《概率论与数理统计》第二章 随机变量分析
《概率论与数理统计(第二版)》第二章随机变量与数字特征
随机变量与数字特征
解 当x<-1时,因为事件{X≤x}=⌀,所以 F(x)=0 当-1≤x<0时,有 F(x)=P(X≤x)=P(X=-1)=0.3 当0≤x<1时,有 F(x)=P(X≤x)=P(X=-1)+P(X=0) =0.3+0.6=0.9
随机变量与数字特征
随机变量与数字特征
随机变量与数字特征
随机变量与数字特征
随机变量与数字特征
74
随机变量与数字特征
第二章 随机变量与数字特征 2.1两类随机变量 例1 在10件同类型产品中,有3件次品,现任取2件,用一个变量X表示“2件中的次品数”,X的取值是随机的,可能的取值有0,1,2.显然“X=0”表示次品数为0,它与事件“取出的2件中没有次品”是等价的.可以看出,“X=1”等价于“恰好有1件次品”,“X=2”等价于“恰好有2件次品”.于是由古典概率可以求出:
随机变量与数字特征
随机变量与数字特征
2.3分布函数与函数的分布 2.3.1 随机变量的分布函数 定义2.3 设X是一个随机变量,称函数 F(x)=P(X≤x) 为随机变量X的分布函数.分布函数也记作FX(x).
随机变量与数字特征
随机变量与数字特征
随机变量与数字特征
随机变量与数字特征
随机变量与数字特征
随机变量与数字特征
例3 在“测试电子管寿命”这一试验中,用Z表示它的寿命(单位为小时),则Z的取值随着试验结果的不同而在连续区间(0,+∞)上取不同的值,当试验结果确定后,Z的取值也就确定了. 上面三个例子中的变量X,Y,Z具有下列特征: (1)取值是随机的,事前并不知道取到哪一个值; (2) 所取的每一个值,都相应于某一随机现象; (3) 所取的每个值的概率大小是确定的.
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～
概率论与数理统计第二章笔记
概率论与数理统计第二章笔记一、引言概率论与数理统计是数学中的一个重要分支，它研究的是随机现象的规律性和统计规律性。
在第二章中，我们将深入探讨随机变量及其分布，以及随机变量的数字特征。
二、随机变量及其分布1. 随机变量的定义及分类在概率论与数理统计中，随机变量是描述随机现象数值特征的变量。
根据随机变量可取的值的性质，可以分为离散随机变量和连续随机变量。
离散随机变量只取有限个或无限可数个值，而连续随机变量则可以取在一定范围内的任意一个值。
2. 随机变量的分布及特征随机变量的分布是描述其取值的概率规律。
对于离散随机变量，常见的分布包括二项分布、泊松分布等；对于连续随机变量，则有均匀分布、正态分布等。
通过对随机变量的分布进行分析，可以推导出其数字特征，如均值、方差等。
三、随机变量数字特征1. 随机变量数字特征的意义随机变量的数字特征是对其分布的定量描述，包括均值、方差、标准差等。
这些数字特征可以帮助我们更直观地理解随机变量的分布规律，从而作出合理的推断和决策。
2. 随机变量数字特征的计算对于离散随机变量，其均值、方差的计算可通过对其分布进行加权平均；对于连续随机变量，则需要进行积分计算。
这些计算方法在实际问题中起着重要作用，例如在风险评估、市场预测等方面的应用。
四、总结和回顾概率论与数理统计第二章主要介绍了随机变量及其分布，以及随机变量的数字特征。
通过对离散和连续随机变量的分类和分布进行深入讨论，我们对随机现象的规律性有了更清晰的认识。
通过数字特征的计算，我们可以更准确地描述和解释随机现象的规律，为实际问题的分析和决策提供了有力工具。
个人观点和理解在学习概率论与数理统计第二章的过程中，我深刻认识到随机变量和其分布对于随机现象的定量分析至关重要。
通过对数字特征的计算，我们可以更准确地描述和解释随机现象的规律，这对于我在日常生活和工作中的决策和分析将有着实质性的帮助。
结论概率论与数理统计第二章所介绍的内容为我们提供了深入了解随机现象规律性的基础，并且为日后的学习和实践奠定了坚实的基础。
概率论与数理统计 第二章 随机变量及其分布
6 6 X ~ ( ), 且 P X 0 e 即 e e 6
P { X 2 } 1 P { X 2 } 1 P { X 0 } P { X 1 }
6 6 1 e 6 e 0 . 9826
A={X=1}，B={X=2}，C={X=0}
② 设Y为进行5次试验中成功的次数，则 D={Y=1}，F={Y1},G={Y3}
随机变量的分类
离散型随机变量 随机变量 连续型 非离散型 奇异型（混合型）
§2 离散型随机变量的分布律(P27)
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 P{X=xk}=pk, (k=1, 2, … ) 为X的分布律。 可表为 X～ P{X=xk}=pk, (k=1, 2, … )， 或…
k k n
k 0 , 1 , , n
若以X表示n重贝努里试验中事件A发生的次数， P(A)=p, 则称X服从参数为n,p的二项分布。 记作X~b(n,p), 其分布律为：
P { X k } p ( 1 p ), ( k 0 , 1 ... n ) C n
kk
n k
例2 掷一颗骰子10次，求（1）双数点出现6次的概率？ （2）“3”点出现两次的概率？ 解：(1)设X表出现双数点的次数，则X~b(10，1/2） 6 6 10 6 6 10 1 1 1 所求概率： P ( X 6 ) C ( ) ( ) C ( ) 10 10 2 2 2 (2) 设Y表出现“3”点的次数，则Y~b(10，1/6） 2 1258 所求概率为： P ( Y 2 ) C () () 10
概率论与数理统计第2章随机变量
所以
x 0, 0, 1 2 F ( x) x , 0 x 2, 4 x 2. 1,
2.1.2 随机变量的分布函数
定理2.1.1 任一分布函数F(x)都有如下性质： (1）单调性： F(x)单调不减，即若x1<x2，则有 F ( x1 ) F ( x2 )
于样本空间中的每一个样本点，X都有一个值与之对应：
样本点
X的值
HH
2
HT
1
TH
1
TT
0
2.1.2 随机变量的分布函数
定义2.1.2 设X是随机变量，x是任意实数，称
F ( x) P X x
为随机变量X的分布函数．
2.1.2 随机变量的分布函数
例2.1.4 一个靶子是半径为2米的圆盘，设击中靶上任
2.3.1 连续型随机变量的概念及性质
（2）画频率分布直方图
图2.3某中学学生身高的频率直方图
2.3.1 连续型随机变量的概念及性质
图2.4
2.3.1 连续型随机变量的概念及性质
图2.5
2.3.1 连续型随机变量的概念及性质
2． 连续型随机变量的定义及性质 （1）定义2.3.1 设F(x)是随机变量X的分布函数，若存 在非负的f(x)，使得对于任意的实数x有
e4 42 P{ X 2} 0.1465 2!
2.2.2 常用离散型随机变量的分布
（2）破汽水甁多于2瓶的概率为
P{X 2} 1 P{X 0} P{X 1} P{ X 2}
=
4 2 e 4 1 e4 4e4 0.761897 2!
n=40 p=0.025 0.363 0.372 0.186 0.060 0.014 0.005
《概率论与数理统计》第二章随机变量及其分布
第二章随机变量及其分布 ....................................................................................................... - 1 - 第一节随机变量及其分布函数 ..................................................................................... - 2 - 一随机变量概念 ....................................................................................................... - 2 -二随机变量的分布函数 ........................................................................................... - 3 -基础训练2.1 ............................................................................................................... - 6 - 第二节离散型随机变量及其概率分布............................................................................ - 6 - 一离散型随机变量及其概率分布............................................................................ - 6 -二常见的几种离散型随机变量及其分布................................................................ - 8 -基础训练2.2 ............................................................................................................. - 13 - 第三节连续型随机变量及其概率分布.......................................................................... - 13 - 一连续型随机变量及其分布的概念与性质.......................................................... - 14 -二常见的几种连续型随机变量及其分布.............................................................. - 16 -基础训练2.3 ............................................................................................................ - 21 - 第四节随机变量函数的分布 ......................................................................................... - 21 - 一离散型随机变量函数的分布.............................................................................. - 21 -二连续型随机变量的函数分布.............................................................................. - 22 -基础训练2.4 ............................................................................................................ - 25 - 综合训练二 ....................................................................................................................... - 25 - 内容小结及题型分析二 ................................................................................................... - 25 - 拓展提高二 ....................................................................................................................... - 25 - 阅读材料二 ....................................................................................................................... - 25 - 数学实验二 ....................................................................................................................... - 25 -第二章随机变量及其分布【本章导读】本章主要讲述随机变量与分布函数，一维离散型随机变量、连续型随机变量的概率分布，常见分布及函数的分布.【本章用到的先修知识】级数的运算，变限积分，分段函数的积分，无穷积分.【本章要点】随机变量的概念，分布函数，分布律，概率密度，常见随机变量的分布，函数的分布.在上一章中，我们用样本空间的子集，即基本事件的集合来表示随机试验的各种结果.这种表示的方式对全面讨论随机试验的统计规律性及数学工具的运用都有较大的局限. 在本章中，我们将介绍概率论中另一个重要的概念：随机变量. 随机变量的引入，使概率论的研究由个别随机事件扩大为随机变量所表征的随机现象的研究. 这样，不仅可更全面揭示随机试验的客观存在的统计规律性，而且可使我们用高等数学的方法来讨论随机试验.第一节 随机变量及其分布函数一 随机变量概念在第一章里，我们主要研究了随机事件及其概率，读者可能会注意到在随机现象中，有很大一部分问题与实数之间存在着某种客观的了解. 例如，在产品检验问题中，我们关心的是抽样中出现的废品数；在车间供电问题中，我们关心的是某时间段正在工作的车床数；在电话问题中关心的是某一段时间内的话务量等. 对于这类随机现象，其试验结果显然可以用数值来描述，并且随着试验的结果不同而取不同的数值。
概率论与数理统计第二章随机变量及其分布
设随机变量X服从参数为 分布,即 例2.3.1.设随机变量 服从参数为 的0-1分布 即: 设随机变量 服从参数为0.3的 分布 X P 0 1 ,求X的分布函数 求 的分布函数 的分布函数.
i
0.3 0.7
解:(1) 当x<0时,F(x)=P{X≤x}= 时
∑P{X = x }=0 (2)当0≤x<1时,F(x)=P{X≤x}= ∑P{X = x } =P{x=0}=0.3 当 时 (3)当1≤x时,F(x)=P{X≤x}= ∑P{X = x } 当 时
xi ≤x xi ≤x i xi ≤x i
=P{X=0}+P{X=1}=1 F(x) 分布函数图形如下 1 0.3 0 1 x
3.离散型随机变量 的分布函数的性质 离散型随机变量X的分布函数的性质 离散型随机变量 (1)分布函数是分段函数 分段区间是由 的取值点划分成的 分布函数是分段函数,分段区间是由 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; 左闭右开区间 (2)函数值从 到1逐段递增 图形上表现为阶梯形跳跃递增 函数值从0到 逐段递增 图形上表现为阶梯形跳跃递增; 逐段递增,图形上表现为阶梯形跳跃递增 函数值从 (3)函数值跳跃高度是 取值区间中新增加点的对应概率值 函数值跳跃高度是x取值区间中新增加点的对应概率值 函数值跳跃高度是 取值区间中新增加点的对应概率值; F(x) (4)分布函数是右连续的 分布函数是右连续的; 分布函数是右连续的 1 (5) P{X=xi}=F(xi)-F(xi-0) 0.3
记为 X~B(n,p)
m P X = m) = Cn pm(1− p)n−m (
m=0,1,2,...,n
随机变量X所服从的分布称为二项分布,n为实验次数 注:(1)随机变量 所服从的分布称为二项分布 为实验次数 随机变量 所服从的分布称为二项分布 为实验次数; (2)该实验模型称为 次独立重复实验模型或 重Bernoulli实验模型 该实验模型称为n次独立重复实验模型或 实验模型; 该实验模型称为 次独立重复实验模型或n重 实验模型 (3)若A和Ac是n重Bernoulli实验的两个对立结果 成功”可以指二 若 和 实验的两个对立结果,“成功 重 实验的两个对立结果 成功” 者中任意一个,p是 成功”的概率 者中任意一个 是“成功”的概率. 例如:一批产品的合格率为 有放回地抽取 有放回地抽取4次 每次一件 每次一件, 例如 一批产品的合格率为0.8,有放回地抽取 次,每次一件 取得合格 一批产品的合格率为 品件数X,以及取得不合格品件数 服从分布为二项分布 品件数 以及取得不合格品件数Y服从分布为二项分布 以及取得不合格品件数 服从分布为二项分布, X对应的实验次数为 对应的实验次数为n=4, “成功”即取得合格品的概率为 成功” 对应的实验次数为 成功 即取得合格品的概率为p=0.8,
《概率论与数理统计》第二章随机变量及其分布知识点
第二章随机变量及其分布2.1随机变量为全面研究随机试验的结果，皆是随机现象的统计规律性，需要将随机试验的结果数量化，即把随机试验的结果与实数对应起来.2.1.1随机变量的定义定义一：设Ω为随机试验E 的样本空间，若对Ω中的每一个样本点ω都有一个确定的实数)(ωX 与之对应，则称)(ωX X =为定义在Ω上的随机变量.随机变量通常用大写字母X、Y、Z 或希腊字母ηξ，等表示，而表示随机变量所取的值时，一般用小写字母x,y,z 等表示.2.1.2引入随机变量的意义随机变量因其取值方式不同，通常分为离散型和非离散型两类.非离散型随机变量最重要的是连续型随机变量.2.1.3随机变量的分布函数定义二：设X 是一个随机变量，称+∞<<-∞≤=x x X P x F },{)(为X 的分布函数.对任意实数)(,2121x x x x <，随机点落在区间（21,x x ]内的概率为：)()(}{}{)(121221x F x F x X P x X P x X x P -=≤-≤=<<分布函数的性质：(1)1)(0≤≤x F (2)非减(3),0)(lim )(==-∞-∞→x F F x ,1)(lim )(==+∞+∞→x F F x 事实上，由事件+∞≤-∞≤x x 和分别是不可能事件和必然事件(4)右连续)()(lim 00x F x F x x =+→2.2离散型随机变量及其概率分布2.2.1离散型随机扮靓及其概率分布定义三：设X 是一个随机变量，如果他的全部可能取值只有有限个或可数无穷多个，则称X 是离散型随机变量.设随机变量X 的全部可能取值为，，，，，n i x i ...21=X 取各个可能取值的概率n i x p x X P i i ，，，，...21)()(===，则称为随机变量X 的分布律，离散型随机变量X 的分布律也可以表示为：X X1X2...Xn ...P(X)P(x1)P(x2)...P(xn)...离散型随机变量X 的分布律满足：(1)),...(,...,2,1,0)(非负性n i x p i =≥(2))(1)(1规范性=∑+∞=i i x p 易得X 的分布函数为：)(}{}{)(∑∑≤≤===≤=xx i xx i i i x p x X P x X P x F 即，当i x x <时，0)(=x F ；当1x x <时，0)(=x F ；当21x x x <<时，)()(1x p x F =；当32x x x <<时，)()()(21x p x p x F +=；......当n n x x x <<-1时，)(.....)()()(21n x p x p x p x F +++=；......2.2.2常用离散型随机变量的分布1.两点分布（“0-1”分布）定义四：若一个随机变量X 只有两个可能取值21x x ，，且其分布为：10,1)(,)(21<<-====p p x X P p x X P 则称X 服从21x x ，处参数为p 的两点分布.2.二项分布若随机变量X 的全部可能取值为0，1，2，...，n，且其分布律为，，，，，n k q p C p k X P k n k k n ...,210,)(===-其中，0<p<1,q+p=1,则称为X 服从参数为n，p 的二项分布，或称X 服从参数为n，p 的伯努利分布，记为)(~p n B X ，3.泊松分布定义五：若一个随机变量X 的分布律为：...210,0,!)(，，，=>==-k k e k X P kλλλ则称X 服从参数为λ的泊松分布，记作)(~λP X .易见：(1)...210,0)(，，，=≥=k k X P (2)1!!}{00=====-+∞=-+∞=-+∞=∑∑∑λλλλλλe e k e k ek X P k k k k k 4.二项分布的泊松近似引言：对于二项分布B(n,p)，当实验次数n 很大时，计算其概率很麻烦.例如:10001,5000(~B X 定理1：（泊松定理）在n 次伯努利试验中，事件A 在每次试验中发生的概率为n p （注意这与实验的次数有关），如果∞→n 时，λ→n np （λ》0为常数），则对于任意给定的k,有!)1(lim k ep p C kkn kk nn λλ--∞→=-(np =λ)2.3连续型随机变量及其概率密度2.3.1连续型随机变量及其概率密度定义六：设)(x F 为随机变量X 的分布函数，若存在非负函数)(x f ，对任意实数x ，有⎰∞-=x dt t f x F )()(，则称X 为连续型随机变量，称)(x f 为X 的概率密度函数或分布密度函数，简称概率密度.概率密度具有下列性质：(1)0)(≥x f (2)1)(=⎰+∞∞-dx x f 连续型随机变量的性质：(1)连续型随机变量X ，若已知其密度函数)(x f ，则根据定义，可求其分布函数)(x F ，同时，还可求得X 的取值落在任意区间(a,b]上的概率为⎰=-=≤<ba dxx f a F b F b X a P )()()(}{(2)连续型随机变量X 取任意指定值)(R a a ∈的概率为零，因为⎰∆-→∆→∆=<<∆-==axa x x dxx f a X x a P a X P )(lim }{lim }{00故对连续型随机变量X ，则有⎰=-=<<=≤≤ba dxx f a F b F b X a P b X a P )()()(}{}{(3)若)(x f 在点x 处连续，则)()('x f x F =2.3.2常用连续型随机变量的分布1.均匀分布定义七：若连续型随机变量X 的概率密度=)(x f 其他bx a ab <<⎪⎩⎪⎨⎧-,,01则称X 在区间（a,b）上服从均匀分布，记作),(~b a U X 易见：(1)；0)(≥x f (2)1)(=⎰+∞∞-dx x f 求得其分布函数：.;;,,,10)(b x b x a a x a b ax x F ≥<<≤⎪⎩⎪⎨⎧--=2.指数分布定义八：若随机变量X 的概率密度为⎩⎨⎧>=-其他,00,)(x e x f x λλ其中，0>λ是常数，则称X 服从参数λ的指数分布，简记为)(~λe X .易见：(1)；0)(≥x f (2)1)(=⎰+∞∞-dx x f 易求出其分布函数：⎩⎨⎧>-=-其他。
- 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 0} P( A1 A2 ) P( A1 ) P( A2 ) 0.2 0.6 0.12
P{X 4} P( A1 A2 ) P( A1 ) P( A2 ) 0.8 0.6 0.48
第二章 随机变量
§2.2离散型随机变量
二. 离散型随机变量的概率分布
所以，概率分布体现了随机变量取各个可能值的 概率的分布情况。
一个贸易总公司分别为下设的两个分公 司下达销售任务 ,两个分公司完成任务的概率分别为 0.8 和 0.4 . 若完成任务 ,那么两个分公司将分别获得奖金 4 万元和 6 万元 .设 X 为总公司应付出的奖金 ,求 X 的分 布律并计算 P{4 X 10} 和 P{ X 6} .
P{ X xi } pi , i 1, 2,
,
为 X 的概率分布或分布律(列).
第二章 随机变量
§2.2离散型随机变量
二. 离散型随机变量的概率分布
概率分布（分布律）也可以表示为表格形式：
X x 1 x2
xn
pn
P p1 p2
(1)非负性
由概率的定义,分布律具有以下性质:
pk 0 (k 1, 2, ) ;
例如,掷骰子朝上一面的点数(1,2,3,4,5,6)、电梯在 一年内发生故障的次数（0,1,2，…)等均为离散型随机变 量。 连续型随机变量:其全部可能取得值虽然也是无限多， 但这些值充满了某个区间，不能一一罗列出来. 例如，而某元件寿命，零件的长度则的所有可能取 值充满一个区间,无法按一定次序一一列举出来,因而它 是一个连续型随机变量.
二. 随机事件的表示
简写：将 X 记为 X 对于实数的每个子集 L， 将 量 X 来表述随机事件。
, , X () L 记为 X L ，则可用随机变
1
{币值面朝上}； X 0 表示事件 {币值面朝下}； 可以记随机变量 X 1 的概率为 P{X 1} 。
6 10 4 P 0.12 0.48 0.08 0.32
例 2.2.1
第二章 随机变量
§2.2离散型随机变量
二. 离散型随机变量的概率分布
解
X 的所有可能取值为 0,4,6,10 (单位 :万元 ).设
Ai { 第 i 个 分 公 司 获 得 奖 金 }( i 1, 2 ), 则 P( A1 ) 0.8 ,
P( A2 ) 0.4 ,且 A1 , A2 相互独立.因此
例：用 X 1 表示事件
2
.
第2章 随机变量及其分布
§2.2 离散型随机变量
§2.2 §2.3 §2.4
第二章 随机变量
§2.2离散型随机变量
一. 离散型随机变量
随机变量根据其取值，分为两类： 离散型随机变量 和 连续型随机变量.
离散型随机变量：随机变量 X,可能取有限个或可列无限个 （即虽然是无限个，但可以一个接一个地排列起来）值。
(2)归一性
p
k 1
k
1 .
注(1)上述两条性质是分布律必须具有的性质.如果一个数列 具有以上 两条性质,则它可以作为某离散型随机变量的分布律.
(2)
P{ X I } P( { X xi })
xi I
xi I
P
i
第二章 随机变量
§2.2离散型随机变量
二. 离散型随机变量的概率分布
第2章 随机变量
§2.1 随机变量的定义 §2.2 离散型随机变量 §2.3 连续型随机变量与 随机变量的分布函数 §2.4 随机变量函数的分布
§2.2 §2.3 §2.4
第2章 随机变量
§2.1 随机变量的定义
§2.2 §2.3 §2.4
第二章 随机变量
§2.1 随机变量的定义
一.随机变量的定义
X , X() R
3
1
X 3
2
X
X 1
R
X 2
注 （1）随机变量是一个函数。定义在样本空间上。取值在实轴上； （2）与一般函数不同，它的自变量是随机实验的结果； （3）随机变量的取值具有随机性。
第二章 随机变量
§2.1 随机变量的定义
X , 1, 2,
例2.1.3 从一批灯泡中任取一只，测其寿命
X t, t 0
第二章 随机变量
§2.1 随机变量的定义
一.随机变量的定义
定义2.1.1. 设随机试验的样本空间为 ，如果对 中的每一个元素 e ， 有一个实数 X e 与之对应，这样就得到了一个定义在 上的实值函数， 称为随机变量。
第二章 随机变量
§2.2离散型随机变量
二. 离散型随机变量的概率分布
问题：设离散型随机变量 X 所有可能取得值为： x1 , x2 , 仅知道 X 可能取值不够，还需要知道它取各值的概率, 即 P{X xk 2.2.1 设 离 散 型 随 机 变 量 X 所 有 可 能 取 值 为 xi (i 1, 2, ) ,则称 X 取 xi 的概率
B 2 X 4
2).引进微积分来研究随机试验
第二章 随机变量
§2.1 随机变量的定义
一.随机变量的定义
引例：请适当定义一变量（函数）使之与下列各随机试验 的结果对应起来. 例2.1.1 掷一枚硬币，观察朝上一面
0, 正 X 1, 反
例2.1.2 射击一个目标，击中为止，记录射击次数
1.引进随机变量（r.v)的目的 1).量化随机事件 随机事件：样本空间的子集。 例如：掷一次骰子出现的点数
{1, 2, 3, 4, 5, 6}
建立一种函数关系：
A 1, 2
1, 1 2, 2 X 6, 6
B 2,3, 4.
A X 2
P{X 6} P( A1 A2 ) P( A1 ) P( A2 ) 0.08 ,
P{ X 10} P( A1 A2 ) P( A1 ) P( A2 ) 0.32 ,
即 X 的分布律为 X 于是
P{4 X 10} P{ X 4} P{ X 6} 0.56 ,