第二章随机变量及其概率分布 【授课对象】理工类本科二年级 【授课时数】8学时 【授课方法】课堂讲授与提问相结合 【基本要求】1、了解随机变量的概念 2、理解离散型随机变量的概念及其分布律的概念和性质 3、理解连续型随机变量的概念及其概率密度函数的概念和性质 4、理解分布函数的概念,并知道其性质; 5、会利用分布律、概率密度函数及分布函数计算有关事件的概率; 6、会求简单的随机变量函数的概率分布 7、了解二维随机变量的概念,知道二维随机变量的边缘(边际)分布、 联合分布函数等概念; 8、了解二维连续型随机变量的联合概率密度函数的概念及性质,进一 步掌握其边缘分布与联合分布的关系,并会计算有关事件的概率 了解二维连续型随机变量独立性的概念 本章重点】随机变量的概念;连续型(离散型)随机变量的密度函数(分布律)的 概念和性质以及它们的分布函数的概念和性质;二维随机变量的边缘分 布、联合分布函数等概念;随机变量函数的概率分布以及二维随机变量 独立性的概念。 【本章难点】随机变量的概念及性质;连续型随机变量的概率密度函数及分布函数的 性质与相关计算;二维连续型随机变量的边缘分布与联合分布的关系以 及独立性的概念 【授课内容及学时分配】 §2.1隨机变量的概念 在第一章里,我们主要研究了随机事件及其概率,同学们可能会注意到在随机现 象中,有很大一部分问题与实数之间存在着某种客观的联系。例如,在产品检验问题 中,我们关心的是抽样中出现的废品数;在车间供电问题中,我们关心的是某时期正 概率论与数理统计教案 第二章随机事件及其概率分布
概率论与数理统计教案 第二章 随机事件及其概率分布 1 第二章 随机变量及其概率分布 【授课对象】理工类本科二年级 【授课时数】8 学时 【授课方法】课堂讲授与提问相结合 【基本要求】1、了解随机变量的概念； 2、理解离散型随机变量的概念及其分布律的概念和性质； 3、理解连续型随机变量的概念及其概率密度函数的概念和性质； 4、理解分布函数的概念，并知道其性质； 5、会利用分布律、概率密度函数及分布函数计算有关事件的概率； 6、会求简单的随机变量函数的概率分布； 7、了解二维随机变量的概念，知道二维随机变量的边缘（边际）分布、 联合分布函数等概念； 8、了解二维连续型随机变量的联合概率密度函数的概念及性质，进一 步掌握其边缘分布与联合分布的关系，并会计算有关事件的概率； 了解二维连续型随机变量独立性的概念。 【本章重点】随机变量的概念；连续型（离散型）随机变量的密度函数（分布律）的 概念和性质以及它们的分布函数的概念和性质；二维随机变量的边缘分 布、联合分布函数等概念；随机变量函数的概率分布以及二维随机变量 独立性的概念。 【本章难点】随机变量的概念及性质；连续型随机变量的概率密度函数及分布函数的 性质与相关计算；二维连续型随机变量的边缘分布与联合分布的关系以 及独立性的概念。 【授课内容及学时分配】 §2.1 随机变量的概念 在第一章里，我们主要研究了随机事件及其概率，同学们可能会注意到在随机现 象中，有很大一部分问题与实数之间存在着某种客观的联系。例如，在产品检验问题 中，我们关心的是抽样中出现的废品数；在车间供电问题中，我们关心的是某时期正
在工作的车床数;在电话问题中关心的是某一段时间内的话务量等。对于这类随机现 象,其试验结果显然可以用数值来描述,并且随着试验的结果不同而取不同的数值 然而,有些初看起来与数值无关的随机现象,也常常能联系数值来描述。比如,在投 硬币问题中,每次实验出现的结果为正面或反面,与数值没有联系,但我们可以通过 指定数“1”代表正面,“0”代表反面,为了计算n次投掷中出现的正面就只须计算 其中“1”出现的次数了,从而使这一随机试验的结果与数值发生联系。 般地,如果A为某个随机事件,则一定可以通过如下示性函数使它与数值发生 1A发生 联系:1,=(04不发生 这就说明了,不管随机试验的结果是否具有数量的性质,我们都可以建立一个样 本空间和实数空间的对应关系,使之与数值发生联系 为了全面的研究随机试验的结果,揭示随机现象的统计规律性,我们将随机试验 的结果与实数对应起来,将随机试验的结果数量化,引入随机变量的概念。 引例:随机试验E1:从一个装有编号为0,1,2,…,9的球的袋中任意摸一球。 则其样本空间Ω={,ω1,…,O},其中o,“摸到编号为i的球”,i=0,1,,9 定义函数:O,→i,即ξ(a,)=,=0,1,…,9 这就是Ω和整数集{0,1,2,…,9}的一个对应关系,此时表示摸到球的号码。 从上例中,我们不难体会到: ①对应关系ξ的取值是随机的,也就是说,在试验之前,ξ取什么值不能确定, 而是由随机试验的可能结果决定的,但的所有可能取值是事先可以预言的。 ②5是定义在Ω上而取值在R上的函数 同时在上例中,我们可以用集合{a,:5(0,)≤5}表示“摸到球的号数不大于5” 这一随机事件,因而可以计算其概率。习惯上我们称定义在样本空间Ω上的单值实函 数ξ为随机变量。这就有了如下定义: 定义:设随机试验E的样本空间为9={o},5=(0)是定义在Ω上的单值实函数, 概率论与数理统计教案 第二章随机事件及其概率分布
2 概率论与数理统计教案 第二章 随机事件及其概率分布 在工作的车床数；在电话问题中关心的是某一段时间内的话务量等。对于这类随机现 象，其试验结果显然可以用数值来描述，并且随着试验的结果不同而取不同的数值。 然而，有些初看起来与数值无关的随机现象，也常常能联系数值来描述。比如，在投 硬币问题中，每次实验出现的结果为正面或反面，与数值没有联系，但我们可以通过 指定数“1”代表正面，“0”代表反面，为了计算 n 次投掷中出现的正面就只须计算 其中“1”出现的次数了，从而使这一随机试验的结果与数值发生联系。 一般地，如果 A 为某个随机事件，则一定可以通过如下示性函数使它与数值发生 联系： = 不发生 发生 A A A 0 1 1 这就说明了，不管随机试验的结果是否具有数量的性质，我们都可以建立一个样 本空间和实数空间的对应关系，使之与数值发生联系。 为了全面的研究随机试验的结果，揭示随机现象的统计规律性，我们将随机试验 的结果与实数对应起来，将随机试验的结果数量化，引入随机变量的概念。 引例：随机试验 E1：从一个装有编号为 0，1，2，…，9 的球的袋中任意摸一球。 则其样本空间 ={ 0 ，1，…，9 }，其中 i “摸到编号为 i 的球”， i =0,1,…,9. 定义函数 ： i → i ，即 ( i )= i ，i =0，1，…，9。 这就是 和整数集{0，1，2，…，9}的一个对应关系，此时 表示摸到球的号码。 从上例中，我们不难体会到： ①对应关系 的取值是随机的，也就是说，在试验之前， 取什么值不能确定， 而是由随机试验的可能结果决定的，但 的所有可能取值是事先可以预言的。 ② 是定义在 上而取值在 R 上的函数。 同时在上例中，我们可以用集合{ i： ( i ) 5}表示“摸到球的号数不大于 5” 这一随机事件，因而可以计算其概率。习惯上我们称定义在样本空间 上的单值实函 数 为随机变量。这就有了如下定义： 定义：设随机试验 E 的样本空间为 = {}， = ( )是定义在 上的单值实函数
若对任意实数x,集合{o:(o)≤x}是随机事件,则称=5(o)为随机变量( Random Variable)。 定义表明随机变量=5(O)是样本点的函数,为方便起见,通常写为ξ,而集 合{o:5()≤x}简记为{5≤x}。 如在上例中,摸到不大于5号球的事件可表示为{≤5},则其概率为 P{5≤5}=3/5。 随机变量的引入,使概率论的硏究由个别随机事件扩大为随机变量所表征的随机 现象的研究。正因为随机变量可以描述各种随机事件,使我们摆脱只是孤立的去研究 个随机事件,而通过随机变量将各个事件联系起来,进而去研究其全部。今后,我 们主要研究随机变量和它的分布。 §2.2随机变量的概率分布 对于随机变量来讲,我们不仅关心它取哪些值,更关心它以多大的概率取那些值, 即研究随机变量的统计规律性一分布函数。 随机变量的分布函数 由前可知,若ξ是随机变量,则对x∈R,{≤x}是随机事件,所以P{ξ≤x}有 意义。当实数a<b时,有:P{a<≤b}=P{≤b}-P{≤a} 可见,只要对一切实数x给出概率P{≤x},则任何事件{a<5≤b}及它们的可列 交、可列并的概率都可求得。从而P{ξ≤x},x∈R完全刻划了随机变量ξ的统计规律, 并决定了随机变量ξ的一切概率特征 1.定义:设ξ是Ω上的随机变量,对vx∈R, 在其内的抵率 称F(x)=P{≤x}为2的分布函数 2性质:设F(x)是随机变量ξ的分布函数,则F(x)具有如下性质 ①单调非降性:即对ⅵx<x2∈R,F(x1)≤F(x2) 概率论与数理统计教案 第二章随机事件及其概率分布3
概率论与数理统计教案 第二章 随机事件及其概率分布 3 若对任意实数 x ，集合{ ： ( ) x}是随机事件，则称 = ( )为随机变量（Random Variable）。 定义表明随机变量 = ( )是样本点 的函数，为方便起见，通常写为 ，而集 合{ ： ( ) x}简记为{ x}。 如在上例中，摸到不大于 5 号球的事件可 表示为{ 5}，则其概率为 P{ 5}=3/5。 随机变量的引入，使概率论的研究由个别随机事件扩大为随机变量所表征的随机 现象的研究。正因为随机变量可以描述各种随机事件，使我们摆脱只是孤立的去研究 一个随机事件，而通过随机变量将各个事件联系起来，进而去研究其全部。今后，我 们主要研究随机变量和它的分布。 §2.2 随机变量的概率分布 对于随机变量来讲，我们不仅关心它取哪些值，更关心它以多大的概率取那些值， 即研究随机变量的统计规律性—分布函数。 一、随机变量的分布函数 由前可知，若 是随机变量，则对 x R，{ x}是随机事件，所以 P{ x}有 意义。当实数 a<b 时，有：P{a< b}=P{ b}-P{ a} 可见，只要对一切实数 x 给出概率 P{ x}，则任何事件{a< b}及它们的可列 交、可列并的概率都可求得。从而 P{ x}，x R 完全刻划了随机变量 的统计规律， 并决定了随机变量 的一切概率特征。 1.定义：设 是 上的随机变量，对 x R， 称 F(x) = P{ x}为 的分布函数。 2.性质：设 F(x) 是随机变量 的分布函数，则 F(x) 具有如下性质： ①单调非降性：即对 x1 x2 R， ( ) ( ) 1 2 F x F x
Pw0:对x1 由定义可见,要计算ξ取值的概率可以通过其分布函数来实现。为了研究随机变 量ξ的概率分布,我们常选择F(x)来代替之。 3运算:若aa}=1-F(a) P{2≥a}=1-F(a-0) P{a≤≤b}=F(b)-F(a-0) P{a≤ξ<b}=F(b-0)-F(a-0) P{a<ξ<b}=F(b-0)-F(a) 例2:已知5的分布函数为 /20≤x<1 F(x)=231≤x<2 11/122≤x<3 x≥3 概率论与数理统计教案 第二章随机事件及其概率分布
4 概率论与数理统计教案 第二章 随机事件及其概率分布 Proof：对 1 2 x x ，有 { } { } 1 2 x x ，则 ( ) { } { } ( ) 1 1 2 2 F x = P x P x = F x ②规范性： (−) = lim ( ) = 0, (+) = lim ( ) = 1 →− →+ F F x F F x x x ， ③右连续性：对 , x0 R 有 lim ( ) ( ) 0 0 F x F x x x = → + （性质②，③的证明可参考其它有关的资料） 注：反之可证明：对于任意一个函数，若满足上述三条性质的话，则它一定是 某随机变量的分布函数。 例 1：判断下列函数是否为分布函数 = 1 / 2 sin 0 / 2 0 0 ( ) 1 x x x x F x （√） = x x x x F x 1 cos 0 0 0 ( ) 2 （×） 由定义可见，要计算 取值的概率可以通过其分布函数来实现。为了研究随机变 量 的概率分布，我们常选择 F(x) 来代替之。 3.运算：若 a bR， ~ F(x) 则有： { } ( ) ( ) { } lim ( ) ( 0) ˆ { } { } { } ( ) ( 0) { } 1 ( ) { } 1 ( 0) { } ( ) ( 0) { } ( 0) ( 0) { } ( 0) ( ) x a P a b F b F a P a F x F a P a P a P a F a F a P a F a P a F a P a b F b F a P a b F b F a P a b F b F a → − = − = = − = = − = − − = − = − − = − − = − − − = − − 例 2：已知 的分布函数为 = 1 3 11/12 2 3 2 / 3 1 2 / 2 0 1 0 0 ( ) x x x x x x F x
求P{≤3},P{=},P{>12},P{21/2}=1-P{≤l/2}=1-F(1/2)=1-1/4=3/4 P{21 解:由右连续性知lmF(x)=1,而F(1)=A12,∴A=1 即F(x)=x200) 求 0=F(a)=lim F(x)=lim(4+B arcsin(x/a)=A+ Barcsin(-1)=A-T 解:由 1= lim F(x)=F(a)=A+Arcsin(x/a)=A+B A=1/x,B=1/2 概率论与数理统计教案 第二章随机事件及其概率分布5
概率论与数理统计教案 第二章 随机事件及其概率分布 5 求 P{ 3},P{ =1},P{ 1/ 2},P{2 4}。 解： {2 4} { 4} { 2} (4 0) (2) 1 11/12 1/12 { 1/ 2} 1 { 1/ 2} 1 (1/ 2) 1 1/ 4 3/ 4 { 1} (1) (1 0) 2 / 3 1/ 2 1/ 6 { 3} (3) 1 = − = − − = − = = − = − = − = = = − − = − = = = P P P F F P P F P F F P F 例 3：设某随机变量的分布函数为 F(x) = A + Barctan x ，试确定 A，B 的值。 解：由 ( ) lim ( ) lim ( arctan ) / 2 1 ( ) lim ( ) lim ( arctan ) / 2 0 + = = + = + = − = = + = − = →+ →+ →− →− F F x A B x A B F F x A B x A B x x x x 得 A = 1/ 2,B = 1/ 例 4：设 的分布函数为 = 1 1 0 1 0 0 ( ) 2 x Ax x x F x 确定 A 并求 P{0.3 0.7} 解：由右连续性知 lim ( ) 1 1 = → + F x x ，而 2 F(1) = A1 ， A = 1 即 ( ) ,0 1 2 F x = x x 则 {0.3 0.7} (0.7 0) (0.3) 0.7 0.3 0.4 2 2 P = F − − F = − = 例 5：设某随机变量的分布函数为 + − − = x a A B x a x a x a F x 1 arcsin( / 2) 0 ( ) （a>0） 求 A，B。 解：由 = = = + = + = − = = + = + − = − → + →− + →− + F x F a A B x a A B F a F x A B x a A B A B x a x a x a 2 1 lim ( ) ( ) arcsin( / ) 2 0 ( ) lim ( ) lim ( arcsin( / ) arcsin( 1) A = 1/,B = 1/ 2
课后作业:1、仔细阅读P30-33; 2、作业:P611,3,6,7; 3、预习P33-39 概率论与数理统计教案 第二章随机事件及其概率分布
6 概率论与数理统计教案 第二章 随机事件及其概率分布 课后作业：1、仔细阅读 P30-33； 2、作业：P61 1, 3, 6, 7； 3、预习 P33-39
随机变量的分类 离散型rP 的取值只有有限个或可数个 非离散型r 连续型r.坷可以取某一区间的任一数为值 其它 、离散型随机变量及其分布律(列) 1定义:设ξ是Ω上的随机变量,若ξ的全部可能取值为有限个或可列无限个(即 ξ的全部可能取值可一一列举出来),则称ξ为离散型随机变量。 若ξ的取值为x1,(=1,2,…),把事件{=x}的概率记为P{=x}=P,=12,…,则 为的分布列。 P1,P2,…,P1 【注】:由定义可知,若样本空间g是离散的,则定义在Ω上的任何单值实函数都是 离散型随机变量。 2离散型随机变量的分布列满足下列性质: (1)并非负性:p1≥0 (2)规范性:∑P Pro∵P是概率,即p,=P=x},故p2≥0 由于x,x2,…x,…是5的一切可能取值,故有9=U{=x},注意到对任意 的i≠j,有{5=x}1=x}=, 由概率的可列可加性知:1=P}=P心=x}=∑P=x}=∑P 反之,任意一个满足以上二性质的数列{p},都可以作为某离散型随机变量的分 布列。 概率论与数理统计教案 第二章随机事件及其概率分布7
概率论与数理统计教案 第二章 随机事件及其概率分布 7 二、随机变量的分类 其它 连续型 可以取某一区间的任一数为值 非离散型 离散型 的取值只有有限个或可数个 . . . . . . r v r v r v r v 三、离散型随机变量及其分布律（列） 1.定义：设 是 上的随机变量，若 的全部可能取值为有限个或可列无限个（即 的全部可能取值可一一列举出来），则称 为离散型随机变量。 若 的取值为 x ,(i =1,2, ) i ，把事件 { }i = x 的概率记为 P{ = xi} = pi ,i =1,2, ，则 称 , , , , , , , , 1 2 1 2 i i p p p x x x 为 的分布列。 【注】：由定义可知，若样本空间 是离散的，则定义在 上的任何单值实函数都是 离散型随机变量。 2.离散型随机变量 的分布列满足下列性质： (1)非负性： pi 0 (2)规范性： + = = 1 1 i pi Proof： pi 是概率，即 { } i i p = P = x ，故 pi 0 由于 x1 , x2 , , xn , 是 的一切可能取值，故有 + = = = 1 { } i i x ，注意到对任意 的 i j ，有 { = xi }{ = x j } = ， 由概率的可列可加性知： + = + = + = = = = = = = 1 1 1 1 { } { { }} { } i i i i i P P xi P x p 反之，任意一个满足以上二性质的数列 { } pi ，都可以作为某离散型随机变量的分 布列
有了5的分布列以后,我们可以通过如下方式求的分布函数: 3离散型随机变量的分布函数 F(x)=P≤x=∑P{=x},若这样的不存在,规定F(x)=0 显然,F(x)是一个右连续、单调非降的递阶函数,它在每个x,处有跳跃,其跃度 为p,当然,由F(x)也可以唯一确定x和p,。因此的分布列也完全刻画了离散型 随机变量取值的规律。这样,对于离散型随机变量,只要知道它的一切可能取值和取 这些值的概率,也就是说知道了它的分布列,也就掌握了这个离散型随机变量的统计 规律。 例1:袋中装有5只同样大小的球,编号为1,2,3,4,5,从中同时取出3只球, 求取出的最大号E的分布列及其分布函数并画出其图形 解:先求的分布列:由题知,5的可能取值为3,4,5,且 P{=3}=1/C3=1/10,P{=4}=C3/C3=3/10,P=5}=C2/C3=6/10, 5的分布列为:345 1/103/106/10 ,由F(x)=P{5≤x}=∑P得 x<3 1/103≤x<4 F(x)= 215 2/54≤x<5 1110 注:离散型随机变量的分布列与其分布函数是一一对应的。 常见的离散型分布有: x<a 1退化分布(单点分布):F(x)= P{2=a}=1, x≥a 2.贝努里分布(两点分布): 或P{X=x}=p(1-p) 0.1 3二项分布:B(k;n,p)=P{=k} k=0,1,2 概率论与数理统计教案 第二章随机事件及其概率分布
8 概率论与数理统计教案 第二章 随机事件及其概率分布 有了 的分布列以后，我们可以通过如下方式求 的分布函数： 3.离散型随机变量的分布函数： : ( ) { } { } i i i x x F x P x p x = = = ，若这样的 i 不存在，规定 F(x) = 0 显然， F(x) 是一个右连续、单调非降的递阶函数，它在每个 i x 处有跳跃，其跃度 为 i p ，当然，由 F(x) 也可以唯一确定 i x 和 i p 。因此 的分布列也完全刻画了离散型 随机变量取值的规律。这样，对于离散型随机变量，只要知道它的一切可能取值和取 这些值的概率，也就是说知道了它的分布列，也就掌握了这个离散型随机变量的统计 规律。 例 1：袋中装有 5 只同样大小的球，编号为 1，2，3，4，5，从中同时取出 3 只球， 求取出的最大号 的分布列及其分布函数并画出其图形。 解：先求 的分布列：由题知， 的可能取值为 3，4，5，且 { 3} 1/ 1/10, { 4} / 3/10, { 5} / 6 /10 3 5 2 4 3 5 2 3 3 P = = C5 = P = = C C = P = = C C = ， 的分布列为： 1/10 3/10 6 /10 3 4 5 ，由 = = x x i i i F(x) P{ x } p 得： = 1 5 2 / 5 4 5 1/10 3 4 0 3 ( ) x x x x F x 注：离散型随机变量的分布列与其分布函数是一一对应的。 常见的离散型分布有： 1.退化分布（单点分布）： = x a x a F x 1 0 ( ) ， P{ = a} = 1， 2.贝努里分布（两点分布）： q p 0 1 或 { } (1 ) 0,1 1 = = − = − P X x p p x x x 3.二项分布： p q k n k n B k n p P k ( ; , ) { } k n k = 0,1,2, = = = −
泊松( Poisson)分布:P{=k kl k=0.,2,…(>0) 四、连续性随机变量及概率密度函数 1定义:设是随机变量,F(x)是它的分布函数,若存在一个非负可积函数p(x)使 得对任意的x∈(+0),有F(x)=P5≤对=[mM,则称5为连续性随机变量, 称p(x)为的概率密度函数或分布密度函数。 由定义显然可知,F(x)连续。 2F(x)的几何意义:p(x)在几何上表示一条曲线称为分 布密度曲线,则F(x)的几何意义是:以分布曲线p(x)为顶, P(r) 以ⅹ轴为底,从-∞到x的一块变面积 3密度函数具有如下性质 (1)非负性:p(x)≥0,x∈R (2)规范性:p(x)bx=1 P0:由分布函数的性质有:1=lmF(x)=[p()d 注:任意一个满足以上二性质的函数,都可以作为某连续型随机变量的密度函数。 (3)若p(x)在x处是连续的,则F(x)=p(x) 注:由该性质,在连续点x处有p(x)=lmf(x+△x)-F(x) P{x0,有0≤P5=≤P(-Ax<5sd}=px 而mCmx)=0:P=a=0 概率论与数理统计教案 第二章随机事件及其概率分布9
概率论与数理统计教案 第二章 随机事件及其概率分布 9 4.泊松（Poisson）分布： 0,1,2, ( 0) ! { = } = = − e k k P k k 四、连续性随机变量及概率密度函数 1.定义：设 是随机变量，F(x) 是它的分布函数，若存在一个非负可积函数 p(x) 使 得对任意的 x (−,+) ，有 − = = x F(x) P{ x} p(t)dt ，则称 为连续性随机变量， 称 p(x) 为 的概率密度函数或分布密度函数。 由定义显然可知， F(x) 连续。 2. F(x) 的几何意义： p(x) 在几何上表示一条曲线称为分 布密度曲线，则 F(x) 的几何意义是：以分布曲线 p(x) 为顶， 以 X 轴为底，从− 到 x 的一块变面积。 3.密度函数具有如下性质： (1) 非负性： p(x) 0，x R (2) 规范性： + − p(x)dx =1 Proof：由分布函数的性质有： + →+ − = F x = p t dt x 1 lim ( ) ( ) 注：任意一个满足以上二性质的函数，都可以作为某连续型随机变量的密度函数。 (3) 若 p(x) 在 x 处是连续的，则 F'(x) = p(x) 注：由该性质，在连续点 x 处有 x P x x x x F x x F x p x x x + = + − = → + → + { } lim ( ) ( ) ( ) lim 0 0 ， 从这里我们看到概率密度的定义与物理学中的线密度的定义相类似，这就是为什么称 之为概率密度的缘故。 (4)设 a，b 为任意实数，且 a b ，则 = b a p{a b} p(x)dx (5)若 是连续型随机变量，则 a R , P{ = a} = 0 事实上， − = − = a a x x 0 , 有0 P{ a} P{a x a} p(x)dx 而 lim ( ) 0 { } 0 0 = = = → − p x dx P a a x a x
从此可知:概率为0的事件不一定是不可能事件,称为几乎不可能事件;同样概 率为1的事件也不一定是必然事件。这样,对连续性随机变量ξ有: P{aa;=p(x)dx 例2:设随机变量5的密度函数为p(x)= kx(1-x)00,试确 定k的值并求概率p{>0.3}和的分布函数。 解:由1=()=[601-)=(x=x2)=k/6 →k=6 P>0.3}=,p(x)dt=,6x(1-x)x=0.784 由于密度函数为p(x)=60-x)00) 0x<0 以后当我们提到一个随机变量X的“概率分布”时指的是它的分布函数;或者 当κ是离散型随机变量时指的是它的分布律,当X是连续型随机变量时指的是它的 概率密度。 10概率论与数理统计教案 第二章随机事件及其概率分布
10 概率论与数理统计教案 第二章 随机事件及其概率分布 从此可知：概率为 0 的事件不一定是不可能事件，称为几乎不可能事件；同样概 率为 1 的事件也不一定是必然事件。这样，对连续性随机变量 有： = = = = b a P{a b} P{a b} P{a b} P{a b} p(x)dx ， + = = a P{ a} P{ a} p(x)dx 例 2：设随机变量 的密度函数为 − = 0 其它 (1 ) 0 1 ( ) kx x x p x 其中常数 k 0 ，试确 定 k 的值并求概率 p{ 0.3} 和 的分布函数。 解：由 + − = = − = − = 1 0 1 0 2 1 p(x)dx k x(1 x)dx k (x x )dx k / 6 k = 6 + = = − = 0.3 1 0.3 P{ 0.3} p(x)dx 6x(1 x)dx 0.784 由于密度函数为 − = 0 其它 6 (1 ) 0 1 ( ) x x x p x 分布函数 − = 1 1 6 (1 ) 0 1 0 0 ( ) 0 x t t dt x x F x x 注：连续型随机变量的密度函数与其分布函数之间是一一对应的。 常见的连续型分布有：①均匀分布： U[a,b] ， = − 0 其它 1 ( ) a x b p x b a ； ②正态分布： ( , ) 2 N a ， − + = − − p x e x x a 2 2 2 ( ) 2 1 ( ) ； ③指数分布： P() ， ( . 0) 0 0 0 ( ) = − x e x p x x 。 以后当我们提到一个随机变量 X 的“概率分布”时指的是它的分布函数；或者， 当 X 是离散型随机变量时指的是它的分布律，当 X 是连续型随机变量时指的是它的 概率密度
