文章目录
离散型随机变量
一、定义
当随机变量的取值为有限个或者可列无限多个,这种随机变量称为离散型随机变量
二、性质
- p i ≥ 0 , i = 1 , 2 , ⋯ p_{i}\geq 0,\quad i=1,2,\cdots pi≥0,i=1,2,⋯
- 规范形: ∑ i = 1 ∞ p i = 1 \sum\limits^{\infty}_{i=1}p_{i}=1 i=1∑∞pi=1
三、表示方法
- P { X = x i } = p i , i = 1 , 2 , ⋯ P\{X=x_{i}\}=p_{i},\quad i=1,2,\cdots P{ X=xi}=pi,i=1,2,⋯
- 列表法
四、三种重要的离散型随机变量
1. 0 − 1 0-1 0−1分布
设随机变量 X X X只可能取 0 0 0与 1 1 1两个值,它的分布律为 P { X = 1 } = p , P { X = 0 } = 1 − p P\{X=1\}=p,P\{X=0\}=1-p P{ X=1}=p,P{ X=0}=1−p
2. 二项分布
如果随机变量 X X X的分布律为 P { X = k } = C n k p k q n − k , k = 0 , 1 , 2 , ⋯ , n P\{X=k\}=C^{k}_{n}p^{k}q^{n-k},k=0,1,2,\cdots,n P{ X=k}=Cnkpkqn−k,k=0,1,2,⋯,n,其中 0 < p < 1 , q = 1 − p 0<p<1,q=1-p 0<p<1,q=1−p,则称 X X X服从于参数为 n , p n,p n,p的二项分布,记作 X ∼ B ( n , p ) X\sim B(n,p) X∼B(n,p)
3. 泊松分布
如果随机变量 X X X的分布律为 P { X = k } = λ k k ! e − λ , k = 0 , 1 , 2 , ⋯ P\{X=k\}=\frac{\lambda^{k}}{k!}e^{-\lambda},k=0,1,2,\cdots P{ X=k}=k!λke−λ,k=0,1,2,⋯,其中 λ > 0 \lambda>0 λ>0为常数,则称随机变量 X X X服从参数为 λ \lambda λ的泊松分布,记为 X ∼ P ( λ ) X\sim P(\lambda) X∼P(λ)
随机变量的分布函数
一、定义
设 X X X是一个随机变量&#x