随机变量及其分布列概念公式总结

合集下载
  1. 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. 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. 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 k
M N
M
n
N
C 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 k
n 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 0
1 … k … n
P
n
n q p C 00
111-n n q p C … k
n 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。

9.离散型随机变量的均值或数学期望: 一般地,若离散型随机变量ξ的概率分布为
则称 =ξE +11p x +22p x …++n n p x … 为ξ的均值或数学期望,简称期望. 10.离散型随机变量的均值或数学期望的性质: (1)若ξ服从两点分布,则=ξE p . (2)若ξ~B (n ,p ),则=ξE np . (3)()c c E =,c 为常数
(4)ξ~N (μ,2
σ),则=ξE μ
(5)b aE b a E +=+ξξ)(
11.方差: 对于离散型随机变量ξ,如果它所有可能取的值是1x ,2x ,…,n x ,…,
且取这些值的概率分别是1p ,2p ,…,n p ,…,那么,
ξD =121)(p E x ⋅-ξ+222)(p E x ⋅-ξ+…+n n p E x ⋅-2)(ξ+…
称为随机变量ξ的均方差,简称为方差,式中的ξE 是随机变量ξ的期望. 12. 标准差:ξD 的算术平方根ξD 叫做随机变量ξ的标准差, 13.方差的性质:
(1)若ξ服从两点分布,则=ξD p (1-p ). (2)若ξ~B (n ,p ),则=ξD np (1-p ). (3)()0=c D ,c 为常数 (4)ξ~N (μ,2σ),则=ξD 2σ (5)ξξD a b a D 2)(=+
14正态分布密度函数可写成
22
()21
(),(,)x f x x μσ--
=∈-∞+∞,(σ>0)
15正态分布:一般地,如果对于任何实数a b <,随机变量X 满足
,()()b
a P a X B x dx μσϕ<≤=⎰, 则称 X 的分布为正态分布(normal
distribution ) .正态分布完全由参数μ和σ确定,因此正态分布常记作
),(2σμN .如果随机变量 X 服从正态分布,则记为X ~),(2σμN .
16.正态曲线的性质:
(1)曲线在x 轴的上方,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=
(4)曲线与x 轴之间的面积为1
(5)μ一定时,σ越大,曲线越“矮胖”,总体分布越分散;σ越小.曲线越“瘦高”.总体分布越集中:
(6)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。

17.标准正态曲线:当μ=0、σ=l 时,正态总体称为标准正态总体,
2
221)(x e
x f -
=
π
,(-∞<x <+∞)
18(1)()6826.0=+≤<-σμσμx P
(2)()9544.022=+≤<-σμσμx P (3)()9974.033=+≤<-σμσμx P。

相关文档
最新文档