二、随机变量及其分布
2.1 随机变量的概念
2.1.1 随机变量
设E是随机试验,S是它的样本空间,如果对于每个e∈S,都有唯一的师叔X(e)与之对应,则称X(e)为随机随便,简记为X。
2.1.2 离散型随机变量
对于离散型随机变量X,它的可能取值x1,x2,……xn,是有限个或可数个,且有P{X=xk}=pk,k=1,2,3,……n,pk之和等于1.,则称
X | x1 | x2 | …… | xn | …… |
P | p1 | p2 | …… | pn | …… |
为X的概率分布列
2.1.3 常见的分布列
1、两点分布
若随机变量只可能取0和1两个值,且P{X=1}=p,P{X=0}=1-p=q,0<q<1,则有分布列
X | 0 | 1 |
P | 1-p | p |
且记为X~(0-1),即X服从两点分布。显然,贝努力试验课用两点分布来描述。
2、二项分布
若随机变量X有分布列P{X=k}=>0,k=0,1,……n,其中0<p<1,q=1-p,则称X服从参数为n,p的二项分布,记为X~B(n,p)。同理,在n重贝努力试验中,成功的次数是服从二项分布的。
3、几何分布
在重复独立试验中,事件A发生的概率为p,设X为直到A发生为止所进行的试验的次数,显然X的可能取值是全体正整数,其分布为P{X=k}=,k>=1,由于是一个几何数列(等比数列),所以将这个概率分布的随机变量称为服从参数为p的几何分布。
4、泊松分布
若随机变量X的分布列为P{X=k}=,k=0,1,2,……则称X服从参数为lamda的泊松分布,记为X~P(lamda)。服从泊松分布的随机变量也成为泊松变量。
2.1.4 随机变量的分布函数
对于离散型随机变量,可以用分布列来描述,对非离散型随机变量,由于它可能取得值不可数,所以不能用分布列来描述。
设X为一随机变量,则称函数F(x)=P{X<=x}为X的分布函数,其中x为任意实数。
2.1.5 连续型随机变量
下面我们引入连续型随机变量的一般定义
设F(x)是随机变量X的分布函数,若存在一个非负的函数p(x)(-∞<x<∞),使对一切实数x有
F(x)=,则称X为连续型随机变量,同时称p(x)为X的概率密度函数,简称概率密度。
概率密度函数的图形称为密度曲线,密度曲线位于x轴上方,密度曲线与x轴所夹的面积等于1。
由积分学知识可得,上式给出的函数F(x)在整个数轴上是连续的,即连续型随机变量的分布函数一定是连续的。由此可以推断出,连续型随机变量取任何一个值的概率等于零,即对任何x值,总有P{X=x}=0.由于连续型随机变量取个别值的概率为0,所以想用列举连续型随机变量取单个值的概率来描述这种随机变量,这种方法不仅做不到,而且是无意义的。常见的连续性随机变量①均匀分布②指数分布③正态分布
2.2 正态分布
若连续型随机变量X的概率密度为p(x)=,μ与σ为常数,且σ>0,则称X服从参数为μ,的正态分布,也称X为正态变量,记做X~N(μ,)。
正态分布又分为一般正态分布和标准正态分布。正态分布还有很多有趣的性质,我们就不一一展开描述了。
2.3 随机变量函数的分布
2.3.1 离散型随机变量函数的分布
设离散型随机变量X的分布列为P{X=xi}=pi,i=1,2,……,Y=f(X)是X的函数,则Y的分布列可如下求出:Y的可能值为yi= f(xi),i=1,2,……,如果yi的值互不相同,则Y的分布列为P{Y=yi}=pi,i=1,2,……,如果有相同的yi,则根据概率的可加性把它们的概率相加,进而得到Y的分布列。
2.3.2 连续型随机变量函数的分布
1、设X是连续型随机变量,其概率密度为PX(x),若y=f(x)为严格单调的连续函数且其反函数x=h(y)有连续导数,则Y=f(X)也是连续型随机变量,且概率密度为PY(y)=px[h(y)]|h'(y)|。
2、设X是连续型随机变量,其概率密度为PX(x),若y=f(x)为一般连续函数,它在不相重叠的区间I1,I2,……上逐段严格单调,对应的反函数分别为h1(y),h2(y),……,而且h'1(y),h'2(y),……均为连续函数,那么Y=f(X)也是连续型随机变量,且概率密度为PY(y)= px[hi(y)]|hi'(y)|