第一节 随机变量
随机变量引入的背景
为了便于用数学工具研究随机现象的统计规律性,将各种不同的随机试验的结果,即样本空间S中的每一个元素e与一个实数x对应
随机变量概念
设随机试验E的样本空间为S={e},若X=X(e)是定义在样本空间S上的一个单值实函数,则称X=X(e)为随机变量
分类:离散型和连续型
- 离散型随机变量:随机变量只可取有限个或可数无限个值
- 连续型随机变量:随机变量可以取一个区间中的所有实数
案例分析
- 随机取一个整数x,则x是一个随机变量,取值范围是一切整数,x是一个离散型随机变量
第二节 离散型随机变量及其分布律
离散型随机变量的概率满足的基本性质
- 非负性:,k=1,2,....n
- 规范性:
0-1分布
0-1分布定义
只取0和1两个值的随机变量所服从的分布称为0-1分布
0-1分布补充
如果一个随机试验的样本空间只包含两个元素,即
我们总能在S上定义一个服从0-1分布的随机变量X来描述这个随机试验的结果
伯努利试验 二项分布
n重伯努利试验特点
- 每次试验只有两个结果:A及其对立事件
- 概率不变:P(A)=p
- 各次试验相互独立
二项分布
- 二项分布是伯努利概型的概率分布
二项分布定义
设X表示n重伯努利试验中事件A发生的次数。则X是一个随机变量,X可能的取值为0,1,2,3....n。
随机变量X服从参数为n,p的二项分布,也叫伯努利分布,记为
概率分布的特点:
- 对固定的n和p,当k增加时,概率先是单调增加,直到达到最大值,然后单调减小,并趋于0
- p越小(大),最大值出现的越早(晚)
泊松分布
泊松分布公式的推导
泊松分布的定义
摘自徐小湛老师的课件:
泊松分布的性态
- 当t大于1时,概率先随k单调增加,达到最大值后,单调减少
- 当t小于1时,概率随k单调减少
- 泊松分布没有对称性
几何分布与超几何分布
几何分布定义
设在多重伯努利试验中,事件A发生的概率为p(0<p<1),记X为A第一次发生时的试验次数,则X取值k的概率
称X服从参数为p的几何分布,记作
几何分布的性态
概率随k增加单调减小,p越大,概率减小越快
如下图所示
超几何分布定义
设有N件产品,其中有M件次品。从中任取n件,则其中恰有k件次品()的概率是:
称X服从参数为n,M,N的超几何分布,记为
超几何分布与二项分布关系
当N很大时,超几何分布与二项分布近似