《随机变量及其分布总结》

随机变量及其分布1、基本概念⑴互斥事件：不可能同时发生的两个事件.如果事件A B C 、、，其中任何两个都是互斥事件，则说事件A B C 、、彼此互斥. 当A B 、是互斥事件时，那么事件A B +发生（即A B 、中有一个发生）的概率，等于事件A B 、分别发生的概率的和，即()()(P A B P A P B +=+.⑵对立事件：其中必有一个发生的两个互斥事件.事件A 的对立事件通常记着A . 对立事件的概率和等于1. ()1()P A P A =-.特别提醒：“互斥事件”与“对立事件”都是就两个事件而言的，互斥事件是不可能同时发生的两个事件，而对立事件是其中必有一个发生的互斥事件，因此，对立事件必然是互斥事件，但互斥事件不一定是对立事件，也就是说“互斥”是“对立”的必要但不充分的条件.⑶相互独立事件：事件A （或B ）是否发生对事件B （或A ）发生的概率没有影响，（即其中一个事件是否发生对另一个事件发生的概率没有影响）.这样的两个事件叫做相互独立事件.当A B 、是相互独立事件时，那么事件A B ⋅发生（即A B 、同时发生）的概率，等于事件A B 、分别发生的概率的积.即()()()P A B P A P B ⋅=⋅.若A 、B 两事件相互独立，则A 与B 、A 与B 、A 与B 也都是相互独立的.⑷独立重复试验①一般地，在相同条件下重复做的n 次试验称为n 次独立重复试验.②独立重复试验的概率公式p ，那么在n 次独立重复试验中这个试验恰好发生k 次的概率()()(1)0,12,.,k k n k n n P k n k C p p -==-⑸条件概率：对任意事件A 和事件B ，在已知事件A 发生的条件下事件B 发生的概率，叫做条件概率.记作P(B|A)，读作A 发生的条件下B 发生的概率.知识结构公式：()(),()0.()P AB P B A P A P A => 2、离散型随机变量 ⑴随机变量：如果随机试验的结果可以用一个变量来表示，那么这样的变量叫做随机变量 随机变量常用字母,,,X Y ξη等表示.⑵离散型随机变量:对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.⑶连续型随机变量: 对于随机变量可能取的值，可以取某一区间内的一切值，这样的变量就叫做连续型随机变量.⑷离散型随机变量与连续型随机变量的区别与联系: 离散型随机变量与连续型随机变量都是用变量表示随机试验的结果；但是离散型随机变量的结果可以按一定次序一一列出，而连续性随机变量的结果不可以一一列出.若X 是随机变量，(,Y aX b a b =+是常数）则Y 也是随机变量 并且不改变其属性（离散型、连续型）.3、离散型随机变量的分布列⑴概率分布（分布列）设离散型随机变量X 可能取的不同值为12,x x ，…，i x ，…，n x ，X )i i X x p ==，则称表为随机变量的概率分布，简称的分布列.性质：①0,1,2,...;i p i n ≥= ②1 1.n i i p ==∑⑵两点分布则称X 服从两点分布，并称(1)p P X ==为成功概率.⑶二项分布如果在一次试验中某事件发生的概率是p ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是()(1).k k n k n P X k C p p -==-我们称这样的随机变量X 服从二项分布，记作()p n B X ,~，并称p 为成功概率.判断一个随机变量是否服从二项分布，关键有三点：①对立性：即一次试验中事件发生与否二者必居其一；②重复性：即试验是独立重复地进行了n 次;① 等概率性：在每次试验中事件发生的概率均相等.② 注：⑴二项分布的模型是有放回抽样；⑵二项分布中的参数是,,.p k n⑷超几何分布一般地, 在含有M 件次品的N 件产品中，任取n 件,其中恰有X 件次品数,则事件{}X k =发生的概率为()(0,1,2,,)k n k M N M n N C C P X k k m C --===,于是得到随机变量X其中{}min ,m M n =,*,,,,n N M N n M N N ∈≤≤. 我们称这样的随机变量X 的分布列为超几何分布列,且称随机变量X 服从超几何分布.注:⑴超几何分布的模型是不放回抽样；⑵超几何分布中的参数是,,.M N n 其意义分别是总体中的个体总数、N 中一类的总数、样本容量.4、离散型随机变量的均值与方差⑴离散型随机变量的均值则称()1122i i n n E X x p x p x p x p =+++++为离散型随机变量X 的均值或数学期望（简称期望）.它反映了离散型随机变量取值的平均水平.⑵离散型随机变量的方差则称21()(())n ii i D X x E X p ==-∑为离散型随机变量X 的方差，为随机变量X 的标准差.它反映了离散型随机变量取值的稳定与波动，集中与离散的程度. ()D X 越小，X 的稳定性越高，波动越小，取值越集中；()D X 越大，X 的稳定性越差，波动越大，取值越分散.。

随机变量及其分布方法总结经典习题及解答一、离散型随机变量及其分布列1、离散型随机变量:对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量。

常用大写英文字母X、Y等或希腊字母ξ、η等表示。

2、分布列:设离散型随机变量ξ可能取得值为：x1，x2，…，x3，…，ξ取每一个值xi（i=1，2，…）的概率为，则称表ξx1x2…xi…PP1P2…Pi…为随机变量ξ的分布列3、分布列的两个性质：⑴Pi≥0，i＝1，2，… ⑵P1+P2+…=1、常用性质来判断所求随机变量的分布列是否正确！二、热点考点题型考点一: 离散型随机变量分布列的性质1、随机变量ξ的概率分布规律为P(ξ＝n)＝(n＝1，2，3，4)，其中a是常数，则P(＜ξ＜)的值为A、B、C、D、答案：D考点二：离散型随机变量及其分布列的计算2、有六节电池，其中有2只没电，4只有电，每次随机抽取一个测试，不放回，直至分清楚有电没电为止，所要测试的次数为随机变量，求的分布列。

解：由题知2，3，4，5∵ 表示前2只测试均为没电，∴ ∵ 表示前两次中一好一坏，第三次为坏，∴ ∵ 表示前四只均为好，或前三只中一坏二好，第四个为坏，∴ ∵ 表示前四只三好一坏，第五只为坏或前四只三好一坏第五只为好∴ ∴ 分布列为2345P三、条件概率、事件的独立性、独立重复试验、二项分布与超几何分布1、条件概率：称为在事件A发生的条件下，事件B发生的概率。

2、相互独立事件：如果事件A（或B）是否发生对事件B （或A）发生的概率没有影响，这样的两个事件叫做相互独立事件。

①如果事件A、B是相互独立事件，那么，A与、与B、与都是相互独立事件②两个相互独立事件同时发生的概率，等于每个事件发生的概率的积。

我们把两个事件A、B同时发生记作AB，则有P（AB）= P（A）P（B）推广：如果事件A1，A2，…An相互独立，那么这n个事件同时发生的概率，等于每个事件发生的概率的积。

概率论第二章随机变量及其分布小结随机变量及其分布小结随机变量X=X(e)是定义在样本空间S={e}上的实值单值函数。

也就是说，它是随机试验结果的函数。

它的取值随试验的结果而定，是不能预先确定的，因此它的取值有一定的概率。

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即现象的研究。

一个随机变量，如果它所有可能取值是有限个或可列无穷多个，则称其为离散型随机变量，不是这种情况的则称为非离散型。

不论是离散型还是非离散型的随机变量X,都可以借助分布函数F ( x) P{X x}, x来描述。

若已知随机变量X的分布函数，就能知道X落在任意区间( x1 , x2 ]上的概率：P{x1 X x2 } F ( x1 ) F ( x2 ).这样，分布函数就完整的描述了随机变量取值的统计规律性。

对于离散型随机变量，我们需要掌握的是它可能取哪些值，以及它以怎样的概率取这些值，这就是离散型随机变量取值的统计规律性。

因而，对于离散型随机变量，用分布律P{X xk } pk ,k 1,2,或写成Xpkx1 x2 xk p1 p 2 p k来描述它的取值的统计规律性更为直观和简洁。

分布律与分布函数有以下关系：F ( x) P{X x} xk xP{X x }k它们是一一对应的。

分布律具有以下性质：1 pk 0;2pk 1k1.分布函数的基本性质：1 2F ( x)单调不减。

0 F ( x) 1, 且F ( ) lim F ( x) 0,x xF ( ) lim F ( x) 1.3F ( x) F ( x 0),即F ( x)是右连续的。

设随机变量X的分布函数为F(x),如果存在非负函数f(x),使得对于任意x,有F ( x)f ( x)dx,x则称X是连续型随机变量，其中f ( x) 0称为X的概率密度。

连续型随机变量的分布函数是连续的，连续型随机变量取任一指定实数值a的概率为0,这两点性质是离散型随+机变量不具备的。

高中数学必修知识点随机变量及其分布1、随机变量：如果随机试验可能出现的结果可以用一个变量X 来表示，并且X 是随着试验的结果的不同而变化，那么这样的变量叫做随机变量． 随机变量常用大写字母X 、Y 等或希腊字母 ξ、η等表示。

2、离散型随机变量：在上面的射击、产品检验等例子中，对于随机变量X 可能取的值，我们可以按一定次序一一列出，这样的随机变量叫做离散型随机变量．3、离散型随机变量的分布列：一般的,设离散型随机变量X 可能取的值为x 1,x 2,..... ,x i ,......,x nX 取每一个值 x i (i=1,2,......）的概率P(ξ=x i ）＝P i ，则称表为离散型随机变量X 的概率分布，简称分布列4、分布列性质① p i ≥0, i =1，2， … ； ② p 1 + p 2 +…+p n = 1．5、二点分布：如果随机变量X 的分布列为：其中0<p<1，q=1-p ，则称离散型随机变量X 服从参数p 的二点分布6、超几何分布：一般地, 设总数为N 件的两类物品，其中一类有M 件，从所有物品中任取n(n ≤N)件,这n 件中所含这类物品件数X 是一个离散型随机变量，则它取值为k 时的概率为()(0,1,2,,)k n k M N M n N C C P X k k m C --===，其中{}min ,m M n =,且*,,,,n N M N n M N N ∈≤≤7、条件概率：对任意事件A 和事件B ，在已知事件A 发生的条件下事件B 发生的概率，叫做条件概率.记作P(B|A)，读作A 发生的条件下B 的概率8、公式： .0)(,)()()|(>=A P A P AB P A B P9、相互独立事件：事件A(或B)是否发生对事件B(或A)发生的概率没有影响,这样的两个事件叫做相互独立事件。

)()()(B P A P B A P ⋅=⋅10、n 次独立重复事件：在同等条件下进行的，各次之间相互独立的一种试验11、二项分布： 设在n 次独立重复试验中某个事件A 发生的次数，A 发生次数ξ是一个随机变量．如果在一次试验中某事件发生的概率是p ，事件A 不发生的概率为q=1-p ，那么在n 次独立重复试验中)(k P =ξk n k k n q p C -=（其中 k=0,1, ……,n ，q=1-p ）于是可得随机变量ξ的概率分布如下：这样的随机变量ξ服从二项分布，记作ξ～B(n ，p) ，其中n ，p 为参数12、数学期望：一般地，若离散型随机变量ξ的概率分布为则称 E ξ＝x1p1＋x2p2＋…＋xnpn ＋… 为ξ的数学期望或平均数、均值，数学期望又简称为期望．是离散型随机变量。

第二章 随机变量及其分布 复习一、随机变量.1. 随机试验的结构应该是不确定的.试验如果满足下述条件：①试验可以在相同的情形下重复进行；②试验的所有可能结果是明确可知的，并且不止一个；③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会出现哪一个结果. 它就被称为一个随机试验.2. 离散型随机变量：如果对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.若ξ是一个随机变量，a ，b 是常数.则b a +=ξη也是一个随机变量.一般地，若ξ是随机变量，)(x f 是连续函数或单调函数，则)(ξf 也是随机变量.也就是说，随机变量的某些函数也是随机变量.3、分布列：设离散型随机变量ξ可能取的值为： ,,,,21i x x xξ取每一个值),2,1( =i x 的概率p x P ==)(，则表称为随机变量ξ的概率分布，简称ξ的分布列.1=≥i p ； ②121=++++ i p p p .注意：若随机变量可以取某一区间的一切值，这样的变量叫做连续型随机变量.例如：]5,0[∈ξ即ξ可以取0～5之间的一切数，包括整数、小数、无理数. 典型例题：1、随机变量ξ的分布列为(),1,2,3(1)cP k k k k ξ===+……，则P(13)____ξ≤≤=2、袋中装有黑球和白球共7个，从中任取两个球都是白球的概率为17，现在甲乙两人从袋中轮流摸去一球，甲先取，乙后取，然后甲再取……，取后不放回，直到两人中有一人取到白球时终止，用ξ表示取球的次数。

（1）求ξ的分布列（2）求甲取到白球的的概率3、5封不同的信，放入三个不同的信箱，且每封信投入每个信箱的机会均等，X 表示三哥信箱中放有信件树木的最大值，求X 的分布列。

4已知在全部50人中随机抽取1人抽到喜爱打篮球的学生的概率为5．（1）请将上面的列联表补充完整；（2）是否有99.5％的把握认为喜爱打篮球与性别有关？说明你的理由；（3）已知喜爱打篮球的10位女生中，12345,,A A A A A ，，还喜欢打羽毛球，123B B B ，，还喜欢打乒乓球，12C C ，还喜欢踢足球，现再从喜欢打羽毛球、喜欢打乒乓球、喜欢踢足球的女生中各选出1名进行其他方面的调查，求1B 和1C 不全被选中的概率．k2.072 2.7063.841 5.024 6.635 7.879 10.828(参考公式：2()()()()()n ad bc K a b c d a c b d -=++++，其中n a b c d =+++)二、几种常见概率1、条件概率与事件的独立性（1）B|A 与AB 的区别：__________________（2）P(B|A)的计算公式_____________,注意分子分母事件的性质相同 （3）P(AB)的计算公式_____________注意三点：前提，目标，一般情况___________________ （4）P （A+B ）的计算公式__________注意三点：前提，目标，一般情况____________________ 典型例题：1、市场上供应的灯泡，甲厂产品占70%，乙厂产品占30%，甲厂产品的合格率是95%，乙厂产品的合格率80%，则从市场上买到一个是甲厂产的合格品的概率是多少？2、把一副扑克52随即均分给钱四家，A={家得到六章草花}，B={家得到3草花}，计算P(B|A)，P(AB)3、从混有5假钞的20百元钞票中任取两，将其中1在验钞机上检验发现是假钞，求两都是假钞的概率。

随机变量及其分布知识点总结随机变量是数学中的一个基本概念,描述了一个随机事件的可能结果。

在概率论和统计学中,随机变量的分布是研究随机变量性质的重要工具。

本文将总结随机变量及其分布的相关知识,包括随机变量的定义、表示、分布、期望、方差等。

一、随机变量的定义随机变量是一种描述随机事件可能的变量,通常用符号 $X$ 表示。

随机变量的取值可以是离散的或连续的。

离散的随机变量只取有限或可数个取值,而连续的随机变量则取无限个取值。

二、随机变量的表示随机变量的表示通常用概率密度函数 $f_X(x)$ 或概率质量函数$g_X(x)$ 表示。

概率密度函数是描述随机变量取值分布的函数,通常用$f_X(x)$ 表示。

概率质量函数是描述随机变量离散程度的函数,通常用$g_X(x)$ 表示。

三、随机变量的分布随机变量的分布描述了随机变量取值的概率分布。

离散分布描述了随机变量只取有限或可数个取值的概率分布,连续分布描述了随机变量取无限个取值的概率分布。

1. 离散分布离散分布通常用 $P(X=x)$ 表示,其中 $x$ 是随机变量的取值。

离散分布的概率质量函数通常用 $g_X(x)$ 表示。

例如,正态分布的概率质量函数为:$$g_X(x) = frac{sqrt{2pi}}{x!}e^{-frac{(x-1)^2}{2}}$$2. 连续分布连续分布通常用 $P(X leq x)$ 表示,其中 $x$ 是随机变量的取值。

连续分布的概率质量函数通常用 $f_X(x)$ 表示。

例如,均匀分布的概率质量函数为: $$f_X(x) = begin{cases}1, & x in [0,1],0, & x in [1,2],end{cases}$$四、期望和方差随机变量的期望是随机变量的取值的总和。

离散分布的期望通常用$E(X)$ 表示,连续分布的期望通常用 $E[X]$ 表示。

期望的概率质量函数通常用$f_X(x)$ 表示。

总结随机变量及其分布的内容随机变量及其分布可是概率论里超重要的内容呢！咱先来说说随机变量吧。

简单来讲，随机变量就是一个变量，它的值是由随机试验的结果决定的。

就像抛硬币，正面朝上记为1，反面朝上记为0，这个1和0就是随机变量的取值啦。

随机变量分为离散型和连续型的哦。

离散型随机变量的取值是可以一个一个列出来的，就像掷骰子，结果只能是1、2、3、4、5、6这几个数。

而连续型随机变量就不一样啦，它的取值是某个区间内的所有数，比如说人的身高，它可以是1米5、1米51、1米511等等，有无限多种可能呢。

再来说说分布。

分布就像是给随机变量的值做一个规划，告诉我们每个值出现的可能性有多大。

对于离散型随机变量，有概率分布列。

就好比一个表格，左边列着随机变量的取值，右边写着这个取值对应的概率。

每个概率都在0到1之间，而且所有概率加起来等于1，就像把一块蛋糕全部分完了一样。

常见的离散型随机变量分布有二项分布，比如说做n次独立的试验，每次试验只有两种结果，成功或者失败，成功的概率是p，这种情况下成功次数的分布就是二项分布。

还有泊松分布，它常常用来描述在一定时间或者空间内随机事件发生的次数。

连续型随机变量的分布就用概率密度函数来表示啦。

这个函数的图像就像一座小山一样，在某个区间上的积分就表示随机变量落在这个区间的概率。

正态分布可是连续型随机变量分布里的大明星哦！它的图像是一个钟形曲线，中间高两边低，特别对称。

很多自然现象和实际问题中的数据都近似服从正态分布呢，比如说人的身高、考试成绩等等。

随机变量及其分布在生活里的应用可多啦。

就像在保险行业，通过对各种风险事件发生的概率进行分析，也就是研究随机变量的分布，然后确定保险费的价格。

要是没有这些知识，保险可就乱套了呢。

在质量控制方面也很有用，知道产品某个指标的分布情况，就能判断产品是否合格啦。

概括来说呢，随机变量及其分布就像一把神奇的钥匙，能帮我们打开很多实际问题的大门，让我们可以更好地了解这个充满不确定性的世界。

随机变量及其分布总结1、定义：随着试验结果变化而变化的变量称为随机变量 ．随机变量常用字母 X , Y ，，，… 表示．ξη2、定义：所有取值可以一一列出的随机变量，称为离散型随机变量3、分布列:设离散型随机变量ξ可能取得值为 x 1，x 2，…，x 3，…，ξ取每一个值x i （i =1，2，…）的概率为，则称表()i i P x p ξ==ξx 1x 2…x i …PP 1P 2…P i…为随机变量ξ的概率分布，简称ξ的分布列 4. 分布列的两个性质：（1）P i ≥0，i ＝1，2，…； （2）P 1+P 2+…=1．5.求离散型随机变量的概率分布的步骤:ξ（1）确定随机变量的所有可能的值x i （2）求出各取值的概率p(=x i )=p i ξ（36.两点分布列:ξ01P1p -p7超几何分布列：一般地，在含有M 件次品的 N 件产品中，任取 n 件，其中恰有X 件次品数，则事件{X=k ｝发生的概率为,其中(),0,1,2,,k n k M N MnNC C P X k k m C --=== ，且．称分布列min{,}m M n =,,,,n N M N n M N N *≤≤∈X 01…mP0n M N Mn NC C C -11n M N Mn NC C C --…m n m M N Mn NC C C --为超几何分布列．如果随机变量 X 的分布列为超几何分布列，则称随机变量X 服从超几何分布8．离散型随机变量的二项分布:在一次随机试验中，某事件可能发生也可能不发生，在n 次独立重复试验中这个事件发生的次数ξ是一个随机变量．如果在一次试验中某事件发生的概率是P ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是，（k ＝0,1,2,…，n ，）．kn k k n n q p C k P -==)(ξp q -=1于是得到随机变量ξ的概率分布如下：ξ01…k…nPnn qp C 00111-n n qp C …kn k k n qp C -…qp C n n n 称这样的随机变量ξ服从二项分布，记作ξ～B (n ，p )，其中n ，p 为参数。

概率与统计中的随机变量及其分布知识点总结在概率与统计学中，随机变量是一种具有概率分布的变量，它可以用来描述不确定性的现象和事件。

随机变量的理论是概率论的核心内容之一，掌握随机变量及其分布知识点对于理解概率与统计学的基本原理及应用具有重要意义。

本文将对概率与统计中的随机变量及其分布进行知识点总结。

一、随机变量的概念与分类随机变量（Random Variable）是指对于随机试验结果的数值描述。

随机变量可以分为离散型随机变量和连续型随机变量两类。

1. 离散型随机变量离散型随机变量（Discrete Random Variable）的取值为有限个或可数个。

常见的离散型随机变量有伯努利随机变量、二项分布随机变量、泊松随机变量等。

2. 连续型随机变量连续型随机变量（Continuous Random Variable）的取值可以是任意的实数。

通常用于表示测量结果或特定区间内的变化。

常见的连续型随机变量有均匀分布随机变量、正态分布随机变量等。

二、随机变量的分布函数与概率函数随机变量的分布函数和概率函数是描述随机变量的重要工具。

1. 分布函数分布函数（Distribution Function）是随机变量取值小于或等于某个值的概率，通常记作F(x)，其中x为随机变量的取值。

分布函数的性质包括：非递减性、右连续性、左极限性质。

2. 概率函数（密度函数）概率函数（Probability Density Function）用于描述连续型随机变量的概率分布情况，通常记作f(x)，其中x为随机变量的取值。

概率函数的性质包括：非负性、归一性。

三、常见的随机变量及其分布在概率与统计学中，有一些常见的随机变量及其分布是被广泛应用的。

1. 伯努利随机变量伯努利随机变量（Bernoulli Random Variable）是最简单的离散型随机变量，它只有两个取值，通常用来描述成功或失败的情况。

2. 二项分布随机变量二项分布随机变量（Binomial Random Variable）描述了n个独立的伯努利试验中成功的次数，其中n为试验次数，p为单次成功的概率。

随机变量及其分布知识点总结随机变量是概率论中的基础概念之一，是描述随机事件的数学模型。

随机变量可以分为离散随机变量和连续随机变量，它们分别对应两种不同的概率分布函数。

随机变量及其分布是概率论和统计学中的重要概念，掌握它们的知识对理解概率和统计学的应用至关重要。

一、随机变量的定义在概率论中，将随机试验中的所有可能结果对应的实数量称为随机变量。

可以通过随机变量的取值和概率分布函数来描述随机试验的结果。

二、随机变量的分类1. 离散随机变量如果随机变量只能取离散的值，则称其为离散随机变量。

离散随机变量的概率分布函数(discrete probability function )可以用概率质量函数(probability mass function，PMF)表示。

离散随机变量的概率分布函数具有以下性质：1) P(X = x) ≥ 0，即每个值的概率非负。

2) ΣP(X = x) = 1，即所有可能取值的概率和为1。

3) PMF可以用折线图表示。

例如：伯努利试验中，试验的结果只有两种可能性，即成功和失败。

设X为成功的次数，则X是离散随机变量。

成功的概率为p，失败的概率为1-p。

则X的概率分布函数为：P(X = k) = p^k(1-p)^(1-k), k = 0,12. 连续随机变量如果随机变量可以取任意实数值，则称其为连续随机变量。

由于随机变量可以取无限多的值，因此相对于离散随机变量，它的概率分布函数有一些特殊的性质。

连续随机变量的概率密度函数(Probability Density Function，PDF)可以用函数表示。

由于随机变量连续，因此PDF不是一条折线，而是一条连续曲线。

连续随机变量的概率分布函数具有以下性质：1) P(X = x) = 0，即连续随机变量的每个单独取值的概率为0。

2) ∫f(x)dx = 1，即PDF下的所有面积和为13) 可以用PDF曲线下的面积计算概率。

例如：假设X表示一个信号在某个时间段内的功率，则X是一个连续随机变量。

随机变量及其分布总结1、定义：随着试验结果变化而变化的变量称为随机变量 ．随机变量常用字母 X , Y ，ξ，η，… 表示．2、定义：所有取值可以一一列出的随机变量，称为离散型随机变量3、分布列:设离散型随机变量ξ可能取得值为x 1，x 2，…，x 3，…，ξ取每一个值x i （i =1，2，…）的概率为()i i P x p ξ==，则称表为随机变量ξ的概率分布，简称ξ的分布列 4. 分布列的两个性质：（1）P i ≥0，i ＝1，2，…； （2）P 1+P 2+…=1． 5.求离散型随机变量ξ的概率分布的步骤: （1）确定随机变量的所有可能的值x i （2）求出各取值的概率p(ξ=x i )=p i （3）画出表格6.两点分布列:7超几何分布列：一般地，在含有M 件次品的 N 件产品中，任取 n 件，其中恰有X 件次品数，则事件 {X=k ｝发生的概率为(),0,1,2,,k n kM NMnNC C P X k k m C --===,其中min{,}m M n =，且,,,,n N M N n M N N *≤≤∈．称分布列为超几何分布列．如果随机变量 X 的分布列为超几何分布列，则称随机变量 X 服从超几何分布8．离散型随机变量的二项分布:在一次随机试验中，某事件可能发生也可能不发生，在n 次独立重复试验中这个事件发生的次数ξ是一个随机变量．如果在一次试验中某事件发生的概率是P ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是k n k kn n q p C k P -==)(ξ，（k ＝0,1,2,…，n ，p q -=1）．于是得到随机变量ξ的概率分布如下：ξ 01 … k … nPnn q p C 00111-n n q p C … kn k k n q p C - …q p C n n n称这样的随机变量ξ服从二项分布，记作ξ～B (n ，p )，其中n ，p 为参数。

描述：例题：高中数学选修2-3(人教B版)知识点总结含同步练习题及答案第二章 随机变量及其分布 2.2 条件概率与事件的独立性一、学习任务1. 了解条件概率的定义及计算公式，并会利用条件概率解决一些简单的实际问题．2. 能通过实例理解相互独立事件的定义及概率乘法公式，并能综合利用互斥事件的概率加法公式及独立事件的概率乘法公式．3. 理解独立重复试验的概率及意义，理解事件在 次独立重复试验中恰好发生 次的概率公式，并能利用 次独立重复试验的模型模拟 次独立重复试验．二、知识清单事件的独立性与条件概率独立重复试验与二项分布三、知识讲解1.事件的独立性与条件概率条件概率的概念一般地，设 ，为两个事件，且 ，称为在事件 发生的条件下，事件 发生的条件概率（conditional probability）．读作 发生的条件下 发生的概率．条件概率的性质①条件概率具有概率的性质，任何事件的条件概率都在 和 之间，即．②如果 和 是两个互斥事件，则相互独立事件的概念设 ，为两个事件，若 ，则称事件 与事件 相互独立（mutually independent）．相互独立事件同时发生的概率：如果事件 ，，， 相互独立，那么这 个事件同时发生的概率等于每个事件发生概率的积，即n k n n A B P (A )>0P (B |A )=P (AB )P (A )A B P (B |A )A B 0 1 0≤P (B|A)≤1 B CP (B ∪C |A )=P (B |A )+P (C |A ).A B P (AB )=P (A )P (B )A B A 1A 2⋯A n n P (⋯)=P ()P ()⋯P ().A 1A 2A n A 1A 2A n 甲、乙两地都位于长江下游，根据一百多年气象记录，知道甲、乙两地一年中雨天占的比例分别20%18%12%为 和 ，两地同时下雨的比例为 ，问：（1）乙地为雨天时甲地也为雨天的概率是多少？（2）甲地为雨天时乙地也为雨天的概率是多少？解：设“甲地为雨天”， “ 乙地为雨天”，则根据题意有（1）乙地为雨天时甲地也为雨天的概率（2）甲地为雨天时乙地也为雨天的概率是20%18%12%A =B =P (A )=0.20,P (B )=0.18,P (AB )=0.12.P (A |B )==≈0.67.P (AB )P (B )0.120.18P (B |A )===0.60.P (AB )P (A )0.120.20如图，四边形 是以 为圆心，半径 的圆内接正方形，将一颗豆子随机地扔到该圆内，用 表示事件“豆子落在正方形 内”， 表示事件“豆子落在扇形 （阴影部分）内”，则（1）______；（2）______．解：；圆 的面积是，正方形 的面积是 ，扇形 的面积是 ，由几何概型概率公式得 ，由条件概率公式得EFGH O 1A EFGH B OHE P (A )=P (B |A )=2π14O πEF GH 2OHE π4P (A )=2πP (B |A)===.P (AB )P (A)12π2π14掷一枚正方体骰子一次，设事件 ：“出现偶数点”，事件 ：“出现 点或 点”，则事件 ， 的关系是（ ）A．互斥但不相互独立 B．相互独立但不互斥 C．互斥且相互独立 D．既不相互独立也不互斥解：B事件 ，事件 ，事件 ，基本事件空间 ．所以，，，即 ，因此，事件 与 相互独立．当“出现 点”，事件 ， 同时发生，所以 ， 不是互斥事件．A B 36A B A ={2,4,6}B ={3,6}AB ={6}Ω={1,2,3,4,5,6}P (A )==3612P (B )==2613P (AB )==×161213P (AB )=P (A )P (B )A B 6A B A B 甲、乙两人在罚球线投球命中的概率分别为与 ．（1）甲、乙两人在罚球线各投球一次，求恰好命中一次的概率；（2）甲、乙两人在罚球线各投球二次，求这四次投球均不命中的概率．解：记“甲投一次命中”为事件 ，“乙投一次命中”为事件 ，则 ，1225A B P (A )=12213，，．（1）恰好命中一次的概率为（2）设事件“甲、乙两人在罚球线各投球二次均不命中”的概率为 ，则2P (B )=25P ()=A ¯¯¯12P ()=B ¯¯¯35P =P (A ⋅)+P (⋅B )B ¯¯¯A ¯¯¯=P (A )⋅P ()+P ()⋅P (B )B ¯¯¯A ¯¯¯=×+×12351225=.12P 1P 1=P (∩∩∩)A ¯¯¯A ¯¯¯B ¯¯¯B ¯¯¯=P ()⋅P ()⋅P ()⋅P ()A ¯¯¯A ¯¯¯B ¯¯¯B ¯¯¯=(1−(1−12)225)2=9100在一个选拔项目中，每个选手都需要进行 轮考核，每轮设有一个问题，能正确回答者进入下一轮考核，否则被淘汰．已知某选手能正确回答第一、二、三、四轮问题的概率分别为，，，，且各轮问题能否正确回答互不影响．（1）求该选手进入第三轮才被淘汰的概率；（2）求该选手至多进入第三轮考核的概率；解：设事件 （ ，，， ）表示“该选手能正确回答第 轮问题”，由已知得，，，．（1）设事件 表示“该选手进入第三轮才被淘汰”，则（2）设事件 表示“该选手至多进入第三轮考核”，则456453413A i i =1234i P ()=A 156P ()=A 245P ()=A 334P ()=A 413B P (B )=P ()A 1A 2A ¯¯¯3=P ()P ()P ()A 1A 2A ¯¯¯3=××(1−)564534=.16C P (C )=P (++)A ¯¯¯1A 1A ¯¯¯2A 1A 2A ¯¯¯3=P ()+P ()+P ()A ¯¯¯1A 1A ¯¯¯2A 1A 2A ¯¯¯3=+×+××(1−)165615564534=.12描述：例题：2.独立重复试验与二项分布独立重复试验一般地，在相同条件下重复做的 次试验，称为次独立重复试验（independent andrepeated trials）．二项分布一般地，在 次独立重复试验中，用表示事件发生的次数，设每次试验中事件发生的概率为，则此时称随机变量服从二项分布（binnomial distribution），记作 ），并称为成功概率．n n n X A A p P (X =k )=(1−p ,k=0,1,2,⋯,n .C kn pk )n −k X X ∼B (n ,p ) p 下列随机变量 的分布列不属于二项分布的是（ ）A．投掷一枚均匀的骰子 次， 表示点数 出现的次数B．某射手射中目标的概率为 ，设每次射击是相互独立的， 为从开始射击到击中目标所需要的射击次数C．实力相等的甲、乙两选手举行了 局乒乓球比赛， 表示甲获胜的次数D．某星期内，每次下载某网站数据后被病毒感染的概率为 ， 表示下载 次数据后电脑被病毒感染的次数解：B选项 A，试验出现的结果只有两个：点数为 和点数不为 ，且点数为 的概率在每一次试验都为 ，每一次试验都是独立的，故随机变量 服从二项分布；选项 B，，故随机变量 不服从二项分布；选项 C，甲、乙的获胜率都相等，举行 次比赛，相当于进行了 次独立重复试验，故 服从二项分布；选项 D，由二项分布的定义可知，被感染次数 ．X 5X 6p X 5X 0.3X n 66616X P (X =1)=p ,P (X =2)=(1−p )p ,P (X =k )=(1−p p )(k −1)X 55X X ∼B (n ,0.3)口袋中有 个白色乒乓球， 个黄色乒乓球，从中选取 次，每次取 个后又放回，则 次中恰有 次取到白球的概率是（ ）A． B． C． D . 解：D任意取球 次，取得白球 次的概率是5551531235C 35C 510⋅C 350.5553P (X =3)=(1−0.5=⋅C 350.53)5−3C 350.55甲、乙两名同学进行三分球投篮比赛，甲每次投中的概率为 ，乙每次投中的概率为 ，每人分别进行三次投篮．（1）设甲投中的次数为 ，求 的分布列；（2）求乙至多投中 次的概率；（3）求乙恰好比甲多投中 次的概率．1312ξξ221四、课后作业 （查看更多本章节同步练习题，请到快乐学）解：（1）， 的可能取值为 ，，，． 的分布列为：（2）设“乙至多投中 次”为事件 ，则（3）设“乙比甲多投中 次”为事件 ，“乙恰投中 次且甲恰投中 次”为事件，“乙恰投中 次且甲恰投中 次”为事件 ，则 ，， 为互斥事件，则所以乙恰好比甲多投中 次的概率为．ξ∼B (3,)13ξ0123P(ξ=0)=(=,C 0323)3827P (ξ=1)=()(=,C 131323)249P (ξ=2)=(()=,C 2313)22329P (ξ=3)=(=.C 3313)3127ξξP082714922931272A P (A )=1−(=.C 3312)3782A 120B 131B 2=∪A 1B 1B 2B 1B 2P (A )=P ()+P ()=×+×=.B 1B 282738491816216答案：解析：1. 某一批花生种子，如果每 粒发芽的概率为 ，那么播下 粒种子恰有 粒发芽的概率是 A ．B ．C ．D ．B 概率为 ．14542()1662596625192625256625=C 24()452(1−)45296625答案：2. 某地区空气质量监测资料表明，一天的空气质量为优良的概率是 ，连续两天为优良的概率是，已知某天的空气质量为优良，则随后一天的空气质量为优良的概率是 A ．B ．C ．D ．A0.750.6()0.80.750.60.453. 某厂生产电子元件，其产品的次品率为 ，现从一批产品中任意地连续取出 件，其中次品数 的5%2ξ高考不提分，赔付1万元，关注快乐学了解详情。

计数原理概率随机变量及其分布总结计数原理是一种概率理论中的基本原理，用于计算一个事件集合中具有某些性质的元素的数量。

在概率论中，计数原理用于确定样本空间中每个事件的概率，从而计算总体的概率。

计数原理包括排列、组合和多重集合。

排列是指从一个集合中选取若干元素，按照一定的顺序进行排列的方法数，可以表示为n!/(n-k)!。

组合是指从一个集合中选取若干元素，不考虑它们的排列顺序的方法数，可以表示为n!/[(n-k)!k!]。

多重集合是指一个集合中每个元素出现的次数不限，选取若干元素的组合总数。

概率随机变量是指随机试验中，对于每一个结果赋予一个数字的函数。

它可以是离散型随机变量或连续型随机变量。

离散型随机变量是指随机变量只能取到有限个或可数个值的情况，如掷骰子的点数；连续型随机变量是指随机变量可以取到无限个值的情况，如身高、体重等。

概率分布是指随机变量取不同值时，对应的概率值的分布情况。

常见的离散型概率分布有伯努利分布、二项分布、泊松分布等；常见的连续型概率分布有正态分布、指数分布、卡方分布等。

伯努利分布是指只有两种结果的随机试验，成功的概率为p，失败的概率为1-p。

其概率分布函数为f(x) = p^x(1-p)^(1-x)，其期望为E(x) = p，方差为Var(x) = p(1-p)。

二项分布是指进行n次相互独立的伯努利试验，每次试验的成功概率为p，失败概率为1-p，成功的次数为X，则X的概率分布函数为f(x) = C(n,x)p^x(1-p)^(n-x)，其期望为E(x) = np，方差为Var(x) = np(1-p)。

泊松分布是指某个时间段内某个事件发生的次数，假设每个事件发生的概率相等，但是发生次数是不确定的，符合泊松分布。

其概率分布函数为f(x) = e^(-λ)λ^x/x!，其中λ为事件发生的平均次数，其期望为E(x) = λ，方差为Var(x) = λ。

正态分布是指连续型随机变量最常用的分布，其概率密度函数为f(x) = 1/(σ√(2π))e^-((x-μ)^2/2σ^2)，其中μ为期望，σ为标准差，其期望和方差分别为E(x) = μ，Var(x) = σ^2。