商务管理学习课件 第四章 随机变量

合集下载

第四部分随机变量-资料.ppt

第四部分随机变量-资料.ppt
第四章 随机变量
➢ 随机变量及分布函数 ➢ 离散型随机变量 ➢ 连续型随机变量
4.1 随机变量及分布函数
一、随机变量
概率论与数理统计是从数量的侧面来研究随 机现象的统计规律性的一门学科,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.
4.1 随机变量及分布函数
一、随机变量
特点: 1. X 的全部可能取值是互斥且完备的
2. X 的部分可能取值描述随机事件 分类:
随机变量
离散型随机变量
非离散
型奇异连 型续 (型 混合型

4.1 随机变量及分布函数
一、随机变量
例4: 考察掷两次硬币这一试验,样本空间为S= {HH,HT,TH,TT},令X表示正面出现的 次数,X是一随机变量,且有{X=1={HT, TH},值域 Rx={0,1,2}
A={没有次品} A={ω|Y(ω)=0} A={Y=0}
B={至少有2个次品} B={ω|Y(ω)≥2} B={Y≥2} C={不多于k个次品} C={ω|Y(ω)≤k} B={Y≤k}
4.1 随机变量及分布函数
一、随机变量
例7: 某射手向一目标射击,其弹着点的横坐标X是一 随机变量,其纵坐标Y也是随机变量。
此试验的样本空间为 Ω={a1,a2,…,am,b1,b2,…,bm,}
其中, ai表示红球 (i=1,2,…,m) bj表示白球 (j=1,2,…,n)
4.1 随机变量及分布函数
一、随机变量
在实验之前,X 将取什么值是不确定的,而一旦有 了试验结果后,X 的值就完全确定.
比如
对 1≤i≤m, X(ai)=1, 对 1≤j≤n, X(bj)=0.

《随机变量解释》课件

《随机变量解释》课件
随机变量可以分为离散随机变量和连续随机变量两种类型。离散随机变量只 能取一些特定的数值,而连续随机变量可以取任意实数值。
离散随机变量
二项分布
描述n次独立的二元试验中成功次数的概率分布。
泊松分布
用于表示单位时间或单位面积内某个事件发生次数的分布。
几何分布
描述了对一系列独立同分布随机试验进行观察直到出现第一个成功的次数的分布。
2
方差
随机变量的方差是其所有可能取值与期望值的差的平方乘以相应概率的总和,衡 量了随机变量的离散程度。
3
标准差Biblioteka 随机变量的标准差是方差的平方根,用来衡量随机变量分布的波动性。
随机变量的分布函数
随机变量的分布函数描述了随机变量取值落在某一固定值之下的概率。通过分布函数,我们可以计算各种随机变量 函数的期望、方差和其他统计特征。
《随机变量解释》PPT课 件
在本节课中,我们将介绍随机变量的定义、分类以及常见分布。让我们一起 探索这个让人著迷的抽象数学概念。
随机变量的定义
随机变量是一种数学函数,它将样本空间中的每个样本点映射到一个实数值。通过引入随机变量,我们可以在概率 论和统计学中对随机事件进行建模和分析。
随机变量的分类
随机变量的常见分布
二项分布
描述n次独立的二元试验中成功 次数的概率分布。
正态分布
常见于自然和社会科学中的测 量数据,具有对称的钟形曲线 分布。
泊松分布
用于表示单位时间或单位面积 内某个事件发生次数的分布。
连续随机变量
正态分布
常见于自然和社会科学中的测量数 据,具有对称的钟形曲线分布。
指数分布
均匀分布
用于描述连续事件之间的时间间隔, 在一个范围内的取值概率是相等的

商务与经济统计04-概率论 PPT

商务与经济统计04-概率论 PPT
商务与经济统计04-概率论
本章主要内容
试验,计数法则,概率的分配 事件及其概率 几种基本的概率关系 条件概率 Bayes定理
概率
概率是对一个事件发生的可能性的数值描述. 概率总是在0和1之间 概率接近于0表示事件几乎不会发生 该率接近于1表示概率几乎一定发生
试验与样本空间
试验是指已知其所有可能的结果的任何过程 试验的样本空间指所有可能的试验结果的集合 样本点指某一个特定的试验结果
CnN
N n
N! n!(Nn)!
其中:
N! = N(N - 1)(N - 2) . . . (2)(1) n! = n(n - 1)( n - 2) . . . (2)(1) 0! = 1
概率分配方法
古典概率方法 相对频数方法 主观方法
大家应该也有点累了,稍作休息
大家有疑问的,可以询问和交流
古典概率方法
先验概率
新信息
应用 Bayes 定理
后验概率
举例: 海珠保险公司
海珠保险公司的调查人员发现平均每一千份索赔 中会有一份欺诈
A1 = 正常索赔 A2 = 欺诈索赔 先验概率 P(A1) = .999, P(A2) = .001
新信息
调查人员还发现欺诈索赔中无业人员占40%,正常索 赔中无业人员占10%。用事件B表示索赔人员是无业人 员
48概率的几种基本关系?事件的补集?事件的并集?事件的交集?互斥事件事件的补集?事件a的补集由不属于事件a的所有样本点组成?事件a的补集用ac表示事件aac样本空间s?事件a和b的并集包括所有属于事件a或事件b的样本点?事件a和b的并集用a??b表示?样本空间s事件a事件b事件的并集?事件的并集事件mm股票盈利事件cc股票盈利m??cm股票盈利或c股票盈利m??c108102585208208pm??cp108p102p58p52p08p208

随机变量及分布PPT课件

随机变量及分布PPT课件

P( y X y ) FX ( y ) FX ( y )
fY
(
y
)
dFY ( dy
y
)
1
2
y
0,
fX
(
y ) fX(
y ) , y 0 y0
y 1
fX (
y
)
2
0
y 1
0
y 1
fX (
y
)
2
1 y 0
其它
0
其它
则 Y=X2 的概率密度为:
1
fY
(
y)
2
( y
0
y 1 2
U 的概率密度
P{ X
u 1} 3
FX
{
u
3
1)
fU (u)
dFU (u) du
f
X
(
u
3
1
)
(
u
3
1
)u
fU
(u)
2.
u
3
1
.
1 3
0

fU
(u)
2 9
(u
1)
0
0 u1 1 3
其它
1 u 2 其它
例4(P62-例3) 设随机变量X的概率密度为fX(x)(x R),求:
z0
0
z0
(3)备用方式: 系统L的寿命 Z=X+Y
fZ (z) fX ( x) fY (z x)dx
积分区域
z
x
x
0
0
即0 x z
fZ (z)
z e x e (zx)dx e z
0
z e( ) xdx

随机变量及其分布PPT课件

随机变量及其分布PPT课件

0
F
(
x)
Ax2
1
x0 0 x1 x 1
求常数A及其概率密度
函数 f (x)。
例2. 设连续型随机变量X的概率密度函数为
f (x) Cex2 x ,-∞ < x < +∞,
求常数C。
34
第34页/共67页
注意:一般的,同一个连续型随机变量X的概 率密度函数可以有很多个,但它们只在有限个 点或可数个点上取值不同。
对于随机试验而言,仅仅知道可能出现的 随机事件并不重要,重要的是这些事件出现的 可能性有多大。
对于随机变量X来说,就是X取什么值不 重要,重要的是X取这些值的概率有多大。
4
第4页/共67页
定义:设X是一个随机变量, x R 是一个实
数,函数 F(x) P(X x) 就称为随机变量X
的概率累积分布函数(cdf: cumulative
,n
求正数 a 的值。
例2. 设离散型随机变量X的分布列
P( X k) C pk , k 1, 2, k!
其中, 0 p 1 为已知,求常数C。
12
第12页/共67页
离散型随机变量X的分布函数为
F(x) P(X x) pk xk x
例3. 求随机变量X的分布函数。
X的分布列为 X 0 1 2 3
pap设随机变量x只可能取0和1两个数值它的分布律为第15页共67页162二项分布binomialdistribution若随机变量x的分布律为其中则称x服从参数为np的二项分布记为二项分布随机变量x对应n重贝努里试验中成功的次数
§2.1 随机变量
从概率的定义我们知道,概率是自变量为 集合的特殊函数;为了能用变量、函数及微积 分等工具来研究事件发生的概率,需要引入概 率论中的重要概念――随机变量。

随机变量及其分布课件

随机变量及其分布课件

多维随机变量的数学期望与方差
数学期望
多维随机变量的期望值是每个随机变量期望值的 线性组合。
方差
多维随机变量的方差是每个随机变量方差和协方 差的组合。
协方差
衡量两个随机变量之间的线性相关程度。
Байду номын сангаас
PART 05
随机变量的变换
REPORTING
WENKU DESIGN
线性变换
1 2
线性变换公式
$Y = aX + b$,其中$a$和$b$是常数,$X$是 随机变量,$Y$是变换后的随机变量。
超几何分布
当从一个有限总体中不放回地抽取样本时,所得到的离散型随机变量服从超几何分布。
离散型随机变量的数学期望与方差
数学期望
离散型随机变量的数学期望是所有可能取值的概率加权和,表示随机变量取值的平均水平。
方差
离散型随机变量的方差是所有可能取值的概率加权平方和的平均值,表示随机变量取值分散程度的度 量。
随机事件的概率计算
在概率论中,随机事件的概率可以通过随机变量的取值来 计算,随机变量为随机事件的概率计算提供了具体的方法 和手段。
在统计学中的应用
01
样本数据的统计分析
在统计学中,随机变量被广泛用于样本数据的统计分析,如均值、方差、
协方差等统计量都是基于随机变量的计算。
02 03
参数估计与假设检验
线性变换的性质
线性变换保持了均值、方差和线性关系等统计特 性。
3
线性变换的应用
在回归分析、时间序列分析和实验设计中广泛使 用。
非线性变换
非线性变换公式
$Y = f(X)$,其中$f$是一个非线性函数,$X$是随机变量,$Y$ 是变换后的随机变量。

随机变量及其分布复习课件.ppt

随机变量及其分布复习课件.ppt

F(x) x f(t)dt,
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。
(II)概率密度的性质
( 1 ) 非 负 性 : f( x ) 0 , x R .
(2)规 范 性 :f(x)dx1. 4
( 3 )对 于 任 意 实 数 a b, 有
P{aXb}abf(x)dx . F(b)F(a)
求这个区间的端点,分二种情形讨论之:
17
(1)区间的一个端点是无穷大,即已知P(X < x) = p1 或P(X > x) = p2,求x .
利用 或
然后反查标准正态分布表,即可求出x (2)区间关于μ对称,不妨设为(μ−a,μ+a),而 P(μ−a<X<μ+a) = p,求a
18
四.随机变量的函数的分布 1.离散型随机变量函数的分布
几种重要的 离散型分布
均指 正 匀数 态 分分 分 布布 布
二项分布的 正态近似
二项分布的 泊松近似
二项 分布
泊几
松何
分分 布 布 21
例题选讲
例1 甲、乙、丙3人进行独立射击 每人的命中率依 次为03 04 06 设每人射击一次 试求3人命中总 数之概率分布律 分析 求离散型随机变量的概率分布的步骤为:(1) 写
23
例2 投掷一个均匀骰子n 次,求(1)恰好得到一个6点的概 率;(2)至少得到一个6点的概率;(3)为了以0.5的概率保 证至少得到一个6点,则至少要投掷几次?
所以至少要投掷4次.
24
例3 设 X 的分布律为 X 1012 1111 p 4444
求 Y X 2 的分布律 .
解 Y 的可能值为 (1)2, 02,12, 22; 即 0, 1, 4.

《随机变量及其分布》PPT课件

《随机变量及其分布》PPT课件

个普通函数,因而可用微积分的方法来研究随机变量.
随机点 X
概率论与数理统计
x 实数点
x
F(x) P( X x), x
问: 在上 式中,X, x 皆为变量. 二者有什么区 别? x 起什么作用? F(x) 是不是概率?
X是随机变量, x是参变量. F(x) 是r.v X取值不大于 x 的概率.
随机变量通常用大写字母X,Y,Z,…或希腊字母, ,
η, ζ,….等表示. 概率论与数理统计
随机变量与普通函数的区别
普通函数的定义域是实数 集,而随机变量的定义域是样本空 间(样本点不一定为实数);
普通函数随自变量的变化所取的函数值无概 率可言,而随机变量随样本点(试验结果)的变化所取 的函数值是具有一定概率的,且因试验的随机性使得 随机变量的取值也具有随机性,即知道随机变量的取 值范围,但在概一率论次与数试理统验计 前无法确定它取何值.
概率论与数理统计
总之,随机变量X有如下特点:
X是定义在样本空间Ω上的单值实值函数,其定 义域为样本空间Ω,值域为实数集 ;
利用X可以描述随机事件; X的取值是随机的,且取值具有一定的概率.
随机变量
离散型 非离散型
连续型
概率论与数理统计
其它
在实际问题中,有两类重要的随机变量:
实例11、观离察散掷型一随个机骰变子量出—现—的取点值数有。限随或机可变列量无X限的可 能值是1,2,3,4,5,6; 则事件“出现偶
概率论与数理统计
分布函数F(x)具有下列性质: 、 0≤F(x)≤1;
注意这些性 质在图形上
的表现
、F(-∞)=0,F(+∞)=1;[确定待定参数]
、F(x)至多有可列个间断点,且在间断点处是
  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)。
∈,总有一个实数X()与之对应,则称上的实数函 数X()为E的一个随机变量。
2.表示方法: 随机变量通常用大写字母X,Y,Z或希腊字母ζ, η 等表示;而表示随机变量所取的值时,一般用小 写字母x,y,z等。
2014-8-9
《数量方法》
4
高等教育自学考试中英合作商务管理专业和金融专业
3.作用:从变量的角度来研究随机事件结果的变化 规律和特点。
Байду номын сангаас
性质 设C是常数,则Var(C)=0; 若C是常数,则Var(CX)=C2Var(X); 若X1与X2 独立,则Var(X1±X2)=Var(X1)+Var(X2)
2014-8-9
《数量方法》
16
高等教育自学考试中英合作商务管理专业和金融专业
二.常见的离散型随机变量的概率分布
常见的离散型随机变量的概率分布有: 两点分布、二项分布和泊松分布。 1.两点分布
2014-8-9
《数量方法》
27
高等教育自学考试中英合作商务管理专业和金融专业
1.性质 (1). f ( x) 0 ; (2). f ( x) dx 1; 即:f(x)与 x 轴所围面积等于1
这两条性质是判定函数f(x)是否为某随机变量 X的概率密度函数的充要条件。
2014-8-9
其中 pk (k=1,2, …) 满足:
pk 0, pk 1
k
以此两性质可以判断一函数是否是概率分布 《数量方法》
11
2014-8-9
高等教育自学考试中英合作商务管理专业和金融专业
2.表示方法
离散型随机变量的概率分布常用公式法、列 表法和图像法来表示: (1)公式法 P( X xk ) pk ,,k=1,2,…
如:前面取球例子中可写为:
P( X k)
2014-8-9
C
3 k k 3 2 3 5
C
C
, k 0,1,2
12
《数量方法》
高等教育自学考试中英合作商务管理专业和金融专业
(2)列表法

x1 X~ p1
X
pk
x2
xk
p2 pk
x1
p1



x2
p2
xk
pk


《数量方法》
2014-8-9
24
高等教育自学考试中英合作商务管理专业和金融专业
【注意】“泊松定理”二项分布与泊松分布的重要关系
对于二项分布B(n, p),当n充分大,p又很小时,则对 任意固定的非负整数k,有近似公式: k
k n k nk
k k e nk ; n, p ) : C b p p) ): C ( k( ;1 n ,p p ( 1 p ) n k!
k e 1 k 0 k!
2014-8-9
《数量方法》
22
高等教育自学考试中英合作商务管理专业和金融专业
泊松分布的图形特点:
期望:E(X)= 方差:D(X)=
2014-8-9
《数量方法》
23
高等教育自学考试中英合作商务管理专业和金融专业
【应用】在许多实际问题中,我们所关心的随机变量都近
2014-8-9
《数量方法》
15
高等教育自学考试中英合作商务管理专业和金融专业
(2)方差
设X是一随机变量,若E[X-E(X)]2 存在,则称其为X的 方差,记作D(X),即 D(X)= E[X-E(X)]2 ——计算方差的一个简化公式 D(X)=E(X2)-[E(X)]2
【例】P46,练习与思考4.3
2014-8-9
《数量方法》
2
高等教育自学考试中英合作商务管理专业和金融专业
本章框架
• 随机变量 • 离散型随机变量 • 连续型随机变量
2014-8-9
《数量方法》
3
高等教育自学考试中英合作商务管理专业和金融专业
第一节 随机变量
一.随机变量(random variable简写“r.v.”)
1.定义:设E是随机试验,是其样本空间,如果对每个
3.泊松分布(法国数学家泊松1837年提出) 如果随机变量X的概率分布为
p(k ; ) : P{ X k} e
k
k!
,
k 0,1,2,,
其中λ>0 为常数,则称 随机变量X 服从参 数为λ的泊松分布,记作X~P(λ)。 易见: k 0 , 1 , 2 , P{ X k} 0
似的服从泊松分布,如:
某医院每天前来就诊的人数; 某地区一段时间间隔发生火灾的次数、发生交通事故的次数; 一段时间间隔内某放射性物质射出的离子数; 一段时间间隔内某容器内部的细菌数; 某地区一年内发生暴雨的次数 ……
这些都近似服从某一参数的泊松分布。
【例题】P47,练习与思考4.4
期望:E(X)=1p+0(1-p)=p 方差:D(X)=p(1-p)
2014-8-9
《数量方法》
18
高等教育自学考试中英合作商务管理专业和金融专业
【应用】两点分布常用于描述射手射击是否“中靶”,投
币是否“硬币朝上”,产品是否合格,明天是否“下雨” 等只有两个结果的试验。
【练习】某人投篮命中率为0.3,写出其投篮一次投中次数
第四章 随机变量及其分布
主讲 石立
高等教育自学考试中英合作商务管理专业和金融专业
在研究随机事件时,如果同时研究的随 机事件很多,或同时研究随机事件多个方 面时,我们就需要引入随机变量的概念, 从变量的角度来研究随机事件结果的变化 规律和特点。 本章主要研究:单个随机变量
对于多个随机变量的规律和特点,我们不作研究。
若E是一个只有两种可能结果的随机试验,用 Ω={1, 2}表示其样本空间,记X=1表示1,X=0 表示2,其概率分布为: P(X=1)=p,P(X=0)=1-p 我们就称该分布为两点分布(也称0-1分布)。
2014-8-9
《数量方法》
17
高等教育自学考试中英合作商务管理专业和金融专业
用图像表示两点分布,如右图所示:
第三节 连续型随机变量
在研究连续型随机变量时,我们发现其所有 可能取值充满若干个区间,有无数个。 对这种随机变量,我们不能象离散型随机变 量那样, 指出其取各个值的概率, 给出概率分布。
【思考】那如何表示连续型随机变量的概率分布呢?
我们引入“概率密度函数”表示随机变量的 概率分布。
2014-8-9
《数量方法》
《数量方法》
28
高等教育自学考试中英合作商务管理专业和金融专业
需要注意的是:连续型随机变量取任意 指定值的概率为0。概率密度函数f(x)在点a 处取值,不是事件{X =a}的概率。但是,该 值越大,X在a点附近取值的概率越大。 因此,由P(A)=0,不能推出A是不可能 事件Ø;由P(B)=1, 不能推出B是必然事件 Ω。
的分布。
【思考】如果该人重复投篮10次,(计算)其投中次数的
分布是什么? ——二项分布
2014-8-9
《数量方法》
19
高等教育自学考试中英合作商务管理专业和金融专业
2.二项分布
在相同的试验条件下,独立重复进行只有两 个结果的试验n次,我们把这样的n次试验称作n 重伯努利试验,简称伯努利试验或伯努利概型。 用X表示n重贝努里试验中结果A出现的次数, 记每次A出现的概率为p,不出现的概率为q=1-p, 则有 k k n k
二.随机变量的类型
在实际中,通常将随机变量按照其取值的特 点分为两类:
离散型随机变量:所有取值可以逐个一一列举 如:掷筛子的点数、学生人数,…… 连续型随机变量:全部可能取值无穷多,不能
一一列举,而是充满一个区间。
如:手机的寿命,公路的长度,……
2014-8-9
《数量方法》
8
高等教育自学考试中英合作商务管理专业和金融专业
3.数字特征——期望和方差
(1)数学期望(也叫均值、平均数)
E ( X ) xk p k
k 1
即:期望等于变量值与对应概率乘积的和。
【例】P44,思考 【练习】P45,练习与思考4.2 性质
设C是常数,则E(C)=C 若k是常数,则E(kX)=kE(X) E(X+Y) = E(X)+E(Y) 设X,Y相互独立,则 E(XY)=E(X)E(Y)
4.特点:
结果的可数据化。如:掷筛子的结果:用点数表示;上课 学生的出勤情况:用人数表示;NBA比赛成绩:用得分表 示;……。 结果的不确定性:试验之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。 结果的有规律性:试验结果的出现具有一定的概率,于是 随机变量取每个值和每个确定范围内的值也有一定的概率。
2014-8-9
《数量方法》
5
高等教育自学考试中英合作商务管理专业和金融专业
如:从某学校随机选一学生,测量其身高。 可以把身高记作随机变量X。 我们可以提出关于X的各种问题. P(X>1.7)=? P(X≤1.5)=? P(1.5<X<1.7)=?
2014-8-9
《数量方法》
6
高等教育自学考试中英合作商务管理专业和金融专业
C53 10
C53 10
C53
10
这样,我们就掌握了X这个随机变量取值的概 率规律。我们称其为随机变量的概率分布。
2014-8-9
《数量方法》
10
高等教育自学考试中英合作商务管理专业和金融专业
一.离散型随机变量概率分布
1.定义:设xk(k=1,2, …)是离散型随机变量X所取的 一切可能值,则称 P( X xk ) pk ,,k=1,2,… 为离散型随机变量X的概率分布或分布律,也称 概率函数。
相关文档
最新文档