- 1、本文档共53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)。
查看更多
精品若离散型随机变量X的分布律为课件
第二章 随机变量;第一节 随机变量及其分布函数;证明:;;由概率的
连续性得:;例1: 口袋里装有3个白球2个红球,从中任取三个球,
求取出的三个球中的白球数的分布函数;于是,X的分布函数为:; 例2: 考虑如下试验:在区间[0,1]上任取一点,记录它的坐标X。那么X是一随机变量,根据试验条件可以认为X取到[0,1]上任一点的可能性相同。求X的分布函数。 ;; 第二节 离散型随机变量及其分布;分布律的两条基本性质:;(1)确定常数a的值;(2)求X的分布函数;(2)由分布函数计算公式易得X的分布函数为:;两点分布;若离散型随机变量X的分布律为;当n=1时,二项分布化为:
P{X=k}=pk(1-p)1-k k=0,1 ;例4: 某交互式计算机有10个终端,这些终端被各个单位独立使用,使用率均为0.7,求同时使用的终端不超过半数的概率。;泊松定理 设 λ0是一常数,n是任意整数,设npn=λ,则对任意一固定的非负整数k,有;定理的条件npn=λ,意味着n很大时候pn必定很小。因此当n很大,p很小时有近似公式 ;例5: 有同类设备300台,各台工作状态相互独立。已知每台设备发生故障的概率为0.01,若一台设备发生故障需要一人去处理,问至少需要配备多少工人,才能保证设备发生故障而不能及时修理的概率小于0.01?;泊松(Poisson)分布;例6: 放射性物质在规定的一段时间内,其放射的粒子数X服从泊松分布。罗瑟福和盖克观察与分析了放射性物质放出的?粒子个数的情况。他们做了2608次观察(每次时间为7.5秒),整理与分析如表所示:;0.007;设想把体积为V的放射性物质分割为n份相同体积
△V 的小块,并假定:;在这两条假定下,1秒内这一放射性物质放出k个粒子这一事件,可近似看作该物质的n个独立的小块中,恰有k小块放出粒子。;第三节 连续随机变量及其分布;由性质(2)知:
介于曲线y=f(x)与Ox轴之间的面积等于1(见图1)。;(1)若X为具有概率密度f(x)的连续型随机变量。则有;在计算连续型随机变量X落在某一区间的概率时,可以不必区分该区间是开区间或闭区间或半开半闭区间,即有;求:(1)常数a;(2)
(3)X的分布函数F(x);;则称X在区间(a,b)上服从均匀分布,记为X~U(a,b),;概率密度函数f(x)与分布函数F(x)的图形可用图示;设连续型随机变量X具有概率密度;f(x)和F(x)可用图形表示;利用 可以证明 ,;(1) 最大值在x=μ处,最大值为 ;;当?固定,改变?的值,y=f(x)的图形沿Ox轴平移而不改变形状,故 又称为位置参数。若?固定,改变?的值,y=f(x)的图形的形状随?的增大而变得平坦。;参数? =0,?=1的正态分布称为标准正态分布,记为X~N(0,1)。其概率密度函数和分布函数分别用 和
表示,即;由正态密度函数的几何特性易知 ;例2: 设X~(0,1),求P{1X2},P{ }.;比较两个概率的大小就知应选甲厂的产品。 ;比较两个概率的大小就知应选乙厂的产品。 ;第四节 随机变量函数的分布;(2) Y=-2X2分布律为
Y -18 -8 -2 0
P 0.3 0.3 0.3 0.1;对此类问题,先由X的取值xk,(k=1,2…)
求出Y=g(X)的取值yk=g(xk),(k=1,2…);; 设X为连续型随机变量,具有概率密度fX(x)。又Y=g(X),在大部分情况下Y也是连续型随机变量。为了求出Y的概率密度fY(y),可以先求出Y的分布函数FY(y);例2: 设连续型随机变量X具有概率密度;例3 : 设随机变量X~N(0,1),求Y=X2的概率密度fY(y)。;定理 设随机变量X具有概率密度fX(x)。函数g(x)为(-∞,+∞)内的严格单调的可导函数,则Y=g(X)也是一个连续型随机变量,且Y的概率密度函数为;?若y=g(x) 严格单调下降,同样可以证明: ;例4: 设随机变量X~N( ),求Y=aX+b(a≠0)的概率密度fY(y)。 ;GhVcj+i-2pZt)tKGafQEK!dvFz6l+7De+XIiLQsC4%(8mur6wrTDHZeDX%ReeLyEXcARTC$V9WRX-88tA8az5WFm%kcCt!2+WGvwNklY+ZB4Hg14xnPRz4C1GpsVM8e1NjF#*Q82q2(19fc$mnYT0x4OkPFPjo1sEJL
文档评论(0)