资源简介 小 课 堂第四部分 离散型随机变量离散型随机变量1、离散型随机变量(1)随机变量:如果随机试验的结果可以用一个变量来表示,那么这样的变量叫做随机变量,随机变量常用字母X,Y,ξ,η等表示.(2)离散型随机变量 :对于随机变量可能取的值,可以按一定次序一一列出,这样的随机变量叫做离散型随机变量.(3)连续型随机变量 : 对于随机变量可能取的值,可以取某一区间内的一切值,这样的变量就叫做连续型随机变量.(4)离散型随机变量与连续型随机变量的区别与联系 : 离散型随机变量与连续型随机变量都是用变量表示随机试验的结果;但是离散型随机变量的结果可以按一定次序一一列出,而连续性随机变量的结果不可以一一列出.(5)传递性: 若X是随机变量,Y = aX + b(a,b是常数 )则Y也是随机变量并且不改变其属性 (离散型、连续型 ).★ 2、离散型随机变量的分布列(1)概率分布 (分布列 ):设离散型随机变量X可能取的不同值为 x1,x2,…,xi,…,xn,X的每一个值 xi(i= 1,2,…,n)的概率P(X= xi) = pi,则称表:X x1 x2 … xi … xnP p1 p2 … pi … pn为随机变量X的概率分布,简称X的分布列.n(2)性质:① pi≥ 0,i= 1,2,...n; ② pi= 1.i=1(3) ①期望:Eξ= x1P1+ x2P2+ +xnPn+ ②方差:Dξ= x1-Eξ 2 p + x -Eξ 21 2 p2+ + x 2n-Eξ pn+ ③方差与期望的关系:Dξ=Eξ2- Eξ 2.·85·小 课 堂概率分布★ 1、两点分布(伯努利分布)(1)概念:若随机变量X只取 0和 1两个值,则称随机变量X服从参数为 p的伯努利分布(2)随机变量X的分布列为:X 0 1P 1- p p(3)两点分布记为:B(1,P).期望E(Χ) = p 方差D(Χ) = p(1 P)★ 2、二项分布(1)独立重复试验(n重伯努利试验)①定义 : 一般地,在相同条件下重复做的n次随机试验称为n次独立重复试验.②独立重复试验的概率公式在 1次试验中某事件发生的概率是 p,那么在n次独立重复试验中这个试验恰好发生 k次的概率:Pn(k) =C knpk(1- p)n-k k= 0,1,2, n .(2)二项分布一般地,在n次独立重复试验中,ξ表示事件A发生的次数.如果事件A发生的概率是p,则不发生的概率 q= 1- p,n次独立重复试验中,事件A发生 k次的概率是:P(ξ= k) =C knpk(1- p)n-k (k= 0,1,2,3…n),那么就说 ξ服从参数 p的二项分布,其中 p称为成功概率.记作:ξ~B(n,p).期望E(Χ) =np,方差D(Χ) =np(1 P)于是得到随机变量X的概率分布如下:ξ 0 1 … k … nP C 0p0qn C 1p1qn-1 … C kpkqn-kn n n … Cnnpnq0(3)判断一个随机变量是否服从二项分布,关键有三点:①对立性:即一次试验中事件发生与否二者必居其一;②重复性:即试验是独立重复地进行了n次;是有放回抽样.③等概率性:在每次试验中事件发生的概率均相等.·86·小 课 堂★ 3、超几何分布(1)定义:一般地, 在含有M 件次品的N 件产品中,任取n件,其中恰有X件次品数,则事C kCn-k件 X=k 发生的概率为P X= k = M N - Mn k= 0,1,2,3 m ,此时我们称随机变量CNX服从超几何分布,记作:H(N ,M ,n):E(Χ) =n M ,D(Χ) =n M (1 M ) N nN N N N 1于是得到随机变量X的概率分布如下:X 0 1 … mC 0 Cn-0 1 n-1 m n-mP M N - M C MC N - M … C MC N - MCn n nN CN CN(2)注 :①超几何分布的模型是不放回抽样;②超几何分布中的参数是M ,N ,n.其意义分别是:总体中的个体总数、N 中一类的总数、样本容量.★ 4、正态分布(高斯分布)(1)定义:若随机变量X服从一个位置参数为 μ、尺度参数为 σ的概率分布,且其概率(x-μ)2密度函数为:f(x) = 1 - e 2σ2 ,x∈ (-∞,+∞),则这个随机变量就称为正态随机2πσ变量,正态随机变量服从的分布就称为正态分布,记作X~N (μ,σ2) .(2)性质:①曲线是单峰的,它关于直线 x= μ对称;曲线与 x轴之间的面积为 1;②曲线在 x= μ时达到峰值 1 ;2πσ③当 x< μ时,曲线上升;当 x> μ时,曲线下降.并且当曲线向左、右两边无限延伸时,以 x轴为渐近线,向它无限靠近.(3)期望、方差: E(Χ) = μ,D(X) = σ2(4)正态分布在三个特殊区间的概率值:P(μ- σP(μ- 2σP(μ- 3σ·87· 展开更多...... 收起↑ 资源预览