【概率论】随机变量及其分布

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

• $p_i\ge 0,i=1,2,\cdots$
• 规范形：$\sum _{i=1}^{\infty }{p}_i=1$

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. $0-1$分布

设随机变量$X$只可能取$0$与$1$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$X$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}=Cnk​pkqn−k,k=0,1,2,⋯,n，其中$0<p<1,q=1-p$，则称$X$服从于参数为$n,p$的二项分布，记作$X\sim B(n,p)$

3. 泊松分布

如果随机变量$X$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!λk​e−λ,k=0,1,2,⋯，其中$\lambda >0$为常数，则称随机变量$X$服从参数为$\lambda$的泊松分布，记为$X\sim P(\lambda )$

随机变量的分布函数

一、定义

设$X$是一个随机变量&#x