《概率论与数理统计》 |
您所在的位置:网站首页 › 概率随机变量及其分布 › 《概率论与数理统计》 |
目录
第一节 离散型随机变量及其分布随机变量定义
概率分布律常用离散型随机变量及其分布律分布函数定义性质
第一节 离散型随机变量及其分布
随机变量
定义
设 E E E是随机试验,它的样本空间是 U = { e } U=\{e\} U={e}。如果对于每一个 e ∈ U e\in U e∈U,有一个实数 X ( e ) X(e) X(e)与之对应,这样就得到一个定义在 U U U上的单值实值函数 X ( e ) X(e) X(e),称 X ( e ) X(e) X(e)为随机变量。 随机变量 离散型 非离散型 连续型 其他 概率分布律表示离散型随机变量 X X X的所有不同取值 x i ( i = 1 , 2 , ⋯ , n , ⋯ ) x_i(i=1,2,\cdots,n,\cdots) xi(i=1,2,⋯,n,⋯)与相应概率的关系式 P { X = x i } = p i ( i = 1 , 2 , ⋯ , n , ⋯ ) P\{X=x_i\}=p_i(i=1,2,\cdots,n,\cdots) P{X=xi}=pi(i=1,2,⋯,n,⋯)或 X ∼ ( x 1 ⋯ x i ⋯ p i ⋯ p i ⋯ ) X\sim\begin{pmatrix} x_1\cdots x_i\cdots \\ p_i\cdots p_i\cdots\end{pmatrix} X∼(x1⋯xi⋯pi⋯pi⋯)称为离散型随机变量的概率分布律 常用离散型随机变量及其分布律(0-1)分布(又称两点分布) P { X = k } = p k ( 1 − p ) 1 − k ( k = 0 , 1 ; 0 < p < 1 ) P\{X=k\}=p^k(1-p)^{1-k}\ \ (k=0,1;0X=k}=Cnkpk(1−p)n−k=k!(n−k)!n!pkqn−k 泊松(Poisson)分布 P { X = k } = λ k k ! e − λ ( k = 0 , 1 , 2 , ⋯ ) ( λ > 0 ) P\{X=k\}=\frac{\lambda^k}{k!}e^{-\lambda}\ \ (k=0,1,2,\cdots)(\lambda>0) P{X=k}=k!λke−λ (k=0,1,2,⋯)(λ>0) 若 n n n比较大,有 C n k p k ( 1 − p ) n − k ≈ λ k k ! e − λ C_n^kp^k(1-p)^{n-k}\approx\frac{\lambda^k}{k!}e^{-\lambda} Cnkpk(1−p)n−k≈k!λke−λ成立。其中 λ = n p \lambda=np λ=np。 几何分布 进行重复独立试验,每次试验事件 A A A发生的概率为 p ( 0 < p < 1 ) p(0m,a}) 分布函数 定义对任意试试 x x x,随机变量 X X X的取值不超过 x x x的累计概率 P { X ≤ x } P\{X\leq x\} P{X≤x}是实数 x x x的函数,称为随机变量 X X X的累积分布函数(cumulative distrubution function)或累积概率,简称 X X X的分布函数,记作 F X ( x ) F_X(x) FX(x)或简记作 F ( x ) F(x) F(x),即 F ( x ) = P { X ≤ x } F(x)=P\{X\leq x\} F(x)=P{X≤x} 若 F ( x ) F(x) F(x)是随机变量 X X X分布函数,对任意实数 x 1 , x 2 ( x 1 < x 2 ) x_1,x_2(x1X≤x2}−P{X≤x1}=F(x2)−F(x1) 即分布函数 F ( x ) F(x) F(x)可以表示随机变量 X X X落在任一区间 ( x 1 , x 2 ] (x_1,x_2] (x1,x2]上的概率,所以分布函数可以完整地描述随机变量概率分布的规律性。 性质 0 ≤ F ( x ) ≤ 1 ( − ∞ < x < + ∞ ) 0\leq F(x)\leq1\ \ (-\infty |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |