概率论与数理统计 第一章随机事件及其概率第二章随机变量及其分布_第1页
概率论与数理统计 第一章随机事件及其概率第二章随机变量及其分布_第2页
概率论与数理统计 第一章随机事件及其概率第二章随机变量及其分布_第3页
概率论与数理统计 第一章随机事件及其概率第二章随机变量及其分布_第4页
概率论与数理统计 第一章随机事件及其概率第二章随机变量及其分布_第5页
已阅读5页,还剩163页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第一章随机事件及其概率随机事件及样本空间频率与概率条件概率及贝努利概型§1随机事件及样本空间一、随机事件及其有关概念

1、随机事件的定义试验中可能出现或可能不出现的情况叫“随机事件”,简称“事件”。记作A、B、C等任何事件均可表示为样本空间的某个子集。称事件A发生当且仅当试验的结果是子集A中的元素。

例如:H-正面,T-反面,以下A、B、C即为三个随机事件:A=“至少出一个正面”={HHH,HHT,HTH,THHHTT,THT,TTH}B=“两次出现同一面”={HHH,TTT}C=“恰好出现一次正面”={HTT,THT,TTH}⑴基本事件相对于观察目的不可再分解的事件如在掷骰子试验中观察掷出的点数

事件Ai

={掷出i点}

i=1,2,3,4,5,62、随机事件的分类⑵复合事件两个或一些基本事件并在一起,就构成一个复合事件事件

B={掷出奇数点}⑶两个特殊事件

★必然事件U★不可能事

H

例如,

掷硬币试验掷一枚硬币,观察出正还是反.T掷骰子试验掷一颗骰子,观察出现的点数

寿命试验测试在同一工艺条件下生产出的灯泡的寿命.3、随机试验

如果一个试验可能的结果不止一个,且事先不能肯定会出现哪一个结果,这样的试验称为随机试验。二、随机事件关系及运算

对于一个具体事件,要学会用数学符号表示;反之,对于用数学符号表示的事件,要清楚其具体含义是什么。也就是说,要准确无误地“互译”出来。例如:在检查某些圆柱形产品时,如果规定只有它的长度及直径都合格时才算产品合格,那么“产品合格”与“直径合格”、“长度合格”等事件有着密切联系。下面我们讨论事件之间的关系与运算

1、包含关系

“A发生必导致B发生”,记为A

BA=B

A

B且B

A.2、和事件2’n个事件A1,A2,…,An至少有一个发生,记作“事件A与B至少有一个发生”,记作AB3、积事件

3’n个事件A1,A2,…,An同时发生,记作

A1A2…AnA与B同时发生,记作

A

B=AB4、差事件思考:何时A-B=?何时A-B=A?A-B称为A与B的差事件,表示事件A发生而B不发生。5、互斥的事件AB=,表示A和B不同时发生6、互逆的事件A

B=,且AB=

7、各种关系的主要性质(1)传递性:AB,BC,则AC(2)交换率:(3)结合率:(4)自反性:(5)摩根律:★现代集合论为表述随机试验提供了一个方便的工具。三、样本空间与事件★我们把随机试验的每个基本结果称为样本点,记作e或ω。全体样本点的集合称为样本空间,样本空间用U或Ω表示。样本点e.

U例如:

如果试验是将一枚硬币抛掷两次,则样本空间由如下四个样本点组成:

样本空间在如下意义上提供了一个理想试验的模型:在每次试验中必有一个样本点出现且仅有一个样本点出现。S={(H,H),(H,T),(T,H),(T,T)}第1次第2次HT(H,T):(T,H):(T,T):(H,H):其中HHHTTT

引入样本空间后,事件便可以表示为样本空间的子集例如,掷一颗骰子,观察出现的点数U={i:i=1,2,3,4,5,6}样本空间:事件B就是U的一个子集B={1,3,5}B发生当且仅当B中的样本点1,3,5中的某一个出现。事件的运算1、交换律:A

B=B

A,AB=BA2、结合律:(A

B)

C=A(BC),

(AB)C=A(BC)3、分配律:(A

B)C=(AC)(BC),

(AB)

C=(AC)(B

C)4、对偶(DeMorgan)律:例1:从一批产品中每次取出一个产品进行检验(不放回)事件A,B,C表示第i次取得合格品(i=1,2,3),试用运算符号表示下列事件。★三次都取到了合格品:★三次至少有一次取到合格品:★三次恰有两次取到合格品:★三次最多有一次取到合格品:★三次中都不多于两次取到合格品:A∪B∪C例2:甲、乙、丙三人各向目标射击一发子弹,以AB、C分别表示甲、乙、丙命中目标,试用A、B、C运算关系表示下列事件:§2频率与概率一、频率1、频率的定义

事件A在n次重复试验中出现m次,则比值m/n称为事件A在n次重复试验中出现的频率,记为fn(A)。即fn(A)=m/n2、频率的性质实践证明:当试验次数n增大时,fn(A)逐渐趋向一个稳定值。可将此稳定值记作P(A),作为事件A的概率。(1)0

fn(A)

1;(2)fn(U)=1;fn(

)=0(3)可加性:若AB=

,则

fn(A

B)=fn(A)+fn(B)历史上曾有人做过试验,试图证明抛掷匀质硬币时,出现正反面的机会均等。

实验者nnHfn(H)DeMorgan204810610.5181Buffon404020480.5069K.Pearson1200060190.5016K.Pearson24000120120.5005由以上数据可以看出:频率随着掷币次数n的变化而不同,还可用试验说明对于同一的掷币次数n,频率也具有随机波动性;掷币次数n较小时,频率随机波动的幅度较大,但随着n的增大,频率呈现出稳定性,即当n逐渐增大时,频率总是在数0.5附近波动而逐渐稳定于0.5。

二、古典概型若某实验E满足:1、有限性:样本空间S={e1,e2,…,en};2、等可能性:(公认)

P(e1)=P(e2)=…=P(en)。则称E为古典概型也叫等可能概型。1、古典概型的定义假定某个试验有有限个可能的结果

从该试验的条件及实施方法上去分析,我们找不到任何理由认为其中某一结果例如ei,比任一其它结果,例如ej,更有优势,则我们只好认为所有结果在试验中有同等可能的出现机会,即1/N的出现机会。e1,e2,…,eN

,23479108615

例如,一个袋子中装有10个大小、形状完全相同的球。将球编号为1-10。把球搅匀,蒙上眼睛,从中任取一球。

因为抽取时这些球是完全平等的,我们没有理由认为10个球中的某一个会比另一个更容易取得。也就是说,10个球中的任一个被取出的机会是相等的,均为1/10。1324567891010个球中的任一个被取出的机会都是1/102、古典概型中事件概率的计算

P(A)=1/10

P(B)=6/10

记

A={摸到2号球}

P(A)=?2记

B={摸到红球}

P(B)=?132456

例如,一个袋子中装有10个大小、形状完全相同的球。将球编号为1-10,其中1-6号为红球,其余为白球,把球搅匀,从中任取一球。23479108615这里实际上是从“比例”转化为“概率”静态动态当我们要求“摸到红球”的概率时,只要找出它在静态时相应的比例。23479108615

1、定义2.2

设试验E是古典概型,其样本空间由n个样本点组成,事件A由m个样本点组成。则定义事件A的概率为:称此概率为古典概率.这种确定概率的方法称为古典方法。

A包含的样本点数

P(A)=m/n=

S中的样本点总数这样就把求概率问题转化为计数问题

排列组合是计算古典概率的重要工具三、古典概率例1号码锁上有6个拨盘,每个拨盘上有0-9共10个数字,当这6个拨盘上的数字组成打开号码锁的6位数时(第一位可以是0),锁才能打开。问:如果不知道锁的号码,一次就把锁打开的概率是多少?解:设{A=一次就把锁打开号码锁}

则所有可能组成的六位号码共有个例2设一口袋中有m件产品,其中k件正品,m-k件次品,现从中一次任意取出n(n≤m)件产品,问其中恰有j(j≤k)件正品的概率。……k件正品次品正品m-k件次品解:令A={恰有j件正品}P(A)=?2、古典概率的性质(1)对任意事件A,0

P(A)

1;(2)P(

)=1,P(

)=0;(3)AB=,则P(A

B

)=P(A)+P(B)3、古典概率的几类基本问题⑴乘法公式:设完成一件事需分两步,第一步有n1种方法,第二步有n2种方法,则完成这件事共有n1n2种方法。复习:排列与组合的基本概念⑵加法公式:设完成一件事可有两种途径,第一种途径有n1种方法,第二种途径有n2种方法,则完成这件事共有n1+n2种方法。⑶有重复排列:从含有n个元素的集合中随机抽取k次,每次取一个,记录其结果后放回,将记录结果排成一列,nnnn共有nk种排列方式⑷无重复排列:从含有n个元素的集合中随机抽取k次,每次取一个,取后不放回,将所取元素排成一列,共有Pnk=n(n-1)…(n-k+1)种排列方式nn-1n-2n-k+1例3将一枚硬币抛掷三次(1)设事件A1为“恰有一次出现正面”,求P(A1)(2)设事件A2为“至多有一次出现正面”,求P(A2)(3)设事件A3为“至少有一次出现正面”,求P(A3)解:⑴

⑵

⑶例4产品放在一箱内,其中正品46件,废品4件,从箱中取产品2次,每次随机取一次。考虑两种取产品方式:有放回抽样和不放回抽样,试分别就上面两种情况,求(1)取到的两件产品都是正品的概率;(2)取到的两件产品为同质量的概率;(3)取到的两件产品中至少有一件是正品的概率。解:设A={取到的两件都是正品}B={取到的两件都是废品}C={取到的两件中至少有一件是正品}易知AUB={取到的两件为同质}

而

有放回抽样的情况又AB=,所以P(AUB)=P(A)+P(B)=0.8528(1)(2)(3)不放回抽样的情况(1)(2)(3)又AB=,所以P(AUB)=P(A)+P(B)=0.8498例5设有n个球,每个都能以同样的概率落到N个盒子的每一个盒子中,试求:每个盒子至多有一个球的概率p1;某指定的n个盒子中各有一个球的概率p2;任何n个盒子中各有一个球的概率p3。解:n个球落入N个盒子中共有种落入法。(1)每个盒子至多有一个球的放法共有

N(N-1)……[N-(n-1)]种,则(2)指定的n个盒子中各有一个球的放法共有

n(n-1)……3▪2▪1=n!种,则(3)任何n个盒子中各有一个球的放法:首先从N个盒子任取n个盒子,有种方法;再把n个球放入某指定的n个盒子中,有n!种方法,则四、概率的公理化定义若对随机试验E所对应的样本空间U中的每一事件A,均赋予一实数P(A),集合函数P(A)满足以下三个条件:

(1)对于每一个事件A,有0≤P(A)≤1;

(2)P(U)=1;

(3)可列可加性:设A1,A2,…,是一列两两互不相容的事件,即AiAj=,(ij),i,j=1,2,…,有P(A1

A2

…

)=P(A1)+P(A2)+….则称P(A)为事件A的概率。1、定义2.32、概率的性质

性质1

即不可能事件的概率为0

令

性质2

如果A1,A2,…An两两互斥,则有

P(A1

A2

…

An)=P(A1)+P(A2)+…P(An);

利用性质1可以直接推得,此性质也称为概率的有限可加性A

性质3对任一事件A

,有

A因为1=P(U)=P(A)+P()

性质3在概率的计算上很有用,如果正面计算事件A的概率不容易,而计算其对立事件的概率较易时,可以先计算,再计算P(A)。

性质4设A、B是两个事件,若,则有移项可得,便得推论。再由由可加性

性质5对任意两个事件A、B,有

由可加性和性质4可以推出结论成立。推论:例从1到200这200个自然数中任取一个,(1)求取到的数能被6整除的概率

(2)求取到的数能被8整除的概率

(3)求取到的数既能被6整除也能被8整除的概率解:N(S)=200,N(1)=[200/6]=33,N(2)=[200/8]=25(1),(2),(3)的概率分别为:33/200,1/8,1/25§3条件概率与贝努利概型条件概率贝叶斯公式贝努利概型1、定义3.1设A、B是两个事件,且P(B)>0,则称为在事件B发生的条件下,事件A的条件概率。

若事件B已发生,则为使A也发生,试验结果必须是既在B中又在A中的样本点,即此点必属于AB。由于我们已经知道B已发生,故B变成了新的样本空间,于是有定义成立。一、条件概率2、条件概率满足以下三个条件设B是一事件,且P(B)>0,则1、对任一事件A,0≤P(A|B)≤1;2、当P(B)>0时,P(U|B)=1;3、设A1,…,An互不相容,则P[(A1+…+An

)|B]=P(A1|B)+…+P(An|B)

而且,前面对概率所证明的一些重要性质都适用于条件概率。例1:设袋中有3个白球,2个红球,现从袋中任意抽取两次,每次取一个,取后不放回,求:(1)已知第一次取到红球,求第二次也取到红球的概率;(2)求第二次取到红球的概率;(3)求两次均取到红球的概率。解:设A={第一次取到红球},B={第二次取到红球}3、有关条件概率的例题U=ABA——第一次取到红球,B——第二次取到红球

显然,若事件A、B是古典概型的样本空间S中的两个事件,其中A含有nA个样本点,AB含有nAB个样本点,则称为事件A发生的条件下事件B发生的条件概率

一般地,设A、B是S中的两个事件,则

例2:一盒中混有100只新,旧乒乓球,各有红、白两色,分类如下表。从盒中随机取出一球,若取得的是一只红球,试求该红球是新球的概率。红白新4030旧2010解:设A={从盒中随机取到一只红球}B={从盒中随机取到一只新球}

AB例3:当掷5枚相同分币时,已知至少出现两个正面的情况下,问正面数刚好是三个的条件概率?解:设A={至少出现两个正面的事件}B={刚好三个正面的事件}此时AB=B,则4、乘法公式设A、B

U,P(A)>0,则⑴P(AB)=P(A)P(B|A)

称为事件A、B的概率乘法公式。

(2)上式还可推广到三个事件的情形:

P(ABC)=P(A)P(B|A)P(C|AB)

一般地,有下列公式:

P(A1A2…An)=P(A1)P(A2|A1)...P(An|A1…An-1)

例4:甲、乙两厂共同生产1000个零件,其中300件是乙厂生产的。而在这300个零件中,有189个是标准件,现从这1000个零件中任取一个,问这个零件是乙厂生产的标准件的概率是多少?所求为P(AB)甲、乙共生产1000个189个是标准件300个乙厂生产300个乙厂生产解:设B={零件是乙厂生产}A={是标准件}所求为P(AB)设B={零件是乙厂生产}A={是标准件}若改为“发现它是乙厂生产的,问它是标准件的概率是多少?”求的是P(A|B)

B发生,在P(AB)中作为结果;在P(A|B)中作为条件。甲、乙共生产1000个189个是标准件300个乙厂生产5、条件概率P(A|B)与P(A)的区别P(A)与P(A|B)的区别在于两者发生的条件不同,它们是两个不同的概念,在数值上一般也不同.

★每一个随机试验都是在一定条件下进行的,设A是随机试验的一个事件,则P(A)是在该试验条件下事件A发生的可能性小。★而条件概率P(A|B)是在原条件下又添加“B发生”这个条件时A发生的可能性大小,即P(A|B)仍是概率。例5:市场上供应灯泡,甲厂产品占60%,乙厂占40%,甲厂产品的合格率是90%,乙厂的合格率是80%。若用A表示甲厂的产品,B表示产品为合格品。求:(1)已知买到的是甲厂的一个产品,合格率是多少?(2)买到一个产品是甲厂生产的合格灯泡的概率?解:(1)这是求条件概率,即P(B|A)=90%(2)这实际是要求出既是甲厂的产品,又是合格品,即例6:对含有5%废品的100件产品进行抽样检查,整批产品被拒绝介绍的条件是在被抽查的5件产品(不放回抽样)中至少有一件是废品,试问该批产品被拒绝的概率是多少?解:设Ai表示事件“第i(i=1,2,3,4,5)次被抽查的产品为合格品”,令二、全概率公式设B1…,Bn是U的一个划分,且P(Bi)>0,(i=1,…,n),则对任何事件AU有

全概率定义上式就称为全概率公式。全概率试验例7:市场上有甲、乙、丙三家工厂生产的同一品牌产品,已知三家工厂的市场占有率分别为1/4、1/4、1/2,且三家工厂的次品率分别为2%、1%、3%,试求市场上该品牌产品的次品率。B设B1,…,Bn为随机试验E的样本空间U的一个划分,A为E的事件,且P(A)>0,P(Bi)>0(i=1,2,…n),则其中(j=1,2,…,n)三、贝叶斯公式贝叶斯定义例8:商店论箱出售玻璃杯,每箱20只,其中每箱含0,1,2只次品的概率分别为0.8,0.1,0.1,某顾客选中一箱,从中任选4只检查,结果都是好的,便买下了这一箱.问这一箱含有一个次品的概率是多少?解:设A:从一箱中任取4只检查,结果都是好的。

B0,B1,B2分别表示事件每箱含0,1,2只次品。已知:P(B0)=0.8,P(B1)=0.1,P(B2)=0.1由Bayes公式:例9:设某工厂甲,乙,丙三个车间生产同一种仪表,产量依次占全厂的40%,50%,10%。如果各车间的一级品率依次为90%,80%,98%。现在从待出厂产品中抽查出一个结果为一级品,试判断它是丙车间生产的概率。解:设A—{抽查一个产品为一级品},分别表示事件“产品为甲,乙,丙车间生产的”。很明显,构成一个划分。利用贝叶斯公式条件概率条件概率小结缩减样本空间定义式乘法公式全概率公式贝叶斯公式四、事件的独立性

1、事件独立的定义

设A、B是两事件,P(A)≠0,若

P(B)=P(B|A),P(A)=P(A|B)

则称事件A与B相互独立。则上式等价于:

P(AB)=P(A)P(B)定理3.2以下四件事等价:(1)事件A、B相互独立;(2)事件A、B相互独立;(3)事件A、B相互独立;(4)事件A、B相互独立。定理3.3

设A,B是两事件,且P(A)>0,若A,B

相互独立,则P(A)=P(A|B),反之亦然。2、多个事件的独立定义3.4

若三个事件A、B、C满足:P(AB)=P(A)P(B),P(AC)=P(A)P(C),P(BC)=P(B)P(C),

则称事件A、B、C两两相互独立;若在此基础上还满足:

P(ABC)=P(A)P(B)P(C),则称事件A、B、C相互独立。

一般地,设A1,A2,…,An是n个事件,如果对任意k(1

k

n),任意的1

i1

i2

…

ik

n,具有等式P(Ai1Ai2…Aik)=P(Ai1)P(Ai2)…P(Aik),则称n个事件A1,A2,…,An相互独立。加法公式的简化:若事件A1,A2,…,An相互独立,则

3、在可靠性理论上的应用如图,1、2、3、4、5表示继电器触点,假设每个触点闭合的概率为p,且各继电器接点闭合与否相互独立,求L至R是通路的概率。设A---L至R为通路,Ai---第i个继电器通,i=1,2,…5由全概率公式五、贝努利概型

★我们重复地进行n次独立试验(“重复”是指这次试验中各次试验条件相同)。

★每次试验成功的概率都是p,失败的概率都是q=1-p。

这样的n次独立重复试验称作n重贝努里试验,简称贝努利概型。定理3.5(二项概率公式)

设事件A在一次试验中发生的概率为p,则在n重贝努利试验中事件A

恰好发生k次的概率为(2)不难验证:(1)例10:一批产品的废品率为0.2,现从中有放回地取3次,每次任取1个,求在所取的3个中恰有2个次品的概率。解:因为这是有放回地取3次,因此这3次试验的条件完全相同且独立,它是贝努利试验。依题意,每次试验取到次品的概率为0.2。设X为所取的3个中的次品数,于是,所求概率为:则X~B(3,0.2)第二章随机变量及其分布一维离散型随机变量及其分布分布函数及连续型随机变量二维随机变量及其分布随机变量函数的分布

关于随机变量(及向量)的研究,是概率论的中心内容.这是因为,对于一个随机试验,我们所关心的往往是与所研究的特定问题有关的某个或某些量,而这些量就是随机变量.也可以说:随机事件是从静态的观点来研究随机现象,而随机变量则是一种动态的观点,一如数学分析中的常量与变量的区分那样.变量概念是高等数学有别于初等数学的基础概念.同样,概率论能从计算一些孤立事件的概念发展为一个更高的理论体系,其基础概念是随机变量。§1一维离散型随机变量

一、一维随机变量随机变量的概念

定义1.1设U={e}是试验的样本空间,如果量X是定义在S上的一个单值实值函数即对于每一个e

U,有一实数X=X(e)与之对应,则称X为随机变量。随机变量常用X、Y、Z或、、等表示。随机变量的特点:

1X的全部可能取值是互斥且完备的2X的部分可能取值描述随机事件例1进行n次独立试验,每次试验中事件A发生的概率为p(0<p<1),在这n次独立试验中事件A发生的次数为随机变量X(e),X(e)可取0,1,…,n。例2在某段时间内,传呼台接到呼唤次数为随机变量X(e),X(e)可取0,1,…,n,…。例3某台设备的寿命X(e)为随机变量X(e),X(e)可取0,1,…,n,…。例4测量误差X(e)为随机变量,X(e)为全体实数。随机变量的分类:随机变量二、离散型随机变量定义1.2若随机变量X取值x1,x2,…,xn,…且取这些值的概率依次为p1,p2,…,pn,…,则称X为离散型随机变量,而称P{X=xk}=pk,(k=1,2,…)

为X的分布律或概率分布。可表为

X~P{X=xk}=pk,(k=1,2,…),或…X

x1 x2

…

xK …

Pk p1 p2 … pk …(1)0≤pi≤1(i=1,2,…,n…);(2)

例5设袋中有5只球,其中有2只白3只黑。现从中任取3只球(不放回),求抽得的白球数X为k的概率。解k可取值0,1,2分布律的性质三·几个常用的离散型分布1.(0-1)分布

若以X表示进行一次试验事件A发生的次数,则称X服从(0-1)分布(两点分布)X~P{X=k}=pk(1-p)1-k,(0<p<1)k=0,1或

若以X表示n重贝努里试验事件A发生的次数,则称X服从参数为n,p的二项分布。

记作X~B(n,p),其分布律为:2.二项分布

设将试验独立重复进行n次,每次试验中,事件A发生的概率均为p,则称这n次试验为n重贝努利试验.3.泊松(Poisson)分布X~P{X=k}=,k=0,1,2,…(0)定理1.1(泊松定理)设随机变量Xn(n=1,2,…)服从二项分布,其分布律为泊松定理表明,泊松分布是二项分布的极限分布,当n很大,p很小时,二项分布就可近似地看成是参数

=np的泊松分布例6.

某人射击的命中率为0.02,他独立射击400次,试求其命中次数大于或等于2的概率。解

设X表示400次独立射击中命中的次数,则X~B(400,0.02),故P{X

2}=1-P{X=0}-P{X=1}=1-0.98400-(400)(0.02)(0.98399)=…下面用泊松定理作近似计算取

=np=(400)(0.02)=8,故近似地有

P{X2}=1-P{X=0}-P{X=1}=1-(1+8)e-8=0.996981.例7为保证设备正常工作,需要配备适量的维修人员.设共有300台设备,每台的工作相互独立,发生故障的概率都是0.01.若在通常的情况下,一台设备的故障可由一人来处理.问至少应配备多少维修人员,才能保证当设备发生故障时不能及时维修的概率小于0.01?分析:设X为300台设备同时发生故障的台数,X~B(n,p),n=300,

p=0.01设需配备N个维修人员,所求的是满足的最小的NP(X>N)<0.01或P(X

N)0.99解:设X为300台设备同时发生故障的台数,X~B(n,p),n=300,p=0.01设需配备N个维修人员,所求的是满足P(X>N)<0.01的最小的N.

P(X>N)

n大,p小,np=3,用=np=3的泊松近似下面给出正式求解过程:即至少需配备8个维修人员.查书末的泊松分布表得N+19,即N8我们求满足的最小的N.例8.进行独立重复试验,每次成功的概率为p,令X表示直到出现第m次成功为止所进行的试验次数,求X的分布律。解:m=1时,m>1时,X的全部取值为:m,m+1,m+2,…P{X=m+1}=P{第m+1次试验时成功并且

在前m次试验中成功了m-1次}§2分布函数及连续型随机变量一、随机变量的分布函数

定义2.1

设X是随机变量,对任意实数x,事件{X

x}的概率P{X

x}称为随机变量X的分布函数。记为F(x),即

F(x)=P{X

x}.

易知,对任意实数a,b(a<b),P{a<Xb}=P{X

b}-P{X

a}=F(b)-F(a).分布函数的性质

1、单调不减性:若x1<x2,则F(x1)

F(x2);2、归一性:对任意实数x,0

F(x)

1,且

3、右连续性:对任意实数x,

反之,具有上述三个性质的实函数,必是某个随机变量的分布函数。故该三个性质是分布函数的充分必要性质。一般地,对离散型随机变量

X~P{X=xk}=pk,k=1,2,…其分布函数为

例1

设随机变量X具分布律如右表解

X012P0.10.60.3试求出X的分布函数。例2公共汽车每10分钟一趟,每位乘客任意时刻到达汽车站的可能性相同。求乘客候车时间X的分布函数。(1)当x<0时,当F(x)=0(2)当0≤x≤10时,(3)当x>10时,F(x)=1

用分布函数描述随机变量不如分布律直观,对非离散型随机变量,是否有更直观的描述方法?ab二、连续型随机变量及其分布定义2.2

对于随机变量X,若存在非负函数f(x)≥0,(-

<x<+

),使对任意实数x,都有

则称X为连续型随机变量,f(x)为X的

概率密度函数,简称概率密度或密度函数.常记为X~f(x),(-

<x<+

)密度函数的几何意义为概率密度函数的性质(1)(2)

这两条性质是判定一个函数f(x)是否为某r.vX的概率密度函数的充要条件.

f(x)xo面积为1(3)对任意实数b,若X~f(x),(-<x<),则P{X=b}=0。于是(4)若x是f(x)的连续点,则

故

X的密度f(x)

在x

这一点的值,恰好是X落在区间上的概率与区间长度之比的极限.这里,如果把概率理解为质量,f(x)相当于线密度.

例3已知随机变量X的概率密度为1)求X的分布函数F(x),2)求P{X

(0.5,1.5)}三、几个常用的连续型分布1.均匀分布若X~f(x)=则称X在(a,b)内服从均匀分布。记作X~U[a,b]

对任意实数c,d(a<c<d<b),都有例4设服从区间[1,6]上的均匀分布,求方程有实根的概率。解:由已知条件可得X的密度函数为2.指数分布若X~则称X服从参数为

>0的指数分布。其分布函数为

正态分布是实践中应用最为广泛,在理论上研究最多的分布之一,故它在概率统计中占有特别重要的地位。3.正态分布ABA,B间真实距离为,测量值为X。X的概率密度应该是什么形态?其中为实数,

>0,则称X服从参数为

,2的正态分布,记为N(,2),可表为X~N(,2).若随机变量

决定了图形的中心位置,决定了图形中峰的陡峭程度.

正态分布的图形特点

(1)单峰对称

密度曲线关于直线x=

对称;

f()=maxf(x)=.正态分布有两个特性:(2)

的大小直接影响概率的分布越大,曲线越平坦,越小,曲线越陡峻。正态分布也称为高斯(Gauss)分布4.标准正态分布

参数=0,2=1的正态分布称为标准正态分布,记作X~N(0,1)。分布函数表示为其密度函数表示为

一般的概率统计教科书均附有标准正态分布表供读者查阅

(x)的值。(P289附表1)如,若X—N(0,1),

(0.5)=0.6915,P{1.32<X<2.43}=(2.43)-(1.32)=0.9925-0.9066注:(1)(x)=1-(-x);

(2)若X~N(,2),则例:一种电子元件的使用寿命X(小时)服从正态分布N(100,152),某仪器上装有3个这种元件,三个元件损坏与否是相互独立的.求:使用的最初90小时内无一元件损坏的概率.解:设Y为使用的最初90小时内损坏的元件数,故则Y~B(3,p)其中

定义3.1设(X,Y)是二维随机变量,(x,y)

R2,则称

F(x,y)=P{X

x,Y

y}

为(X,Y)的联合分布函数。

§3二维随机变量及其联合分布几何意义:分布函数F()表示随机点(X,Y)落在区域中的概率。如图阴影部分:一、二维随机变量及其联合分布对于(x1,y1),(x2,y2)

R2,(x1<

x2,y1<y2),则P{x1<X

x2,y1<y

y2}=F(x2,y2)-

F(x1,y2)-F(x2,y1)+F(x1,y1).(x1,y1)(x2,y2)(x2,y1)(x1,y2)

分布函数F(x,y)具有如下性质:且(1)归一性

对任意(x,y)

R2,0

F(x,y)

1,

(2)单调不减

对任意y

R,当x1<x2时,

F(x1,y)

F(x2,y);

对任意x

R,当y1<y2时,F(x,y1)

F(x,y2).

(3)右连续

对任意x

R,y

R,

(4)矩形不等式

对于任意(x1,y1),(x2,y2)

R2,(x1<

x2,y1<y2),F(x2,y2)-F(x1,y2)-F(x2,y1)+F(x1,y1)0.

反之,任一满足上述四个性质的二元函数F(x,y)都可以作为某个二维随机变量(X,Y)的分布函数。1.二维离散型随机变量及其联合分布定义3.2

若二维随机变量(X,Y)只能取至多可列个值

(xi,yj),(i,j=1,2,…),则称(X,Y)

为二维离散型随机变量。

若二维离散型随机变量(X,Y)取(xi,yj)的概率为pij,则称P{X=xi,Y=yj,}=pij,(i,j=1,2,…),为二维离散型随机变量(X,Y)的联合分布律.可记为

(X,Y)~P{X=xi,Y=yj,}=pij,(i,j=1,2,…),XYy1y2…yj…

p11

p12...

P1j...

p21

p22...

P2j...

pi1

pi2...

Pij...........................联合分布律的性质

(1)pij

0,i,j=1,2,…

;

(2)x1x2xi分布律也可列表表示如下:例1一个口袋里装有三个球,分别标有号码1,1,2从中先后取两个球,第一次取出球的标号为X,第二次取出球的标号为Y,求(X,Y)的联合分布律。解:(不放回抽样)由概率的乘法公式可得(X,Y)的联合分布YX1212用表格形式如下:YX1212(2)(放回抽样)由概率的乘法公式可得(X,Y)的联合分布律为:2.二维连续型随机变量及其联合分布

定义3.3

若二维随机变量(X,Y)的分布函数为F(x,y)对任意x,y有其中f(x,y)≥0。则称(X,Y)为二维连续型随机变量,称f(x,y)为(X,Y)的联合密度。联合密度f(x,y)的性质(1)非负性:f(x,y)

0;(2)归一性:(3)若f(x,y)在(x,y)

R2处连续,则有(4)对于任意平面区域G

R2,

求:(1)(X,Y)的分布函数;(2)P{0<X

1,x<Y<1}。 例3:随机变量(X,Y)的概率密度为解:当x≤0或y≤0时,f(s,t)=0

故F(x,y)=0xy当x>0,0<y≤x时,当x>0,y>x时,xytst=s

两个常用的二维连续型分布

(1)均匀分布

若二维随机变量(X,Y)的密度函数为则称(X,Y)在区域D上(内)服从均匀分布。

易见,若(X,Y)在区域D上(内)服从均匀分布,对D内任意区域G,有

其中,

1、2为实数,

1>0、

2>0|

|<1,则称(X,Y)服从参数为

1,2,1,2,的二维正态分布,可记为

(2)二维正态分布N(

1,2,1,2,)

若二维随机变量(X,Y)的密度函数为

分布函数的概念可推广到n维随机变量的情形。事实上,对n维随机变量(X1,X2,…,Xn),F(x1,x2,…,xn)=P(X1

x1,X2

x2,…,Xn

xn)称为的n维随机变量(X1,X2,…,Xn)的分布函数,或随机变量X1,X2,…,Xn的联合分布函数。定义n维随机变量(X1,X2,...Xn),如果存在非负的n元函数f(x1,x2,...xn)使对任意的n元立方体二、边缘分布与联合密度定义3.4

设F(x,y)为二维随机变量(X,Y)的联合分布函数,则称FX(x)=F(x,+

)=

为(X,Y)关于X的边缘分布函数。FY(y)=F(+

,y)=

为(X,Y)关于Y的边缘分布函数。1.边缘分布离散型边缘分布函数(X,Y)的两个边缘分布律分别为连续型边缘分布函数(X,Y)的两个边缘分布律分别为例3.已知(X,Y)的分布律为x\y 1 0 1 1/10 3/10 03/103/10求X、Y的边缘分布律。 故关于X和Y的分布律分别为:

X 1 0 Y 1 0 P2/5 3/5 P 2/5 3/5解:

x\y 1 0 pi. 1 1/10 3/10 0 3/10 3/10 p.j

2/53/52/53/5求:(1)常数C;(2)

例4.设解:(1)由归一性同理可得例5设(X,Y)在区域G内服从均匀分布其中G由y=x,y=所围成,求边缘概率密度解:G的面积同理设随机变量X与Y的联合分布律为

(X,Y)~P{X=xi,Y=yj,}=pij,(i,j=1,2,…),X和Y的边缘分布律分别为2.条件分布

一.离散型随机变量的条件分布律为Y=yj的条件下,X的条件分布律;若对固定的j,p.j>0,则称同理,对固定的i,pi.

>0,称为X=xi的条件下,Y的条件分布律;连续型随机变量的条件概率密度定义.

给定y,设对任意固定的正数

>0,极限存在,则称此极限为在条件条件下X的条件分布函数.记作可证当时

若记为在Y=y条件下X的条件概率密度,当时,

.类似定义,当时例.已知(X,Y)的概率密度为

(1)求条件概率密度(2)求条件概率xy1解:=…p55三、随机变量的独立性定义3.7

称随机变量X与Y独立,如果对任意实数a<b,c<d,有p{a<X

b,c<Y

d}=p{a<X

b}p{c<Y

d}即事件{a<X

b}与事件{c<Y

d}独立,则称随机变量X与Y独立。定理:随机变量X与Y独立的充分必要条件是

F(x,y)=FX(x)FY(y)

等价形式(1)设(X,Y)是二维连续型随机变量,X与Y独立的充分必要条件是f(x,y)=fX(x)fY(y)(2)设(X,Y)是二维离散型随机变量,其分布律为Pi,j=P{X=xi,Y=yj},i,j=1,2,...,则X与Y独立的充分必要条件是对任意i,j,Pi,j=Pi

.P

j。定理3.1

若随机变量X与Y相互独立,g1(x)与g2(x)是任意两个连续函数,则g1(X)与g2(Y)也相互独立。定义.

设n维随机变量(X1,X2,...Xn)的分布函数为F(x1,x2,...xn),(X1,X2,...Xn)的k(1k<n)维边缘分布函数就随之确定,如关于(X1,X2)的边缘分布函数是FX1,X2(x1,x2,)=F(x1,x2,,...)若Xk的边缘分布函数为FXk(xk),k=(1,2,…,n)。

n维随机变量的边缘分布与独立性则称X1,X2,...Xn

相互独立,或称(X1,X2,...Xn)是独立的。

对于离散型随机变量的情形,若对任意整数i1,i2,…,in及实数有

则离散型随机变量X1,X2,…,Xn相互独立。

设X1,X2,…,Xn为n个连续型随机变量,若对任意的(x1,x2,…,xn)

Rn,

f(x1,x2,…,xn)=fX1(x1)fX2(x2)…fXn(xn)几乎处处成立,则称X1,X2,…,Xn相互独立定义

设n维随机变量(X1,X2,...Xn)的分布函数为FX(x1,x2,...xn);m维随机变量(Y1,Y2,…Ym)的分布函数为FY(y1,y2,…ym),X1,X2,...Xn,Y1,Y2,…Ym组成的n+m维随机变量(X1,X2,...Xn,Y1,Y2,…Ym)的分布函数为F(x1,x2,...xn,y1,y2,…ym).如果F(x1,x2,...xn,y1,y2,…ym).=FX(x1,x

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论