资源预览内容
第1页 / 共104页
第2页 / 共104页
第3页 / 共104页
第4页 / 共104页
第5页 / 共104页
第6页 / 共104页
第7页 / 共104页
第8页 / 共104页
第9页 / 共104页
第10页 / 共104页
亲,该文档总共104页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
第二章随机变量及其分布 随机变量概率分布函数离散型随机变量连续型随机变量随机变量的函数 第一节随机变量 在上一章中 我们把随机事件看作样本空间的子集 这一章里我们将引入随机变量的概念 用随机变量的取值来描述随机事件 一 随机变量 引例 E1 将一枚硬币连掷两次 观察正反面出现的情况 e1 正 正 2e2 正 反 1e3 反 正 1e4 反 反 0 令X 正面出现的次数 则X是一个随着试验结果不同而取值不同的量 其对应关系如下 由上可知 对每一个样本点e 都有一个X的取值X e 基本结果 e 正面出现的次数X e 与之对应 我们把X称为定义在这个试验上的随机变量 E2 掷一枚骰子 观察出现的点数 令X 正面出现的点数 E3 某产品的使用寿命X X 0 E4 掷一枚质地均匀的硬币 观察正反面出现的情况 一般地 对每一个随机试验 我们都可以引入一个变量X 使得试验的每一个样本点都有一个X的取值X e 与之对应 这样就得到随机变量的概念 1 随机变量的定义 设E是一个随机试验 其样本空间为S e 在E上引入一个变量X 如果对S中每一个样本点e 都有一个X的取值X e 与之对应 我们就称X为定义在随机试验E的一个随机变量 2 引入随机变量的目的 用随机变量的取值范围表示随机事件 利用高等数学的工具研究随机现象 事件 正面至少出现一次 可表示为 X 1 2 随机变量的说明 1 随机变量的表示 常用字母X Y Z 表示 例如 上例中 事件 正面出现两次 可表示为 0 X 2 表示事件 正面至少出现一次 X 2 例如 上例中P X 2 1 4 P X 3 4 P 0 X 2 3 4 随机变量的取值具有一定的概率 4 随机变量的类型 这两种类型的随机变量因其取值方式的不同各有特点 学习时注意它们各自的特点及描述方式的不同 具有随机性 在一次试验之前不知道它取哪一个值 但事先知道它全部可能的取值 3 随机变量的特点 离散型与连续型随机变量 例1 用随机变量的取值表示随机事件 一报童卖报 每份报0 50元 其成本为0 30元 报馆每天给报童1000份报纸 并规定卖不出的报纸不得退回 解 分析 当0 50X 1000 0 3时 报童赔钱 故 报童赔钱 X600 令X 报童每天卖出的报纸份数 试将 报童赔钱 这一事件用X的取值表示出来 1 随机变量X可能取哪些值 2 随机变量X取某个值的概率是多大 3 随机变量的概率分布 引入随机变量后 上述说法相应变为下列表述方式 对于一个随机试验 我们关心下列两件事情 1 试验会发生一些什么事件 2 每个事件发生的概率是多大 对一个随机变量X 若给出了以上两条 我们就说给出了随机变量X的概率分布 也称分布律 这一章我们的中心任务是学习离散型随机变量与连续型随机变量的概率分布 2离散型随机变量及其分布 如果随机变量X所有可能的取值是有限个或无穷可列个 则称X为离散型随机变量 一 离散型随机变量的定义及其分布律 1 离散型随机变量的定义 2 离散型随机变量的分布律 要掌握一个离散型随机变量的分布律 必须且只需知道以下两点 1 X所有可能的取值 2 X取每个值时的概率 称 1 式为离散型随机变量X的分布律 注 离散型随机变量X的分布律可用公式法和表格法描述 1 公式法 2 表格法 例1 将一枚硬币连掷两次 求 正面出现的次数X 的分布律 解 在此试验中 所有可能的结果有 e1 正 正 e2 正 反 e3 反 正 e4 反 反 于是 正面出现的次数X 的分布律 图形表示 程序 x 0 1 2 pk 1 4 2 4 1 4 figure color w plot x pk r MarkerSize 31 ylim 00 6 xlim 0 2 3 text x 1 pk 1 num2str pk 1 FontSize 21 text x 2 pk 2 num2str pk 2 FontSize 21 text x 3 pk 3 num2str pk 3 FontSize 21 figure color w plot x pk r MarkerSize 31 holdonplot x pk r ylim 00 6 holdoffxlim 0 2 3 text x 1 pk 1 num2str pk 1 FontSize 21 text x 2 pk 2 num2str pk 2 FontSize 21 text x 3 pk 3 num2str pk 3 FontSize 21 figure color w bar x pk 0 1 r ylim 00 6 text x 1 pk 1 num2str pk 1 FontSize 21 xlim 0 2 3 text x 2 pk 2 num2str pk 2 FontSize 21 text x 3 pk 3 num2str pk 3 FontSize 21 figure color w stem x pk r MarkerSize 31 ylim 00 6 xlim 0 2 3 text x 1 pk 1 num2str pk 1 FontSize 21 text x 2 pk 2 num2str pk 2 FontSize 21 text x 3 pk 3 num2str pk 3 FontSize 21 3 离散型随机变量分布律的性质 例 设随机变量X的分布律为 试求常数a 例3 设随机变量X的分布律为 试求常数a 练习 设随机变量X的分布律为 试确定常数b 解 由分布律的性质 有 解 X所有可能的取值为 0 1 2 3 例4 设有产品100件 其中3件是次品 从中有放回地任取3件 求 取得次品件数X 的分布律 这个分布其实就是将要介绍二项分布 我们先来看一个重要的试验 伯努利 Bernoulli 试验 二 伯努利 Bernoulli 试验及二项分布 1 n次独立重复试验 1 伯努利 Bernoulli 试验 将试验E重复进行n次 若各次试验的结果互不影响 则称这n次试验是相互独立的 2 n重伯努利试验 满足下列条件的试验称为伯努利 Bernoulli 试验 每次试验都在相同的条件下重复进行 每次试验只有两个可能的结果 A及 每次试验的结果相互独立 若用X表示n重伯努利试验中事件A发生的次数 则n次试验中事件A发生k次的概率为 证明 在n重贝努利试验中 事件A在前k次出现 而在后n k次不出现的概率为 若满足上述条件的试验重复进行n次 则称这一串试验为n重伯努利 Bernoulii 试验 而事件A在n次试验中发生k次的方式为 2 二项分布 用X表示n重Bernoulli试验中事件A发生的次数 则X的分布律为 此时称X服从参数为n p的二项分布 记为X B n p 例1 将一枚均匀的骰子掷4次 求3次掷出5点的概率 解 令A 掷出5点 令X 4次抛掷中掷出5点的次数 则 4次抛掷中3次掷出5点的概率为 程序和结果 x 0 4 y binopdf x 4 1 6 figure color w plot x y r MarkerSize 31 figure color w bar x y 0 1 r pxequal3 y 4 pxequal3 0 01543209876543 例2 设有80台同类型设备 各台工作是相互独立的 发生故障的概率都是0 01 且一台设备的故障能有一个人处理 考虑两种配备维修工人的方法 其一是由4个人维护 每人负责20台 其二是由3个人共同维护80台 试比较这两种方法在设备发生故障时不能及时维修的概率的大小 例3 某人骑了自行车从学校到火车站 一路上要经过3个独立的交通灯 设各灯工作独立 且设各灯为红灯的概率为p 0 p 1 以Y表示一路上遇到红灯的次数 1 求Y的概率分布律 2 求恰好遇到2次红灯的概率 解 这是三重贝努利试验 例4 某人独立射击n次 设每次命中率为p 0 p 1 设命中X次 1 求X的概率分布律 2 求至少有一次命中的概率 解 这是n重贝努利试验 同时可知 上式的意义为 若p较小 p 0 只要n充分大 至少有一次命中的概率很大 即 小概率事件 在大量试验中 至少有一次发生 几乎是必然的 例5 有一大批产品 其验收方案如下 先作第一次检验 从中任取10件 经检验无次品接受这批产品 次品数大于2拒收 否则作第二次检验 从中任取5件 仅当5件中无次品便接受这批产品 设产品的次品率为p 求这批产品能被接受的概率L p L P P A 解 设X为第一次抽得的次品数 Y为第2次抽得的次品数 则X b 10 p Y b 5 p 且 X i 与 Y j 独立 A 接受该批 例6 某公交公司有车辆300台 每台出故障的概率是0 01 求至少有295辆车能正常运行的概率 至多有5辆车出故障的概率为 解 令X 出故障的车辆数 则X B 300 0 01 至少有295辆车能正常运行 即至多有5辆车出故障 三 Poisson定理及泊松分布 设 0为一常数 n是任意正整数 设npn 则对任一固定的非负整数k 有 考虑到直接计算上式较麻烦 当n很大p很小时 有下列近似计算公式 1 Poisson定理 2 泊松分布 定义 若随机变量X所有可能的取值为0 1 2 而取每个值的概率为 则称X服从参数为 的泊松分布 Poisson 记为 1 泊松分布与二项分布的关系 这两个分布的 X 说明 数学模型都是Bernoulli概型 Poisson分布是二项分布当n很大p很小时的近似计算 程序对比泊松分布与二项分布 poisspdf k Lambda a n 20 p 0 04 b n 8 p 0 4 上两图程序代码 figure color w n 20 p 0 04 x 0 n y binopdf x n p plot x y r LineWidth 3 xlim 0 n lama n p z poisspdf x lama holdonplot x z g LineWidth 3 holdofflegend 二项分布 n 20 p 0 04 lambda n p 0 8 figure color w n 8 p 0 4 x 0 n y binopdf x n p plot x y r LineWidth 3 xlim 0 n lama n p z poisspdf x lama holdonplot x z g LineWidth 3 holdofflegend 二项分布 n 8 p 0 4 lambda n p 3 2 上述例2的解答 3 Poisson分布的应用 分别用binopdf x n p 和poisspdf k Lambda 函数编程解上一题 n 300 p 0 01 n1 5 x 0 n1 y binopdf x n p binosum sum y lama n p z poisspdf x lama Poissonsum sum z binosum 0 91709643671569Poissonsum 0 91608205796870 分别用binocdf x n p 和poisscdf k Lambda 函数编程解上一题 n 300 p 0 01 n1 5 y binocdf n1 n p binosum sum y lama n p z poisscdf n1 lama Poissonsum sum z y 0 91709643671569z 0 91608205796870 四 0 1 分布 一个只有两个结果的随机试验 都可以用 0 分布来描述 如新生婴儿的性别 打靶中与不中等等 即X的分布律为 则称X服从 0 分布 作业题 同济大学 P46 2题 5题 7题 3随机变量的分布函数 引例 设X 掷一颗骰子时掷出的点数 记 P X 1 F 1 P X 2 F 2 P X 3 F 3 一般地 对任意的实数 我们把称为随机变量X的分布函数 设X为一随机变量 为任意实数 称 为随机变量X的分布函数 2 分布函数的定义域为 值域为 注 1 分布
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号