随机变量及其分布课件.ppt
《随机变量及其分布课件.ppt》由会员分享,可在线阅读,更多相关《随机变量及其分布课件.ppt(85页珍藏版)》请在三一办公上搜索。
1、随机变量的概念(1),随机试验的可能结果不止一个.例如:考察投掷两颗骰子的随机试验,假设这两颗骰子是可以分辨的,其样本空间为:S = (1,1), (1,2), , (1,6), (2,1), (2,2), , (6,6)在某些情况下,人们主要感兴趣的不是试验结果本身,而是与试验结果有关的某个数.例如:如果人们关心两颗骰子掷出的点数之和是否等于7,实际上就不会在乎其结果是(1,6)还是(2,5).,有些随机试验的结果本身是一个数,例如:某出租车公司的电话订车中心,一天之内接到订车电话的次数;某射手对一活动靶进行射击,到击中目标为止,所进行的射击次数;从一批灯泡中,任取一只,测定这只灯泡的寿命.
2、有些随机试验的结果看起来与数量无关,例如:投掷一枚硬币,其基本事件为“正面向上”、“反面向上”;在有两个孩子的家庭中,考虑孩子的性别,其基本事件为“男男”、“男女”、 “女男”、 “女女”.,如果我们将随机试验的结果数量化,使之与实数对应起来,我们就有可能利用数学分析的方法对随机试验的结果进行深入广泛的研究.,随机变量的概念(2),定义:随机变量是定义在样本空间 S 上的实值函数.,P(B),P(A),是定义在样本空间 S 上的函数,附注:随机变量与普通函数有着本质的区别.随机变量是一种因变量(而非自变量),它的取值依赖于样本点,所以其定义域是抽象的样本空间.随机变量的取值随试验的结果而定,而
3、试验各个结果的出现有一定的概率,因而随机变量的取值也有一定的概率.随机变量常用大写字母X, Y, Z, 表示,而以小写字母x, y, z, 表示实数.若 L 是一个实数集合,则集合e | X(e) L表示样本空间 S 中满足X(e) L的所有样本点组成的子集(随机事件).,实例1 掷一个硬币,观察出现的结果,共有两种情况:,若用X 表示掷一个硬币出现正面的次数,则有,即X(e)是一个随机变量.,实例2 在有两个孩子的家庭中,考虑其性别,共有4个样本点:,若用X表示该家庭女孩的人数时,则有,可得随机变量,若假设男孩和女孩的出生率相等,则,2 离散型随机变量及其分布律,离散型随机变量,定义:若随机
4、变量只能取有限个或可列个数值,则称为离散型随机变量.,随机变量,离散型随机变量,非离散型随机变量,附注:随机变量与普通函数有着本质的区别.随机变量是一种因变量(而非自变量),它的取值依赖于样本点,所以其定义域是抽象的样本空间.随机变量的取值随试验的结果而定,而试验各个结果的出现有一定的概率,因而随机变量的取值也有一定的概率.随机变量常用大写字母X, Y, Z, 表示,而以小写字母x, y, z, 表示实数.若 L 是一个实数集合,则集合e | X(e) L表示样本空间 S 中满足X(e) L的所有样本点组成的子集(随机事件).,设离散型随机变量 X 的所有可能取值为 ,且,离散型随机变量的分布
5、,分布律,显然,下列两个条件必定成立:(1) (2),也可以用表格的形式来表示,例:,对技术熟练的射手甲对新手乙X和Y 是不同的随机变量.,结论:概率1,以不同的方式分布到各可能取值,就确定不同的随机变量.,游戏规则:落在e0区域得0分;落在e1区域得1分;落在e2区域得2分,例:已知随机变量 X 的概率分布描述如下:试求出 X 的分布.,例:若随机变量X 只取常数值a ,即 ,则称X 服从退化分布或单点分布.附注:其实X 并不随机,但有时将它看作是随机变量更为方便,这是概率集中在一点a 处的退化情形.,独立试验序列,定义:若一个随机试验只有两种可能结果: A(称为“成功”)与A(称为“失败”
6、),两者发生的概率分别为: (成功概率), (失败概率),则此类试验称为成功概率为 p 的伯努利试验.,定义:将一个伯努利试验独立重复进行 n 次,得到的试验序列称为 n 重伯努利试验.,附注:所谓独立重复进行一个伯努利试验,是指每一次试验都是伯努利实验,只能发生 或 .“重复”是指在每次试验中成功概率 P(A) = p 保持不变.“独立”是指每一次试验的结果互不影响,即若以 Ci 表示第 i 次试验的结果,则 P(C1C2 Cn) = P(C1) P(C2) P(Cn) .,两点分布,在成功概率 P(A) = p 的伯努利试验中,事件 A 出现的次数 X 只能等于0 或 1,且它的分布律是,
7、即 其中,不难验证:所以这是一个概率分布,称 X 服从两点分布.,说明,对于一个随机试验,如果样本空间只包含两个元素,即S = e1, e2我们总能在 S 上定义一个服从两点分布的随机变量来描述这个随机试验的结果(课本P.41),二项分布(Binomial Distribution ),在成功概率 P(A) = p 的 n 重伯努利试验中,事件 A 出现的次数 X 可能等于 ,且它的分布律,不难验证:所以这是一个概率分布,称为二项分布,简记作 .,特别的,当 n = 1时,二项分布就是两点分布.,例:(产品抽样检验模型)设 N 件产品有 M 件次品,从中任取一件产品进行检验,则结果可能是:A(
8、“次品”)或 A(“正品”),这是成功概率 的伯努利试验. 若采取“放回抽样”,接连抽取 n 次,那么这样的抽检形成一个的 n 重伯努利试验.若采取“不放回抽样”,接连抽取 n(N)次,那么这样的抽检不能视作 n 重伯努利试验.当产品总量 N 很大时,抽出少数几件不致影响次品率,故也可将不放回地接连抽取 n(远小于 N)次的检验看成 n 重伯努利试验.,例:按规定,某种型号电子元件的使用寿命超过1500小时的为一级品. 已知某一大批产品的一级品率为0.2,现在从中随机地抽查20只,问20只元件中恰有 k 只(k =0,1,20)为一级品的概率是多少?,解:记20只元件中一级品的只数为X,那么X
9、 b(20, 0.2),于是,分析:这是不放回抽样当产品总量 N 很大时,抽出少数几件不致影响一级品率,故也可将不放回地接连抽取 n(远小于N)次的检验看成 n 重伯努利试验.,例:某人进行射击,设每次射击的命中率为0.02,独立射击400次,试求至少击中两次的概率.,解:记400次射击中命中的次数为X,那么X b(400, 0.02),于是,结论:只要试验的次数足够多,而且试验是独立进行的,那么小概率事件几乎肯定发生,决不能忽视小概率事件.,例:设有80台同类型的设备,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由一个人处理考虑两种配备维修工人的方法,其一是由4人维修
10、,每人负责20台;其二是由3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得到及时维修的概率的大小,解:先讨论第二种方法设80台设备同一时刻发生故障的台数为X,则X b(80, 0.01),所求概率为,再设第 i 个人负责的20台设备同一时刻发生故障的台数为X,则X b(20, 0.01),于是,解:(续)再讨论第一种方法设Ai表示事件“第 i 个人负责的20台设备发生故障不能得到及时维修”,则所求概率为,结论:尽管第二种方法尽管任务重了(每人平均维护约27台),但工作效率不仅没降低,反而提高了.,解:假设需要发射 n 枚导弹,则击中来犯敌机的导弹数是随机变量X b(n, 0.96),于
11、是又因为所以从而取 n = 3,即需要发射3枚导弹,例:已知发生一枚地对空导弹击中来犯敌机的概率为0.96,问需要在相同条件下发射多少枚导弹才能保证至少有一枚导弹击中来犯敌机的概率大于0.999?,解:因为全是瞎蒙,所以每道题的任一 个答案被选中的概率都是相等的,每做一道题就是进行一次成功概率为1/n 的伯努利试验设答对的题目数量X b(5, 1/n),于是这人考试及格的概率为当 n = 3 时,当 n = 4 时,,例:一个完全不懂英语的人去瞎蒙一次大学英语四级考试设此考试有5道选择题,每题给出 n 个答案以供选择,其中只有一个答案正确试问这人居然答对3题以上从而及格的概率,泊松分布(Poi
12、ssion Distribution),若随机变量 X 以 作为其一切可能取值,且其中常数 ,则称 X 服从泊松分布,简记作 .,不难验证:所以这是一个概率分布.,历史上,泊松分布是作为二项分布的近似,于1837年由法国数学家泊松引入的 近数十年来,泊松分布日益显示其重要性,成为概率论中最重要的几个分布之一 在实际中,许多随机现象(近似)服从泊松分布 二十世纪初罗瑟福和盖克两位科学家在观察与分析放射性物质放出的粒子个数的情况时,他们做了2608 次观察(每次时间为7.5 秒)发现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.,泊松分布的背景及应用,在生物学、医学、工业统计、保险
13、科学及公用事业的排队等问题中,泊松分布是常见的.例如地震、火山爆发、特大洪水、交换台的电话呼唤次数等,都服从泊松分布.,泊松分布与二项分布的关系,3 随机变量的分布函数,随机变量是定义在样本空间 S 上的实值单值函数.若 L 是一个实数集合,则集合 表示样本空间 S 中满足 的所有样本点组成的随机事件.若随机变量只能取有限个或可列个数值,则称为离散型随机变量.离散型随机变量的分布律必满足:(1)(2),知识点回顾,引言,非离散型随机变量,由于其可能取的值不能一个一个地列举出来,因而就不能像离散型随机变量那样用分布律来描述在实际中,对于非离散型随机变量,如:误差,元件的寿命 T 等,人们感兴趣的
14、往往并不是误差 =0.05(mm), 寿命T = 1251.3(h)的概率,而是考虑误差落在某个区间的概率,寿命大于某个数的概率,随机变量的分布函数,随机变量 X 与任意实数 x 的关系式 对应着随机事件 概率 与实数 x 的值有关,是实数变量 x 的函数,即 ,称为随机变量 X 的分布函数备注:分布函数的定义域是实数集 R,X,X,b,a,a,用数学分析的方法研究随机变量成为可能!,随机变量 X 的分布函数,0,x2,X,x1,分布函数的性质,性质1: 单调不减,即若 ,则必有 .,性质2: ,且 , .,性质3: 在每一点 处均为右连续,即有,等价于,例:设随机变量 X 的分布律为: 求
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 随机变量 及其 分布 课件

链接地址:https://www.31ppt.com/p-1867510.html