目录
随机变量的分布函数
随机变量:
对于随机试验的样本空间中的每一个样本点𝜔都有一个实数𝑋(𝜔)与之对应,则称𝑋=𝑋(𝜔)(事件的函数)为随机变量
随机变量的特点:
随试验结果变化的一个量,可以用随机变量描述事件,随机变量取相应的值也有确定的概率
分布函数:
𝐹(𝑥)为随机变量𝑋的分布函数,是随机事件{𝑋 ≤ 𝑥}发生的概率(随机变量小于𝑥发生的概率)
分布函数的性质:
离散型随机变量及其概率分布
离散型随机变量:
𝑋所有可能取到的不相同的值是有限个或可列无限多个,并以确定概率取到这些值,则𝑋称为离散型随机变量
概率分布/分布律:
离散型随机变量𝑋的所有可能的取值𝑥𝑘发生的概率:
其中 𝑝𝑘满足非负性并且:
则称𝑃{𝑋=𝑥𝑘}=𝑝𝑘为𝑋的分布律,可以用表格表示
连续性随机变量及其概率密度
定义:
分布函数可以写成一个非负函数的积分
𝐹(𝑥)为随机变量𝑋的分布函数,𝑓(𝑥)为非负函数,若:
则称𝑋为连续型随机变量,𝑓(𝑥)称为𝑋的概率密度函数,简称概率密度,记作𝑋~𝑓(𝑥)
连续型随机变量的特点:
1)其分布函数处处连续
2)取任意确定值的概率为0,计算概率时不用区分开闭区间
概率密度函数的性质:
概率密度函数的意义:
反应随机变量在点𝑥处概率分布的密集程度
常用离散型随机变量
(0-1)分布:
随机变量𝑋只取0和1,其概率分布为:
通常用来描述只有两个对立结果的随机试验
二项分布:
𝑋表示n重伯努利试验中某一事件出现的次数,𝑋服从二项分布:
记作𝑋~𝐵(𝑛,𝑃)
泊松分布:
随机变量𝑋满足:
则称𝑋服从参数为𝜆的泊松分布,记作𝑋~𝜋(𝜆)
泊松分布的实例:医院一天内就诊的患者,某段时间内接到电话的次数
泊松定理:
当二项分布的n足够大并且p足够小的时候,二项分布近似等于泊松分布
几何分布:
𝑋表示随机试验独立重复次𝑘某一事件才发生,𝑋服从几何分布:
常用连续型随机变量
均匀分布:
连续型随机变量𝑋的概率密度为:
则称𝑋在区间(a,b)上服从均匀分布,记作𝑋~𝑈(𝑎,𝑏)
指数分布:
连续型随机变量𝑋的概率密度为:
则称𝑋服从参数为𝜆的指数分布
分布函数:
例子:电子元件寿命、排队等待的时间
正态分布:
连续型随机变量𝑋的概率密度为:
则称𝑋服从参数为𝜇,𝜎的正态分布,记作𝑋~𝑁(𝜇,𝜎^2)
参数对图像的影响:
𝜇:沿x轴平移
𝜎:𝜎越大,概率密度曲线越平坦;𝜎越小,概率密度曲线越陡峭
标准正态分布:
服从标准正态分布的随机变量𝑋的概率密度和分布函数分别记为𝜑(𝑥)和𝛷(𝑥)
上𝛼分位点:
设随机变量𝑋~𝑁(0,1),如果𝑢𝑎满足:
则称𝑢𝑎为标准正态分布函数的上𝛼分位点
正态分布相加:
如果两个相互独立的正态分布X~N(𝜇1,𝜎12),Y~N(𝜇2,𝜎22),那么Z=X±Y仍然服从正态分布:
正态分布倍乘:
随机变量的函数分布
离散型:
由𝑋的取值列出𝑌的取值,由𝑋的概率求和计算𝑌每种取值的概率,得函数分布律
连续型:
求导可得𝑌的概率密度函数