第二章 随机变量及其分布

合集下载

概率论课件第二章

概率论课件第二章
第二章 随机变量及其分布 §2.1 随机变量
例1. 抛硬币试验中S {H,T}, 样本点H与T不是数量。
例2. 测试灯泡寿命试验, S={e}={t|t≥0},样本点本身 是数量。
定义 : 设随机试验E的样本空间是S,若 X : S R为单值实范数,则称X为随机变量 (random variable, 简记为r.v.) 。

2. 特例: (1,) 是参数为的指数分布. (=1) 3. 伽玛函数的性质: (i) (+1)= ();
1 (iii)( ) . 2
(ii) 对于正整数n, (n+1)=n!;
§5. 随机变量的函数的分布
一、 X为离散型r.v. 例1.设X具有以下的分布律,求Y=(X-1)2分布律: X -1 0 1 2 pk 0.2 0.3 0.1 0.4
(二) 贝努利试验
(二项分布)
定 义 : 设 试 验E只 有 两 个 可 能 结 果 A与 A , 且 P( A ) p ( 0 p 1), 将 试 验E独 立 重 复 地 进 行 n次 , 这 样 的 试 验 称 为 贝 努 利 试 验.
设X是n重贝努利试验中事件A发生的次数, 则X 是一个随机变量, 于是
§4. 连续型随机变量及其概率密度
F(x) , 存在非负函 1.定义 : 对于r.v.X的分布函数 数f(x) , 使对于任意的实数 x, 有
则称X为连续型r.v.f(x)称为X概率密度函数, 简称概率密度. 连续型r.v.的分布函数是连续函数.
F(x ) f(t)dt

x
2.概率密度 f(x)的性质:
25
标准正态分布的上分位点:
设X ~ N(0,1), 若z 满足条件

概率论与数理统计第二章 随机变量及其分布

概率论与数理统计第二章 随机变量及其分布

15
例4: 甲、乙两名棋手约定进行10盘比赛,以赢的盘数 较多者为胜. 假设每盘棋甲赢的概率都为0.6,乙赢的概 率为0.4,且各盘比赛相互独立,问甲、乙获胜的概率 各为多少? 解 每一盘棋可看作0-1试验. 设X为10盘棋赛中甲赢的 盘数,则 X ~ b(10, 0.6) . 按约定,甲只要赢6盘或6盘 以上即可获胜. 所以
定义:若随机变量X所有可能的取值为x1,x2,…,xi,…,且 X 取这些值的概率为 P(X=xi)= pi , i=1, 2, ... (*)
则称(*)式为离散型随机变量X 的分布律。 分布律的基本性质: (1) 表格形式表示: pi 0, i=1,2,... (2)

i
pi 1
X pk
x1 p1
这里n=500值较大,直接计算比较麻烦. 利用泊松定理作近似计算: n =500, np = 500/365=1.3699>0 ,用 =1.3699 的泊松分布作近似 计算:
(1.3669) 5 1.3669 P{ X 5} e 0.01 5!
23
例2: 某人进行射击,其命中率为0.02,独立射击400次,试求击 中的次数大于等于2的概率。 解 将每次射击看成是一次贝努里试验,X表示在400次射击中 击的次数,则X~B(400, 0.02)其分布律为
k 0,1
14
(2) 二项分布 设在一次伯努利试验中有两个可能的结果,且有 P(A)=p 。则在 n 重伯努利试验中事件 A发生的次数 X是一个 离散型随机变量,其分布为
P ( X k ) C nk p k q n k
k =0, 1, 2 ,, n
称X 服从参数为n,p的二项分布,记为 X~b(n, p) 对于n次重复一个0-1试验. 随机变量X表示: n次试验中, A发生的次数. 如: 掷一枚硬币100次, 正面出现的次数X服从二项分布. b(100, 1/2) 事件 X~

第二章随机变量及其分布函数

第二章随机变量及其分布函数

28
例2.2.9 设在时间t分钟内通过某交叉路口的汽车 数服从参数与t成正比的泊松分布. 已知在一分钟内 没有汽车通过的概率为0.2,求在2分钟内多于一辆 车通过的概率.
S={红色、白色} ?
将 S 数量化
非数量 可采用下列方法
X ()
红色 白色
S
1 0R
3
即有 X (红色)=1 , X (白色)=0.
1, 红色, X () 0, 白色.
这样便将非数量的 S={红色,白色} 数量化了.
4
实例2 抛掷骰子,观察出现的点数.
则有
S={1,2,3,4,5,6} 样本点本身就是数量 X () 恒等变换
20
泊松分布是一个非常常用的分布律,它常与 单位时间、单位面积等上的计数过程相联系. 例如一小时内来到某百货公司中顾客数、单位 时间内某电话交换机接到的呼唤次数和布匹 上单位面积的疵点数等随机现象都可以用泊
松分布来描述. 附表 2 给出了不同 值对应的
泊松分布函数的值.
21
泊松分布的取值规律
记 P(k; ) k e ,则
P
1 2
X
5
2
P(X
1 X
2)
P(X 1) P(X 2) 5
9
12
例 2.2.2 一只口袋中有 m 只白球, n m 只黑球.连 续无放回地从这口袋中取球,直到取出黑球为止.设 此时取出了 X 只白球,求 X 的分布律.
解 X 的可能取值为 0,1,2,, m ,且事件{X i}意 味着总共取了 i+1 次球,其中最后一次取的是黑球而 前面 i 次取得都是白球.
或 X ~ Bn, p.
二项分布的背景是伯努利试验:如果每次试验中事 件A发生的概率均为p,则在n重伯努利试验中A发生 的次数服从参数为n,p的二项分布。

第二章随机变量及其概率分布(概率论)

第二章随机变量及其概率分布(概率论)

当 x ≥ 1 时,F ( x) = P( X ≤ x) =P( X = 0) + P( X = 1) =1 ⎧0 x < 0
所以 F ( x) = ⎪⎨0.3 0 ≤ x < 1. ⎪⎩1 1 ≤ x
⎧0 x < 0 分布函数为 F ( x) = ⎪⎨0.3 0 ≤ x < 1
⎪⎩1 1 ≤ x
分布函数图形如下
F(x) 1 0.3
x 01
3
例 设X的概率分布律如下,求X的分布函数. X012 P 0.4 0.35 0.25

⎧0
x<0
F
(
x)
=
⎪⎪ ⎨

0.4 0.75
0≤ x<1 1≤ x<2
⎪⎩ 1
x≥2
由此可见
(1)离散型随机变量的分布函数是分段函数,分 段区间是由X的取值点划分成的左闭右开区间; (2)函数值从0到1逐段递增,图形上表现为阶梯 形跳跃递增; (3)函数值跳跃高度是X取值区间中新增加点的 对应概率值.
z 泊松在数学方面贡献很多。最突出的是1837 年在提出泊松分布。
z 除泊松分布外,还有许多数学名词是以他的 名字命名的,如泊松积分、泊松求和公式、 泊松方程、泊松定理。
当一个随机事件,以固定的平均瞬时速率 λ随机独立地出现时,那么这个事件在单 位时间(面积或体积)内出现的次数或个数 就近似地服从泊松分布。
解: 依题意, X可取值 0, 1, 2, 3.
设 Ai ={第i个路口遇红灯}, i=1,2,3
路口3
路口2
P(X=0)= P(A1)=1/2,
路口1
X=该汽车首次停下时通过的路口的个数. 设 Ai={第i个路口遇红灯}, i=1,2,3

概率统计 第二章 随机变量及其分布

概率统计 第二章 随机变量及其分布

引入适当的随机变量描述下列事件: 例1:引入适当的随机变量描述下列事件: 个球随机地放入三个格子中, ①将3个球随机地放入三个格子中,事件 A={有 个空格} B={有 个空格} A={有1个空格},B={有2个空格}, C={全有球 全有球} C={全有球}。 进行5次试验, D={试验成功一次 试验成功一次} ②进行5次试验,事件 D={试验成功一次}, F={试验至少成功一次 试验至少成功一次} G={至多成功 至多成功3 F={试验至少成功一次},G={至多成功3次}
例2
xi ∈( a ,b )

P( X = xi )
设随机变量X的分布律为 设随机变量X
0 1 2 3 4 5 6 0.1 0.15 0.2 0.3 0.12 0.1 0.03
试求: 试求:
P( X ≤ 4), P (2 ≤ X ≤ 5), P ( X ≠ 3)
0.72 0.7
F ( x) = P{ X ≤ x} =
k : xk ≤ x
∑p
k
离散型随机变量的分布函数是阶梯函数, 离散型随机变量的分布函数是阶梯函数 分布函数的跳跃点对应离散型随机变量的 可能取值点,跳跃高度对应随机变量取对应 可能取值点 跳跃高度对应随机变量取对应 值的概率;反之 反之,如果某随机变量的分布函数 值的概率 反之 如果某随机变量的分布函数 是阶梯函数,则该随机变量必为离散型 则该随机变量必为离散型. 是阶梯函数 则该随机变量必为离散型
X
x
易知,对任意实数a, 易知,对任意实数 b (a<b), P {a<X≤b}=P{X≤b}-P{X≤a}= F(b)-F(a) ≤ = ≤ - ≤ = -
P( X > a) = 1 − F (a)

第二章 随机变量及其分布

第二章  随机变量及其分布
来表示。
2. 二项分布的推导过程与说明
3. 举例( 例2,例3,例4 )
C. 泊松分布
1. 定义:如果随机变量X的概率密度如下:
P(X k)
λ k k!
e
λ
,
k =0,1,2,… ( >0) ,
(2.4)
则称X服从参数为 的泊松分布,记作:
X ~ ()
2. 说明
3. 举例
返回目录
§3 随机变量的分布函数
P{X=4}=0.218 P{X=5}=0.175 P{X=6}=0.109 P{X=7}=0.055
P{X=k} < 0.001 , 当 k ≥ 11时
P{ X=8 }=0.022 P{ X=9 }=0.007 P{X=10}=0.02
例3:
某人进行射击,设每次射击的命中率为0.02,独立射 击400次,试求至少击中两次的概率。
解:以p表示每组信号灯禁止汽车通过的概率,
X所有可能取值为0,1,2,3,4。得X的分布律 为:P{X= k}= (1-p)k p , k=0,1,2,3, P{X= 4}= (1-p)4。用表格表示如下:
X
01
2
34
pk
p (1-p) p (1-p)2 p (1-p)3 p (1-p)4
代入p=1/2可得结果,可验证此结果满足分布 律两性质。
• 而有的实验结果与数值无直接关系,我们可 以把它映射为数值来表示,如:硬币抛掷中出 现正面用“0”来表示,出现反面用“1”来表示。
例1:在一袋中装有编号分别为1,2,3的3只球,
在袋中任取一只球,放回,再取一只球,记录它 们的编号。考察两只球的编号之和。则实验的样 本空间S={e}={(i,j)} i,j=1,2,3。 i,j分别为第一,第 二次取到球的号码。 以X表示两球号码之 和,得到样本空间 的每一个样本点e, X都有一值与之对 应,如图2-1。

概率论第二章

概率论第二章
2.分布函数单调不减 分布函数单调不减 3.分布函数为右连续函数 分布函数为右连续函数
分布函数与密度函数的关系
x
F ( x) = ∫
−∞
f (t )dt
密度函数性质
1. f ( x) ≥ 0 2. f ( x)dx = 1 ∫
−∞ +∞
3. P ( x ∈ (a, b)) = ∫ f ( x)dx
,−∞ < x < +∞
• 其中 µ , σ (σ > 0 ) 为常数 则称 服从参数为 为常数,则称 则称X服从参数为 2 的正态 µ ,σ 分布(或高斯分布 记为X~ N ( µ , σ 2 ) 或高斯分布),记为 分布 或高斯分布 记为 • 正态分布密度函数的图形关于直线 x = 对称,即对 对称 即对 任意常数 a, f ( µ − a ) = f ( µ + a ) • x = µ 时, f (x ) 取到最大值 取到最大值.
(1) P (Y ≥ 2 ) = 1 − 0 .9876 5 − 5 × 0 .9876 4 × 0 .0124 = 0 .0015
(2) P (Y ≥ 2 Y ≥ 1) = P ((Y ≥ 2) ∩ (Y ≥ 1)) P(Y ≥ 2) 0.0015 = = = 0.0248 5 P (Y ≥ 1) P(Y ≥ 1) 1 − 0.9876
, = 0, , k 1 L5 ,
例2 射击进行到目标被击中或4发子 弹被用完为止.如果每次射击的命中 率都是0.4,求总射击次数X的分布律.
解 X=k所对应的事件为前k-1次射击均 未击中,第k次射击击中,故X的分布律 为:
X
P
1
2
2
3
3
4
4

第二章随机变量及其分布

第二章随机变量及其分布

若随机变量X的概率分布为
Pn (k ) P( X k)C p (1 p)
k n k
nk
, k 0,1,, n
其中0<p<1,称X服从参数为n和p的二项分布, 记作 X~B(n,p)
例5:一随机数字序列要有多长才能使0至少出 现一次的概率不小于0.9?
泊松分布
若随机变量X的概率分布为
和 2 都是常数, 任意, >0, 其中 2 则称X服从参数为 和 的正态分布. 2 记作 X ~ N ( , )
正态分布 N ( , )的图形特点
2
正态分布的密度曲线是一条关于 对 称的钟形曲线. 特点是“两头小,中间大,左右对称”.
设X~ N ( , ) ,
, x
t2 2
( x )
1 ( x) 2

x

e dt
正态分布与标准正态分布的关系 标准正态分布的重要性在于,任何一个 一般的正态分布都可以通过线性变换转化为 标准正态分布.
F ( x) (
x

)
正态分布的概率计算
( x ) 1 ( x )
5.P( X x) 0
P ( a X b) P ( a X b) P ( a X b) P ( a X b)
例1 :已知连续型随机变量X有概率密度
k x 1 0 x 2 f ( x) 其它 0 求系数k及分布函数F(x),并计算P(0.5<X<3).
2
2
( x)dx
的 2 值,并称之为 关于的双侧分位点。 X
2.3
离散型随机变量函数的分布
例1 已知X的分布列为 X Pk -2 -1 0 1 2 3
  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)。

(3) k 0 = [(n + 1) p ] = [7.7] = 7 故最可能命中 7 炮. 8.设有 80 台同类型设备, 各台工作与否是相互独立的,发生故障的概率都是 0.01, 且一台设备的故障能由一个人处理. 考虑两种配备维修工人的方法, 其一是由 4 人维护, 每人负责 20 台; 其二是由 3 人共同维护 80 台. 试比较这两种方法在设备发生故障时不 能及时维修的概率的大小. 解 按第一种方法以 X 表示第一人负责的 20 台中同一时刻发生故障的台数,则
P{0 ≤ X ≤ 2} = P{U{ X = k}} = ∑ b( k ;800,0.0005)
k =0 k =0
2
2
4 42 ≈ ∑ P(k ,4) = e (1 + + ) ≈ 0.2381 1! 2! k =0
2 −4
习 题 2-3 1、判别下列函数是否为某随机变量的分布函数?
⎧0, x < −2, ⎪ (1) F ( x) = ⎨1 / 2, − 2 ≤ x < 0, ⎪1, x ≥ 0; ⎩ ⎧0, x < 0, ⎪ (2) F ( x) = ⎨sin x, 0 ≤ x < π , ⎪1, x ≥ π ; ⎩ ⎧0, x < 0, ⎪ (3) F ( x) = ⎨ x + 1 / 2, 0 ≤ x < 1 / 2, ⎪1, x ≥ 1 / 2. ⎩
14
6. 设随机变量 X 的概率分布为: P{ X = K } = (1) P{
k , k = 1,2,3,4,5 .试求: 15
1 5 (2) P{1 ≤ X ≤ 3} ; (3) P{ X > 3}. < X < }; 2 2 1 5 1 2 1 解 (1) P{ < X < } = P{ X = 1} + P{ X = 2} = + = ; 2 2 15 15 5 1 2 3 2 (2) P{1 ≤ X ≤ 3} = P{ X = 1} + P{ X = 2} + P{ X = 3} = + + = 15 15 15 5 4 5 3 (3) P{ X > 3} = P{ X = 4} + P{ X = 5} = + = . 15 15 5
2、 掷一枚均匀的硬币三次, 观察前后三次出现的正面次数之和 “大于 2” , “等于 2” , “小于 2”的情况,定义一个随机变量,并写出该随机变量取每一个特定值的概率. 解 分别用 w1 , w2 , w3 表示试验的三个结果“大于 2” , “等于 2” , “小于 2”则
Ω = {w1 , w2 , w3 } 定义随机变量 X 如下:
∴ P{ X ≥ 3} = 1 − P{ X < 3} = 1 − P{ X = 0} − P{ X = 1} − P{ X = 2}
= 1 − e −0.7 (
0.7 0 0.71 0.7 2 + + ) ≈ 0.0341. 0! 1! 2!
10.纺织厂女工照顾 800 个纺锭,每一纺锭在某一段时间 τ 内断头的概率为 0.005. 求在 τ 这段时间内断头次数不大于 2 的概率. 解:以 X 表示纺锭断头次数则 n = 800, p = 0.005, np = 4 ,应用泊松定理,所求概率 为
ω
X
HHH 3
HHT 2
HTH 2
THH 2
HTT 1
THT 1
TTH 1
TTT 0
则 X 是随机变量,易见, 使 X 取值为 2({ X = 2}) 的样本点构成的子集为 A = {HHT , HTH , THH }, 故 P{ X = 2} = P( A) = 3 / 8, 类似地,有
P{ X ≤ 1} = P{HTT , THT , TTH , TTT } = 4 / 8.
P{ X = 4} =
2×3 +1 7 2× 4 +1 1 2 × 5 + 1 11 = , P{ X = 5} = = , P{ X = 6} = = 36 36 36 4 பைடு நூலகம்6 36
故 X 的概率分布为
X pi
1 1 26
2 3 1 5 12 36
4 5 6 7 1 11 36 4 36
2.一汽车沿一街道行驶, 需要通过三个均设有红绿信号灯的路口, 每个信号灯为红 或绿与其它信号灯为红或绿相互独立, 且红绿两种信号灯显示的时间相等. 以 X 表示 该汽车首次遇到红灯前已通过的路口的个数, 求 X 的概率分布. 解 由题意知, X 的所有可能取值为 0,1,2,3 则
P{ X = 0} =
1 1 1 1 , P{ X = 1} = × = , 2 2 2 4 1 1 1 1 1 1 1 1 P{ X = 2} = × × = , P{ X = 3} = × × = 2 2 2 8 2 2 2 8 X pi 0 1 2 1 2 1 1 4 8 3 1 8
故 X 的概率分布为
解 满足分布函数的三条性质 (1) 单调非减; (2) F (−∞) = lim F ( x) = 0, F (+∞) = lim F ( x) = 1;
x→−∞ x→+∞
(3) 右连续性. 所以(1) (3)是分布函数.(2)不是 2、设随机变量 X 的分布函数为
F ( x) = A + B arctan x (−∞ < x < +∞).

第二种方法中发生故障而不能及时维修的概率小,且维修工人减少一人. 9.某一城市每天发生火灾的次数 X 服从参数 λ = 0.7 的泊松分布, 求该城市一天内 发生 3 次或 3 次以上火灾的概率.
15
解 Q X ~ P (0.7) ∴ P{ X = k} =
0.7 k −0.7 e , (k = 0,1,L) k!
X ~ b( 20,0.01) , 以 Ai 表 示 事 件 第 i 人 负 责 的 台 中 发 生 故 障 不 能 及 时 维 修 ,
( i = 1,2,3,4 ) ,则 80 台中发生故障而不能及时维修的概率为:
P( A1 U A2 U A3 U A4 ) ≥ P ( A1 ) = P{ X ≥ 2}
求: (1) X 的的分布函数; (2) P{X ≤ 1 / 2}, P{3 / 2 < X ≤ 5 / 2}, P{2 ≤ X ≤ 3}. 解 (1) F ( x) = P{ X ≤ x} 当 x < −1 时, { X ≤ x} = ∅, 故 F ( x) = 0 当 − 1 ≤ x < 2 时, F ( x ) = P{ X ≤ x} = P{ X = −1} = 当 2 ≤ x < 4 时, F ( x ) = P{ X = −1} + P{ X = 2} =
试求: (1)系数 A与B ; (2) P{ X ≤ 0} ; (3) P{−1 < X ≤ 1}.
16
解 (1) 因为 F ( +∞ ) = A + B ⋅ 所以 A =
π
= 1 , F ( −∞ ) = A + B ⋅ ( − ) = 0 , 2 2
π
1 1 ,B = 2 π 1 1 + arctan x (−∞ < x < +∞ ). 2 π
习 题 2-2
1 同时掷两枚骰子观察它们出现的点数,求两枚骰子出现的最大点数的概率分布. 解 设 X 表示骰子出现的最大点数,则 X 的所有可能取值为 1,2,3,4,5,6
13
P{ X = 1} =
1 2 ×1 + 1 1 2× 2 +1 5 = , P{ X = 3} = , P{ X = 2} = = 36 36 12 36 36
7.若每次射击中靶的概率为 0.7,射击 10 炮求: (1)命中 3 炮的概率; (2)至少命 中 3 炮的概率; (3)最可能命中几炮. 解 设 X 表示射击 10 炮中中靶的次数,则 X ~ b(10,0.7) 故
3 (1) P{ X = 3} = C10 0.7 3 0.37 = 0.009; 0 1 2 (2) P{ X ≥ 3} = 1 − (C10 0.7 0 0.310 + C10 0.710.39 + C10 0.7 2 0.38 ) = 0.998;
3.已知随机变量 X 的概率分布为:
X pi
1
θ
2
2 3 3 且 P{ X ≥ 2} = 求θ . 2 2θ (1 − θ ) (1 − θ ) 4
3 4
解 由 P{ X ≥ 2} = P{ X = 2} + P{ X = 3} = 2θ (1 − θ ) + (1 − θ ) 2 = 1 − θ 2 = 求得 θ = ± 故取 θ =
1 4
1 1 3 + = 4 2 4
当 x ≥ 4 时, F ( x ) = P{ X = −1} + P{ X = 2} + P{ X = 4} = 1
x < −1 ⎧ 0, ⎪1 / 4, − 1 ≤ x < 2 ⎪ 故 F ( x) = ⎨ ⎪3 / 4, 2 ≤ x < 4 ⎪ x≥2 ⎩ 1, 1 1 (2) P{X ≤ 1 / 2} = F ( ) − F ( −∞) = 4 2 5 3 3 1 1 P{3 / 2 < X ≤ 5 / 2} = F ( ) − F ( ) = − = 2 2 4 4 2 3 1 1 P{2 ≤ X ≤ 3} = − = 4 4 2 x<0 ⎧ 0, ⎪ x / 2, 0 ≤ x <1 ⎪ 4、 设 X 的分布函数为 F ( x) = ⎨ . ⎪ x − 1 / 2, 1 ≤ x < 1.5 ⎪ x ≥ 1.5 ⎩ 1,
相关文档
最新文档