# 第2章 随机变量及概率分布
[TOC]
2.1 一维随机变量
2.1.1 随机变量的概念
随机变量就是“其值随机会而定”的变量。
用随机变量加限制的方法,可以表示一个事件。
按取值全体的性质,随机变量分为两大类:
- 离散型随机变量
- 连续型随机变量
“连续型随机变量”这个概念只是一个数学上的抽象。
2.1.2 离散型随机变量的分布及重要例子
设X为离散型随机变量,其全部可能值为 { a1,a2,⋯} ,则
pi=P(X+=ai)(i=1,2,⋯)称为X的概率函数。
设X为离散型随机变量,则函数
P(X≤x)=F(x)(−∞<x<∞)称为X的分布函数。
因此可知:
对于任何随机变量X,其分布函数F(x)具有以下一般性质:
1.F(x)是单调非降的。
2.当 x→∞ 时, F(x)→1 ,当 x→−∞ 时, F(x)→0 。
下面是几个重要的离散型随机变量的例子:
- 二项分布:
已知A的概率p,X记为n次试验中A出现的次数。记为 X∼B(n,p)
二项分布有两个条件:一是各次试验的条件是稳定的,这保证了p不变。二是各次试验的独立性。
- 泊松分布:
当X表示在一段时间或空间内出现的事件个数。记为 X∼P(λ)
二项分布中,当n很大,p很小, np=λ 不太大时,X的这个二项分布接近于泊松分布 P(λ) 。因此有时可以用泊松分布来计算二项分布。
在设计到抽样的问题中常用。N个产品中有M个废品,以X记从N个产品中随机抽出n个里面所含有的废品数。
- 负二项分布:
一批产品废品率p。逐一抽取直到抽到r个废品,X记为此时合格品的个数。
- 几何分布:
负二项分布中,当抽到1个废品就停止,即令r=1。
2.1.3 连续型随机变量的分布及重要例子
设连续型随机变量X有概率分布函数F(x),则F(x)的导数 f(x)=F′(x) 称为X的概率密度函数。其具有以下三条性质:
1. f(x)≥0 ;
2. ∫∞−∞f(x)dx=1 ;
3.对任何常数 a<b 有:
重要的例子们有:
- 正态分布:
记为 X∼N(μ,σ2) ,关于 μ点对称,而后往两个方向衰减。
N(0,1) 称为标准正态分布,之所以重要,是因为可以用标准正态分布去计算正态分布。因为:
- 指数分布:
常用于寿命分布。X取的意义类似于“可以撑过多久”。这里并不考虑老化的问题,即失效率是不随x变化的。
- 威布尔分布:
常用于寿命分布。X取的意义类似于“可以撑过多久”。考虑老化的问题。 λ 与x有关。
要解下面的微分方程(以 λ=λxm 为例):
- 均匀分布:
2.2 多维随机变量(随机向量)
2.2.1 离散型随机向量的分布
设 X=(X1,X2,⋯,Xn) 为一个N维向量, X1,X2,⋯,X