连续型随机变理的描述方法。
3．理解分布列与概率密度的概念及其性质。
4．理解分布函数的概念及性质。
5．会应用概率分布计算有关事件的概率。
6．掌握二项分布、泊松分布、均匀分布、正态分布和指数分布。
7．会求简单随机变量函数的分布。
（二）重点1．离散型随机变量的分布列和分布函数的概念及性质。
2．连续型随机变量的密度函数和分布函数的概念及性质。
3．掌握二项分布、泊松分布、均匀分布、正态分布和指数分布。
4．随机变量的一些简单函数的概率分布的求法。
（三）难点1．离散型随机变量的分布列与分布函数的关系。
2．连续型随机变量的密度函数与分布函数的关系。
3．随机变量函数的分布的计算。
二、重点内容简介§1 随机变量的概念及分类定义定义在样本空间Ω上的一个实值函数X=X(ω)，使随机试验的每一个结果ω都可用一个实数X(ω)来表示，且实数X满足1）X是由ω唯一确定；2）对于任意给定的实数x，事件{X≤x}都是有概率的，则称X为一随机变量，一般用大写字母X,Y,Z等表示。
引入随机变量后，随机事件就可以通过随机变量来表示，这样，我们就把对事件的研究转化为对随机变量的研究。
随机变量一般可分为离散型和非离散型两大类。
非离散型又可分为连续型和混合型。
由于在实际工作中我们经常遇到的是离散型和连续型的随机变量，因此一般情况下我们仅讨论这两个类型的随机变量。
§2 随机变量的分布函数及其性质定义 设X 为一随机变量，x 是任意实数,称函数 F(x)=P(X ≤x) (-∞<x<+∞) 为随机变量X 的分布函数。
分布函数是一个以全体实数为其定义域，以事件{ω|∞＜X(ω)≤∞}的概率为函数值的一个实值函数。
分布函数具有以下的基本性质： 1） 0≤F(x )≤1;2） F(x )是非减函数； 3） F(x )是右连续的； 4）lim ()0,lim ()1;x x F x F x →−∞→+∞==设随机变量X 的分布函数为F(x )，则可用F(x )来表示下列概率：(1) ()();(2) ()(0);(3) ()1()1();(4) ()1()1(0);(5) ()()()()(0);(6) (||)()()()(0)();P X a F a P X a F a P X a P X a F a P X a P X a F a P X a P X a P X a F a F a P X a P a X a P X a P X a F a F a ≤=<=−>=−≤=−≥=−<=−−==≤−<=−−<=−<<=<−≤−=−−−§ 3 离散型随机变量1 定义定义 如果随机变量X (ω)所有可能取值是有限个或可列多个，则称X (ω)为离散型随机变量（discrete random variable ）简写作d .r .v .。
随机变量及其分布总结
随机变量及其分布1、基本概念⑴互斥事件：不可能同时发生的两个事件.如果事件A B C 、、，其中任何两个都是互斥事件，则说事件A B C 、、彼此互斥. 当A B 、是互斥事件时，那么事件A B +发生（即A B 、中有一个发生）的概率，等于事件A B 、分别发生的概率的和，即()()(P A B P A P B +=+.⑵对立事件：其中必有一个发生的两个互斥事件.事件A 的对立事件通常记着A . 对立事件的概率和等于1. ()1()P A P A =-.特别提醒：“互斥事件”与“对立事件”都是就两个事件而言的，互斥事件是不可能同时发生的两个事件，而对立事件是其中必有一个发生的互斥事件，因此，对立事件必然是互斥事件，但互斥事件不一定是对立事件，也就是说“互斥”是“对立”的必要但不充分的条件.⑶相互独立事件：事件A （或B ）是否发生对事件B （或A ）发生的概率没有影响，（即其中一个事件是否发生对另一个事件发生的概率没有影响）.这样的两个事件叫做相互独立事件.当A B 、是相互独立事件时，那么事件A B ⋅发生（即A B 、同时发生）的概率，等于事件A B 、分别发生的概率的积.即()()()P A B P A P B ⋅=⋅.若A 、B 两事件相互独立，则A 与B 、A 与B 、A 与B 也都是相互独立的.⑷独立重复试验①一般地，在相同条件下重复做的n 次试验称为n 次独立重复试验.②独立重复试验的概率公式p ，那么在n 次独立重复试验中这个试验恰好发生k 次的概率()()(1)0,12,.,k k n k n n P k n k C p p -==-⑸条件概率：对任意事件A 和事件B ，在已知事件A 发生的条件下事件B 发生的概率，叫做条件概率.记作P(B|A)，读作A 发生的条件下B 发生的概率.知识结构公式：()(),()0.()P AB P B A P A P A => 2、离散型随机变量 ⑴随机变量：如果随机试验的结果可以用一个变量来表示，那么这样的变量叫做随机变量 随机变量常用字母,,,X Y ξη等表示.⑵离散型随机变量:对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.⑶连续型随机变量: 对于随机变量可能取的值，可以取某一区间内的一切值，这样的变量就叫做连续型随机变量.⑷离散型随机变量与连续型随机变量的区别与联系: 离散型随机变量与连续型随机变量都是用变量表示随机试验的结果；但是离散型随机变量的结果可以按一定次序一一列出，而连续性随机变量的结果不可以一一列出.若X 是随机变量，(,Y aX b a b =+是常数）则Y 也是随机变量 并且不改变其属性（离散型、连续型）.3、离散型随机变量的分布列⑴概率分布（分布列）设离散型随机变量X 可能取的不同值为12,x x ，…，i x ，…，n x ，X )i i X x p ==，则称表为随机变量的概率分布，简称的分布列.性质：①0,1,2,...;i p i n ≥= ②1 1.n i i p ==∑⑵两点分布则称X 服从两点分布，并称(1)p P X ==为成功概率.⑶二项分布如果在一次试验中某事件发生的概率是p ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是()(1).k k n k n P X k C p p -==-我们称这样的随机变量X 服从二项分布，记作()p n B X ,~，并称p 为成功概率.判断一个随机变量是否服从二项分布，关键有三点：①对立性：即一次试验中事件发生与否二者必居其一；②重复性：即试验是独立重复地进行了n 次;① 等概率性：在每次试验中事件发生的概率均相等.② 注：⑴二项分布的模型是有放回抽样；⑵二项分布中的参数是,,.p k n⑷超几何分布一般地, 在含有M 件次品的N 件产品中，任取n 件,其中恰有X 件次品数,则事件{}X k =发生的概率为()(0,1,2,,)k n k M N M n N C C P X k k m C --===,于是得到随机变量X其中{}min ,m M n =,*,,,,n N M N n M N N ∈≤≤. 我们称这样的随机变量X 的分布列为超几何分布列,且称随机变量X 服从超几何分布.注:⑴超几何分布的模型是不放回抽样；⑵超几何分布中的参数是,,.M N n 其意义分别是总体中的个体总数、N 中一类的总数、样本容量.4、离散型随机变量的均值与方差⑴离散型随机变量的均值则称()1122i i n n E X x p x p x p x p =+++++为离散型随机变量X 的均值或数学期望（简称期望）.它反映了离散型随机变量取值的平均水平.⑵离散型随机变量的方差则称21()(())n ii i D X x E X p ==-∑为离散型随机变量X 的方差，为随机变量X 的标准差.它反映了离散型随机变量取值的稳定与波动，集中与离散的程度. ()D X 越小，X 的稳定性越高，波动越小，取值越集中；()D X 越大，X 的稳定性越差，波动越大，取值越分散.。
随机变量及其分布知识点总结资料讲解.doc
圆梦教育中心 随机变量及其分布知识点整理一、离散型随机 量的分布列一 般 地 ， 离 散 型 随 机 量 X 可 能 取 的x 1 , x 2 , , x i ,, x n ， X 取 每 一 个 x i (i1,2, , n) 的 概 率P( Xx i ) p i ， 称以下表格Xx 1 x 2 ⋯ x i ⋯ x n Pp 1p 2⋯p i⋯p n随机 量 X 的概率分布列， 称X 的分布列 .离散型随机 量的分布列具有下述两个性 ：（ 1） P i ≥ 0, i1,2, , n （ 2） p 1 p 2 p n 11．两点分布如果随机 量X 的分布列X1P 1-p p称 X 服从两点分布，并称p=P(X=1) 成功概率 .2．超几何分布 一般地，在含有M 件次品的 N 件 品中，任取 n 件，其中恰有 X 件次品， 事件X k 生的概率 ：P( X k ) C M k C N n k M , k 0,1,2,3,..., mC nN 随机 量 X 的概率分布列如下：X1 ⋯ mPC M 0 C N n 0MC M 1 C N n 1M⋯C M m C N n m MC N nC N nC N n其中 mmin M , n , 且nN , M N , n, M , N N * 。
注：超几何分布的模型是不放回抽 二、条件概率一般地， A,B 两个事件 , 且 P( A)0 ,称P(B | A)P( AB )在事件 A 生的条件下 , 事件 B 生的条件概率 .P( A)0≤ P(B | A) ≤ 1如果 B 和 C 互斥，那么 P[( B U C ) | A] P( B | A) P(C | A)三、 相互独立事件A ，B 两个事件， 如果事件 A 是否 生 事件 B 生的概率没有影响( 即 P( AB) P( A)P( B) ), 称事件 A 与事件B 相互独立。
即 A 、 B 相互独立P( AB) P( A) P(B)一般地，如果事件A ,A , ⋯,A n 两两相互独立，那么n 个事件同 生的概率，等于每个事件 生的概率的 ，12即 P( A 1A 2... A n ) P( A 1 ) P( A 2 )...P( A n ) .注： (1) 互斥事件：指同一次试验中的两个事件不可能同时发生；(2)相互独立事件：指在不同试验下的两个事件互不影响.四、 n 次独立重复试验一般地，在相同条件下，重复做的n 次试验称为n 次独立重复试验.在 n 次独立重复试验中，记A i是“第i次试验的结果” ，显然， P( A1 A2A n ) P( A1 )P( A2 )P( A n )“相同条件下”等价于各次试验的结果不会受其他试验的影响注: 独立重复试验模型满足以下三方面特征第一：每次试验是在同样条件下进行；第二：各次试验中的事件是相互独立的；第三：每次试验都只有两种结果，即事件要么发生，要么不发生.n次独立重复试验的公式：一般地，在 n次独立重复中，事件 A生的次数 X，在每次中事件 A生的概率 p，那么在 n次独立重复中，事件 A 恰好生 k次的概率P( X k ) C n k p k (1 p)n k C n k p k q n k , k 0,1,2,..., n.(其中 q 1 p) ，而称p为成功概率.五、二项分布一般地，在n 次独立重复试验中，用X 表示事件 A 发生的次数，设每次试验中事件 A 发生的概率为p，则P( X k ) C n k p k (1 p)n k， k 0,1,2, ,nX01⋯k⋯nP C n0 p0q n C n1 p1q n 1⋯C n k p k q n k⋯C n n p n q0此时称随机变量X 服从二项分布，记作X ~ B(n, p) ，并称p为成功概率.六、离散随机变量的均值（数学期望）一般地，随机变量X 的概率分布列为X x1 x2 ⋯x i ⋯x nP p1 p2 ⋯p i ⋯p n则称 E( X ) x1 p1 x2 p2x i p i x n p n为X 的数学期望或均值，简称为期望 . 它反映了离散型随机变量取值的平均水平 .1．若Y aX b ，其中a，b常数，则Y 也是变量Y ax1 b ax2 b ⋯ax i b ⋯ax n bP p1 p2⋯p ⋯pi n则 EY aE( X ) b ，即 E(aX b) aE ( X ) b 2．一般地，如果随机变量X 服从两点分布，那么E( X )=1 p 0 (1 p)p 3．若X ~ B(n, p)，则E( X ) np七、离散型随机变量取值的方差和标准差一般地 , 若离散型随机变量x 的概率分布列为X x1 x2 ⋯x i ⋯x nP p1 p2 ⋯p i ⋯p n则称 DX ( x1 E (X )) 2 p1 ( x2 E( X )) 2 p2 (x n E ( X 并称DX 为随机变量 X的标准差 .1．若 X 服从两点分布，则 D ( X ) p(1 p)2．若X ~ B(n, p)，则D ( X )np(1 p)3．D ( aX b)a2 D ( X )即若 X 服从两点分布，则E( X )p。
高中数学随机变量总结归纳
高中数学随机变量总结归纳随机变量是概率论和数理统计中的重要概念，用于描述随机试验中各种可能结果的数值特征。
在高中数学中，我们学习了随机变量及其分布、均值、方差等基本概念。
本文将对高中数学中关于随机变量的知识进行总结和归纳。
一、随机变量的定义及分类随机试验是指可以重复进行、结果不确定的试验，随机变量是对试验结果进行数值化的方式。
随机变量可以分为离散随机变量和连续随机变量。
1. 离散随机变量离散随机变量的取值有限或可数。
例如，掷骰子的点数、抛硬币的正反面等都属于离散随机变量。
离散随机变量可以用概率分布列来描述。
2. 连续随机变量连续随机变量的取值是无限的某个区间内的任意数值。
例如，身高、体重等都属于连续随机变量。
连续随机变量可以用概率密度函数来描述。
二、离散随机变量的分布律离散随机变量的分布律用概率分布列来表示。
概率分布列包括随机变量的各个取值及其对应的概率。
以掷骰子为例，掷骰子的点数可以取1、2、3、4、5、6六个值，每个值的概率相等，都是1/6。
三、连续随机变量的概率密度函数连续随机变量的概率密度函数描述了随机变量的取值在某个区间内的概率分布情况。
概率密度函数具有非负性和归一性。
以身高为例，身高的概率密度函数可以用正态分布曲线来表示。
四、随机变量的均值与方差随机变量的均值和方差是描述随机变量集中趋势和离散程度的重要指标。
1. 离散随机变量的均值和方差离散随机变量的均值用期望值来表示，记作E(X)，方差用Var(X)来表示。
离散随机变量的期望值等于各个取值乘以其对应的概率之和，方差则是各个取值与期望值的差的平方乘以对应概率之和。
2. 连续随机变量的均值和方差连续随机变量的均值和方差的计算方法与离散随机变量类似，只是求和变成了积分。
五、常见的离散分布和连续分布在概率论和数理统计中，有很多常见的离散分布和连续分布。
我们在高中数学中主要学习了以下几种：1. 离散分布(1) 二项分布(2) 泊松分布2. 连续分布(1) 正态分布(2) 均匀分布(3) 指数分布六、随机变量的独立性和和的分布当存在多个随机变量时，我们可以研究它们之间的独立性以及它们的和的分布。
随机变量及其分布方法总结经典习题及解答
随机变量及其分布方法总结经典习题及解答一、离散型随机变量及其分布列1、离散型随机变量:对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量。
常用大写英文字母X、Y等或希腊字母ξ、η等表示。
2、分布列:设离散型随机变量ξ可能取得值为：x1，x2，…，x3，…，ξ取每一个值xi（i=1，2，…）的概率为，则称表ξx1x2…xi…PP1P2…Pi…为随机变量ξ的分布列3、分布列的两个性质：⑴Pi≥0，i＝1，2，… ⑵P1+P2+…=1、常用性质来判断所求随机变量的分布列是否正确！二、热点考点题型考点一: 离散型随机变量分布列的性质1、随机变量ξ的概率分布规律为P(ξ＝n)＝(n＝1，2，3，4)，其中a是常数，则P(＜ξ＜)的值为A、B、C、D、答案：D考点二：离散型随机变量及其分布列的计算2、有六节电池，其中有2只没电，4只有电，每次随机抽取一个测试，不放回，直至分清楚有电没电为止，所要测试的次数为随机变量，求的分布列。
解：由题知2，3，4，5∵ 表示前2只测试均为没电，∴ ∵ 表示前两次中一好一坏，第三次为坏，∴ ∵ 表示前四只均为好，或前三只中一坏二好，第四个为坏，∴ ∵ 表示前四只三好一坏，第五只为坏或前四只三好一坏第五只为好∴ ∴ 分布列为2345P三、条件概率、事件的独立性、独立重复试验、二项分布与超几何分布1、条件概率：称为在事件A发生的条件下，事件B发生的概率。
2、相互独立事件：如果事件A（或B）是否发生对事件B （或A）发生的概率没有影响，这样的两个事件叫做相互独立事件。
①如果事件A、B是相互独立事件，那么，A与、与B、与都是相互独立事件②两个相互独立事件同时发生的概率，等于每个事件发生的概率的积。
我们把两个事件A、B同时发生记作AB，则有P（AB）= P（A）P（B）推广：如果事件A1，A2，…An相互独立，那么这n个事件同时发生的概率，等于每个事件发生的概率的积。
随机变量及其分布考点总结
第二章 随机变量及其分布 复习一、随机变量.1. 随机试验的结构应该是不确定的.试验如果满足下述条件：①试验可以在相同的情形下重复进行；②试验的所有可能结果是明确可知的，并且不止一个；③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会出现哪一个结果. 它就被称为一个随机试验.2. 离散型随机变量：如果对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.若ξ是一个随机变量，a ，b 是常数.则b a +=ξη也是一个随机变量.一般地，若ξ是随机变量，)(x f 是连续函数或单调函数，则)(ξf 也是随机变量.也就是说，随机变量的某些函数也是随机变量.3、分布列：设离散型随机变量ξ可能取的值为： ,,,,21i x x xξ取每一个值),2,1( =i x 的概率p x P ==)(，则表称为随机变量ξ的概率分布，简称ξ的分布列.1=≥i p ； ②121=++++ i p p p .注意：若随机变量可以取某一区间的一切值，这样的变量叫做连续型随机变量.例如：]5,0[∈ξ即ξ可以取0～5之间的一切数，包括整数、小数、无理数. 典型例题：1、随机变量ξ的分布列为(),1,2,3(1)cP k k k k ξ===+……，则P(13)____ξ≤≤=2、袋中装有黑球和白球共7个，从中任取两个球都是白球的概率为17，现在甲乙两人从袋中轮流摸去一球，甲先取，乙后取，然后甲再取……，取后不放回，直到两人中有一人取到白球时终止，用ξ表示取球的次数。
（1）求ξ的分布列（2）求甲取到白球的的概率3、5封不同的信，放入三个不同的信箱，且每封信投入每个信箱的机会均等，X 表示三哥信箱中放有信件树木的最大值，求X 的分布列。
4已知在全部50人中随机抽取1人抽到喜爱打篮球的学生的概率为5．（1）请将上面的列联表补充完整；（2）是否有99.5％的把握认为喜爱打篮球与性别有关？说明你的理由；（3）已知喜爱打篮球的10位女生中，12345,,A A A A A ，，还喜欢打羽毛球，123B B B ，，还喜欢打乒乓球，12C C ，还喜欢踢足球，现再从喜欢打羽毛球、喜欢打乒乓球、喜欢踢足球的女生中各选出1名进行其他方面的调查，求1B 和1C 不全被选中的概率．k2.072 2.7063.841 5.024 6.635 7.879 10.828(参考公式：2()()()()()n ad bc K a b c d a c b d -=++++，其中n a b c d =+++)二、几种常见概率1、条件概率与事件的独立性（1）B|A 与AB 的区别：__________________（2）P(B|A)的计算公式_____________,注意分子分母事件的性质相同 （3）P(AB)的计算公式_____________注意三点：前提，目标，一般情况___________________ （4）P （A+B ）的计算公式__________注意三点：前提，目标，一般情况____________________ 典型例题：1、市场上供应的灯泡，甲厂产品占70%，乙厂产品占30%，甲厂产品的合格率是95%，乙厂产品的合格率80%，则从市场上买到一个是甲厂产的合格品的概率是多少？2、把一副扑克52随即均分给钱四家，A={家得到六章草花}，B={家得到3草花}，计算P(B|A)，P(AB)3、从混有5假钞的20百元钞票中任取两，将其中1在验钞机上检验发现是假钞，求两都是假钞的概率。
随机变量及其分布知识点总结
随机变量及其分布知识点总结随机变量是数学中的一个基本概念,描述了一个随机事件的可能结果。
在概率论和统计学中,随机变量的分布是研究随机变量性质的重要工具。
本文将总结随机变量及其分布的相关知识,包括随机变量的定义、表示、分布、期望、方差等。
一、随机变量的定义随机变量是一种描述随机事件可能的变量,通常用符号 $X$ 表示。
随机变量的取值可以是离散的或连续的。
离散的随机变量只取有限或可数个取值,而连续的随机变量则取无限个取值。
二、随机变量的表示随机变量的表示通常用概率密度函数 $f_X(x)$ 或概率质量函数$g_X(x)$ 表示。
概率密度函数是描述随机变量取值分布的函数,通常用$f_X(x)$ 表示。
概率质量函数是描述随机变量离散程度的函数,通常用$g_X(x)$ 表示。
三、随机变量的分布随机变量的分布描述了随机变量取值的概率分布。
离散分布描述了随机变量只取有限或可数个取值的概率分布,连续分布描述了随机变量取无限个取值的概率分布。
1. 离散分布离散分布通常用 $P(X=x)$ 表示,其中 $x$ 是随机变量的取值。
离散分布的概率质量函数通常用 $g_X(x)$ 表示。
例如,正态分布的概率质量函数为:$$g_X(x) = frac{sqrt{2pi}}{x!}e^{-frac{(x-1)^2}{2}}$$2. 连续分布连续分布通常用 $P(X leq x)$ 表示,其中 $x$ 是随机变量的取值。
连续分布的概率质量函数通常用 $f_X(x)$ 表示。
例如,均匀分布的概率质量函数为: $$f_X(x) = begin{cases}1, & x in [0,1],0, & x in [1,2],end{cases}$$四、期望和方差随机变量的期望是随机变量的取值的总和。
离散分布的期望通常用$E(X)$ 表示,连续分布的期望通常用 $E[X]$ 表示。
期望的概率质量函数通常用$f_X(x)$ 表示。
随机变量及其分布知识点整理.docx
一、离散型随机量的分布列一般地，离散型随机量X 可能取的x1 , x2 , , x i , , x n，X取每一个x i (i 1,2,, n) 的概率P( X x i ) p i，称以下表格X x1x2⋯x i⋯x nP p1p2⋯p i⋯p n随机量X 的概率分布列，称X 的分布列 .离散型随机量的分布列具有下述两个性：（ 1）P i≥0, i1,2, , n （2） p1p2p n11．两点分布如果随机量X 的分布列X01P1-p p称 X 服从两点分布，并称p=P(X=1) 成功概率.2．超几何分布一般地，在含有 M件次品的 N件品中，任取 n 件，其中恰有X 件次品，事件X k 生的概率：P( X k)C M k C N n k M, k0,1,2,3,..., mC N n随机量 X 的概率分布列如下：X01⋯mC0C n 0C1C n 1C m C n mP M N M M N M⋯M N MC N n C N n C N n其中 m min M , n ,且n N, M N ,n,M , N N *。
注：超几何分布的模型是不放回抽二、条件概率一般地， A,B 两个事件 , 且P( A)P( AB)0 ,称 P( B | A)在事件 A 生的条件下 , 事件 B 生的条P( A)件概率 .0 ≤ P(B | A) ≤ 1如果 B 和 C互斥，那么P[( B U C ) | A] P(B | A) P(C | A)三、 相互独立事件A ，B 两个事件， 如果事件 A 是否 生 事件 B 生的概率没有影响( 即 P( AB)P( A) P(B) ), 称事件A 与事件B 相互独立。
即 A 、 B 相互独立 P( AB)P( A) P(B)一般地，如果事件 A ,A, ⋯,An 两两相互独立，那么n 个事件同 生的概率，等于每个事件 生的概12率的 ，即 P( A 1A 2... A n ) P( A 1 )P( A 2 )...P( A n ) .注： (1) 互斥事件 ：指同一次 中的两个事件不可能同 生；(2) 相互独立事件 ：指在不同 下的两个事件互不影响. 四、 n 次独立重复一般地，在相同条件下，重复做的n 次 称 n 次独立重复 .在 n 次独立重复 中，A i 是“第 i 次 的 果” ， 然， P( A 1 A 2A n ) P( A 1 ) P( A 2 ) P( A n )“相同条件下”等价于各次 的 果不会受其他 的影响注 : 独立重复 模型 足以下三方面特征第一：每次 是在同 条件下 行；第二：各次 中的事件是相互独立的；第三：每次 都只有两种 果，即事件要么 生，要么不 生.n 次独立重复 的公式：一般地，在 次独立重复 中， 事件生的次数X ，在每次 中事件 生的概率，那么在 次nAApn独立重复 中，事件恰好 生 k 次的概率AP( Xk) C n k p k (1 p)n kC n k p k q n k , k 0,1,2,..., n.(其中 q1 p) ，而称 p 成功概率 .五、二 分布一般地，在 n 次独立重复 中，用X 表示事件 A 生的次数， 每次 中事件A 生的概率p ，P( Xk) C n k p k (1 p)n k ， k 0,1,2, , nX1⋯ k ⋯nPC n 0 p 0q n C n 1 p 1q n 1 ⋯ C n k p k q n k ⋯C n n p n q 0此 称随机 量 X 服从二 分布， 作 X ~ B(n, p) ，并称 p 成功概率 .六、离散随机 量的均 （数学期望）一般地，随机 量 X 的概率分布列X x1x2⋯x i⋯x nP p1p2⋯p i⋯p n则称 E( X ) x1 p1x2 p2x i p i x n p n为 X 的数学期望或均值，简称为期望. 它反映了离散型随机变量取值的平均水平. 1．若Y aX b ，其中a，b常数，则Y也是变量Y ax 1 b ax 2 b ⋯ ax i b ⋯ ax n bP p1p2⋯p⋯pni则EY aE ( X ) b ，即 E(aX b) aE ( X ) b 2．一般地，如果随机变量X 服从两点分布，那么E( X )=1p0 (1p)p即若 X 服从两点分布，则E( X )p3．若X ~ B(n, p)，则E( X ) np七、离散型随机变量取值的方差和标准差一般地 , 若离散型随机变量x 的概率分布列为X x1x2⋯x i⋯x nP p1p2⋯p i⋯p n则称 DX(x1E( X )) 2 p1 (x2E( X ))2 p2( x n E( X )) 2 p n为随机变量 X的方差.并称 DX 为随机变量 X的标准差 .1．若 X 服从两点分布，则 D ( X )p(1p) 2．若X ~ B(n, p)，则D ( X ) np(1p) 3．D (aX b)a2 D( X )。
(完整版)随机变量及其分布列概念公式总结
随机变量及其分布总结1、定义：随着试验结果变化而变化的变量称为随机变量 ．随机变量常用字母 X , Y ，，，… 表示．ξη2、定义：所有取值可以一一列出的随机变量，称为离散型随机变量3、分布列:设离散型随机变量ξ可能取得值为 x 1，x 2，…，x 3，…，ξ取每一个值x i （i =1，2，…）的概率为，则称表()i i P x p ξ==ξx 1x 2…x i …PP 1P 2…P i…为随机变量ξ的概率分布，简称ξ的分布列 4. 分布列的两个性质：（1）P i ≥0，i ＝1，2，…； （2）P 1+P 2+…=1．5.求离散型随机变量的概率分布的步骤:ξ（1）确定随机变量的所有可能的值x i （2）求出各取值的概率p(=x i )=p i ξ（36.两点分布列:ξ01P1p -p7超几何分布列：一般地，在含有M 件次品的 N 件产品中，任取 n 件，其中恰有X 件次品数，则事件{X=k ｝发生的概率为,其中(),0,1,2,,k n k M N MnNC C P X k k m C --=== ，且．称分布列min{,}m M n =,,,,n N M N n M N N *≤≤∈X 01…mP0n M N Mn NC C C -11n M N Mn NC C C --…m n m M N Mn NC C C --为超几何分布列．如果随机变量 X 的分布列为超几何分布列，则称随机变量X 服从超几何分布8．离散型随机变量的二项分布:在一次随机试验中，某事件可能发生也可能不发生，在n 次独立重复试验中这个事件发生的次数ξ是一个随机变量．如果在一次试验中某事件发生的概率是P ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是，（k ＝0,1,2,…，n ，）．kn k k n n q p C k P -==)(ξp q -=1于是得到随机变量ξ的概率分布如下：ξ01…k…nPnn qp C 00111-n n qp C …kn k k n qp C -…qp C n n n 称这样的随机变量ξ服从二项分布，记作ξ～B (n ，p )，其中n ，p 为参数。
高中数学知识点总结：随机变量及其分布2页
高中数学知识点总结：随机变量及其分布2页1.随机变量随机变量是定义在样本空间上的函数，它的取值是随机的。
如果随机变量只取有限个或无限个可列值，称为离散随机变量。
3.离散概率分布离散随机变量的取值及其对应的概率称为离散概率分布。
4.期望离散随机变量X的期望是各个取值与其对应的概率乘积之和，用E(X)表示。
5.方差6.二项分布重复独立地进行n次相同的试验，每次试验只有成功和失败两种可能，成功概率为p，失败概率为1-p，记X为n次试验中成功的次数，则X服从二项分布，用B(n,p)表示。
7.泊松分布在一定时间或空间内，事件发生的次数服从泊松分布，如果事件在单位时间或单位空间内出现的概率是λ，则X在一个时间或空间区间内出现x次的概率为e^(-λ)λ^x/x!。
9.概率密度函数连续随机变量X的概率密度函数是一个非负可积函数f(x)，满足积分从负无穷到正无穷等于1，即∫f(x) dx=1。
连续随机变量X的期望是∫xf(x) dx。
12.正态分布在许多自然界现象中，随机变量的分布往往服从正态分布，其概率密度函数为f(x)=1/(σ√(2π)) e^((-(x-μ)^2)/(2σ^2))，其中μ是期望，σ是标准差。
13.中心极限定理如果n个独立随机变量的和服从某个分布，当n趋于无穷大时，它们的和近似服从正态分布。
这就是中心极限定理。
14.卡方分布卡方分布是一种重要的概率分布，它是二项分布的极限情况。
在统计学中广泛应用，用于检验样本方差是否符合正态分布。
t分布是一种重要的概率分布，常用于小样本的统计推断，如t检验。
F分布是一种概率分布，广泛用于方差分析，也用于卡方检验、t检验等。
17.统计量统计量是由样本数据计算出来的统计量，是样本的函数，可以用于对总体进行推断，如均值、方差、相关系数等。
18.抽样分布抽样分布是一个统计量的分布，由样本数据计算得到，用于总体参数的估计和假设检验。
19.点估计点估计是使用样本数据得到总体参数的点估计值，如样本均值、样本标准差等。
随机变量及其分布知识点总结(一)
随机变量及其分布知识点总结(一)前言•随机变量及其分布是概率论中的重要概念，是描述随机现象的数值特征的数学工具。
深入理解随机变量及其分布有助于我们对概率和统计的理解，从而更好地应用于实际问题的解决。
•本文将介绍随机变量的定义与分类、随机变量的概率分布函数与密度函数、常见的随机变量分布及其特性。
正文1. 随机变量的定义与分类•随机变量是随机试验结果的实值函数，通常用大写字母表示，如X、Y等。
它可以是离散的（只能取有限或可列个值）或连续的（可以取任意实数值）。
•离散随机变量表示一个事件的可能结果是离散的，例如掷骰子的点数。
•连续随机变量表示一个事件的可能结果是连续的，例如人的身高或温度的测量值。
2. 随机变量的概率分布函数与密度函数•对于离散随机变量，其概率分布函数（Probability Mass Function，PMF）表示随机变量取某个特定值的概率。
•对于连续随机变量，其概率密度函数（Probability Density Function，PDF）表示连续随机变量在某个数值范围内取值的概率密度。
•概率分布函数和概率密度函数都具有以下特点：非负性、归一性和单调性。
3. 常见的随机变量分布及其特性3.1. 离散随机变量分布•伯努利分布：描述两个可能结果的随机试验。
•二项分布：描述多次伯努利试验中成功次数的随机变量。
•泊松分布：描述单位时间或单位空间内随机事件发生的次数的随机变量。
3.2. 连续随机变量分布•均匀分布：在一个区间上的取值是等可能的。
•正态分布：一种常见的连续随机变量分布，呈钟形曲线，常用于自然和社会科学中建模。
•指数分布：描述独立随机事件发生时间间隔的分布。
结尾•随机变量及其分布是概率论中的重要概念，通过对随机变量、概率分布函数、概率密度函数以及常见的分布特性的学习，我们可以更好地理解随机现象，并在实际问题中应用概率和统计的方法。
•随机变量及其分布的深入研究对统计学、机器学习、金融等领域具有重要意义，帮助我们更好地分析数据、建立模型、做出决策。
概率与统计中的随机变量及其分布知识点总结
概率与统计中的随机变量及其分布知识点总结在概率与统计学中，随机变量是一种具有概率分布的变量，它可以用来描述不确定性的现象和事件。
随机变量的理论是概率论的核心内容之一，掌握随机变量及其分布知识点对于理解概率与统计学的基本原理及应用具有重要意义。
本文将对概率与统计中的随机变量及其分布进行知识点总结。
一、随机变量的概念与分类随机变量（Random Variable）是指对于随机试验结果的数值描述。
随机变量可以分为离散型随机变量和连续型随机变量两类。
1. 离散型随机变量离散型随机变量（Discrete Random Variable）的取值为有限个或可数个。
常见的离散型随机变量有伯努利随机变量、二项分布随机变量、泊松随机变量等。
2. 连续型随机变量连续型随机变量（Continuous Random Variable）的取值可以是任意的实数。
通常用于表示测量结果或特定区间内的变化。
常见的连续型随机变量有均匀分布随机变量、正态分布随机变量等。
二、随机变量的分布函数与概率函数随机变量的分布函数和概率函数是描述随机变量的重要工具。
1. 分布函数分布函数（Distribution Function）是随机变量取值小于或等于某个值的概率，通常记作F(x)，其中x为随机变量的取值。
分布函数的性质包括：非递减性、右连续性、左极限性质。
2. 概率函数（密度函数）概率函数（Probability Density Function）用于描述连续型随机变量的概率分布情况，通常记作f(x)，其中x为随机变量的取值。
概率函数的性质包括：非负性、归一性。
三、常见的随机变量及其分布在概率与统计学中，有一些常见的随机变量及其分布是被广泛应用的。
1. 伯努利随机变量伯努利随机变量（Bernoulli Random Variable）是最简单的离散型随机变量，它只有两个取值，通常用来描述成功或失败的情况。
2. 二项分布随机变量二项分布随机变量（Binomial Random Variable）描述了n个独立的伯努利试验中成功的次数，其中n为试验次数，p为单次成功的概率。
随机变量及其分布总结
随机变量及其分布总结一、随机变量随机变量（Random Variable）是概率论中的重要概念，它是表示一个随机实验的可能结果及这些结果发生的概率的指标，是随机现象中的重要解释指标。
随机变量由它的取值所确定，特点是：（1）它是一类不能确定的数，因此不能被直接测量，但是可以用概率来描述它；（2）它表示了实验结果的取值；（3）它可以表示有一定规律的实验结果，也可以表示没有规律的实验结果；（4）它用其取值及概率分布表示一个随机实验的结果，即实验结果的不确定性；（5）它可以用来描述随机实验中各可能结果对概率的影响，从而探究随机现象的规律性。
二、随机变量的分类根据随机变量的取值类型，随机变量可分为定型随机变量和随机变量。
（1）定型随机变量定型随机变量也称为离散型随机变量，它会取值完全可以确定的一组可数的取值。
其具体分类包括：（a）伽玛分布（Gamma Distribution）：它是一种对数正态分布，可用来模拟某些自然现象，如系统失效时间的分布。
（b）指数分布（Exponential Distribution）：这是一种特殊的定型随机变量，它可以用来模拟服从指数分布的概率分布函数或者指数函数，常用来描述生存分析中系统的衰减过程。
（c）伯努利分布（Bernoulli Distribution）：这是一种概率分布，它是一种若干独立实验中，某个事件出现的概率。
（d）泊松分布（Poisson Distribution）：它是描述某一时间段内发生的事件的概率分布，可用来模拟客流量等自然现象中的随机变量。
（2）随机变量随机变量又称为连续型随机变量，它的取值范围是无限的，其取值受随机实验影响，其取值不能确定，但可以描述它的概率分布。
具体分类包括：（a）正态分布（Normal Distribution）：正态分布具有非常广泛的应用，它可用来描述许多现实世界中的现象，如智力、体重等。
（b）卡方分布（Chi-square Distribution）：卡方分布是在实验设计中非常常见的概率分布，它包含了有关实验结果的统计量，如样本均值、样本方差等。
概率统计每章知识点总结
概率统计每章知识点总结第一章：基本概念1.1 概率的概念1.2 随机变量及其分布1.3 大数定律和中心极限定理第一章主要介绍了概率统计的基本概念，包括概率的定义、随机变量的概念以及大数定律和中心极限定律。
概率是描述事物发生可能性的数学工具，是对随机事件发生规律的度量和描述。
随机变量是描述随机现象的数学模型，可以用来描述随机现象的特征和规律。
大数定律和中心极限定律则是概率统计中重要的两个定律，它们描述了大量独立随机变量的和的分布规律。
第二章：随机事件的概率计算2.1 古典概型2.2 几何概型2.3 等可能概型2.4 条件概率2.5 独立性第二章主要介绍了随机事件的概率计算方法，包括古典概型、几何概型、等可能概型、条件概率和独立性。
古典概型是指实验的样本空间是有限的且每个样本点的概率相等的情形，可以直接计算出随机事件的概率。
几何概型是指随机事件的概率与其所在的几何形状有关，需要通过几何方法来计算。
等可能概型是指实验的样本空间是有限的，但不同样本点的概率不一定相等，需要通过计算总体概率来计算随机事件的概率。
第三章：随机变量及其分布3.1 随机变量及其分布3.2 数学期望3.3 方差3.4 常用离散型随机变量的分布3.5 常用连续型随机变量的分布第三章主要介绍了随机变量及其分布的知识，包括随机变量的概念、数学期望、方差以及常用的离散型和连续型随机变量的分布。
随机变量是描述随机现象的数学模型，可以是离散型的也可以是连续性的。
数学期望和方差是描述随机变量分布特征的重要指标，它们能够描述随机变量的集中程度和离散程度。
离散型随机变量常用的分布包括伯努利分布、二项分布、泊松分布；连续型随机变量常用的分布包括均匀分布、正态分布、指数分布等。
第四章：多维随机变量及其分布4.1 二维随机变量4.2 多维随机变量4.3 边际分布4.4 条件分布4.5 独立性第四章主要介绍了多维随机变量及其分布的知识，包括二维随机变量、多维随机变量、边际分布、条件分布和独立性。
随机变量及其分布知识点总结
随机变量及其分布知识点总结随机变量是概率论中的基础概念之一，是描述随机事件的数学模型。
随机变量可以分为离散随机变量和连续随机变量，它们分别对应两种不同的概率分布函数。
随机变量及其分布是概率论和统计学中的重要概念，掌握它们的知识对理解概率和统计学的应用至关重要。
一、随机变量的定义在概率论中，将随机试验中的所有可能结果对应的实数量称为随机变量。
可以通过随机变量的取值和概率分布函数来描述随机试验的结果。
二、随机变量的分类1. 离散随机变量如果随机变量只能取离散的值，则称其为离散随机变量。
离散随机变量的概率分布函数(discrete probability function )可以用概率质量函数(probability mass function，PMF)表示。
离散随机变量的概率分布函数具有以下性质：1) P(X = x) ≥ 0，即每个值的概率非负。
2) ΣP(X = x) = 1，即所有可能取值的概率和为1。
3) PMF可以用折线图表示。
例如：伯努利试验中，试验的结果只有两种可能性，即成功和失败。
设X为成功的次数，则X是离散随机变量。
成功的概率为p，失败的概率为1-p。
则X的概率分布函数为：P(X = k) = p^k(1-p)^(1-k), k = 0,12. 连续随机变量如果随机变量可以取任意实数值，则称其为连续随机变量。
由于随机变量可以取无限多的值，因此相对于离散随机变量，它的概率分布函数有一些特殊的性质。
连续随机变量的概率密度函数(Probability Density Function，PDF)可以用函数表示。
由于随机变量连续，因此PDF不是一条折线，而是一条连续曲线。
连续随机变量的概率分布函数具有以下性质：1) P(X = x) = 0，即连续随机变量的每个单独取值的概率为0。
2) ∫f(x)dx = 1，即PDF下的所有面积和为13) 可以用PDF曲线下的面积计算概率。
例如：假设X表示一个信号在某个时间段内的功率，则X是一个连续随机变量。
随机变量及其分布列概念公式总结
随机变量及其分布总结1、定义：随着试验结果变化而变化的变量称为随机变量 ．随机变量常用字母 X , Y ，ξ，η，… 表示．2、定义：所有取值可以一一列出的随机变量，称为离散型随机变量3、分布列:设离散型随机变量ξ可能取得值为x 1，x 2，…，x 3，…，ξ取每一个值x i （i =1，2，…）的概率为()i i P x p ξ==，则称表为随机变量ξ的概率分布，简称ξ的分布列 4. 分布列的两个性质：（1）P i ≥0，i ＝1，2，…； （2）P 1+P 2+…=1． 5.求离散型随机变量ξ的概率分布的步骤: （1）确定随机变量的所有可能的值x i （2）求出各取值的概率p(ξ=x i )=p i （3）画出表格6.两点分布列:7超几何分布列：一般地，在含有M 件次品的 N 件产品中，任取 n 件，其中恰有X 件次品数，则事件 {X=k ｝发生的概率为(),0,1,2,,k n kM NMnNC C P X k k m C --===,其中min{,}m M n =，且,,,,n N M N n M N N *≤≤∈．称分布列为超几何分布列．如果随机变量 X 的分布列为超几何分布列，则称随机变量 X 服从超几何分布8．离散型随机变量的二项分布:在一次随机试验中，某事件可能发生也可能不发生，在n 次独立重复试验中这个事件发生的次数ξ是一个随机变量．如果在一次试验中某事件发生的概率是P ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是k n k kn n q p C k P -==)(ξ，（k ＝0,1,2,…，n ，p q -=1）．于是得到随机变量ξ的概率分布如下：ξ 01 … k … nPnn q p C 00111-n n q p C … kn k k n q p C - …q p C n n n称这样的随机变量ξ服从二项分布，记作ξ～B (n ，p )，其中n ，p 为参数。
随机变量及其分布例题和知识点总结
随机变量及其分布例题和知识点总结在概率论与数理统计中，随机变量及其分布是非常重要的概念。
理解和掌握随机变量及其分布对于解决各种概率问题至关重要。
下面，我们将通过一些具体的例题来深入理解相关知识点。
一、随机变量的概念随机变量是指定义在样本空间上的实值函数，它将样本空间中的每个样本点对应到一个实数。
随机变量可以分为离散型随机变量和连续型随机变量。
例如，抛一枚硬币，出现正面记为 1，出现反面记为 0，这里定义的变量就是一个离散型随机变量。
二、离散型随机变量及其分布离散型随机变量的取值是有限个或可列无限个。
常见的离散型随机变量分布有二项分布、泊松分布等。
例题 1：一批产品的次品率为 01，从中有放回地抽取 10 次，每次取一件，求抽到次品数 X 的概率分布。
解：这是一个二项分布问题，其中 n ＝ 10，p ＝ 01。
P(X ＝ k) ＝ C(10, k) × 01^k × 09^（10 k) ，k ＝ 0, 1, 2,， 10知识点：二项分布的概率质量函数为 P(X ＝ k) ＝ C(n, k) × p^k ×（1 p)＾（n k) ，其中 n 是试验次数，p 是每次试验成功的概率。
例题 2：某商店每月销售某种商品的数量服从泊松分布，平均每月销售 5 件。
求每月销售 3 件的概率。
解：设每月销售的商品数量为 X，λ ＝ 5P(X ＝ 3) ＝（e^（－5) × 5^3) ／ 3!知识点：泊松分布的概率质量函数为 P(X ＝ k) ＝（e^（λ) × λ^k)／ k! ，其中λ 是平均发生的次数。
三、连续型随机变量及其分布连续型随机变量的取值是连续的区间。
常见的连续型随机变量分布有均匀分布、正态分布等。
例题 3：设随机变量 X 在区间 a, b 上服从均匀分布，求 X 的概率密度函数。
解：概率密度函数 f(x) ＝ 1 ／（b a) ，a ≤ x ≤ b ；f(x) ＝ 0 ，其他。
随机变量及其分布知识点总结典型例题
随机变量及其分布知识点总结典型例题(总10页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--2-3随机变量及其分布离散型随机变量及其分布列(1)随机变量：在随机试验中，我们确定了一个对应关系，使得每一个试验结果都用一个确定的数字表示．在这个对应关系下，数字随着试验结果的变化而变化．像这种随着试验结果变化而变化的变量称为随机变量．通常用字母X ，Y ，ξ，η等表示．(2)离散型随机变量：所有取值可以一一列出的随机变量称为离散型随机变量．(3)离散型随机变量的分布列：要点归纳一、1．一般地，若离散型随机变量X 可能取的不同值为x 1，x 2…，x i ，…x n ，X 取每一个值x i (i ＝1，2，…，n )的概率P (X ＝x i )＝p i ，以表格的形式表示如下：X x 1x 2…x i …x n Pp 1p 2…p i…p n我们将上表称为离散型随机变量X 的概率分布列，简称为X 的分布列．有时为了简单起见，也用等式P (X ＝x i )＝p i ，i ＝1，2，…，n 表示X 的分布列．(4)离散型随机变量的分布列的性质：①p i ≥0，i ＝1，2，…，n ；② i ＝1np i ＝1.(5)常见的分布列：两点分布：如果随机变量X 的分布列具有下表的形式，则称X 服从两点分布，并称p ＝P (X ＝1)为成功概率.X 01P1－pp两点分布又称0－1分布，伯努利分布．超几何分布：一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有X 件次品，则事件{X ＝k }发生的概率为P (X ＝k )＝C k M C n －kN －M C n N，k ＝0，1，2，…，m ，即X 01…mP…C 0M C n －N －MC n NC 1M C n －1N －MC n NC m M C n －mN －MC nN其中m ＝min{M ，n }，且n ≤N ，M ≤N ，n ，M ，N ∈N *.如果随机变量X 的分布列具有上表的形式，则称随机变量X服从超几何分布．二项分布及其应用2．(1)条件概率：一般地，设A 和B 是两个事件，且P (A )＞0，称P (B |A )＝P （AB ）P （A ）为在事件A 发生的条件下，事件B 发生的条件概率．P (B |A )读作A 发生的条件下B 发生的概率．(2)条件概率的性质：①0≤P (B |A )≤1；②必然事件的条件概率为1，不可能事件的条件概率为0；(4)独立重复试验：一般地，在相同条件下重复做的n 次试验称为n 次独立重复试验．(5)二项分布：一般地，在n 次独立重复试验中，设事件A 发生的次数为X ，在每次试验中事件A 发生的概率为p ，那么在n 次独立重复试验中，事件A 恰好发生k 次的概率为③如果B 和C 是两个互斥事件，则P (B ∪C |A )＝P (B |A )＋P (C |A )．(3)事件的相互独立性：设A ，B 为两个事件，如果P (AB )＝P (A )P (B )，则称事件A 与事件B 相互独立．如果事件A 与B 相互独立，那么A 与B －，A －与B ，A －与B －也都相互独立．P (X ＝k )＝C p k (1－p )n －k ，k ＝0，1，2，…，n .此时称随机变量X 服从二项分布，记作X ～B (n ，p )，并称p 为成功概率．两点分布是当n ＝1时的二项分布，二项分布可以看成是两点分布的一般形式．离散型随机变量的均值与方差(1)均值、方差：一般地，若离散型随机变量X 的分布列为3．Xx 1x 2…x i…x nPp 1p 2…p i…p n则称E (X )＝x 1p 1＋x 2p 2＋…＋x i p i ＋…＋x n p n 为随机变量X 的均值或数学期望，它反映了离散型随机变量取值的平均水平．(2)均值与方差的性质：若Y ＝aX ＋b ，其中a ，b 是常数，X是随机变量，则Y 也是随机变量，且E (aX ＋b )＝aE (X )＋b ，D (aX ＋b )＝a 2D (X )．(3)常见分布的均值和方差公式：①两点分布：若随机变量X 服从参数为p 的两点分布，则均值E (X )＝p ，方差D (X )＝p (1－p )．②二项分布：若随机变量X ～B (n ，p )，则均值E (X )＝np ，方差D (X )＝np (1－p )．称D (X )＝ i ＝1n(x i －E (X ))2p i 为随机变量X 的方差，D （X ）为随机变量X 的标准差．④曲线与x 轴之间的面积为1.(3)μ和σ对正态曲线的影响：①当σ一定时，曲线的位置由μ确定，曲线随着μ的变化而沿x轴平移；②当μ一定时，曲线的形状由σ确定，σ越小，曲线越“瘦高”，表示总体的分布越集中；σ越大，曲线越“矮胖”，表示总体的分布越分散．(2)正态曲线的特点：①曲线位于x 轴上方，与x 轴不相交； ②曲线是单峰的，它关于直线x ＝μ对称； ③曲线在x ＝μ处达到峰值1σ2π；(4)正态分布的3σ原则：若随机变量X ～N (μ，σ2)，则P (μ－σ＜X ≤μ＋σ)＝0.682 6，P (μ－2σ＜X ≤μ＋2σ)＝0.954 4，P (μ－3σ＜X ≤μ＋3σ)＝0.997 4.在实际应用中，通常认为服从于正态分布N (μ，σ2)的随机变量X 只取(μ－3σ，μ＋3σ)之间的值，并简称之为3σ原则．专题一条件概率1．条件概率的求法(1)利用定义，分别求出P (A )和P (AB )，解得P (B |A )＝ P （AB ）P （A ）.(2)借助古典概型公式，先求事件A 包含的基本事件数 n (A )，再在事件A 发生的条件下求事件B 包含的基本事 件数n (AB )，得P (B |A )＝n （AB ）n （A ）.解决概率问题要注意“三个步骤，一个结合”(1)求概率的步骤是：第一步，确定事件性质；第二步，判断事件的运算；第三步，运用公式．(2)概率问题常常与排列、组合知识相结合．2．在5道题中有3道理科题和2道文科题．如果不放回地依次抽取2道题，求：(1)第1次抽到理科题的概率；(2)第1次和第2次都抽到理科题的概率；(3)在第1次抽到理科题的条件下，第2次抽到理科题的概率．解设“第1次抽到理科题”为事件A ，“第2次抽到理科题”为事件B ，则“第1次和第2次都抽到理科题”为事件AB .【例1】(1)从5道题中不放回地依次抽取2道题的事件数为n (Ω)＝A 25＝20.根据分步乘法计数原理，n (A )＝A 13×A 14＝12.于是P (A )＝n （A ）n （Ω）＝1220＝35.求相互独立事件一般与互斥事件、对立事件结合在一起进行考查，解答此类问题时应分清事件间的内部联系，在些基础上用基本事件之间的交、并、补运算表示出有关事件，并运用相应公式求解．特别注意以下两公式的使用前提(1)若A ，B 互斥，则P (A ∪B )＝P (A )＋P (B )，反之不成立．(2)若A ，B 相互独立，则P (AB )＝P (A )P (B )，反之成立．专题二相互独立事件的概率1．2．【例2】甲、乙、丙三台机床各自独立加工同一种零件，甲机床加工的零件是一等品而乙机床加工的零件不是一等品的概率为14，乙机床加工的零件是一等品而丙机床加工的零件不是一等品的概率为112，甲丙两台机床加工的零件都是一等品的概率为29.(1)分别求出甲、乙、丙三台机床各自独立加工的零件是一等品的概率；(2)从甲、乙、丙加工的零件中各取一个检验，求至少有一个一等品的概率．离散型随机变量的分布列在高中阶段主要学习两种：超几何分布与二项分布，由于这两种分布列在生活中应用较为广泛，故在高考中对该知识点的考查相对较灵活，常与期望、方差融合在一起，横向考查．对于分布列的求法，其难点在于每个随机变量取值时相关概率的求法，计算时可能会用到等可能事件、互斥事件、相互独立事件的概率公式等．均值与方差都是随机变量重要的数字特征，方差是建立在均值这一概念之上的，它表明了随机变量所取的值相对于它的均值的集中与离散程度，二者联系密切，在现实生产生活中特别是风险决策中有着重要意义，因此在当前的高考中是一个热点问题．专题三离散型随机变量的分布列、均值与方差1．2．3．(1)求该学生考上大学的概率；(2)如果考上大学或参加完5次测试就结束，记该生参加测试的次数为X ，求X 的分布列及X 的数学期望．【例3】 某地区试行高考考试改革：在高三学年中举行5次统一测试，学生如果通过其中2次测试即可获得足够学分升上大学继续学习，不用参加其余的测试，而每个学生最多也只能参加5次测试．假设某学生每次通过测试的概率都是13，每次测试时间间隔恰当．每次测试通过与否互相独立．X 2345PP (X ＝5)＝C 14·13·⎝ ⎛⎭⎪⎫233＋⎝ ⎛⎭⎪⎫234＝1627. 故X 的分布列为：E (X )＝2×19＋3×427＋4×427＋5×1627＝389.194274271627(1)写出ξ的概率分布列(不要求计算过程)，并求出E (ξ)，E (η)；(2)求D (ξ)，D (η)．请你根据得到的数据，建议该单位派哪个选手参加竞赛？【例4】 (2012·枣庄检测)某单位为了参加上级组织的普及消防知识竞赛，需要从两名选手中选出一人参加．为此，设计了一个挑选方案：选手从6道备选题中一次性随机抽取3题．通过考查得知：6道备选题中选手甲有4道题能够答对，2道题答错；选手乙答对每题的概率都是23，且各题答对与否互不影响．设选手甲、选手乙答对的题数分别为ξ，η.解(1)ξ的概率分布列为ξ123 P153515所以E(ξ)＝1×15＋2×35＋3×15＝2.由题意，η～B⎝⎛⎭⎪⎫3，23，E(η)＝3×23＝2，或者P(η＝0)＝C03⎝⎛⎭⎪⎫133＝127；P(η＝1)＝C13⎝⎛⎭⎪⎫231⎝⎛⎭⎪⎫132＝29；P(η＝2)＝C23⎝⎛⎭⎪⎫232⎝⎛⎭⎪⎫13＝49；P(η＝3)＝C33⎝⎛⎭⎪⎫233＝827，专题四正态分布某市去年高考考生成绩服从正态分布N(500，502)，现有25 000名考生，试确定考生成绩在550～600分的人数．【例5】解∵考生成绩X～N(500，502)，∴μ＝500，σ＝50，∴P＝(550＜X≤600)＝12[P(500－2×50＜X≤500＋2×50)－P(500－50＜X≤500＋50)]＝12(0.954 4－0.682 6)＝0.135 9.故考生成绩在550～600分的人数约为25 000×0.135 9≈3 398(人)．11。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第二章 随机变量及其分布 复习一、随机变量.1. 随机试验的结构应该是不确定的.试验如果满足下述条件：①试验可以在相同的情形下重复进行；②试验的所有可能结果是明确可知的，并且不止一个；③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会出现哪一个结果. 它就被称为一个随机试验.2. 离散型随机变量：如果对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.若ξ是一个随机变量，a ，b 是常数.则b a +=ξη也是一个随机变量.一般地，若ξ是随机变量，)(x f 是连续函数或单调函数，则)(ξf 也是随机变量.也就是说，随机变量的某些函数也是随机变量. 3、分布列：设离散型随机变量ξ可能取的值为：ΛΛ,,,,21i x x xξ取每一个值),2,1(Λ=i x 的概率p x P ==)(，则表称为随机变量ξ的概率分布，简称ξ的分布列.121i 注意：若随机变量可以取某一区间内的一切值，这样的变量叫做连续型随机变量.例如：]5,0[∈ξ即ξ可以取0～5之间的一切数，包括整数、小数、无理数. 典型例题：1、随机变量ξ的分布列为(),1,2,3(1)cP k k k k ξ===+……，则P(13)____ξ≤≤=2、袋中装有黑球和白球共7个，从中任取两个球都是白球的概率为17，现在甲乙两人从袋中轮流摸去一球，甲先取，乙后取，然后甲再取……，取后不放回，直到两人中有一人取到白球时终止，用ξ表示取球的次数。
（1）求ξ的分布列（2）求甲取到白球的的概率3、5封不同的信，放入三个不同的信箱，且每封信投入每个信箱的机会均等，X 表示三哥信箱中放有信件树木的最大值，求X 的分布列。
4已知在全部50人中随机抽取1人抽到喜爱打篮球的学生的概率为5．（1）请将上面的列联表补充完整；（2）是否有99.5％的把握认为喜爱打篮球与性别有关？说明你的理由；（3）已知喜爱打篮球的10位女生中，12345,,A A A A A ，，还喜欢打羽毛球，123B B B ，，还喜欢打乒乓球，12C C ，还喜欢踢足球，现再从喜欢打羽毛球、喜欢打乒乓球、喜欢踢足球的女生中各选出1名进行其他方面的调查，求1B 和1C 不全被选中的概率．(参考公式：2()()()()()n ad bc K a b c d a c b d -=++++，其中n a b c d =+++)二、几种常见概率1、条件概率与事件的独立性（1）B|A 与AB 的区别：__________________（2）P(B|A)的计算公式_____________,注意分子分母事件的性质相同 （3）P(AB)的计算公式_____________注意三点：前提，目标，一般情况___________________ （4）P （A+B ）的计算公式__________注意三点：前提，目标，一般情况____________________ 典型例题：1、市场上供应的灯泡，甲厂产品占70%，乙厂产品占30%，甲厂产品的合格率是95%，乙厂产品的合格率80%，则从市场上买到一个是甲厂产的合格品的概率是多少？2、把一副扑克52张随即均分给赵钱孙李四家，A={赵家得到六章草花}，B={孙家得到3张草花}，计算P(B|A)，P(AB)3、从混有5张假钞的20张百元钞票中任取两张，将其中1张在验钞机上检验发现是假钞，求两张都是假钞的概率。
4、有外形相同的球分装在三个盒子，每个盒子10个，其中第一个盒子7球标有字母A ，3个球标有字母B ；第二个盒子中五个红球五个白球；第三个盒子八个红球，两个白球；在如下规则下：先在第一个盒子取一个球，若是A 球，则在第二个盒子取球；如果第一次取出的是B 球，则在第三个盒子中取球，如果第二次取出的球是红球，则称试验成功，求试验成功的概率。
5、在图所示的电路中，5只箱子表示保险匣，箱中所示数值表示通电时保险丝被切断的概率，当开关合上时，电路畅通的概率是________6、甲、乙二射击运动员分别对一目标射击1次，甲射中的概率为0.8，乙射中的概率为0.9，求：（1）2人都射中目标的概率； （2）2人中恰有1人射中目标的概率； （3）2人至少有1人射中目标的概率； （4）2人至多有1人射中目标的概率？三、几种分布1. ⑴独立重复试验与二项分布：如果在一次试验中某事件发生的概率是P ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是：kn k k n qp C k)P(ξ-==[其中p q n k -==1,,,1,0Λ] 于是得到随机变量ξ的概率分布如下：我们称这样的随机变量ξ服从二项分布，记作ξ～B （n ·p ），其中n ，p 为参数，并记p)n b(k;q p C k n k k n ⋅=-. ⑵二项分布的判断与应用.①二项分布，实际是对n 次独立重复试验.关键是看某一事件是否是进行n 次独立重复，且每次试验只有两种结果，如果不满足此两条件，随机变量就不服从二项分布.②当随机变量的总体很大且抽取的样本容量相对于总体来说又比较小，而每次抽取时又只有两种试验结果，此时可以把它看作独立重复试验，利用二项分布求其分布列. 2. 几何分布：“k =ξ”表示在第k 次独立重复试验时，事件第一次发生，如果把k 次试验时事件A 发生记为k A ，事A 不发生记为q )P(A ,A k k =，那么)A A A A P(k)P(ξk 1k 21-==Λ.根据相互独立事件的概率乘法分式：))P(A A P()A )P(A P(k)P(ξ==Λ),3,2,1(1Λ==-k p q k 于是得到随机变量ξ的概率分布列.我们称ξ服从几何分布，并记p q p)g(k,1k -=，其中Λ3,2,1.1=-=k p q3. ⑴超几何分布：一批产品共有N 件，其中有M （M ＜N ）件次品，今抽取)N n n(1≤≤件，则其中的次品数ξ是一离散型随机变量，分布列为)M N k n M,0k (0C C C k)P(ξnNk n MN k M -≤-≤≤≤⋅⋅==--.〔分子是从M 件次品中取k 件，从N-M 件正品中取n-k 件的取法数，如果规定m ＜r 时0C rm=，则k 的范围可以写为k=0，1，…，n.〕⑵超几何分布的另一种形式：一批产品由 a 件次品、b 件正品组成，今抽取n 件（1≤n ≤a+b ），则次品数ξ的分布列为n.,0,1,k C C C k)P(ξn ba kn bk a Λ=⋅==+-.⑶超几何分布与二项分布的关系.设一批产品由a 件次品、b 件正品组成，不放回抽取n 件时，其中次品数ξ服从超几何分布.若放回式抽取，则其中次品数η的分布列可如下求得：把b a +个产品编号，则抽取n 次共有n b a )(+个可能结果，等可能：k)(η=含kn k k n ba C -个结果，故n ,0,1,2,k ,)ba a (1)b a a (C b)(a ba C k)P(ηkn k k n nkn k k n Λ=+-+=+==--，即η～)(b a a n B +⋅.[我们先为k 个次品选定位置，共k n C 种选法；然后每个次品位置有a 种选法，每个正品位置有b 种选法] 可以证明：当产品总数很大而抽取个数不多时，k)P(ηk)P(ξ=≈=，因此二项分布可作为超几何分布的近似，无放回抽样可近似看作放回抽样. 典型例题：1、某气象站天气预报的准确率为80%，计算（结果保留两个有效数字）：（1）5次预报中恰有4次准确的概率；（2）5次预报中至少有4次准确的概率2、在一个圆锥体的培养房内培养了40只蜜蜂，准备进行某种实验，过圆锥高的中点有一个不计厚度且平行于圆锥底面的平面把培养房分成两个实验区，其中小锥体叫第一实验区，圆台体叫第二实验区，且两个实验区是互通的。
假设蜜蜂落入培养房内任何位置是等可能的，且蜜蜂落入哪个位置相互之间是不受影响的。
（1）求蜜蜂落入第二实验区的概率；（2）若其中有10只蜜蜂被染上了红色，求恰有一只红色蜜蜂落入第二实验区的概率； （3）记X 为落入第一实验区的蜜蜂数，求随机变量X 的数学期望EX 。
3、A 、B 是治疗同一种疾病的两种药，用若干试验组进行对比试验。
每个试验组由4只小白鼠组成，其中两只服用A ，两只服用B ，然后观察疗效。
若在一个试验组中，服用A 有效的小白鼠只数比服用B 有效的多，就称该试验组为甲类组。
设每只小白鼠服用A 有效的概率为2/3，服用B 有效的概率为1/2. （1）求一个试验组为甲类组的概率。
（2）观察3个试验组，用ξ表示3个试验组中甲类组的个数，求ξ分布列4. 某射击运动员每次射击击中目标的概率为p （0<p<1）。
他有10发子弹，现对某一目标连续射击，每次打一发子弹，直到击中目标，或子弹打光为止。
求他射击次数的分布列。
5、、由180只集成电路组成的一批产品中，有8只是次品，现从中任抽4只，用ξ表示其中的次品数，试求：（1）抽取的4只中恰好有k 只次品的概率；（2）求ξ分布列.二、数学期望与方差.n n 2211.数学期望反映了离散型随机变量取值的平均水平.2. ⑴随机变量b a +=ξη的数学期望：b aE b a E E +=+=ξξη)( ①当0=a 时，b b E =)(，即常数的数学期望就是这个常数本身.②当1=a 时，b E b E +=+ξξ)(，即随机变量ξ与常数之和的期望等于ξ的期望与这个常数的和. ③当0=b 时，ξξaE a E =)(，即常数与随机变量乘积的期望等于这个常数与随机变量期望的乘积. ⑵单点分布：c c E =⨯=1ξ其分布列为：c P ==)1(ξ. ⑶两点分布：p p q E =⨯+⨯=10ξ，其分布列为： （p + q = 1） ⑷二项分布：∑=⋅-⋅=-np q p k n k n k E k n k )!(!!ξ 其分布列为ξ～),(p n B .（P 为发生ξ的概率）⑸几何分布：pE 1=ξ 其分布列为ξ～),(p k q .（P 为发生ξ的概率） 3.方差、标准差的定义：当已知随机变量ξ的分布列为),2,1()(Λ===k p x P k k ξ时，则称ΛΛ+-++-+-=n n p E x p E x p E x D 2222121)()()(ξξξξ为ξ的方差. 显然0≥ξD ，故σξξσξ.D =为ξ的根方差或标准差.随机变量ξ的方差与标准差都反映了随机变量ξ取值的稳定与波动，集中与离散的程度.ξD 越小，稳．．．．定性越高，波动越小．．．．．．．．．.． 4.方差的性质.⑴随机变量b a +=ξη的方差ξξηD a b a D D 2)()(=+=.（a、b 均为常数） ⑵单点分布：0=ξD 其分布列为p P ==)1(ξ ⑶两点分布：pq D =ξ 其分布列为：（p + q = 1） ⑷二项分布：npq D =ξ ⑸几何分布：2p q D =ξ5. 期望与方差的关系.⑴如果ξE 和ηE 都存在，则ηξηξE E E ±=±)(⑵设ξ和η是互相独立的两个随机变量，则ηξηξηξξηD D D E E E +=+⋅=)(,)(⑶期望与方差的转化：22)(ξξξE E D -= ⑷)()()(ξξξξE E E E E -=-（因为ξE 为一常数）0=-=ξξE E . 典型例题：1、 如图，由M 到N 的电路中有4个元件，分别标为T 1，T 2，T 3，T 4，电流能通过T 1，T 2，T 3的概率都是p ，电流能通过T 4的概率是0.9．电流能否通过各元件相互独立．已知T 1，T 2，T 3中至少有一个能通过电流的概率为0.999．（Ⅰ）求p ； （Ⅱ）求电流能在M 与N 之间通过的概率；（Ⅲ）ξ表示T 1，T 2，T 3，T 4中能通过电流的元件个数，求ξ的期望．2、一名小学教师为了激发学生阅读名著的热情，在班内进行名著和其作者的连线游戏，作为奖励，参加连线的同学每连对一个奖励一朵小红花。