概率论与数理统计-第2章-第1讲-随机变量与分布函数

F ( x) f ( x)
像离散型随机变量的统计规律可用分布律来描述一样， 连续型随机变量可用概率密度来描述其统计规律性。 因此概率密度与分布律具有类似的作用,也有类似的性质。 由性质3可知：对于连续型随机变量，可以用积分来计算 概率。概率的大小就是概率密度曲线下的面积。
注: 1)离散型随机变量的分布函数是右连续的,而连续 型随机变量的分布函数是连续的. 2)离散型随机变量取某一值的概率可能为0,也可能 不为0. 对于连续型随机变量 X 来说，它取任一实数 a 值的概率均为0，即 P{X a} 0 这也就说明概率为零的事件不一定是不可能事件。 因此，对连续型随机变量X,有
求其分布律。
§4 连续型随机变量及其概率密度
一 连续型随机变量的定义 定义： 如果对于随机变量 X 的分布函数 F (x) ， 存在非负函数 f (x)，使对于任意实数 x 有 x

F ( x)

f (t )dt
则称 X 为连续型随机变量，称函数 f (x) 为 X 的概率密度函数(简称概 率密度)。
求
A, B 和概率密度 f (x) 。
例2：教材57页15题。 例3：教材58页21、24、25、26题。
§5 随机变量函数的分布
将伯努利试验独立地重复(即每次试验发生的 概率都是 p 即P( Ai ) p , 且各次试验的结果互不 影响)进行n次，称为n重伯努利试验。
三、重要的离散型随机变量及其分布律 1、(0 - 1) 分布 如果 X 只能取0,1两个值,且设 P{X 1} p 称 X 服从参 数为 p 的(0-1)分布，又称二点分布，它的分布律为
二 几种常见的连续型随机变量的分布 1、均匀分布 定义2：若连续型随机变量 X 的概率密度为

概率论与数理统计教学教案 第2章 随机变量及其分布授课序号01教 学 基 本 内 容一．随机变量1. 随机变量：设E 是随机试验，样本空间为S ，如果对随机试验的每一个结果ω，都有一个实数()X ω与之对应，那么把这个定义在S 上的单值实值函数()X X ω=称为随机变量．随机变量一般用大写字母,,X Y Z ,…表示．2.随机变量的两种常见类型:离散型随机变量和连续型随机变量. 二．分布函数1. 分布函数：设X 是一个随机变量，x 是任意实数，称函数{}(),F x P X x x =≤-∞<<∞为随机变量X 的分布函数，显然，()F x 是一个定义在实数域R 上，取值于[0,1]的函数．2．几何意义：在数轴上，将X 看成随机点的坐标，则分布函数()F x 表示随机点X 落在阴影部分（即X x ≤）内的概率，如下图．3．对任意的实数,,()a b c a b <，都有：授课序号02(,)B n p ，其中在二项分(1,)B p X 服从（0-1）分布是二项分布的特例，简记0,1,2,...，其中λ为大于()P λ．在一次试验中出现的概率为(12,kk nnC p p -.）说明：泊松定理表明，泊松分布为二项分布的极限分布，即在试验次数很大，而n np 不太大时，()G p．）说明：几何分布描述的是试验首次成功的次数次才取得第一次成功，前）超几何分布：若随机变量X的分布律为H n N(,,件不合格，从产品中不放回）超几何分布与二项分布之间的区别：超几何分布是不放回抽取，二项分布是放回抽取，因此，二项两个分布之间也有联系，当总体的容量授课序号03(,)U a b ．内的任一个子区间()E λ．1,0,xe x λ-⎧->⎪⎨⎪⎩其它.）定理：（指数分布的无记忆性）设随机变量()E λ，则对于任意的正数{}{P X s t t P X >+>=为连续型随机变量，若概率密度为2(,N μσ处取到最大值，并且对于同样长度（iii ）当参数μ固定时，σ的值越大，()f x 的图形就越平缓；σ的值越小，()f x 的图形就越尖狭，由此可见参数σ的变化能改变图形的形状，称σ为形状参数．（iv ）当参数σ固定时，随着μ值的变化，()f x 图形的形状不改变，位置发生左右平移，由此可见参数μ的变化能改变图形的位置，称μ为位置参数．（4）标准正态分布(0,1)XN（i ）概率密度221(),2x x e x ϕπ-=-∞<<∞（ii ）分布函数221(),.2t xx e dt x π--∞Φ=-∞<<∞⎰（iii ）根据概率密度()x ϕ的对称性，有()1().x x Φ-=-Φ （5）定理：（标准化定理）若2(,)XN μσ，则(0,1).X Z N μσ-=（6）标准化定理的应用：设,,()x a b a b <为任意实数，则(){}{}{}(),X x x x F x P X x P P Z μμμμσσσσ----=≤=≤=≤=Φ{}{}()().a X b b a P a X b P μμμμμσσσσσ-----<≤=<≤=Φ-Φ6.“3σ”法则：设2(,)XN μσ，则{33}(3)(3)2(3)10.997,P X μσμσ-<<+=Φ-Φ-=Φ-≈即正态分布2(,)N μσ的随机变量以99.7%的概率落在以μ为中心、3σ为半径的区间内，落在区间以外的概率非常小，可以忽略不计，这就是“3σ”法则. 三．例题讲解例1．车流中的“时间间隔”是指一辆车通过一个固定地点与下一辆车开始通过该点之间的时间长度.设X 表示在大流量期间，高速公路上相邻两辆车的时间间隔，X 的概率密度描述了高速公路上的交通流量规律，其表达式为：0.15(0.5)0.15,0.5,()0,x e x f x --⎧≥⎪=⎨⎪⎩其它.概率密度()f x 的图形如下图，求时间间隔不大于5秒的概率.例2．设随机变量X 表示桥梁的动力荷载的大小（单位:N ），其概率密度为13,02;()880,x x f x ⎧+≤≤⎪=⎨⎪⎩其它.求：（1）分布函数()F x ；（2）概率{1 1.5}P X ≤≤及{1}P X >.例3．某食品厂生产一种产品，规定其重量的误差不能超过3克，即随机误差X 服从（-3,3）上的均匀分布.现任取出一件产品进行称重，求误差在-1~2之间的概率.例4．设随机变量X 在（1,4）上服从均匀分布，对X 进行三次独立的观察，求至少有两次观察值大于2的概率.例5.设随机变量X 表示某餐馆从开门营业起到第一个顾客到达的等待时间（单位：min ），则X 服从指数分布，其概率密度为0.40.4,0,()0,xex f x -⎧>⎪=⎨⎪⎩其它.求等待至多5分钟的概率以及等待3至4分钟的概率.例6．汽车驾驶员在减速时，对信号灯做出反应所需的时间对于帮助避免追尾碰撞至关重要．有研究表明，驾驶员在行车过程中对信号灯发出制动信号的反应时间服从正态分布，其中μ=1.25秒，σ=0.46秒．求驾驶员的制动反应时间在1秒至1.75秒之间的概率？如果2秒是一个非常长的反应时间，那么实际的制动反应时间超过这个值的概率是多少？例7．设某公司制造绳索的抗断强度服从正态分布，其中μ=300千克，σ=24千克.求常数a ，使抗断强度以不小于95%的概率大于a .授课序号0450。

第二章 随机变量及其分布
关键词： 随机变量 离散型随机变量、分布律 连续型随机变量、概率密度 概率分布函数 重伯努利实验、二项分布、泊松分布 均匀分布、正态分布、指数分布 随机变量的函数的分布
1
§1 随机变量
定义
2 3
例1: 将一枚硬币抛掷3次. 关心3次抛掷中, 出现 H的总次数 以X记三次抛掷中出现H的总数, 则对样本空间 S={e}中的每一个样本点e, X都有一个值与之对 应, 即有
1) P { X = k} = C3k p k (1 − p )3− k , k = 0,1, 2,3 (
( 2)
P { X = 2} = C32 p 2 (1 − p)
21
泊松分布(Poisson分布)
若随机变量X的概率分布律为 e− λ λ k
P { X = k} = k! ， = 0,1, 2, ⋅⋅⋅, λ > 0 k
互不影响
例如： 1.独立重复地抛n次硬币，每次只有两个可能的结果： 正面，反面， P (出现正面 ) = 1 2 2.将一颗骰子抛n次，设A={得到1点}，则每次试验 只有两个结果：A , A , P ( A ) = 1 6
12
定义随机变量X表示n重伯努利试验中事件A发生的次 数, 我们来求它的分布律. X所有可能取的值为0,1,2,...,n. 由于各次试验是相互独立的, 因此事件A在指定的 k(0≤k≤n)次试验中发生, 在其它n−k次试验中A不发生 的概率为
13
设A在n重伯努利试验中发生X次，则
k P பைடு நூலகம் X = k} = Cn p k (1 − p ) n − k ， = 0，⋅⋅⋅，n k 1，
⎛n⎞ k Cn = ⎜ ⎟ 表示n中 ⎜k ⎟ ⎝ ⎠ 任选k的组合数目

则称X服从参数为λ的泊松分布, 记为 X ~ P() .
HAINAN UNIVERSITY
概率论与数理统计
第二五章 基随本机极变限量定及理其分布
泊松分布的应用
“稠密性”问题(一段时间内,电话交换中心接到的呼叫次 数,公共汽车车站候车的乘客数,售票窗口买票的人数， 原子放射的粒子数，保险公司在一定时期内被索赔的次 数等)都服从泊松分布.
随机变量的分布函数
1.定义: 设X为一随机变量, x为任意实数, 称函数 F(x)=P{X≤x}为X的分布函数.
注: ① F(x)是一普通函数, 其定义域为 ,; ② F x的值为事件X x的概率; ③ F x可以完全地描述随机变量取值的规律性.
例如: Pa X b PX b PX a
连续型随机变量及概率密度函数
1.定义: 设X ~ F(x), 若存在一个非负可积的函数 f (x),
使 x R, 有
F ( x)
PX
x
x
f
(t)dt
,
则称X为连续型随机变量, f (x) 称为X的概率密度函数或
分布密度函数.
2.几何意义:
HAINAN UNIVERSITY
概率论与数理统计
第二五章 基随本机极变限量定及理其分布
二、随机变量的概念
定义： 设试验E的样本空间为 , 若对于每个样本
点 , 均有一个实数 X ()与之对应, 这样就得
到一个定义在 上的单值函数 X X () , 称X为随
机变量.
X
样本空间
实数
注: ① 随机变量是一个定义在样本空间上的实函数, 它取值的随机性是由样本点的随机性引起的;
x 1
x0
0 x x
不是 (不满足规范性)