- 1、本文档共19页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
《文科高等数学》 liushuhuan@163.com 第十一讲(1) -------随机变量及分布 数学教研室:刘淑环 随机变量及分布 一、随机变量概念 二、离散型随机变量及概率分布 三、连续型随机变量及概率密度 四、随机变量分布函数 一、随机变量概念 事件及 事件概率 随机变量及其 取值概率 随机变量分类 离散型随机变量 连续型随机变量 所有取值可以逐个 一一列举 全部可能取值不仅 无穷多,而且还不能 一一列举,而是充满 一个区间. 一元随机变量 一元离散型随机变量 一元连续型随机变量 (1)随机变量取值的概率 (2)随机变量取值在某区间的概率 随机变量分类 其中 (k=1,2, …) 满足: k=1,2, … (1) (2) 用这两条性质判断 一个函数是否是 概率函数 二、离散型随机变量概率分布 定义1 :设xk(k=1,2, …)是离散型随机变量X所取的一切可能值,称 为离散型随机变量X的概率函数或分布律,也称概率分布. k=1,2,… … 从中任取3 个球 取到的白球数X是一个随机变量 X可能取的值是0,1,2 取每个值的概率为 例1 且 (1)列表法: (2)图示法 (3)公式法 任取3 球 X为取到的白球数 X可能取的值 是0,1,2 0.1 0.3 0.6 k PK 0 1 2 概率分布表示方法 连续型随机变量X所有可能取值充满一个区间, 通过给出“概率密度函数”的方式来加以描述. 三、连续型随机变量 ,使得对任意 , 有 对于随机变量 X ,如果存在非负可积函数f(x) , x 则称 X为连续型随机变量,称 f(x)为 X 的概率 密度函数,简称为概率密度或密度. 连续型随机变量概率密度 概率密度函数的性质 这两条性质是判定一个 函数 f(x)是否为某随机 变量X的概率密度函数的 充要条件. f (x) x o 面积为1 密度函数 f (x)在某点处a的高度,并不反映X取值的概率. 但是,这个高度越大,则X取a附近的值的概率就越大. 也可以说,在某点密度曲线的高度反映了概率集中在该点附近的程度. f (x) x o 概率密度与概率的区别 对连续型 随机变量 X,有 离散型和连续型随机变量区别联系 问题:能不能对它们给出一种统一的描述方法? 这就是分布函数. x P(x) o 分别用概率函数和密度函数描述 . f (x) x o 设 X 是一个随机变量,称 为 X 的分布函数. 记作 X ~ F(x) 或 FX(x). 如果将 X 看作数轴上随机点的坐标,那么分布函数 F(x) 的值就表示 X落在区间 的概率. 四、分布函数 由定义,对任意实数 x1x2,随机点落 在区间( x1 , x2 ] 的概率为: P{ x1X x2 } = P{ X x2 } - P{ X x1 } = F(x2)-F(x1) 设离散型随机变量X 的概率函数是 P{ X=xk } = pk , k =1,2,3,… 由于F(x) 是 X 取 的诸值 xk 的概率之和, 故又称 F(x) 为累积概率函数. 则 F(x) = P(X x) = 离散型随机变量分布函数 即分布函数是密度函数的变上限的定积分. 若 X 是连续型随机变量, X ~ f (x) , 则 由上式可得,在 f (x)的连续点, 连续型随机变量分布函数 liushuhuan@163.com 数学教研室:刘淑环 * * * * * *
文档评论(0)