随机变量
现实生活中,有些结果并非是数量化的。
这里有两类实验结果:
示数类型:降雨量;候车数;发生交通事故的次数;…
非示数类型:明天天气(晴,多云…);化验结果(阳性,阴性);…
这里要解决非示数类型最主要的问题是:将实验结果数量化
随机变量(Random Variable) 的定义
设随机实验的样本空间为 S S S,若
X = X ( e ) X = X(e) X=X(e)
为定义在 S S S 上的实值单值函数,则称 X ( e ) X(e) X(e) 为随机变量,简写 X X X.
说明:
(1)随机事件 X ( e ) : S → R X(e): S \rightarrow R X(e):S→R 为一映射,其自变量具有随机性;
(2)随机事件可以表示为 A = { e : X ( e ) ∈ I } = { X ∈ I } , I ⊂ R . A=\{e:X(e)\in I\} = \{X\in I\}, I\subset R. A={e:X(e)∈I}={X∈I},I⊂R.如:将一枚均匀的硬币投掷 3 次,样本空间为
S = S= S={正正正,正正反,正反正,正反反,反正正,反正反,反反正,反反反}
若 X X X 表示 3 次中出现的次数,则
随机事件 A A A={正面出现了一次}={正反反,反正反,反反正 }= { e : X ( e ) = 1 } = { X = 1 } \{e:X(e)=1\}=\{X=1\} {e:X(e)=1}={X=1}
随机事件 B B B={3 次出现的情况相同}={正正正,反反反}= { X = 0 或 3 } \{X=0或3\} {X=0或3}
随机事件 C C C={正面至少出现了一次}= { X ≥ 1 } \{X\geq 1\} {X≥1}
(3) 对于 i ≠ j i\neq j i=j,则必有 { X = i } ⋂ { X = j } = ∅ \{X=i\}\bigcap\{X=j\}=\emptyset {X=i}⋂{X=j}=∅.
(4)一般用大写英文字母 X,Y,Z 或希腊字母 ξ , η \xi,\eta ξ,η 等来表示随机变量。
常 见 的 两 类 随 机 变 量 { 离 散 型 随 机 变 量 连 续 型 随 机 变 量 常见的两类随机变量 \begin{cases} 离散型随机变量 \\ \\ 连续型随机变量 \end{cases} 常见的两类随机变量⎩⎪⎨⎪⎧离散型随机变量连续型随机变量
离散型随机变量的定义
若随机变量 X X X 的取值为有限个或可数个 ,则称 X X X 为离散型随机变量。
可数集(也成可列集):是指能与自然数集 N N N 建立一一对应的集合。即其中的元素都是可以被数到的。
如:正奇数集 {1,3,…},整数集{…,-2,-1,0,1,2…},等等。
不可数集:是无穷集合中的一种。一个无穷集合和自然数集合之间如果不存在一一对应关系,那么它就是一个不可数集。
离散型随机变量的概率分布律(简称分布律)
分 布 律 的 内 容 { 随 机 变 量 的 所 有 可 能 取 值 取 每 个 可 能 取 值 相 应 的 概 率 分布律的内容 \begin{cases} 随机变量的所有可能取值 \\ 取每个可能取值相应的概率 \end{cases} 分布律的内容{随机变量的所有可能取值取每个可能取值相应的概率
分布律的性质:
p k ≥ 0 , ∑ k = 1 + ∞ p k = 1 p_k\geq 0, \sum_{k=1}^{+\infty}p_k=1 pk≥0,k=1∑+∞pk=1
分布律的另一表现形式: P ( X = x k ) = p k , k = 1 , 2 , . . . P(X=x_k)=p_k, k=1,2,... P(X=xk)=pk,k=1,2,...
例 1: 投掷一颗均匀的骰子,用 X X X 表示出现的点数,求 X X X 的概率分布律。
解: 由题意知, X X X 的可能取值为 1,2,3,4,5,6 且其分布律为:
X | 1 | 2 | 3 | 4 | 5 | 6 |
---|---|---|---|---|---|---|
P | 1/6 | 1/6 | 1/6 | 1/6 | 1/6 | 1/6 |
例 2: 有一颗均匀的骰子 进行独立重复地投掷 直到出现 6 点为止停止试验。用 X X X 表示投掷骰子的次数,求 X X X 的概率分布律
解: 由题意知, X X X 的取值为 1,2,3…,
用 A k = A_k= Ak={第 k k k 次掷出的点数为 6},则 A k , k = 1 , 2 , 3... A_k,k=1,2,3... Ak,k=1,2,3... 之间相互独立,且 P { A k } P\{A_k\} P{Ak}=1/6,
由于 P ( X = 1 ) = P ( A 1 ) = 1 / 6 P(X=1)=P(A_1)=1/6 P(X=1)=P(A1)=1/6, P ( X = 2 ) = P ( A 1 ‾ A 2 ) = 5 6 ⋅ 1 6 P(X=2)=P(\overline{A_1}A_2)=\frac{5}{6}·\frac{1}{6} P(X=2)=P(A1A2)=65⋅61, P ( X = 3 ) = P ( A 1 ‾ A 2 ‾ A 3 ) = ( 5 6 ) 2 ⋅ 1 6 P(X=3)=P(\overline{A_1}~\overline{A_2}~A_3)=(\frac{5}{6})^2·\frac{1}{6} P(X=3)=P(A1 A2 A3)=(65)2⋅61,…
故 X X X 的分布律为
X | 1 | 2 | 3 | … | k | … |
---|---|---|---|---|---|---|
P | 1 6 \frac{1}{6} 61 | 5 6 ⋅ 1 6 \frac{5}{6}·\frac{1}{6} 65⋅61 | ( 5 6 ) 2 ⋅ 1 6 \frac{5}{6})^2·\frac{1}{6} 65)2⋅61 | … | ( 5 6 ) k − 1 ⋅ 1 6 \frac{5}{6})^{k-1}·\frac{1}{6} 65)k−1⋅61 | … |
或写成
P ( X = k ) = ( 5 6 ) k − 1 ⋅ 1 6 , k = 1 , 2... P(X=k)=(\frac{5}{6})^{k-1}·\frac{1}{6},k=1,2... P(X=k)=(65)k−1⋅61,k=1,2...