《概率论与数理统计》-第二章随机变量及其分布-第一节离散型随机变量及其分布-笔记

最新推荐文章于 2022-03-20 09:57:29 发布

Tisfy

最新推荐文章于 2022-03-20 09:57:29 发布

阅读量1w

点赞数 7

分类专栏：数学文章标签：数学概率论

本文链接：https://blog.csdn.net/Tisfy/article/details/115314085

版权

数学专栏收录该内容

2 篇文章 1 订阅

订阅专栏

本文详细介绍了离散型随机变量的概念，包括其定义、常见分布如0-1分布、二项分布、泊松分布和几何分布，并阐述了分布函数的定义、性质及其在概率论中的重要性。通过对各种分布的解析，帮助读者理解随机变量的概率分布规律。

摘要由CSDN通过智能技术生成

第一节离散型随机变量及其分布

随机变量

定义

设 $E$ 是随机试验，它的样本空间是 $U=\{e\}$ 。如果对于每一个 $e\in U$ ，有一个实数 $X (e)$ 与之对应，这样就得到一个定义在 $U$ 上的单值实值函数 $X (e)$ ，称 $X (e)$ 为随机变量。

概率分布律

表示离散型随机变量 $X$ 的所有不同取值 $x_i(i=1,2,\cdots,n,\cdots)$ 与相应概率的关系式 $P\{X=x_i\}=p_i(i=1,2,\cdots,n,\cdots)$ 或 $X\sim\begin{pmatrix} x_1\cdots x_i\cdots \\ p_i\cdots p_i\cdots\end{pmatrix}$ 称为离散型随机变量的概率分布律

常用离散型随机变量及其分布律

（0-1)分布（又称两点分布）

$P\{X=k\}=p^k(1-p)^{1-k}\ \ (k=0,1;0<p<1)$

二项分布

$P\{X=k\}=C_n^kp^k(1-p)^{n-k}=\frac{n!}{k!(n-k)!}p^kq^{n-k}$

泊松(Poisson)分布

$P\{X=k\}=\frac{\lambda^k}{k!}e^{-\lambda}\ \ (k=0,1,2,\cdots)(\lambda>0)$

若 $n$ 比较大，有 $C_n^kp^k(1-p)^{n-k}\approx\frac{\lambda^k}{k!}e^{-\lambda}$ 成立。其中 $\lambda=np$ 。

几何分布进行重复独立试验，每次试验事件 $A$ 发生的概率为 $p (0 < p < 1)$ ，设 $X$ 表示事件 $A$ 首次发生时的试验次数，则称 $X$ 服从几何分布

$P\{X=k\}=p(1-p)^{k-1}(k=1,2,\cdots,n,\cdots)$

超几何分布一个口袋里装有 $a$ 个红球、 $b$ 个白球，从中任取 $m$ 个球 $(1\leq m\leq a+b)$ ，设 $X$ 表示从中取出的红球的个数，则称 $X$ 服从超几何分布

$P(X=k)=\frac{C_a^kC_b^{m-k}}{C_{a+b}^m}(1\leq k\leq min\{m,a\})$

分布函数

定义

对任意试试 $x$ ，随机变量 $X$ 的取值不超过 $x$ 的累计概率 $P\{X\leq x\}$ 是实数 $x$ 的函数，称为随机变量 $X$ 的累积分布函数(cumulative distrubution function)或累积概率，简称 $X$ 的分布函数，记作 $F_X(x)$ 或简记作 $F (x)$ ，即 $F(x)=P\{X\leq x\}$

若 $F (x)$ 是随机变量 $X$ 分布函数，对任意实数 $x_1,x_2(x1<x_2)$ ，有 $P\{x_1<X\leq x_2\}=P\{X\leq x_2\}-P\{X\leq x_1\}=F(x_2)-F(x_1)$

即分布函数 $F (x)$ 可以表示随机变量 $X$ 落在任一区间 $x_1,x_2]$ 上的概率，所以分布函数可以完整地描述随机变量概率分布的规律性。

性质

$0\leq F(x)\leq1\ \ (-\infty<x<+\infty)$
若 $x_1<x_2$ ，则 $F(x_1)\leq F(x_2)$ ，即任一分布函数都是单调不减的
$F(-\infty)=\lim_{x \to -\infty}F(x)=0$ ， $F(+\infty)=\lim_{x\to+\infty}F(x)=1$
右连续，即 $\lim_{x\to x_0+0}F(x)=F(x_0)$