1.离散型随机变量
随机变量:取值由随机试验的结果决定的变量,分为连续型和离散型两大类。由多个随机变量组成的向量称为随机向量或多元随机变量。
一维随机变量:
离散型随机变量:随机变量X,取值只有有限个或可数个.
离散型随机变量分布列:X取值为 ,…,且
称为随机变量X的分布列.满足:
且
分布列常用一维表格表示:
X | ... | ... | |||
P | ... | ... |
2.连续型随机变量
连续型随机变量:存在非负可积的函数 f (x),对任意实数 x ,有
称X为连续型随机变量, f (x)为X的分布密度或密度函数. 它有:
知道了密度函数f (x),就可以解决任何事件的概率计算:
一元随机变量的分布函数
对连续型随机变量X,若其密度函数为f (x),则:
3.常用分布
3.1 0-1分布:
,属离散型,描述只有两个状态的随机实
X | 0 | 1 |
P | q=1-p | p |
3.2 二项分布:
X∼B(n,p),属离散型,描述只有两个状态的多次随机实验.也称为n重贝努利分布.n=1时,就是0-1分布.
X | 0 | 1 | ... | n |
P |
3.3 泊松分布
X∼P(λ),属离散型,描述随机到达现象.
3.4 均匀分布:
X∼U(a,b),属连续型.X在[a,b]内连续地机会均等地取值,其密度函数为:
其分布函数为
3.5 指数分布
X∼E(λ),属连续型.常用于描述人或物的寿命问题,其密度函数为:
3.6.正态分布
X∼N,属连续型.大量随机变量的分布近似于正态分布,是最重要的分布之一,其密度函数为:
N(0,1)称为标准正态分布,其密度函数为:
标准正态分布的分布函数为:
这个积分比较难以计算,之后查表即可。
4 随机变量的数字特征
4.1 数学期望
X是离散型:
X是连续型,其密度函数是 f(x):
期望EX有如下性质
C为常数
k为常数
a,b为常数
X,Y相互独立
4.2 数学期望
X,Y独立
4.3 常用的分布的特征
4.3.1 X~B(1,p) 0-1分布
4.3.2 X~B(n,p) 二项分布
4.3.3 X~P(λ) 泊松分布
4.3.4 X~U(a,b) 均匀分布
4.3.5 X~E(λ) 指数分布
4.3.6 正态分布
5 多维随机变量及其分布
1.n维随机变量常记为:
特别的,二维随机变量常记作:(X,Y)
2.它们也分为连续型和离散型
5.1 以2维离散随机变量(X,Y)为例,
它的联合分布列为:
它也可表示为一个二维表(矩阵)
随机变量X 的分布列为:
随机变量Y 的分布列为:
称为(X,Y) 的边缘分布列,有
当然也有
5.2 多维连续型随机变量
5.2.1 联合分布密度:
对 X 有非负可积函数和实数
称为随机变量X的联合分布密度:
对二 维连续型随机变量(X,Y), 联合分布密度为 f(x,y):
5.2.2 边缘分布密度:
5.2.3 多维随机变量分布函数(以二维为例)
5.2.4 多维随机变量独立性(以二维为例
离散型
连续型
称 X,Y 相互独立
6 大数定律与中心极限定理
6.1 大数定律
独立同分布,记
且已知则有大数定律:
即依概率收敛到
,
即不管 服从什么分布,当 n 相当大时,它们的均值接近于它们的数学期望
6.2 中心极限定理
独立同分布,记
则有中心极限定理:
即不管服从什么分布,当 n 相当大时,它们的均值
近似地服从正态分布.
6.3 协方差,相关系数
协方差,相关系数的性质:
课后练习
题目1:
例:7件产品4件一等品,3 件二等品,从中任取 3 件,求:
1) 含有一等品件数 X 的分布列;
2) X 的分布函数;
3) 至少含有 1 件一等品的概率.