离散型随机变量

合集下载

概率论与数理统计之离散型随机变量

概率论与数理统计之离散型随机变量
n
电子科技大学
离散型随机变量
14.12.13
lim P{ X n k }
n
lk
k!
e , k 1,2,
l
证明略. 思考:你能从条件 lim npn l 0,
n
中分析出什么结论吗? 注
n
lim npn l
即数列{ pn } 与 { 1 n } 是同阶的无穷小.故
即 10k 10 P{ X a } e 0.95 k 0 k!
a
电子科技大学
离散型随机变量
14
14.12.13
查表可得
10k 10 e 0.9166 0.95 k 0 k!
10k 10 e 0.9513 0.95 k 0 k!
15
这家商店在月底保证存货不少于15件就 能以95%的概率保证下个月该种商品不会 脱销.
p (1 p)
电子科技大学
离散型随机变量
k n
14.12.13
从n次试验中选出k 次试验有C 种不同的 方式.
且各种方式的事件互不相容,由概率的有 限可加性可得
Pn ( k )
结论成立.
k Cn
p (1 p)
k
n k
,
称随机变量X 服从二项分布 ,记为X ~ B(n, p). (0—1)分布可以看作X ~B(1, p).
14.12.13

F ( x ) P{ X x }
P[ { X xi }] P{ X xi }
xi x
xi x
二、贝努里试验和二项分布 E1:抛一枚硬币出现正反面; E2:检查一件产品是否合格; E3:射击,观察是否命中; 贝努里 试验

离散型随机变量例子

离散型随机变量例子

离散型随机变量例子
随机变量是概率论中一个重要的概念,所谓随机变量,指的是一个可以取几种不同可能值的变量,其中每一种可能值的发生概率可以用概率论来描述。

离散型随机变量是指可能取值为有限数或者数目可算的有限或无穷多实数的随机变量。

下面我们就来看看几个典型的离散型随机变量例子。

1、伯努利随机变量:伯努利随机变量是指一个随机变量,它只有两种可能的结果,也就是只有 0 或 1。

它具有 0 的概率为 p,另一个结果就是 1 的概率也就是 1-p。

2、离散型随机变量的数学期望:离散型随机变量的数学期望是指随机变量的均值。

它的计算方法是把变量的各种可能值乘以其对应的概率,然后求和,就可以得到数学期望的值。

3、二项分布:二项分布是指一个随机变量 X 的概率分布如果是一个多次独立试验的离散型结果,它的取值就是 0 到 n 之间的整数。

它的概率分布可以用下面的公式来表示:P(X=k)={nchoose k}p^kq^{nk}
4、泊松分布:泊松分布是一个特殊的二项分布,它只有两个参数,一个是λ,另一个是 n。

- 1 -。

离散型随机变量

离散型随机变量
P X k a
例1 设随机变量 X 分布律为, 0 为常数,试确定 a .

k
( k 0,1, 2, )
k!
例2 用随机变量描述将一枚硬币连抛三次的试验结果, 并写出这个随机变量的分布律和分布函数.
5
二 常见的离散型随机变量的分布 1 (0-1 )分布 如随机变量 X 的分布律为
n 1 n 1 k n 1 n k
1
(1 p ) C n k 1 p (1 p ) , k 0,1, 2,
23
例10解 设 X :一年中死亡人数, : 参保人在一年内死 A 亡 P ( A ) 0.002 则 X ~ B (2500, 0.002) ,
P X k Pn ( k ) C n p n q n
k k nk
, (qn 1 p )
k
P X k lim C n p n q n
k k n
nk
lim
n
n ( n 1)...( n k 1) 1 k! n n
20
例7解 事件 T

t
在长为t的时间内没有发生故障
(t ) 0!
N ( t )
0 从而
0
P {T t } P N (t ) 0
e
t
e
t
由此得 T 的分布函数为
1 e t , t 0 F (t ) 0, t 0
4
2 分布律的性质
(1) (2)
(3)
pk 0, pk 1
k 1

F (x)
xk x

离散型随机变量

离散型随机变量

证 设Ai表示"第i次试验中事件A发生", 则
P( Ai ) = p , P( Ai ) = 1 p , 假设事件 A 在前 k 次试验中发生, 后 n k 次试
验中 A 发生 , 有
P A1 A2 L Ak Ak+1 L An
k
n
= P( Ai ) P( Ai ) = pk (1 p)nk
例2.1从一批有10个合格品与3个次品的产品中, 一件 一件地抽取产品, 每次取出一件产品后总将一件合格 品放回该批产品中, 直到取出合格品为止, 求抽取次 数的分布律 . 解 设 X 表示“抽取次数”,它的可能取值是1,2,3,4 ,
而取每个值的概率为
P X = 1 = 10 ,
13
P X = 2 = 3 g11 = 33
• 或写成P{X=k}=(1-p)kp,k=0,1,2,3;P{X=4}=(1-p)4. • 以p=1/2代入得
X0 1
2
3
4
P 0.5 0.25 0.125 0.0625 0.0625
例: 设随机变量 X 具有分布律
P(X k) ak, k 1,2,3,4,5
(1)确定常数
a
,(2)计算
P(

(1)
P( X
3)
P( X
3)
P( X
4)
k 3
5k k!
e5
k 4
5k k!
e -5
0.875348 0.734974 0.140374
(2) P( X 10) 1 P( X 11) 1 5k e5 1 0.013695 0.986305
k 11 k!
(1) p ( xi ) ≥0, (i =1, 2 ,… );

3.2 离散型随机变量

3.2  离散型随机变量

1、已知分布律,求分布函数※
例3:已知X的分布律,
求 X 的分布函数。
X p Pk
1 1 4
2 1 2
3 1 8
4 1 8
F ( x) P( X x)
x 1 0, P X 1 1 , 1 x 2 4 P X 1 P X 2 3 2 x3 4 P X 1 P X 2 P X 3 7 3 x 4 8 P X 1 P X 2 P X 3 P X 4 1 4 x
例2:某人的手枪里有5发子弹,他向一个目 标独立地射击,直到首次击中才停止射击。 已知每发子弹命中目标的概率为0.6,求消耗 子弹数X的分布律。
已知离散型随机变量的分布律, 求出随机事件的概率. 练习:设随机变量 X 的分布律为
求P
X 2 , P 0 X 5/ 2, P 1 X 3
例如,袋中有5个球,编号为1,2,3,4,5,从中任取3个, 以Y表示3个球中的最大号码,则Y服从超几何分布。
本节小结:
知识点与基本要求: (1)理解离散型随机变量及其概率分布的概念,掌握 离散型随机变量的分布律的性质; (2)理解四种常见分布的实际意义,掌握四种分布(两 点分布、二项分布、泊松分布、超几何分布)及其应用; (3)理解泊松定理的结论和应用条件,了解应用泊松 分布近似表示二项分布; 教学重点:离散型随机变量的分布律性质,四种常见 分布的分布律及其应用; 教学难点:四种常见分布的分布律及其应用。
2、二项分布
设X表示n重伯努利试验中事件A发生的总次数.
X的分布律为
P( X k ) C p (1 p)
k n k
n k

离散性随机变量的概念

离散性随机变量的概念

离散性随机变量的概念知识归纳1.离散型随机变量随着试验结果的变化而变化的变量叫做随机变量.如果随机变量所有可能取的值,可以按一定次序一一列出,这样的随机变量叫做 随机变量.如果随机变量可以取某一区间内的一切值,这样的随机变量叫做 随机变量. 2.离散型随机变量的分布列(1)设离散型随机变量X 可能取的不同值为x 1、x 2、…、x i 、…、x n ,X 取每个值x i (i =1,2,…n )的概率P (X =x i )=p i ,则称表为随机变量X 的分布列.X 的分布列也可简记为:P (X =x i )=p i ,i =1、2、…、n .(2)离散型随机变量的两个性质: ①p i ≥0,i =1,2,…n ; ②p 1+p 2+p 3+…p n =1.离散型随机变量在某一范围内取值的概率等于它取这个范围内各个值的概率之和.3.两点分布如果随机变量X 的分布列为其中0<p <1,则称离散型随机变量X 服从参数为p 的两点分布,称p =P (X =1)为成功概率.任何事件的条件概率都在0和1之间,即0≤P (B |A )≤1,如果B 和C 是两个互斥事件,则P (B∪C |A )=5.事件的独立性设A 、B 为两个事件,如果P (AB )=P (A )P (B ),则称事件A 与B 相互独立.4.条件概率 一般地,设A 、B 为两个事件,且P (A )>0,称P (B |A )=P (AB )P (A )为在事件A 发生的条件下,事件B 发生的条件概率,一般把P (B |A )读作A 发生的条件下B 发生的概率.(1)如果事件A 与B 相互独立,那么A 与B ,A 与B ,A 与B 也都相互独立.(2)如果A 与B 相互独立,则P (B |A )=P (B ),即事件A 的发生与否不影响事件B 的发生. (3)对于n 个事件A 1、A 2、…、A n ,如果其中任何一个事件发生的概率不受其它事件的影响,则这n 个事件A 1、A 2、…、A n 相互独立.如果A 1、A 2、…、A n 相互独立,那么P (A 1A 2…A n )=6.独立重复试验与二项分布(1)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.各次试验的结果不受其它试验的影响.(2)一般地,在n 次独立重复试验中,设事件A 发生的次数为X ,在每次试验中事件A 发生的概率都为p ,那么在n 次独立重复试验中,事件A 恰好发生k 次的概率为则称随机变量X 服从参数为n 、P 的二项分布,记作X ~B (n ,p ),并称p 为成功概率.7.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.超几何分布给出了求解这类问题的方法,可以当公式直接运用.误区警示1.“互斥事件”与“相互独立事件”的区别它们是两个不同的概念,相同点都是对两个事件而言的,不同点是:“互斥事件”是说两个事件不能同时发生,“相互独立事件”是说一个事件发生与否对另一个事件发生的概率没有影响.2.对独立重复试验要准确理解 (1)独立重复试验的条件第一:每次试验是在同样条件下进行.第二:各次试验中的条件是相互独立的.第三,每次试验都只有两种结果,即事件要么发生,要么不发生3.(1)准确理解事件和随机变量取值的意义,对实际问题中事件之间的关系要清楚. (2)认真审题,找准关键字句,提高解题能力.如“至少有一个发生”,“至多有一个发生”,“恰有一个发生”等.P (X =k )=C k n p k (1-p )n -k,k =0,1,2,…,n .P (X =k )=C k M C n -kN -MC n N,k =0,1,2,…,m ,(其中m 是M ,n 中的最小值,n ≤N ,M ≤N ,n 、M 、N ∈N *).称分布列一、解决概率问题的步骤第一步,确定事件的性质:古典概型、互斥事件、独立事件、独立重复试验,把所给问题归结为某一种.第二步,判断事件的运算(和事件、积事件),确定事件至少有一个发生还是同时发生等等. 第三步,运用公式求概率1、 写出下列各随机变量可能的取值,并说明随机变量所表示的随机试验的结果.(1)小明要去北京旅游,可能乘火车、乘汽车,也可能乘飞机,旅费分别为100元、60元和600元,将他的旅费记为ξ;(2)正方体的骰子,各面分别刻着1、2、3、4、5、6,随意掷两次,所得的点数之和为ξ; (3)一个人要开房门,他共有10把钥匙,其中仅有一把是能开门的,他随机取钥匙去开门并且用后不放回,其中打开门所试的钥匙个数为ξ;(4)电台在每个整点都报时,某人随机打开收音机对表,他所等待的时间ξ(min). 2、 (09·广东)已知离散型随机变量X 的分布列如右表,若E (X )=0,D (X )=1,,则a =______,b =______.设随机变量ξ的分布列为P (ξ=k )=ck +1,k =0,1,2,3,则E (ξ)= ( )A.1225B.2325C.1350D.4625古典概型P (A )=mn ;互斥事件P (A ∪B )=P (A )+P (B ); 条件概率P (B |A )=P (AB )P (A ); 独立事件P (AB )=P (A )P (B );n 次独立重复试验:P (X =k )=C k n p k (1-p )n -k.3 一次数学摸底考试,某班60名同学成绩的频率分布直方图如图所示.若得分90分以上为及格.从该班任取一位同学,其分、数是否及格记为ξ,求ξ的分布列.4 从某批产品中,有放回地抽取产品两次,每次随机抽取1件,假设事件A:“取出的2件产品中至多有1件是二等品”的概率P(A)=0.96.(1)求从该批产品中任取一件是二等品的概率p;(2)若该批产品共100件,从中任意抽取2件,ξ表示取出的2件产品中二等品的件数,求ξ的分布列.5某学习小组有6个同学,其中4个同学从来没有参加过数学研究性学习活动,2个同学曾经参加过数学研究性学习活动.(1)现从该小组中任选2个同学参加数学研究性学习活动,求恰好选到1个曾经参加过数学研究性学习活动的同学的概率;(2)若从该小组中任选2个同学参加数学研究性学习活动,活动结束后,该小组没有参加过数学研究性学习活动的同学个数ξ是一个随机变量,求随机变量ξ的分布列及数学期望E(ξ).6 在100件产品中有95件合格品,5件不合格品.现从中不放回地取两次,每次任取1件.试求:(1)第一次取到不合格品的概率;(2)在第一次取到不合格品后,第二次再次取到不合格品的概率.7设b 和c 分别是先后抛掷一枚骰子得到的点数,用随机变量ξ表示方程x 2+bx +c =0实根的个数(重根按一个计).(1)求方程x 2+bx +c =0有实根的概率; (2)求ξ的分布列和数学期望;(3)求在先后两次出现的点数中有5的条件下,方程x 2+bx +c =0有实根的概率.8(1)求该生至少有1门课程取得优秀成绩的概率; (2)求p ,q 的值; (3)求数学期望E (ξ).9.(2010·甘肃省质检)某机械零件加工由2道工序组成,第1道工序的废品率为a ,第2道工序的废品率为b ,假定这2道工序出废品的概率彼此无关,那么产品的合格率是( ) A .ab -a -b +1 B .1-a -b C .1-ab D .1-2ab10.(2010·上海市嘉定区调研)一只不透明的布袋中装有编号为1、2、3、4、5的五个大小形状完全一样的小球,现从袋中同时摸出3只小球,用随机变量X 表示摸出的3只球中的最大号码数,则随机变量X 的数学期望E (X )=( )A.445B.8310C.72D.9211.(2010·福建福州)在研究性学习的一次活动中,甲、乙、丙、丁、戊五位同学被随机地分配承担H,I,J,K四项不同的任务,每项任务至少安排一位同学承担.(1)求甲、乙两人同时承担H任务的概率;(2)求甲、乙两人不同时承担同一项任务的概率;(3)设这五位同学中承担H任务的人数为随机变量ξ,求ξ的分布列及数学期望E(ξ).12.(2010·云南统考)某单位组织职工参加了旨在调查职工健康状况的测试.该测试包括心理健康测试和身体健康测试两个项目,每个项目的测试结果为A、B、C、D、E五个等级.假设该单位50位职工全部参加了测试,测试结果如下:x表示心理健康测试结果,y表示身体健康测试结果.(1)求a+b的值;(2)如果在该单位随机找一位职工谈话,求找到的职工在这次测试中,心理健康为D等级且身体健康为C等级的概率;(3)若“职工的心理健康为D等级”与“职工的身体健康为B等级”是相互独立事件,求a、b的值.13.(2010·河北唐山)已知7件产品中有2件次品,现逐一不放回地进行检验,直到2件次品都能被确认为止.(1)求检验次数为4的概率;(2)设检验次数为ξ,求ξ的分布列和数学期望.14.(2010·浙江金华十校联考)质地均匀的正四面体玩具的4个面上分别刻着数字1,2,3,4,将4个这样的玩具同时抛掷于桌面上.(1)求与桌面接触的4个面上的4个数的乘积不能被4整除的概率;(2)设ξ为与桌面接触的4个面上数字中偶数的个数,求ξ的分布列及期望E(ξ).15.(2010·河南调研)甲、乙两人进行某项对抗性游戏,采用“七局四胜”制,即先赢四局者为胜,若甲、乙两人水平相当,且已知甲先赢了前两局,求:(1)乙取胜的概率;(2)比赛进行完七局的概率;(3)记比赛局数为ξ,求ξ的分布列及数学期望E(ξ).。

离散型随机变量

1.离散型随机变量
随着试验结果变化而变化的变量称为随机变量,常用字母X ,Y ,ξ,η,…表示,所有取值可以一一列出的随机变量,称为离散型随机变量. 2.离散型随机变量的分布列及性质
(1)一般地,若离散型随机变量X 可能取的不同值为x 1,x 2,…,x i ,…,x n ,X 取每一个值x i (i =1,2,…,n )的概率P (X =x i )=p i ,则表
称为离散型随机变量X 的概率分布列,简称为X 的分布列,有时也用等式P (X =x i )=p i ,i =1,2,…,n 表示X 的分布列.
(2)离散型随机变量的分布列的性质 ①p i ≥0,i =1,2,…,n ; ② i =1n
p i =1.
3.常见离散型随机变量的分布列 (1)两点分布
若随机变量X 服从两点分布,即其分布列为
其中p =P (X =1)称为成功概率. (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P (X =k )=C k M C n -
k N -M
C n N
,k =0,1,2,…,
m ,其中m =min{M ,n },且n ≤N ,M ≤N ,n ,M ,N ∈N *.如果随机变量X 的分布列具有下表形式,。

名词解释离散型随机变量

名词解释离散型随机变量
离散型随机变量是指具有有限个值或有限个可能结果中出现的一种变量,它们
具有离散取值,而不是连续变化。

离散型随机变量既可以是定义在连续变量上的变量,也可以是由其他连续随机变量(如随机变量)组成的变量。

离散型随机变量的应用可以追溯到19世纪的统计学家,他们把随机变量分为
连续型变量和离散型变量,以描述发生在概率范畴里的一些事件。

离散型随机变量是一个很强大的数学概念,已被广泛应用于各种科学领域,其中包括金融、经济学、生物统计学等。

离散型随机变量在统计学中可被描述为某一实验,其值依赖于可能观测到的值,本质上是一种概率分布。

它们利用概率论来表示实验结果的不确定性,可用于估计一种实验事件发生的概率。

更重要的是,它可以用来推断概率分布的特性,如正态分布、对数正态分布等,并估计其概率密度函数的参数值。

离散随机变量的另一个重要应用是描述实验结果的统计特性。

比如,使用它们
可以表示实验组与控制组之间的统计频数,识别两者之间的差异,也可以表示实验组间统计频数之间的相关性,同时绘制实验结果的直方图,使用者可清晰地观察不同状态的变化。

离散型随机变量在相关研究中的作用也受到了人们的广泛关注。

它可以用于识
别某一变量和另一个变量之间的相关性,以及可能的关系,这常常可简化研究者在实验中的观察结果,为深入的研究提供必要的信息。

总之,离散型随机变量具有深远的影响力,它们可以用来描述实验结果的统计
特性,估计概率分布的参数,识别不同变量之间的相关性等,因此离散型随机变量当今全球社会中受到的人们的广泛关注和广泛使用,在不断提升社会生活水平的过程中扮演着重要角色。

离散型随机变量及其分布

(0-1)分布的分布律用表格表示为:
X0 1
P 1-p p
0
易求得其分布函数为: F (x) 1 p
1
x0 0 x 1
x 1
2.二项分布(binomial distribution): 定义:若离散型随机变量X的分布律为
PX k Cnk pkqnk k 0,1,L , n
其中0<p<1,q=1-p,则称X服从参数为n,p的二项
下面我们看一个应用的例子.
例7 为保证设备正常工作,需要配备适量的 维修人员 . 设共有300台设备,每台独立工作, 且发生故障的概率都是0.01。若在通常的情况 下,一台设备的故障可由一人来处理 , 问至 少应配备多少维修人员,才能保证当设备发生 故障时不能及时维修的概率小于0.01?
我们先对题目进行分析:
§2.2 离散型随机变量及其分布
一、离散型随机变量及其分布律
1.离散型随机变量的定义 设X为一随机变量,如X的全部可能取到的值
是有限个或可列无限多个,则称随机变量X为离 散型随机变量(discrete random variable)。
设X是一个离散型随机变量,它可能取的值 是 x1, x2 , … .为了描述随机变量 X ,我们不仅 需要知道随机变量X的取值,而且还应知道X取 每个值的概率.
定义1 :设xk(k=1,2, …)是离散型随机变 量X所取的一切可能值,称等式
P(X xk) pk, k=1,2,… …
为离散型随机变量X的概率函数或分布律, 也称概率分布.
其中 pk (k=1,2, …) 满足:
(1) pk 0,
(2) pk1
k
k=1,2, …
用这两条性质判断 一个函数是否是

名词解释离散型随机变量

名词解释离散型随机变量离散型随机变量是指其概率密度服从均匀分布的随机变量。

离散型随机变量的概率密度与数学期望的计算方法有所不同,下面仅就离散型随机变量求数学期望的计算公式进行解释。

(1)二项式定理:设X是一个n维连续型随机向量,当n→∞时,用(X(t)=p(X(t))X(0)))dt 求出其概率密度。

(2)拉普拉斯变换:设X是一个n维连续型随机向量,用拉氏变换的一般形式求出它在一点P的概率密度,然后把这一点P看作新点,记为p(X(P))。

(3)特征函数法:设X是一个n维连续型随机向量,通过它对某个有限值的极限运算而获得的函数F(X)。

离散型随机变量可以分为离散型连续型随机变量,离散型单峰型随机变量和离散型多峰型随机变量。

例如,与X(t)=f(X(t)),有关的问题是:离散型随机变量X(t)=f(X(t))X(0)))dt是否有确定的数学期望值?离散型随机变量离散型随机变量的几个基本性质(1)离散型随机变量可化为与x轴平行的直线,即离散型随机变量X(t)=(f(X(t))X(t))中, f(X(t))是一个常数,当x→∞时,只要有f(X(t))存在, X(t)X(0)))dt也存在,但这两个函数不一定相等。

(2)离散型随机变量x →∞时,其数学期望等于概率密度。

(3)离散型随机变量具有离散型随机变量的全部性质。

(4)离散型随机变量总体上是均匀分布的。

(5)离散型随机变量的概率密度是连续的,也就是说,对任意取值,都有X(t)=f(X(t))X(0)))dt。

二项式定理表明:离散型随机变量可以用两种不同方法求数学期望:(1)用二项式定理;(2)利用拉普拉斯变换。

离散型随机变量的数学期望离散型随机变量的数学期望计算公式为:离散型随机变量的期望公式设X是一个n维连续型随机向量,令G(X)= a X(t)dt(2),即对X(t)g(X(t)),通过求一次差分dx(t),使其在x→∞时,一般地, X(t)g(X(t))dt(2),当x→∞时,若g(X(t))存在,则X(t)g(X(t))dt也存在,并且两者的符号相同。

  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)。
>4”表示第一枚为6点,第二枚为1
5.抛掷两枚骰子各一次,记第一枚骰子掷出的点 数与第二枚骰子掷出的点数的差为ξ,试问: (1)“ξ>4”表示的试验结果是什么? 1 (2) P (ξ>4)=?
答:(1)因为一枚骰子的点数可以是1,2,3,4,5,6六种
36
结果之一,由已知得5 ≤ ≤ 5 ,也就是说“ >4”就是 “ =5”.所以,“ >4”表示第一枚为6点,第二枚为1 点.
(1)求费用 关于行车路程 的关系式;
(2)已知某旅客实付车费38元,问出租车在途中因故停车累
计最多几分钟? 解:(Ⅰ)依题意得 2( 4) 10 ,即 15) 15. 所以,出租车在途中因故停车累计最多15分钟.
问题:
1、对于上述试验,可以定义不同的随机变量来表示 这个试验结果吗? 2、在掷骰子试验中,如果我们仅关心掷出的点数是 否为偶数,应如何定义随机变量?
Y=

0,掷出奇数点 1,掷出偶数点
3、任何随机试验的所有结果都可以用数字表示吗?
本质是建立了一个从试验结果到实数的对应关系。
2、离散型随机变量
在上面的射击、产品检验等例子中,对于随机变 量可能取的值,我们可以按一定次序一一列出,这样 的随机变量叫做离散型随机变量.
课堂练习:
1、把一枚硬币先后抛掷两次,如果出现两个正面得5分,出 现两个反面得-3分,其他结果得0分,用X表示得分的分值, 列表写出可能出现的结果与对应的X值。 2、写出下列各随机变量可能取的值,并说明随机变量所取 的值所表示的随机试验的结果: (1)从一个装有编号为1号到10号的10个球的袋中,任取1 球,被取出的球的编号为X;
4 3 2 , , , 且每个问题回答正确与否相互独立,用 表示小王 5 4 3
0,1000, 4000,10000
例4、某城市出租车的起步价为10元,行驶路程不超过 4km则按 10元的标准收费。若行使路程超过4km,则按每超出1km加收2 元计费(超出不足1km 的部分按1km 计)。从这个城市的民航 机场到某宾馆的路程为15km。某司机常驾车在机场与此宾馆之 间接送旅客,由于行车路线的不同以及途中停车时间要转换成 行车路程收费(这个城市规定:每停车5分钟按1km 路程计费), 这个司机一次接送旅客的行车路程 (依题意取整数)是一个 随机变量,他所收的费用也是一个随机变量。
新课引入:
思考 掷一枚骰子出现的点数 , 可以用数字 ,2,3,4,5,6来表示 那 1 , 么掷一枚硬币的结果是 否也可 以用数字来表示呢 ? 掷一枚硬币, 可能出现正面向上、
反面向上两种结果.虽然这个随 机试验的结果不具数量性质, 但 我们可以用数1和0分别表示正
还可以用其他 的数来表示这 两个试验的结 果吗?
§1
离散型随机变量 及其分布列
离散型随机变量
一、教学目标:1、知识目标:⑴理解随机变量的意义;⑵学 会区分离散型与非离散型随机变量,并能举出离散性随机变 量的例子;⑶理解随机变量所表示试验结果的含义,并恰当 地定义随机变量。2、能力目标:发展抽象、概括能力,提高 实际解决问题的能力。3、情感目标:学会合作探讨,体验成 功,提高学习数学的兴趣. 二、教学重点:随机变量、离散型随机变量、连续型随机变 量的意义 教学难点:随机变量、离散型随机变量、连续型随机变量的意 义 三、教学方法:讨论交流,探析归纳 四、内容分析:本章是在初中“统计初步”和高中必修课“概 率”的基础上,学习随机变量和统计的一些知识.学习这些知识 后,我们将能解决类似引言中的一些实际问题 五、教学过程
离 散 型
(2)一个袋中装有5个白球和5个黑球,从中任取3个, 其中所含白球数 . ( =0、1、2、3) (3)抛掷两个骰子,所得点数之和 . ( =2、3、4、·、12) · · (4)接连不断地射击,首次命中目标需要的射击次数 . ( =1、2、3、·、n、·) · · · ·
面向上和反面向上(图).
正面向上 反面向上 1 0
新课引入:
问题1:某人射击一次,可能出现: 命中 0 环,命中 1环,
即,可能出现的结果可以由: 0, 1,
,命中 10 环等结果.
,10
表示.
问题2:某次产品检查,在可能含有次品的 100 件产 品中,任意抽取 4 件,那么其中含有次品可能是: 0件,1件,2件,3件,4件. 即,可能出现的结果可以由: 0, 1, 2, 3, 4 表示.
2.随机变量分为离散型随机变量和连续型随机变量。 3. 若ξ是随机变量,则η=aξ+b(其中a、b是常数)也是 随机变量 .
课后作业:课本第37页习题2-1中1、2
六、教学反思:
在上面例子中,随机试验有下列特点:
①试验的所有可能结果可以用一个数来表示; ②每次试验总是恰好出现这些结果中的一个,但在一 次试验之前却不能肯定这次试验会出现哪一个结果.
1. 随机变量
如果随机试验的结果可以用一个变量来表示,(或 随着试验结果变化而变化的变量),那么这样的变量 叫做随机变量. 随机变量常用希腊字母X、Y、ξ、η等表示。
所有取值可以一一列出的随机变量,称为离 散型随机变量。
如果随机变量可能取的值是某个区间的一切 值,这样的随机变量叫做连续型随机变量.
问题
某林场树木最高达30m,那么这个林场的树木高度的 情况有那些?
(0,30]内的一切值
可以取某个区间内的一切值
写出下列各随机变量可能的取值.
(1)从10张已编号的卡片(从1号到10号)中任取1张, 被取出的卡片的号数 . ( =1、2、3、·、10) · ·
(2)一个袋中装有10个红球,5个白球,从中任取个4球, 其中所含红球的个数为X;
(3)投掷两枚骰子,所得点数之和为X,所得点数之和是偶 数为Y。
3.袋中有大小相同的5个小球,分别标有1、2、3、4、5 五个号码,现在在有放回的条件下取出两个小球,设两 9 个小球号码之和为 ,则 所有可能值的个数是____ 个;“ 4 ”表示 . “第一次抽1号、第二次抽3号,或者第一次抽3号、第 二次抽1号,或者第一次、第二次都抽2号.
例如: 在问题1中:某人射击一次,命中的环数为ξ.
ξ=0,表示命中 0 环; ξ=1,表示命中 1 环; ξ=10,表示命中 10 环; 在问题2中:产品检查任意抽取 4件, 含有的次品数为η;
η=0,表示含有 0 个次品; η=1,表示含有 1 个次品; η=2,表示含有 2 个次品;

4 个次品; η=4,表示含有
复习引入:
1、什么是随机事件?什么是基本事件?
在一定条件下可能发生也可能不发生的事件,叫做 随机事件。试验的每一个可能的结果称为基本事件。
2、什么是随机试验?
凡是对现象或为此而进行的实验,都称之为试验。
如果试验具有下述特点: 试验可以在相同条件下重复进行;每次试验的所有 可能结果都是明确可知的,并且不止一个;每次试 验总是恰好出现这些结果中的一个,但在一次试验 之前却不能肯定这次试验会出现哪一个结果。它被 称为一个随机试验。简称试验。

例3、小王参加一次比赛,比赛共设三关,第一、第二关各有 两个必答题,如果每关两个题都答对,可进入下一关,第三关 有三个问题,只要答对其中两个问题,则闯关成功。每过一关 可一次性获得价值分别为1000元,3000元,6000元(不得重复
得奖)的奖品,小王对三关中的问题回答正确的概率依次为
所获奖品的价值,写出 的所有可能取值。
4.抛掷两枚骰子各一次,记第一枚骰子掷出的点 数与第二枚骰子掷出的点数的差为ξ,试问: (1)“ξ>4”表示的试验结果是什么?(2)P (ξ>4)=?
答:因为一枚骰子的点数可以是1,2,3,4,5,6六种
结果之一,由已知得5 ≤ ≤ 5 ,也就是说“ >4”就是 “ =5”.所以,“ 点.
小结:
1.随机变量是随机事件的结果的数量化. 随机变量ξ的取值对应于随机试验的某一随机事件。 随机变量是随机试验的试验结果和实数之间的一个 对应关系,这种对应关系是人为建立起来的,但又是客 观存在的这与函数概念的本质是一样的,只不过在函数 概念中,函数f(x)的自变量x是实数,而在随机变量的概 念中,随机变量ε的自变量是试验结果。
(2)如果规定寿命在1500小时以上的灯泡为一等品, 寿命在1000到1500小时之间的为二等品,寿命在1000 小时以下的为不合格品。如果我们关心灯泡是否为合 格品,应如何定义随机变量?如果我们关心灯泡是否 为一等品或二等品,又如何定义随机变量?
思考2:
随机变量与函数有类似的地方吗?
随机变量和函数都是一种映射,随机变量把随 机试验的结果映为实数,函数把实数映为实数。在 这两种映射之间,试验结果的范围相当于函数的定 义域,随机变量的取值范围相当于函数的值域。我 们把随机变量的取值范围叫做随机变量的值域。 例如,在含有10件次品的100件产品中,任意抽取 4件,可能含有的次品件数X将随着抽取结果的变化而 变化,是一个随机变量。其值域是{0,1,2,3,4}.
例题:
例1、(1)某座大桥一天经过的中华轿车的辆数为 ; (2)某 网站中歌曲《爱我中华》一天内被点击的次数为 ;(3)一天 内的温度为 ;(4)射手对目标进行射击,击中目标得1分,未 击中目标得0分,用 表示该射手在一次射击中的得分。上 述问题中的 是离散型随机变量的是( B )
A.(1)(2)(3)(4)
B.(1)(2)(4) C.(1)(3)(4) D.(2)(3)(4)
例2、写出下列随机变量可能的取值,并说明随机变量所取 的值表示的随机试验的结果:
(1)一个袋中装有2个白球和5个黑球,从中任取3个,其 中所含白球的个数 ;
(2)一个袋中装有5个同样大小的球,编号为1,2,3,4, 5,现从中随机取出3个球,被取出的球的最大号码数 。
相关文档
最新文档