下载文档原格式
§2.4 随机变量函数的概率分布1.随机变量函数的概念：设是已知连续函数，为随机变量，则函数也是一个随机变量，称之为随机变量的函数.2.离散型随机变量的概率分布设离散型随机变量的分布律为则在随机变量的取值,，不同的情况下，其分布律为但是，若有相同的情况，则需要合并为一项.故Y的分布律为有时我们只求Y=g（X）在某一点y处取值的概率，有，即把满足的所对应的概率相加即可。
3.连续型随机变量函数的概率密度定理：设为连续型随机变量，其密度函数为 .设是严格单调的可导函数，其值域为，且.记的反函数，则的概率密度为.证明：略解：利用例2-27所得的结论，f x（x）＝（1）,则（2）·即.例2-28说明两个重要结论：当时，,且随机变量称为X的标准化。
另外，正态随机变量的线性变换仍是正态随机变量，即aX+b～，这两个结论十分有用，必须记住。
第二章小结一、内容分布律二、试题选讲1.（1016）抛一枚硬币5次，记正面向上的次数为，则＝____________.【答疑编号：12020308针对该题提问】答案：2.（0404）设随机变量的概率密度为则＝（）.A.B.C.D. 1【答疑编号：12020309针对该题提问】答案：A3.（1004）设随机变量的概率密度为则常数等于（）.A. －1B.C.D. 1【答疑编号：12020310针对该题提问】答案：D4.（1003）设随机变量在区间[2，4]上服从均匀分布，则＝（）.A. B. C. D.【答疑编号：12020311针对该题提问】答案：C5.（1015）设随机变量，已知标准正态分布数值，为使，则常数 ___________.【答疑编号：12020312针对该题提问】答案：36.（0704）设每次试验成功的概率为，则在3次独立重复试验中至少成功一次的概率为（）.A.B.C.D.【答疑编号：12020313针对该题提问】答案：A7.（0715）已知随机变量，且，则___________.【答疑编号：12020314针对该题提问】答案：58.（0716）设随机变量的分布函数为，则常数____________.【答疑编号：12020315针对该题提问】答案：19.（0727）设随机变量服从参数为3的指数分布，试求：（1）的概率密度；【答疑编号：12020316针对该题提问】（2） .【答疑编号：12020317针对该题提问】解：10.（1028）司机通过某高速路收费站等候的时间（单位：分钟）服从参数为的指数分布，（1）求某司机在此收费站等候时间超过10分钟的概率；【答疑编号：12020318针对该题提问】（2）若该司机一个月要经过此收费站两次，用表示等候时间超过10分钟的次数，写出的分布律，并求 .【答疑编号：12020319针对该题提问】解：（注：文档可能无法思考全面，请浏览后下载，供参考。
概率分布与随机变量的分布函数计算随机变量是概率论和统计学中一个重要的概念，它被用来描述随机试验的结果。
概率分布是随机变量的可能取值及其相应概率的分布。
在本文中，我们将讨论如何计算概率分布和随机变量的分布函数。
一、概率分布的计算概率分布可以通过概率质量函数（probability mass function，简称PMF）或概率密度函数（probability density function，简称PDF）来描述。
这取决于随机变量是离散型还是连续型。
1. 离散型随机变量的概率分布计算对于离散型随机变量，其概率分布可以通过概率质量函数来计算。
概率质量函数给出了每个可能取值的概率。
假设随机变量X的取值集合为{x1, x2, ... , xn}，对应的概率分布为{P(X=x1), P(X=x2), ... , P(X=xn)}。
其中P(X=xi)表示X取值为xi的概率。
2. 连续型随机变量的概率分布计算对于连续型随机变量，其概率分布可以通过概率密度函数来计算。
概率密度函数是一个函数，描述了随机变量在某个取值点附近的概率密度。
假设随机变量X的概率密度函数为f(x)，则X在区间[a, b]上的概率可以通过计算f(x)在该区间上的面积来得到，即P(a ≤ X ≤ b) = ∫(a to b)f(x)dx。
二、随机变量的分布函数计算随机变量的分布函数是一种用来描述随机变量取值分布情况的函数。
对于离散型随机变量和连续型随机变量，它们的分布函数的计算方式是不同的。
1. 离散型随机变量的分布函数计算离散型随机变量的分布函数（cumulative distribution function，简称CDF）定义为随机变量小于等于某个取值的概率。
CDF可以通过累加概率质量函数来计算。
对于随机变量X的概率分布{P(X=x1), P(X=x2), ... , P(X=xn)}，其对应的分布函数为F(x) = P(X≤x) = ∑(xi≤x) P(X=xi)。
随机变量的分布函数的定义随机变量的分布函数是概率论中一项重要的概念，它描述了随机变量取值的概率分布情况。
本文将会从以下几个方面详细介绍随机变量的分布函数的定义。
1. 随机变量的定义在介绍随机变量的分布函数之前，需要先介绍什么是随机变量。
随机变量是指随机试验得出的结果，它可以是一个离散的数值，也可以是一个连续的数值。
例如，掷一枚骰子得到的数字就是一个随机变量。
随机变量的取值是由概率决定的。
2. 分布函数的定义分布函数是描述随机变量取值概率分布的函数，一般用大写字母F表示。
设X是一个随机变量，则X的分布函数FX(x)定义为：FX(x) = P(X ≤ x)其中，≤ 表示小于或等于。
3. 分布函数的解释分布函数的解释是将随机变量的概率分布情况用一条连续的曲线来表示，可以很直观地看出随机变量取某个值的概率大小。
例如，在掷一枚骰子时，如果要求得点数小于等于3的概率，那么分布函数FX(x)就可以表示为：FX(x) = P(X ≤ 3) = 3/6 = 1/2这个值意味着当掷出的点数小于等于3时，随机事件发生的概率为1/2。
4. 分布函数的性质分布函数有以下几个基本性质：（1）0 ≤ FX(x) ≤ 1（2）FX(x)单调不降（3）当x → -∞时，FX(x) → 0（4）当x → +∞时，FX(x) → 1这些性质是由于随机变量的取值是由概率决定的，所以分布函数必须满足这些条件。
综上所述，随机变量的分布函数是描述随机变量取值概率分布的函数。
在实际问题中，掌握随机变量的分布函数可以更准确地建立数学模型，预测事件的概率，更好地解决实际问题。
随机变量及其概率分布随机变量是概率论和数理统计中的重要概念，描述了随机事件的数值特征。
概率分布则用于描述随机变量取值的概率情况。
本文将介绍随机变量及其概率分布的基本概念和常见的概率分布模型。
一、随机变量的定义与分类随机变量是对随机事件结果的数值化描述。
随机变量可分为离散型随机变量和连续型随机变量两种。
1. 离散型随机变量离散型随机变量只能取有限个或可数个值，常用字母X表示。
例如，抛掷骰子的点数就是一个离散型随机变量，可能取1、2、3、4、5、6之一。
2. 连续型随机变量连续型随机变量可以取某个区间内的任意值，通常用字母Y表示。
例如，测量某个物体长度的随机误差就可看作是一个连续型随机变量。
二、概率分布的概念与性质概率分布描述了随机变量取值的概率情况。
常见的概率分布包括离散型分布和连续型分布。
1. 离散型概率分布离散型概率分布描述了离散型随机变量取值的概率情况。
离散型概率分布函数可以用概率质量函数（probability mass function，PMF）来表示。
PMF表示了随机变量取某个特定值的概率。
离散型概率分布函数具有以下性质：①非负性，即概率大于等于0；②归一性，即所有可能取值的概率之和等于1。
常见的离散型概率分布有：伯努利分布、二项分布、几何分布、泊松分布等。
2. 连续型概率分布连续型概率分布描述了连续型随机变量取值的概率情况。
连续型概率分布函数可以用概率密度函数（probability density function，PDF）来表示。
PDF表示在随机变量取某个特定值附近的概率密度。
连续型概率分布函数具有以下性质：①非负性；②积分为1。
常见的连续型概率分布有：均匀分布、正态分布、指数分布等。
三、常见的1. 伯努利分布伯努利分布描述了一次随机试验中两个互斥结果的概率情况，取值为0或1。
其概率质量函数为：P(X=k) = p^k * (1-p)^(1-k)，k=0或1其中，p为成功的概率，1-p为失败的概率。
随机变量分布函数在概率论中，随机变量是一个实数值函数，其取值是由试验结果的概率分布所决定的。
随机变量的分布函数描述了随机变量在实数轴上的取值范围及其概率分布情况。
在数学上，随机变量分布函数可以分为离散型和连续型两种。
离散型随机变量分布函数：离散型随机变量的取值为一系列离散的数值。
随机变量的分布函数F(x)可以表示为：F(x)=P(X≤x)，其中X表示随机变量，P(X≤x)表示随机变量小于或等于x的概率。
例如，考虑一个掷硬币的试验，随机变量X表示掷硬币正面朝上的次数。
X的取值范围为0、1和2，掷硬币正面朝上的概率分别为1/4、1/2和1/4、则X的分布函数为：F(x)=0（x<0）F(x)=1/4（0≤x<1）F(x)=3/4（1≤x<2）F(x)=1（x≥2）。
连续型随机变量分布函数：连续型随机变量的取值为一个连续的数值区间。
随机变量的分布函数F(x)可以表示为：F(x)=P(X≤x)，其中X表示随机变量，P(X≤x)表示随机变量小于或等于x的概率。
例如，考虑一个随机变量X符合标准正态分布（均值为0，方差为1），其分布函数F(x)可以表示为：F(x) = ∫(−∞，x)f(t)dt，其中f(t)表示X的概率密度函数。
从分布函数可以推导出随机变量的概率密度函数，概率密度函数是分布函数的导数。
对于离散型随机变量，概率密度函数在取值点上的导数是0，其他点的导数是无穷大；对于连续型随机变量，概率密度函数在所有点上的导数都存在。
随机变量的分布函数具有以下性质：1.F(x)是非减函数，即对于任意x1≤x2，有F(x1)≤F(x2)。
2.F(x)的取值范围是[0,1]，即0≤F(x)≤13. F(x)在负无穷处的极限为0，即lim(x→−∞)F(x) = 0。
4. F(x)在正无穷处的极限为1，即lim(x→+∞)F(x) = 1随机变量分布函数在概率论和统计学中都有广泛应用。
通过分布函数，我们可以计算出随机变量在一些特定取值上的概率，也可以计算出随机变量的期望值、方差等统计量。
数学中的概率分布正态分布与离散分布在数学中，概率分布是描述随机变量取值的规律性分布。
其中，正态分布和离散分布是两种重要的概率分布类型。
一、正态分布正态分布，也称为高斯分布，是一种连续性随机变量的概率分布。
它的概率密度函数（Probability Density Function，简称PDF）具有钟形曲线的特点，对称于均值，并由两个参数来确定：均值（μ）和标准差（σ）。
正态分布的概率密度函数为：f(x) = (1 / (σ * √(2π))) * exp(-(x-μ)² / (2σ²))在正态分布中，68%的数据落在一个标准差范围内，95%的数据落在两个标准差范围内，99.7%的数据落在三个标准差范围内。
这个规律被称为“68-95-99.7规则”。
正态分布在实际应用中经常出现。
例如，人的身高、智力测验得分等都符合近似正态分布。
在统计学和自然科学研究中，正态分布被广泛用于描述和分析数据的分布情况。
二、离散分布离散分布是一种描述离散型随机变量的概率分布。
离散型随机变量是指只取有限个或可列个数值的随机变量，例如扔硬币的结果（正面或反面）或掷骰子的结果（1到6点）等。
常见的离散分布有伯努利分布、二项分布、泊松分布等。
下面分别介绍几种常见的离散分布：1. 伯努利分布伯努利分布是最简单的离散分布之一，描述了只有两种可能结果的随机试验。
它的概率质量函数如下：P(x) = p^x * (1-p)^(1-x)，其中x={0, 1}，p为取得1的概率。
2. 二项分布二项分布描述了重复进行一系列相同的独立随机试验，且每次试验只有两种可能结果的情况。
它的概率质量函数如下：P(x) = C(n,x) * p^x * (1-p)^(n-x)，其中C(n,x)表示组合数。
3. 泊松分布泊松分布用于描述单位时间或空间内某事件发生的次数的概率分布。
它的概率质量函数如下：P(x) = (e^(-λ) * λ^x) / x!，其中λ为单位时间或空间内事件的平均发生率。
均匀分布随机变量在一定区间上的概率分布概率论中的均匀分布是一种简单而重要的概率分布，也称为矩形分布或平均分布。
它描述了当随机变量在一个给定区间内取值时，各个取值的概率是相等的。
本文将详细介绍均匀分布随机变量在一定区间上的概率分布。
一、均匀分布的定义均匀分布是一种在给定区间上取值均匀分布的随机变量。
设X为一随机变量，若X的概率密度函数为：```f(x) = 1 / (b - a)， a <= x <= b```其中a和b为区间[a, b]中的两个实数，且a < b，则X服从[a, b]上的均匀分布，记为X ~ U(a, b)。
二、均匀分布的性质1. 期望值：均匀分布的期望值为区间的中点，即E(X) = (a + b) / 2。
2. 方差：均匀分布的方差为区间长度的平方除以12，即Var(X) = (b - a)^2 / 12。
3. 概率密度函数与累积分布函数：对于均匀分布，概率密度函数为常数，累积分布函数为线性函数。
三、均匀分布的应用举例均匀分布在实际问题中有广泛的应用，例如以下场景：1. 抽奖活动：假设一个抽奖活动中，参与者可以从100个号码中随机抽取一个号码。
则每个号码被抽到的概率都是1/100，符合均匀分布的特点。
2. 随机数生成：计算机中的伪随机数生成器常常使用均匀分布来产生指定区间内的随机数。
3. 等概率事件：当一个实验中每个结果发生的概率相等时，可以使用均匀分布来描述这种事件。
四、均匀分布的数学推导均匀分布可以通过数学推导来得到。
1. 确定概率密度函数：设X ~ U(a, b)，则概率密度函数满足以下条件：```f(x) >= 0，若a <= x <= b∫f(x)dx = 1，积分区间为[a, b]```由条件可得：f(x) = 1 / (b - a)， a <= x <= b。
2. 确定累积分布函数：累积分布函数F(x)定义为X小于等于x的概率，即P(X <= x)。
随机变量的分布函数及其计算随机变量的分布函数是指随机变量取值在一个区间内的概率累计值的函数。
在概率论中，分布函数也被称为累积分布函数（Cumulative Distribution Function，简称CDF）。
分布函数常用于描述随机变量的取值范围和概率分布。
对于离散型随机变量来说，其分布函数可以表示为：F(x)=P(X≤x)，其中P表示概率，X表示随机变量，x表示变量的取值。
对于连续型随机变量来说，其分布函数可以表示为：F(x) = ∫[−∞, x] f(t)dt，其中f(t)表示随机变量的概率密度函数。
下面将分别介绍离散型随机变量和连续型随机变量的分布函数计算方法。
离散型随机变量的分布函数计算方法：在离散型随机变量中，概率函数通常是已知的。
因此，我们只需要对所有可能取值的概率进行累加，即可得到分布函数的值。
具体计算步骤如下：1.确定一些特定值x。
2.计算所有小于等于x的概率之和，即F(x)=P(X≤x)。
如果x取一些可能的取值，那么F(x)就是这个取值之前（包括这个取值）所有概率的累积。
例如，假设X是一个骰子的点数，其可能取值为1、2、3、4、5、6；对应的概率分别为1/6、可以计算得到分布函数如下：F(0)=P(X≤0)=0F(1)=P(X≤1)=1/6F(2)=P(X≤2)=2/6F(3)=P(X≤3)=3/6F(4)=P(X≤4)=4/6F(5)=P(X≤5)=5/6F(6)=P(X≤6)=1连续型随机变量的分布函数计算方法：在连续型随机变量中，通常会给出概率密度函数f(x)，例如正态分布、均匀分布等等。
对于连续型随机变量，其分布函数是通过对概率密度函数进行积分得到的，具体计算步骤如下：1.确定一些特定值x。
2. 计算从负无穷到x的概率密度函数的积分，即F(x) = ∫[−∞, x] f(t)dt。
积分的结果是一个累积概率，表示随机变量的取值小于等于x的概率。
例如，假设X是一个服从正态分布N(0,1)的随机变量，其概率密度函数为：f(x)=(1/√(2π))*e^(-x^2/2)我们可以计算得到分布函数如下：F(−∞) = ∫[−∞, -∞] f(t)dt = 0F(0) = ∫[−∞, 0] f(t)dt = 0.5F(1) = ∫[−∞, 1] f(t)dt ≈ 0.8413F(2) = ∫[−∞, 2] f(t)dt ≈ 0.9772F(3) = ∫[−∞, 3] f(t)dt ≈ 0.9987总结：随机变量的分布函数可以用来描述随机变量在一些取值范围内的概率分布情况。
随机变量函数的概率分布随机变量函数的概率分布是概率论、数理统计以及概率计算中的一个重要概念，也是概率统计学的基础理论之一。
因此，本文将介绍随机变量函数的概率分布特性、其定义以及几种常见的概率分布，以便更深入地了解这一概念。
首先，我们要了解什么是随机变量函数。
随机变量函数是用来描述一个随机变量可能取得的不同取值的函数。
随机变量函数的取值可以是实数、分布或其他类型的取值，如二进制变量的取值只有0和1。
在实际的数据分析中，可以通过随机变量函数来描述一定范围内的数据变化规律。
随机变量函数的概率分布是指将随机变量函数的取值的概率信息以一定的形式进行表达的统计学概念。
概率分布包括概率分布函数（probability density function，PDF）和分布概率（cumulative probability distribution，CDF），形式如下：PDF：f(x) =p(x)CDF：F(x) = P[X x]其中，f(x)是概率分布函数，表示随机变量X取值x的概率；F(x)是分布函数，表示随机变量X取值小于等于x的概率。
从概率论的角度来看，具有不同概率分布的随机变量可以分为两类：一类是描述概率体积大小分布的概率分布函数；另一类是描述概率大小分布的分布概率函数。
常见的概率分布包括：泊松分布、伽马分布、正态分布、指数分布、均匀分布等。
泊松分布是一种只有定义域（即取值范围）及密度函数定义的连续分布。
它可以表示某一特定时间内发生的次数或事件的概率分布，它的取值只有0和正整数。
泊松分布的概率分布函数为：f(x) =^x e^(-λ)/x!伽马分布是一种定义域从零到无穷的连续分布，其取值仅可取正数，它可以表示某个随机性行为或事件的概率分布。
伽马分布的概率分布函数为：f(x) =(α +) x^(α-1) (1-x)^(β-1)正态分布是一种定义域为实数的双尾连续分布，可以描述连续变量的概率分布，其函数表达式为：f(x|μ,) = 1/(√2πσ)e^(-1/2(x-μ)/σ)，其中μ为期望值，σ为标准差。
第二章随机变量及其概率分布【内容提要】一、随机变量及其分布函数设是定义于随机试验的样本空间上的实值函数，且，是随机事件，则称为随机变量，而称为其概率分布函数。
随机变量的概率分布函数具有如下性质:⑴．非负性:，有；⑵．规范性:；⑶．单调性: 若，则；⑷．右连续性:，有。
二、离散型随机变量1．离散型随机变量及其概率分布律若随机变量只取一些离散值，且取到这些值的概率满足，则称为离散型随机变量，而称为其概率分布律，记为，也可用下表来表示:而其概率分布函数是单增、右连续的阶梯形函数。
2．常用离散型分布⑴．单点分布:为常数；⑵．二项分布:；特别当时，二项分布退化为两点分布；⑶．超几何分布:；⑷．分布:；特别当时，分布退化为几何分布；⑸．分布:。
三、连续型随机变量1．连续型随机变量及其概率密度函数若随机变量的一切可能取值充满了某一区间，且存在一个实值函数，使其概率分布函数，且，则称为连续型随机变量，而称为其概率密度函数，记为。
连续型随机变量的密度函数与分布函数之间有满足。
2．常用连续型分布⑴．分布:设为常数，则分布的密度函数为:,特别当时，分布即均匀:；⑵．分布:设为常数，则分布的密度函数为:,特别当时，分布即指数分布:；⑶．正态分布:。
四、随机变量函数的分布设为随机变量，而为连续的确定型函数。
⑴．若为离散型随机变量，且，则也是离散型随机变量，其概率分布律为: ；⑵．若为连续型随机变量，且，则也是连续型随机变量，其概率密度函数为:。
【第二章作业】1、从的自然数中随机地取出个数，用表示所取的个数中的最大值，求其概率分布。
解:发生所取的个数中有一个是，其余个是从中取到的，故，，即2、将一枚均匀的硬币连掷次，用表示出现的正、反面次数之差，求其概率分布。
解:用表示将一枚均匀的硬币连掷次时，正面出现了次，则，即3、设随机变量的概率分布如下，求:0 1 2 3 4 5解:由题设知所求概率为:，，。
4、设随机变量的概率分布为，求常数。
随机变量的函数分布定理在概率论中，随机变量的函数分布定理是一个非常重要的概念。
在本文中，我们将探讨随机变量的函数分布定理的基本概念、证明方法以及一些实际应用。
随机变量及函数首先，让我们来回顾一下随机变量的定义。
随机变量是一种将样本空间映射到实数空间的函数，常用符号表示为X。
当我们对随机变量X应用某个函数f时，得到的新变量Y=f(X)称为随机变量X的函数。
在概率论中，我们通常对函数Y的分布进行研究。
函数分布定理的引入随机变量的函数分布定理描述了当我们对一个随机变量应用某个函数时，新随机变量的分布会发生怎样的变化。
具体来说，如果X是一个随机变量，Y=f(X)是X的函数，那么Y的分布可以通过以下公式得到：$$ P(Y\\le y) = P(f(X)\\le y) = P(X\\le f^{-1}(y)) $$其中，f−1(y)表示函数f的逆函数。
换句话说，Y小于等于y的概率等于X小于等于f−1(y)的概率。
定理证明为了证明随机变量的函数分布定理，我们首先证明Y=f(X)的分布函数F Y(y)可以表示为：$$ F_Y(y) = P(Y\\le y) = P(X\\le f^{-1}(y)) = F_X(f^{-1}(y)) $$其中，F X(x)是随机变量X的分布函数。
由此可得，Y的分布函数F Y(y)可以通过X的分布函数和函数f的逆函数得到。
应用实例随机变量的函数分布定理在实际应用中有着广泛的应用。
例如，假设X是某个公司的股票价格随机变量，Y=ln(X)表示对数价格，则我们可以通过函数分布定理来推导出Y的分布。
这样的分析有助于我们更好地理解和预测股票价格的波动情况。
总结随机变量的函数分布定理为概率论领域提供了重要的理论基础，通过研究随机变量的函数分布，我们可以深入了解随机变量之间的关系，推导出新随机变量的分布规律。
在实际应用中，函数分布定理也为我们提供了一种有效的分析工具，帮助我们更好地理解和预测随机变量的行为。
数学中的概率分布函数概率分布函数（Probability Distribution Function，简称PDF）是概率论中的重要概念，描述了随机变量的可能取值及其对应的概率。
在数学中，概率分布函数是研究概率分布规律的基本工具之一。
本文将介绍概率分布函数的定义、性质和应用。
一、概率分布函数的定义在概率论中，随机变量是一种随机取值的变量，其可能取值称为样本空间，表示为S。
概率分布函数是随机变量的取值在样本空间中的累积分布函数。
设随机变量X的取值范围为[a，b]，其概率分布函数F(x)定义如下：F(x) = P(X≤x) a≤x≤b其中，P(X≤x)表示随机变量X的取值小于或等于x的概率。
概率分布函数具有如下性质：1. F(x)是一个非递减函数；2. F(−∞)=0，F(+∞)=1；3. 概率分布函数在[a，b]内是一个右连续函数。
二、常见的概率分布函数1. 均匀分布均匀分布是概率分布函数中最简单的一种形式，它假设随机变量在[a，b]之间的取值是等可能的，其概率分布函数为：F(x) = (x-a)/(b-a) a≤x≤b2. 正态分布正态分布是概率论中最重要的分布之一，也称为高斯分布。
它是以均值μ和标准差σ为参数的连续型分布。
其概率密度函数为：f(x) = (1/(σ√(2π))) * e^(-(x-μ)²/(2σ²))正态分布在实际中广泛应用，如自然科学、社会科学、工程技术等领域。
3. 泊松分布泊松分布是一种描述单位时间或单位空间发生事件次数的概率分布。
泊松分布的概率分布函数为：P(X=k) = (e^(-λ) * λ^k) / k!其中，λ是单位时间（或单位空间）内事件平均发生次数。
三、概率分布函数的应用概率分布函数在概率论、统计学等领域有广泛的应用。
下面介绍一些常见的应用场景。
1. 随机变量的分布特性分析概率分布函数可用于分析随机变量的分布特性，包括均值、方差、分位数等。
通过对特定分布函数的研究，可以估计随机变量的取值范围，并了解其在该范围内的概率分布情况。
§2.4 随机变量函数的概率分布
1.随机变量函数的概念：设是已知连续函数，为随机变量，则函数也是一个随机变量，称之为随机变量的函数.
2.离散型随机变量的概率分布
设离散型随机变量的分布律为
则在随机变量的取值,，不同的情况下，其分布律为
但是，若有相同的情况，则需要合并为一项.
故Y的分布律为
有时我们只求Y=g（X）在某一点y处取值的概率，有，
即把满足的所对应的概率相加即可。
3.连续型随机变量函数的概率密度
定理：设为连续型随机变量，其密度函数为 .设是严格单调的可导函数，其值域为，且.记的反函数，则的概率密度为
.
证明：略
解：利用例2-27所得的结论，f x（x）＝
（1）,则
（2）·
即.
例2-28说明两个重要结论：当时，,且随机变量称为X的标准化。
另外，正态随机变量的线性变换仍是正态随机变量，即aX+b～，这两个结论十分有用，必须记住。
第二章小结一、容分布律
二、试题选讲
1.（1016）抛一枚硬币5次，记正面向上的次数为，则＝____________.
【答疑编号：12020308针对该题提问】
答案：
2.（0404）设随机变量的概率密度为则＝（）.
A.
B.
C.
D. 1
【答疑编号：12020309针对该题提问】
答案：A
3.（1004）设随机变量的概率密度为则常数等于（）.
A. －1
B.
C.
D. 1
【答疑编号：12020310针对该题提问】
答案：D
4.（1003）设随机变量在区间[2，4]上服从均匀分布，则＝（）.
A. B. C. D.
【答疑编号：12020311针对该题提问】
答案：C
5.（1015）设随机变量，已知标准正态分布数值，为使，则常数___________.
【答疑编号：12020312针对该题提问】
答案：3
6.（0704）设每次试验成功的概率为，则在3次独立重复试验中至少成功一次的概率为（）.
A.
B.
C.
D.
【答疑编号：12020313针对该题提问】
答案：A
7.（0715）已知随机变量，且，则___________.
【答疑编号：12020314针对该题提问】
答案：5
8.（0716）设随机变量的分布函数为，则常数____________. 【答疑编号：12020315针对该题提问】
答案：1
9.（0727）设随机变量服从参数为3的指数分布，试求：（1）的概率密度；
【答疑编号：12020316针对该题提问】
（2） .
【答疑编号：12020317针对该题提问】
解：
10.（1028）司机通过某高速路收费站等候的时间（单位：分钟）服从参数为的指数分布，
（1）求某司机在此收费站等候时间超过10分钟的概率；
【答疑编号：12020318针对该题提问】
（2）若该司机一个月要经过此收费站两次，用表示等候时间超过10分钟的次数，写出的分布律，并求 .
【答疑编号：12020319针对该题提问】
解：。
