概率论随机函数概率及其分布
高中数学概率论中的随机变量与分布函数
高中数学概率论中的随机变量与分布函数在高中数学的概率论领域中，随机变量与分布函数是两个极为重要的概念。
它们不仅是解决概率问题的有力工具，也为我们理解和描述随机现象提供了严谨的数学语言。
首先，我们来聊聊什么是随机变量。
简单来说，随机变量就是一个把随机试验的结果与实数对应起来的函数。
比如说，掷一枚骰子，出现的点数就是一个随机变量。
它的取值可能是 1、2、3、4、5 或者 6。
再比如，一批灯泡的使用寿命，也是一个随机变量，其取值范围是大于零的实数。
随机变量可以分为离散型随机变量和连续型随机变量。
离散型随机变量的取值是可以一一列举出来的，像上面提到的掷骰子的点数。
而连续型随机变量的取值则充满了某个区间，比如灯泡的使用寿命，它可以是 1000 小时，也可以是 10001 小时，100001 小时等等，取值是连续不断的。
那么，为什么要引入随机变量这个概念呢？这是因为通过将随机现象转化为数学上的变量，我们可以运用数学工具对其进行更深入的研究和分析。
有了随机变量，我们就能够更方便地计算概率、描述分布特征等等。
接下来，我们再看看分布函数。
分布函数是一个非常重要的概念，它完整地描述了随机变量的概率分布情况。
对于一个随机变量 X，其分布函数 F(x) 定义为 F(x) ＝P(X ≤ x)，也就是随机变量 X 取值小于等于 x 的概率。
分布函数具有一些重要的性质。
首先，它是单调不减的。
这意味着随着 x 的增大，F(x) 不会减小。
其次，它的取值范围在 0 到 1 之间，即0 ≤ F(x) ≤ 1。
而且，当 x 趋向于负无穷时，F(x) 趋近于 0；当 x 趋向于正无穷时，F(x) 趋近于 1。
对于离散型随机变量，其分布函数是一个阶梯函数。
比如说，对于一个取值为 1、2、3，概率分别为 02、05、03 的离散型随机变量，当x ＜ 1 时，F(x) ＝ 0；当1 ≤ x ＜ 2 时，F(x) ＝ 02；当2 ≤ x ＜ 3 时，F(x) ＝ 07；当x ≥ 3 时，F(x) ＝ 1。
概率分布与随机变量的分布函数计算
概率分布与随机变量的分布函数计算随机变量是概率论和统计学中一个重要的概念，它被用来描述随机试验的结果。
概率分布是随机变量的可能取值及其相应概率的分布。
在本文中，我们将讨论如何计算概率分布和随机变量的分布函数。
一、概率分布的计算概率分布可以通过概率质量函数（probability mass function，简称PMF）或概率密度函数（probability density function，简称PDF）来描述。
这取决于随机变量是离散型还是连续型。
1. 离散型随机变量的概率分布计算对于离散型随机变量，其概率分布可以通过概率质量函数来计算。
概率质量函数给出了每个可能取值的概率。
假设随机变量X的取值集合为{x1, x2, ... , xn}，对应的概率分布为{P(X=x1), P(X=x2), ... , P(X=xn)}。
其中P(X=xi)表示X取值为xi的概率。
2. 连续型随机变量的概率分布计算对于连续型随机变量，其概率分布可以通过概率密度函数来计算。
概率密度函数是一个函数，描述了随机变量在某个取值点附近的概率密度。
假设随机变量X的概率密度函数为f(x)，则X在区间[a, b]上的概率可以通过计算f(x)在该区间上的面积来得到，即P(a ≤ X ≤ b) = ∫(a to b)f(x)dx。
二、随机变量的分布函数计算随机变量的分布函数是一种用来描述随机变量取值分布情况的函数。
对于离散型随机变量和连续型随机变量，它们的分布函数的计算方式是不同的。
1. 离散型随机变量的分布函数计算离散型随机变量的分布函数（cumulative distribution function，简称CDF）定义为随机变量小于等于某个取值的概率。
CDF可以通过累加概率质量函数来计算。
对于随机变量X的概率分布{P(X=x1), P(X=x2), ... , P(X=xn)}，其对应的分布函数为F(x) = P(X≤x) = ∑(xi≤x) P(X=xi)。
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
概率论课件：第二章随机变量及其概率分布
π 3π ⎞ ⎛ π 0 ⎟ 22.设随机变量 X 的分布律为 ⎜ 2 2 ⎟ ，求 Y 的分布律： ⎜ ⎝ 0.3 0.2 0.4 0.1 ⎠
（1） Y = ( 2 X − π ) ;
2
（2） Y = cos( 2 X − π ). ⎧2 x , 0 < x < 1 f ( x) = ⎨ ⎩0 , 其它
它意味着第 i 次（ i ≥ k ）成功，且 i − 1 次试验中成功 k − 1 次，设这两个事件分别为A1 ，A2，
则A = A 1 A 2 , 且P(A) = P(A 1 A 2 ) = P(A 1 )P(A 2 )(A 1与A 2 独立 ), 而 P(A 1 ) = p,
1 k −1 1 k −1 i − k P( A2 ) = Cik−− ⋅ q i −1−( k −1) = Cik−− q . 1 p 1 ⋅ p
, ( 2,6),
, (6,1),
例如(6,1) , (6,6)} .这里，
8
5 36
9
4 36
10
3 36
11
2 36
12
1 36
PK
1 36
2 36
3 36
4 36
5 36
6 36
概率 P{X = k }, k = 0,1,2,3.
2、分析： 显然 X 服从离散型概率分布，而且 X 的可能取值为 0，1，2，3.问题归结为求
∴ X 的分布律为：
P{X = 0} = P ( A1 ) = 1 / 2; P{X = 1} = P ( A1 A2 ) = 1 / 2 2 ; P{X = 2} = P ( A1 A2 A3 ) = 1 / 2 3 ;
X Pi
概率论随机函数及其概率分布
XY 1 2
10
1
3
21
1
3
3
P( X 2,Y 2) 2 1 1 , 32 3
16
2020年10月21日3时50分
山东建筑大学理学院信息与计算科学教研室
概率论与数理统计
随机变量及其概率分布
例2 一射手进行射击，每次射击击中目标的概率均为p (0<p<1 )，
且假设各次击中目标与否相互独立，射击进行到击中目标两次为止. 设以 X 表示到第一次击中目标所需要的射击次数，以 Y 表示总共
随机变量及其概率分布
若二维随机变量 (X, Y) 的全部可能取值为有限多对或可列无穷多对
则称(X, Y)为二维离散型随机变量
设二维随机变量(X, Y) 的全部可能值为 (xi , y j ) ，i, j 1,2,3, , 而 P(X x i ,Y y j ) pij , i, j 1, 2,3, ,
xn p( xn )
则随机变量函数Y=g(X)的概率分布是：
Y
P(Y yi )
y1 g( x1 )
p( x1 )
y2 g( x2 )
p( x2 )
yn g(xn )
p( xn )
2
2020年10月21日3时50分
山东建筑大学理学院信息与计算科学教研室
概率论与数理统计
例1 设随机变量X 的分布律为
随机变量及其概率分布
二维连续型随机变量，在平面内的某个区域内连续地取值 定义 设二维随机变量 (X, Y) 的联合分布函数为F(x, y) ，若存在
非负函数f (x, y) ，对任意实数 x, y ，有
F (x, y) x y f (u, v)dudv
概率论与数理统计-随机变量及其分布-随机变量与分布函数
7
01 随机变量
如何描述随机变量的统计规律呢 ？
无论是离散型随机变量，还是连续型随机变量以及其他类型 的随机变量，都需要一种统一的描述工具.
对一个样本空间，当建立了随机变量后，我们感兴趣的随机 变量落在某区间或等于某特定值的概率. 为此给出分布函数的概 念.
8
本讲内容
01 随机变量 02 分布函数
02 分布函数 定义 设 X 为随机变量，x 是任意实数，称函数 为 X 的分布函数.
x
如果将 X 看作数轴上随机点的坐标，那么分布函数 F(x) 的
值就表示 X 落在区间
的概率.
10
02 分布函数
用分布函数计算 X 落在( a ,b ] 里的概率：
因此，只要知道了随机变量X的分布函数， 它的统计特性 就可以得到全面的描述.
分布函数是一个普通的函数，正是通过它，我们可以用数 学分析的分布函数
分布函数的性质
(1) F ( x ) 单调不减，即
(3) F ( x ) 右连续，即 如果一个函数具有上述性质，则一定是某个随机变量X 的分 布函数. 也就是说，性质(1)--(3)是鉴别一个函数是否是某随机变 量的分布函数的充分必要条件.
01 随机变量
随机变量 ( random variable ) 定义 设 S 是试验E的样本空间, 若
按一定法则
ω.
X(ω)
R
4
01 随机变量
随机变量通常用
X,Y,Z或 , ,等表示
随机事件可以通过随机变 量的关系式表达出来 例如 某人每天使用移动支付的次数——随机变量X {某天至少使用1次移动支付} {某天1次也没有使用}
12
02 分布函数
例 解
《概率论》第2章§3随机变量的分布函数
面积成正比,且射击都能中靶,记 表示弹X 着
X
点与圆心的距离.求 的分布X函数.
显然当 x 时0 ,{X 故x} , 称这样的随机变量
F(x) P{X x} 0 为连续型随机变量
若 0 x 由2题, 意有 P{0 X为 常x}数 kx2 , k
Q P{0 X 2} k22 1 k 1/ 4
O
第二章
随机1 变量2及其分3布x
§3 随机变量的分布函数 3/5
r.v X的分布函数
F(x) P{X x } , x
F ( x)是单调不减函数
0 F(x) 1且
F () lim F(xx)10x,2 F() lim F(x) 1
F
(
x)
x Q {X
右连续函数即F ( x1 )
x1} {X P{X
x x2 } x1 }
当
x
时F
(
x
0)
lim
tx
F(t)P{XF
(x)x当2} x
F(x2) 时
{X x性} 质
是分布函数的本质{特X 征x} S
满r.v足的性分质布函PP{{数XX 必 xx满的}}关关足F于于(性x)质必xx 右左是连连某续续r.v的分布函数
第二章 随机变量及其分布
F(0x)当x0Px{X20,, xP时x}{X2P{存xXF0}在(0x}) P{0,令X
x}
x2 4
即 X的则若分x布由函2F, 题数(xF意)为(处有xf)F处(Ft()(x连x){)xPX续12{002/tPEX4,,,,,(N故,0xxS0x其xD})fx(t它0tx201S})d,,怎故2t第2,0,样二章理F随解(tO机1)这y变(t一量F1(x及)结0其2,t论分3布？2)x
高中数学学习中的概率分布与分布函数推导
高中数学学习中的概率分布与分布函数推导在高中数学学习中，概率分布与分布函数是重要的概念，它们被广泛应用于统计学和概率论中。
本文将介绍概率分布与分布函数的概念，并推导一些常见的概率分布和分布函数。
概率分布，也被称为分布律或分布函数，是用来描述随机变量各个取值的概率的函数。
假设随机变量X的取值集合为{x1, x2, ..., xn}，则概率分布可以表示为P(X=xi) = pi，其中pi为Xi取值的概率。
对于离散随机变量，概率分布可以表示为概率质量函数pmf，对于连续随机变量，概率分布可以表示为概率密度函数pdf。
常见的离散概率分布有伯努利分布、二项分布、泊松分布等。
伯努利分布是指只有两个可能结果的试验，例如抛硬币的结果可以是正面或反面。
对于伯努利分布，概率分布函数可以表示为P(X=x) = p^x * (1-p)^(1-x)，其中p为正面的概率。
二项分布适用于多次独立的伯努利试验，例如抛硬币多次或投掷骰子多次的结果。
对于二项分布，概率分布函数可以表示为P(X=k) = C(n,k) * p^k * (1-p)^(n-k)，其中n为试验次数，p为正面或成功的概率，k为成功的次数。
泊松分布适用于描述单位时间内某事件发生次数的概率分布。
对于泊松分布，概率分布函数可以表示为P(X=k) = (e^-λ * λ^k) / k!，其中λ为单位时间内事件的平均发生率，k为具体的发生次数。
对于连续概率分布，常见的有均匀分布、正态分布、指数分布等。
均匀分布是指随机变量在一段区间内各个取值的概率相等，概率密度函数为f(x) = 1/(b-a)，其中a和b分别为区间的上下界。
正态分布，也被称为高斯分布，是自然界中常见的分布形态，概率密度函数可以表示为f(x) = (1/sqrt(2πσ^2)) * exp(-(x-μ)^2/(2σ^2))，其中μ为均值，σ为标准差。
指数分布适用于描述随机事件之间的时间间隔，概率密度函数可以表示为f(x) = λ * exp(-λx)，其中λ为事件发生率。
概率论 随机变量的函数及其分布
p X [ f 1 ( y )] [ f 1 ( y )] , 0 y , pY ( y ) 其他 . 0，
1 [ f 1 ( y )] , 0 f 1 ( y ) 1, 其他 . 0, 1 1 , 0 ln y 1, y 其他 . 0, 1 , 1 y e, y 0, 其他 .
证 F ( x )是分布函数
0 F ( x ) 1, 且F ( x )单调不减
依题意， 又知 F ( x )严格单调增加
故 y R,
FY ( y ) P{Y y } P { F ( X ) y }
FY ( y ) P{Y y } P{ F ( X ) y } y 0, P ( ), P{ F ( X ) y }, 0 y 1, P ( ), y 1. y 0, 0, P{ X F 1 ( y )}, 0 y 1, 1, y 1.
且恒有f ( x ) 0(或恒有f ( x ) 0), 则Y f ( X )是连
续型随机变量，其概率 密度为
p X [ f 1 ( y )] [ f 1 ( y )] , y , pY ( y ) 0, 其它. 其中 f 1 ( y ) 是 f ( x ) 的反函数, ( , )是f 1 ( y )的定义域，
y 0, 0, 0, 0 y 1, FY ( y ) ln y , 1 y e, y e. 1,
从而
d FY ( y ) pY ( y ) dy
1 , 1 y e, y 0, 其他 .
例6 设圆的直径服从区间(0,1)上的均匀分布
分布函数与概率密度函数：随机事件的概率分布函数
分布函数与概率密度函数：随机事件的概率分布函数随机事件的概率分布函数是概率论中的重要概念之一。
在概率论中，我们经常需要对随机事件进行分析与描述，而概率分布函数正是帮助我们实现这一目的的数学工具。
一、分布函数的定义对于一个随机变量X，其分布函数（cumulative distribution function，简称CDF）是指在任意实数t处，随机变量X的取值小于等于t的概率，即F(t) = P(X ≤ t)。
其中，F(t)表示X的分布函数，P表示概率。
概率密度函数（probability density function，简称PDF）是概率论中用来描述连续型随机变量概率分布的函数，简称密度函数。
与离散型随机变量的概率分布函数类似，概率密度函数也是用来描述随机变量的取值和概率之间的关系。
二、分布函数与概率密度函数的关系对于连续型随机变量X，其分布函数F(t)可以通过概率密度函数f(t)求得。
具体而言，分布函数F(t)是通过概率密度函数f(t)的积分得到的，即F(t) = ∫f(x)dx。
概率密度函数f(x)是分布函数F(t)的导数，即f(t) =dF(t)/dt。
三、概率分布函数的性质1. 非递减性质：对于任意实数a和b，若a ≤ b，则F(a) ≤ F(b)。
这一性质说明了分布函数是非递减的，即随着t的增加，分布函数的值也会逐渐增加。
2. 右连续性质：对于任意实数t，有lim┬(h→0)〖F(t+h) = F(t)〗。
这一性质说明了分布函数是右连续的，即随机变量X的取值小于等于t的概率在t点处不会突变。
3. 在正无穷处趋于1：对于任意实数t，有lim┬(t→∞)〖F(t) = 1〗。
这一性质说明了分布函数在正无穷处的取值趋于1，即随机变量X的取值小于等于正无穷的概率为1。
4. 在负无穷处趋于0：对于任意实数t，有lim┬(t→-∞)〖F(t) = 0〗。
这一性质说明了分布函数在负无穷处的取值趋于0，即随机变量X的取值小于等于负无穷的概率为0。
概率论第六讲--随机变量的分布函数
及
其
y
由 FY ( y) F (x, )
[
f (x, y)dx]dy
知Y是连续型随机变量,其概率密度为
分 布
称为(X,fYY)(关y)于 Y的 f边(x缘, y)概dx率密度.
例3 求例1中二维随机变量（X、Y）关于X
和关于Y的边缘分布律。
例4 设随机变量X和Y具有联合概率密度 求
已知 分布函数F(x)
函 则f(x)在连续点处: f ( x) F `( x)
数
§2.5 多维随机变量及其分布
(一)二维随机变量
1.二维随机变量
引例1 E：火炮射击观察“弹着点”的位置；
例2 E：抽查学龄前儿童，观察身体素质。
定义：
随机试验E,样本空间为S=｛e｝,设X=X(e) 和Y=Y(e)是定义在S上的随机变量,由它们构 成的向量(X,Y),称为二维随机变量。
其 且F(-∞,-∞)=0,F(+∞,+∞)=1.
分 (3)F(x,y)关于x或y右连续.
布
多 • 2.离散型随机变量的联合分布律
维 设二维随机变量(X,Y)所有可能取值为
随 (xi,yj),记P｛X=xi,Y=yj｝=pij,称为二维
机
离散型随机变量(X,Y)的概率分布或分布 律,或称为随机变量X,Y的联合分布律.
机 F(x,y),如存在非负的函数f(x,y),
变 使对于任意x,y，都有：
量 则称(X,Y)是连续型的二维随机变量,
及 函数f(x,y)称为(X,Y)的概率密度,
其 或称为X和Y的联合概率密度.
分
布
多 概率密度f(x,y)的性质
维 1 f (x, y) 0;
概率论与数理统计-第二章-随机变量及其分布函数ppt课件
表格: X
x1 x2
pk
p1 p2
概率分布图：
1P
xn
pn
0.5
x4 x3
x1
x2
X
.
由概率的性质易知离散型随机变量的分布列
pk
满足下列特征性质:
k 1
① pk 0(k 1,2,) [非负性]
②
pk 1 [规范性]用于确定待定参数
k 1
③ F( x) P( X x) P(X xi ). xi x
1. 2
.
【例2】设随机变量X的分布函数为
aex b, x 0
F(x)
0,
x0
解： 因为 F(x) 在 x=0 点右连续
求: 常数 a 和 b。
所以 lim F ( x) lim (ae x b) a b 0
x0
x0
又因为 F () lim (ae x b) b 1 x
1、两点分布 或（0 - 1）分布
two-point distribution
定义1 设离散型随机变量X的分布列为
X0 1 pk 1 p p
其中 0<p<1
则称 X 服从（0 - 1）分布，记作 X ～（0 - 1）分布
F(x)
（0 - 1）分布的分布函数
0 , x0 F ( x) 1 p, 0 x 1
X = “三次试验中 A 发生的次数”，
{ X 2} A1A2 A3 A1A2 A3 A1A2 A3 P{X 2} P(A1A2 A3 A1A2 A3 A1A2 A3 )
P(A1A2 A3 ) P(A1A2 A3 ) P(A1A2A3 ) P(A1)P(A2)P(A3) P(A1)P(A2)P(A3) P(A1)P(A2 )P(A3 ) C32 p2(1 p)32
概率论3-4节两个随机变量的函数的分布-优质课件
一、问题的引入 二、离散型随机变量函数的分布 三、连续型随机变量函数的分布 四、小结
一、问题的引入
有一大群人,令 X 和 Y 分别表示一个人的 年龄和体重, Z 表示该人的血压,并且已知Z 与 X , Y 的函数关系Z f ( X ,Y ), 如何通过X ,Y 的 分布确定Z 的分布.
1113 22 22 22 22 .
故Z max(X ,Y ) Z 0
1
的分布律为
1
3
P
4
4
三、连续型随机变量函数的分布
1. Z=X+Y 的分布
设( X ,Y )的概率密度为p(x, y), 则Z X Y
的分布函数为
FZ (z) P{Z z} p(x, y) d x d y x yz
解 由于 pX ( x)
1
x2
e 2 , x ,
2
pY ( y)
1
y2
e 2,
2
y ,
由公式
pZ (z) pX (x) pY (z x) d x.
得
pZ (z)
1
x2 ( z x )2
e 2e 2 dx
1
1
3
1
12 12 12
1 2 3
概率 1
12
2
1
12 12
2
0
12
132
12 12 12
0 等价于
2 12 12 2 12 12 12
( X ,Y )
(1,2)
(1,1) (1,0)
1 2
,2
概率论与数理统计(随机变量函数的分布)
( 3) ( 2) ( 3) ( 2) 1
0.9987 0.9772 1 0.9759
2.4.2 连续型随机变量函数的分布
也可以这样计算：
102 108 X 108 117 108 P{102 X 117} P 3 3 3 X 108 P { 2 3} ( 3) ( 2) 0.9759 3
函 数 NORMDIST 返 回 累 ቤተ መጻሕፍቲ ባይዱ 函 数 值 （ 即 分 布 函 数
值）；如果为FALSE，返回概率密度值．
2.4.2 连续型随机变量函数的分布
实验步骤： (1)在单元格B2中输入计算P{X < 102}的公式：
= NORMDIST(102, 108, 3, TRUE)
(2) 在单元格B3中输入计算P{X < 117}的公式：
f X [h( y)][ h' ( y)], y , fY ( y) 0, 其它
综合以上两式，定理证毕．
2.4.2 连续型随机变量函数的分布
说明：
若 f X ( x )在有限区间(a,b)外等于零,当 x (a, b) 时，g ( x ) ( , ) 且在(a，b)上恒有g'(x) > 0 （或恒有g'(x)<0 ），则仍可按式(2.12)求得 Y = g(X)概率密度.
2) 当y > 0时，FY ( y) P{ y X y} ( y) ( y) 2 ( y) 1 则
fY ( y) F 'Y ( y) 2 ( y) 2 1
2
《概率论与数理统计》第四节随机变量函数的分布
y，
(ln
y)
1， y
故Y的概率密度为：
fY
(
y)
1 2y
,
1
y e2,
0, 其它.
求连续型随机变量函数分布律的方法：
(2) 设y g( x)在区间I（k k 1,2,, s)上严格单调，且反函数分别
为x
hk (
y)，则Y
g( X )的概率密度为： s
fY ( y) f X [hk ( y)] h'k ( y) .
P(Z 1) P( X 1) P( X 1) 0.2 0.1 0.3，
P(Z 4) P( X 2) 0.3，P(Z 9) P( X 3) 0.3，
因此Z的分布律为：
Z P
0 0.1
1 0.3
4 0.3
9 0.3
.
从例1看到，根据X的分布确定Y g( X )分布，只需用“事件相 同，概率相等”的思想处理. 一般地有，
h'(
y)
,
y ，
其它.
其中 min{ g(), g()}， max{g(), g()}.
一、分布函数
1. 分布函数：设X是一个随机变量，对任意实数 x，事件{X x}的
概率P( X x)称为随机变量X的分布函数，记作F( x)，即
F( x) P( X x).
2. 分布函数的性质：
P( X k) k e，k 0，1，2,， 0， 则称X服从泊松分布，记k为! ：X～ ( ).
4. 几何分布: 若随机变量X所有可能取值为1, 2, , 且分布律为:
P( X k) pqk1, k 1, 2,, 0 p 1, q 1 p,
则称X服从几何分布，记为：X～G( p).
概率论-随机变量的分布函数
(2.15)
例11 设随机变量X 只取一个值 c，即
P{X c} 1.
求 X 的分布函数 F(x).
解 由(2.15)式，有
F
(x)
0, 1,
(2.16)
x c, x c.
显然，X 不再是随机的，为了方便把它作为随机变 量的退化情况，称(2.16)式为退化分布．
分布函数 F(x) 具有下列性质：
(1) F(x) 单调不减，即若 x1 x2 ，则 F(x1) F(x2 )；(2.11)
(2)0 F(x) 1, x (,);
(2.12)
(3) F() lim F(x) 0, F() lim F(x) 1; (2.13)
x
x
(4) F(x)最多有可列个间断点，并且在其间断点处是
右连续的．即对任何实数 x0 , F (x0 0) F (x0 ). (2.14)
所以 X 的分布函数为 0,
F ( x) pn 00..27946,,
xn x
0.962,
1,
x 0, 0 x 1, 1 x 2, 2 x 3,
x 3.
注 若已 X 的分布函数，就能求出 X 落在任一 知区间的概率：
P{x1 X x2} F(x2 ) F(x1);
P{x1 X x2} F(x2 ) F(x1) P{X x1};
P{x1 X x2} F(x2 ) F(x1) P{X x2}; P{x1 X x2} F(x2 ) F(x1) P{X x2} P{X x1}.
P{第0 一X章 3} F( 3) F(0) 0.74 0.296 0.444;
(5) P( X x) F( x) F( x 0)
例12 设X 服从参数为 p 的（0-1）分布，
概率论与数理统计01 第一节 随机变量及其分布函数
第二章随机变量及其概率分布在随机试验中，人们除对某些特定事件发生的概率感兴趣外，往往还关心某个与随机试验的结果相联系的变量. 由于这一变量的取值依赖于随机试验结果，因而被称为随机变量. 与普通的变量不同，对于随机变量，人们无法事先预知其确切取值，但可以研究其取值的统计规律性. 本章将介绍两类随机变量及描述随机变量统计规律性的分布.第一节一维随机变量及其分布函数内容分布图示★随机变量概念的引入★随机变量的定义★例1★例2★例3★引入随机变量的意义★课堂练习★习题2-1内容要点:一、随机变量概念的引入为全面研究随机试验的结果, 揭示随机现象的统计规律性, 需将随机试验的结果数量化，即把随机试验的结果与实数对应起来.1. 在有些随机试验中, 试验的结果本身就由数量来表示.2. 在另一些随机试验中, 试验结果看起来与数量无关,但可以指定一个数量来表示之.二、随机变量的定义定义设随机试验的样本空间为S, 称定义在样本空间S上的实值单值函数)XX(e 为随机变量.随机变量与高等数学中函数的比较:(1) 它们都是实值函数,但前者在试验前只知道它可能取值的范围,而不能预先肯定它将取哪个值;(2) 因试验结果的出现具有一定的概率,故前者取每个值和每个确定范围内的值也有一定的概率.三、引入随机变量的意义随机变量的引入,使得随机试验中的各种事件可通过随机变量的关系式表达出来.由此可见,随机事件这个概念实际上是包容在随机变量这个更广的概念内.也可以说,随机事件是从静态的观点来研究随机现象,而随机变量则以动态的观点来研究之.其关系类似高等数学中常量与变量的关系.随机变量概念的产生是概率论发展史上的重大事件. 引入随机变量后,对随机现象统计规律的研究,就由对事件及事件概率的研究转化为随机变量及其取值规律的研究,使人们可利用数学分析的方法对随机试验的结果进行广泛而深入的研究.随机变量因其取值方式不同, 通常分为离散型和非离散型两类. 而非非离散型随机变量中最重要的是连续型随机变量. 今后，我们主要讨论离散型随机变量和连续型随机变量.例题选讲：例1 (讲义例1) 在抛掷一枚硬币进行打赌时, 若规定出现正面时抛掷者赢1元钱, 出现反面时输1元钱, 则其样本空间为=S {正面, 反面},记赢钱数为随机变量X , 则X 作为样本空间S 的实值函数定义为⎩⎨⎧=-==.,1,,1)(反面正面ϖϖϖX 例2 (讲义例2) 在将一枚硬币抛掷三次, 观察正面H 、反面T 出现情况的试验中, 其样本空间};,,,,,,,{TTT TTH THT HTT THH HTH HHT HHH S =记每次试验出现正面H 的总次数为随机变量X , 则X 作为样本空间S 上的函数定义为1112223X TTTTTH THT HTT THH HTH HHT HHH ϖ易见, 使X 取值为})2({2=X 的样本点构成的子集为},,,{THH HTH HHT A = 故 ,8/3)(}2{===A P X P 类似地，有.8/4},,,{}1{==≤TTT TTH THT HTT P X P例3 (讲义例3) 在测试灯泡寿命的试验中, 每一个灯泡的实际使用寿命可能是),0[+∞中任何一个实数, 若用X 表示灯泡的寿命（小时），则X 是定义在样本空间}0|{≥=t t S 上的函数，即t t X X ==)(，是随机变量.课堂练习1. 一报童卖报, 每份0.15元,其成本为0.10元. 报馆每天给报童1000份报, 并规定他不得把卖不出的报纸退回. 设X 为报童每天卖出的报纸份数, 试将报童赔钱这一事件用随机变量的表达式表示.四. 随机变量的分布函数定义 设X 是一个随机变量, 称)()()(+∞<<-∞≤=x x X P x F 为X 的分布函数.有时记作)(~x F X 或)(x F X .分布函数的性质1. 单调非减. 若21x x <, 则)()(21x F x F ≤；2. ;1)(lim )(,0)(lim )(==+∞==-∞+∞→-∞→x F F x F F x x3. 右连续性. 即).()(lim 00x F x F x x =+→例4 判别下列函数是否为某随机变量的分布函数?⎪⎩⎪⎨⎧≥<≤+<=⎪⎩⎪⎨⎧≥<≤<=⎪⎩⎪⎨⎧≥<≤--<=.2/1,1,2/10,2/1,0,0)()3(;,1,0,sin ,0,0)()2(;0,1,02,2/1,2,0)()1(x x x x x F x x x x x F x x x x F ππ解 (1)由题设, )(x F 在),(+∞-∞上单调不减, 右连续, 并有,0)(lim )(==-∞-∞→x F F x ,1)(lim )(==+∞+∞→x F F x所以)(x F 是某一随机变量X 的分布函数.(2)因)(x F 在),2/(ππ上单调下降, 所以)(x F 不可能是分布函数. (3)因为)(x F 在),(+∞-∞上单调不减, 右连续, 且有 ,0)(lim )(==-∞-∞→x F F x ,1)(lim )(==+∞+∞→x F F x所以)(x F 是某一随机变量X 的分布函数.离散型随机变量的分布函数例5（讲义例2）设随机变量X 的分布律为 ,2/16/13/121i p X求)(x F .解 }{)(x X P x F ≤=当0<x 时，,}{∅=≤x X 故0)(=x F 当10<≤x 时，31}0{}{)(===≤=X P x X P x F 当21<≤x 时, 216131}1{}0{)(=+==+==X P X P x F 当2≥x 时，1}2{}1{}0{)(==+=+==X P X P X P x F 故 ,2,121,2/110,3/10,0)(⎪⎪⎩⎪⎪⎨⎧≥<≤<≤<=x x x x x F )(x F 的图形是阶梯状的图形, 在2,1,0=x 处有跳跃, 其跃度分别等于},0{=X P },1{=X P }.2{=X P例6 X 具有离散均匀分布, 即,,,2,1,/1)(n i n x X P i ===求X 的分布函数.解将X 所取的n 个值按从小到大的顺序排列为)()2()1(n x x x ≤≤≤则)1(x x <时，,0}{)(=≤=x X P x F )2()1(x x x <≤时，,/1}{)(n x X P x F =≤= )3()2(x x x <≤时，,/2}{)(n x X P x F =≤=……)1()(+<≤k k x x x 时，,/}{)(n k x X P x F =≤=)(n x x ≥时，1}{)(=≤=x X P x F故 )(x F ⎪⎪⎩⎪⎪⎨⎧<=≥<),,max(,1),,2,1(),,min(,/),,min(,0111n j n n x x x x k n j x x x x n k x x x 当个不大于中恰好有且当当例7（讲义例3）设随机变量X 的分布函数为⎪⎪⎩⎪⎪⎨⎧≥<≤<≤<=.3,1,32,19/15,21,19/9,1,0)(x x x x x F求X 的概率分布.解 由于)(x F 是一个阶梯型函数, 故知X 是一个离散型随机变量, )(x F 的跳跃点分别为1, 2, 3, 对应的跳跃高度分别为 9/19, 6/19, 4/19, 如图.故X 的概率分布为 .19/419/619/9321i p X课堂练习设随机变量X 的概率分布为4/12/14/1321i p X -,求X 的的分布函数，并求{},2/1≤X P {},2/52/3≤<X P {}.32≤≤X P。
概率论-随机变量函数的分布
fY
(
y
)
f
[h(
y)]
dh( y dy
)
,
y
0,
其它
其中， min g(x), max g(x),
a xb
a xb
x=h (y) 是 y=g (x) 的反函数 .
此定理的 证明与前 面的解题 思路类似
注意 利用以上公式直接写出Y g( x) 的概率 密度时，要注意两点：
即
z y
FX (z y) fX ( x)dx
于是
FZ (z)
z y
fY ( y)[ f X ( x)dx]dy
fY
(
y)FX
(z
y)dy
将上式两边关于z求导，得
FZ (z) ຫໍສະໝຸດ fZ (z)fY ( y) fX (z y)dy
由X和Y的对称性, fZ (z) 又可写成
fZ (z) fX ( x) fY (z x)dx
y)
fY
(
y)dy
z
1
e
ydy,
0
0 z 1
fZ
(z)
z z 1
fX
(z
y)
fY
(
y)dy
0,
z 1 e ydy, z 1
z 1
其他
1 ez , 0 z 1
(e
1)e
z
,
z 1
0,
其他
f
X
(
x
)
1,
0,
0
x 其它
1 ,
e y , y 0
fY ( y)
0,
其它
方法二
若由卷积公式
- 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)。
随机变量及其概率分布
§2.7 二维随机变量的条件分布
一、二维离散型随机变量的条件分布
P( X
xi
|Y
yj)
P( X xi ,Y P(Y y j )
yj)
pij p• j
,
i
1, 2,3,
.
P(Y y j ) 0
二、二维连续型随机变量的条件分布
f X |Y (x | y)
f (x, y) fY ( y)
可知随机变量 U与V 不互相独立.
14
2020年10月21日3时49分
山东建筑大学理学院信息与计算科学教研室
概率论与数理统计
随机变量及其概率分布
例3 已知二维随机变量 (X ,Y ) 的联合密度函数
4xy, 0 x 1, 0 y 1, f (x, y) 0, 其它.
试问随机变量 X与Y 是否相互独立？
P( X
m|Y
n)
P{X m,Y P{Y n}
n}
p2 (1 p)n2 (n 1) p2 (1 p)n2
1 n 1
m 1, 2, , n 1
4
2020年10月21日3时49分
山东建筑大学理学院信息与计算科学教研室
概率论与数理统计
随机变量及其概率分布
例2 一射手进行射击，每次射击击中目标的概率均为p (0<p<1 )，
且假设各次击中目标与否相互独立，射击进行到击中目标两次为止. 设以 X 表示到第一次击中目标所需要的射击次数，以 Y 表示总共
进行的射击次数. 试求 (X, Y) 的条件分布律. 解 (X, Y)的联合分布律为
关于X的边缘分布
当 m 1, 2, 时，在条件 X=m 下，随机变量 Y 的条件分布律为
f (x, y) fX (x) fY ( y). 或 fX|Y (x | y) fX (x)
11
2020年10月21日3时49分
山东建筑大学理学院信息与计算科学教研室
概率论与数理统计
随机变量及其概率分布
例1 已知随机变量 (X ,Y )的 X Y 1 2
联合分布律为
试确定常数 a ,b
1 1/3 a
x2
(1
x2
),
0 x 1, 其它.
P( X
0.5)
0.5
fX
(x)dx
1
0.5
15 2
x2 (1
x2 )dx
47 64
9
2020年10月21日3时49分
山东建筑大学理学院信息与计算科学教研室
概率论与数理统计
§2.8 随机变量的独立性
一、两个随机变量的独立性
随机变量及其概率分布
随机变量 X 与Y 相互独立等价于对任意实数x , y ，都有
X
1, 第一次取出的是白球 0, 第一次取出的是红球
Y
1,
0,
第二次取出的是白球 第二次取出的是红球
试在条件 X = 0 和 X = 1 下，分别求出随机变量Y 的条件分布
解
PY 0 | X 0 1
2
P Y 1| X 0 1
2
在条件 X = 0 下，随机变量Y的条件分布律为
Y|X 0 0 1
o
P(U 0,V 1) P(X Y, X 2Y) 0
12
x
P(U 1,V 0) P(X Y, X 2Y)
P(Y X 2Y)
1 4
P(U 1,V 1) 1 1 1 1 44 2
V U
0
1
pi
0 1/4 0
1/4
1 1/4 1/2 3/4
p j 1/2 1/2
13
2020年10月21日3时49分
山东建筑大学理学院信息与计算科学教研室
概率论与数理统计
随机变量及其概率分布
所以随机变量(U ,V ) 的联合分布律和边缘分布律为
V U
0
1
pi
0
1/4 0 1/4
1 1/4 1/2 3/4
p j 1/2 1/2
由于 P(U 0,V 1) 0 P(U 0)P(V 1) 1 1 1 42 8
解 FU (u) P(U u) P( X1 u , X 2 u , , X n u)
P(X1 u)P(X2 u) P(Xn u) FX1 (u)FX2 (u) FXn (u)
P(Y yi | X 0) 1/2 1/2 在条件 X = 1 下，随机变量 Y 的分布律为
Y | X 1
01
P(Y yi | X 1) 3/4 1/4
3
2020年10月21日3时49分
山东建筑大学理学院信息与计算科学教研室
概率论与数理统计
随机变量及其概率分布
例2 一射手进行射击，每次射击击中目标的概率均为p (0<p<1 )，
U max{X1, X2 , Xn} V min{X1, X2
, Xn}的分布函数.
FU (u) FX1 (u)FX2 (u) FXn (u)
FV (v) 1 (1 FX1 (v))(1 FX2 (v)) (1 FXn (v))
10
2020年10月21日3时49分
山东建筑大学理学院信息与计算科学教研室
分别以X 和Y 表示其体重和身高. 则 X 和Y 都是随机变量，
现在若限制 1.7<Y<1.8(米), 在这个条件下去求 X 的条件分布
一、二维离散型随机变量的条件分布
定义 设二维离散型随机变量(X, Y) 对于固定的j ，有P(Y y j ) 0
则称
P( X
xi
|Y
yj)
P( X xi ,Y P(Y y j )
fX |Y (x | y) f (x, y) fY ( y)
( fY ( y) 0)
在条件X=x 下，随机变量 Y 的条件密度函数
fY|X ( y | x)
f (x, y) fX (x)
( fX (x) 0)
6
2020年10月21日3时49分
山东建筑大学理学院信息与计算科学教研室
概率论与数理统计
解
fX
(x)
f
(x,
y)dy
01 4xydy, 0,
0 x 1, 2x, 0 x 1, 其它. 0, 其它.
fY
( y)
f
(x,
y)dx
2 y, 0,
0 y 1, 其它.
可见，对任意实数x, y 有 f (x, y) fX (x) fY (y)
所以随机变量 X与Y 是相互独立的.
F(x, y) FX (x)FY ( y) 二维离散型随机变量 X 与Y 相互独立的充分必要条件为
P(X xi ,Y y j ) P(X xi )P(Y y j )
或 P(X xi | Y y j ) P(X xi ), i, j 1, 2,3, 二维连续型随机变量 X 与Y 相互独立的充分必要条件为
3
pi
b a b1/ 3
使 X 与Y 相互独立
解 先求出(X ,Y)关于X 和Y 的边缘分布律
由
1
2 1/6 1/9 1/18 3
pj
1 2
a1 b 1 9 18
P(X 2,Y 2) P(X 2)P(Y 2) P(X 2,Y 3) P(X 2)P(Y 3)
1 (a 1) 1 ,
15
2020年10月21日3时49分
山东建筑大学理学院信息与计算科学教研室
概率论与数理统计
二、n 个随机变量的独立性
随机变量及其概率分布
例4 设随机变量 X i (i 1, 2, , n)相互独立，且分别具有分布函数
FXi (xi ), i 1, 2, n，设U max{X1, X2 , Xn}，V min{X1, X2 , Xn} 试求随机变量U和V 的分布函数.
f
(x,
y)dy
r2
0,
r2 x2 , r x r, 其它.
于是当-r<x<r 时，在条件 {X=x} 下, Y 的条件密度函数
fY|X ( y |
x)
f (x, y) fX (x)
2 0,
1， r2 x2
r2 x2 y 其它.
r2 x2，
随机变量(X, Y) 为均匀分布，其边缘分布不一定是均匀分布，
概率论与数理统计
§2.8 随机变量的独立性
一、两个随机变量的独立性
随机变量及其概率分布
若对任意实数 x , y ，二维随机变量(X,Y ) 都有
P(X x,Y y) P(X x)P(Y y)
则称随机变量X 和 Y 是相互独立的.
随机变量 X 与Y 相互独立等价于对任意实数 x , y ，都有
ห้องสมุดไป่ตู้
上服从均匀分布，定义随机变量 1, X Y ,
U 0, X Y.
V
1, 0,
X 2Y , X 2Y.
试求随机变量 (U ,V ) 的联合分布律，并判断 U与V 是否相互独立？
y
yx
解 P(U 0,V 0) P(X Y, X 2Y)
2y x
P(X Y ) 1 / 2 1
24
随机变量及其概率分布
例 3 设随机变量 (X, Y)在圆域 x2 y2 r2上服从二维均匀分布，求
(X, Y)的条件密度函数 fX |Y (x | y)和 fY|X ( y | x)
解
f
(x,
y)
1
r
2
,
x2
y2
r2,
0, 其它.
fY
( y)
f
( x,
y)dx
r2 y2 r2 y2
1
yj)
pij p• j