高考数学讲义随机变量及其分布列.知识框架

高考数学总复习考点知识专题讲解 专题11离散型随机变量及其分布列知识点一 随机变量的概念、表示及特征1．概念：一般地，对于随机试验样本空间Ω中的每个样本点ω都有唯一的实数X (ω)与之对应，我们称X 为随机变量．2．表示：用大写英文字母表示随机变量，如X ，Y ，Z ；用小写英文字母表示随机变量的取值，如x ，y ，z .3．特征：随机试验中，每个样本点都有唯一的一个实数与之对应，随机变量有如下特征：(1)取值依赖于样本点． (2)所有可能取值是明确的． 知识点二 离散型随机变量可能取值为有限个或可以一一列举的随机变量，我们称之为离散型随机变量． 判断离散型随机变量的方法 (1)明确随机试验的所有可能结果； (2)将随机试验的结果数量化；(3)确定试验结果所对应的实数是否可以一一列出，如能一一列出，则该随机变量是离散型随机变量，否则不是．【例1】（（2023•丰台区期末）下面给出的四个随机变量中是离散型随机变量的为() ①高速公路上某收费站在半小时内经过的车辆数1X ；②一个沿直线2y x 进行随机运动的质点离坐标原点的距离X；③某同学射击3次，命中的次数3X；④某电子元件的寿2命X；4A．①②B．③④C．①③D．②④【例2】（2023•从化区期中）袋中有大小相同的5个球，分别标有1，2，3，4，5五个号码，现在在有放回抽取的条件下依次取出两个球，设两个球的号码之和为随机变量X，则X所有可能取值的个数是()A．25B．10C．9D．5知识点三离散型随机变量的分布列及其性质1．定义：一般地，设离散型随机变量X的可能取值为x1，x2，…，x n，我们称X取每一个值x i的概率P(X＝x i)＝p i，i＝1,2,3，…，n为X的概率分布列，简称分布列．2．分布列的性质(1)p i≥0，i＝1,2，…，n.(2)p1＋p2＋…＋p n＝1.分布列的性质及其应用(1)利用分布列中各概率之和为1可求参数的值，此时要注意检验，以保证每个概率值均为非负数．(2)求随机变量在某个范围内的概率时，根据分布列，将所求范围内各随机变量对应的概率相加即可，其依据是互斥事件的概率加法公式．【例3】（2023•辽宁期末）随机变量X的分布列如下表所示，则(2)(…)P XA ．0.1B ．0.2C ．0.3D ．0.4【例4】（2022•朝阳区开学）设随机变量X 的分布列为()(1P X k k k λ===，2，3，4)，则λ的值为() A ．10B ．110C ．10-D ．110-【例5】（2023•珠海期末）已知某离散型随机变量ξ的分布列为：则(q =)A ．13和1-B ．13C ．12D ．1-【例6】（2022•多选•天津模拟）设随机变量ξ的分布列为()(15kP ak k ξ===，2，3，4，5)，则()A ．115a =B ．141()255P ξ<<= C ．112()10215P ξ<<=D ．23()510P ξ=…【例7】（2023•湖北模拟）设随机变量ξ的分布列如表：则下列正确的是()A ．当{}n a 为等差数列时，5615a a += B ．数列{}n a 的通项公式可以为109(1)n a n n =+C ．当数列{}n a 满足1(1,2,9)2n na n ==时，10912a =D ．当数列{}n a 满足2()(1k P k k a k ξ==…，2，10)时，1110(1)n a n n =+知识点四 两点分布如果P (A )＝p ，则P (A )＝1－p ，那么X 的分布列为我们称X 服从两点分布或0－1【例8】（多选）若离散型随机变量X 的分布列如下表所示，则下列说法错误的是()A ．常数c 的值为23或13B ．常数c 的值为23C ．1(0)3P X ==D ．2(0)3P X ==【例9】（2023•阜南县期末）从6名男生和4名女生中随机选出3名同学参加一项竞技测试．（1）求选出的3名同学中至少有1名女生的概率；（2）设ξ表示选出的3名同学中男生的人数，求ξ的分布列．【例10】（2023•崂山区期末）某电视台“挑战主持人”节目的挑战者闯第一关需要回答三个问题，其中前两个问题回答正确各得10分，回答不正确得0分，第三个问题回答正确得20分，回答不正确得10-分．如果一位挑战者回答前两个问题正确的概率都是2 3，回答第三个问题正确的概率为12，且各题回答正确与否相互之间没有影响．若这位挑战者回答这三个问题的总分不低于10分就算闯关成功．（1）求至少回答对一个问题的概率．（2）求这位挑战者回答这三个问题的总得分X的分布列．（3）求这位挑战者闯关成功的概率．同步训练1.（2022•多选•临朐县开学）下列X是离散型随机变量的是()A．某座大桥一天经过的某品牌轿车的辆数XB ．一天内的温度为XC ．某网页一天内被点击的次数XD ．射击运动员对目标进行射击，击中目标得1分，未击中目标得0分，用X 表示该运动员在一次射击中的得分2.（2023•上蔡县校级月考）设随机变量ξ的概率分布列如下表：则(|2|1)(P ξ-==) A ．712B ．12C ．512D ．163.（2023•周至县期末）设随机变量X 的分布列为()(1,2,3,4,5,6)2kcP X k k ===，其中c 为常数，则(2)P X …的值为() A ．34B ．1621C ．6364D ．64634.（2023•多选•宝安区期中）已知随机变量ξ的分布如下：则实数a 的值为()A ．12-B ．12C ．14D ．14-5.（2023•和平区校级期末）设随机变量与的分布列如下：则下列正确的是()A ．当{}n a 为等差数列时，5615a a +=B ．当数列{}n a 满足1(12n na n ==，2，⋯，9)时，10912a = C ．数列{}n a 的通项公式可以为109(1)n a n n =+D ．当数列{}n a 满足2()(1k P k k a k ξ==…，2，⋯，10)时，1110(1)n a n n =+6.（2023•郫都区模拟）甲袋中有2个黑球，4个白球，乙袋中有3个黑球，3个白球，从两袋中各取一球．（Ⅰ）求“两球颜色相同”的概率；（Ⅱ）设ξ表示所取白球的个数，求ξ的概率分布列．。

圆梦教育中心 随机变量及其分布知识点整理一、离散型随机 量的分布列一 般 地 ， 离 散 型 随 机 量 X 可 能 取 的x 1 , x 2 , , x i ,, x n ， X 取 每 一 个 x i (i1,2, , n) 的 概 率P( Xx i ) p i ， 称以下表格Xx 1 x 2 ⋯ x i ⋯ x n Pp 1p 2⋯p i⋯p n随机 量 X 的概率分布列， 称X 的分布列 .离散型随机 量的分布列具有下述两个性 ：（ 1） P i ≥ 0, i1,2, , n （ 2） p 1 p 2 p n 11．两点分布如果随机 量X 的分布列X1P 1-p p称 X 服从两点分布，并称p=P(X=1) 成功概率 .2．超几何分布 一般地，在含有M 件次品的 N 件 品中，任取 n 件，其中恰有 X 件次品， 事件X k 生的概率 ：P( X k ) C M k C N n k M , k 0,1,2,3,..., mC nN 随机 量 X 的概率分布列如下：X1 ⋯ mPC M 0 C N n 0MC M 1 C N n 1M⋯C M m C N n m MC N nC N nC N n其中 mmin M , n , 且nN , M N , n, M , N N * 。

注：超几何分布的模型是不放回抽 二、条件概率一般地， A,B 两个事件 , 且 P( A)0 ,称P(B | A)P( AB )在事件 A 生的条件下 , 事件 B 生的条件概率 .P( A)0≤ P(B | A) ≤ 1如果 B 和 C 互斥，那么 P[( B U C ) | A] P( B | A) P(C | A)三、 相互独立事件A ，B 两个事件， 如果事件 A 是否 生 事件 B 生的概率没有影响( 即 P( AB) P( A)P( B) ), 称事件 A 与事件B 相互独立。

即 A 、 B 相互独立P( AB) P( A) P(B)一般地，如果事件A ,A , ⋯,A n 两两相互独立，那么n 个事件同 生的概率，等于每个事件 生的概率的 ，12即 P( A 1A 2... A n ) P( A 1 ) P( A 2 )...P( A n ) .注： (1) 互斥事件：指同一次试验中的两个事件不可能同时发生；(2)相互独立事件：指在不同试验下的两个事件互不影响.四、 n 次独立重复试验一般地，在相同条件下，重复做的n 次试验称为n 次独立重复试验.在 n 次独立重复试验中，记A i是“第i次试验的结果” ，显然， P( A1 A2A n ) P( A1 )P( A2 )P( A n )“相同条件下”等价于各次试验的结果不会受其他试验的影响注: 独立重复试验模型满足以下三方面特征第一：每次试验是在同样条件下进行；第二：各次试验中的事件是相互独立的；第三：每次试验都只有两种结果，即事件要么发生，要么不发生.n次独立重复试验的公式：一般地，在 n次独立重复中，事件 A生的次数 X，在每次中事件 A生的概率 p，那么在 n次独立重复中，事件 A 恰好生 k次的概率P( X k ) C n k p k (1 p)n k C n k p k q n k , k 0,1,2,..., n.(其中 q 1 p) ，而称p为成功概率.五、二项分布一般地，在n 次独立重复试验中，用X 表示事件 A 发生的次数，设每次试验中事件 A 发生的概率为p，则P( X k ) C n k p k (1 p)n k， k 0,1,2, ,nX01⋯k⋯nP C n0 p0q n C n1 p1q n 1⋯C n k p k q n k⋯C n n p n q0此时称随机变量X 服从二项分布，记作X ~ B(n, p) ，并称p为成功概率.六、离散随机变量的均值（数学期望）一般地，随机变量X 的概率分布列为X x1 x2 ⋯x i ⋯x nP p1 p2 ⋯p i ⋯p n则称 E( X ) x1 p1 x2 p2x i p i x n p n为X 的数学期望或均值，简称为期望 . 它反映了离散型随机变量取值的平均水平 .1．若Y aX b ，其中a，b常数，则Y 也是变量Y ax1 b ax2 b ⋯ax i b ⋯ax n bP p1 p2⋯p ⋯pi n则 EY aE( X ) b ，即 E(aX b) aE ( X ) b 2．一般地，如果随机变量X 服从两点分布，那么E( X )=1 p 0 (1 p)p 3．若X ~ B(n, p)，则E( X ) np七、离散型随机变量取值的方差和标准差一般地 , 若离散型随机变量x 的概率分布列为X x1 x2 ⋯x i ⋯x nP p1 p2 ⋯p i ⋯p n则称 DX ( x1 E (X )) 2 p1 ( x2 E( X )) 2 p2 (x n E ( X 并称DX 为随机变量 X的标准差 .1．若 X 服从两点分布，则 D ( X ) p(1 p)2．若X ~ B(n, p)，则D ( X )np(1 p)3．D ( aX b)a2 D ( X )即若 X 服从两点分布，则E( X )p。

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。

离散型随机变量及其分布列编稿：赵雷 审稿：李霞【学习目标】1．了解离散型随机变量的概念．2．理解取有限个值的离散型随机变量及其分布列的概念．3．掌握离散型随机变量的分布列的两个基本性质，并会用它来解决一些简单问题．4. 理解两个特殊的分布列：“两点分布”和“超几何分布”。

【要点梳理】要点一、随机变量和离散型随机变量1. “随机试验”的概念一般地，一个试验如果满足下列条件：a ．试验可以在相同的情形下重复进行．B ．试验的所有可能结果是明确可知的，并且不止一个．c ．每次试验总是恰好出现这些可能结果中的一个，但在试验之前却不能肯定这次试验会出现哪一个结果．这种试验就是一个随机试验，为了方便起见，也简称试验．2．随机变量的定义一般地，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．通常用大写拉丁字母X ，Y ，Z （或小写希腊字母ξ，η，ζ）等表示。

要点诠释:（1）所谓随机变量，即是随机试验的试验结果和实数之间的一个对应关系，这种对应关系是人为建立起来的，但又是客观存在的。

例如，任意掷一枚硬币，可能出现正面向上、反面向上这两种结果，虽然这个随机试验的结果不具有数量性质，但仍可以用数量来表示它，比如，我们用ξ来表示这个随机试验中出现正面向上的次数，则ξ=0，表示试验结果为反面向上，ξ=1，表示试验结果为正面向上。

（2）随机变量实质是将随机试验的结果数量化 。

3．离散型随机变量的定义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。

离散型随机变量的例子很多．例如某人射击一次可能命中的环数 X 是一个离散型随机变量，它的所有可能取值为0，1，…，10；某网页在24小时内被浏览的次数Y 也是一个离散型随机变量，它的所有可能取值为0, 1,2，….4. 随机变量的分类随机变量有以下两种：(1)离散型随机变量:(2)连续型随机变量: 如果随机变量可以取其一区间内的一切值，这样的随机变量叫做连续型随机变量．要点诠释:离散型随机变量和连续型随机变量的区别：离散型随机变量，它所可能取的值为有限个或至多可列个，或者说能将它的可能取值按一定次序一一列出.连续性随机变量可取某一区间内的一切值，我们无法将其中的值一一列举．例如，抛掷一枚骰子，可能出现的点数就是一个离散型随机变量；某人早晨在出租车站等出租车的时间（单位：秒）就不是一个离散型随机变量．5. 若是随机变量，其中a,b 是常数，则也是随机变量，并且不改变其属性（离散型、连续型）。