第二章随机变量及其分布
合集下载
概率论课件第二章
第二章 随机变量及其分布 §2.1 随机变量
例1. 抛硬币试验中S {H,T}, 样本点H与T不是数量。
例2. 测试灯泡寿命试验, S={e}={t|t≥0},样本点本身 是数量。
定义 : 设随机试验E的样本空间是S，若 X : S R为单值实范数，则称X为随机变量 （random variable, 简记为r.v.) 。
2. 特例: (1,) 是参数为的指数分布. （=1） 3. 伽玛函数的性质: (i) (+1)= ();
1 (iii)( ) . 2
(ii) 对于正整数n, (n+1)=n!;
§5. 随机变量的函数的分布
一、 X为离散型r.v. 例1.设X具有以下的分布律,求Y=(X-1)2分布律: X -1 0 1 2 pk 0.2 0.3 0.1 0.4
(二) 贝努利试验
(二项分布)
定 义 : 设 试 验E只 有 两 个 可 能 结 果 A与 A , 且 P( A ) p ( 0 p 1), 将 试 验E独 立 重 复 地 进 行 n次 , 这 样 的 试 验 称 为 贝 努 利 试 验.
设X是n重贝努利试验中事件A发生的次数, 则X 是一个随机变量, 于是
§4. 连续型随机变量及其概率密度
F(x) , 存在非负函 1.定义 : 对于r.v.X的分布函数 数f(x) , 使对于任意的实数 x, 有
则称X为连续型r.v.f(x)称为X概率密度函数, 简称概率密度. 连续型r.v.的分布函数是连续函数.
F(x ) f(t)dt
x
2.概率密度 f(x)的性质:
25
标准正态分布的上分位点:
设X ~ N(0,1), 若z 满足条件
例1. 抛硬币试验中S {H,T}, 样本点H与T不是数量。
例2. 测试灯泡寿命试验, S={e}={t|t≥0},样本点本身 是数量。
定义 : 设随机试验E的样本空间是S，若 X : S R为单值实范数，则称X为随机变量 （random variable, 简记为r.v.) 。
2. 特例: (1,) 是参数为的指数分布. （=1） 3. 伽玛函数的性质: (i) (+1)= ();
1 (iii)( ) . 2
(ii) 对于正整数n, (n+1)=n!;
§5. 随机变量的函数的分布
一、 X为离散型r.v. 例1.设X具有以下的分布律,求Y=(X-1)2分布律: X -1 0 1 2 pk 0.2 0.3 0.1 0.4
(二) 贝努利试验
(二项分布)
定 义 : 设 试 验E只 有 两 个 可 能 结 果 A与 A , 且 P( A ) p ( 0 p 1), 将 试 验E独 立 重 复 地 进 行 n次 , 这 样 的 试 验 称 为 贝 努 利 试 验.
设X是n重贝努利试验中事件A发生的次数, 则X 是一个随机变量, 于是
§4. 连续型随机变量及其概率密度
F(x) , 存在非负函 1.定义 : 对于r.v.X的分布函数 数f(x) , 使对于任意的实数 x, 有
则称X为连续型r.v.f(x)称为X概率密度函数, 简称概率密度. 连续型r.v.的分布函数是连续函数.
F(x ) f(t)dt
x
2.概率密度 f(x)的性质:
25
标准正态分布的上分位点:
设X ~ N(0,1), 若z 满足条件
概率论与数理统计第二章 随机变量及其分布
15
例4: 甲、乙两名棋手约定进行10盘比赛，以赢的盘数 较多者为胜. 假设每盘棋甲赢的概率都为0.6，乙赢的概 率为0.4，且各盘比赛相互独立，问甲、乙获胜的概率 各为多少？ 解 每一盘棋可看作0-1试验. 设X为10盘棋赛中甲赢的 盘数，则 X ～ b(10, 0.6) . 按约定，甲只要赢6盘或6盘 以上即可获胜. 所以
定义：若随机变量X所有可能的取值为x1，x2，…，xi，…，且 X 取这些值的概率为 P(X=xi)= pi , i=1, 2, ... (*)
则称(*)式为离散型随机变量X 的分布律。 分布律的基本性质： (1) 表格形式表示: pi 0, i=1，2，... (2)
i
pi 1
X pk
x1 p1
这里n=500值较大，直接计算比较麻烦. 利用泊松定理作近似计算: n =500, np = 500/365=1.3699>0 ，用 =1.3699 的泊松分布作近似 计算：
(1.3669) 5 1.3669 P{ X 5} e 0.01 5!
23
例2: 某人进行射击，其命中率为0.02，独立射击400次，试求击 中的次数大于等于2的概率。 解 将每次射击看成是一次贝努里试验，X表示在400次射击中 击的次数，则X~B(400, 0.02)其分布律为
k 0,1
14
(2) 二项分布 设在一次伯努利试验中有两个可能的结果，且有 P(A)=p 。则在 n 重伯努利试验中事件 A发生的次数 X是一个 离散型随机变量，其分布为
P ( X k ) C nk p k q n k
k =0, 1, 2 ,, n
称X 服从参数为n，p的二项分布，记为 X~b(n, p) 对于n次重复一个0-1试验. 随机变量X表示: n次试验中, A发生的次数. 如： 掷一枚硬币100次, 正面出现的次数X服从二项分布. b(100, 1/2) 事件 X～
第二章随机变量及其分布函数
28
例2.2.9 设在时间t分钟内通过某交叉路口的汽车 数服从参数与t成正比的泊松分布. 已知在一分钟内 没有汽车通过的概率为0.2，求在2分钟内多于一辆 车通过的概率.
S={红色、白色} ?
将 S 数量化
非数量 可采用下列方法
X ()
红色 白色
S
1 0R
3
即有 X (红色)=1 , X (白色)=0.
1, 红色, X () 0, 白色.
这样便将非数量的 S={红色，白色} 数量化了.
4
实例2 抛掷骰子,观察出现的点数.
则有
S={1，2，3，4，5，6} 样本点本身就是数量 X () 恒等变换
20
泊松分布是一个非常常用的分布律，它常与 单位时间、单位面积等上的计数过程相联系. 例如一小时内来到某百货公司中顾客数、单位 时间内某电话交换机接到的呼唤次数和布匹 上单位面积的疵点数等随机现象都可以用泊
松分布来描述. 附表 2 给出了不同 值对应的
泊松分布函数的值.
21
泊松分布的取值规律
记 P(k; ) k e ，则
P
1 2
X
5
2
P(X
1 X
2)
P(X 1) P(X 2) 5
9
12
例 2.2.2 一只口袋中有 m 只白球， n m 只黑球.连 续无放回地从这口袋中取球，直到取出黑球为止．设 此时取出了 X 只白球，求 X 的分布律.
解 X 的可能取值为 0,1,2,, m ，且事件{X i}意 味着总共取了 i+1 次球，其中最后一次取的是黑球而 前面 i 次取得都是白球.
或 X ~ Bn, p.
二项分布的背景是伯努利试验：如果每次试验中事 件A发生的概率均为p，则在n重伯努利试验中A发生 的次数服从参数为n,p的二项分布。
随机变量及其分布
• 定义1如果对于随机变量X及其分布函数F(x)，存在非负可积函数 • f(x)，使得对于任意实数x有
• 则称X为连续型随机变量，其中函数f(x)称为X的概率密度函数，简称 概率密度或者密度函数.
• 下面给出概率密度函数f(x)的性质: • (1)f(x)≥0 • (2)由分布函数的性质易得
下一页 返回
• 二、离散型随机变量的分布函数
• 设离散型随机变量X的分布律为:
上一页 下一页 返回
2. 3随机变量的分布函数
• 其中 • 则随机变量X的分布函数仿照例1可得
• 如图2一1所示，F(x)为阶梯函数，分段区间为半闭半开区间，并且右 连续
上一页 返回
2. 4连续型随机变量及其概率密度
• 一、连续型随机变量及其概率分布
上一页 返回
2. 2离散型随机变量及其分布律
• 一、离散型随机变量
• 在某些试验中(例如 2. 1中的例1，例2，例3)，随机变量的取值是有 • 限个或者无穷可列个.这一类随机变量通常称为离散型随机变量，下
面我们给出离散型随机变量的精确定义: • 定义1若随机变量X的所有可能取值为x1，x2，…，xn…，并且其 • 对应的概率分别为p1, p2,…，p n，…，即
• 注:实值单值函数指的是每一个。仅存在唯一一个实数X (ω)与之对应， 其中X (ω)是一个关干样本点的函数，值域为实数集.
• 随机变量可以根据它的取值分为离散型随机变量与非离散型随机变量， • 其中非离散型随机变量又可以进一步分为连续型随机变量与混合型随
机变量.在本书中我们主要学习的是离散型与连续型随机变量.
• 则称X为离散型随机变量，并且式(2.均称为随机变量X的概率分布， 又称分布律或分布列.
下一页 返回
• 则称X为连续型随机变量，其中函数f(x)称为X的概率密度函数，简称 概率密度或者密度函数.
• 下面给出概率密度函数f(x)的性质: • (1)f(x)≥0 • (2)由分布函数的性质易得
下一页 返回
• 二、离散型随机变量的分布函数
• 设离散型随机变量X的分布律为:
上一页 下一页 返回
2. 3随机变量的分布函数
• 其中 • 则随机变量X的分布函数仿照例1可得
• 如图2一1所示，F(x)为阶梯函数，分段区间为半闭半开区间，并且右 连续
上一页 返回
2. 4连续型随机变量及其概率密度
• 一、连续型随机变量及其概率分布
上一页 返回
2. 2离散型随机变量及其分布律
• 一、离散型随机变量
• 在某些试验中(例如 2. 1中的例1，例2，例3)，随机变量的取值是有 • 限个或者无穷可列个.这一类随机变量通常称为离散型随机变量，下
面我们给出离散型随机变量的精确定义: • 定义1若随机变量X的所有可能取值为x1，x2，…，xn…，并且其 • 对应的概率分别为p1, p2,…，p n，…，即
• 注:实值单值函数指的是每一个。仅存在唯一一个实数X (ω)与之对应， 其中X (ω)是一个关干样本点的函数，值域为实数集.
• 随机变量可以根据它的取值分为离散型随机变量与非离散型随机变量， • 其中非离散型随机变量又可以进一步分为连续型随机变量与混合型随
机变量.在本书中我们主要学习的是离散型与连续型随机变量.
• 则称X为离散型随机变量，并且式(2.均称为随机变量X的概率分布， 又称分布律或分布列.
下一页 返回
概率论与数理统计 第二章 随机变量及其分布
解：
6 6 X ~ ( ), 且 P X 0 e 即 e e 6
P { X 2 } 1 P { X 2 } 1 P { X 0 } P { X 1 }
6 6 1 e 6 e 0 . 9826
A={X=1}，B={X=2}，C={X=0}
② 设Y为进行5次试验中成功的次数，则 D={Y=1}，F={Y1},G={Y3}
随机变量的分类
离散型随机变量 随机变量 连续型 非离散型 奇异型（混合型）
§2 离散型随机变量的分布律(P27)
定义 若随机变量X取值x1, x2, …, xn, … ，且取这些 值的概率依次为p1, p2, …, pn, …, 则称 P{X=xk}=pk, (k=1, 2, … ) 为X的分布律。 可表为 X～ P{X=xk}=pk, (k=1, 2, … )， 或…
k k n
k 0 , 1 , , n
若以X表示n重贝努里试验中事件A发生的次数， P(A)=p, 则称X服从参数为n,p的二项分布。 记作X~b(n,p), 其分布律为：
P { X k } p ( 1 p ), ( k 0 , 1 ... n ) C n
kk
n k
例2 掷一颗骰子10次，求（1）双数点出现6次的概率？ （2）“3”点出现两次的概率？ 解：(1)设X表出现双数点的次数，则X~b(10，1/2） 6 6 10 6 6 10 1 1 1 所求概率： P ( X 6 ) C ( ) ( ) C ( ) 10 10 2 2 2 (2) 设Y表出现“3”点的次数，则Y~b(10，1/6） 2 1258 所求概率为： P ( Y 2 ) C () () 10
6 6 X ~ ( ), 且 P X 0 e 即 e e 6
P { X 2 } 1 P { X 2 } 1 P { X 0 } P { X 1 }
6 6 1 e 6 e 0 . 9826
A={X=1}，B={X=2}，C={X=0}
② 设Y为进行5次试验中成功的次数，则 D={Y=1}，F={Y1},G={Y3}
随机变量的分类
离散型随机变量 随机变量 连续型 非离散型 奇异型（混合型）
§2 离散型随机变量的分布律(P27)
定义 若随机变量X取值x1, x2, …, xn, … ，且取这些 值的概率依次为p1, p2, …, pn, …, 则称 P{X=xk}=pk, (k=1, 2, … ) 为X的分布律。 可表为 X～ P{X=xk}=pk, (k=1, 2, … )， 或…
k k n
k 0 , 1 , , n
若以X表示n重贝努里试验中事件A发生的次数， P(A)=p, 则称X服从参数为n,p的二项分布。 记作X~b(n,p), 其分布律为：
P { X k } p ( 1 p ), ( k 0 , 1 ... n ) C n
kk
n k
例2 掷一颗骰子10次，求（1）双数点出现6次的概率？ （2）“3”点出现两次的概率？ 解：(1)设X表出现双数点的次数，则X~b(10，1/2） 6 6 10 6 6 10 1 1 1 所求概率： P ( X 6 ) C ( ) ( ) C ( ) 10 10 2 2 2 (2) 设Y表出现“3”点的次数，则Y~b(10，1/6） 2 1258 所求概率为： P ( Y 2 ) C () () 10
第二章随机变量及其概率分布(概率论)
当 x ≥ 1 时,F ( x) = P( X ≤ x) =P( X = 0) + P( X = 1) =1 ⎧0 x < 0
所以 F ( x) = ⎪⎨0.3 0 ≤ x < 1. ⎪⎩1 1 ≤ x
⎧0 x < 0 分布函数为 F ( x) = ⎪⎨0.3 0 ≤ x < 1
⎪⎩1 1 ≤ x
分布函数图形如下
F(x) 1 0.3
x 01
3
例 设X的概率分布律如下,求X的分布函数. X012 P 0.4 0.35 0.25
解
⎧0
x<0
F
(
x)
=
⎪⎪ ⎨
⎪
0.4 0.75
0≤ x<1 1≤ x<2
⎪⎩ 1
x≥2
由此可见
(1)离散型随机变量的分布函数是分段函数,分 段区间是由X的取值点划分成的左闭右开区间; (2)函数值从0到1逐段递增,图形上表现为阶梯 形跳跃递增; (3)函数值跳跃高度是X取值区间中新增加点的 对应概率值.
z 泊松在数学方面贡献很多。最突出的是1837 年在提出泊松分布。
z 除泊松分布外，还有许多数学名词是以他的 名字命名的，如泊松积分、泊松求和公式、 泊松方程、泊松定理。
当一个随机事件,以固定的平均瞬时速率 λ随机独立地出现时,那么这个事件在单 位时间(面积或体积)内出现的次数或个数 就近似地服从泊松分布。
解: 依题意, X可取值 0, 1, 2, 3.
设 Ai ={第i个路口遇红灯}, i=1,2,3
路口3
路口2
P(X=0)= P(A1)=1/2,
路口1
X=该汽车首次停下时通过的路口的个数. 设 Ai={第i个路口遇红灯}, i=1,2,3
概率统计 第二章 随机变量及其分布
引入适当的随机变量描述下列事件： 例1：引入适当的随机变量描述下列事件： 个球随机地放入三个格子中， ①将3个球随机地放入三个格子中，事件 A={有 个空格} B={有 个空格} A={有1个空格}，B={有2个空格}， C={全有球 全有球} C={全有球}。 进行5次试验， D={试验成功一次 试验成功一次} ②进行5次试验，事件 D={试验成功一次}， F={试验至少成功一次 试验至少成功一次} G={至多成功 至多成功3 F={试验至少成功一次}，G={至多成功3次}
例2
xi ∈( a ,b )
∑
P( X = xi )
设随机变量X的分布律为 设随机变量X
0 1 2 3 4 5 6 0.1 0.15 0.2 0.3 0.12 0.1 0.03
试求: 试求:
P( X ≤ 4), P (2 ≤ X ≤ 5), P ( X ≠ 3)
0.72 0.7
F ( x) = P{ X ≤ x} =
k : xk ≤ x
∑p
k
离散型随机变量的分布函数是阶梯函数, 离散型随机变量的分布函数是阶梯函数 分布函数的跳跃点对应离散型随机变量的 可能取值点,跳跃高度对应随机变量取对应 可能取值点 跳跃高度对应随机变量取对应 值的概率;反之 反之,如果某随机变量的分布函数 值的概率 反之 如果某随机变量的分布函数 是阶梯函数,则该随机变量必为离散型 则该随机变量必为离散型. 是阶梯函数 则该随机变量必为离散型
X
x
易知，对任意实数a, 易知，对任意实数 b (a<b), P {a<X≤b}＝P{X≤b}－P{X≤a}＝ F(b)－F(a) ≤ ＝ ≤ － ≤ ＝ －
P( X > a) = 1 − F (a)
第二章 随机变量及其分布
来表示。
2. 二项分布的推导过程与说明
3. 举例（ 例2，例3，例4 ）
C. 泊松分布
1. 定义：如果随机变量X的概率密度如下：
P(X k)
λ k k!
e
λ
,
k =0,1,2,… ( >0) ,
(2.4)
则称X服从参数为 的泊松分布，记作：
X ~ ()
2. 说明
3. 举例
返回目录
§3 随机变量的分布函数
P{X=4}=0.218 P{X=5}=0.175 P{X=6}=0.109 P{X=7}=0.055
P{X=k} < 0.001 , 当 k ≥ 11时
P{ X=8 }=0.022 P{ X=9 }=0.007 P{X=10}=0.02
例3：
某人进行射击，设每次射击的命中率为0.02，独立射 击400次，试求至少击中两次的概率。
解：以p表示每组信号灯禁止汽车通过的概率，
X所有可能取值为0，1，2，3，4。得X的分布律 为：P{X= k}= (1-p)k p , k=0,1,2,3, P{X= 4}= (1-p)4。用表格表示如下：
X
01
2
34
pk
p (1-p) p (1-p)2 p (1-p)3 p (1-p)4
代入p=1/2可得结果，可验证此结果满足分布 律两性质。
• 而有的实验结果与数值无直接关系，我们可 以把它映射为数值来表示，如：硬币抛掷中出 现正面用“0”来表示，出现反面用“1”来表示。
例1：在一袋中装有编号分别为1，2，3的3只球，
在袋中任取一只球，放回，再取一只球，记录它 们的编号。考察两只球的编号之和。则实验的样 本空间S={e}={(i,j)} i,j=1,2,3。 i,j分别为第一，第 二次取到球的号码。 以X表示两球号码之 和，得到样本空间 的每一个样本点e， X都有一值与之对 应，如图2-1。
2. 二项分布的推导过程与说明
3. 举例（ 例2，例3，例4 ）
C. 泊松分布
1. 定义：如果随机变量X的概率密度如下：
P(X k)
λ k k!
e
λ
,
k =0,1,2,… ( >0) ,
(2.4)
则称X服从参数为 的泊松分布，记作：
X ~ ()
2. 说明
3. 举例
返回目录
§3 随机变量的分布函数
P{X=4}=0.218 P{X=5}=0.175 P{X=6}=0.109 P{X=7}=0.055
P{X=k} < 0.001 , 当 k ≥ 11时
P{ X=8 }=0.022 P{ X=9 }=0.007 P{X=10}=0.02
例3：
某人进行射击，设每次射击的命中率为0.02，独立射 击400次，试求至少击中两次的概率。
解：以p表示每组信号灯禁止汽车通过的概率，
X所有可能取值为0，1，2，3，4。得X的分布律 为：P{X= k}= (1-p)k p , k=0,1,2,3, P{X= 4}= (1-p)4。用表格表示如下：
X
01
2
34
pk
p (1-p) p (1-p)2 p (1-p)3 p (1-p)4
代入p=1/2可得结果，可验证此结果满足分布 律两性质。
• 而有的实验结果与数值无直接关系，我们可 以把它映射为数值来表示，如：硬币抛掷中出 现正面用“0”来表示，出现反面用“1”来表示。
例1：在一袋中装有编号分别为1，2，3的3只球，
在袋中任取一只球，放回，再取一只球，记录它 们的编号。考察两只球的编号之和。则实验的样 本空间S={e}={(i,j)} i,j=1,2,3。 i,j分别为第一，第 二次取到球的号码。 以X表示两球号码之 和，得到样本空间 的每一个样本点e， X都有一值与之对 应，如图2-1。
第二章随机变量及其分布
若随机变量X的概率分布为
Pn (k ) P( X k)C p (1 p)
k n k
nk
, k 0,1,, n
其中0<p<1,称X服从参数为n和p的二项分布， 记作 X~B(n,p)
例5：一随机数字序列要有多长才能使0至少出 现一次的概率不小于0.9?
泊松分布
若随机变量X的概率分布为
和 2 都是常数， 任意， >0， 其中 2 则称X服从参数为 和 的正态分布. 2 记作 X ~ N ( , )
正态分布 N ( , )的图形特点
2
正态分布的密度曲线是一条关于 对 称的钟形曲线. 特点是“两头小，中间大，左右对称”.
设X~ N ( , ) ,
, x
t2 2
( x )
1 ( x) 2
x
e dt
正态分布与标准正态分布的关系 标准正态分布的重要性在于，任何一个 一般的正态分布都可以通过线性变换转化为 标准正态分布.
F ( x) (
x
)
正态分布的概率计算
( x ) 1 ( x )
5.P( X x) 0
P ( a X b) P ( a X b) P ( a X b) P ( a X b)
例1 :已知连续型随机变量X有概率密度
k x 1 0 x 2 f ( x) 其它 0 求系数k及分布函数F(x)，并计算P(0.5<X<3).
2
2
( x)dx
的 2 值，并称之为 关于的双侧分位点。 X
2.3
离散型随机变量函数的分布
例1 已知X的分布列为 X Pk -2 -1 0 1 2 3
概率论与数理统计第2章随机变量及其分布
1 4
)0
(
3 4
)10
C110
(
1 4
)(
3 4
)9
0.756.
(2)因为
P{X
6}
C160
(
1)6 4
(
3 4
)4
0.016
,
即单靠猜测答对 6 道题的可能性是 0.016,概率很小,所
以由实际推断原理可推测,此学生是有答题能力的.
二项分布 b(n, p) 和 (0 1) 分布 b(1, p ) 还有一层密切关
P{X 4} P(A1 A2 ) P(A1)P(A2 ) 0.48 ,
P{X 6} P(A1A2 ) P(A1)P(A2 ) 0.08 , P{X 10} P(A1A2 ) P(A1)P(A2 ) 0.32 , 即 X 的分布律为
X 0 4 6 10
P 0.12 0.48 0.08 0.32
点 e, X 都有一个数与之对应. X 是定义在样本空间 S 上的
一个实值单值函数,它的定义域是样本空间 S ,值域是实数
集合 {0,1,2},使用函数记号将 X写成
0, e TT , X＝X (e) 1, e HT 或TH ,
2, e HH.
▪
例2.2 测试灯泡的寿命.
▪
样本空间是 S {t | t 0}.每一个灯泡的实际使用寿命可
(2)若一人答对 6 道题,则推测他是猜对的还是有答 题能力.
解 设 X 表示该学生靠猜测答对的题数,则
X
~
b(10,
1) 4
.
(1) X 的分布律为
P{X
k}
C1k0
(
1)k 4
(
3 4
第2章 随机变量及其分布
, 解 死亡人数 X ~ B(10000 0.005)
40 (1) P{ X 40} C10000 0.005400.9959960 .
k C10000 0.005k 0.99510000 k . (2) P{ X 70} k 0 70
计算相当复杂，下面介绍一个实用的近似公式。
2
2、在有些试验中，试验结果看来与数值无关，但我 们可以引进一个变量来表示它的各种结果.也就是说， 把试验结果数值化. 例1 抛一枚硬币，观察正反面的出现情况. 显然，该试验有两个可能的结果： H , T
我们引入记号：
1, X X (e ) 0,
eH ， e T
于是我们就可以用 { X 1}表示出现的是正面， 而用 { X 0} 表示出现的是反面。 X就是一个随机变量。
路口1
路口2
路口3
1 P{ X 0} P( A1 ) . 2
10
路口1
路口2
路口3
1 P{ X 1} P ( A1 A2 ) . 4
路口1
路口2
路口3
1 P{ X 2} P ( A1 A2 A3 ) . 8
11
路口1
路口2
路口3
1 P{ X 3} P ( A1 A2 A3 ) . 8
24
定义
若随机变量X的概率分布为
k! 则称X服从参数为 的泊松分布,记为 X ~ ( ) .
验证规范性：
P{ X k }
k
e , k 0,1,2, , ( 0)
k!
k 0
k
e ，
k! e
k 0
重点!!第二章随机变量及其分布
例如：◆ 掷一颗骰子面上出现的点数；
◆ 昆虫的产卵数； ◆五月份北京的最高温度； ◆ 每天进入上海站的旅客数；
（2）在有些试验中，试验结果看来与数值无 关，但我们可以引进一个变量来表示它的各 种结果.也就是说，把试验结果数值化。
例如：裁判员在运动场上不叫运动员的名 字而叫号码，名字与号码之间建立了一种
0 X ~ 1 2 1 1 4 2 1 8 3 1 8
即
例2.7 一骰子掷两次，用X表示所得点数之和，求X取可能
值的概率。
解 X的所有可能取值为2，3,4，…，12,其分布律为
二、常用的离散型随机变量及其分布
（1） (0—1)分布
如果随机变量X的分布律为
P X = k = p 1 - p , k = 0,1, 0 < p < 1 .
它是一个随机变量。
事件{收到不少于1次呼叫} {没有收到呼叫} {X= 0}
{ X 1}
三、 随机变量的分类
离散型随机变量 随机变量 非离散型随机变量 混合型随机变量 我们将研究两类随机变量： （1）离散型随机变量 （2）连续型随机变量 连续型随机变量
例2.1 对一均匀硬币抛一次，观察正反面情况。 =>样本空间 {H , T }, 定义随机变量
注：若将本例中的“有放回”改为”无放回”, 那么各次试 验条件就不同了, 不在是伯努利试验, 只能用古典概型求解。
1 C95 C52 P( X 2) 3 0.00618 C100
定理2.3泊松(Poisson) 设>0，n是正整数，若npn=，则对任
一固定的非负整数k，有
n k k lim C n pn (1 pn ) n k
大学高等数学 离散数学 第二章“随机变量及其分布”
0 x1 0 3 dt 11 dt 0 3 11 x 2 dt dt 3 9 03 1
3
2 使 P( X k ) F (k ) k 4.5 3
几个重要的连续量 均匀分布 定义：X具有概率密度
1 x ( a, b) f ( x) b a 0 其他
1 P( S ) P( X xi ) pi
i 1 i 1
# 概率分布
1、写出可能取值－－即写出样本点 2、写出相应的概率－－即写出每一个样本点出现的概率
例：某人骑自行车从学校到火车站，一路上要经 过3个独立的交通灯，设各灯工作独立，且设 各灯为红灯的概率为p，0<p<1，以X表示首次 停车时所通过的交通灯数，求X的概率分布律。
f ( x)的性质： 1) f ( x) 0
2)
面积为1
y f ( x)
+
f ( x)dx 1
P x1 X x2
3) 对于任意的实数x1，x2 ( x2 x1 ) P x1 X x2
x2
x1
f (t ) dt P( X a) 0
1 2
求T的概率分布函数； 已知设备无故障运行10个小时，求再无故障运行 8个小时的概率。
k
解：1 P N t k e t t / k !, k 0,1, 2,
FT t P T t 1 P T t
当t 0 时，FT t 1 P N t 0 1 e t
称X服从参数为λ 的泊松分布，记 X ~ ( )
例：设某汽车停靠站候车人数 X ~ ( )， 4.5 (1)求至少有两人候车的概率； (2)已知至少有两人候车，求恰有两人候车的概率。 解： e 4.5 4.5k P( X k ) ， 0,1, 2, k k!
第2章 随机变量及其分布课后习题答案(高教出版社,浙江大学)
第2章 随机变量及其分布1，设在某一人群中有40%的人血型是A 型，现在在人群中随机地选人来验血，直至发现血型是A 型的人为止，以Y 记进行验血的次数，求Y 的分布律。
解：显然，Y 是一个离散型的随机变量，Y 取k 表明第k 个人是A 型血而前1-k 个人都不是A 型血，因此有116.04.0)4.01(4.0}{--⨯=-⨯==k k k Y P ， （ ,3,2,1=k ）上式就是随机变量Y 的分布律（这是一个几何分布）。
2，水自A 处流至B 处有3个阀门1，2，3，阀门联接方式如图所示。
当信号发出时各阀门以0.8的概率打开，以X 表示当信号发出时水自A 流至B 的通路条数，求X 的分布律。
设各阀门的工作相互独立。
解：X 只能取值0，1，2。
设以)3,2,1(=i A i记第i个阀门没有打开这一事件。
则)}(){()}({}0{3121321A A A A P A A A P X P ⋃=⋃==)()()()()()()(}{}{}{32131213213121A P A P A P A P A P A P A P A A A P A A P A A P -+=-+= 072.0)8.01()8.01()8.01(322=---+-=，类似有512.08.0)()}({}2{3321321=====A A A P A A A P XP ，416.0}2{}0{1}1{==-=-==X P X P X P ,综上所述，可得分布律为3,据信有20%的美国人没有任何健康保险，现任意抽查15个美国人，以X 表示15个人中无任何健康保险的人数（设各人是否有健康保险相互独立）。
问X 服从什么分布？写出分布律。
并求下列情况下无任何健康保险的概率：（1）恰有3人；（2）至少有2人；（3）不少于1人且不多于3人；（4）多于5人。
解：根据题意，随机变量X 服从二项分布B(15, 0.2)，分布律为15,2,1,0,8.02.0)(1515 =⨯⨯==-k C k X P k k k。
浙大第二章随机变量及其分布
即分布函数是密度函数的可变上限的 定积分.
由上式可得，在 f (x)的连续点，
dF(x) f(x) dx
常见的连续型随机变量 正态分布、均匀分布、指数分布
（I）正态分布
正态分布是应用最广泛的一种连 续型分布.
正态分布在十九世纪前叶由 高 斯(Gauss)加以推广，所以通常 称为高斯分布.
德莫佛
泊松分布的定义及图形特点
p (k;) :P {Xk} e k, k 0 ,1 ,2 , ,
k! 其中 >0 是常数,则称 X 服从参数为 的
λ
泊松分布,记作X~P( ).
λ
λ
由泊松定理，n重贝努里试 验中稀有事件出现的次数近 似地服从泊松分布.
我们把在每次试验中出现概 率很小的事件称作稀有事件. 如地震、火山爆发、特大洪 水、意外事故等等
德莫佛（De Moivre)最早发现了 二项分布的一个近似公式，这一 公式被认为是正态分布的首次露 面.
(1) 正态分布的定义
若r.v. X 的概率密度为 f(x) 1 e , (x2 2)2 x
2
其中 和 都是常数， 任意， >0， 则称X服从参数为 和 的正态分布.
记作 X~N(,2) (Norm
2 当x→ ∞时，f(x) → 0,
这说明曲线 f(x)向左右伸展时，越来越贴 近x轴。即f (x)以x轴为渐近线。
f(x) 1 e , (x2 2)2 x
2
用求导的方法可以证明，
为f (x)的两个拐点的横坐 标。
x=μ σ
这是高等数学的内容，如果 忘记了，课下再复习一下。
X ～ U[a, b]
用X表示n重贝努里试验中事件A（成功） 出现的次数，则
X~B(n,p)
由上式可得，在 f (x)的连续点，
dF(x) f(x) dx
常见的连续型随机变量 正态分布、均匀分布、指数分布
（I）正态分布
正态分布是应用最广泛的一种连 续型分布.
正态分布在十九世纪前叶由 高 斯(Gauss)加以推广，所以通常 称为高斯分布.
德莫佛
泊松分布的定义及图形特点
p (k;) :P {Xk} e k, k 0 ,1 ,2 , ,
k! 其中 >0 是常数,则称 X 服从参数为 的
λ
泊松分布,记作X~P( ).
λ
λ
由泊松定理，n重贝努里试 验中稀有事件出现的次数近 似地服从泊松分布.
我们把在每次试验中出现概 率很小的事件称作稀有事件. 如地震、火山爆发、特大洪 水、意外事故等等
德莫佛（De Moivre)最早发现了 二项分布的一个近似公式，这一 公式被认为是正态分布的首次露 面.
(1) 正态分布的定义
若r.v. X 的概率密度为 f(x) 1 e , (x2 2)2 x
2
其中 和 都是常数， 任意， >0， 则称X服从参数为 和 的正态分布.
记作 X~N(,2) (Norm
2 当x→ ∞时，f(x) → 0,
这说明曲线 f(x)向左右伸展时，越来越贴 近x轴。即f (x)以x轴为渐近线。
f(x) 1 e , (x2 2)2 x
2
用求导的方法可以证明，
为f (x)的两个拐点的横坐 标。
x=μ σ
这是高等数学的内容，如果 忘记了，课下再复习一下。
X ～ U[a, b]
用X表示n重贝努里试验中事件A（成功） 出现的次数，则
X~B(n,p)
第二章 随机变量及其分布
2013-7-8
宁波工程学院 理学院
第二章 随机变量及其分布
第24页
课堂练习
设 X ~ p(x)，且 p(x) = p(x)，F(x)是 X 的分布函数， 则对任意实数 a>0，有( ② ) a 1 a ① F(a) =1 p( x )dx ② F(a)= p( x )dx 0 0 2 ③ F(a) = F(a) ④ F(a) = 2F(a) 1
3 x
0,
, x 0, x 0.
2013-7-8
宁波工程学院 理学院
第二章 随机变量及其分布
第20页
离散型
1. 分布列: pn = P(X=xn) ( 唯一 ) 2. F(x) =
xi x
连续型
1. 密度函数 X ~ p(x) ( 不唯一 )？ 2. F ( x) p(t )dt
P{X 0}, P{0 X 1}, P{X 2}, P{X 2}
2013-7-8
宁波工程学院 理学院
第二章 随机变量及其分布
第10页
2.1.3 离散随机变量的分布列
设离散随机变量 X 的可能取值为： x1，x2，……，xn，…… 称 pi=P(X=xi)， i =1, 2, …… 为 X 的分布列.
2013-7-8
宁波工程学院 理学院
第二章 随机变量及其分布
第6页
两类随机变量
若随机变量 X 可能取值的个数为有限个或 可列个，则称 X 为离散随机变量. 若随机变量 X 的可能取值充满某个区间 [a, b]，则称 X 为连续随机变量. 前例中的 X, Y, Z ,O为离散随机变量； 而电视机寿命T 为连续随机变量.
2013-7-8
宁波工程学院 理学院
第二章 随机变量及其分布
第24页
课堂练习
设 X ~ p(x)，且 p(x) = p(x)，F(x)是 X 的分布函数， 则对任意实数 a>0，有( ② ) a 1 a ① F(a) =1 p( x )dx ② F(a)= p( x )dx 0 0 2 ③ F(a) = F(a) ④ F(a) = 2F(a) 1
3 x
0,
, x 0, x 0.
2013-7-8
宁波工程学院 理学院
第二章 随机变量及其分布
第20页
离散型
1. 分布列: pn = P(X=xn) ( 唯一 ) 2. F(x) =
xi x
连续型
1. 密度函数 X ~ p(x) ( 不唯一 )？ 2. F ( x) p(t )dt
P{X 0}, P{0 X 1}, P{X 2}, P{X 2}
2013-7-8
宁波工程学院 理学院
第二章 随机变量及其分布
第10页
2.1.3 离散随机变量的分布列
设离散随机变量 X 的可能取值为： x1，x2，……，xn，…… 称 pi=P(X=xi)， i =1, 2, …… 为 X 的分布列.
2013-7-8
宁波工程学院 理学院
第二章 随机变量及其分布
第6页
两类随机变量
若随机变量 X 可能取值的个数为有限个或 可列个，则称 X 为离散随机变量. 若随机变量 X 的可能取值充满某个区间 [a, b]，则称 X 为连续随机变量. 前例中的 X, Y, Z ,O为离散随机变量； 而电视机寿命T 为连续随机变量.
2013-7-8
2.1随机变量及其分布(1,2)课件
(4) F ( x ) 至多有可数多个间断点, 且在其间断点处,
是右连续的, 即对任何实数 a 有 lim F x F (a )
x a
任一随机变量 的分布函数 都满足以上性质, 反之, 任一满足以上性质的函数, 都可作为某一 随机变量的分布函数.
X 服从离散均匀分布.
三、分布函数 离散型随机变量的特点是： 其取值范围是有限集
或可列集. 其概率分布可用列表法表示: X x1 , x2 , x3 , ..., xn , ... p p1 , p2 , p3 , ..., pn , ...
但有些随机变量是非离散的,它的取值可能是 某一
区间内的一切值.
x x
lim F x 1
(4) F ( x ) 至多有可数多个间断点, 且在其间断点处,
是右连续的, 即对任何实数 a 有 lim F x F (a ) 证（1）0 F ( x ) P{ X x } 1 （2） a b 时, X a
1 P{ X 2 } P{ X 4 } P{ X 6 } ... P{ X 2n } ...
p 2 p 4 p 6 ... p 2 n ... 1 p2 1 2 2 2 1 p p 2p 1 p 2
p2
若离散型 r , v . X 的概率分布为
X p x1 p1
A x2 xk
p2
pk
则对于集合 xn n 1,2,3,... 的任一子集 A, 事件
“ X 在 A 中取值” 即“X A ” 的概率为
P{ X A } pk
xk A
只有两种对立结果： 对于贝努利试验， “A发生” 与“A不发生” 设事件A发生的概率为 p ( 0 p 1 ) 则事件 A 发生的概率为 q 1 p 令X表示 一次贝努利试验中， A发生的次数， 即
是右连续的, 即对任何实数 a 有 lim F x F (a )
x a
任一随机变量 的分布函数 都满足以上性质, 反之, 任一满足以上性质的函数, 都可作为某一 随机变量的分布函数.
X 服从离散均匀分布.
三、分布函数 离散型随机变量的特点是： 其取值范围是有限集
或可列集. 其概率分布可用列表法表示: X x1 , x2 , x3 , ..., xn , ... p p1 , p2 , p3 , ..., pn , ...
但有些随机变量是非离散的,它的取值可能是 某一
区间内的一切值.
x x
lim F x 1
(4) F ( x ) 至多有可数多个间断点, 且在其间断点处,
是右连续的, 即对任何实数 a 有 lim F x F (a ) 证（1）0 F ( x ) P{ X x } 1 （2） a b 时, X a
1 P{ X 2 } P{ X 4 } P{ X 6 } ... P{ X 2n } ...
p 2 p 4 p 6 ... p 2 n ... 1 p2 1 2 2 2 1 p p 2p 1 p 2
p2
若离散型 r , v . X 的概率分布为
X p x1 p1
A x2 xk
p2
pk
则对于集合 xn n 1,2,3,... 的任一子集 A, 事件
“ X 在 A 中取值” 即“X A ” 的概率为
P{ X A } pk
xk A
只有两种对立结果： 对于贝努利试验， “A发生” 与“A不发生” 设事件A发生的概率为 p ( 0 p 1 ) 则事件 A 发生的概率为 q 1 p 令X表示 一次贝努利试验中， A发生的次数， 即
概率论第二章
将 p = 0.5 代入，得
1 0 X ~ 0 .5 0.25 2 0.125 3 0 .0625 0 .0625 4
下面，重点介绍三种离散型随机变量的概率分 布。 （一）0-1分布 分布 若X 的分布律为 k 1− k P { X = k } = p (1 − p ) , k = 0 ,1 或者 0 1 X p pk 1− p 则称随机变量 X 服从参数为 的0-1分布 参数为p的 分布. 参数为 如果试验的结果只有两个：成功与失败，并且成 功的概率为p，则成功的次数 X 服从参数为p的0-1 分布。
P{ X ≥ 2} = 1 − P{ X = 0} − P{ X = 1}
P{ X ≥ 2} = 1 − P{ X = 0} − P{ X = 1}
= 1 − (0.99) − 20(0.01)(0.99) = 0.0169 设A为“四个人中至少有一个人来不及维修”这 一事件，则有
20 19
P( A) ≥ P{ X ≥ 2} = 0.0169
P{ X ≥ 2} = 1 − P{ X = 0} − P{ X = 1}
= 1 − (0.98)
400
− 400(0.02)(0.98)
399
直接计算上式比较麻烦，为此需要一个近似计算 公式。我们先引入一个重要的分布。
(三) 泊松分布 三 泊松分布(Poisson Distribution) 如果随机变量 X 的分布律为：
例6 社会上定期发行某种奖券,中奖率为p.某人 每次购买一张奖券,如果没有中奖则下次继续购买1 张,直至中奖为止.求该人购买次数的分布律. 解 设该人购买的次数为X ,则X的可能取值为
1, 2 , L .
{X = 1} 表示第一次购买就中奖,其概率为p.
- 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)。
§1.2 离散型随机变量
定义：如果随机变量 X 所有可能取的值只有有限 个或可列无限多个(即可以和自然数集 N {1,2, ,n, }中的元素 1-1 对应),则称 X 为离散 型随机变量.
设离散型随机变量 X 所有可能取的值为 x1, x2 , ,X 取值为 xk 的概率为
P(X xk ) pk , k 1,2, . 称为离散型随机变量 X 的概率分布或分布律.
当取到次品时 当取到正品时
则有 P{X=0}=0.05,P{X=1}=0.95
•若定义随机变量Y
为
Y
Y ()
1, 0,
当取到次品时 当取到正品时
则有 P{Y=0}=0.95,P{Y=1}=0.05 •从中看到X,Y都服从(0-1)分布
§2.2 贝努里试验和二项分布
将试验重复进行 n 次,每次试验中事件 A 或 者发生,或者不发生.如果每次试验的结果互不影 响,则称这 n 次试验是相互独立的.在 n 次重复、 独立试验中,不管哪一次试验,事件 A 发生的概率 保持不变,即不管在哪一次试验中都有 P( A) p, P( A) 1 p .
X0 1
2
3
4
P p (1-p)p (1-p)2p (1-p)3p (1-p)4
• 或写成P{X=k}=(1-p)kp,k=0,1,2,3;P{X=4}=(1-p)4. • 以p=1/2代入得
X0 1
2
3
4
P 0.5 0.25 0.125 0.0625 0.0625
例: 设随机变量 X 具有分布律
独立试验序列是贝努里(Bernoulli)首先研究 的,故也称为贝努里试验.贝努里试验是一种很重 要的数学模型,它在实际中具有广泛的应用.在 n 重贝努里试验中事件 A 发生的次数 X 是一个随 机变量,如果每次试验中A发生的概率为 p,称 X 服
例：设 10 件产品中有 8 件合格品和 2 件不合格品,
从中随机抽取一件,令
1， 取到合格品 X 0，取到不合格品
则 X 是一个随机变量，它只取两个可能值 0 和 1.
如果我们把产品编号,1 到 8 号为合格品,9 到 10 号为
不合格品,样本空间可表示为 {1, ,10},其中 i 表 示取到第 i 号产品.这时基本事件与随机变量的对应
定义:设随机试验 E 的样本空间 {} ,如果对任意 的基本事件 ,有一个实数 X X () 与之对应,就 称 X 为随机变量.
通常,我们用大写字母X、Y、Z等表示随机变量.
• 引入随机变量后,就可以用随机变量X描述 事件.一般对于任意的实数集合L,{X ∈L}表示 事件{e|X(e)∈L}.
解 X 的分布律为:
P( X
k)
C5k
C 34k 35
， k
0，1，
，5
C4304
例:设一汽车在开往目的地的道路上需经过四个信号灯,每 个信号灯以1/2的概率允许或禁止汽车通过.以X表示汽车 首次停下时,它已通过的信号灯数(设各信号灯的工作是相 互独立的),求X的分布律.
解 以p表示每个信号灯禁止汽车通过的概率,易知X的分 布律为
2
2
15 15 5
P(1 X 2) P(X 1) P(X 2) 1 2 1 15 15 5
§2 0-1分布和二项分布
§2 .1 0-1分布(两点分布)
如果随机变量 X 只取两个值,就称 X 服从两点分布, 一般两点分布取值为 0 和 1,分布律为:
X
0
1
Pk
1-p
p
例: 射手每次射击的成绩在 9.5 环以上时被认为
第二章 随机变量及其分布
§1 随机变量的概念与离散型随机变量
§1.1 随机变量的概念
• 为了全面地研究随机试验的结果,揭示客观存在 着的统计规律性,我们将随机试验的结果与实数 对应起来,将随机试验的结果数量化,引入随机 变量的概念.
在许多带有随机因素的实际问题中,我们往往 只关心某些数据,如电子元件的寿命、车站的候车 人数等等.此外人们还发现建立数和人或其他事物 的对应关系会带来许多便利,比如每一个学生可以 用一个学号与之对应,城市的每一间房屋可以用一 个门牌号与之对应,工厂生产的同一种型号产品,比 如计算机,可以用一个代码与之对应.同样,建立数 和基本事件的对应关系将有助于我们利用现有的 一些数学方法对随机现象作进一步的研究.
分布律还可以简单地表示为：
X x1 x2 … xk … P p1 p2 … pk …
分布律具有以下性质:
1. pk 0, k 1，2，
2. pk 1 k 1
例:实验室共有 40 台同类仪器,其中有 5 台仪器不能 正常工作.某班实验课随机取其中的 34 台做实验,求 取到的不能正常工作的仪器台数 X 的分布律.
关系为
X
(
i
)
1, i 1, ,8
0,
i
9,10
例：考察一个医院每天的就诊人数 X,则 X 是一个随 机变量,它的取值范围是 X 0,1,2, .
例：观察公交车站上乘客的等车时间 X,X 是一个随机 变量,它的取值范围是某一个区间.
例：记录中央电视台新闻联播节目的播出时间长度 X，则 X 也是一个随机变量，它的取值范围也是一 个区间.
射击成功.如果每次射击成功的概率为 0.45,令
X
1, 当射击成功 0, 否则
则随机变量 X 服从 0-1 分布,分布律为
X
0
1
Pk 0.55 0.45
例: 商店里有 10 张同类 CD 片,其中 6 张为一级品,3
张为二级品,1 张为不合格品.顾客购买时任取其中一
张,求取得合格品的概率.
P(X k) ak, k 1,2,3,4,5
（1）确定常数
a
,（2）计算
P(
1 2
X
5) 2
和
P(1
X
2) .
解（1）由分布律的性质,得
.
5556来自P(X k) ak a 1
k 1
k 1
2
从而
a 1 15
(2) P(1 X 5) P(X 1) P(X 2) 1 2 1
1, 取得合格品
解 令 X 0, 否则, 则 X 服从 0-1 分布,
其分布律为
X
0
1
Pk
0.1 0.6+0.3
取得合格品的概率为 P(X 1) 0.9
• 例:在100件产品中,有95件正品,5件次品.现从中 随机地取一件,假如取到每件产品的机会都相等.
•若定义随机变量X为
0,
X X () 1,