相互独立的随机变量

独立同分布随机变量序列的顺序统计方法(2019)

独立同分布随机变量序列的顺序统计方法 设有限长度离散随机变量序列12,,...,n x x x ，对其按从小到大的顺序排列，得到新的随机序列12,,...,n y y y ，满足：12...n y y y ≤≤≤；假设12,,...,n x x x 是独立同分布的连续取值型随机变量，每个变量的概率分布函数及概率密度分布函数分别为(),()F x f x 。 (1)求(1)k y k n ≤≤的概率密度分布函数()k y f y 解：k y 在y 处无穷小邻域取值的概率()k y f y dy 可以等效为这样一些事件发生的概率之 和：12,,...,n x x x 这n 个随机变量中有任意一个在y 处无穷小邻域取值，而剩余的n -1个随机变量中有任意k -1个的取值小于等于y ，对应的另外n -k 个变量的取值大于等于y 事件的个数(变量的组合数)为111n n k -???? ???-???? ，每个事件的概率为1[()]()[1()]k n k f y dy F y F y ---，则 11()()()[1()]11k k n k y n n f y dy f y dyF y F y k ---????=- ???-???? => 1!()()[1()]() (1)(1)!()! k k n k y n f y F y F y f y k n k n k --= -≤≤-- (2)求随机变量,(1)k l y y k l n ≤<≤的联合概率密度分布函数(,)k l y y f u v 解：(,) ()k l y y k l <在平面上的点(,) ()u v v u ≥处无穷小邻域取值的概率

独立随机变量期望和方差的性质

第七周多维随机变量，独立性 7.4独立随机变量期望和方差的性质 独立随机变量乘积的期望的性质： Y X ,独立，则()()() Y E X E XY E =以离散型随机变量为例，设二元随机变量(),X Y 的联合分布列() ,i j P X x Y y ==已知，则()()(),i j i j P X x Y y P X x P Y y ====?=， () 1,2,,; 1,2,,i m j n == ()() 11,m n i j i j i j E XY x y P X x Y y =====∑∑()() 11 m n i j i j i j x y P X x P Y y =====∑∑()() 1 1 m n i i j j i j x P X x y P Y y =====∑∑()() E X E Y =***********************************************************************独立随机变量和的方差的性质： Y X ,独立，则()()() Y Var X Var Y X Var +=+()()() 2 2 Var X Y E X Y E X Y ??+=+-+?? ()222E X XY Y =++()()()()22 2E X E X E Y E Y ??-++? ? ()()()()2 2 22E X E X E Y E Y =-+-()()()22E XY E X E Y +-()()()() 2 2 22E X E X E Y E Y =-+-()() Var X Var Y =+若12,,,n X X X 相互独立，且都存在方差，则()() 121 n m k k Var X X X Var X =+++=∑ ***********************************************************************利用独立的0-1分布求和计算二项分布随机变量()~,X b n p 期望和方差 我们在推导二项分布随机变量的方差时，已经利用了独立随机变量和的方差等于方差

随机变量及其分布列与独立性检验练习题附答案

数学学科自习卷（二） 一、选择题 1．将三颗骰子各掷一次，记事件A ＝“三个点数都不同”，B ＝“至少出现一个６点”，则条件概率()P A B ，() P B A 分别是（ ） A.6091，12 B.12，6091 C.518，6091 D.91216，12 2．设随机变量ξ服从正态分布()3,4N ，若()()232P a P a ξξ<-=>+，则a 的值为 A ．73 B ．53 C ．5 D ．3 3．已知随机变量ξ～)2,3(2N ，若23ξη=+,则D η= A ． 0 B ． 1 C ． 2 D ． 4 4．同时拋掷5枚均匀的硬币80次，设5枚硬币正好出现2枚正面向上，3枚反面向上的次数为ξ，则ξ的数学期望是（ ） A ．20 B ．25 C. 30 D ．40 5． 甲乙两人进行乒乓球比赛, 约定每局胜者得1分, 负者得0分, 比赛进行到有一人比对方多2分或打满6局时停止, 设甲在每局中获胜的概率为 23,乙在每局中获胜的概率为13 ,且各局胜负相互独立, 则比赛停止时已打局数ξ的期望()E ξ为（ ） A ．24181 B ．26681 C ．27481 D ．670243 6．现在有10奖券，82元的，25元的，某人从中随机无放回地抽取3奖券,则此人得奖金额的数学期望为（ ） A ．6 B ．395 C ．415 D ．9 7．一个篮球运动员投篮一次得3分的概率为a ，得2分的概率为b ，不得分的概率为c ，,,(0,1)a b c ∈，且无其它得分情况，已知他投篮一次得分的数学期望为1，则ab 的最大值为 （ ） A ．148 B ．124 C ．112 D ．16 8．位于数轴原点的一只电子兔沿着数轴按下列规则移动：电子兔每次移动一个单位，移动的方向向左或向右，并且向左移动的概率为 23，向右移动的概率为13，则电子兔移动五次后位于点(1,0)-的概率是 （ ） A ．4243 B ．8243 C ．40243 D ．80243

随机变量及其分布知识点整理

随机变量及其分布知识点整理 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 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 ++???+= 1．两点分布 如果随机变量X 的分布列为 则称X 服从两点分布，并称=P(X=1)p 为成功概率. 2．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： (),0,1,2,3,...,k n k M N M n N C C P X k k m C --=== {}*min ,,,,,,m M n n N M N n M N N =≤≤∈其中且。 注：超几何分布的模型是不放回抽样 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

选修2-3随机变量及其分布知识点总结典型例题

2-3随机变量及其分布 -- HW) T数字特征11 …. --- L-W Array「(两点分布〕 5店殊分布列)--憊几何分祠 -(二项分利 十［并件相互独立性)一価立重复试劇 5J ~(条件概率) ”、r<正态分布密度曲绚 f正态分布)一 要点归纳 一、离散型随机变量及其分布列 1.⑴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, E, n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： 一般地，若离散型随机变量 X可能取的不同值为X i, X2…，X i，…X n，X取每一个值X i(i = 1，2，…，n)的概率 P(X= X)= p i，以表格的形式表示如下： 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； n ②P i = 1. 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. 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 X 件次品，则事件｛X = k ｝发生的概率为 P(X = 其中 m= min ｛ M , n ｝，且 n W 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. 2 .二项分布及其应用 (1)条件概率：一般地，设 A 和B 是两个事件，且 P(A)>0, p / AB) 称P(BA) = 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. ⑵条件概率的性质： ① 0 < P(BA)< 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; ③ 如果 B 和C 是两个互斥事件，则 P(B U 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-,-与B ,-与-也都相互独立. (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. c M c N-/i c N k = 0, 1, 2, ,m,即 n 件，其中恰有 k)=

第32讲 相互独立的随机变量 (II)

§3.4相互独立的随机变量

课 即 则称随机变量X 和Y 相互独立。 F (x , y ) = F X (x )F Y (y ) 定义（随机变量的独立性） 设 F (x , y ) 是二维随机变量(X , Y )的联合分布 函数，F X (x )和F Y (y )分别是(X , Y )关于X 和关 于Y 的边缘分布函数。 若对于任意实数 x 和 y , 有 P {X ≤ x ,Y ≤ y }= P {X ≤ x }P {Y ≤ y }

即 若对于任意实数 x 和 y , 有 P {X ≤ x ,Y ≤ y }= P {X ≤ x }P {Y ≤ y } F (x , y ) = F X (x )F Y (y ) 四川大学 徐小湛 即X 和Y 相互独立当且仅当它们的联合分布函 数等于关于它们的边缘分布函数的乘积。 这时，联合分布可由边缘分布唯一确定。 则称随机变量X 和Y 相互独立。

传课 可以证明：对于连续型二维随机变量(X , Y )， 即 则称随机变量X 和Y 相互独立。 若对于任意实数 x 和 y , 有 P {X ≤ x ,Y ≤ y }= P {X ≤ x }P {Y ≤ y } F (x , y ) = F X (x )F Y (y ) X 和Y 相互独立当且仅当 f (x , y ) = f X (x ) f Y (y ) 在平面上几乎处处成立（即等式不成立的点 构成集合的“测度(面积)”等于零。） 这时，联合概率密度可由边缘概率密度唯一确定。

对于连续型二维随机变量(X , Y )，X 和Y 相互 独立当且仅当 f (x , y ) = f X (x ) f Y (y ) 此时，在条件Y =y 下，X 的条件概率密度 X |Y f f Y ( y ) f Y ( y ) X ( x ) (x | y ) = f (x , y ) = f X ( x ) f Y ( y ) = f 同理，在条件X =x 下，Y 的条件概率密度 X f ( x ) Y | X Y f ( y | x ) = f ( x , y ) = f (y ) 条件概率密度 等于边缘密度

二维随机变量及独立性--教学设计

概率论与数理统计教学设计 课程名称概率论与数理 统计 课时100分钟 任课教师刘涛专业与班级财务管理B1601---B1606课型新授课课题二维随机变量及其分布 教材分析 “二维随机变量及其分布”属于教材第三章内容，位于教材的第75页至第93页.是在前一章“一维随机变量及其分布”的概念提出的基础上，对两个及两个以上的随机变量进行描述。可以说，二维随机变量及其分布是对前一章一维随机变量内容的总结以及综合应用。 学习目标 知识与技能 了解二维随机变量的背景来源； 了解二维随机变量的基本思想； 掌握二维随机变量的适用范围、基本步骤及其具体运 用。 过程与方法 通过日常生活中常常出现的实例的引入，引导学生分 析、解决问题，培养学生将实际问题转化为数学问题的 能力，培养学生提出、分析、理解问题的能力，进而发 展整合所学知识解决实际问题的能力。 情感态度与价 值观 通过介绍概率论与数理统计在实际生活中的运用，激发 学生自主学习的兴趣，也培养了学生的创新意识和探索 精神。 教学分析教学内容1.二维随机变量及联合分布函数定义 2.二维离散型随机变量及联合概率函数 3.二维连续型随机变量及联合概率密度 4.二维随机变量的边缘分布

5.随机变量的相互独立性 教学重点二维离散型、连续随机变量及其分布，相互独立性教学难点二维连续型随机变量及其分布 教学方法与策略 板书设计 前50分： 1.引例 3.二维离散变量 2.联合分布函数定义 4.二维连续变量 后50分： 5.边缘分布 6.相互独立性 教学时间设计 1.引导课题…………2分钟 2.学生活动…………3分钟 3.二维随机变量及联合分布函数定义……15分钟 4.二维离散型随机变量及联合概率函数……10分钟 5.二维连续型随机变量及联合概率密度……20分钟 6.二维随机变量的边缘分布……20分钟 7.随机变量的相互独立性……25分钟 8.课堂小结…………5分钟 教学手段多媒体播放教学视频、PPT演示与板书演练书写相结合。 教学进程 教学意图教学内容教学理念

随机变量独立性的性质

议随机变量独立性及其应用 作者：张利荣 指导老师：桂春燕 摘要 随机变量的独立性是概率论中的一个重要概念.本文首先介绍了随机变量独立性的定义, 随机变量独立性的性质，然后对离散型随机变量和连续型随机变量的独立性分别给出了不同的判别方法，从而针对不同的问题运用相应的判别方法进行判定，除此还通过随机变量独立性的性质及其判别方法得出了一些相关的推论，并对其应用进行了举例说明. 关键词 离散型随机变量 连续型随机变量 独立性 联合分布 1 引言 概率统计是研究随机现象中数量规律的一门数学学科，它是近代数学的重要分支，理论严谨、应用广泛，并且与其他学科互相渗透结合.概率论是对随机现象统计规律演绎的研究,由于随机现象的普遍性,使得其具有极其广泛的应用,特别是在科学技术、工农业生产等方面.独立性是概率统计中最基本的概念之一,无论在理论研究还是在实际应用中都具有特别重要的意义.概率论和数理统计已有的成果大部分都是在某种独立性的前提下才得到的.因而随机变量独立性的研究倍受重视. 随机变量独立性的研究一直经历着缓慢的发展过程.进入二十世纪九十年代后,随机变量独立性判定的研究进入了一个新的阶段.关于这方面的著作、文献逐渐多了起来,如文献[2]中毛纲源对随机变量独立性的判定进行了分析并举例说明;文献[7]中明杰秀等对二维随机变量独立性的判定及其应用等相关内容进行了论述.本文将在此基础上对随机变量独立性做一下详细、全面的论述,重点介绍离散型随机变量和连续型随机变量独立性的判定方法,并对随机变量的独立性的应用进行举例说明. 2 随机变量独立性的定义 定义]1[ 设),(Y X 为二维随机变量,若对于任意的实数y x ,,事件{}x X ≤与{}y Y ≤相互独立,即 ()()() y Y P x X P y Y x X P ≤?≤=≤≤, , )1( 则称X 与Y 相互独立. 若()y x F ,为X 与Y 的联合分布函数,()x F X 、()y F Y 分别是X 与Y 的边缘分布函数,则 )1(式等价于 ()()()y F x F y x F Y X ?=,. 3 随机变量独立性的性质及其判别方法

随机变量独立同分布的概念

1、随机变量独立同分布的概念 随机变量X1和X2独立，是指X1的取值不影响X2的取值，X2的取值也不影响X1的取值。随机变量X1和X2同分布，意味着X1和X2具有相同的分布形状和相同的分布参数，对离散型随机变量具有相同的概率函数，对连续型随机变量具有相同的概率密度函数，有着相同的分布函数，相同的均值、方差与标准差。 反之，若随机变量X1和X2是同类型分布，且分布参数全相同，则X1和X2一定同分布。 一般来说，在相同条件下，进行两次独立试验，则这两次实验结果所对应的随机变量是独立同分布的。 比如，将一枚质地均匀的硬币抛掷两次，设X1为第一次抛掷硬币的结果，X2为第二次抛掷硬币的结果。显然，第一次抛掷硬币的结果对第二次的结果没有影响，反之亦然，故X1和X2相互独立。 同时，X1和X2都只有两种试验结果：正面朝上和背面朝上，以0代表正面朝上，1代表背面朝上，则 P(X1=0)=P(X2=0)=0.5, P(X1=1)=P(X2=1)=0.5, 故X1和X2是独立同分布的随机变量。 随机变量独立同分布的特性可以推广到三个或更多个随机变量。 2、独立同正态分布（定理1） 3、独立同分布（定理2——中心极限定理） 当的分布对称时，只要n 5，那么，近似效果就比较理想；当的分布非对称时，要求n 值较大，一般n 30近似效果较理想。 这个定理表明：无论随机变量服从何种分布，可能是离散分布，也可能是连续分布，连续分布可能是正态分布，也可能是非正态分布，只要独立同分布随机变量的个数n较大，那么，随机变量之和的分布、随机变量均值X-的分布都可以近似为正态分布。这一结论意义深远。 4、标准误 统计学中把均值X-的标准差称为均值的标准误，记为，无论是正态还是非正态，均值X-的标准误都有 SEM随着n的增加而减少。 常常对一个零件的质量特性只观测一次，就用该观测结果去估计过程输出的质量特性。这里建议一种简单有效的减少测量系统误差的方法。对同一个零件的质量特性作两次或更多次重复测量，用其观测结果的平均值去估计过程输出的质量特性，就可以减少标准差。当然，这不是回避使用更精确量具的理由，而是一种提高现有量具精度的简易方法，多次测量值的平均值要比单次测量值更精确。

随机变量及其分布列与独立性检验练习题附答案

随机变量及其分布列与独 立性检验练习题附答案 It was last revised on January 2, 2021

数学学科自习卷（二） 一、选择题 1．将三颗骰子各掷一次，记事件A ＝“三个点数都不同”，B ＝“至少出现一个６点”，则条件概率()P A B ，()P B A 分别是（ ） A. 6091，12 B.12，6091 C.518，6091 D.91216，12 2．设随机变量ξ服从正态分布()3,4N ，若()()232P a P a ξξ<-=>+，则a 的值为 A ．73 B ．5 3 C ．5 D ．3 3．已知随机变量ξ～)2,3(2N ，若23ξη=+,则D η= A ． 0 B ． 1 C ． 2 D ． 4 4．同时抛掷5枚均匀的硬币80次，设5枚硬币正好出现2枚正面向上，3枚反面向上的次数为ξ，则ξ的数学期望是（ ） A ．20 B ．25 C. 30 D ．40 5． 甲乙两人进行乒乓球比赛, 约定每局胜者得1分, 负者得0分, 比赛进行到有一人比对方多2分或打满6局时停止, 设甲在每局中获胜的概率为 2 3 ,乙在每局中获胜的概率为1 3,且各局胜负相互独立, 则比赛停止时已打局数ξ的期望()E ξ为（ ） A ．24181 B ．26681 C ．27481 D ．670243 6．现在有10张奖券，8张2元的，2张5元的，某人从中随机无放回地抽取3张奖券,则此人得奖金额的数学期望为（ ） A ．6 B ． 395 C ．41 5 D ．9

7．一个篮球运动员投篮一次得3分的概率为a ，得2分的概率为b ，不得分的概率为c ，,,(0,1)a b c ∈，且无其它得分情况，已知他投篮一次得分的数学期望为1，则ab 的最大值为 （ ） A ． 148 B ． 124 C ． 112 D ．16 8．位于数轴原点的一只电子兔沿着数轴按下列规则移动：电子兔每次移动一个单位，移动的方向向左或向右，并且向左移动的概率为23，向右移动的概率为1 3 ，则电子兔移动五次后位于点(1,0)-的概率是 （ ） A ． 4243 B ．8243 C ．40 243 D ． 80 243 二、填空题 9．已知55104)1()1()1)(2(++???+++=-+x a x a a x x ，则=++531a a a ______. 10．乒乓球比赛采用7局4胜制，若甲、乙两人实力相当，获胜的概率各占一半，则打完5局后仍不能结束比赛的概率等于_____________________. 11．设ξ是离散型随机变量， 21 (),()33P a P b ξξ==== ，且a b <，又42 ,39E D ξξ== ，则a b +的值为______ _． 12．某车站每天8:009:00,9:0010:00--都恰有一辆客车到站，但到站的时刻是随机的，且两者到站的时间是相互独立的，其规律为 到站的时刻 8：10 9：10 8：30 9：30 8：50 9：50 概率 一旅客8：20到站，则它候车时间的数学期望为＿＿＿＿＿＿＿。（精确到分） 三、解答题

第二章-随机变量的分布及数字特征

第二章 随机变量及其数字特征 一、教学要求 1. 理解随机变量的概念，掌握离散型和连续型随机变量的描述方法，理解概率分布列和概率密度函数的概念和性质； 2. 理解分布函数的概念和性质，会利用概率分布计算有关事件的概率； 3. 会利用分布函数计算离散和连续随机变量函数的数字特征； 4. 熟练掌握退化分布、两点分布、二项分布、几何分布、超几何分布、泊松分布和正态分布、指数分布、均匀分布等常用概率分布及其数字特征的计算和相关概率的求解； 5. 应用公式会求简单随机变量函数的概率分布及数字特征。 二、重点与难点 本章的重点是随机变量概率分布及其性质，常见的几种分布，随机变量函数的分布、数学期望和方差的计算；难点是随机变量函数的分布及数学期望的计算。 §2.1 随机变量及其分布 一、 随机变量 1．引入随机变量的必要性 1）在随机现象中，有很大一部分问题与数值发生关系。如：产品检验问题中，抽样中 出现的废品数；在车间供电问题中某时刻正在工作的车床数；在电讯中，某段时间的话务量等等。 2）有些初看起来与数值无关的随机现象，也常常能联系数值来描述。如： 掷硬币问题中，记出现正面时为“1”，出现反面时为“0”。 注：这些例子中，试验的 结果能用一个数字X 来表示，这个数X 是随着试验的结果的不同而变化的，也即它是样本点的一个函数，这种量以后称为随机变量。 2．引例 先看一个具体的例子: 例1 袋中有3只黑球，2只白球，从中任意取出3只球，观察取出的3只球中的黑球的个数． 我们将3只黑球分别记作1，2，3号，2只白球分别记作4，5号，则该试验的样本空间为 ()()()()()()()()()()123124125134135145234235245345?? ? ??? Ω=? ??? ??? ? ，，，，，，，，，，，，，，，，，，，， 我们记取出的黑球数为 X ，则 X 的可能取值为1，2，3．因此， X 是一个变量． 但是， X 取什么值依赖于试验结果，即 X 的取值带有随机性，所以，我们称 X 为随机变量．

二维随机变量及独立性--教学设计

概率论与数理统计教学设计 课程名称 概率论与数理 统计 课时100分钟 任课教师课型 刘涛 新授课 专业与班级 课题 财务管理B1601---B1606 二维随机变量及其分布 “二维随机变量及其分布”属于教材第三章内容，位于教材的第75 教材分析 页至第93页.是在前一章“一维随机变量及其分布”的概念提出的基础上， 对两个及两个以上的随机变量进行描述。可以说，二维随机变量及其分布 是对前一章一维随机变量内容的总结以及综合应用。 学习目标 知识与技能 过程与方法 情感态度与价 值观 了解二维随机变量的背景来源； 了解二维随机变量的基本思想； 掌握二维随机变量的适用范围、基本步骤及其具体运 用。 通过日常生活中常常出现的实例的引入，引导学生分 析、解决问题，培养学生将实际问题转化为数学问题的 能力，培养学生提出、分析、理解问题的能力，进而发 展整合所学知识解决实际问题的能力。 通过介绍概率论与数理统计在实际生活中的运用，激发 学生自主学习的兴趣，也培养了学生的创新意识和探索 精神。 1.二维随机变量及联合分布函数定义 2.二维离散型随机变量及联合概率函数 教学分析教学内容 3.二维连续型随机变量及联合概率密度 4.二维随机变量的边缘分布

5.随机变量的相互独立性 教学重点教学难点二维离散型、连续随机变量及其分布，相互独立性二维连续型随机变量及其分布 教学方法与策略 前50分： 1.引例 3.二维离散变量 板书设计 2.联合分布函数定义 4.二维连续变量 后50分： 5.边缘分布 6.相互独立性 1.引导课题…………2分钟 2.学生活动…………3分钟 3.二维随机变量及联合分布函数定义……15分钟 4.二维离散型随机变量及联合概率函数……10分钟 教学时间设计 5.二维连续型随机变量及联合概率密度……20分钟 6.二维随机变量的边缘分布……20分钟 7.随机变量的相互独立性……25分钟 8.课堂小结…………5分钟 教学手段多媒体播放教学视频、PPT演示与板书演练书写相结合。 教学进程 教学意图教学内容教学理念

数学：人教版选修2-3第二章离散型随机变量教案(2.2.2事件的相互独立性)

2．2．2事件的相互独立性 教学目标： 知识与技能：理解两个事件相互独立的概念。 过程与方法：能进行一些与事件独立有关的概率的计算。 情感、态度与价值观：通过对实例的分析，会进行简单的应用。 教学重点：独立事件同时发生的概率 教学难点：有关独立事件发生的概率计算 授课类型：新授课 课时安排：2课时 教 具：多媒体、实物投影仪 教学过程： 一、复习引入： 1 事件的定义：随机事件：在一定条件下可能发生也可能不发生的事件； 必然事件：在一定条件下必然发生的事件； 不可能事件：在一定条件下不可能发生的事件 2．随机事件的概率：一般地，在大量重复进行同一试验时，事件A 发生的频率 m n 总是接近某个常数，在它附近摆动，这时就把这个常数叫做事件A 的概率，记作()P A ． 3.概率的确定方法：通过进行大量的重复试验，用这个事件发生的频率近似地作为它的概率； 4．概率的性质：必然事件的概率为1，不可能事件的概率为0，随机事件的概率为0()1P A ≤≤，必然事件和不可能事件看作随机事件的两个极端情形 5基本事件：一次试验连同其中可能出现的每一个结果（事件A ）称为一个基本事件 6．等可能性事件：如果一次试验中可能出现的结果有n 个，而且所有结果出现的可能性都相等，那么每个基本事件的概率都是1n ，这种事件叫等可能性事件 7．等可能性事件的概率：如果一次试验中可能出现的结果有n 个，而且所有结果都是等可能的， 如果事件A 包含m 个结果，那么事件A 的概率()m P A n = 8．等可能性事件的概率公式及一般求解方法 9.事件的和的意义:对于事件A 和事件B 是可以进行加法运算的 10 互斥事件:不可能同时发生的两个事件．()()()P A B P A P B +=+ 一般地：如果事件12,,,n A A A 中的任何两个都是互斥的，那么就说事件12,,,n A A A 彼此互斥 11．对立事件:必然有一个发生的互斥事件．()1()1()P A A P A P A +=?=- 12．互斥事件的概率的求法:如果事件12,,,n A A A 彼此互斥，那么 12()n P A A A +++ ＝12()()()n P A P A P A +++

浅谈随机变量的独立性

摘要 随机变量的独立性是概率论中最基本的概念之一,通过对它的研究可使许多实际问题的具体计算得到简化.本文首先介绍了随机变量独立性的定义.然后对离散型随机变量和连续型随机变量的独立性分别给出了两种判别方法,同时得出了一些相关的推论,并对其应用进行了举例说明.最后文章对随机变量独立性在求随机变量特征数中的一些应用进行了整合. 关键词:离散型随机变量;连续型随机变量;独立性;数学期望;方差

The Research on the Independence of Random Variables 10204631SUN Jing-jing Mathematics and Applied Mathematics Tutor LI Jian-li Abstract The independence of the random variable is the most basic concept of probability. Through the study of it can simplify many specific calculations of the practical problems. Firstly, this paper introduces the definition of the independence of random variables. Secondly, for the independence of discrete random variables and continuous random variables, the article gives two judgmental methods to them, and obtains some inferences; this paper also illustrates some examples for these applications. Finally, this paper composes some applications of the independence of the random variable for the calculation of some random variable numeral characters. Key words: discrete random variable; continuous random variable; independence; mathematical expectation; variance

相互独立的随机变量

12.相互独立的随机变量 【教学内容】：高等教育出版社浙江大学盛骤，谢式千，潘承毅编的《概率论与数理统计》第三章第§4相互独立的随机变量 【教材分析】：在多维随机变量中，各分量的取值有时会相互影响，但有时会毫无影响，譬如一个人的身高X和体重Y救护相互影响，但与收入Z一般无影响，当两个随机变量的取值互不影响时，就称它们是相互独立的。本节将利用两个事件相互独立的概念引出两个随机变量相互独立的概念，这是一个十分重要的概念。 【学情分析】： 1、知识经验分析 学生已经学习了两个事件相互独立的概念，对独立性有了一定的认识。 2、学习能力分析 学生虽然具备一定的理论基础，但概念理解不透彻，解决问题的能力不高。 【教学目标】： 1、知识与技能 理解随机变量的独立性定义，掌握随机变量的独立性的判定方法。 2、过程与方法 在知识的教学过程中，用类比的方法培养学生的探索归纳能力及运算能力和应用新知的能力，渗透归纳、转化的数学思想方法． 3、情感态度与价值观 创设教学情境，培养学生学习数学的良好思维习惯和兴趣，加深学生对从特殊到一般的思想认知规律的认识，树立学生善于创新的思维品质． 【教学重点、难点】： 重点：二维随机变量独立性的判定方法。 难点：二维随机变量独立性的判定方法。 【教学方法】：讲授法启发式教学法 【教学课时】：1个课时 【教学过程】： 一、问题引入 若P(AB)=P(A)P(B)，则称事件A ，B相互独立。 【设计意图】：两个事件相互独立的概念引出两个随机变量相互独立的概念。 二、随机变量的独立性

(,)(),() (,). ,{,}{}{},(,)()(),. X Y X Y F x y F x F y X Y x y P X x Y y P X x P Y y F x y F x F y X Y ≤≤=≤≤=　定义 设及分别是二维随机变量的分布函数及边缘分布函数若对于所有有即则称随机变量和是的相互独立 1、若(,)X Y 为离散型随机变量 X Y 和相互独立充分必要条件： ()()()(),,i j i j P X x Y y P X x y i j N Y P =====∈ ij i j p p p ??=? (|)(|),j i i j j i p p P X x Y y P Y y X x ????====== 2、若(,)X Y 为连续随机变量 X Y 和 相互独立充分必要条件：(,)()()(,)X Y f x y f x f y x y =?对任意实数 已知随机变量 例1已知(,)X Y 的联合分布律为 1 2 3 1 1/3 a b 2 1/6 1/9 1/18 试确定常数 a 与 b ，使X Y 与相互独立。 解：先求(,)X Y 关于X Y ， 的边缘分布律： 1 2 3 {}Y j P Y y = 1 1/3 a b 1 +3a b + 2 1/6 1/9 1/18 13 {}X i P X x = 12 19a + 1+18 b 1 要使X Y 与 相互独立， ij i j p p p ??=? ()()(),2222P X Y P X Y P =====，(,)()()3232P X Y P X P Y ===== X Y X Y