一、随机变量:
(1)、 离散型随机变量:
若随机变量全部可能取到的值是有限多个或可列无
限多个。
(2)、非离散型随机变量:
连续型随机变量
奇异型随机变量
1.离散型r.v.的分布律
设离散型r.v.X所有可能取值为XK (k=1,2,3,……)
P(X=xk)=Pk,k=1,2,....
P
(
X
=
x
k
)
=
P
k
,
k
=
1
,
2
,
.
.
.
.
满足
pk>=0,k=1,2,...
p
k
>=
0
,
k
=
1
,
2
,
.
.
.
且
∑∞k=1Pk=1
∑
k
=
1
∞
P
k
=
1
则称(1)式为离散型r.v.X的概率分布或分布律
2.求分布律的步骤:
(1) 明确X的一切可能取值;
(2) 利用概率的计算方法计算X取各个确定值的概率, 即可写出X的分布律.
3.几种重要的离散型r.v.的分布律:
(1) 0–1分布:
X | 0 | 1 |
---|---|---|
pk p k | 1-p | p |
其中0< p <1, P{X=K}=Pk(1−p)1−k,k=0,1 P { X = K } = P k ( 1 − p ) 1 − k , k = 0 , 1
(2) 贝努利试验 (二项分布):
定义:设试验E只有两个可能结果A与非A ,且P(A)=p(0 < p <1),将试验E独立重复地进行n次,这样的试验称为贝努利试验。
二、随机变量的分布函数
1、分布函数的概念
定义: 设X是随机变量,对任意实数x, 事件{X≤x}的概率
P{X≤x}称为随机变量X的分布函数。记为F(x), 即F(x)= P {X≤x}.
(1):
P{x1<X<x2}=P{X≤x2}−P{X≤x1}=F(x2)−F(x1)
P
{
x
1
<
X
<
x
2
}
=
P
{
X
≤
x
2
}
−
P
{
X
≤
x
1
}
=
F
(
x
2
)
−
F
(
x
1
)
(2) 无论是离散型r.v.还是非离散型r.v. ,分布函数都可以描述其统计规律性.
2、分布函数的性质
单调不减性:若
x1
x
1
<
x2
x
2
, 则F(x1)≤F(x2);
归一 性:对任意实数x, 0≤F(x)≤1, 且
F(−∞)=limx−∞F(x)=0,F(+∞)=limx+∞F(x)=1
F
(
−
∞
)
=
l
i
m
x
−
∞
F
(
x
)
=
0
,
F
(
+
∞
)
=
l
i
m
x
+
∞
F
(
x
)
=
1
右连续性:对任意实数x,
F(x0+0)=limxx+0F(x)=F(x0)
F
(
x
0
+
0
)
=
l
i
m
x
x
+
0
F
(
x
)
=
F
(
x
0
)
反之,具有上述三个性质的实函数,必是某个随机变量的分布函数。故该三个性质是分布函数的充分必要性质
三、连续型随机变量
1、概率密度
1、 定义: 对于随机变量X, 若存在非负函数f(x),
(−∞<x<+∞)
(
−
∞
<
x
<
+
∞
)
使对任意实数x, 都有
F(x)=P(X<=x)=∫x−∞f(u)du
F
(
x
)
=
P
(
X
<=
x
)
=
∫
−
∞
x
f
(
u
)
d
u
则称X为连续型随机变量, f(x)为X的概率密度函数,简
称概率密度或密度函数. 常记为 X~ f(x) ,
(−∞<x<+∞)
(
−
∞
<
x
<
+
∞
)
2、概率密度函数的性质:
(1)非负性:
f(x)≥0,
(−∞<x<+∞)
(
−
∞
<
x
<
+
∞
)
(2)归一性:
∫+∞−∞F(x)dx=1
∫
−
∞
+
∞
F
(
x
)
d
x
=
1
性质(1)、 (2)是概率密度函数的充要性质;
(3):
P{x1<X<=x2}=F(x2)−F(x1)=∫x2x1f(x)dx,(x1<=x2)
P
{
x
1
<
X
<=
x
2
}
=
F
(
x
2
)
−
F
(
x
1
)
=
∫
x
1
x
2
f
(
x
)
d
x
,
(
x
1
<=
x
2
)
(4)若x是f(x)的连续点,则
dF(x)dx=f(x)
d
F
(
x
)
d
x
=
f
(
x
)
四、几个常用的连续型分布
1、均匀分布
2、正太分布(高斯分布):
正态分布是实践中应用最为广泛,在理论上研究最多的分布
之一,故它在概率统计中占有特别重要的地位。
1)、设随机变量X的概率密度为:
f(x)=12π∂−−−√e−(x−u)22∂2,−∞<X<+∞
f
(
x
)
=
1
2
π
∂
e
−
(
x
−
u
)
2
2
∂
2
,
−
∞
<
X
<
+
∞
其中u,σ(σ>0)为常数,则称X服从参数为u,σ的正太分布,记作X~N(u,
σ2
σ
2
)
正态分布有两个特性:
a、单峰对称 密度曲线关于直线x=u对称
b、σ的大小直接影响概率的分布
σ越大,曲线越平坦, 在x轴方向抖动越厉害
σ越小,曲线越陡峻。
3、标准正太分布:
参数u= O,
σ2
σ
2
=1的正态分布称为标准正态分布,记作X~N(0, 1)。