随机变量及其分布（二）：

一，离散型随机变量

（一）

1. 随机变量：
   设随机试验的样本空间为S={e}. X=X(e) 是定义在样本空间S上的实值单值函数. 称X=X(e)为：随机变量
   （自变量x和函数y都在实数范围内取值,且对于每个x,有唯一确定的y和它对应,那么y是x的实值单值函数.
   此外,有多值函数,例如正数的平方根；还有复变函数.）
   理解：随机变量是对概率结果的研究；像是像是结果类别的多少；人们无法实现与之其确切取值，但可以研究取值的统计规律性。

2. 离散型随机变量，X只取有限个（较少的结果类）；

3. 连续性随机变量，X相对来说面向多个乃至无限个结果类别；它可以涉及时间这种连续不断；

比如：100个 不同长度的零件，现在对于离散随机变量X来说有100中{x1，x2~ x100}
对于连续性随机变量X，他可以分成几个区间（缩小为几个结果类别）；

例：

一堆苹果，数量一共有5个，有好的，有坏的，如果定义事件：从中取出一个苹果其好坏标签为X，那么X就是一个随机变量，且 X 的可能取值有两种：x0 = 好果，x1 = 坏果。明显地，这个随机变量X取值是离散的，因为只有两种情况。并且，P(X0) + P(X1) = 1，因为这个苹果要么是好的，要么是坏的。

然后，我们统计这5个苹果后，发现有2个是好果，3个是坏果，那么如果定义这种事件：从这5个苹果中任意取3个求取得的好苹果的个数 X，那么这个随机变量 X有什么特点呢？ 它与上面定义的那个随机变量就不大一样了吧，此时，X仍然是离散型随机变量，但是它可能的取值为：取到0个好苹果，1个好苹果，2个好苹果，这三种取值可能吧

（二）：
设离散型随机变量X 的所有可能取值 x1，x2，……，xn，称：

为X 的概率分布，简称：分布律
表格表示：意思是：出现随机变量X=x1结果出现的概率 为 p1

分布律具有以下性质：

例：设离散型随机变量分布律如下表：

求：概率p{ X < 1 }，p{ X <= 1};
解：


（三）：
常见的离散随机变量的概率分布

1）两点分布：像抛硬币；是否次品；等都是两种结果（单次试验）

2）二项分布：n重伯努利试验概率分布，即一件两种结果的事件重复试验的概率分布

例1：某宿舍楼每天用水量正常水平的概率是 3/4，问连续一周，正常用水量正常的天数的分布
解：最近一周正常用水天数为 X 天，n=7，p=0.75

例2：一批产品次品率 p=0.03，进行20次抽样（有放回），试求出现次品率为0.1的概率？

3）泊松分布(Possion)：近似于二项分布，且可查表（方便计算）

近似二项分布时，当重复的次数 n 较大，且单次发生概率 p 很小则有近似：

某台机器，由1000个元件组成，而没见元件一年中发生故障的概率为 0.002，且相互独立，求
（1）1年内两个元件故障的概率（X=2）；
（2）在一年中至少有两个元件发生故障的概率（X >= 2）；

二，连续型随机变量

（一）：概率密度函数
若存在非负数函数 f（x），使得随机变量在（a，b】 区间中任取一值的概率可以表示为：
（也就是概率可以表示成面积）

则称为X为连续型变量，f（x）为概率密度函数；

性质一：全积分为1（总面积）

性质二：对于任意实数a ，总有：
（几何意义其实表示的仅仅是一条直线，面积近似为0，即概率为0）
（概率为0的事件不一定是不可能发生事件，因为几何意义来讲是直线面积趋近于0，但不意味着事件是不可能发生时件）

（二）常见的连续型随机变量的概率密度函数
1）均匀分布：不管怎么样概率都一样

例：公共汽车站每隔5分钟来一辆汽车，乘客在5min内任意时刻到达车站是等可能的，求乘客候车时间超过 3 min概率？
解：设X 表示“乘客到达车站候车时间”，则X 【0,5】上服从均匀分布

2）指数分布 ：用来藐视随机服务系统中的时间，或作为各种寿命分布的近似
记作：X~E（入）

例：已知某电子管寿命X服从参数为 λ（λ= 1/1000）的指数分布，求电子管使用寿命超过1000 小时的概率

3）正太分布：

记作：

①关于直线 x = μ对称
②在 x=μ处取得最大值
③在x= μ±σ 处有拐点
④当 |x| →+∞ 时，曲线以x轴为渐近线
⑤：因为对称所以 -x的面积 = 1-x的面积

（一）
（当μ=0，σ=1时为标准正太分布）可以利用标准正太分布表来查找
（二）
当不是标准正态分布则，按照公式

例1：设 X~N（0,1），求：p{X<= 1.96}，p{ -1<X<=2};
(1)查表可得0.975
(2):