本文深入探讨了概率论与数理统计中的随机变量及其分布，包括随机变量的概念、分布函数的性质、离散型随机变量的分布律、连续型随机变量的概率密度函数，以及随机变量函数的分布。重点讲解了二项分布、泊松分布、几何分布、均匀分布、指数分布和正态分布等重要分布，并阐述了如何通过分布函数求概率以及如何由分布函数推导随机变量函数的分布。
文章目录
随机变量与分布函数
1.随机变量
设E是一个随机试验，其样本空间为Ω={ω}，如果对于每一个样本点ω∈Ω，都有唯一一个实数X(ω)与之对应，则称X(ω)为一维随机变量，通常用X,Y,Z,···表示随机变量。
通俗来讲，随机变量就是在每次试验结束后我们所关注的与结果有关的变量。（例如：我们在掷骰子时，我们往往可能关注的是每次掷完骰子后两骰子的点数之和，而不会在意具体两枚骰子的点数，像这种“两骰子的点数之和”变量就可以是这个试验的随机变量）
2.分布函数
设X是一个随机变量，x是任意实数，则函数F(x)=P{X≤x}称为X的分布函数
基本性质
（1）单调性：F(x)是一个单调不减的函数，即当x1<x2时，F(x1)<F(x2)
（2）有界性：0≤F(x)≤1，且
F ( + ∞ ) = lim x − > + ∞ F ( x ) = 1 F(+\infty)=\lim_{x->+\infty }F(x)=1 F(+∞)=limx−>+∞F(x)=1 F ( − ∞ ) = lim x − > − ∞ F ( x ) = 0 F(-\infty)=\lim_{x->-\infty }F(x)=0 F(−∞)=limx−>−∞F(x)=0
（3）连续性：F(x+0)=F(x),即F(x)是右连续函数（x+0这里为x处的右极限）
3.由分布函数求概率
P { a < X ≤ b } = P { X ≤ b } − P { X ≤ a } = F ( b ) − F ( a ) P\{a<X≤b\}=P\{X≤b\}-P\{X≤a\}=F(b)-F(a) P{ a<X≤b}=P{ X≤b}−P{ X≤a}=F(b)−F(a)
随离散型随机变量及其分布
1.一维离散型随机变量
若随机变量X的全部可能取值是有限个或可列个（或者该随机变量X的概率1以一定规律分布在各个可能的值上），则称X为离散型随机变量
2.分布律
离散型随机变量X所有可能取值为 x k x_{k} xk（ k k k=1,2,···），事件{
x k x_{k} xk}的概率为P{
x k x_{k} xk}= p k p_{k} pk（ k k k=1,2,···），则称P{X= x k x_{k} xk}= p k p_{k} pk（ k k k=1,2,···）为X的分布律或分布列。
分布律也可以写成表格形式：
| X | x 1 x_{1} x1 x 2 x_{2} x2 ⋅ ⋅ ⋅ ··· ⋅⋅⋅ x k x_{k} xk ⋅ ⋅ ⋅ ··· ⋅⋅⋅ |
|---|---|
| P | p 1 p_{1} p1 p 2 p_{2} p2 ⋅ ⋅ ⋅ ··· ⋅⋅⋅ p k p_{k} pk ⋅ ⋅ ⋅ ··· ⋅⋅⋅ |
离散型随机变量的分布律的性质：
（1）P{X= x k x_{k} xk}= p k p_{k} pk≥0, k k k=1,2,···
（2） ∑ k \sum_{k} ∑kP{X= x k x_{k} xk}= ∑ k p k \sum_{k}p_{k} ∑kpk=1
3.离散型随机变量
（1）如果已知X的分布律为P{X= x k x_{k} xk}= p k p_{k} p
最低0.47元/天 解锁文章
扫一扫
329
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
