概率统计(2).ppt

《概率统计(2).ppt》由会员分享，可在线阅读，更多相关《概率统计(2).ppt（67页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第二章 一维随机变量及其分布第一节 随机变量第二节 离散型随机变量第三节 随机变量的分布函数第四节 连续型随机变量及其概率密度第五节 随机变量的函数的分布第一节 随机变量定义 设X X(w)是定义在样本空间W上的实值函数，称X X(w)为随机变量.随机变量通常用大写字母X，Y，Z，W，.等表示下图给出样本点w与实数X X(w)对应的示意图 Wx 这个定义表明，随机变量 X是样本点 的一个函数，这个函数可以是不同样本点对应不同的实数，也允许多个样本点对应同一个实数.这个函数的自变量（样本点）可以是数，也可以不是数，但因变量一定是实数.掷一颗骰子，出现的点数X是一个随机变量.每天进入某超市的顾客数

2、Y；顾客购买商品的件数U；顾客排队等候付款的时间V.Y，U，V是三个不同的随机变量.电视机的寿命T是一个随机变量.例如例如 对于样本点本身不是数的随机试验，这时可根据需要设计随机变量。例例3 3 一射手对目标进行射击，击中目标记为1分，未中目标记为0分.设X表示该射手在一次射击中的得分，它是一个随机变量，可以表示为 例例4 4 观察一个电话交换台在一段时间（0，T）内接到的呼叫次数如果用X表示呼叫次数，那么 表示一随机事件，显然 也表示一随机事件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

3、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.定义 如果随机变量的全部可能取的值只有有限个或可列无限多个，则称这种随机变量为离散型随机变量.X 取各个可能值的概率，即事件 的概率为（1）称（1）式为离散型随机变量X的分布律.一般地，设离散型随机变量 X 所有可能取的值为第二节第二节 离散型随机变量离散型随机变量分布律也可以直观地用下面的表格来表示：由概率的定义，式（1）中的 应满足以下条件：随机变量X的所有取值随机变量X的各个取值所对应的概率 例1 某系统有两台机器相互独立地运转设第一台与第二台机器发生故障的概率分别为0.

4、1，0.2，以X表示系统中发生故障的机器数，求X 的分布律 解故所求概率分布为：（一）（一）（0 01 1）分布）分布 设随机变量 X 只可能取0与1两个值，它的分布律是则称 X 服从（01）分布或两点分布（01）分布的分布律也可写成 抛一枚硬币，观察出现正面H还是反面T，正面X0,反面X1T H对于一个随机试验，如果它的样本空间只包含两个元素，即 ，我们总能在W上定义一个服从（01）分布的随机变量 来描述这个随机试验的结果。检查产品的质量是否合格，对新生婴儿的性别进行登记，检验种子是否发芽以及前面多次讨论过的“抛硬币”试验都可以用（0-1）分布的随机变量来描述伯努利试验是一种非常重要的概率模

5、型，它是“在同样条件下独立地进行重复试验或观察”的一种数学模型，有着广泛的实际应用设试验 只有两个可能结果：及 ,则称 为伯努利（Bernoulli）试验设 ，此时 ,将E 独立重复地进行n次，则称这一串重复的独立试验为n重伯努利试验.（二）（二）伯努利试验与二项分布伯努利试验与二项分布现在求它的分布律 由试验的独立性，得 这种项共有 个，而且两两互不相容 同理可得上式右边各项所对应的概率均为 即 利用概率的加法定理知 显然 注意到 刚好是二项式 的展开式中 例例2 2 已知某类产品的次品率为0.2，现从一大批这类产品中随机地抽查20件，问恰好有k(k=0,1,2,20)件次品的概率是多少？解

6、解 这是不放回抽样但由于这批产品的总数很大，且抽查的产品的数量相对于产品的总数来说又很小，因而可以当作放回抽样来处理这样做会有一些误差，但误差不大.我们将检查一件产品是否为次品看成是一次试验，检查20件产品相当于做20重伯努利试验以X记抽出的20件产品中次品的件数，那么X是一个随机变量，且Xb(20,0.2)则所求的概率为 将计算结果列表如下：kk0123450.0120.0580.1370.2050.2180.175678910110.1090.0550.0220.0070.002 0.001作出上表的图形，如下图所示 例3 设某种鸭在正常情况下感染某种传染病的概率为20%.现新发明两种疫苗

7、，疫苗A注射到9只健康鸭后无一只感染传染病，疫苗B注射到25只鸭后仅有一只感染，试问应如何评价这两种疫苗，能否初步估计哪种疫苗较为有效？解 若疫苗A完全无效，则注射后鸭受感染的概率仍为0.2，故9只鸭中无一只感染的概率为同理，若疫苗B完全无效，则25只鸭中至少有一只感染的概率为因为概率0.0274较小，并且比概率0.1342小得多，（三）泊松分布1.泊松分布例4 商店的历史销售记录表明，某种商品每月的销售量服从参数为l=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？解由附录的泊松分布表知 只要在月底进货15件(假定上个月没有存货)，就可以95%的概率保

8、证这种商品在下个月内不会脱销证明略2.二项分布的泊松近似解解 注意注意 此种情况下，不但所求概率比（1）中有所降低，而且3名维修工负责90台设备相当于每个维修工负责30台设备，工作效率是（1）中的1.5倍.注意注意 此种情况下所求概率与(2)中基本上一样，而10名维修工负责500台设备相当于每个维修工负责50台设备，工作效率是(2)的1.67倍，是(1)中的2.5倍.由此可知由此可知 若干维修工共同负责大量设备的维修，将提高工作的效率.在几何上，它表示随机变量X的取值落在实数x左边的概率第三节 随机变量的分布函数定义 分布函数是一个普通的函数，其定义域是整个实数轴分布函数具有以下基本性质：1.

9、2.3.4.例例1 1-1 0 1 由概率的有限可加性分布函数为：解解111xF(x)例例2 2 在区间1,5上任意掷一个质点,用X表示这个质点与原点的距离,则X是一个随机变量.如果这个质点落在1,5上任一子区间内的概率与这个区间的长度成正比，求X的分布函数.解第四节 连续型随机变量及其概率密度定义性质(1),(2)是两个最基本的性质例1 设连续型随机变量X具有概率密度均匀分布满足连续型随机变量的两个最基本性质例2指数分布满足连续型随机变量的两个最基本性质指数分布的概率密度及分布函数分别如图所示 例3解：各元件的寿命是否超过1000小时是独立的，因此3个元件使用1000小时都未损坏的概率为 ，从而至少有一个已损坏的概率为 正态分布满足连续型随机变量的两个最基本性质第五节 随机变量的函数的分布在实际问题中，不仅需要研究随机变量，往往还要研究随机变量的函数.即已知随机变量X的概率分布，求其函数Y=g(X)的概率分布.P-10120.30.20.10.4YP-20240.30.20.10.4ZP0140.10.60.3