- 1、本文档共21页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
随机变量及其分布(包含详解例题)
本博⽂源于北京理⼯⼤学《概率论数理统计》包含内容为随机变量及其分布的⼀些知识,下⾯是其⽬录。
随机变量
随机变量及离散型随机变量的定义
因为我们需要根据问题的性质,通过引⼊⼀个变量,来描述随机试验的样本点。即引⼊样本空间到实数域空间到实数域上的映射。
随机变量的定义
随机变量⼀般实函数的差别
X随试验结果的不同⽽取不同的值,因⽽在试验之前只知道它可能取值的范围,⽽不能预先肯定它将取哪个值;
定义域不同
由于试验结果的出现具有⼀定的概率,于是这种实值函数取每个值和每个确定范围内的值也有⼀定的概率。
离散型随机变量
离散型随机变量的定义
若随机变量X所有可能的取值为有限个或可列⽆穷多个,则称X为离散型随机变量。否则称为⾮离散型随机变量。
离散型随机变量的分布
分布律的意义
所谓的分布不过是全部概率1是如何分布在(分配到)随机变量X各个可能值xi上的。有了离散型随机变量X的分布律后,可以计算X取某值或
落⼊某实数集合内的概率。它完全描述了X取值的概率规律。
离散型随机变量分布的性质
第(2)个的归⼀性利⽤的⾮常多,值得记忆。
离散型随机变量例题
拿到这道题⽬,第(1)⼩问直接画表格就⾏了,先确定X的取值,再对X取值概率求⼀下,写进表格⾥,再对概率相加是否为1,判断⾃⼰
写的是不是对的。第(2)⼩问就是判断X是否落在区间范围内,⽐如1=X=3只有1,2落在这个范围内,就把两者的概率相加就得出最后的
答案。完整的解题过程是这样⼦的。
离散型随机变量的做题步骤
概括起来就是画表格,满⾜区间的值相加即可。
重要的离散型随机变量
单点分布
若随机变量X只取⼀个常数值C,即P(X=C)=1,则称X服从单点分布,也称为退化分布
0-1分布
若随机变量X只可能取0和1两个值,其分布律为
任何⼀个只有两种可能结果的随机现象,都可以⽤⼀个服从两点分布的随机变量来描述。两两点点分分布布⼜⼜称称为为伯伯努努利利分分布布
⼆项分布
⼆项分布是两点分布做n次的情况,下⾯先看⼀下伯努利试验。
伯努利试验
n重伯努利试验
将伯努利做个n次就成为n重伯努利试验,伯努利试验学术定义如下:
伯努利试验—打靶问题
拿到问题,发现独⽴⼆字,就可能是n重伯努利试验。以四发为次数,恰好命中三发为样本空间,开始进⾏假设。
因为每个事件都是独⽴的,所以我们可以直接做乘积
伯努利试验–修机器
先分析⼀个⼈负责20台的情况,这种情况只需要20台机器⾄少⼀台出故障,这个⼯⼈就忙不过来考虑到就⾏了。
然后考虑3个⼈维修80台,只需要考虑三⼈四台出故障的概率,四台不好求,那就它的逆事件三台的情况
伯努利试验定理
⼆项分布两点分布的图像差别
⼏何分布
⼏何分布的概率背景
要想做某实验,第⼀次做成功后就收⼿的概率。
⼏何分布的定义
⼏何分布的⽆记忆性
这也是它的性质,如果前⼏次都没成功,后⾯⼜不成功,那么接下来是否成功不取决于前⾯的失败。
超⼏何分布
超⼏何分布的概率背景
就是摸球的不放回抽样的理论定义。
超⼏何分布定义
泊松分布
泊松分布的概率背景
为解决电话在⼀段时间的呼叫次数、公共汽车固定时间内来到的乘客数。
泊松分布的定义
做题中我们⽤的泊松分布都是为了其他做转化的。
泊松分布例题–呼叫电话
恰有四次那就是λ=3,k=4,带进去算就⾏了。第(2)问就是λ=3,k=0到5计算泊松分布的值就⾏了。
超⼏何分布、⼆项分布、泊松分布的转化
⾸先还是需要从⼀道题⽬来讲起
恰为两件那就⽤超⼏何分布X=2的情景
可是做计算过于⿇烦,那就⼜下⾯的定理将其转换为⼆项分布
可是n-m太过于复杂那可如何是好?有下⾯的定理将⼆项分布转换为泊松分布。
两者的近似效果如图,会发现近似效果很棒。
例题(分布转化)–射击问题
⾄少命中⼀次,那就是分为命中和不命中两种类型,那就会发现这是n重伯努利试验。然后⾄少⼀次不好求,那就算⼀次不命中的概率然后
⽤1减去就⾏了
λ=np,n=5000,p=0.001,所以就是λ=5,k=0,算出泊松分布的概率值
会发现⼩概率事件虽不容易发⽣,但重复次数多了,就成⼤概率事件了。
随机变量的分布函数
随机变量的分布函数定义
分布函数的3点说明
1.分布函数是⼀个普通的函数,正是通过它,我们可以⽤数学分析的⼯具来研究随机变量;
2.如果将X看作数轴上随机点的坐标,那么分布函数F(x)的值就表⽰X落在区间(-∞,x]的概率;
3.
例题–抛硬币问题
文档评论(0)