2.4_几种常见的连续型随机变量的分布
高等教育自学考试 概率论与数理统计期末自学 复习重要知识点
概率论与数理统计期末复习重要知识点第二章知识点：1.离散型随机变量：设X 是一个随机变量，如果它全部可能的取值只有有限个或可数无穷个，则称X 为一个离散随机变量。
2.常用离散型分布：（1）两点分布（0-1分布）： 若一个随机变量X 只有两个可能取值，且其分布为12{},{}1(01)P X x p P X x p p ====-<<，则称X 服从12,x x 处参数为p 的两点分布。
两点分布的概率分布：12{},{}1(01)P X x p P X x pp ====-<<两点分布的期望：()E X p =；两点分布的方差：()(1)D X p p =-（2）二项分布：若一个随机变量X 的概率分布由式{}(1),0,1,...,.k kn k n P x k C p p k n -==-=给出，则称X 服从参数为n,p 的二项分布。
记为X~b(n,p)(或B(n,p)).两点分布的概率分布：{}(1),0,1,...,.k k n kn P x k C p p k n -==-= 二项分布的期望：()E X np =；二项分布的方差：()(1)D X np p =-（3）泊松分布：若一个随机变量X 的概率分布为{},0,0,1,2,...!kP X k ek k λλλ-==>=，则称X 服从参数为λ的泊松分布，记为X~P (λ)泊松分布的概率分布：{},0,0,1,2,...!kP X k ek k λλλ-==>=泊松分布的期望：()E X λ=；泊松分布的方差：()D X λ=4.连续型随机变量：如果对随机变量X 的分布函数F(x)，存在非负可积函数()f x ，使得对于任意实数x ，有(){}()xF x P X x f t dt-∞=≤=⎰，则称X 为连续型随机变量，称()f x 为X 的概率密度函数，简称为概率密度函数。
5.常用的连续型分布： （1）均匀分布：若连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧<<-=其它,0,1)(bx a a b x f ，则称X 在区间（a,b ）上服从均匀分布，记为X~U(a,b)均匀分布的概率密度：⎪⎩⎪⎨⎧<<-=其它,0,1)(b x a a b x f 均匀分布的期望：()2a bE X +=；均匀分布的方差：2()()12b a D X -= （2）指数分布：若连续型随机变量X 的概率密度为00()0xe xf x λλλ-⎧>>=⎨⎩，则称X 服从参数为λ的指数分布，记为X~e (λ)指数分布的概率密度：00()0xe xf x λλλ-⎧>>=⎨⎩指数分布的期望：1()E X λ=；指数分布的方差：21()D X λ=（3）正态分布：若连续型随机变量X的概率密度为22()2()x f x x μσ--=-∞<<+∞则称X 服从参数为μ和2σ的正态分布，记为X~N(μ,2σ)正态分布的概率密度：22()2()x f x x μσ--=-∞<<+∞正态分布的期望：()E X μ=；正态分布的方差：2()D X σ=（4）标准正态分布：20,1μσ==，2222()()x t xx x e dtϕφ---∞=标准正态分布表的使用： （1）()1()x x x φφ<=--（2）~(0,1){}{}{}{}()()X N P a x b P a x b P a x b P a x b b a φφ<≤=≤≤=≤<=<<=-（3）2~(,),~(0,1),X X N Y N μμσσ-=故(){}{}()X x x F x P X x P μμμφσσσ---=≤=≤={}{}()()a b b a P a X b P Y μμμμφφσσσσ----<≤=≤≤=-定理1： 设X~N(μ,2σ),则~(0,1)X Y N μσ-=6.随机变量的分布函数： 设X 是一个随机变量，称(){}F x P X x =≤为X 的分布函数。
常见的连续型随机变量的分布
1.均匀分布 密度分布函数 ⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧<<-=其他,0,1)(b x a a b x f2.指数分布 密度分布函数 ⎭⎬⎫⎩⎨⎧>=-其他,00,)(x e x f x λλ 3.伽玛分布 密度分布函数 ⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤>Γ=--0,00,)()(1x x e x x f x ααααλ4.正态分布 密度分布函数 222)(21)(σμπσ--=x e x f5.对数正态分布 密度分布函数 ⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧>=--e l s e x e x x f x ,00,21)(222)(l n σμπσ6.贝塔分布 密度分布函数 ⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧<<-ΓΓ+Γ=--e l s e x x x r r r r x f r r ,010,)1()()()()(112121217.爱尔兰分布 密度分布函数 ⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤>-=--0,00,)!1()(1x x e x r x f x r r λλ8.拉普拉斯分布 密度分布函数 ⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧=--λμλx e x f 21)(%泊松分布概率密度作图：x=0:20;y1=poisspdf(x,2.5);y2=poisspdf(x,5);y3=poisspdf(x,10);hold onplot(x,y1,':r*')plot(x,y2,':b*')plot(x,y3,':g*')hold offtitle('Poisson 分布')正态分布标准差意义的图示mu=3; sigma=0.5;x=mu+sigma*[-3:-1,1:3];yf=normcdf(x,mu,sigma);P=[yf(4)-yf(3),yf(5)-yf(2),yf(6)-yf(1)];xd=1:0.1:5;yd=normpdf(xd,mu,sigma);%for k=1:3xx{k}=x(4-k):sigma/10:x(3+k);yy{k}=normpdf(xx{k},mu,sigma);endsubplot(1,3,1),plot(xd,yd,'b');hold onfill([x(3),xx{1},x(4)],[0,yy{1},0],'g')text(mu-0.5*sigma,0.3,num2str(P(1))),hold offsubplot(1,3,2),plot(xd,yd,'b');hold onfill([x(2),xx{2},x(5)],[0,yy{2},0],'g')text(mu-0.5*sigma,0.3,num2str(P(2))),hold offsubplot(1,3,3),plot(xd,yd,'b');hold onfill([x(1),xx{3},x(6)],[0,yy{3},0],'g')text(mu-0.5*sigma,0.3,num2str(P(3))),hold offv=4;xi=0.9;x_xi=chi2inv(xi,v);x=0:0.1:15;yd_c=chi2pdf(x,v);%。
2.4连续型随机变量及其概率密度1
c
ba
例 在PGA巡回赛中，前100名最好的高尔夫运动员 的击球距离在260米和284米之间，假设这些运动员的 击球距离在该区间上服从均匀分布。
(1)写出击球距离的概率密度函数； 解：令X表示击球距离，根据题意可知X~U(260,284)
f
(x)
1 24
,
260 x 284
0,
0
x0
P{X 1} F(1) 1 (11)e1 1 2e1
二、几个重要的连续型随机变量及其密度函数
1.均匀分布 若连续型随机变量X具有概率密度
f
(
Байду номын сангаас
x)
b
1
a
,
0,
a x b, 其他,
则称X在(a,b)上服从均匀分布. 记为X ~ U(a,b).
概率密度函数图形
0
0dx
0.5 3x2dx x3 0.5 0.125
1
0
0
A3
3x2, 0 x 1,
例题 1 设 X 概率密度 f (x) 0
, 其它.
求（3）求 F(x) .
解（3）由定义知 F(x) x f (t)dt
x
x
当 x 0 时， F(x) f (x)dx 0dx 0 ；
0.06
0.04
0.02
连续型随机变量取值落在某一 区间的概率与区间的开闭无关
-10
-5
a
5
bx
x
F( x) f (t)dt
注意
若X是连续型随机变量，{ X=a }是不可
能事件，则有P{ X a} 0. 反之不一定
概率论与数理统计连续型随机变量及其概率分布ppt课件
0 x
则t , dt d
1-(x)
x1
2
3
F(x) 1
(t )2
1 x e
2 2
dt
x
2
e 2 d
( x )
2
2
4. P{a X b} (b ) ( a )
P{X b} (b ) P{X a} 1 (a )
例6
设 X ~ N(1,4) , 求 P (0 X 1.6)
解：X 的密度函数为
f
x
1 10
e
x 10
0
x0 x0
令：B={ 等待时间为10-20分钟 }
则 PB P10 X 20
20
1
x
e 10 dx
10 10
x
e 10
20
e 1
e 2
0.2325
10
例5 假定一大型设备在任何长为 t 的时间内发生
故障的次数 N( t ) 服从参数为t 的Poisson分布,
P(2
X
4)
4
2
2
2
2
(0)
0.3
2
0.8
P( X 0) 0.2
解二 图解法
0.2 0.15
0.1 0.05
0.3 0.2
-2
2
4
6
由图 P( X 0) 0.2
例 3 原理
设 X ~ N ( , 2), 求 P(| X | 3 )
解 P(| X | 3 ) P( 3 X 3 )
应用场合:
若随机变量Ｘ在区间(a,b)内等可能的取值，则
X ~ U a,b
例3 秒表的最小刻度差为0.01秒. 若计时精度 是取最近的刻度值, 求使用该秒表计时产生的 随机误差X 的概率密度, 并计算误差的绝对值 不超过0.004秒的概率.
概率论与数理统计-随机变量及其分布
解
直接对上式求导有
二、连续型随机变量函数的分布
81
例 18
解
二、连续型随机变量函数的分布
82
定理 1
定理 2
83
总结/summary
离散型随机变量：分布律
分 二项分布、泊松分布、几何
随 布 分布
机 变
函 数
连续型随机变量：密度函数
量 均匀分布、指数分布、正态
分布
随机变量函数的分布
84
谢谢观赏
46
47
目录/Contents
2.1 随机变量及其分布 2.2 常用的离散型随机变量 2.3 常用的连续型随机变量 2.4 随机变量函数的分布
48
目录/Contents
2.3 常用的连续型随机变量
一、均匀分布 二、指数分布 三、正态分布
一、均匀分布
49
一、均匀分布
50
一、均匀分布
51
一、均匀分布
15
定义3
（1）非负性 （2）规范性
三、离散型随机变量及其分布律
16
换句话说，如果一个随机变量只可能取有限个 值或可列无限个值, 那么称这个随机变量为（一维） 离散型随机变量.
一维离散型随机变量的分布律也可表示为：
三、离散型随机变量及其分布律
17
例2
求
三、离散型随机变量及其分布律
18
解
四、连续型随机变量及其密度函数
2.1 随机变量及其分布 2.2 常用的离散型随机变量 2.3 常用的连续型随机变量 2.4 随机变量函数的分布
73
目录/Contents
2.4 随机变量函数的分布 一、离散型随机变量函数的分布 二、连续型随机变量函数的分布
连续型随机变量的分布)
指数分布是一种连续型概率分布，常用于描述两个连续事件之间的时间间隔。 若一个随机变量X服从参数为λ的指数分布，则其概率密度函数为f(x)=λe^(λx)，x>0。
性质
指数分布具有无记忆性，即无论已经等待了多久，下一个事件发生的概率与刚 开始等待时相同。此外，指数分布的期望和方差分别为1/λ和1/λ^2。
制定提供依据。
03
可靠性试验设计
在可靠性试验设计中，指数分布可作为先验分布或假设检验的基础。例
如，在定时截尾试验中，可利用指数分布的性质对试验数据进行统计分
析，从而得出产品可靠性的相关结论。
04
正态分布
定义及性质
定义
正态分布是一种连续型概率分布，其 概率密度函数呈钟形曲线，具有对称 性和单峰性。
均匀分布在实际问题中应用
01
在实际问题中，均匀分布常被用来描述一些随机现象，如某段 时间内到达的顾客数、某段路程内行驶的车辆数等。
02
在统计学中，均匀分布可以作为其他更复杂分布的基础，如正
态分布、指数分布等。
在计算机模拟中，均匀分布的随机数生成器是其他更复杂随机
03
数生成器的基础。
03
指数分布
定义及性质
性质
连续型随机变量的取值是连续的，即任意两个相邻的实数之间都有无限多个实数。因此，对于连续型随机变量， 我们讨论其在某个区间内的概率，而不是具体某个点的概率（某点的概率为0）。
常见连续型随机变量类型
均匀分布
正态分布（高斯分布）
在某个区间[a, b]内，每个值出现的概率都相 等。其概率密度函数（PDF）是一个常数， 分布函数（CDF）是线性的。
指数分布概率计算
计算概率密度函数值
2.4连续型随机变量及其概率密度函数
-?
a b- a
连续型随机变量及概率密度函数
注
蝌 P{c < X ? c l} = c+l f ( x)dx = c+l 1 dx = l
c
c b- a b- a
随机变量 X 落在任一长度为 l 的子区间(c,c + l],(a ? c c + l ? b)
内的可能性是相同的.
均匀分布的分布函数为
2
解 (2)X的分布函数为
ì
0,
ï
ï
ò ï
x x dx = x2 ,
F
(
x
)
=
ï í
ï
蝌 ï
ï
3 x dx + 06
06
x 3
骣 琪 琪 桫2
-
x 2
12 x2
dx = - 3 + 2x - , 4
ï î
1,
x <0 0? x 3 3? x 4
x³ 4
连续型随机变量及概率密度函数
例 1 设随机变量 X 具有概率密度
f
(x)
=
ì ï í
1 5
,0
<
x
<
5，
ï î
0,
其他
ì 0,
ï
蝌 F ( x) =
x
ï f ( x)dx = í
x dt = x ,
-?
ï 05 5
ï î
1,
x£ 0 0< x <5
x³ 5
（2）随机变量 X 的取值不小于 2，即
蝌 ò P{ X ? 2} = +? f ( x)dx = 5 1 dx + ? 0dx 3
2.4随机变量函数的分布
P( X
yb
y
a
b
)
a
f X ( x)dx
fY ( y)
1 a
fX (
y
a
b
)
11
(2)
a<0 FY ( y)
P( X
y b) a
yb f X ( x)dx
a
fY ( y)
1 a
f
X
(
y
a
b
)
即
fY
( y)
|
1 a
|
fX
(
y a
b)
…(*)
12
对于上例: y=g(x)=ax+b 注意到y=g(x)=ax+b与y=ex都是单 调函数
13
定理: 连续型随机变量X的概率密度为 fX(x), x(, +),若y=g(x)为严格单调 函数,其反函数x=h(y)连续可导,Y=g(X) 的概率密度为:
fY
(
y
)
f
X
0,
[h(
y)]
|
h(
y
)
|,
y
其它
其中=min{g(),g(+)} =max{g(),g(+)}
14
当fX(x)在有限区间[a,b]之外取值 为零时,只需假设在[a,b]上g(x)严格单 调,反函数在相应区间可导,则上述定
2.4 随机变量函数 的分布
讨论如何根据已知的 随机变量X的分布,去求它 的函数Y=g(X)的分布
一、离散型随机变量函数的 分布
二、连续型随机变量函数的 分布
1
问题的提出
在实际中，人们常常对随机变量的函数 更感兴趣. 例如，已知圆轴截面直径 d 的分布，
- 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)。
F ( x)
x
1 2
e
( x )2 2 2
dt
(2) 正态分布的密度函数 f(x) 的图形的性质
1 f ( x) e 2 ( x )2 2 2
, x
正态曲线
(1) f(x) 关于 是对称的.
1 在 点 f(x) 取得最大值 . 2
2.4 几种常见的连续型随机变 量的分布
(1) 均匀分布 (2) 指数分布
(3) 正态分布（重点）
1 、均匀分布
如果随机变量 X 的概率密度为
1 , a xb f ( x) b a 其它 0,
则称 X 在区间 [a, b]上服从均匀分布. 记为 X～U[a, b].
由于 P{c x d } f ( x)dx
b
x
abBiblioteka x例1 设随机变量 X ~ U(2, 5). 现在对 X 进行三次独立观测，
试求至少有两次观测值大于 3 的概率.
解： 记 A = { X > 3 },
则 P(A) = P( X> 3) = 2/3
设 Y 表示三次独立观测中 A 出现的次数, 则 Y~ B(3, 2/3)，所求概率为
P (Y ≥ 2) = P(Y = 2) + P(Y = 3)
（2）该热水器能正常使用600 h以上的概率是多少？
解 （1）P{在100 h以内需要维修} P( X 100}
100 0
100
f ( x)dx
0.002e0.002 x dx 1 e0.2 0.1813
（2） P{能无故障使用600 h以上} P( X 600}
(2) 设 X ~ N( , 42), Y ~ N( , 52), 记 p1 = P{X ≤ 4}，
p2 = P{Y ≥ +5}, 则( ① )
① ② ③ ④ 对任意的 对任意的 只个别的 对任意的
，都有 p1 = p2 ，都有 p1 < p2 ，才有 p1 = p2 ，都有 p1 > p2
解：可得 P{| X | 2 } 2(1) 1 0.6826 P{| X | 2 } 2(2) 1 0.9544 P{| X | 3 } 2(3) 1 0.9973
由此可看出，正态分布的随机变量 X 几乎全部落在区间
(-3, +3)内.从理论上讲，服从正态分布的随机变 量X的可能取值范围是( -∞, +∞)，但事实上 X 的取值落在 (-3, +3)以外数值微乎其微，一般可以忽略不计.
600
0.002e0.002 xdx e1.2 0.3012
3. 正态分布
(1). 正态分布的定义
若X的概率密度为
1 f ( x) e 2
( x )2 2 2
, x
其中μ, σ(σ>0)为常数，则称X服从参数为μ, σ2的正态分布或高 斯 (Gauss)分布. 记作 X～ N(μ, σ2) 分布函数为：
f(x)
(2) 若 固定, 改变, f(x)左右移动, 形状保持不变.
0 μ σ大
σ 小 x
(3) 若 固定, 改变,
越大曲线越平坦; 越小曲线越陡峭.
标准正态分布N(0, 1)
它的概率密度和分布函数通常都用约定的符号
(x)
1 ( x )
密度函数记为
1 x2 /2 ( x) e 2
(3) 设 X ~ N( , 2), 则随 的增大,概率 P{| X | < } ( ③ ).
① 单调增大 ③ 保持不变 ② 单调减少 ④ 增减不定
•3) P{|X| ≤1.54}= Φ(1.54)- Φ(-1.54)
=2Φ(1.54)-1= 0.8764
· 4) P{|X| ≥1.54} = 1- P{|X| ≤1.54}=1-0.8764=0.1236
(4) 一般正态分布的标准化与计算
定理 若随机变量 X ~ N ( , )，则 X
c
d
d
c
1 d c dx ba ba
可知 X 落在[a, b]内任一小区间 [c, d] 内的概率与该小区间的位置 无关，只依赖于子区间的长度．可见概率分布在[a, b]内是均匀
的.
分布函数为：
f ( x) a
F( x)
xa 0, xa F ( x) a xb b a xb 1,
分布函数记为
( x )
x 0 x
x
1 ( x) 2
易见
x
e dt
t2 2
1 (1) (0) , 2
(2) ( x ) 1 (x)
(3) 查标准正态分布函数表计算概率
•例4 设 X～N(0,1) ,计算 P{X ≤ 2.35} ； P{-1.64 ≤ X＜0 .82} ； P{ |X| ≤ 1.54}； P{ |X| ≥ 1.54} •1) P{X ≤ 2.35} =Φ(2.35)= 0.9906 •2) P{-1.64 ≤X＜0 .82} = Φ(0.82)- Φ(-1.64) = Φ(0.82)- [1-Φ(1.64)] = 0.7434
例 2 设 X E ( 2) ，且 P ( X C ) 0.5 (C 0) , 求常数 C .
例3 假设某种热水器首次发生故障的时间X（单位：h）服 从指数分布，其概率密度为
0.002e0.002 x， x 0 f ( x) ， x0 0
（1）该热水器在100 h内需要维修的概率是多少？
2
*
X
~ N (0,1) .
通常，我们把 X
*
X
称为 X 的标准化随机变量.
22 ) ,求 P8 X 14 及 P X 5 . 例5 设随机变量 X ~ N (10，
例6 (3原则) 设 X ~ N (, 2) ，求
P{ |X - |﹤ }, P{ |X - |﹤2}, P{|X - |﹤3}.
1 e x , F ( x) 0,
x0 x0
特别：指数分布具有无忆性，即：
P( X > s+t | X > s ) = P( X > t )
指数分布常用来作各种“寿命”分布的近似，如电子元件、 某些微生物及某些易损物品的使用寿命等. 指数分布中的参数 的倒数
1
的实际意义是使用寿命 X 的平均值.
2 C 3
2 3
2
1 32 C3 3 3
3
1 = 20/27 3
0
2. 指数分布
设连续型随机变量 X 具有概率密度
e x , f ( x) 0,
x0 x0
则称 X 服从参数为 的指数分布.记作 X ~E ( ). 其分布函数为
例7 设 X ~ N(, 2), P(X 5) = 0.045, P(X 3) = 0.618,
求 及 .
解:
5 1.69 3 0.3
= 1.76
=4
课堂练习
(1) 已知 X ~ N(3, 22), 且 P{X > k} = P{X ≤ k}, 则 k = ( 3 ).