统计2：随机变量及其分布

在一些随机试验中，结果可以用数值来表示，此时样本空间S的元素是数字；但是，有些试验，当样本空间S的元素不是数字时，就需要引入随机变量的概念了。

设S是样本空间，把随机试验的每一个结果，即把S的每个元素e与实数对应起来，从而便于对S进行描述和研究。

一，随机变量

定义 设随机试验的样本空间为S={e}，X=X(e)是定义在样本空间S上的单值函数，称X=X(e)为随机变量。

(1)，有许多随机试验，结果本身是一个数，即样本点e本身是一个数，令X=X(e)=e，那么X就是一个随机变量。

(2)，把一枚硬币抛掷三次，把出现正面记作A，把出现反面记作B，那么样本空间S={e}={AAA,AAB,ABA,ABB,BAA,BAB,BBA,BBB}，

　　设随机变量X是出现正面的次数，那么随机变量X=X(e)={0，1，2，3}，

　　由此，可以计算出：随机变量X=2发生的的概率是 P{X=2}=P{AAB, ABA, BAA}=3/8。 

因为随机变量是元素的单值函数，所以随机变量对应样本空间的一个或多个元素。

如何计算随机变量的概率，下文给出了三种方式：

• 分布律：适用于离散型随机变量
• 分布函数：适用于离散型随机变量和连续型随机变量
• 概率密度函数：适用于连续型随机变量

注意：连续型随机变量取任意指定的实数值的概率都等于0，即P{X=a} =0，但是，概率为0并不意味着，{X=a}是不可能事件，只是事件{X=a}发生的概率非常小，小到几乎不可能发生。

二，离散型随机变量

有些随机变量，它全部可能取到的值是有限多个或可列无线多个，这种随机变量称为离散型随机变量。

要掌握一个离散型随机变量X的统计规律，只需要直到X的所有可能取值，以及取每一个可能值得概率。

设离散型随机变量X所有可能取值为x_k(k=1,2,...)，X取各个可能值得概率，即事件{X=x_k}的概率为：

P{X=x_k}=p_k，k=1，2，...

离散型随机变量常用的分布规律是：0-1分布律，二项分布率，泊松分布律，读者需要知道分布律的特性。

1，0-1分布律

对于一个随机变量，如果样本空间只包含两个元素，即S={e1，e2}，可以定义随机变量X来描述随机试验的结果：

随机变量X只可能取值0和1两个值，分布律是：

P{X=k}=p^k(1-p)^1-k, k=0,1 (0<p<1)

 2，二项分布律

设试验E只有两个可能结果A和B，设P(A)=p( 0<p<1)，此时P(B)=1-p，把试验E独立重复地进行n次，则称这一串重复的独立试验服从二项分布律：

随机变量X只可能取值0和1两个值，把分布律是：

对于固定的n和p，二项分布b(n,p)的概率分布是：当k增加时，概率P{X=k}先是随之增加，直至达到最大值，随后单调减少。

3，泊松分布律

设随机变量X所有可能取得值是0，1，2，...，而取各个值得概率是：