《概率统计与随机过程》——笔记2

第2章 随机变量及其分布

2.1 随机变量

定义 1 设随机试验E的样本空间S={e}。若对每个试验结果e,都有确定的实数X(e)与之对应,则称实值变量X(e)为随机变量,简记为X。
引入随机变量后,随机事件就可以用随机变量的取值来表示了。

2.2 分布函数

定义 2 设X为随机变量,对于任意实数x,令

F(x)=PXx
称F(x)为随机变量X的分布函数。
性质:
1. 取值范围:[0,1]
2. 单调不减。
3. 右连续
4. 对任意实数 a,b(a<b) ,有
P{a<Xb}=F(b)F(a)

5. 对任意实数x,有
P{X=x}

2.3 离散型随机变量及其概率分布

定义 3 若随机变量X只可能取有限个值或可列个值: x1,x2,...,xk,... ,则称X为离散型随机变量。X取各个可能值的概率

pk=P{X=xk},k=1,2,3,...
称为离散型随机变量X的概率分布(或分布律)。

2.4 常用的离散型分布

2.4.1 两点分布

若随机变量X的分布律为

P{X=1}=p,P{X=0}=q(0<q<1,p+q=1)
则称X服从参数为p的两点分布,或称0-1分布。

2.4.2 二项分布

如果随机变量X以 P{X=k}=Cknpkqnk,k=0,1,2,...,n 为其概率分布,则称X服从参数为n,p的二项分布,记为

XB(n,p)

当n比较大,p比较小(一般 n10,p0.1 )时,有

Cknpkqnkeλλkk!
式中, λ=np,k=0,1,2,...,n

2.4.3 泊松分布

若随机变量X的分布律为

P{X=k}=eλλkk!,k=0,1,2,...(λ>0)
则称X服从参数为 λ 的泊松分布,记为 XΠ(λ)

2.4.4 超几何分布

设一批产品中有M件正品,N件次品。从中任意取n件,则取到的次品数X是一个离散型随机变量,它的概率分布为

P{X=k}=CkNCnkMCnM+N,k=0,1,...,l,l=min(n,N)
这个分布称为超几何分布。

2.5 连续性随机变量及其概率密度

定义 4设随机变量X的分布函数为F(x),若存在非负函数f(x),使得对任意实数x,恒有

F(x)=xf(t)dt
则称X为连续型随机变量,称函数f(x)为随机变量X的概率密度(或分布密度)函数。

2.6 常用的连续型分布

2.6.1 均匀分布

若随机变量X的概率密度为

f(x)=1ba0,,axb

则称X在区间[a,b]上服从均匀分布,简记为 XU[a,b]

2.6.2 指数分布

若随机变量X的概率密度为

f(x)={λeλx,0,x>0x0(λ>0

则称X服从参数为 λ 的指数分布。

2.6.3 威布尔分布

设随机变量X的概率密度为

f(x)=βη(xη)β1e(xη)β,0,x>0x0

式中, η,β 均为正常数,则称X服从参数为 η,β 的威布尔分布,记作 XW(η,β) , η,β

2.6.4 Γ 分布

设随机变量X的概率密度为

f(x)=βαΓ(α)xα1eβx,0,x>0x0

式中, α>0,β>0 均为常数, Γ(α)=+0tα1etdt ,则称X服从参数为 α,β Γ 分布,记作 XΓ(α,β)

概率统计中不少常见的重要分布只是 Γ 分布的特殊情形。当 α=1 时, Γ 分布即是参数为 β 的指数分布;
α=n2,β=12 时, Γ 分布则是统计学中十分重要的 χ2(n) 分布;

2.6.5 正态分布

设随机变量X的概率密度为

f(x)=1σ2πexp[(xμ)22σ2],<x<+

式中, <μ<+,σ>0 均为常数,则称X服从参数为 μ,σ 的正态分布,记作 XN(μ,σ2)

参数 μ=0,σ=1 的正态分布,即N(0,1),称为标准正态分布,其概率密度和分布函数分别用 ϕ(x)Φ(x) 表示,即有

ϕ(x)=12πexp(x22)
Φ(x)=12πxexp(t22)dt

Φ(x) 有以下性质:
(1) Φ(0)=12
(2) Φ(x)+Φ(0x)=1,<x<+
(3) Φ(x) 在区间 (,+) 上严格单调递增。
容易证明,一般正态分布 N(μ,σ2) 的分布函数 F(x) 与标准正态分布 N(0,1) 之间有下列关系:
F(x)=Φ(xμσ),<x<+

定义 5 设X是一个标准正态随机变量,给定 α,0<α<1 ,如果

P{Xzα}=α
则称 zα 为标准正态分布的(下侧) α 分位点(或 α 分位数),简称分位点,即
zα12πexp(x22)dx=Φ(zα)=α

性质 (0<α<1)
(1) zα=z1α ;
(2) P{X>z1α}=α ;
(3) P{|X|>z1α2}=αP{z1α2Xz1α2}=1α

你可能感兴趣的:(数学笔记)