2.3分布函数的定义及性质
第二章 随机变量及其分布(第2讲)

引入随机变量和分布函数,在随机现象与数 学分析之间搭起了桥梁。
学习内容
§2.1 随机变量 §2.2 离散型随机变量及其分布 §2.3 随机变量的分布函数 §2.4 连续型随机变量及其分布 §2.5 随机变量函数的分布
引言
连续型随机变量(random variables of continuous type)
四、几种重要的连续型分布 均匀分1. 布均的匀实分际布背景是: 并概f ( x率且)随=与取⎪⎩⎪⎨⎧机0b这值−1变a个在量小(其x ∈X它区a取[a,,间bb值)] 的在中是 记长区一 为任度个间意成概X(小正~率aU区比密,[ab间度。,)b上内]函,的数.
利用分布函数与概率密度函数之间的关系,可以求得服从均匀 分布的随机变量 X 的分布函数
f
(x)
=
⎪⎧ ⎨
1 3
,
⎪⎩0 ,
0≤ x≤3 其它
∫ ∫ 所求概率 P{0 ≤ X ≤ 2}=
2 f (x )dx =
0
2 0
1 3
dx
=
2 3
四、几种重要的连续型分布
2.指数分布
定义: 若随机变量X的概率密度函数
X
~
f
(
x)
=
⎧λ
⎨
e−λ
x
⎩0
x>0 x≤0
称 X 服从参数为λ的指数分布,记为X~E(λ) (λ>0),
学习内容
§2.1 随机变量 §2.2 离散型随机变量及其分布 §2.3 随机变量的分布函数 §2.4 连续型随机变量及其分布 §2.5 随机变量函数的分布
引言
§2.2节学习的分布律对于非离散型型随 机变量失效
分布函数的左闭右开-概述说明以及解释

分布函数的左闭右开-概述说明以及解释1.引言1.1 概述分布函数是概率论和统计学中常用的概念,用于描述随机变量的概率分布情况。
通常情况下,分布函数是在实数轴上定义的,它给出了在给定点之前的所有可能取值的累积概率。
然而,有一种特殊的分布函数形式,被称为"左闭右开"分布函数。
与传统的分布函数不同,左闭右开分布函数在区间的左端点上取得累积概率值,但在区间的右端点上不取得累积概率值。
这种形式的分布函数在统计学和概率论的研究中具有一定的独特性和应用价值。
在本篇文章中,我们将深入讨论左闭右开分布函数的定义、特点和应用。
首先,我们将介绍分布函数的基本概念,并对传统分布函数与左闭右开分布函数进行比较。
接着,我们将详细探讨左闭右开分布函数的特点和性质,以及它与常见分布函数的异同之处。
在了解了左闭右开分布函数的基本概念后,我们将进一步探讨它在实际问题中的应用场景。
通过具体的实例和案例,我们将展示左闭右开分布函数在风险管理、随机模拟等领域中的优势和适用性。
同时,我们也将分析左闭右开分布函数的局限性和不足之处,以及在某些情况下可能存在的误用和风险。
最后,我们将对本文进行总结,并对左闭右开分布函数的特性、优势以及未来发展进行展望。
我们相信,通过对左闭右开分布函数的深入研究和应用,将为统计学和概率论领域的研究者提供一种新的分布函数形式,有助于更好地解决实际问题和提升研究水平。
通过本文的阅读,读者将能够全面了解左闭右开分布函数的概念和特点,并了解它在实际问题中的应用价值。
同时,读者也将对左闭右开分布函数的优势和局限性有更清晰的认识,并能对未来发展进行合理的预测和展望。
下面,我们将首先介绍分布函数的定义和特点。
1.2 文章结构本文将按照以下结构进行阐述和讨论分布函数的左闭右开特性和其应用。
首先,引言将概述本文的主题和目的,为读者提供整体的背景和了解。
在概述中,将介绍分布函数的基本定义和一般特点,并说明为什么我们对左闭右开特性感兴趣。
2.3分布函数的定义及性质

(
x)
1 13
, ,
0 x1 1 x 2
2 1, x 2
下面我们从图形上来看一下. 1y
12
16
13
O
O
0
1
注意右连续
归纳题型方法, 及要注意的地 方,图形特征。
1 2
O
x
2
一般地
设离散型 r .v X 的分布律是
P{ X=xk } = pk ,
则其分布函数
k =1,2,3,…
pk
得 P{X 1} F(1) 1 ,
2
24
F
1
1 (x4)
0134,,,212
x 31,
1 1x 2, 4
2 x 3,
4
1, x 3.
P{3 X 5} F(5) F(3) 3 1 1 ,
2
2 2 2 44 2
例2 设r.v X的分布函数为
F(x ) A B arctan x,x R
求A=?, B=?
解 F(-∞) = A + B(- π) = 0,
2 F(+∞) = A + B(+ π) = 1,
2
A=1/2, B=1/π.
例3 已知随机变量 X 的分布函数为
0, x 0
F(x)
对任意实数 x, P( X x) ?
一、分布函数的定义
设 X 是一个随机变量(离散型或非离散型),称
P( X x) ( x ) 为 X 的分布函数 , 记作 F (x)= P( X x)
注:
o X Xx
x
(1)如果将 X 看作数轴上随机点的坐标,那么分
6讲分布函数及概率密度

d
x
d b
c a
.
3. 指数分布
定义:若随机变量 X 具有概率
密度
ex , x 0 ,
f (x)
( 0)
0, x0.
则称 X 服从参数为λ的指数分布,记成 X ~
E(λ)。
指数分布常用于可靠性统计研究中,如 元件的寿命服从指数分布。
例2:设某电子管的使用寿命X(单位:小时) 服从参数λ=0.0002的指数分布,求电子管使 用寿命超过3000小时的概率。
(3). 对 f(x)的进一步理解:
若x是 f(x)的连续点,则
x x
lim P(x X x x) lim x
f (t)dt
x0
x
x0
x
=f(x),
X的概率密度函数f(x)在 x 这一点的值, 恰好是 X 落在区间 [x , x +△x]上的概率与区间长度△x 之比的极限。 如果把概率理解为质量,f (x)相当于物理学中 的线密度。
F(x) 1
e dt, x
(t )2 2 2
x.
2
IV. 标准正态分布 称N(0, 1)为标准正态分布,其密度函数
和分布函数常用 (x) 和 (x) 来表示。(附录)
(x) 1 ex2 / 2 , x , 2
(x) x 1 et2 / 2d t .
h 170 7.69
0.99,
查表,得 (2.33) 0.9901 0.99,
所以, h 170 2.33,即 h 1.88. 7.69
故,当汽车门高度为188厘米时,可使男子与 车门碰头机会不超过0.01。
§2.3二元分布

其中 σ 1 > 0, σ 2 > 0, | ρ |< 1,则称 (ξ ,η )服从参数 为 µ1 , µ 2 , σ , σ , ρ 的正态分布, 的正态分布,
简记为: 简记为: (ξ, η) ∼ N(µ1, σ12; µ2,σ22; ρ). ξ µ σ
2. 边际分布 定义2.10 设(ξ, η) 的概率密度为 的概率密度为f(x,y),则 定义 ξ 则 关于ξ 边际( 概率密度为 关于ξ 的边际(缘)概率密度为:
例(P.57例3) 例 ) 求出本节例1中 的条件下关于η 求出本节例 中,在ξ =1的条件下关于η 的条 的条件下关于 件分布律。 件分布律。 解
P {η = 0 | ξ = 1} = P {ξ = 1,η = 0} = 3 / 10 P {ξ = 1} 2/5 P {ξ = 1,η = 1} 1 / 10 P {η = 1 | ξ = 1} = = P {ξ = 1} 2/5
讨论顺序: 讨论顺序: 分布函数(离散型和非离散型的) 一、 分布函数(离散型和非离散型的) 离散型分布,包括: 二、 离散型分布,包括: 条件分布。 联合分布 ,边缘分布 ,条件分布。 连续型分布,包括: 三、 连续型分布,包括: 条件分布。 联合分布 ,边缘分布 ,条件分布。
一、二元随机变量的分布函数 定义2.4( 定义 (P.54) ) 是二元随机变量,称函数 设(ξ ,η)是二元随机变量 称函数
η
3 = 4 1 = 4
分布表为: 分布表为:源自P{η = j | ξ = 1}
0 1 3 1 4 4
三、二元连续型随机变量的分布 1. 联合概率密度 定义2.9( 的分布函数F(x,y),若存 定义 (P.58)对(ξ, η) 的分布函数 ) ξ 若存 非负、 ),有 在f(x,y)(非负、可积),有 非负 可积),
概率论中几种常用重要分布

概率论中几种常用的重要的分布摘要:本文主要探讨了概率论中的几种常用分布,的来源和他们中间的关系。
其在实际中的应用。
关键词1 一维随机变量分布随机变量的分布是概率论的主要内容之一,一维随机变量部分要介绍六中常用分布,即( 0 -1) 分布、二项分布、泊松分布、均匀分布、指数分布和正态分布. 下面我们将对这六种分布逐一地进行讨论.随机事件是按试验结果而定出现与否的事件。
它是一种“定性”类型的概念。
为了进一步研究有关随机试验的问题,还需引进一种“定量”类型的概念,即,根据试验结果而定取什么值(实值或向量值)的变数。
称这种变数为随机变数。
本章内将讨论取实值的这种变数—— 一维随机变数。
定义1.1 设X 为一个随机变数,令 ()([(,)])([]),()F x P X x P Xx x=∈-∞=-∞+∞.这样规定的函数()F x 的定义域是整个实轴、函数值在区间[0,1]上。
它是一个普通的函数。
成这个函数为随机函数X 的分布函数。
有的随机函数X 可能取的值只有有限多个或可数多个。
更确切地说:存在着有限多个值或可数多个值12,,...,a a 使得 12([{,,...}])1P X a a ∈=称这样的随机变数为离散型随机变数。
称它的分布为离散型分布。
【例1】下列诸随机变数都是离散型随机变数。
(1)X 可能取的值只有一个,确切地说,存在着一个常数a ,使([])1P X a ==。
称这种随机变数的分布为退化分布。
一个退化分布可以用一个常数a 来确定。
(2)X 可能取的值只有两个。
确切地说,存在着两个常数a ,b ,使([{,}])1P X a b ∈=.称这种随机变数的分布为两点分布。
如果([])P X b p ==,那么,([])1P X a p ===-。
因此,一个两点分布可以用两个不同的常数,a b 及一个在区间(0,1)内的值p 来确定。
特殊地,当,a b 依次为0,1时,称这两点分布为零-壹分布。
概率论 2.3(连续型随机变量)

x
a
[ x由概率密度求分布函数]
5.F ( x) f ( x)(x为f ( x)的连续点 ).[由分布函数求概率密度]
由性质5在f(x)的连续点x 处有
F ( x Δ x) F ( x) f ( x) lim Δ x 0 Δx P( x X x Δ x) lim . Δ x 0 Δx
2.3.2 常用连续分布
【补充例】 (等待时间)公共汽车每10分钟按时
通过一车站,一乘客随机到达车站.求他等车时
间不超过3分钟的概率. 解 设X表示他等车时间(以分计),则X是 一个随机变量,且 X ~ U (0,10). X的概率密度为
1 , 0 x 10, f ( x ) 10 其 它. 0,
这两条性质是判定一 个函数 f(x)是否为某 个随机变量 X的概率 牛顿-莱布 尼兹公式 密度函数的充要条件 .
[确定待定参数]
b
3.P{a X b} 1 f ( x)dx F (b) F (a); [求概率]
4.F ( x)
f ( x)
f (t )odt( x );
解: (1) 由
f ( x ) d x 1, 得
3 2 3 3 0
1
f ( x )dx C (9 x )dx 2C (9 x 2 )dx
x3 3 2C (9 x ) |0 36 C 3
2.3.1 连续型随机变量及其概率密度
即 有C 1
3 0
所求概率为 P{ X 3}
3 f ( x )dx , 10
2.3.2 常用连续分布
【例2.12】设随机变量 X在(2,5)上服从均匀分布,
23随机变量的分布函数与连续型随机变量

20
1
1 x
e 10 dx
e1
e2
10 10
2020年6月16日星期二
19
目录
上页
下页
返回
例: 设连续型随机变量的分布函数为
A Be2x,x 0
F(x)
1.求常数A,B;
0, x 0
2. 求X的概率密度函数 。
解:1.由分布函数的性质:F( ) 1
即 lim (A Be2x ) 1 x
一、均匀分布
定义:若连续型随机变量X的概率密度为
f
(x)
b
1
a
,
a x b,
0,
其它.
则称X服从 a,b 上的均匀分布。记为 X : U a,b
意义:X“等可能”地取区间 a,b中的值,这里的“等可能” 理解为: X落在区间 a,b中任意等长度的子区间内的可能性是
相同的。即等长度,等概率。
2e2x, x 0 f (x)
0, x 0
2020年6月16日星期二
21
目录
上页
下页
返回
指数分布的无记忆性:
对于一个非负的随机变量,如果对于一切s,t≥0,有
PX s t | X t PX s
则称这个随机变量具有无记忆性。
直观理解:若X表示仪器的寿命,那么上式说明:已 知此仪器已使用t时,它总共能工作s+t小时的概率等于 从开始使用时算起,它至少能工作s小时的概率.
1 3
2 3
[1
1 3
]
0.7486 (1 0.6293) 0.3779
2. PX 01 PX 01 (1) (1) 0.8413
3. P X 3 6 PX 9 PX 3
- 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)。
一. 设在 15 只同类型零件中有 2 只是次 品,在其中取三次,每次任取一只,作不放 回抽样,以 X 表示取出次品的只数, (1) 求 X 的分布函数, (2)画出分布函数的图 形。
X 0,1,2 解: X的所有可能取值为:
3 22 C13 P{ X 0} 3 35 C15 1 2 C13 C2 1 P{ X 2} 3 C15 35 2 1 C13 C2 12 P{ X 1} 3 C15 35
对任意实数 x, P ( X x ) ?
一、分布函数的定义
设 X 是一个随机变量(离散型或非离散型),称
P( X x)
( x )
为 X 的分布函数 , 记作 F (x)=
P( X x)
x
注:
o X
x X
(1)如果将 X 看作数轴上随机点的坐标,那么分 布函数 F(x) 的值就表示 X落在区间 ( , x ] 内的
引进微积分来研究随机试验
连续型随机变量能否如同离散型随机变量用分 布律一样来处理呢? 在处理实际问题中, 常常关心的是一个随机变 量 X 落入某个区间 ( a , b]内的概率.
参军青年关心的是他的身高是否达到标准 误差、元件的寿命等 · · x 注意到概率关系 a b P ( a X b ) P ( X b) P ( X a )
X 1 x 2, pk
1
2
3
2 x 3, x 3.
1 4
1 2
1 4
注: 一条阶梯形的曲线,
由 F ( x ) P{ X x } ,
得
1 1 1 P{ X } F ( ) , 4 2 2
X
pk
1 ,1 1 1x 2, 1 4 F ( x4 ) 2 4 3 , 2 x 3, 4 1, x 3.
解 当 当
F(x) = P(X x) x<0 时,{ X x } = , 故 F(x) =0 0 x < 1 时, 1 F(x) = P{X x} = P(X=0) = 3
x X0
x X1
2
x
X
0
1
2
pk 1 3 1 6 1 2
1 x < 2 时, 1 1 1 F(x) = P{X=0}+ P{X=1}= + = 3 6 2 当 x 2 时, F(x) = P{X=0} + P{X=1} + P{X=2}= 1
当
0
1
x x x X2 X
故
x0 0, 1 , 0 x 1 3 F ( x) 1 , 1 x 2 2 x2 1,
注意右连续
归纳题型方法, 及要注意的地 方,图形特征。
1 2
O
下面我们从图形上来看一下. 1 y
12 13
0
O
16
O
1
2
x
一般地
F ( ) lim F ( x ) 0
x
不满足性质(2), 可见F(x)也不能是r.v 的分布函数.
例2 设r.v X的分布函数为 F(x ) A B arctan x ,x R 求A=?, B=? 解
π F(-∞) = A + B(- ) = 0, 2 π F(+∞) = A + B(+ ) = 1, 2
F x2 F x1 P x1 X x2 0
(2) 0 F ( x ) 1
且
F x 0 F ( ) xlim
F ( ) lim F x 1
x
(3) F(x) 右连续,即
x x0
lim F ( x ) F ( x0 )
当 x 0 时,
当 x 2 时,
P{ X 0} P{ X 1} 34 35 F ( x) 1
故
x0 0, 22 , 0 x1 35 F ( x) 34 , 1 x 2 35 x2 1,
二. 一袋中有 6 只乒乓球,编号为 1、2、 3、4、5、6,在其中同时取三只,以 X 表 示取出的三只球中的最小号码,写出随机 变量 X 的分布律及分布函数。
F ( x ) P( X x), x
o X x X x
分布函数是一个普通的函数, 正是通过它,我们可以用高等数 学的工具来研究随机变量.
二、分布函数的性质 (1) F x 在 , 上是一个不减函数 ,
即对 x x1 F x2 ;
X 1,2,3,4 解:X的所有可能取值为: 2 2 1 C5 C 3 4 P{ X 1} 3 P{ X 2} 3 C6 2 C 6 10
2 C3 3 P{ X 3} 3 C 6 20 2 C2 1 P{ X 4} 3 C 6 20
3 1 P{ X 1} P{ X 2} 2 10 3 1 P{ X 3} P{ X 4} 20 20 F ( x ) P{ X x }
· a
· x b
7) P (a X b) P ( X b) P ( X a ) F (b 0) F (a 0)
·
a
b
x
8) P (a X b) P ( X b) P ( X a ) F (b 0) F (a )
· a
b
x
9) P ( a X b ) P ( X b ) P ( X a )
Ex
作业: 教材习题
练习题
一. 设在 15 只同类型零件中有 3 只是次 品,在其中取三次,每次任取一只,作不放 回抽样,以 X 表示取出次品的只数, (1) 求 X 的分布函数, (2)画出分布函数的图 形。
二. 一袋中有 6 只乒乓球,编号为 1、2、 3、4、5、6,在其中同时取三只,以 X 表 示取出的三只球中的最小号码,写出随机 变量 X 的分布律及分布函数。
A=1/2, B=1/π.
例3
已知随机变量 X 的分布函数为
x0 0, 1 , 0 x 1 3 F ( x) 1 , 1 x 2 2 x2 1,
求 P ( X 1), P (1 X 2). 解 P ( X 1) P ( X 1) P ( X 1)
离散型随机变量分布律与分布函数的关系
分布律
pk P { X x k }
分布函数
F ( x ) P{ X x }
pk x x
k
四、小结
1.分布函数定义和性质 2.离散型随机变量的分布函数与分布律的互化
题型
1. 利用分布函数的性质来判断一个函数 是否是分布函数或定参数
2. 离散型随机变量的分布函数及分布律 的相互转换,并用于求相应的概率(常 用分布律来就概率)
P (1 X 2) P ( X 2) P ( X 1) F (2) F (1 0)
1 2 1 3 3
离散或连续型随机变量分布函数的求法……
三. 离散型随机变量的分布函数
例1 设 随机变量 X 的分布律为 0 1 2 X
pk 1 3 1 6 1 2 求 X 的分布函数 F (x) .
§2.3 分布函数的定义及性质
一、随机分布函数的定义 二、分布函数的性质
三、离散型随机变量的分布函数 四、小结
回顾 引入随机变量的目的 量化随机事件 9种形式:
{ X x} { X x} { X x} { X x} { X x}
{ x1 X x2 } { x1 X x2 } { x1 X x2 } { x1 X x2 }
x 1, 0, P{ X 1}, 1 x 2, 得 F ( x) P{ X 1} P{ X 2}, 2 x 3, x 3. 1,
0, 1 , 4 即 F ( x) 3 , 4 1, x 1,
22 P{ X 0} 35
12 P{ X 1} 35
1 P{ X 2} 35
F(x) = P(X x)
F ( x ) P{ X x } 0 当 0 x 1 时, F ( x ) P{ X x } P{ X 0} 22 35 当 1 x 2 时, F ( x ) P { X x }
F (b) F (a 0)
·
a
· x b
例1 设有函数 F(x)
sin x 0 x F ( x) 0 其它
试说明F(x)能否是某个r.v 的分布函数. 解 注意到函数 F(x)在 [ 2 , ] 上下降, 不满足性质(1),故F(x)不能是分布函数. 或者
注:如果一个函数具有上述性质,则一定是某个r.v X 的分布函数. 也就是说,性质(1)--(3)是鉴别一个函 数是否是某 r.v 的分布函数的充分必要条件, 也可以 用来定分布函数中的待定参数.
(4)分布函数求各种事件的概率
1) P ( X a ) F (a ) 2) P ( X a ) 1 P ( X a ) 1 F (a ) 3) P ( X a ) F (a 0) lim P ( X x )
x a
xa
x
4) P ( X a ) 1 P( X a ) 1 F (a 0) 5) P ( X a ) P( X a ) P( X a ) F (a ) F (a 0)
· a
x
6) P(a X b) P( X b) P( X a ) F (b) F (a )
设离散型 r .v X 的分布律是