概率论数理统计笔记01（对应教材——《概率论与数理统计》（同济大学出版社出版））

概率论数理统计

随机变量及其分布

随机变量的概念

定义：在随机试验E中，Ω是相应的样本空间，如果对样本空间中每一个样本点ω，有唯一的一个实数X与之对应，那么就把定义域为Ω的单值实值函数X = X(ω)称为随机变量。随机变量是样本点的函数，定义域为样本空间，一个随机变量取值可以对应一个样本点，也可以对应多个样本点

随机变量一般用大写字母表示，随机变量的取值一般用对应的小写字母表示。

离散型随机变量：随机变量能取到的值有限可列。

连续型随机变量是最常见的非离散型随机变量。

随机变量的分布函数

{a<X<=b} = {X<=b} - {X<=a}

{X>c} = Ω - {X<=c}

所以对于任意实数x，只要知道{X<=x}的概率即可，我们用F(x)表示P{X<=x}这个概率值。

分布函数定义：设X是一个随机变量，对于任意实数x,称函数F(x) = P(X<=x),-∞<x<+∞ 为随机变量X的分布函数。

则对任意的两个实数-∞<a<b<+∞,有P(a<X<=b) = F(b) - F(a)

• 分布函数是定义在(-∞,+∞)上，取值在[0,1]上的函数
• 任意一个随机变量X都有且仅有一个分布函数

• 古典概型的问题求分布函数，先算出随机变量取值各自对应的概率，定义分布函数的定义为F(x)=P(X<=x)

  ,分别求出x<x1,x1<=x<x2…的概率，然后得到各个区间的分布函数。

• 对于任意实数x，有0<=F(x)<=1，limF(-∞) = 0, limF(+∞) = 1

• F(x)单调不减，当x1<x2时，有F(x1)<=F(x2)

• F(x)是x的右连续函数，limF(x—>x0+) = F(x0)

离散随机变量及其分布律

定义：若一维离散型随机变量X的取值为x1,x2,…,xn,…,称相应的概率P(X=xi) = pi,i = 1,2,… 为离散型随机变量X的分布律（分布列，概率函数）

判断某一数列能否成为分布律的充要条件：1.概率都大于0；2.概率之和为1

可以通过分布律求分布函数，也可以通过分布函数求分布律。

连续型随机变量及其密度函数

连续型随机变量的取值区间有无穷不可列个数，所以用概率密度函数代替分布律。

定义：E是随机试验，Ω是相应的样本空间，X是随机变量，F(x)是X的分布函数，若存在f(x)使得

则称X为一维连续型随机变量，f(x)称为 X的概率密度函数，满足1.f(x)>=0; 2.

P(a<=X<=b) = P(a<X<=b) = P(a<=X<b) = P(a< X <b)

若非离散型随机变量不存在离散的点，概率不为0，则该随机变量为连续性随机变量

常用离散型随机变量

二项分布

对一随机试验E，只关心 某一事件A是否发生，即随机试验只有两种结果，A和非A，则称这样的随机试验为伯努利试验。将伯努利试验独立重复进行n次，则称这n次试验叫n重伯努利试验。在n次中特定的k次A事件发生，概率为p^k(1-p)(n-k) ,同时乘上在n中挑选k个的不同方法的概率。称随机变量X服从参数为n，p的二项分布，记为X~B(n,p)

n=1时，称随机变量X服从参数为p的0-1分布（伯努利分布，两点分布），

泊松分布

设随机变量X的取值为0,1,2,3，…,n,…,相应的分布律为

称随机变量X服从参数λ的泊松分布，记为X~P（λ）

泊松定理 ：在n重伯努利试验中，记A事件在一次试验中发生的概率为pn,如果当n—>+∞时，有npn—>λ

则

超几何分布

设有N件产品，其中有M（M≤N）件是不合格品．若从中不放回地抽取n（n≤N）件，设其中含有的不合格品的件数为X，则X的分布律为

称X服从参数为N、M和n的超几何分布，记为X_{H（N，M，nÿ}