第二章随机变量及其分布
§2.1随机变量及其分布函数
§2.2 离散型随机变量及概率分布
§2.3 连续型随机变量及概率分布
§2.4 多维随机变(向)量及其分布
§2.5 随机变量的独立性
§2.6随机变量函数的分布
基本要求
重点与难点
JXHD2-7概率篇CH2LX基本要求
1．理解随机变量、随机变量的分布函数概念及性质。
2．理解概率分布的概念及其性质。
3．会利用概率分布及分布函数计算有关事件的概率。
4．掌握六种常用分布，会查泊松分布、正态分布表。
5．了解多维随机变量的概念。了解二维随机变量的联合分布函数及其性质,了解二维随机变量的联合概率分布及其性质,并会用它们计算有关事件的概率。
6．知道二维随机变量的边缘分布以及与联合分布的关系，了解条件分布。
7．理解随机变量独立性的概念及应用独立性进行有关计算。
8．会求简单随机变量函数的概率分布及两个独立随机变量的函数（和、最大值、最小值）的分布。重点与难点
1．随机变量的分布函数概
念及性质。
2．概率分布（离散型随机
变量的分布律,连续型随机变量
的概率密度）的概念及性质。
3．概率分布与分布函数的
关系及正态分布的有关计算。
4．二维随机变量的边缘分
布以及与联合分布的关系。
5．随机变量独立性及应用。
6．简单随机变量函数的分
布。1．随机变量
的分布函数、概率
分布及其关系。
2．二维随机
变量的边缘分布及
计算。
3．随机变量
函数的分布及两个
独立随机变量的函
数的分布。§2.1 随机变量及其分布函数
掷骰子试验}654321{，，，，，； 掷硬币试验}{TH，
一．随机变量
[引例1] 掷骰子试验，}654321{，，，，，，令
），，，，，（654321)(iiiX
则X是定义在上的单值实函数，称X为随机变量。
[引例2] 掷硬币试验，样本空间}{TH，，令
TeHeeY，，
01)(
则Y是定义在上的单值实函数，称 Y为随机变量。 “骰子的点数不超过3”这一事件可用}3{X来表示； “出现正面H”这一事件可用}1{Y来表示。( Random Variables ) Random Variables and Distribution function 定义2-1 设E是随机试验，它的样本空间为
《概率论与数理统计》教案
第一章：概率论的基本概念
1.1 随机现象与样本空间
1.2 事件及其运算
1.3 概率的定义与性质
1.4 条件概率与独立性
第二章：随机变量及其分布
2.1 随机变量的概念
2.2 离散型随机变量的概率分布
2.3 连续型随机变量的概率密度
2.4 随机变量函数的分布
第三章：多维随机变量及其分布
3.1 二维随机变量的联合分布
3.2 边缘分布与条件分布
3.3 随机变量的独立性
3.4 多维随机变量函数的分布
第四章：大数定律与中心极限定理
4.1 大数定律
4.2 中心极限定理
4.3 样本均值的分布
4.4 样本方差的估计
第五章：数理统计的基本概念 5.1 统计量与抽样分布
5.2 参数估计与点估计
5.3 置信区间与置信水平
5.4 假设检验与p值
第六章：参数估计
6.1 总体参数与样本参数
6.2 估计量的性质
6.3 最大似然估计
6.4 点估计与区间估计
第七章：假设检验
7.1 假设检验的基本概念
7.2 检验的错误与功效
7.3 常用检验方法
7.4 似然比检验与正态分布检验
第八章：回归分析
8.1 线性回归模型
8.2 回归参数的估计
8.3 回归模型的检验与诊断
8.4 多元线性回归分析
第九章：方差分析
9.1 方差分析的基本概念
9.2 单因素方差分析 9.3 多因素方差分析
9.4 协方差分析与重复测量方差分析
第十章：时间序列分析
10.1 时间序列的基本概念
10.2 平稳性检验与时间序列模型
10.3 自回归模型与移动平均模型
10.4 指数平滑模型与状态空间模型
第十一章：非参数统计
11.1 非参数统计的基本概念
11.2 非参数检验方法
11.3 非参数回归分析
11.4 非参数时间序列分析
第十二章：生存分析
12.1 生存分析的基本概念
12.2 生存函数与生存曲线
12.3 生存分析的统计方法
12.4 生存分析的应用实例
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)=0
F(1)=P(X≤1)=1/6
F(2)=P(X≤2)=2/6
F(3)=P(X≤3)=3/6
F(4)=P(X≤4)=4/6
F(5)=P(X≤5)=5/6
F(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。
随机变量函数的分布函数的推导
随机变量函数的分布函数是概率论中的一个重要概念，它描述了随机变量函数的取值在某一点之前的累积概率。在统计学中，我们常常需要计算随机变量的分布函数，以便进行概率分布的分析和推断。本文将介绍随机变量函数的分布函数的推导方法，并通过实例来说明其应用。
我们来定义随机变量函数的概念。随机变量函数是指将一个或多个随机变量作为输入，输出一个新的随机变量的函数。随机变量函数可以是线性函数、非线性函数、指数函数等各种形式。对于一个随机变量函数X=g(Y)，其中Y是一个随机变量，g是一个确定的函数。我们希望计算出随机变量函数X的分布函数F(x)。
在推导随机变量函数的分布函数之前，我们先回顾一下随机变量的分布函数的定义。对于一个随机变量X，其分布函数F(x)定义为：
F(x) = P(X ≤ x)
其中P表示概率。分布函数F(x)描述了随机变量X的取值小于等于x的概率。
接下来，我们来推导随机变量函数的分布函数。假设随机变量函数X=g(Y)，我们的目标是计算出X的分布函数F(x)。
我们需要确定X的取值范围。由于X=g(Y)，Y的取值范围确定了X的取值范围。假设Y的取值范围是[a,b]，那么X的取值范围是[g(a),g(b)]。
接下来，我们来计算X在某一点x处的累积概率。令A表示Y取值小于等于x的事件，即A={Y≤x}，那么X取值小于等于x的事件B可以表示为B={X≤x}={Y≤x}∩{g(Y)≤x}。根据事件的概率计算公式，我们可以得到：
P(B) = P(A∩{g(Y)≤x}) = P(Y≤x)
注意到{g(Y)≤x}是一个关于Y的不等式，我们需要根据这个不等式来确定P(Y≤x)的取值范围。假设不等式{g(Y)≤x}的解集是[c,d]，那么P(Y≤x)的取值范围是P(Y∈[c,d])。
现在，我们来计算P(Y∈[c,d])。由于Y的分布函数是F(y)，我们可以使用分布函数的性质来计算P(Y∈[c,d])。根据分布函数的性质，我们有：
