【学习课件】第二章概率论与数理统计
合集下载
《概率论与数理统计》课件-第2章随机变量及其分布 (1)

则称X服从参数为λ的泊松分布, 记为 X ~ P() .
HAINAN UNIVERSITY
概率论与数理统计
第二五章 基随本机极变限量定及理其分布
泊松分布的应用
“稠密性”问题(一段时间内,电话交换中心接到的呼叫次 数,公共汽车车站候车的乘客数,售票窗口买票的人数, 原子放射的粒子数,保险公司在一定时期内被索赔的次 数等)都服从泊松分布.
随机变量的分布函数
1.定义: 设X为一随机变量, x为任意实数, 称函数 F(x)=P{X≤x}为X的分布函数.
注: ① F(x)是一普通函数, 其定义域为 ,; ② F x的值为事件X x的概率; ③ F x可以完全地描述随机变量取值的规律性.
例如: Pa X b PX b PX a
连续型随机变量及概率密度函数
1.定义: 设X ~ F(x), 若存在一个非负可积的函数 f (x),
使 x R, 有
F ( x)
PX
x
x
f
(t)dt
,
则称X为连续型随机变量, f (x) 称为X的概率密度函数或
分布密度函数.
2.几何意义:
HAINAN UNIVERSITY
概率论与数理统计
第二五章 基随本机极变限量定及理其分布
二、随机变量的概念
定义: 设试验E的样本空间为 , 若对于每个样本
点 , 均有一个实数 X ()与之对应, 这样就得
到一个定义在 上的单值函数 X X () , 称X为随
机变量.
X
样本空间
实数
注: ① 随机变量是一个定义在样本空间上的实函数, 它取值的随机性是由样本点的随机性引起的;
x 1
x0
0 x x
不是 (不满足规范性)
HAINAN UNIVERSITY
概率论与数理统计
第二五章 基随本机极变限量定及理其分布
泊松分布的应用
“稠密性”问题(一段时间内,电话交换中心接到的呼叫次 数,公共汽车车站候车的乘客数,售票窗口买票的人数, 原子放射的粒子数,保险公司在一定时期内被索赔的次 数等)都服从泊松分布.
随机变量的分布函数
1.定义: 设X为一随机变量, x为任意实数, 称函数 F(x)=P{X≤x}为X的分布函数.
注: ① F(x)是一普通函数, 其定义域为 ,; ② F x的值为事件X x的概率; ③ F x可以完全地描述随机变量取值的规律性.
例如: Pa X b PX b PX a
连续型随机变量及概率密度函数
1.定义: 设X ~ F(x), 若存在一个非负可积的函数 f (x),
使 x R, 有
F ( x)
PX
x
x
f
(t)dt
,
则称X为连续型随机变量, f (x) 称为X的概率密度函数或
分布密度函数.
2.几何意义:
HAINAN UNIVERSITY
概率论与数理统计
第二五章 基随本机极变限量定及理其分布
二、随机变量的概念
定义: 设试验E的样本空间为 , 若对于每个样本
点 , 均有一个实数 X ()与之对应, 这样就得
到一个定义在 上的单值函数 X X () , 称X为随
机变量.
X
样本空间
实数
注: ① 随机变量是一个定义在样本空间上的实函数, 它取值的随机性是由样本点的随机性引起的;
x 1
x0
0 x x
不是 (不满足规范性)
第二章2《概率论与数理统计教程》PPT课件

4 -5
联合概率函数的性质
1) p(xi , yj ) 0,
2) p(xi , yj )1;
ij
3) P(X,Y)D p(xi , yj ); (xi ,yj )D
若二维随机r.v.的联合概率函数 p(xi , yj )知道,则 联合概率分布函数为
F(xy, )p(i,xyj) xix yjy
4 -6
y
注:若将二维随机变量(X,Y) 看作是平面上的随机点的坐标,
(x,y)
则分布函数在点(x,y)处的函 数值,就是随机点(X,Y)落在 如图所示的以点(x,y)为顶点 而位于该点左下方的无穷矩形区 域4内- 3的概率
O
x
联合分布函数的性质
1) 0F(x,y)1
2)F(x,y)分别是变量x,y的单调不减函数; 3)对任意x,y,有
例1. 将一枚均匀的硬币抛掷4次, X表示正面向上的 次数, Y表示反面朝上次数, 求(X,Y)的联合概率分布.
例2. 设随机变量Y~U(0,1),令
0, |Y|1 0, |Y|2 X1 1, |Y|1,X2 1, |Y|2
求(X1,X2)的联合概率分布。 例3. 二维随机向量(X,Y)的联合概率分布为:
XY 0 1
-1 0.05 0.1
0
0.1 0.2
4-7 1
a 0.2
2
求:(1)常数a的取值;
0.1
(2)P(X≥0,Y≤1);
0.1
0.05 (3) P(X≤1,Y≤1)
二维连续随机变量的联合概率密度
定义:
P (xX x x ,y Y y y)
f(x ,y)lim
y x 0 0
x y
若此极限存在,则称此极限为二维连续随 机变量(X,Y)的联合概率密度。
联合概率函数的性质
1) p(xi , yj ) 0,
2) p(xi , yj )1;
ij
3) P(X,Y)D p(xi , yj ); (xi ,yj )D
若二维随机r.v.的联合概率函数 p(xi , yj )知道,则 联合概率分布函数为
F(xy, )p(i,xyj) xix yjy
4 -6
y
注:若将二维随机变量(X,Y) 看作是平面上的随机点的坐标,
(x,y)
则分布函数在点(x,y)处的函 数值,就是随机点(X,Y)落在 如图所示的以点(x,y)为顶点 而位于该点左下方的无穷矩形区 域4内- 3的概率
O
x
联合分布函数的性质
1) 0F(x,y)1
2)F(x,y)分别是变量x,y的单调不减函数; 3)对任意x,y,有
例1. 将一枚均匀的硬币抛掷4次, X表示正面向上的 次数, Y表示反面朝上次数, 求(X,Y)的联合概率分布.
例2. 设随机变量Y~U(0,1),令
0, |Y|1 0, |Y|2 X1 1, |Y|1,X2 1, |Y|2
求(X1,X2)的联合概率分布。 例3. 二维随机向量(X,Y)的联合概率分布为:
XY 0 1
-1 0.05 0.1
0
0.1 0.2
4-7 1
a 0.2
2
求:(1)常数a的取值;
0.1
(2)P(X≥0,Y≤1);
0.1
0.05 (3) P(X≤1,Y≤1)
二维连续随机变量的联合概率密度
定义:
P (xX x x ,y Y y y)
f(x ,y)lim
y x 0 0
x y
若此极限存在,则称此极限为二维连续随 机变量(X,Y)的联合概率密度。
概率论与数理统计图文课件最新版-第2章-随机变量及其分布

一. 连续型随机变量的概率密度 1.定义 若对于随机变量 X 的分布函数,存在非负
函数 f ( x),使得对于任意实数 x 有:
x
F ( x) f (t)dt ( P( X x))
则称 X 为连续型变量,f ( x)为 X 的概率密度函数 注 ▲ 连续型随机变量与离散型随机变量的区别
离散型: P( X xk ) 0 连续型:P( X xk ) 0
机
多,而且还不能一 一列
变 连续型随机变量 量
举,而是充满一个区间
例如,“电视机的寿命”,实际中
常 遇到的“测量误差”等等.
概率统计
第二章知识结构图
随机变量
离散型随 机变量
连续型随 机变量
分布律
分布 函数
函数的 分布
概率 密度
分布 函数
函数的 分布
定义 常用分布
概率统计
定义 常用分布
第四节 连续型随机变量及其概率密度
0 x 0
则称 X 为服从参数 的指数分布.
概率统计
二 . 连续型随机变量的分布函数
定义: 若定义在 (, )上的可积函数 f ( x)
满足: (1). f ( x) 0
(2). f ( x)dx 1
f (x)确定了 分布函数F(x),
则称 F ( x)
x
f ( x)dx
f (x)是F(x)的 导函数, F(x)是f (x)的一
(2) 某段时间内候车室的旅客数目为 X , 则它也是一个随机变量,它可以取 0 及一切 自然数。X 是定义在样本空间,则:
S e {人数 人数 0}
X X (e)的值域RX [0, )
概率统计
二. 随机变量的分类 离散型随机变量
函数 f ( x),使得对于任意实数 x 有:
x
F ( x) f (t)dt ( P( X x))
则称 X 为连续型变量,f ( x)为 X 的概率密度函数 注 ▲ 连续型随机变量与离散型随机变量的区别
离散型: P( X xk ) 0 连续型:P( X xk ) 0
机
多,而且还不能一 一列
变 连续型随机变量 量
举,而是充满一个区间
例如,“电视机的寿命”,实际中
常 遇到的“测量误差”等等.
概率统计
第二章知识结构图
随机变量
离散型随 机变量
连续型随 机变量
分布律
分布 函数
函数的 分布
概率 密度
分布 函数
函数的 分布
定义 常用分布
概率统计
定义 常用分布
第四节 连续型随机变量及其概率密度
0 x 0
则称 X 为服从参数 的指数分布.
概率统计
二 . 连续型随机变量的分布函数
定义: 若定义在 (, )上的可积函数 f ( x)
满足: (1). f ( x) 0
(2). f ( x)dx 1
f (x)确定了 分布函数F(x),
则称 F ( x)
x
f ( x)dx
f (x)是F(x)的 导函数, F(x)是f (x)的一
(2) 某段时间内候车室的旅客数目为 X , 则它也是一个随机变量,它可以取 0 及一切 自然数。X 是定义在样本空间,则:
S e {人数 人数 0}
X X (e)的值域RX [0, )
概率统计
二. 随机变量的分类 离散型随机变量
概率论与数理统计课件第2章

2
2.2.1 随机变量 • 注意: 注意:
(1)随机变量定义于抽象的样本空间上,不是普 )随机变量定义于抽象的样本空间上, 通的实函数。 通的实函数。 (2)随机事件可以通过随机变量的各种取值状态 )随机事件可以通过随机变量的各种取值状态 取值范围来表示 来表示。 和取值范围来表示。
3
2.1.2 随机变量的分布函数 • 既然随机事件可以通过随机变量的各种取值状态和取值 范围来表示, 范围来表示,研究随机现象的统计规律性就转化为研究 随机变量取值的规律性,即取值的概率。 随机变量取值的规律性,即取值的概率。但概率是集合 函数,随机变量定义于抽象空间上,都不便于处理。 函数,随机变量定义于抽象空间上,都不便于处理。 • 能不能找到一种方法,使得我们研究随机变量取值的规 能不能找到一种方法, 律性可以转化为研究普通的实函数? 律性可以转化为研究普通的实函数?
2.1 随机变量及其分布函数 在前面的讨论中,只是孤立地考虑一些事件的概率, 在前面的讨论中,只是孤立地考虑一些事件的概率, 这种研究方法缺乏一般性, 这种研究方法缺乏一般性,而且不便于分析数学工具的引 为了这一目的,随机变量的引入具有非常重要的意义。 入,为了这一目的,随机变量的引入具有非常重要的意义。 随机变量的引入是概率论发展史上的重大事件。 随机变量的引入是概率论发展史上的重大事件。它使得研 究概率论的数学工具更丰富有力,从此, 究概率论的数学工具更丰富有力,从此,概率论的研究进 入一个崭新的天地。 . 入一个崭新的天地。
P{ X ≥ 1} = 5 / 9 ,求p =
x≤0 , 0 < x ≤1 x >1
,概率 P{0 ≤ X ≤ 0.25} =
,
;
X |< 0.5} ;2)分布函数 分布函数F(x) 分布函数
概率论与数理统计第2章ppt课件

1 3x
0
1
2
3X
处的离跳散跃型高随度机恰变为量P{的X=分x布i}.函数为跳跃函数,在xi
§4. 连续型随机变量的概率密度
1. 定义:对于随机变量X的分布函F(x), 如果存在非负函数f(x),使对于任意实数x有:
F(x)xf(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。简称密度函数。
精选课件
21
例4. 3个人抓阄数。
解:X的概率分布: P{X=1}=1/3
P{X=2}=2/3×1/2=1/3
P{X=3}=2/3×1/2×1/1=1/3
X的分布函数:
Y
0 x <1
1
1/3 1 x <2
2/ 3
F(x)=
2/3 2 x <3 1/ 3
则:P{X=k} Cnk pnkqnnk 其中:qn=1-pn
(令=μV; pn=μ△V=μV/n= /n):
考虑当 n +时
P{X=k} =nl imCnkpnkqnnk
limn! ()k(1)nk
nl n i m k1 k !!n(nn (n n k1)) !n (n n kn 1)k((11 n))kn
k
k!
k=0、1、2、3、……
n
Poissn定理:n为正整数,pn=/n, >0。 则对任一非负整数k有:
nl im Cnkpnkqnnk
k
k!
其中:= npn.
例3. 某人打靶命中率为0.001, 重复射击 5000次,求至少命中2次的概率。
解:设X为至命中次数。
P(X2) =1-P(X<2) =1-P(X=0)-P(X=1)
概率论与数理统计--第二章PPT课件

由概率的可列可加性得X的分布函数为
F(x) pk xk x
分布函数F(x)在x xk , 其跳跃值为pk P{X
对k 所1,有2,满足处x有k 跳 x跃的,k求和。
xk }
第26页/共57页
第四节 连续型随机变量及其概率密度
定义 对于随机变量X的分布函数F(x),如果存在非 负函数f (x),使对于任意实数有
售量服从参数为 10的泊松分布.为了以95%以上的
概率保证该商品不脱销,问商店在月底至少应进该商 品多少件? 解 设商店每月销售该种商品X件,月底的进货量为n件,
按题意要求为 PX n 0.95
由X服附从录的泊1松0的分泊布松表分知布k,140 1则k0!k有e1k0n01k00!k.9e1160 6
可以用泊松分布作近似,即
n
k
pk
1
p
nk
np k
k!
enp , k
0,1, 2,
.
例 4 为保证设备正常工作,需要配备一些维修工.如果各台设备
发生故障是相互独立的,且每台设备发生故障的概率都是 0.01.
试求在以下情况下,求设备发生故障而不能及时修理的概率.
(1) 一名维修工负责 20 台设备.
于是PX I P(B) Pw X (w) I.
随机变量的取值随试验的结果而定,而试验的各个 结果出现有一定的概率,因而随机变量的取值有一 定的概率.
按照随机变量可能取值的情况,可以把它们分为两 类:离散型随机变量和非离散型随机变量,而非离 散型随机变量中最重要的是连续型随机变量.因此, 本章主要研究离散型及连续型随机变量.
x
x
4. F(x 0) F(x) 即F(x)是右连续的
第23页/共57页
F(x) pk xk x
分布函数F(x)在x xk , 其跳跃值为pk P{X
对k 所1,有2,满足处x有k 跳 x跃的,k求和。
xk }
第26页/共57页
第四节 连续型随机变量及其概率密度
定义 对于随机变量X的分布函数F(x),如果存在非 负函数f (x),使对于任意实数有
售量服从参数为 10的泊松分布.为了以95%以上的
概率保证该商品不脱销,问商店在月底至少应进该商 品多少件? 解 设商店每月销售该种商品X件,月底的进货量为n件,
按题意要求为 PX n 0.95
由X服附从录的泊1松0的分泊布松表分知布k,140 1则k0!k有e1k0n01k00!k.9e1160 6
可以用泊松分布作近似,即
n
k
pk
1
p
nk
np k
k!
enp , k
0,1, 2,
.
例 4 为保证设备正常工作,需要配备一些维修工.如果各台设备
发生故障是相互独立的,且每台设备发生故障的概率都是 0.01.
试求在以下情况下,求设备发生故障而不能及时修理的概率.
(1) 一名维修工负责 20 台设备.
于是PX I P(B) Pw X (w) I.
随机变量的取值随试验的结果而定,而试验的各个 结果出现有一定的概率,因而随机变量的取值有一 定的概率.
按照随机变量可能取值的情况,可以把它们分为两 类:离散型随机变量和非离散型随机变量,而非离 散型随机变量中最重要的是连续型随机变量.因此, 本章主要研究离散型及连续型随机变量.
x
x
4. F(x 0) F(x) 即F(x)是右连续的
第23页/共57页
概率论与数理统计课件第二章

P( X 1) 1 P( X 0) 1 C 0.1 0.9
0 n 0 n 0
1 0.9 0.9
n
n 22.
例4. 某车间有5台车床,由于种种原因(由
于装、卸工作等),时常需要停车.设各 台车床的停车或开车是相互独立的. 若车床在任一时刻处于停车状态的 概率是1/3,求车间中恰有一台车床处 于停车状态的概率。 解:X:处于停车状态的车床数 X~B(5,1/3)
当0 x 1时,F ( x) P( X x) P( X 0) 0.3
当1 x 2时,F ( x) P( X x) P( X 0) P( X 1) 0.9
当x 2时,F ( x) P( X 0) P( X 1) P( X 2) 1
k nk CM CN M P( X k ) , n CN
k 0,1,..., l ,
其中n≤N,M<N,l=min{n,M},n,N,M均为正 整数,则称X服从参数为N,M,n的超几何分 布,记作X~H(N,M,n).
例8. 某班有学生20名,其中有5名女生, 今从班上任选4名学生去参观展览, 求被选到的女同学人数X的分布律。 X~H(20,5,4)
Ω X R X(w)
w
随机变量的分类
离散型随机变量
有限个或可列个 可能值
随 机 多,而且还不能 一一列举,而是充满 一个区间.
许多随机事件都可以通过形如{X≤x}的 事件来表示:
1 { X x} X x k k 1
(5) F ( x)是连续函数, 若f ( x)在x0连续, 有 F ( x0 ) f ( x0 ) .
例1. 设连续型随机变量X的概率密度为
《概率论与数理统计》课件 概率学与数理统计 第二章

作为某一个离散型随机变量的分布律。
为了直观地表达分布律,我们还可以作类似图2-1的分布律图。
图2-1
图2-1中 xi 处垂直于 x 轴的线段高度为 pi,它表示 X 取 xi 的概 率值。
例2.1 一盒中装有编号为1,2,3,4,5的五个球,现从中任意取三 个球,求所抽出三个球的中间号码 X 的概率分布。
Pa X b PX b PX a Fb 0 Fa
Pa X b PX a Pa<X b
Fa Fa 0 Fb Fa
Fb Fa 0
随机变量的分类:
1. 离散型随机变量:随机变量只取数轴上的有限个或可列个点。 2. 连续型随机变量:随机变量的可能取值充满数轴上的一个或 若干区间。 3. 奇异型随机变量:既不是离散型随机变量,也不是连续型随 机变量。在理论上很有价值,而实际问题中很少有应用。
解 以 p 表示每盏灯禁止汽车通过的概率,显然 X 的可能取值
为0,1,2,3,4,易知 X 的分布律为
表2-3
或写成
P X k 1 pk p,k 0,1,2,3 P X 4 1 p4
将 p 0.4, p 0.6 代入上式,所得结果如表2-4所示。
表2-4
二、常用离散型随机变量的分布
1
PX 2 1 PX 2 1 PX k k 0
1 0.9995000 50.9994999
≈1 50 e5 5e5 0! 1!
查表可得 P X 2 1 0.00674 0.03369 0.95957
例2.6 某人进行射击,设每次射击的命中率为,独立射击400次, 试求至少击中两次的概率。
记作 X 0 -1 分布。写成分布律表形式见表2-5。
表2-5
对于一个随机试验,若它的样本空间只包含两个元素,
- 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)。
P { X 1 } P { A 1 A 2 A 3 A 4 A 5 A 1 A 2 A 3 A 4 A 5 ..5p.(1p)4
P { X 2 } P { A 1 A 2 A 3 A 4 A 5 A 1 A 2 A 3 A 4 A 5 . .C. 52P2(1P)3
P { X k } C 5 k p k ( 1 p ) 5 k k 0 ,1 ,.5 ..
.
13
例5.设电话总机在某段时间内接收到的呼唤次数服从
参数为3的泊松分布。求:
(1)恰好接收到5次呼唤的概率;
(2)接收到不超过5次呼唤的概率。
解:设X表示电话总机接收到的呼唤次数,则
X~P(3),即 P Xk3ke 3,k0,1,2, .
P{X5}35e3
k!
0.1008.
5!
通过MATLAB计算:poisspdf(5,3)0.1008
m>1时,X的全部取值为:m,m+1,m+2,…
P{Xm}pm
P{X=m+1}=P{第m+1次试验时成功并且
在前m次试验中成功了m-1次}
解 设X表示400次独立射击中命中的次数, 则X~B(400, 0.02),故
P{X2}=1- P{X=0}-P {X=1} =1-0.98400-(400)(0.02)(0.98399)=…
泊松定理设随机变量Xn~B(n, p), (n=0, 1, 2,…), 且n很大,p很小,记=np,则
P {Xk}ke, k0,1,2,...
2、 进 行 5次 独 立 重 复 试 验 , 试 定 义 一 个 随 机 变 量 来 描 述 事 件 : 1) A{试 验 成 功 一 次 } 2) B{试 验 至 少 成 功 一 次 } 3) C{至 多 成 功 3次 }
.
3
随机变量的分类:
离散型随机变量
随机变量 非离散型奇异连 型续 (型 混合型)
.
7
3、几个常用的离散型分布
(1) (0-1)分布 若用X表示一次试验中事件A发生的次数,则称X
服从(0-1)分布(两点分布) X~P{X=k}=pk(1-p)1-k, (0<p<1) k=0,1
或
X1Hale Waihona Puke 0pk p 1 p
.
8
(2)设将试验独立重复进行n次,且在每次试验 中,事件A发生的概率均为p。若用X表示n重贝努
.
6
例2.设一射手对目标独立射击5次,每次命中目标的 概率均为p。用X表示命中目标的次数,求X的概率 分布律。
解:设Ai={第i次射击时命中目标}i=1,2,3,4,5。 则A1,A2,…A5,相互独立,且P(Ai)=p,i=1,2,…5.
P {X0 }P (A 1A 2A 3A 4A 5)(1-p)5
或
X
x1
x2
… xK
…
X~
Pk
p1
p2
… pk
…
.
5
2. 分布律的性质 (1) pk 0, k=1, 2, … ;
(2) pk=1. k 1
例1 设袋中有5只球,其中有2只白球3只黑球。 现从中任取3只球(不放回),求取的白球数X为k
的概率。
解 k的所有可能取值为0,1,2
P{X= k}=C2kC C5333k, k0,1,2
随机变量的特点:
(1)随机变量的全部可能取值是互斥且完备的。 (2)随机变量的部分可能取值描述随机事件。
.
2
1、 掷 一 粒 骰 子 , 用 X表 示 掷 出 的 点 数 ,
X(),, 则 X是 随 机 变 量 。
X3表 示 掷 出 的 点 数 不 超 过 3。 将 X看 做 样 本 空 间 上 的 函 数 , 则 Xj{|1,2,...,j}
P { X 5 } 0 .9 1 6 1
(注 : 在 M A T L A B 中 输 入 命 令 p o i s s c d f ( 5 , 3 ) )
.
14
例6. 进行独立重复试验,每次成功的概率为p, 令X表示直到出现第m次成功为止所进行的试验次 数,求X的概率分布律。
解:m=1时, P { X k } (1 p )k 1p ,k 1 ,2 ,...
k!
.
11
上题用泊松定理 取 =np=(400)(0.02)=8, 故 近似地有
P{X2}=1- P{X=0}-P {X=1} =1-(1+8)e-8=0.996981.
(3) 泊松(Poisson)分布P()
X~P{X=k}= k e , k=0, 1, 2, …
k!
(0)
.
12
泊松定理表明,泊松分布是二项分布的极限分布, 当n很大,p很小时,二项分布就可近似地 看成是参数=np的泊松分布
里试验中事件A发生的次数,则称X服从参数为 n,p的二项分布。记作X~B(n,p),其概率分布律 为:
C P { X k } k p k ( 1 p )n k ,k 0 ,1 ,...,n . n
.
9
例3.从某大学到火车站途中有6个交通岗,假设在各个 交通岗是否遇到红灯相互独立,并且遇到红灯的概率 都是1/3. (1)设X为汽车行驶途中遇到的红灯数,求X的分布律. (2)求汽车行驶途中至少遇到5次红灯的概率.
.
4
二、离散型随机变量
1、定义 : 若随机变量X取值x1, x2, …, xn, … 且取这些值的概率依次为p1, p2, …, pn, …, 则称 X为离散型随机变量。称
P{X=xk}=pk, (k=1, 2, … ) 为X的概率分布律或概率分布。通常表示为
X~ P{X=xk}=pk, (k=1, 2, … ),
第二章随机变量
• 随机变量与分布函数 • 离散型随机变量 • 连续型随机变量 • 一维随机变量函数的分布
.
1
一、随机变量
定 义 : 设 是 随 机 试 验 E的 样 本 空 间 , 如 果 X是 定 义 在 上 的 一 个 单 值 实 函 数 , 且 对 于 任 意 实 数 x,
{:X()x}是 随 机 事 件 , 则 称 X为 随 机 变 量 。
解:(1)由题意,X~B(6,1/3),于是,X的分布律为:
P {Xk}C 6 k 1 3 k 3 2 6k k0,1,.6 ..,
( 2 )P { X 5 } P { X 5 } P { X 6 }
C6513532136
13 729
.
10
例4. 某人射击的命中率为0.02,他独立射击400 次,试求其命中次数不少于2的概率。
P { X 2 } P { A 1 A 2 A 3 A 4 A 5 A 1 A 2 A 3 A 4 A 5 . .C. 52P2(1P)3
P { X k } C 5 k p k ( 1 p ) 5 k k 0 ,1 ,.5 ..
.
13
例5.设电话总机在某段时间内接收到的呼唤次数服从
参数为3的泊松分布。求:
(1)恰好接收到5次呼唤的概率;
(2)接收到不超过5次呼唤的概率。
解:设X表示电话总机接收到的呼唤次数,则
X~P(3),即 P Xk3ke 3,k0,1,2, .
P{X5}35e3
k!
0.1008.
5!
通过MATLAB计算:poisspdf(5,3)0.1008
m>1时,X的全部取值为:m,m+1,m+2,…
P{Xm}pm
P{X=m+1}=P{第m+1次试验时成功并且
在前m次试验中成功了m-1次}
解 设X表示400次独立射击中命中的次数, 则X~B(400, 0.02),故
P{X2}=1- P{X=0}-P {X=1} =1-0.98400-(400)(0.02)(0.98399)=…
泊松定理设随机变量Xn~B(n, p), (n=0, 1, 2,…), 且n很大,p很小,记=np,则
P {Xk}ke, k0,1,2,...
2、 进 行 5次 独 立 重 复 试 验 , 试 定 义 一 个 随 机 变 量 来 描 述 事 件 : 1) A{试 验 成 功 一 次 } 2) B{试 验 至 少 成 功 一 次 } 3) C{至 多 成 功 3次 }
.
3
随机变量的分类:
离散型随机变量
随机变量 非离散型奇异连 型续 (型 混合型)
.
7
3、几个常用的离散型分布
(1) (0-1)分布 若用X表示一次试验中事件A发生的次数,则称X
服从(0-1)分布(两点分布) X~P{X=k}=pk(1-p)1-k, (0<p<1) k=0,1
或
X1Hale Waihona Puke 0pk p 1 p
.
8
(2)设将试验独立重复进行n次,且在每次试验 中,事件A发生的概率均为p。若用X表示n重贝努
.
6
例2.设一射手对目标独立射击5次,每次命中目标的 概率均为p。用X表示命中目标的次数,求X的概率 分布律。
解:设Ai={第i次射击时命中目标}i=1,2,3,4,5。 则A1,A2,…A5,相互独立,且P(Ai)=p,i=1,2,…5.
P {X0 }P (A 1A 2A 3A 4A 5)(1-p)5
或
X
x1
x2
… xK
…
X~
Pk
p1
p2
… pk
…
.
5
2. 分布律的性质 (1) pk 0, k=1, 2, … ;
(2) pk=1. k 1
例1 设袋中有5只球,其中有2只白球3只黑球。 现从中任取3只球(不放回),求取的白球数X为k
的概率。
解 k的所有可能取值为0,1,2
P{X= k}=C2kC C5333k, k0,1,2
随机变量的特点:
(1)随机变量的全部可能取值是互斥且完备的。 (2)随机变量的部分可能取值描述随机事件。
.
2
1、 掷 一 粒 骰 子 , 用 X表 示 掷 出 的 点 数 ,
X(),, 则 X是 随 机 变 量 。
X3表 示 掷 出 的 点 数 不 超 过 3。 将 X看 做 样 本 空 间 上 的 函 数 , 则 Xj{|1,2,...,j}
P { X 5 } 0 .9 1 6 1
(注 : 在 M A T L A B 中 输 入 命 令 p o i s s c d f ( 5 , 3 ) )
.
14
例6. 进行独立重复试验,每次成功的概率为p, 令X表示直到出现第m次成功为止所进行的试验次 数,求X的概率分布律。
解:m=1时, P { X k } (1 p )k 1p ,k 1 ,2 ,...
k!
.
11
上题用泊松定理 取 =np=(400)(0.02)=8, 故 近似地有
P{X2}=1- P{X=0}-P {X=1} =1-(1+8)e-8=0.996981.
(3) 泊松(Poisson)分布P()
X~P{X=k}= k e , k=0, 1, 2, …
k!
(0)
.
12
泊松定理表明,泊松分布是二项分布的极限分布, 当n很大,p很小时,二项分布就可近似地 看成是参数=np的泊松分布
里试验中事件A发生的次数,则称X服从参数为 n,p的二项分布。记作X~B(n,p),其概率分布律 为:
C P { X k } k p k ( 1 p )n k ,k 0 ,1 ,...,n . n
.
9
例3.从某大学到火车站途中有6个交通岗,假设在各个 交通岗是否遇到红灯相互独立,并且遇到红灯的概率 都是1/3. (1)设X为汽车行驶途中遇到的红灯数,求X的分布律. (2)求汽车行驶途中至少遇到5次红灯的概率.
.
4
二、离散型随机变量
1、定义 : 若随机变量X取值x1, x2, …, xn, … 且取这些值的概率依次为p1, p2, …, pn, …, 则称 X为离散型随机变量。称
P{X=xk}=pk, (k=1, 2, … ) 为X的概率分布律或概率分布。通常表示为
X~ P{X=xk}=pk, (k=1, 2, … ),
第二章随机变量
• 随机变量与分布函数 • 离散型随机变量 • 连续型随机变量 • 一维随机变量函数的分布
.
1
一、随机变量
定 义 : 设 是 随 机 试 验 E的 样 本 空 间 , 如 果 X是 定 义 在 上 的 一 个 单 值 实 函 数 , 且 对 于 任 意 实 数 x,
{:X()x}是 随 机 事 件 , 则 称 X为 随 机 变 量 。
解:(1)由题意,X~B(6,1/3),于是,X的分布律为:
P {Xk}C 6 k 1 3 k 3 2 6k k0,1,.6 ..,
( 2 )P { X 5 } P { X 5 } P { X 6 }
C6513532136
13 729
.
10
例4. 某人射击的命中率为0.02,他独立射击400 次,试求其命中次数不少于2的概率。