连续型随机变量2-3
作者:
日期: 2
§ 3连续型随机变量
除了离散型随机变量之外，还有非离散型的随机变量，这些随机变量的取值已不再是 有限个或可列个。在这类非离散型随机变量中，有一类常见而重要的类型，即所谓连续型 随机变量。粗略地说，连续型随机变量可以在某特定区间内任何一点取值。例如某种树的 高度；测量的误差；计算机的使用寿命等等都是连续型随机变量。对于连续型随机变量， 不能一一列出它可能取值，因此不能像对离散型随机变量那样用它取各个可能值的概率来 描述它的概率分布，而是要考虑该随机变量在某个区间上取值的概率，我们是用概率密度 函数来研究连续型随机变量的。 一.
概率密度和连续型随机变量定义：
对于随机变量 X ，如果存在非负可积函数
f(x) ( x )，使得对于任意实数， a,b(a b)都有
b P a X b f (x) dx ,
a
则称X 为连续型随机变量；称 f (x)为X 的概率密度函数，简称概率密度或密度.
由定义可知，分布密度
f (x)具有如下基本性质 (1) . f (x)
0 ( x )；
(2) . f(x)dx P( X )
这两条性质的几何意义是：概率分布密度曲线不在
x 轴下方，且该曲线与 x 轴所围的
图形面积为1。性质(1)、(2)可以作为判定一个函数是否可以作为一个连续型随机变量 的分布密度的条件。
对于连续型随机变量 X 可以证明，它在某一点 a 处取值的概率为零，即
对于任意实数a ，有P(X a) 0.
即研究X 在某一点处取值的概率是没有什么实际意义的。从而可知，研究 X 在某
区间上取值的概率时，该区间含不含端点，不影响概率值。即
其中为正常数.试确定常数A .
【例1】 (3 ) ?对于任意实数，
a, b (a b)都有 P a X b
P a X
b P a P a X b
b a
f
(x)
dx
设X 是连续型随机变量，已知
X 的概率密度为
u
则称X 服从指数分布(参数为
)，记为
X : E()
解： 由概率密度函数性质，知
8
f （兀）d* =
DO
A （
力
=°+无'
二. 几个常用的一维连续型随机变量：
1?均匀分布：如果连续型随机变量
X 的概率密度为
其它,
如果X 在区间幻上服从均匀分布农则对于任童满足仪冬空V dMb 的
?和必有
P{e 这说明X 落入中任一小区间的概率与该小区间的长度成正 比.而与小区间的具体位置无关.这就是均匀分布的概率意义? 因此上述定义中的概率密度可以改为 a < x < h 其他 其中 为一常数，利用概率密度的性质，易得 如果连续型的随机变量X 的概率密度为 则称X 在区间[对刃上服从均匀分布. 记作 X : U[a, b]. ^>0, x<0, Z>o, 2. 指数分布 0报+ —E 2 开 1 =1 称X 服从标准正态分布，记 /+? 如灯泡、电子元件的寿命，电话的通话时间等都被认为是 服从指数分布的。 的正态分布，记作 3.正态分布： ) 定义：如果连续型随机变量 X 的概率密度为 1 X 2 2 标准正态分布的概率密度为 (X )，则 0 而 若X 服从参数为的指数分布，则对任意 0 a b ，有 1 (x) 7r e 而)jaw J ■ g 令竺巴=对则 2 1 时，即 X : N(0,1) 2) 标准正态分布：当 其中旳为常数，则称￥服从彖数为P X ?N 斛 c 可以证明： 正态分布是概率统计中最重要的一种分布。一方面，正态分布是实践中最常见的一种分布，例如测量的误差，人的身高、体重，农作物的收获量，大批学生的考试成绩等等，都近似服从正态分布。一般说来，若某一数量指标受到很多相互独立的随机因素的影响，而每个因素所起的作用都很微小，则这个数量指标近似服从正态分布。另一方面，正态分布具有许多良好的性质，许多分布在一定条件下可以用正态分布来 近似，因此在概率数理统计的理论和实际应用中，正态分布都有着十分重要的地位。 (3)性质： (a)在直角坐标系内f(x)的图形呈钟形； (b) 在x 处得最大值f3=—I a (c) 关于直线x 对称；在x 处有拐点； (d) 如果固定，改变的值，则f (x)的图形沿x轴平行移动，而不改变其形状, 可见f (x)形状完全由决定，而位置完全由来决定?当x时，曲线以x轴为渐 近线;当大时，曲线平缓，当小时，曲线陡峭. 其中 标准正态分布N(0,1)的随机变量X落在区间(a, b)中的概率: 1 1x2 2，记(X) i) x 0, 其函数值可查本书的附表1, P(a X b)-- dt 1 12 2 dt (b) (a), 1 (0) P(X 0) 1 ； 标准正态分布密度(x)(t)dt ,当 b e a 1 t 2 (ii) a, b 0 :可直接查本书的附表1,得 几个重要的离散型随机变量的分布列 井 潇（鄂尔多斯市东胜区东联现代中学017000） 随着高中新课程标准在全国各地的逐步推行，新课标教材越来越受到人们的关注，新教材加强了对学生数学能力和数学应用意识的培养，而概率知识是现代公民应该具有的最基本的数学知识，掌握几种常见的离散型随机变量的分布列是新课标教材中对理科学生的最基本的要求，也是高考必考的内容，先结合新教材，具体谈一谈几个重要的离散型随机变量分布列及其简单的应用。 下面先了解几个概念: 随机变量:如果随机试验的结果可以用一个变量来表示,那么这样的变量就叫随机变量.随机变量常用希腊字母,ξη等表示. 离散型随机变量:对于随机变量可能取的值,我们可以按一定次序一一列出,这样的随机变量就叫离散型随机变量. 离散型随机变量的分布列:一般地设离散型随机变量ξ可能取得值为 123,,,...,,...,i x x x x ξ取每一个值()1,2,3,...i x i =的概率()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. 由概率的性质可知,任一离散型随机变量的分布列都有以下两个性质 (1)0,1,2,3,...i P i ≥= (2)123...1P P P +++= 离散型随机变量在某个范围内取值的概率等于它取这个范围内各个值的概率的和. 一、 几何分布 在独立重复试验中，某事件第一次发生时所做试验的次数ξ是一个取值为正整数的离散型随机变量，“k ξ=”表示第k 次独立重复试验时事件第一次发生。如果把第k 次试验时事件A 发生记为k A 、事件A 不发生记为k A ，()() ,k k P A p P A q ==，那么 ()()1231...k k P k P A A A A A ξ-==，根据相互独立事件的概率的乘法公式得 ()()()()()()1231...k k P k P A P A P A P A P A ξ-==()11,2,3,...k q p k -==。 于是得到随机变量ξ的概率分布 §3 连续型随机变量 除了离散型随机变量之外，还有非离散型的随机变量，这些随机变量的取值已不再是有限个或可列个。在这类非离散型随机变量中，有一类常见而重要的类型，即所谓连续型随机变量。粗略地说，连续型随机变量可以在某特定区间内任何一点取值。例如某种树的高度；测量的误差；计算机的使用寿命等等都是连续型随机变量。对于连续型随机变量，不能一一列出它可能取值，因此不能像对离散型随机变量那样用它取各个可能值的概率来描述它的概率分布，而是要考虑该随机变量在某个区间上取值的概率，我们是用概率密度函数来研究连续型随机变量的。 一． 概率密度和连续型随机变量定义： 对于随机变量X ，如果存在非负可积函数 ()()f x x -∞<<+∞，使得对于任意实数， ,()a b a b <都有 {}()b a P a X b f x dx <<= ? ， 则称X 为连续型随机变量；称()f x 为X 的概率密度函数，简称概率密度或密度． 由定义可知，分布密度()f x 具有如下基本性质: （１）．()0()f x x ≥-∞<<+∞； （２）． ()()1f x dx P X +∞ -∞ =-∞<<+∞=? ． 这两条性质的几何意义是：概率分布密度曲线不在x 轴下方，且该曲线与x 轴所围的图形面积为1。性质(1)、(2)可以作为判定一个函数是否可以作为一个连续型随机变量的分布密度的条件。 对于连续型随机变量X 可以证明，它在某一点a 处取值的概率为零，即 对于任意实数a ，有()0P X a ==． 即研究X 在某一点处取值的概率是没有什么实际意义的。从而可知，研究X 在某区间上取值的概率时，该区间含不含端点，不影响概率值。即 (３)．对于任意实数， ,()a b a b <都有 {}{}{}{}()b a P a X b P a X b P a X b P a X b f x dx <<=≤<=<≤=≤≤=? 【例1】 设X 是连续型随机变量，已知X 的概率密度为 其中λ为正常数． 试 确定常数A ． 几种常用的连续型随机变量 给出一个新概念：广义概率密度函数。 设连续型随机变量ξ的概率密度函数为φ(x ), 那么任何与之成正比的函数f (x )∝φ(x ), 都叫做ξ的广义概率密度函数, 或者说, 一个函数f (x )是ξ的广义概率密度函数, 说明存在着一实数a , 使得 φ(x )=af (x ) (1) 而知道了广义概率密度函数, ξ的概率密度函数就可以根据性质1)(=?+∞ ∞ -dx x ?, 求出 将(1)式代入得: 1)()(??+∞ ∞ -+∞ ∞ -==dx x af dx x ? 则?∞+∞ -= dx x f a )(1 因此, 知道了广义概率密度函数就等于知道了一般的概率密度函数, 我们只需关心函数的形状就可以了解概率密度的性质了. 因此也不必关于那个常数是什么. 4.4 指数分布 指数分布的概率密度函数为 ?? ?>=-其它 )(x e x x λλ? 它的图形如下图所示: 它的期望和方差如下计算: () λ λ λ?ξλλλλλ1 1 )(0 =- =+-=-= = = ∞ +-∞+-∞ +-+∞ -+∞ -+∞ ∞ -????x x x x x e dx e xe e xd dx e x dx x x E () 2 20 202 2 2 2 2 2)(|λξλ λ?ξλλλλ= = +-=-= = = ????∞+-∞+-+∞ -+∞ -+∞∞ -E dx xe e x e d x dx e x dx x x E x x x x 2 2 2 221 1 2 )(λ λ λ ξξξ= - = -=E E D 指数分布常用来作为各种"寿命"分布的近似. 4.5 Γ-分布 如果一个随机变量ξ只取正值, 且在正半轴的广义概率密度函数的形式是x 的某次方x k 乘上指数函数e -λx , 即 ?? ?>->>=-其它 ) 0,1(0)(λλk x e x x f x k 那么就称ξ服从Γ-分布了. 上式中之所以要求k >-1, λ>0, 是因为广义积分 ?? +∞ -+∞ ∞ -= )(dx e x dx x f x k λ 只有在这种条件下才收敛. 此外, 传统上为了方便起见, 用另一个常数r =k +1, 因此广义概率密度函数写为 ?? ?>>>=--其它 ) 0,0(0)(1λλr x e x x f x r 而真实的概率密度函数φ(x )=af (x ), 可以给出常数a 由下式计算: ?∞ +--= 11 dx e x a x r λ 这样, 计算的关键就是要计算广义积分 ?+∞ --0 1dx e x x r λ, 作代换t =λx , 则x =t /λ, dx =dt /λ, 则???+∞ --+∞ --+∞ --= ? ?? ? ?=0 101 011 1 dt e t dt e t dx e x t r r t r x r λ λ λλ, 问题就转成怎样计算广义积分? +∞ --0 1dt e t t r , 这个积分有一个参数r >0, 在r 为一些特定 的参数时, 如当r =1时, 上面的广义积分还是可以计算的, 但是当r 为任意的正实数时, 此广 义积分就没有一般的公式, 一般的原函数表达式. 在这种情况下数学家常用的办法就是定义一个新的函数. 比如说, 在中学学的三角函数就无法用一个加减乘除的公式表示, 因此就发明了sin , cos 这样的记号来代表三角函数. 同样, 上面的广义积分的取值只依赖于参数r , 每给定一个r 值就有一个积分值与之对应, 因此也可以定义一个函数, 叫Γ-函数, 定义为 江苏科技大学 毕业论文（设计） 题目：连续型随机变量在实际生活中的应用 姓名：顾苗 学号：1140503102 教学院：数理学院 专业班级：11级统计一班 指导教师：王康康 完成时间：2015年06月10日 二零一伍年六月 连续型随机变量在实际生活中的应用Continuous random variables applied in real life 江苏科技大学毕业设计（论文） 江苏科技大学 毕业设计（论文）任务书 学院名称：数理学院专业：统计学 学生姓名：顾苗学号：1140503102 指导教师：王康康职称：讲师 江苏科技大学毕业设计（论文） 毕业设计（论文）题目： 连续型随机变量在实际生活中的应用 一、毕业设计（论文）内容及要求（包括原始数据、技术要求、达到的指标和应做的实验等） 连续型随机变量在现实生活中有广泛的应用，许多物理过程和社会现象均可以由各种常见的随机过程来刻画。如泊松过程、正态过程、马氏过程等等，其应用非常广泛。在实际运用时，我们考虑它们在各种经济模型中的应用和计算，它们种类繁多，形式各异。具有很强的现实意义。 1、给出连续型随机变量的基本概念。 2、给出几种常见的连续型随机变量的理论意义。 3、给出几种常见的连续型随机变量在各种经济模型中的应用。 二、完成后应交的作业（包括各种说明书、图纸等） 1、至少6000字以上的论文 2、教师指定阅读的外文文献原文 3、指定外文文献的译文6000字以上 三、完成日期及进度 2015.2.25～2015.3.16 文献检索与资料收集； 2015.3.16～2015.4.12 文献阅读及撰写开题报告； 2015.4.12～2015.5.8 论文构思与内容； 2015.5.8～2015.5.24 撰写论文； 2015.5.24～2015.6.9 论文评阅及答辩。 离散型随机变量及其分布 知识点一：离散型随机变量的相关概念； 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 变量随机变量常用希腊字母、等表示 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。若 是随机变量， a b ，其中a 、b 是常数，则 也 是随机变量 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 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 --------------------- 列出 离散型随机变量的分布列：设离散型随机变量可能取的值为X i 、X 2 X i 取每一 个值X i i 1,2, 的概率为P( X ) p ，贝U 称表 为随机变量的概率分布，简称的分布列 知识点二：离散型随机变量分布列的两个性质； 任何随机事件发生的概率都满足:0 P(A) 1,并且不可能事件的概率为0，必然事 件的概率为 1.由此你可以得出离散型随机变量的分布列都具有下面两个性质： (1) P i 0, i 1,2, ; (2) RP.L 1 特别提醒：对于离散型随机变量在某一范围内取值的概率等于它取这个范围内各个值的 概率的和即P( 知识点二：两点分布： 若随机变量X 的分布列: 特别提醒：(1) 若随机变量X 的分布列为两点分布，则称X 服从两点分布，而称P(X=1为成 功 率? (2) 两点分布又称为0-1分布或伯努利分布 ⑶两点分布列的应用十分广泛，如抽取的彩票是否中奖；买回的一件产品是 否为正 品；新生婴儿的性别；投篮是否命中等等；都可以用两点分布列 来研究? 知识点三：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，则 C k C n k X k ) P( X k ) P( X k 1) L 则称X 的分布列为两点分布列 第七讲 连续型随机变量（续）及 随机变量的函数的分布 3. 三种重要的连续型随机变量 （1）均匀分布 设连续型随机变量X 具有概率密度 )5.4(,, 0,,1 )(??? ??<<-=其它b x a a b x f 则称X 在区间(a,b)上服从均匀分布, 记为X~U(a,b). X 的分布函数为 )6.4(. , 1,, ,,0)(???? ???≥<≤--<=b x b x a a b a x a x x F （2）指数分布 设连续型随机变量X 的概率密度为 )7.4(, , 0,0,e 1)(/?????>=-其它x x f x θ θ 其中θ>0为常数, 则称X 服从参数为θ的指数分布. 容易得到X 的分布函数为 )8.4(. , 0,0,1)(/?? ?>-=-其它x e x F x θ 如X 服从指数分布, 则任给s,t>0, 有 第二章 随机变量及其分布 §4 连续型随机变量 及其概率密度 1 =2 P{X>s+t | X > s}=P{X > t} (4.9) 事实上 }. {e e e )(1)(1}{}{} {)} (){(}|{//)(t X P s F t s F s X P t s X P s X P s X t s X P s X t s X P t s t s >===-+-=>+>= >>?+>=>+>--+-θ θθ 性质(4.9)称为无记忆性. 指数分布在可靠性理论和排队论中有广泛的运用. （3）正态分布 设连续型随机变量X 的概率密度为 ) 10.4(,,e 21)(2 22)(∞<<-∞= -- x x f x σμσ π其中μ,σ(σ>0)为常数, 则称X 服从参数为 μ,σ的正态分布或高斯(Gauss)分布, 记为 X~N(μ,2σ). 显然f(x)≥0, 下面来证明 1d )(=? +∞ ∞ -x x f 令t x =-σμ/)(, 得到 dx e dx e t x 2 2)(22 22121- ∞ +∞ --- ∞ +∞ -? ? = π σ πσμ . 1d 21d 21 ) 11.4(π 2d d e ,, d d ,d e 2 2)(20 2 22 /)(2 2 /2 2 22 222== ====? ??? ? ? ?∞ ∞ -- ∞ ∞ ---∞ - +∞∞-+∞ ∞ -+-∞∞ --x e x e r r I u t e I t I t x r u t t π σ πθσ μπ 于是 得转换为极坐标则有记f(x)具有的性质: f (x )的图形: 1.5 0.5 连续型随机变量的分布 （一）连续型随机变量及其概率密度函数 1.定义：对于随机变量X 的分布函数 F(X) ，若存在非负函数f(x), 使对于 任意的实数 x，有F ( x)x f(x) 称为 X f (t)dt ，则称X为连续性随机变量， 的概率密度函数，简称概率密度。 注： F(x)表示曲线下x 左边的面积，曲线下的整个面积为1。 2 .密度函数f(x) 的性质：注： f( x)不是概率。 1) f( x)≥ 0 + f ( x) dx = 1 2) ò-x 2 3)P{x 1 < X ? x 2 }òx1 f (x) dx = F (x 2 ) - F (x 1 ) 特别地，连续型随机变量在某一点的概率为零，即 P{ X = x} = 0. （但 { X=x} 并不一定是不可能事件） 因此P(a≤X ≤ b)= P(a< X 连续型随机变量及其分布 知识要点 1．分布函数 随机变量的分布可以用其分布函数来表示，随机变量X 取值不大于实数x 的概率 ()P X x ≤称为随机变量X 的分布函数，记作()F x , 即 ()(),F x P X x x =≤-∞<<∞． 2．分布函数()F x 的性质 (1) 0()1;F x ≤≤ (２) ()F x 是非减函数，即当12x x <时，有12()()F x F x ≤； (3) ()0,()1lim lim x x F x F x →-∞ →+∞ ==; (4) ()F x 是右连续函数，即0()()lim x a F x F a →+=． 由已知随机变量X 的分布函数()F x ，可算得X 落在任意区间(,]a b 内的概率 ()()();P a X b F b F a <≤=- 也可以求得 ()()(0)P X a F a F a ==--． 3．联合分布函数 二维随机变量(,)X Y 的联合分布函数规定为随机变量X 取值不大于x 实数的概率，同时随机变量Y 取值不大于实数y 的概率，并把联合分布函数记为(,)F x y ，即 (,)(,),,F x y P X x Y y x y =≤≤-∞<<+∞-∞<<+∞． 4．联合分布函数的性质 (1) 0(,)1F x y ≤≤； (2) (,)F x y 是变量x (固定y )或y (固定x )的非减函数； (3) (,)0,(,)0 lim lim x y F x y F x y →-∞ →-∞ ==， (,)0,(,)1 lim lim x x y y F x y F x y →-∞ →+∞→-∞ →+∞ ==； (4) (,)F x y 是变量x (固定y )或y (固定x )的右连续函数； (5) 121222211211(,)(,)(,)(,)(,)P x X x y Y y F x y F x y F x y F x y <≤<≤=--+． 5．连续型随机变量及其概率密度 设随机变量X 的分布函数为()F x ，如果存在一个非负函数()f x ，使得对于任一实数x ，有 ()()x F x f x dx -∞ =? 成立，则称X 为连续型随机变量，函数()f x 称为连续型随机变量X 的概率密度． 6．概率密度()f x 及连续型随机变量的性质 （１）()0;f x ≥ （２） ()1 f x dx +∞ -∞ =? ； 连续型随机变量的分布 (一)连续型随机变量及其概率密度函数 1.定义：对于随机变量X的分布函数F(X),若存在非负函数f(x),使 对于任意的实数x,有F(W(M，则称X为连续性随机变量，f(x)称 为X的概率密度函数，简称概率密度。 注：尺劝表示曲线下x左边的面积，曲线下的整个面积为 lo 2 .密度函数f(x)的性质：注：不是概率。 1)??f(x)M0?? 2)? j f(x)dx = \ 3)P{x, < X < x2} = ~f(x)(/x =F(x2) -F(Xj) 特别地，连续型随机变量在某一点的概率为零，即 P{X = x} = 0.(但{脸力并不一定是不可能事件) 因此PQWXWb)二P(a 注：iv)与离散型随机变量不同, 易知 连续型随机变量2-3 作者: 日期: 2 § 3连续型随机变量 除了离散型随机变量之外，还有非离散型的随机变量，这些随机变量的取值已不再是 有限个或可列个。在这类非离散型随机变量中，有一类常见而重要的类型，即所谓连续型 随机变量。粗略地说，连续型随机变量可以在某特定区间内任何一点取值。例如某种树的 高度；测量的误差；计算机的使用寿命等等都是连续型随机变量。对于连续型随机变量， 不能一一列出它可能取值，因此不能像对离散型随机变量那样用它取各个可能值的概率来 描述它的概率分布，而是要考虑该随机变量在某个区间上取值的概率，我们是用概率密度 函数来研究连续型随机变量的。 一. 概率密度和连续型随机变量定义： 对于随机变量 X ，如果存在非负可积函数 f(x) ( x )，使得对于任意实数， a,b(a b)都有 b P a X b f (x) dx , a 则称X 为连续型随机变量；称 f (x)为X 的概率密度函数，简称概率密度或密度. 由定义可知，分布密度 f (x)具有如下基本性质 (1) . f (x) 0 ( x )； (2) . f(x)dx P( X ) 这两条性质的几何意义是：概率分布密度曲线不在 x 轴下方，且该曲线与 x 轴所围的 图形面积为1。性质(1)、(2)可以作为判定一个函数是否可以作为一个连续型随机变量 的分布密度的条件。 对于连续型随机变量 X 可以证明，它在某一点 a 处取值的概率为零，即 对于任意实数a ，有P(X a) 0. 即研究X 在某一点处取值的概率是没有什么实际意义的。从而可知，研究 X 在某 区间上取值的概率时，该区间含不含端点，不影响概率值。即 其中为正常数.试确定常数A . 【例1】 (3 ) ?对于任意实数， a, b (a b)都有 P a X b P a X b P a P a X b b a f (x) dx 设X 是连续型随机变量，已知 X 的概率密度为 u 离散型随机变量及其分布 知识点一：离散型随机变量的相关概念； 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希腊字母ξ、η等表示 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。若ξ是随机变量，a b ηξ=+，其中a 、b 是常数，则η也是随机变量 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 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 离散型随机变量的分布列:设离散型随机变量ξ可能取的值为12i x x x ??????、ξ取每一个值()1,2,i x i =???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 知识点二：离散型随机变量分布列的两个性质； 任何随机事件发生的概率都满足:0()1P A ≤≤，并且不可能事件的概率为0，必然事件的概率为1．由此你可以得出离散型随机变量的分布列都具有下面两个性质： (1) 01,2,i p i ≥=???，；12(2) 1P P ++ = 特别提醒：对于离散型随机变量在某一范围内取值的概率等于它取这个范围内各个值的 概率的和即1()()()k k k P x P x P x ξξξ+≥==+=+ 知识点二：两点分布： 若随机变量X 的分布列: 则称 X 的分布列为两点分布列. 特别提醒：(1)若随机变量X 的分布列为两点分布, 则称X 服从两点分布,而称P(X=1) 为成功率. (2)两点分布又称为0-1分布或伯努利分布 (3)两点分布列的应用十分广泛,如抽取的彩票是否中奖；买回的一件产品是 否为正品；新生婴儿的性别；投篮是否命中等等；都可以用两点分布列来研究. 知识点三：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，则 离散型随机变量及其概率分布列 第一课时 随机变量 学习目标： 1.离散型随机变量、事件空间的概念。区分离散型随机变量和非离散型随机变量。 2.理解随机变量所表示实验结果的含义，会用合适的数表示试验的结果。 3.会求离散型随机变量：()P X a =、()P X a <、()()P X a P b X a ≤<≤、。 预习：离散型随机变量、离散型随机变量概率分布列的概念。 新课 一、随机试验、随机变量、样本空间 引例：下列2个随机试验，结果能否用数字表达？ 1.抛掷一枚质地均匀的骰子一次。 2.抛掷一枚质地均匀的硬币一次。 3.一枚电灯泡的使用寿命是否超过1000小时。 例题1 下列随机试验的结果能否用离散型随机变量表示？若能，请写出随机变量的样本空间和各个随机变量所对应的试验结果。 1.已知5件产品中有2件次品，任意一次抽取2件中含有的次品数。 2.抛掷质地均匀的2枚骰子一次，所得点数之和。 3.某球队在5次点球中，射进的球数。 4.任意抽取一瓶某种标有2500ml 的饮料，其实际量与规定量之差。 5.一枚电灯泡的使用寿命。 6.东圳水库2020年3月1日至7日，每天中午12点的水位。 练习：抛掷两枚骰子各一次，记第一枚骰子掷出的点数与第二枚骰子掷出的点数的差为ξ，试问：“ξ> 4”表示的试验结果是什么？ 二、随机变量的概率 例题2 抛掷一枚质地均匀的骰子，数值X 表示抛掷出的点数。 （1）求X 的样本空间； （2）(5)P X =； （3）(5)P X <； （4）(5)P X ≤； （5）(35)P X <≤； （6）抛掷出偶数； 练习：投掷2枚质地均匀的硬币一次，用X 表示投掷出的正面数。求下列事件的概率。 （1）(0)P X = （2）(1)P X = 三、作业 《离散型随机变量及其分布列A 卷》1，2，3，5，8,10 《离散型随机变量及其分布列B 卷》3，5，7，11，13，15，16. 第二课时 随机变量的概率分布列 学习目标： 1. 随便变量概率分布列的概念。 2. 会求简单的离散型随机变量的概率分布列。认识概率分布列对刻画随机现象的重要性。 3. 掌握超几何分布概率分布列。 预习：随机变量概率分布列的概念 一、复习导入 1.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 随机变量常用希腊字母ξ、η等表示 2. 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 3．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几个重要的离散型随机变量的分布列
连续型随机变量
几种常用连续型随机变量
连续型随机变量
选修2-3离散型随机变量及其分布知识点
讲连续型随机变量分布与随机变量的函数的分布
连续型随机变量的分布与例题讲解
连续型随机变量及其分布(精)
连续型随机变量的分布与例题讲解
连续型随机变量2-3
选修2-3离散型随机变量及其分布知识点
离散型随机变量及其概率分布列(学生版)
相关主题
文本预览