第一节随机变量及其分布函数

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}

随机变量及其分布

一、随机变量

用来表示随机现象结果的变量称为随机变量。常用大写字母X，Y，Z等表示随机变量，而它们的取值用相应的小写字母x，y，z等表示。

假如一个随机变量仅取数轴上有限个点或可列个点(见图1.3-1)，则称此随机变量为离散随机变量，或离散型随机变量。

假如一个随机变量的所有可能取值充满数轴上一个区间(a，b)(见图1.3-2)，则称此随机变量为连续随机变量，或连续型随机变量，其中a可以是-∞，b可以是+∞。

[例1.3-11产品的质量特性是表征产品性能的指标，产品的性能一般都具有随机性，所以每个质量特性就是一个随机变量。例如:

(1)设X是一只铸件上的瑕疵数，则X是一个离散随机变量，它可以取0，1，2，„等值。可用随机变量X的取值来表示事件:“X=0”表示事件“铸件上无瑕疵”，“X=2”表示事件“铸件上有两个瑕疵”，“X>2”表示事件“铸件上的瑕疵超过两个”等等。这些事件有可能发生，也可能不发生。因为X取0，1，2，„等值是随机的。类似地，一平方米玻璃上的气泡数、一匹布上的疵点数、一台车床在一天内发生的故障数都是取非负整数{0，1，2，3，„}的离散随机变量。

(2)一台电视机的寿命X(单位:小时)是在[0，∞)上取值的连续随机变量:“X=0”表示事件“一台电视机在开箱时就发生故障”，“X≤10000”表示事件“电视机寿命不超过10000小时”，“X>40000”表示事件“电视机寿命超过40000小时”。

(3)检验一个产品，结果可能是合格品，也可能是不合格品。设

X表示检验一个产品的不合格品数，则X是只能取0或1两个值的随机变量。“X=0”表示合格品，“X= 1”表示不合格品。类似地，检验10个产品，其中不合格品数X是仅可能取0，1，„，10等11个值的离散随机变量。更一般的，在n个产品中的不合格品数X是可能取0，1，2，„，n等n+1个值的离散随机变量。

第二章 随机变量及其概率分布

在随机试验中，人们除对某些特定事件发生的概率感兴趣外，往往还关心某个与随机试验的结果相联系的变量. 由于这一变量的取值依赖于随机试验结果，因而被称为随机变量.

与普通的变量不同，对于随机变量，人们无法事先预知其确切取值，但可以研究其取值的统计规律性. 本章将介绍两类随机变量及描述随机变量统计规律性的分布.

第一节 一维随机变量及其分布函数

内容分布图示

★ 随机变量概念的引入

★ 随机变量的定义

★ 例1 ★ 例2 ★ 例3

★ 引入随机变量的意义

★ 课堂练习

★ 习题2-1

内容要点:

一、随机变量概念的引入

为全面研究随机试验的结果, 揭示随机现象的统计规律性, 需将随机试验的结果数量化，即把随机试验的结果与实数对应起来.

1. 在有些随机试验中, 试验的结果本身就由数量来表示.

2. 在另一些随机试验中, 试验结果看起来与数量无关,但可以指定一个数量来表示之.

二、随机变量的定义

定义 设随机试验的样本空间为S, 称定义在样本空间S上的实值单值函数)(eXX为随机变量.

随机变量与高等数学中函数的比较:

(1) 它们都是实值函数,但前者在试验前只知道它可能取值的范围,而不能预先肯定它将取哪个值;

(2) 因试验结果的出现具有一定的概率,故前者取每个值和每个确定范围内的值也有一定的概率.

三、引入随机变量的意义

随机变量的引入,使得随机试验中的各种事件可通过随机变量的关系式表达出来.

由此可见,随机事件这个概念实际上是包容在随机变量这个更广的概念内.也可以说,随机事件是从静态的观点来研究随机现象,而随机变量则以动态的观点来研究之.其关系类似高等数学中常量与变量的关系.

随机变量概念的产生是概率论发展史上的重大事件. 引入随机变量后,对随机现象统计规律的研究,就由对事件及事件概率的研究转化为随机变量及其取值规律的研究,使人们可利用数学分析的方法对随机试验的结果进行广泛而深入的研究.

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。