.
整理 5.离散型随机变量及其分布律
【教学内容】：高等教育出版社浙江大学盛骤，谢式千，潘承毅编的《概率论与数理统计》
第二章第§2离散型随机变量及其分布律
【教材分析】：概率论考察的是与各种随机现象有关的问题，并通过随机试验从数量的侧面来研究随机现象的统计规律性，由此，就把随机试验的每一个可能的结果与一个实数联系起来。随机变量正是为了适应这种需要而引进的，随机变量的引入有助于我们应用微积分等数学工具，把研究深入，一维离散型随机变量是随机变量中最简单最基本的一种。
【学情分析】：
1、知识经验分析
学生已经学习了概率的意义及概率的公理化定义，学习了事件的关系及运算，掌握了概率的基本计算方法。
2、学习能力分析
学生虽然具备一定的基础的知识和理论基础，但概念理解不透彻，解决问题的能力不高，方法应用不熟练，知识没有融会贯通。
【教学目标】：
1、知识与技能：
了解离散型随机变量的分布律，会求某些简单的离散型随机变量的分布律列；掌握伯努利试验及两点分布，
2、过程与方法
由本节内容的特点，教学中采用启发式教学法，通过教学渗透由特殊到一般的数学思想，发展学生的抽象、概括能力。
3、情感态度与价值观
通过引导学生对解决问题的过程的参与，使学生进一步感受到生活与数学“零距离”，从而激发学生学习数学的热情。
【教学重点、难点】：
重点：掌握离散型随机变量的概念及其分布律、性质，理解伯努利试验，两点分布。 .
整理 难点：伯努利试验，两点分布。
【教学方法】：讲授法 启发式教学法
【教学课时】：1个课时
【教学过程】：
一、问题引入（离散型随机变量的概念）
例1：观察掷一个骰子出现的点数。
随机变量 X 的可能值是 ： 1， 2， 3， 4， 5， 6。
例2若随机变量 X 记为 “连续射击， 直至命中时的射击次数”， 则 X 的可能值是： 1,2,3,.
第二章 一维随机变量及其分布
考试内容
随机变量 随机变量分布函数的概念及其性质 离散型随机变量的概率分布 连续型随机变量的概率密度 常见随机变量的分布 随机变量函数的分布
考试要求
1． 理解随机变量的概念，理解分布函数的概念及性质，会计算与随机变量相联系的事件的概率。
2． 理解离散型随机变量及其概率分布的概念，掌握0—1分布、二项分布B（n,p）、几何分布、超几何分布、泊松（Poisson）分布P（
）及其应用。
3． 了解泊松定理的结论和应用条件，会用泊松分布近似表示二项分布。
4． 理解连续型随机变量及其概率密度的概念，掌握均匀分布U（a,b）、正态分布N（
）、指数分布及其应用，其中参数为
的指数分布E（
）的概率密度为
会求随机变量函数的分布。
本章导读 本章的核心内容是8大分布函数及其对应的模型；如何根据定义求的函数分布一般方法。介绍了作者用于分布函数求一维分布的直角分割法秘技。分布函数的定义历来是使读者感到迷茫的知识点，如为什么要求分布函数必须右连续等问题？目前的教材和参考书的讲法都不清晰，作者系统地揭开了这一神秘数学面纱。
一、 随机变量
1概 念
随机试验的每一个可能的结果
（即每一基本事件），对应样本间的集合
中每一元素，我们都可以设令一个实数
来表示该元素，显然，
为实值单值函数
，称
为随机变量。对
，我们试验前无法确定，也就无法事先确定
的值，只有在试验后才会知道
的值，但
取值一定服从某种确定的分布。
随机变量与普通函数区别有三，第一，随机变量定义域为样本空间的基本事件；第二，随机变量取值是随机的，只有它取每一个可能值有确定的概率；第三，随即变量是随机事件的人为数量化，而且这种数值只是一种符号表示。比如：将一枚硬币抛三次，以
表示三次投掷中出现正面
的总次数，那么，对于样本空间
中的每一个样本点
，
都有一个值与之对应，即
样本点
一维随机变量定义
随机变量是概率论和统计学中的重要概念，它描述了一种随机现象的可能取值及其对应的概率。一维随机变量是指只有一个自变量的随机变量，在数学和物理学等领域得到广泛应用。本文将介绍一维随机变量的定义、特性以及在实际问题中的应用。
一维随机变量是指只有一个自变量的随机变量，其取值范围通常是实数集。一维随机变量可以是离散型的，也可以是连续型的。离散型随机变量的取值是有限或可数的，例如抛硬币的结果可以是正面或反面，取值只有两个；连续型随机变量的取值是无限的，例如测量某一物理量的结果可以是任意实数。
一维随机变量的定义需要给出其取值和对应的概率分布。对于离散型随机变量，可以通过列举所有可能的取值和其对应的概率来定义；对于连续型随机变量，可以通过概率密度函数来定义。
在概率论中，一维随机变量的特性可以通过其期望、方差等统计量来描述。期望是随机变量取值的加权平均值，用于衡量随机变量的中心位置；方差是随机变量取值与期望的偏离程度的平方的加权平均值，用于衡量随机变量的离散程度。
一维随机变量在实际问题中的应用非常广泛。例如，在风险管理领域，我们可以用一维随机变量来描述股票价格的变动情况，从而进行风险评估和投资决策；在工程领域，我们可以用一维随机变量来描述材料的强度分布，从而进行结构设计和安全评估。
在自然语言处理领域，一维随机变量也起着重要的作用。例如，我们可以用一维随机变量来描述文本中词的出现频率分布，从而进行文本分类和情感分析；我们还可以用一维随机变量来描述句子的长度分布，从而进行句子生成和语言模型训练。
一维随机变量是概率论和统计学中的重要概念，它通过描述随机现象的可能取值及其对应的概率，帮助我们理解和解决实际问题。理解一维随机变量的定义和特性，掌握其应用方法，对于提升数学和统计学的能力，以及应用概率论和统计学解决实际问题具有重要意义。通过学习和实践，我们可以进一步探索一维随机变量在更广泛领域的应用，为科学研究和工程实践提供有力支持。
一维离散型随机变量的分布函数
一维离散型随机变量及其概率分布
如果随机变量 X 只可能取有限个值 x1,x2,... ，则称X为离散型随机变量，称 P{X=xi}=pi,i=1,2,... 为X 的分布律或概率分布，记为 X∼pi ，概率分布常用表格或矩阵形式表示，即 X∼(x1x2⋯p2p2⋯) 。
数列 {pi} 是离散型随机变量的概率分布的充要条件： pi≥0 (i=1,2,...) ，且 ∑ipi=1 。
设离散型随机变量 X 的概率分布为 P{X=xi}=pi ，则 X的分布函数为 F(x)=P{X≤xi}=∑x≤xiP{X=xi}=∑x≤xi(P{X≤xi}−P{X 一点的概率： P{X=xi}=P{X≤xi}−P{X 区间的概率： P{a
