随机变量及其分布
2.1随机变量
1: 随机变量概念的引入
2:随机变量的定义
3:随机变量的意义
2.2 离散型随机变量及其概率分布
1:离散型随机变量及其概率分布
2:常用离散分布
2.3随机变量的分布函数
1:随机变量的分布函数
2:离散型随机变量的分布函数
2.4:连续性随机变量及其概率密度
1:连续性随机变量及其概率密度
2:常用连续分布
2.5随机变量函数的分布
1:随机变量函数
随机变量函数是根据正态分布引入的,根据已有结论:若随机变量服从正太分布X~U(μ,σ)则随机变量:
Y
=
(
X
−
μ
)
/
σ
−
N
(
0
,
1
)
Y = (X-μ)/σ - N(0,1)
Y=(X−μ)/σ−N(0,1)
这里Y是X的函数,故引申了下面一个定义:
定义1:
如果存在一个函数
Y
=
g
(
x
)
Y = g(x)
Y=g(x)使自变量X,Y满足:
Y
=
g
(
x
)
Y = g(x)
Y=g(x) ,则称随机变量Y是随机变量X的函数.
就是自变量y本身是一个函数的同时 他又作为因变量满足另外一个函数
这里就引申出来一些性质:
1:如果
Y
=
g
(
x
)
Y = g(x)
Y=g(x) z这个函数的自变量x是连续的,那么g(x)不一定会连续
2:如果
Y
=
g
(
x
)
Y= g(x)
Y=g(x) 这个函数的自变量x是离散的,那么g(x) 一定离散
2:离散型随机变量函数的分布
离散型随机变量的概率分布为:
P
(
X
=
x
i
)
=
p
i
,
i
=
1
,
2
,
3...
P(X = xi) = pi , i=1,2,3...
P(X=xi)=pi,i=1,2,3...
这里也可以很清楚的看见X的函数
Y
=
g
(
x
)
Y=g(x)
Y=g(x) 显然还是离散型随机变量,明显其他点没有取值嘛,只有固定的点有取值
所以要求出当
Y
=
g
(
x
)
Y = g(x)
Y=g(x)的这个y的概率函数分布,就要根据x来求就是通过x算出y的对应的取值范围然后再看联系以前的x的概率分布进行运算得到y的概率函数分布
这个很好理解的,不用想太多
3:连续性随机变量的函数分布
这里我们根据前面已经学到的离散型随机变量函数分布来想,总体思路还是根据x的取值可能得到y的取值可能再来算y的概率分布函数.
- 分割线----------------------下面的可以-----不用看-------说得不是很好
然后我们来看分布函数,我们已知的概率分布函数是 F ( x ) F(x) F(x)或者密度函数 f ( x ) f(x) f(x),在前面我们已经学到了通过这个来反应连续性随机变量的概率情况,所以目前的情况就是如何把x的概率分布函数 F ( x ) F(x) F(x)转为y的概率分布函数
我们来想想,y的概率分布函数即设为是
F
y
(
y
)
Fy(y)
Fy(y) 那么我们来一步步的推到:
F
y
(
y
)
=
F
y
(
Y
<
y
)
Fy(y)=Fy(Y<y)
Fy(y)=Fy(Y<y)(这里的Y是具体的值)
=
F
y
(
g
(
X
)
<
y
)
=Fy(g(X)<y)
=Fy(g(X)<y)然后我们把
F
y
(
y
)
Fy(y)
Fy(y)里面的y用
g
(
x
)
g(x)
g(x)换掉就得到了
F
x
(
x
)
Fx(x)
Fx(x)了故我们可以得到这里可能会想换回去能一样吗,肯定一样的,因为我们
F
y
(
y
)
Fy(y)
Fy(y) 就是根据
F
x
(
x
)
Fx(x)
Fx(x)推到来的具体证明我也不会
所以我们根据离散型随机变量的求法来求连续型随机变量的概率函数时就依葫芦画瓢把x和y进行相应的替换就行,用y表示x然后在带入原来的
F
x
(
x
)
Fx(x)
Fx(x)中然后变掉原来的取值范围你变成y的取值范围就行了
但是如果是密度函数的话就比较复杂了
就是要算积分
F
y
(
y
)
=
P
(
X
=
g
(
x
)
)
=
∫
C
(
y
)
f
x
(
x
)
Fy(y) =P(X=g(x))=∫C(y)fx(x)
Fy(y)=P(X=g(x))=∫C(y)fx(x)
推到就不写了
定理1:
好了不做了 在这上面做笔记真的不好