连续型随机变量及其概率密度

合集下载

概率论-2-3连续型随机变量及其概率密度

x)
1 100
e
x
100
,
x0
0,
其它
（1）求元件寿命至少为200小时的概率；
（2）将3只这种元件连接成为一个系统. 设系统工作的方式是至少2只元件失效时系统失效，又设3 只元件工作相互独立. 求系统的寿命至少为200小时的概率.
解（1）元件寿命至少为200小时的概率为PX 200 f Nhomakorabea(x)dx
Y ~ B(3,1 e2)
2只及2只以上元件的寿命小于200小时的概率为
PY 2 3(1 e2)2(e2) (1 e2)3
2
PY 2 3(1 e2)2(e2) (1 e2)3
2 (1 e2)2(2e2 1) 0.950. 故系统的寿命至少为200小时的概率为
p 1 PY 2 1 0.950 0.050
1 ba
ab
即是说 X落在区间（a,b）内任意等长小区间上的概率相等，在（a,b）内两个等长小区间上， f(x)之下的小长方形的面积相等，就是称为均匀分布的原因.
均匀分布常见于下列情形
如在数值计算中，由于四舍五入，小数点后某一位小数引入的误差.
公交线路上两辆公共汽车前后通过某汽车停车站的时间，即乘客的候车时间等.
本节练习
习题二：８，９，１０
§2.3 连续型随机变量及其概率密度
连续型随机变量及其概率密度的定义概率密度的性质三种重要的连续型随机变量小结
连续型随机变量X所有可能取值充满一个区间,
对这种类型的随机变量,不能象离散型随机变量那样, 以指定它取每个值概率的方式, 去给出其概率分布,而是通过给出所谓“概率密度函数”的方式.
f
(
x)

连续型随机变量及其概率密度函数

是一个连续型随机变量的概率密度函数.
证明：(1). 显然, f ( x) 0 ( x )
(2).
f ( x)dx
1e x dx
2
1 0 e xdx 1 exdx
2
20
一般只需验证f(x)性质中的这两条即
可.
11 1 22
概率统计
例2. 某电子计算机在毁坏前运行的总时间(单位:小
f (x)
概率统计
0
x1 x2
x
性质4
若 f ( x) 在点 x 处连续，则有：F( x) f ( x)
物理意义:
F ( x x) F ( x)
f ( x) lim
x 0
x
P( x X x x)
lim
x0
x
故 X 的密度 f (x) 在 x 这一点的值，恰好是
X落在区间 ( x, x x] 上的概率与区间长度 x
时)是一个连续型随机变量,其密度函数为:
f
(
x)
e
x 100
0
求: (1). 的值.
当x 0 当x 0
(2).这台计算机在毁坏前能运行 50 到 150 小
时的概率. (3).运行时间少于100小时的概率.
概率统计
解: (1)
1
f ( x)dx
x
e 100dx
0
x
100e 100
f
(
x)
2
1 x2 ,
1 x 1
求 : F(x)
0, 其它
x
解: F ( x) P( X x) f (t)dt
当 x 1 时, F( x) 0
当1 x 1,
F(x)

连续型随机变量及其概率密度

问：怎样求一般正态分布的概率？
对一般的正态分布：X ~ N ( , 2)
其分布函数 F( x)
1
e d t x
(t )2 2 2
2
作变量代换s
t
F(x)
1 2
x
s2
e 2ds
x
即 X ~ N ( , 2) 则 X ~ N ( 0 ,1)
P{a
X
b}
F (b)
222 0.3830
3) 0.6826 4) 0.4981
0.02
-10
-5
a
5
b
x
例1 有一批晶体管，已知每只的使用寿命 X 为连续型随机变量，其概率密度函数为
f
(
x)
c x2
,
0,
x 1000 其它
( c 为常数)
(1) 求常数 c
(2) 已知一只收音机上装有3只这样的晶体管，
每只晶体管能否正常工作相互独立，求在
使用的最初1500小时只有一个损坏的概率.
(3) P(X>1.76)= 1 – P(X≤1.76)= 1 – Φ(1.76)
=1 – 0.9608 =0.0392 (4) P(X< – 0.78)= Φ(- 0.78) =1-Φ(0.78)
=1 – 0.7823 =0.2177 (5) P(|X|<1.55)= 2Φ(1.55) – 1 (6) P(|X|>1.55)= 1 – P(|X|<1.55)
即： P( X a) 0, a为任一指定值
事实上 { X a} {a x X a}
x 0
0 P{ X a} P{a x X a} aax f ( x)d x

连续型随机变量及其概率密度

1. 均匀分布
设连续型随机变量
X
具有概率密度f
(
x)
b
1
a
,
a x b,
0,
其它,
则称 X 在区间 (a, b) 区间上服从均匀分布,记为 X ~ U (a, b).
说明：
对c, l R, 如果(c, c l ) (a, b), 则
cl
l
P(c X c l ) c
f ( x)dx ba
1
( x )2
e , 2 2
2
x
, ( 0)为常数, 则称X服从正态分布,记作:X : N(, 2).
0, 1时, X : N (0,1)
概率密度: ( x)
1
x2
e2
2
说明：
f(x)满足概率条件: f(x) 0,
+ f(x)dx 1 -
证明(2): 令 x- t, 则x t, dx dt
解 : (1) 由概率密度的定义 :
f ( x)dx 1
-
f ( x)dx
3 C(9 x2 )dx 1
-
-3
C 1 36
(2)
P{ X 0}
0 -3
1 36
(9
x2 )dx
1 36
(9x
x3 3
)
|03
1 2
P{1 X 1} 1 1 (9 x2 )dx 13
-1 36
k 0
n大，p小，np=3，用=np=3的泊松近似
上式 1 N 3k e3 0.01
k0 k !
N 3k e3 0.99
k0 k !
查泊松分布表，最小N=8。至少配8名维修工。

第三节连续型随机变量及其概率密度

则称X服从0 1分布.
这时X的分布函数为：
F(x)
1
0， x p，0
0， x
1，
1， x 1.
2. 二项分布：若随机变量 X所有可能取值为 0，1，，n，且分布律为：
P(X
k)
C
k n
pk qnk，k
0，1，，n，0
p
1，q
1
p，
则称X服从二项分布，记为：X～B(n，p). 3. 泊松分布：若随机变量 X所有可能取值为 0，1，2,，且分布律为：
2
Acos
xdx
2 A sin
x
2
0
2 A，
2A 1，
(2) (3)
P(0 X
当x
2
时4，) F
( x042)故12coAsxxdf12x(.t)d12t
sin
x
4
0
x
0dt
2 4
.
0.
当
2
x
2
时，
F
(
x)
2 0dt
x
2
1 2
cos
tdt
1 2
(sin
x
1).
当x
2
时，F
6
三、几种常见的连续型分布
1. 均匀分布：设X的概率密度为
f
(
x)
b
1
a
,
a x b，
0，其它.
则称X在区间[a，b]上服从均匀分布，记为 X～U[a，b].
0， x a，
易求X的分布函数为
F
(
x
)
x b
a a
，a
1， x

连续型随机变量及其概率密度

密度函数的验证
⑴．对任意的 x，有 f x 0；
a
b
⑵． f xdx f xdx f xdx f xdx
a
b
b
1
dx
a ba
由此可知，
f
x
b
1
a
0
a xb 其它
确是密度函数．
均匀分布的分布函数
则 X的分布函数为
若随机变量 X 服从区间a， b上的均匀分布，
0
F
x
x b
1
所以 A是不可能事件 P( A) 0 反之则不成立
如何求分布函数
F(x) Pk
xk x
离散阶梯函数
x
F(x) f(t)dt -
连续连续函数
若概率密度f(x)为分段函数,则积分也要分段考虑.
例1 P71 18(2)
设随机变量X的密度函数为
x 0 x 1
f x 2 x 1 x 2
§4 连续型随机变量及其概率密度
概率密度及其性质均匀分布指数分布正态分布
一、定义：对于随机变量 X的分布函数 F (x),若存在非负可积函数
f(x) 使 x R , 有
F(x)
x
-
f(t)dt
则称 X为连续型随机变量 , f ( x)为X的概率密度函数或概率密度.
二、性质 : 00 连续型随机变量的分布函数F ( x)必为连续函数 (离散
0.1}
0.1 f(x)dx
0.1 3e 3xdx
e 3x
0.1
e 0.3
F
(
x)
0 x
0
3e3t dt
1
e3x
x0 x0
五、常见的连续型分布（一）、均匀分布

连续型随机变量及其概率密度

是一个随机变量, 且X ~ N (d , 0.52 ).
(1) 若d 90, 求 X 小于 89 的概率.
(2) 若要求保持液体的温度至少为 80oC 的概率不
低于 0.99,问d 至少为多少? 解 (1) 所求概率为
P{ X

89}

89 90 0.5

(2)

1
(2)
三、小结
1. 连续型随机变量
x
F(x) f (t)dt

分布函数概率密度
2. 常见连续型随机变量的分布
均匀分布

正态分布(或高斯分布)
指数分布
3. 正态分布是概率论中最重要的分布正态分布有极其广泛的实际背景, 例如测量
误差, 人的生理特征尺寸如身高、体重等 ,正常情况下生产的产品尺寸:直径、长度、重量高度, 炮弹的弹落点的分布等, 都服从或近似服从正态分布.可以说,正态分布是自然界和社会现象中最为常见的一种分布, 一个变量如果受到大量微小的、独立的随机因素的影响, 那么这个变量一般是一个正态随机变量.
F(x)

1

1x
e 2000
,
0,
x 0, x 0.
(1) P{X 1000} 1 P{X 1000} 1 F (1000)
1
e 2 0.607.
(2) P{ X 2000 X 1000} P{ X 2000, X 1000} P{ X 1000} P{ X 2000} P{ X 1000}
1
e
(
x μ 2σ2
)2
d
x

2-4_连续型随机变量及其概率密度

第2.4节连续型随机变量及密度函数
1
连续型随机变量及其概率密度
1.定义定义
设 X 为随机变量， F ( x )为 X 的分布函数, 若存在非负函数f ( x ), 使对于任意实数 x 有 F ( x) = ∫
x −∞
f (t ) d t ,
则称 X 为连续型随机变量, 其中 f ( x ) 称为 X 的概率密度函数, 简称概率密度.
为离散型随机变量, 若 X 为离散型随机变量
{ X = a } 是不可能事件 ⇔ P{ X = a} = 0.
离散型
4
例1
设随机变量 X 具有概率密度
0 ≤ x < 3, kx, x f ( x) = 2 − , 3 ≤ x ≤ 4, 2 0, 其它. (1) 确定常数 k ; (2) 求 X 的分布函数; 7 (3) 求 P{1 < X ≤ }. 2
的正态分布或高斯分布, 记为
X ~ N ( µ , σ 2 ).
22
正态概率密度函数的几何特征
1 ( 2) 当x = µ时, p( x )取得最大值 ; 2 πσ
(1) 曲线关于 x = µ 对称;
(4) 曲线在 x = µ ± σ 处有拐点;
23
(3) 当 x → ±∞ 时, f ( x) → 0;
x 1 −θ k e , f ( x) = θ 0,
x ≥ 0, x < 0.
1 且已知 P{ X > 1} = , 试求常数 θ 2
10
例
设随机变量 X : 0, 2 F ( x) = Ax + B, 1, x ≤ 0, 0 p x ≤ 1, x > 1.
试求常数A，B以及密度函数f(x)。

连续型随机变量与概率密度函数

不可能事件的概率为零，但概率为零的事件不一定是不可能事件。
同样：
必然事件的概率为1，但概率为1的事件不一定是必然事件。
01
若X是连续型随机变量，
02
{ X=a }是不可能事件，则有
03
若 X 为离散型随机变量,
04
注意
05
连
06
续
07Байду номын сангаас
型
08
离
09
散
10
型
STEP4
STEP3
STEP2
由
得
解得
于是
的概率密度为
设随机变量
具有概率密度
(1)
确定常数
【练习】
解
由
得
解得
于是
的概率密度为
其它
.
设随机变量
具有概率密度
求
的分布函数
【练习】
解
设随机变量
01
具有概率密度
02
03
求
04
解
05
或
06
【练习】
07
例4 设随机变量 K 的概率密度为
于是, 所求的概率为
06
可见
04
试求方程有实根的概率.
(1) P{ x1＜X ≤x2} = P{ x1≤X ≤x2} = P{ x1＜X ＜x2} = P{ x1≤X ＜x2} = F(x2) －F(x1) =
(2)
点概为零的重要启示
若 A 为不可能事件，则 P (A) = 0 ；然而 P (A) = 0 时， A 却不尽为不可能事件 .
那么就称该随机变量 X 服从均匀分布，也称 X为均匀分布变量（简称均匀量），并记为

高等数学第三节连续型随机变量及其概率密度函数

▲ P() 0 (不可能的事件的概率为0),但概率
为零的事不一定是不可能事件.
概率统计
2. 概率密度函数的性质
性质1 f ( x) 0
性质2
f ( x)dx 1
f (x)
这两条性质是判定一个函数 f(x) 是否为某随机变量 X 的概率密度函数的充要条件.
面积为1
o
x
概率统计
性质3
F ( x0 x) F ( x0 )
x0x f (t)dt x0
当 x 0时，两边取极限：
0
P(X
x0 )
lim
x0
x0x f (t)dt
x0
0
P( X x0 ) 0
概率统计
注 ▲ 这个结论的意义:
(1). P( X x0 ) 0 从积分的几何意义上说，当底边缩为一点时,曲边梯形面积退化为零。
(2).由此可知连续型随机量X 在某区间上取值的概率只与区间长度有关，而与区间是闭、开、半开半闭无关，即有:
P( x1 X x2 ) P( x1 X x2 ) P( x1 X x2 )
P( x1 X x2 )
x2 x1
f ( x)dx
F ( x2 ) F ( x1 )
概率统计
注 P( x X x x) F( x x) F(x)
不计高阶无穷小
x x
x f (t) dt
f ( x)x
b
(相当于积分中值定理 f ( x)dx f ( x)(b a) ) a
这表示落在区间 ( x, x x] 上的概率近似等于 f ( x)x ，称 f ( x)x 为概率微分。
P( x1 X x2 ) F ( x2 ) F ( x1 )

概率论课件之连续型随机变量及其概率密度PPT课件

如电话通话时间、各种随机服务系统的服务时间、等待时间等.
例某种电子元件的寿命(以小时计) X 服从指数分布,其概率密度为
f
(
x)
1 100
e
x
100
,
x0
0,
其它.
(1) 求元件寿命至少为200小时的概率. (2) 将3只这种元件联接成为一个系统，设系统工作的方式是至少2只元件失效时系统失效，又设3只元件工作相互独立.求系统的寿命至少为200小时的概率.
(4) 若f ( x )在点x 处连续,则有
F ( x) f ( x),
证明
x
F ( x) [ f (t)dt] f ( x).
例设随机变量X
ae x , x 0;
的分布函数为
F ( x) b, 0 x 1; 1 ae x1 , x 1
求(1)a,b的值;(2)X的密度函数;(3)P(X>1\3).
解 (1)由于连续型随机变量的分布函数是连续的
lim F ( x) F (0)
x 0
又 lim F ( x) F (1) x 1
lim ae x b
x 0
b 1 a
故，a b 1 2
ab
(2)X的密度函数
1 2
e
x
,
f ( x) F ( x)
又F ( x)
1
2
,
x 0; 0 x 1;
2 πσ (3) 当 x 时, f ( x) 0; (4)曲线在 x μ σ 处有拐点;
(5) 曲线以 x 轴为渐近线;
(6) 当固定 σ, 改变 μ 的大小时, f ( x) 图形的形状不变 ,只是沿着 x 轴作平移变换;
(7) 当固定 μ, 改变 σ 的大小时, f ( x) 图形的对称轴不变,而形状在改变 , σ 越小,图形越高越瘦,σ越大, 图形越矮越胖 .

概率第一章第4节连续型随机变量及其概率密度讲解

7:15 之间, 或在 7:25 到 7:30 之间到达车站, 故所
求概率为
P{10 X 15} P{25 X 30}
15 1 dx 30 1 dx 1
10 30
25 30
3
即乘客候车时间少于5分钟的概率是 1/3.
指数分布
定义若随机变量 X 的概率密度为
例1 设随机变量 X 的分布函数为
0, x 0
F
(
x
)

x
2
,
0 x 1,
1, 1 x
求 (1) 概率 P{0.3 X 0.7};
(2) X 的密度函数.
解由连续型随机变量分布函数的性质, 有
(1) P{0.3 X 0.7} F (0.7) F (0.3) 0.72 0.32 0.4;
P{X

st
|
X

s}
P{( X
st)(X P{X s}

s)}

P{X s P{X
t} s}

1 F(s t) 1 F(s)

e(st ) e s

e t

P{ X

t }.
若 X 表示某一元件的寿命，则 (*)式表明：已知元件
使用了s 小时，它总共能使用至少 s t 小时的条件
数，简称为概率密度或密度函数.
易见概率密度具有下列性质：
(1) f ( x) 0;
y f (x)
(2)

f ( x)dx 1.

A1
Ox
x
注：上述性质有明显的几何意义.

连续型随机变量及其概率密度

B
A
A，B间真实距离为，测量值为X。
X的概率密度应该是什么形态？
若随机变量X的概率密度函数为
f (x)
1
e
(
x )2 2 2
2
（其中，为实数，>0）则称X服从参数为 ,2的正态分布,记为X～N(, 2)。
f(x)的图像为

正态分布密度函数f(x)的性质
(1) 单峰对称密度曲线关于直线x=对称，即 f( +x)=f( -x)，x∈(-∞,+∞)
X～N(, 2)，p∈(0,1)，若实
数up满足P(X〉 up)=p,
p
则称up为标准正态分布的p分位点。
O Up
x
定义 (1)标准正态分布的与下侧概率p对应的分位数up
满足条件P（X〈 up）= p，0〈 p〈1， X~N(0,1) （2）标准正态分布的与上侧概率α对应的分位数uα
满足条件P（X〉 u α ）= α，0〈 α〈1， X~N(0,1) （3）标准正态分布的与双侧概率p/2对应的分位数u p/2
解设A—乘客候车时间超过10分钟， X—乘客于某时X分钟到达，则XU(0,60)
P(A) P(10 X 15) P(25 X 45) P(55 X 60) 5 20 5 1 60 2
2、正态分布正态分布是实践中应用最为广泛，在理论上
研究最多的分布之一，故它在概率统计中占有特别重要的地位。

P( X

x)

x

证明
x
FX (x) P( X x)
1
e dt
(
t) 2 2
2

2-3连续型随机变量及其概率密度

f
(x)
b
1
a
,
a x b,
0,
其它,
就称 X 服从[a,b] 上的均匀分布，记为 X ~ U[a,b]．
【注】 X 的分布函数为
0, x a,
F ( x)
x
b
a a
,
a
x
b,
1, b x.
均匀分布与第一章中介绍的几何概型原理相通，适用于一维
的几何概型试验．此时， X 落入某区间 I 内（上）的概率为 P{X I} P{X I I [a,b]} I I [a,b]的长度． ba
(b ) (a ) ．
特别地， P{X b} (b ), P{X a} 1 ( a ) 。
其中 (a ) 和 (b ) 可查表得．
•22
例 3.5 设随机变量 X ~ N(1, 4) ，分别计算
P{X 3}， P{1 X 5} ．
解由题意知， 1, 2 ．
y (x)
y
y (x) 1
1 2
O
x
O
x
•20
由于(x) 为偶函数，利用本节例 3.2 的结论，有
F(x()x)
F((x)x)
1；1；F(0()0)
1
1；；P{PX{ X
x}x}
2F(Fx)(x)1．1．
22
当 x 0 时， (x) 可以通过直接查标准正态分布表求得．
当 x 0 时， (x) 1 (x) ，再查标准正态分布表可得．
【注 7】如果 X ~ N(0,1) ，则对于任意的实数 a,b (a b) ， P{a X b} (b) (a) ，
其中 (a), (b) 可查标准正态分布表计算．
•21

2.4连续型随机变量及其概率密度函数

概率论与数理统计Probability and Statistics —概率论与数理统计教学组—2.4 连续型随机变量及其概率密度函数第2章随机变量及其分布学习要点常见的连续型随机变量的分布连续型随机变量及概率密度函数：；：例3 在区间(0,5)上随机取一数X ，（1）写出X 的概率密度函数和分布函数；（2）该数X 的取值不小于2的概率为多少？解（1）随机变量X 在区间(0,5)上服从均匀分布，故其概率密度函数和分布函数为1,05()50,x f x ，其他 000,()(),05551,5x x x dt x F x f x dx x x（2）随机变量X 的取值不小于2，即25521()03{2}55P X d f x dx dx x 或 23{2}1{2}1{2}1(2)155P X P X P X F ．连续型随机变量及概率密度函数例4 设顾客在银行窗口接受服务的时间（单位：分）服从参数为0.1的指数分布. 如果某人刚好在你前面到窗口接受服务，试求你将等待（1）不超过10分钟,（2）10分钟到20分钟之间的概率.解令X 表示顾客在银行窗口接受服务的时间，则X 的概率密度为101,0()100,0xe xf x x 101001011010001(1){10}()0()110x x P X f x dx dx e dx e e ； 202012101010101(2){1020}10x x P X e dx e e e .连续型随机变量及概率密度函数人们编制了()x的函数表，可供查用. 例如，可查(1.12)0.86864.连续型随机变量及概率密度函数例5 设随机变量X ～(3,9)N ，求：（1） {25},{36};P X P X （2）确定常数a ，使得{}{}P X a P X a .解（1）令3~(0,1)3X Y N2335312{25}{}{}33333X P X P P Y2121()()()[1()]0.3779,3333393333{36}{9}{3}{}{}3333X X P X P X P X P P{2}{2}1(2)(2)2[1(2)]0.0456.P Y P Y(2) 由 {}{}P X a P X a ,得 1{}{}P X a P X a33131{}{},()33232X a a P X a P ，3=03a 所以，即有3a .连续型随机变量及概率密度函数例6随机变量~(0,1)X N ，求0.005z 和0.0052z ．解 0.0050.005{}1{}0.005P X z P X z ， 0.005{}0.995P X z ，即 0.005()0.995z ，查表可得， 0.005 2.575z . 另外 0.0050.00252z z ，即 0.0025()10.00250.9975z ，查表可得， 0.0025 2.81z ，也就是 0.00522.81z ．x()x 0y 0.0025z 0.005=0.002520.0025z 2连续型随机变量及概率密度函数小结连续型随机变量及其概率密度函数连续型随机变量及其概率密度常见的连续型随机变量的分布Harbin Engineering University。