一维随机变量函数的概率分布
一维随机变量的分布函数
一维随机变量的分布函数
一维随机变量的分布函数是指在实数轴上，对于任意实数x，随机变量X小于等于x的概率，即F(x)=P(X<=x)，其中P为概率。
分布函数具有以下性质：
1. F(x)是一个单调不减的函数，即随着x的增大，F(x)也会增大或不变。
2. F(x)的取值范围是[0,1]，因为概率的取值范围也是[0,1]。
3. F(x)是右连续的，即对于任意x，F(x)的左右极限相等，且F(x)在x处连续。
4. 若X是一个连续型随机变量，则F(x)可以表示为X的概率密度函数f(x)的积分，即F(x)=∫f(t)dt，其中积分下限为负无穷，上限为x。
5. 若X是一个离散型随机变量，则F(x)可以表示为X的概率质量函数p(x)的累加和，即F(x)=∑p(t)，其中t取遍所有小于等于x 的离散值。
分布函数是描述随机变量的一个重要工具，可以用来求解各种概率问题，例如求解随机变量X落在某个区间内的概率，或者求解X的统计特征值等。
- 1 -。
第二章 一维随机变量及其分布1
两点分布（贝努里分布）
若随机变量只有两个可能的取值 0和1，其概率分布为
01
则称X服从参数为p的两点分布.
应用： 0-1分布 只有“成功”和“失败” 两种对立结局的试验称做伯努 利试验；伯努利试验成功的次数X服从0-1分布，参数——成功的概率， ——失败的概率．例如产品抽样验收：抽到不合格品——成功，抽到合 格品──失败；射击：命中──成功，脱靶──失败……
查泊松分布表可得，，于是这家商店只要在月底保证存货不少于15件就 能以95%以上的把握保证下月该商品不会脱销.
例5 在500个人组成的团体中，恰有5个人的生日是元旦的概率是多 少？
解：该团体中每个人的生日恰好是元旦的概率都是，则该团体中生 日为元旦的人数，恰有5个人的生日是元旦的概率为
泊松定理：设随机变量序列服从二项分布（这里概率与n有关），若 满足（为常数），则有：
x 0.10 0.20 0.40 0.60 0.80 1.00 1.20 1.40 0.53 0.579 0.655 0.726 0.788 0.841 0.885 0.919
解：设A1={ 电压不超过200伏}，A2={ 电压在200伏~240伏}，A3={电 压超过240伏}，B={电子元件损坏} 由于 所以， 又知： 所以 Ⅲ、典型例题分析
则的分布密度为 例3 设随机变量的概率密度为
求：的分布密度函数. 解：由分布函数的定义 当时， 当时， 当即时， 当即时， 因此 分布密度为
例４. 已知Ｘ服从区间[0,1]上的均匀分布, 求Ｘ的函数Ｙ=3Ｘ+1的概率分 布. 解: 根据题意知Ｘ的概率密度为： 则Ｙ的分布函数为 对其求导得Ｙ的概率密度与Ｘ的概率密度间的关系为 即Y服从在区间[1,4]上的均匀分布. 例５. 已知Ｘ～, , 求Ｙ的概率密度. 解: Ｙ的分布函数 因ey总大于0, 而当y大于0时FX(x)为 因此有: 则Y的概率密度为其分布函数的求导:
一维随机变量及其分布
第二章一维随机变量及其分布考试内容随机变量随机变量分布函数的概念及其性质离散型随机变量的概率分布连续型随机变量的概率密度常见随机变量的分布随机变量函数的分布考试要求1．理解随机变量的概念，理解分布函数的概念及性质，会计算与随机变量相联系的事件的概率。
2．理解离散型随机变量及其概率分布的概念，掌握0—1分布、二项分布B （n,p）、几何分布、超几何分布、泊松（Poisson）分布P（）及其应用。
3．了解泊松定理的结论和应用条件，会用泊松分布近似表示二项分布。
4．理解连续型随机变量及其概率密度的概念，掌握均匀分布U（a,b）、正态分布N（）、指数分布及其应用，其中参数为的指数分布E（）的概率密度为会求随机变量函数的分布。
本章导读本章的核心内容是8大分布函数及其对应的模型；如何根据定义求的函数分布一般方法。
介绍了作者用于分布函数求一维分布的直角分割法秘技。
分布函数的定义历来是使读者感到迷茫的知识点，如为什么要求分布函数必须右连续等问题？目前的教材和参考书的讲法都不清晰，作者系统地揭开了这一神秘数学面纱。
一、随机变量1概念随机试验的每一个可能的结果（即每一基本事件），对应样本间的集合中每一元素，我们都可以设令一个实数来表示该元素，显然，为实值单值函数，称为随机变量。
对，我们试验前无法确定，也就无法事先确定的值，只有在试验后才会知道的值，但取值一定服从某种确定的分布。
随机变量与普通函数区别有三，第一，随机变量定义域为样本空间的基本事件；第二，随机变量取值是随机的，只有它取每一个可能值有确定的概率；第三，随即变量是随机事件的人为数量化，而且这种数值只是一种符号表示。
比如：将一枚硬币抛三次，以表示三次投掷中出现正面的总次数，那么，对于样本空间中的每一个样本点，都有一个值与之对应，即二、随机变量的分布函数2.1 随机变量的分布函数（适合任何类型的随即变量）陈氏第2技随机变量的分布函数的全新揭秘。
● 分布函数定义形式的渊源一般情况下，人们只对某个区间内的概率感兴趣，即研究下列四种可能的区间的概率由于当所以，我们只须定义一个形式就可以了，其他区间形式都可以用它表示出来。
§3.5 随机变量函数的分布
( ii ) 若Y = X 2 , 则有 1 fY ( y ) = [ f X ( y ) + f X ( − y )], y ∈ R(Y ). 2 y 这里a , b为常数 且a ≠ 0, R(Y )为Y的值域 .
证明 由于 R(Y ) = [0,+∞ ), 取 y ≥ 0, 有
FY ( y ) = P ( X ≤ y ) = P ( − y ≤ X ≤
2 2 ∑ ci X i ~ N ( ∑ ci µi , ∑ ci σ i ). n i =1 n i =1 n i =1
其中, 为常数. 其中 c1 , c2 ,⋯, cn为常数
3.5.2 二维随机变量函数的分布 一、一般方法 是二维连续型随机变量,其联合密 设 ( X ,Y )是二维连续型随机变量 其联合密 的函数, 度为 f ( x , y ).又设Z = g( X ,Y ) 是 ( X ,Y ) 的函数 又设 类似于一维,求 的密度的一般方法为 的密度的一般方法为: 类似于一维 求Z的密度的一般方法为 (i)确定 的值域 R(Z )； 确定Z的值域 确定 (ii)对任意 z ∈ R(Z )， 对任意 求出Z的分布函数 的分布函数； 求出 的分布函数；
f Z ( z ) = ∫− ∞ f ( x , z − x )dx，或 f Z ( z ) = ∫− ∞ f ( z − y , y )dy .
+∞ +∞
当 X与Y 独立时 则 与 独立时,则
f Z ( z ) = ∫− ∞ f X ( x ) fY ( z − x )dx，或 f Z ( z ) = ∫− ∞ f X ( z − y ) fY ( y )dy .
−1 −1
用上述定理求例3.5.1中Y的密度函数 例3.5.3 用上述定理求例 中 的密度函数
连续参数离散型随机过程的一维及二维的分布函数
连续参数离散型随机过程的一维及二维的分布函数
连续参数离散型随机过程指的是一种由一维或二维连续参数随机过程构成、离散性实现的随机过程系统。
此类随机过程通常用于模拟和分析复杂的系统。
有关连续参数离散型随机过程的分布函数，本文将具体探讨一维和二维的分布函数。
一、一维分布函数
一维分布函数是指一维随机变量的概率密度的数学表达。
给定一个随机变量X，它的概率密度函数可以表示为X的概率分布，即P(X)。
一般情况下，随机变量X的概率分布函数可以表示为：
P(X)=f (X)
其中f (X)是X的概率密度函数。
一维分布函数描述了X可能出现的所有概率，对于离散型随机过程，一维分布函数可以表示为： P(X=x_i)=f (x_i)
其中x_i是离散型随机过程的状态值，f (x_i)是x_i出现的概率。
二、二维分布函数
二维分布函数是指二维随机变量的概率密度的数学表达。
给定两个随机变量X和Y，它们的概率密度函数可以表示为：
P(X,Y)=f (X,Y)
其中f (X,Y)是X和Y的概率密度函数。
二维分布函数描述了X 和Y可能出现的概率，对于离散型随机过程，二维分布函数可以表示为：
P(X=x_i, Y=y_i)=f (x_i, y_i)
其中x_i和y_i是离散型随机过程的状态值，f (x_i, y_i)是X 和Y在x_i和y_i状态下出现的概率。
综上，本文介绍了连续参数离散型随机过程的一维及二维的分布函数的基本原理，为了更好地描述此类过程，应用程序可以利用一维及二维分布函数来表征和分析相关模型。
第2章一维随机变量
第2章 一维随机变量2.1 内容框图2.2 基本要求(1) 理解随机变量及其分布函数的概念，掌握分布函数的性质。
(2) 理解离散型随机变量及其概率分布的概念，会求简单的离散概率模型中随机变量的概率分布，掌握常用分布及其特性，并能用以解决具体问题。
(3) 理解连续型随机变量及其概率密度函数的概念，掌握概率密度函数的性质及概率密度函数与分布函数的关系，能运用常用分布及其特性解决具体问题。
(4) 会根据随机变量的概率分布求其简单函数的概率分布。
2.3 内容概要1）随机变量的分布函数：(1) 定义：随机变量ξ的分布函数(){}F x P x ξ≤@，x ∈（-∞，+∞）。
(2) 性质：①F (x )是单调不减函数：2121()()x x F x F x ∀>⇒≥； ②F (x )是有界函数：0≤F (x )≤1，且F (+∞)=1，F (-∞)=0； ③F (x )是右连续的：F (x +0) = F (x )。
(3) 用F (x )表示概率：①{}1()P x F x ξ>=- ②{}()()P a b F b F a ξ<≤=- ③{}P x ξ<=(0)F x -④{}()(0)P x F x F x ξ==--2）离散型随机变量：(1) 定义：所有可能取值为有限多个或可列无穷多个的随机变量称为离散型随机变量。
(2) 概率分布： {}i i P x p ξ==（i =1,2,…）或表示为：1212{}n i n x x x P x p p p ξξ=L L LL满足：① p i ≥0（i =1,2,…）； ②1ni i p =∑=1。
(3) 分布函数F (x ) =i ix xp ≤∑。
注 离散型随机变量ξ的分布函数F (x )是阶梯状的，ξ的每个可能取值点都是F (x )的跳跃间断点，而在其他点处F (x )连续。
3）连续型随机变量(1) 定义：设随机变量ξ的分布函数为F (x )，若存在非负函数φ(x )，使对一切实数x 成立 F (x )=()xx dx ϕ-∞⎰则称ξ为连续型随机变量，φ(x ) 称为ξ的概率密度函数。
一维连续型随机变量函数的分布
解
1 1 fY ( y ) fX ( y 2) 3 3
1 2 y 3 2 y 2 2e 0 3 3 0 其它
2 2( y3 2） e 3 0
y2 其它
x , 0 x4 例： X ~ f ( x) 8 时，定理为真
例1.已知 X 的 d.f.为 f X ( x), Y aX b, a, b为常数，且 a 0, 求 fY ( y ) 解 y b
y g ( x) ax b, x h( y ) 1 h( y) . a
a
,
fY ( y ) f X (h( y )) h( y )
一维连续型随机变量 函数的分布
一般地,对 y= g(x)是严格单调函数,有下面的结论.
定理 设X是一个连续型随机变量，其密度函数
为 f(x), 又函数 y= g(x) 严格单调，其反函数 h ( y ) 有连续导数，则 Y = g (X) 也是一个连续型随机 变量，且其密度函数为
f X [ h( y )] h( y ) fY ( y ) 0
1 3
Y X 3， fY ( y )。 求
y g ( x) x3， x y h ( y ) 解：
g '( x) 3x 0， fY ( y) 1 y f X ( y ) 3
2
2 3 1 3
1 1 y 3 , 0 y 64 fY ( y ) 24 0, 其他
Y ~ N (a b, a )
2 2
一般若X ~ N ( , 2 )， aX b Y ~ N (a b, a 2 2 ) Y
特别地 ，若
概率论与数理统计第3章
试求常数a和b。
π F xlim F x a b 2 0 解： F lim F x a b π 1 x 2
1 1 a , b 2 π
P ( 2 4) P ( 2) P ( 2 4) 0.3 0.6 0.5 0.4
P ( 3) 1 P ( 3) 1 0.5 0.5
6
例3：设r.v. 的分布函数
F x a b arctan x
b a
因此求概率可从分布函数与密度函数两条途径入手。
5、密度的图像称分布曲线，相应有两个特征： ⑴ 曲线在x轴上方；
概率面积
y
f(x)分布曲线
⑵ 曲线于x轴之间的 面积是1。
x c o d
10
例4：设 的密度在[a,b]以外为0，在[a,b]内为
一常数 ，
， a x b f ( x) 0， 其它
x2 2
16
⑶ f(x)符合密度函数的两性质： ① f(x) > 0；②
f x d x 1。
x2 2
以标准正态分布为例， e
e d t e
t2 2 2 x2 2
d x 称为高斯积分。
dy
r2 2 0
从F(x)求f(x)： f x F x 从f(x)求F(x)： F x f t d t
x
9
4、对于连续型随机变量 ，
⑴ P a 0 ，即某指定点的概率为0； ⑵ Pa b Pa b
Pa b Pa b f x d x
- 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)。
1 f X ( y ) f X ( y ) , dFY ( y ) fY ( y ) 2 y dy 0,
y0 y0
1 f X ( y ) f X ( y ) , dFY ( y ) fY ( y ) 2 y dy 0,
y0 y0
FY ( y ) P(Y y ) P(sin X y )
=P(0 X arcsiny)+P( - arcsiny X ）
arcsin y
2x
0
2
dx arcsin y
2x
2
dx
解： 当0<y<1时,
FY ( y ) P(Y y ) P(sin X ( )28 16
X
y y 8
注意到 0 < x < 4 时， f X ( x ) 0
y8 fX ( )0 即 8 < y < 16 ， 2 y8 y8 ) 此时 f X ( 2 16
故
y8 , 8 y 16 fY ( y) 32 0, 其它
=P(0 X arcsiny)+P( - arcsiny X ）
(
而
arcsin y
2x
0
dx arcsin y 2
2
2x
dx 2
arcsin y
dFY ( y) fY ( y) dy
arcsin y 2 ) 1 ( )
dFY ( y) fY ( y) dy
已知X在(0,1)上服从均匀分布，
1, 0 x 1 fX ( x) 其它 0,
y/2 ) y / 2 d (e , 0 ey/2 1 f X (e ) fY ( y) dy 0, 其它 1 y/2 e , y0 得 fY ( y) 2 其它 0,
例3设 X 具有概率密度 f X ( x ),求Y=X2的概率密度.
解： 设Y和X的分布函数分别为FY ( y)和FX ( x) ，
注意到 Y=X2 0，故当 y 0时，FY ( y) 0
当 y>0 时, FY ( y ) P(Y y ) P( X y ) P ( y X y ) FX ( y ) FX ( y ) 求导可得
代入 fY ( y ) 的表达式中
即Y服从参数为1/2的指数分布.
这一讲我们介绍了随机变量函数的分布. 对于连续型随机变量，在求Y=g(X) 的 分布时，关键的一步是把事件 { g(X)≤ y } 转 化为X在一定范围内取值的形式，从而可以 利用 X 的分布来求 P { g(X)≤ y }.
稍事休息
求导得:
2 , 0 y 1 fY ( y ) 1 y 2 0, 其它
下面给出一个定理，在满 足定理条件时可直接用它求出 随机变量函数的概率密度 .
定理 设 X是一个取值于区间[a,b]，具有概率 密度 f(x)的连续型r.v,又设y=g(x)处处可导，且 对于任意x, 恒有 g ( x ) 0 或恒有g ( x ) 0 ，则 Y=g(X)是一个连续型r.v，它的概率密度为
如果g(xk)中有一些是相同的，把它们作适当 并项即可.
1 0 如： X ～ 0.3 0.6
1 0.1
则 Y=X2 的概率函数为：
1 0 Y ～ 0.6 0.4
二、连续型随机变量函数的分布 例2
x / 8, 0 x 4 设 X ~ fX ( x) 0, 其它
一般来说，随机变量X 的函数Y=g (X) 仍是一个随机变量。 设随机变量X 的分布已知，Y=g (X) (设g是连续函数），如何由 X 的分布求 出 Y 的分布？ 下面进行讨论.
一、离散型随机变量函数的分布
例1
2 1 设X ～ 0.2 0.5
5 0.3
求 Y= 2X + 3 的概率函数. 解： 当 X 取值 1，2，5 时， Y 取对应值 5，7，13， 而且X取某值与Y取其对应值是两个同时发生 的事件，两者具有相同的概率.
若
1 fX ( x) 2
e
x
2
2
x
则 Y=X2 的概率密度为：
1 fY ( y ) 2 0,
y e
1 2
y 2
,
y0 y0
从上述两例中可以看到，在求P(Y≤y) 的过 程中，关键的一步是设法从{ g(X) ≤ y }中解出X, 从而得到与 {g(X) ≤ y }等价的X的不等式 .
例如，用{ X
用 { y X
y 8} 2
代替 {2X+8 ≤ y }
y} 代替{ X2 ≤ y }
这样做是为了利用已知的 X的分布，从 而求出相应的概率.
这是求r.v的函数的分布的一种常用方法.
例4 设随机变量X的概率密度为
2x 2 f ( x) 0
0 x 其它
求 Y=2X+8 的概率密度.
解：设Y的分布函数为 FY(y)，
FY(y)=P{ Yy } = P (2X+8 y )
=P{ X
y8 2
} = FX(
y8 ) 2
于是Y 的密度函数
dFY ( y) y 8 1 fY ( y) fX ( ) dy 2 2
x / 8, 0 x 4 fX ( x) 0, 其它 dFY ( y) y 8 1 fY ( y) fX ( ) Y=2X+8 dy 2 2
求Y=sinX的概率密度.
解：注意到, 当 0 x 时 0 y 1
故
当 y 0时, FY ( y ) 0,
当 y 1时, FY ( y ) 1
例4 设随机变量X的概率密度为
2x 2 f ( x) 0
0 x 其它
求Y=sinX的概率密度.
解：当0<y<1时,
dh( y) , y x=h(y)是y=g(x) f [h( y)] fY ( y) dy 的反函数 0, 其它
其中， min g ( x ), max g ( x ),
a x b a x b
此定理的证明与前面的解题思路类似.
下面我们用这个定理来 解一个例题 .
例5 设随机变量X在(0,1)上服从均匀分布，求 Y=-2lnX的概率密度. 解： 在区间(0,1)上,函数lnx<0, 2 故 y=-2lnx>0, y 0 于是 y在区间(0,1)上单调下降，有反函数
x h( y) e y / 2
x
由前述定理得
注意取 绝对值
y/2 d ( e ) y/2 , 0 ey/2 1 f X (e ) fY ( y) dy 0, 其它
故
7 5 Y ~ 0.2 0.5
13 0.3
一般，若X是离散型 r.v ，X的概率函数为
x1 X ～ p1 x2 xn p2 pn g ( x2 ) g ( xn ) p2 pn
g ( x1 ) 则 Y=g(X) ～ p1