3.1随机变量的联合分布

几个重要的离散型随机变量的分布列

几个重要的离散型随机变量的分布列 井 潇（鄂尔多斯市东胜区东联现代中学017000） 随着高中新课程标准在全国各地的逐步推行，新课标教材越来越受到人们的关注，新教材加强了对学生数学能力和数学应用意识的培养，而概率知识是现代公民应该具有的最基本的数学知识，掌握几种常见的离散型随机变量的分布列是新课标教材中对理科学生的最基本的要求，也是高考必考的内容，先结合新教材，具体谈一谈几个重要的离散型随机变量分布列及其简单的应用。 下面先了解几个概念: 随机变量:如果随机试验的结果可以用一个变量来表示,那么这样的变量就叫随机变量.随机变量常用希腊字母,ξη等表示. 离散型随机变量:对于随机变量可能取的值,我们可以按一定次序一一列出,这样的随机变量就叫离散型随机变量. 离散型随机变量的分布列:一般地设离散型随机变量ξ可能取得值为 123,,,...,,...,i x x x x ξ取每一个值()1,2,3,...i x i =的概率()i i P x p ξ==,则称表 为随机变量ξ的概率分布,简称ξ的分布列. 由概率的性质可知,任一离散型随机变量的分布列都有以下两个性质 (1)0,1,2,3,...i P i ≥= (2)123...1P P P +++= 离散型随机变量在某个范围内取值的概率等于它取这个范围内各个值的概率的和. 一、 几何分布 在独立重复试验中，某事件第一次发生时所做试验的次数ξ是一个取值为正整数的离散型随机变量，“k ξ=”表示第k 次独立重复试验时事件第一次发生。如果把第k 次试验时事件A 发生记为k A 、事件A 不发生记为k A ，()() ,k k P A p P A q ==，那么 ()()1231...k k P k P A A A A A ξ-==，根据相互独立事件的概率的乘法公式得 ()()()()()()1231...k k P k P A P A P A P A P A ξ-==()11,2,3,...k q p k -==。 于是得到随机变量ξ的概率分布

离散型随机变量及其分布律

5.离散型随机变量及其分布律 【教学内容】：高等教育出版社浙江大学盛骤，谢式千，潘承毅编的《概率论与数理统计》第二章第§2离散型随机变量及其分布律 【教材分析】：概率论考察的是与各种随机现象有关的问题，并通过随机试验从数量的侧面来研究随机现象的统计规律性，由此，就把随机试验的每一个可能的结果与一个实数联系起来。随机变量正是为了适应这种需要而引进的，随机变量的引入有助于我们应用微积分等数学工具，把研究深入，一维离散型随机变量是随机变量中最简单最基本的一种。 【学情分析】： 1、知识经验分析 学生已经学习了概率的意义及概率的公理化定义，学习了事件的关系及运算，掌握了概率的基本计算方法。 2、学习能力分析 学生虽然具备一定的基础的知识和理论基础，但概念理解不透彻，解决问题的能力不高，方法应用不熟练，知识没有融会贯通。 【教学目标】： 1、知识与技能： 了解离散型随机变量的分布律，会求某些简单的离散型随机变量的分布律列；掌握伯努利试验及两点分布， 2、过程与方法 由本节内容的特点，教学中采用启发式教学法，通过教学渗透由特殊到一般的数学思想，发展学生的抽象、概括能力。 3、情感态度与价值观 通过引导学生对解决问题的过程的参与，使学生进一步感受到生活与数学“零距离”，从而激发学生学习数学的热情。 【教学重点、难点】： 重点：掌握离散型随机变量的概念及其分布律、性质，理解伯努利试验，两点分布。 难点：伯努利试验，两点分布。 【教学方法】：讲授法启发式教学法 【教学课时】：1个课时 【教学过程】：

一、问题引入（离散型随机变量的概念） 例1：观察掷一个骰子出现的点数。 随机变量 X 的可能值是 ： 1， 2， 3， 4， 5， 6。 例2若随机变量 X 记为 “连续射击， 直至命中时的射击次数”， 则 X 的可能值是： 1,2,3,. 例3 设某射手每次射击打中目标的概率是0.8，现该射手射了30次，则随 机变量 X 记为“击中目标的次数”， 则 X 的所有可能取值为： 0,1,2,3,,30. 定义 有些随机变量的取值是有有限个或可列无限多个，称此随机变量为离散型随机变量。 【设计意图】：让学生感受到数学与生活“零距离”，从而激发学生学习数学的兴趣，使学生获得良好的价值观和情感态度。 二、离散型随机变量的分布律 定义 设离散型随机变量X 的所有可能取值为),2,1( =k x k ， X 取各个可能值得概率，即事件称}{k x X =的概率，为 ,2,1,}{===k p x X P k k 由概率的定义，k p 满足如下两个条件： 1）)21(0 ，，=≥k p k ； 2） ∑∞ ==1 1k k p （分布列的性质） 称（2.1）式为离散型随机变量为X 的概率分布或分布律， 也称概率函数。 常用表格形式来表示X 的概率分布： n i n p p p p x x x X 2121 【设计意图】：给出分布律的概念和性质，体现具体到抽象、从特殊到一般的数学思想，同时让学生感受数学化归思想的优越性和这一做法的合理性。 例1：()()1,2,,C k P X k k N X N ?=== 若为随机变量的分布律，是确 定常数C 。 解：由分布律特征性质 1 知 C ≥ 0 ， 由其特征性质 2 知 1 ()1N k P X k == =∑ 1 N k C k N =?=∑ )(12C N N ++=+ ()12 C N += 21C N ∴= + 【设计意图】：通过这个例子，让学生掌握离散型随机变量的分布律的性质。

随机变量及其分布知识点汇总

随机变量及其分布知识点汇总 知识点一 离散型随机变量及其分布列 （一）、离散型随机变量的分布列 一般地，设离散型随机变量X 可能取的值为12,,,,,i n x x x x ??????，X 取每一个值 (1,2,,)i x i n =???的概率()i i P X x p ==，则称以下表格 为随机变量X 的概率分布列，简称X 的分布列. 离散型随机变量的分布列具有下述两个性质： （1）0,1,2,,i P i n =???≥ （2）121n p p p ++???+= 1．两点分布 如果随机变量X 的分布列为 则称X 服从两点分布，并称=P(X=1)p 为成功概率. 2．超几何分布 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，则事件{}X k =发生的概率为： (),0,1,2,3,...,k n k M N M n N C C P X k k m C --=== 则随机变量X 的概率分布列如下： {}*min ,,,,,,m M n n N M N n M N N =≤≤∈其中且。 注意：超几何分布的模型是不放回抽样

知识点二 条件概率与事件的独立性 （一）、条件概率 一般地，设A,B 为两个事件,且()0P A >,称() (|)() P AB P B A P A =为在事件A 发生的条件下,事件B 发生的条件概率. 0(|)1P B A ≤≤ 如果B 和C 互斥，那么[()|](|)(|)P B C A P B A P C A =+ （二）、相互独立事件 设A ，B 两个事件，如果事件A 是否发生对事件B 发生的概率没有影响(即 ()()()P AB P A P B =),则称事件A 与事件B 相互独立。 ()()()A B P AB P A P B ?=即、相互独立 一般地，如果事件A 1,A 2,…,A n 两两相互独立，那么这n 个事件同时发生的概率，等于每个事件发生的概率的积，即1212(...)()()...()n n P A A A P A P A P A =. 注意：(1)互斥事件：指同一次试验中的两个事件不可能同时发生； (2)相互独立事件：指在不同试验下的两个事件互不影响. （三）、n 次独立重复试验 1．一般地，在相同条件下，重复做的n 次试验称为n 次独立重复试验. 在n 次独立重复试验中，记i A 是“第i 次试验的结果”，显然， 1212()()()()n n P A A A P A P A P A ???=??? “相同条件下”等价于各次试验的结果不会受其他试验的影响 注意: 独立重复试验模型满足以下三方面特征 第一：每次试验是在同样条件下进行； 第二：各次试验中的事件是相互独立的； 第三：每次试验都只有两种结果，即事件要么发生，要么不发生. 2．n 次独立重复试验的公式： n A X A p n A k 一般地，在次独立重复试验中，设事件发生的次数为，在每次试验中事件发生的概率为，那么在次独立重复试验中，事件恰好发生次的概率为 ()(1),0,1,2,...,.(1)k k n k k k n k n n P X k C p p C p q k n q p --==-===-其中，而称p 为成功

随机变量及其分布函数

随机变量及其分布函数 将随机事件以数量来标识，即用随机变量描述随机现象的研究方法，它是定义在样本空间上具有某种可预测性的实值函数。 分布函数则完整的表述了随机变量。 一、 随机变量与分布函数 (1) 随机变量： 取值依赖于某个随机试验的结果（样本空间），并随着试验结果不同而变化的变量，称之为随机变量。 分布函数： [1] 定义： 设X 是一个随机变量，对任意实数x ，记作 (){}F x P X x ≤=，称()F x 为随机变量X 的分 布函数，又称随机变量X 服从分布()F x ，显然，函数 ()F x 的定义域为(),-∞+∞，值域为[0,1]。 [2] 性质： ?()F x 单调非降。 ?()0F -∞=、()1F +∞=。 ?()(0)F x F x =+，即()F x 一定是右连续的。 ?对于任意两个实数a b <， {}()()P a X b F b F a <≤=- ?对于任意实数0x ，

00 0{}()()P X x F x F x ==-- ?000{}1{}1()P X x P X x F x >=-≤=- ?000{}{)lim }(x x P X x P X x x F →- =≤<=- ?000{}1{}1()P X x P X x F x ≥=-<=-- 二、 离散型随机变量与连续型随机变量 (1) 离散型随机变量 [1] 概念：设X 是一个随机变量，如果X 的取值是有限个或者 无穷可列个，则称X 为离散型随机变量。其相应的概率()i i P X x p ==(12)i =、……称为X 的概率分布或分布律，表格表示形式如下： [2] 性质： ?0i p ≥ ? 1 1n i i p ==∑ ?分布函数()i i x x F x p ==∑ ?1{}()()i i i P X x F x F x -==- (2) 连续型随机变量 [1] 概念：如果对于随机变量的分布函数()F x ，存在非 负的函数 ()f x ，使得对于任意实数x ，均有：

高考数学-随机变量及其分布-1-离散型随机变量及其分布

专项-离散型随机变量及其分布列 知识点 1．随机变量的有关概念 (1)随机变量：随着试验结果变化而变化的变量，常用字母X ，Y ，ξ，η，…表示． (2)离散型随机变量：所有取值可以一一列出的随机变量． 2．离散型随机变量分布列的概念及性质 (1)概念：若离散型随机变量X 可能取的不同值为x 1，x 2，…，x i ，…，x n ，X 取每一个值x i (i ＝1,2，…，n )的概率P (X ＝x i )＝p i ，以表格的形式表示如下： 此表称为离散型随机变量P ( X ＝x i )＝p i ，i ＝1,2，…，n 表示X 的分布列． (2)分布列的性质：① p i ≥0，i ＝1,2,3，…，n ；① 11 =∑=n i i p 3．常见的离散型随机变量的分布列 (1)两点分布 若随机变量X 的分布列具有上表的形式，则称X 服从两点分布，并称p ＝P (X ＝1)为成功概率． (2)超几何分布 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，则P (X ＝k )＝C k M C n － k N －M C n N ，k ＝0,1,2，…，m ， 其中m ＝min{M ，n }，且n ≤N ，M ≤N ，n ，M ，N ①N *. 如果随机变量X 的分布列具有上表的形式，则称随机变量X 服从超几何分布．

题型一离散型随机变量的理解 【例1】下列随机变量中，不是离散型随机变量的是( ) A ．某个路口一天中经过的车辆数X B ．把一杯开水置于空气中，让它自然冷却，每一时刻它的温度X C ．某超市一天中来购物的顾客数X D ．小马登录QQ 找小胡聊天，设X ＝? ???? 1，小胡在线 0，小胡不在线 【例2】写出下列各随机变量的可能取值，并说明随机变量所取的值表示的随机试验的结果． (1)抛掷甲、乙两枚骰子，所得点数之和X ； (2)某汽车在开往目的地的道路上需经过5盏信号灯，Y 表示汽车首次停下时已通过的信号灯的盏数． 【例3】袋中装有10个红球、5个黑球．每次随机抽取1个球，若取得黑球则另换1个红球放回袋中，直到取到红球为止．若抽取的次数为ξ，则表示事件“放回5个红球”的是( ) A ．ξ＝4 B ．ξ＝5 C ．ξ＝6 D ．ξ≤5 【例4】袋中装有大小相同的5个球，分别标有1,2,3,4,5五个号码，在有放回取出的条件下依次取出两个球，设两个球号码之和为随机变量ξ，则ξ所有可能取值的个数是 ( ) A ．5 B ．9 C ．10 D ．25 【过关练习】 1.指出下列变量中，哪些是随机变量，哪些不是随机变量，并说明理由． ①掷一枚质地均匀的硬币5次，出现正面向上的次数； ②掷一枚质地均匀的骰子，向上一面出现的点数； ③某个人的属相随年龄的变化； ④在标准状态下，水结冰的温度． 2.某人射击的命中率为p (0

随机变量的函数的分布

8.随机变量的函数的分布 【教学容】：高等教育大学盛骤，式千，承毅编的《概率论与数理统计》 第二章第五节的随机变量的函数的分布 【教材分析】：本节课主要是在学生学习了随机变量的概念和随机变量的分布的基础上进行的教学；本节从随机变量的分布入手引入随机变量的函数的随机性特征， 即由自变量X 的统计规律性出发研究因变量Y 的统计性规律的问题；本节课的教学先讲授离散型随机变量的函数的分布接着讲连续型随机变量的函数的分布。让学生掌握两种不同的随机变量的分布的求解方法。其中，离散型随机变量的函数的分布是比较容易求得而连续型随机变量的函数的分布学生往往束手无策，因此，我在本次教学中，先复习分布函数和概率密度函数的关系，后通过简单例子来讲解，最后归纳总结 ，再研究连续型随机变量的函数的一种特殊情形的分布问题。最后导出一个重要的定理。 【学情分析】： 1、知识经验分析 学生具有一定的随机变量及其分布相关理论知识及微分学相关知识，通过前两次课的学习已具备一定的解题方法，本节课通过让学生观察、思考，教师启发、引导等教学方式，让学生自然过渡到随机变量的函数的分布的学习中。 2、学习能力分析 学生虽然具备一定的微积分的知识和随机变量的理论基础，但概念理解不透彻，解决问题的能力不高，方法应用不熟练，知识没有融会贯通。 【教学目标】：掌握随机变量的函数的概率分布的求法。 【教学重点、难点】： 重点：离散型随机变量的函数的分布；连续型随机变量的函数的分布。 难点：连续型随机变量的函数的分布。 【教学方法】：讲授法 启发式教学法 【教学课时】：1个课时 【教学过程】： 一、问题引入 在实际中，人们常常对随机变量 X 的函数()Y g X =所表示的随机变量Y 更感兴趣。

随机变量及其分布考点总结

第二章 随机变量及其分布 复习 一、随机变量. 1. 随机试验的结构应该是不确定的.试验如果满足下述条件： ①试验可以在相同的情形下重复进行；②试验的所有可能结果是明确可知的，并且不止一个；③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会出现哪一个结果. 它就被称为一个随机试验. 2. 离散型随机变量：如果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.若ξ是一个随机变量，a ，b 是常数.则b a +=ξη也是一个随机变量.一般地，若ξ是随机变量，)(x f 是连续函数或单调函数，则)(ξf 也是随机变量.也就是说，随机变量的某些函数也是随机变量. 3、分布列：设离散型随机变量ξ可能取的值为：ΛΛ,,,,21i x x x ξ取每一个值),2,1(Λ=i x 的概率p x P ==)(，则表称为随机变量ξ的概率分布，简称ξ的分布列. 121i 注意：若随机变量可以取某一区间内的一切值，这样的变量叫做连续型随机变量.例如：]5,0[∈ξ即ξ可以取0～5之间的一切数，包括整数、小数、无理数. 典型例题： 1、随机变量ξ的分布列为(),1,2,3(1) c P k k k k ξ== =+……，则P(13)____ξ≤≤= 2、袋中装有黑球和白球共7个，从中任取两个球都是白球的概率为1 7 ，现在甲乙两人从袋中轮流摸去一 球，甲先取，乙后取，然后甲再取……，取后不放回，直到两人中有一人取到白球时终止，用ξ表示取球的次数。（1）求ξ的分布列（2）求甲取到白球的的概率 3、5封不同的信，放入三个不同的信箱，且每封信投入每个信箱的机会均等，X 表示三哥信箱中放有信件树木的最大值，求X 的分布列。 4 已知在全部50人中随机抽取1人抽到喜爱打篮球的学生的概率为5 ． （1）请将上面的列联表补充完整； （2）是否有99.5％的把握认为喜爱打篮球与性别有关？说明你的理由； （3）已知喜爱打篮球的10位女生中，12345,,A A A A A ，，还喜欢打羽毛球，123B B B ，，还喜欢打乒乓球，12C C ，还喜欢踢足球，现再从喜欢打羽毛球、喜欢打乒乓球、喜欢踢足球的女生中各选出1名进行其他方面的调查，求1B 和1C 不全被选中的概率． (参考公式：2 ()()()()() n ad bc K a b c d a c b d -=++++，其中n a b c d =+++)

“随机变量及其分布”简介

“随机变量及其分布”简介 北京师范大学数学科学院李勇 随机变量是研究随机现象的重要工具之一，他建立了连接随机现象和实数空间的一座桥梁，使得我们可以借助于有关实数的数学工具来研究随机现象的本质，从而可以建立起应用到不同领域的概率模型，如二项分布模型、超几何分布模型、正态分布模型等。 在本章中将通过具体实例，帮助学生理解取有限值的离散型随机变量及其分布列、均值、方差的概念，理解超几何分布和二项分布的模型并能解决简单的实际问题，使学生认识分布列对于刻画随机现象的重要性，认识正态分布曲线的特点及曲线所表示的意义。 一、内容与要求 1. 随机变量及其分布的概念。 通过具体实例使学生理解随机变量及其分布列的概念，认识随机变量及其分布对于刻画随机现象的重要性。要求学生会用随机变量表达简单的随机事件，并会用分布列来计算这类事件的概率。 2.超几何分布模型及其应用。 通过实例，理解超几何分布及其导出过程，并能进行简单的应用。 3. 二项分布模型及其应用。 通过具体实例使学生了解条件概率和两个事件相互独立的概念，理解n次独立重复试验和二项分布模型，并能解决一些简单的实际问题。 4.离散随机变量的均值与方差。 通过实例使学生理解离散型随机变量均值、方差的概念，能计算简单离散型随机变量的均值、方差，并能解决一些实际问题。 5.正态分布模型。 借助直观使学生认识正态分布曲线的特点及含义。 二、内容安排及说明 1.全章共安排了4个小节，教学约需12课时，具体内容和课时分配如下（仅供参考）： 2．1 离散型随机变量及其分布列约3课时 2．2 二项分布及其应用约4课时

2．3 离散型随机变量的均值与方差约3课时 2．4 正态分布约1课时 小结约1课时 2. 本章知识框图 3.对内容安排的说明。 研究一个随机现象，可以借助于随机变量，而分布描述了随机变量取值的概率分布规律。二项分布和超几何分布是两个应用广泛的概率模型．为了使学生能够更好地理解它们，并能用来解决一些实际问题，教科书在内容安排上作了如下考虑： (1) 为学生把注意力集中在随机变量的基本概念和方法的理解上，通过取有限个不同 值的随机变量为载体介绍这些概念，以便他们能更好的应用这些概念解决实际问 题。例如，如何定义随机变量来描述所感兴趣的随机事件；一个具体的随机变量都 能表达什么样的事件，如何表达这些事件；如何用分布列来表达随机事件发生的概 率等。 (2) 介绍超几何分布模型及其应用，其目的是 i. 让学生了解它的广泛应用背景，并使学生能够应用该分布设计一些能够丰富学生课外

随机变量及其分布-离散型随机变量及其分布

离散型随机变量及其分布列 知识点 1随机变量的有关概念 (1) 随机变量：随着试验结果变化而变化的变量，常用字母 X , Y , E, n …表示. (2) 离散型随机变量：所有取值可以一- 变量. 2. 离散型随机变量分布列的概念及性质 (1)概念：若离散型随机变量 X 可能取的不同值为 X 1, X 2,…，X i ,…，x n , X 取每一个值X i (i = 1,2,…，n) 的概率P(X = X i )= P i ，以表格的形式表示如下： 此表称为离散型随机变量 P(X = X i )= p i , = 1,2,…, n 表示X 的分布列. (2)分布列的性质： n ① p i >0 i = 1,2,3,…,n ；① P i 1 i 1 3. 常见的离散型随机变量的分布列 (1)两点分布 若随机变量X 的分布列具有上表的形式，则称 X 服从两点分布，并称 p = P(X = 1)为成功概率. (2)超几何分布 其中 m = min{ M , n}，且 n 汆， M 哥，n , M , N ①N *. 如果随机变量X 的分布列具有上表的形式，则称随机变量 X 服从超几何分布. 题型一离散型随机变量的理解 【例 1】 下列随机变量中，不是离散型随机变量的是 ( ) A ．某个路口一天中经过的车辆数 X B .把一杯开水置于空气中，让它自然冷却，每一时刻它的温度 X C .某超市一天中来购物的顾客数 X 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，则 P(X = k)= c M c N —M c N ,k = 0,1,2, m ,

随机变量及其分布知识点总结

圆梦教育中心 随机变量及其分布知识点整理 一、离散型随机变量的分布列 一般地，设离散型随机变量X 可能取的值为12,,,,,i n x x x x ??????，X 取每一个值(1,2,,)i x i n =???的概率 ()i i P X x p ==，则称以下表格 为随机变量X 的概率分布列，简称X 的分布列. 离散型随机变量的分布列具有下述两个性质： （1）0,1,2,,i P i n =???≥ （2）121n p p p ++???+= 1．两点分布 则称X 服从两点分布，并称=P(X=1)p 为成功概率. 2．超几何分布 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，则事件{}X k =发生的概率为： (),0,1,2,3,...,k n k M N M n N C C P X k k m C --=== {}*min ,,,,,,m M n n N M N n M N N =≤≤∈其中且。 注：超几何分布的模型是不放回抽样 二、条件概率 一般地，设A,B 为两个事件,且()0P A >,称() (|)() P AB P B A P A = 为在事件A 发生的条件下,事件B 发生的条件概率. 0(|)1P B A ≤≤ 如果B 和C 互斥，那么[()|](|)(|)P B C A P B A P C A =+U 三、相互独立事件 设A ，B 两个事件，如果事件A 是否发生对事件B 发生的概率没有影响(即()()()P AB P A P B =),则称事件A 与事件B 相互独立。()()()A B P AB P A P B ?=即、相互独立 一般地，如果事件A 1,A 2,…,A n 两两相互独立，那么这n 个事件同时发生的概率，等于每个事件发生的概率的积，即1212(...)()()...()n n P A A A P A P A P A =.

随机变量及其分布知识点整理

随机变量及其分布知识点整理 一、离散型随机变量的分布列 一般地,设离散型随机变量X 可能取的值为12,,,,,i n x x x x ??????,Ｘ取每一个值(1,2,,)i x i n =???的概率()i i P X x p ==,则称以下表格 为随机变量X 的概率分布列,简称X 的分布列、 离散型随机变量的分布列具有下述两个性质: (1)0,1,2,,i P i n =???≥ (2)121n p p p ++???+= 1、两点分布 则称Ｘ服从两点分布,并称=P(X=1)p 为成功概率、 2、超几何分布 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,则事件{}X k =发生的概率为: (),0,1,2,3,...,k n k M N M n N C C P X k k m C --=== {}*min ,,,,,,m M n n N M N n M N N =≤≤∈其中且。 注:超几何分布的模型就是不放回抽样 二、条件概率 一般地,设Ａ,Ｂ为两个事件,且()0P A >,称()(|)() P AB P B A P A =为在事件A 发生的条件下,事件B 发生的条件概率、 0(|)1P B A ≤≤ 如果B 与C 互斥,那么[()|](|)(|)P B C A P B A P C A =+ 三、相互独立事件 设A,Ｂ两个事件,如果事件A 就是否发生对事件B 发生的概率没有影响(即()()()P AB P A P B =),则称事

件A 与事件B 相互独立。()()()A B P AB P A P B ?=即、相互独立 一般地,如果事件Ａ1,A ２,…,A n 两两相互独立,那么这n 个事件同时发生的概率,等于每个事件发生的概率的积,即1212(...)()()...()n n P A A A P A P A P A =. 注:(1)互斥事件:指同一次试验中的两个事件不可能同时发生; (２)相互独立事件:指在不同试验下的两个事件互不影响、 四、n 次独立重复试验 一般地,在相同条件下,重复做的n 次试验称为ｎ次独立重复试验、 在n 次独立重复试验中,记i A 就是“第i 次试验的结果”,显然,1212()()()()n n P A A A P A P A P A ???=??? “相同条件下”等价于各次试验的结果不会受其她试验的影响 注: 独立重复试验模型满足以下三方面特征 第一:每次试验就是在同样条件下进行; 第二:各次试验中的事件就是相互独立的; 第三:每次试验都只有两种结果,即事件要么发生,要么不发生、 n 次独立重复试验的公式: n A X A p n A k 一般地，在次独立重复试验中，设事件发生的次数为，在每次试验中事件发生的概率为，那么在次独立重复试验中，事件恰好发生次的概率为 ()(1),0,1,2,...,.(1)k k n k k k n k n n P X k C p p C p q k n q p --==-===-其中,而称p 为成功概率、 五、二项分布 一般地,在n 次独立重复试验中,用X 表示事件A 发生的次数,设每次试验中事件A 发生的概率为p ,则 ()(1)0,1,2,,k k n k n P X k C p p k n -==-=???， 此时称随机变量Ｘ服从二项分布,记作~(,)X B n p ,并称ｐ为成功概率、 六、离散随机变量的均值(数学期望) 则称1122()i i n n E X x p x p x p x p =+++++ 为X 的数学期望或均值,简称为期望.它反映了离散型随机变量取值的平均水平. 则()EY aE X b =+,即()()E aX b aE X b +=+ 2.一般地,如果随机变量X 服从两点分布,那么

选修2-3离散型随机变量及其分布知识点

离散型随机变量及其分布 知识点一：离散型随机变量的相关概念； 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 变量随机变量常用希腊字母、等表示 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。若 是随机变量， a b ，其中a 、b 是常数，则 也 是随机变量 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 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 --------------------- 列出 离散型随机变量的分布列：设离散型随机变量可能取的值为X i 、X 2 X i 取每一 个值X i i 1,2, 的概率为P( X ) p ，贝U 称表 为随机变量的概率分布，简称的分布列 知识点二：离散型随机变量分布列的两个性质； 任何随机事件发生的概率都满足:0 P(A) 1,并且不可能事件的概率为0，必然事 件的概率为 1.由此你可以得出离散型随机变量的分布列都具有下面两个性质： (1) P i 0, i 1,2, ; (2) RP.L 1 特别提醒：对于离散型随机变量在某一范围内取值的概率等于它取这个范围内各个值的 概率的和即P( 知识点二：两点分布： 若随机变量X 的分布列: 特别提醒：(1) 若随机变量X 的分布列为两点分布，则称X 服从两点分布，而称P(X=1为成 功 率? (2) 两点分布又称为0-1分布或伯努利分布 ⑶两点分布列的应用十分广泛，如抽取的彩票是否中奖；买回的一件产品是 否为正 品；新生婴儿的性别；投篮是否命中等等；都可以用两点分布列 来研究? 知识点三：超几何分布： 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，则 C k C n k X k ) P( X k ) P( X k 1) L 则称X 的分布列为两点分布列

§4随机变量函数的分布

§3.4 随机变量函数的分布 对离散型随机变量，我们讨论过随机变量函数的分布问题，对一般的随机变量当然也存在同样的问题。例如，若ξ是N （2 ,σμ）分布的随机变量，为了解决计算中的查表问题， 在中曾经引入变换 η=σ ξa - 这个新出现的随机变量η就是原来的随机变量ξ的一个函数。现在来讨论连续型随机变量函数的分布问题，先介绍一个便于应用的定理。 定理3.1 设ξ是一个连续型随机变量，其密度函数为p (x)，又y =)(x f 严格单调，其反函数)(x h 有连续导数，则=η)(ξf 也是一个连续型随机变量，且其密度函数为 ? ? ?<<*=其他,0|],)(|)([)('β α?y y h y h p y （3.51） 其中 α=min{)(-∞f ,)(+∞f } β=min{)(-∞f ,)(+∞f } (证明 略) 例3.11（略） 例3.12（略） 2χ—分布 我们先给出下述一个式子： p (x,y)=? ? ???≤>Γ-0,00,)2(212x x x n y n 我们通常把以上述（3.53）式(其中n 是参数)为密度函数的分布称为是自由度为n 的 2χ—分布（2χ读作“卡方”），并记作)(2 n χ，它是数理统计中一个重要的分布。 （一）和的分布 设),(ηξ是一个二维连续型随机变量，密度函数为p (x,y)，现在来求ηξζ+=的分布，按定义为 F ζ(y)= P (ζ

F ζ(y)= ??<+y x x dx dx x x p 2121 2 1 ),( = dx dx x x p )),((221?? ∞∞ -∞ ∞ - （3.54） 如果ξ与η是独立的，由（3.48）知P ξ(x)·P η(y)是(ηξ,)的密度函数，用P ξ(x)·P η(y)代替（3.54）式中的p (x 1,x 2)便得 F ζ(y) = dx dx x p x p ))()((221?? ∞∞ -∞ ∞-ηξ =dx dz x z p x p y ))()((11? ?∞ ∞-∞--ηξ = dz dx x z p x p y ))()((11?? ∞ -∞∞ --ηξ 由此可得 ζ 的密度函数为 F ζ(y)= F ' ξ(y)= dx x y p x p ? ∞ ∞ --)()(ηξ （3.55） 由对称性还可得 F ζ(y)= dx x p x y p ? ∞ ∞ --)()(ηξ （3.56） 由（3.55）或（3.56）式给出的运算称为卷积，通常简单地记作 P ζ=P ξ* P η 例3.13（略） 我们已经知道某些分布具有可加性，其实还有一些其它分布，也具有可加性，其中2 χ—分布的可加性在数理统计中颇为重要，我们这里顺便证明这个结论。为此，可以讨论更一般形式的一个分布—Γ分布。如果随机变量ξ具有密度函数为 p (x,y)=?? ???≤>Γ--0,00 ,)(1x x e x x βαααβ （3.57） （其中α>0, β>0为两个常数），这时称ξ是参数为（α,β）的Γ分布的随机变量，相应的分布称作参数为（α,β）的Γ分布，并记作Γ(α,β). 例3.14（略） （二）商的分布 设),(ηξ是一个二维连续型随机变量，密度函数为p (x 1,x 2)，现在来求η ξ ζ= 的分

离散型随机变量及其分布范文

离散型随机变量及其分布 知识点一：离散型随机变量的相关概念； 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希腊字母ξ、η等表示 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。若ξ是随机变量，a b ηξ=+，其中a 、b 是常数，则η也是随机变量 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 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 离散型随机变量的分布列:设离散型随机变量ξ可能取的值为12i x x x ??????、ξ取每一个值()1,2,i x i =???的概率为()i i P x p ξ==，则称表 为随机变量ξ的概率分布，简称ξ的分布列 知识点二：离散型随机变量分布列的两个性质； 任何随机事件发生的概率都满足:0()1P A ≤≤，并且不可能事件的概率为0，必然事件的概率为1．由此你可以得出离散型随机变量的分布列都具有下面两个性质： (1) 01,2,i p i ≥=???，；12(2) 1P P ++ = 特别提醒：对于离散型随机变量在某一范围内取值的概率等于它取这个范围内各个值的 概率的和即1()()()k k k P x P x P x ξξξ+≥==+=+ 知识点二：两点分布： 若随机变量X 的分布列: 则称 X 的分布列为两点分布列. 特别提醒：(1)若随机变量X 的分布列为两点分布, 则称X 服从两点分布,而称P(X=1) 为成功率. (2)两点分布又称为0-1分布或伯努利分布 (3)两点分布列的应用十分广泛,如抽取的彩票是否中奖；买回的一件产品是 否为正品；新生婴儿的性别；投篮是否命中等等；都可以用两点分布列来研究. 知识点三：超几何分布： 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，则

连续型随机变量的分布与例题讲解

连续型随机变量的分布 （一）连续型随机变量及其概率密度函数 1.定义：对于随机变量X 的分布函数 F(X) ，若存在非负函数f(x), 使对于 任意的实数 x，有F ( x)x f(x) 称为 X f (t)dt ，则称X为连续性随机变量， 的概率密度函数，简称概率密度。 注： F(x)表示曲线下x 左边的面积，曲线下的整个面积为1。 2 .密度函数f(x) 的性质：注： f( x)不是概率。 1) f( x)≥ 0 + f ( x) dx = 1 2) ò-x 2 3)P{x 1 < X ? x 2 }òx1 f (x) dx = F (x 2 ) - F (x 1 ) 特别地，连续型随机变量在某一点的概率为零，即 P{ X = x} = 0. （但 { X=x} 并不一定是不可能事件） 因此P(a≤X ≤ b)= P(a< X

随机变量及其分布知识点整理

随机变量及其分布知识点整理 、离散型随机变量的分布列 般地，设离散型随机变量 X 可能取的值为x-i , x 2, , x i , , Xn , X 取每一个值X j (i 1,2, ,n)的概率 P(X x ) p ，则称以下表格 离散型随机变量的分布列具有下述两个性质： (1) P > 0,i 1,2, , n (2) p 1 p 2 p n 1 1.两点分布 如果随机变量X 的分布列为 则称X 服从两点分布，并称 p=P(X=1)为成功概率? 2.超几何分布 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，则事件 x k 发生的概率为: 其中 m min M , n ，且n N, M N,n ,M,N N 。 注：超几何分布的模型是不放回抽样 二、条件概率 般地，设A,B 为两个事件，且P(A) 0,称P(B|A)鵲为在事件A 发生的条件下，事件B 发生的条 件概率? 0 < P(B | A) < 1 如果 B 和 C 互斥，那么 P[(BUC)|A] P(B|A) P(C|A) 三、相互独立事件 设A , B 两个事件，如果事件A 是否发生对事件 B 发生的概率没有影响(即P(AB) P(A)P(B)),则称事件 A 与事件 B 相互独立。 即A 、B 相互独立 P(AB) P(A)P(B) 般地，如果事件 A,A 2,…,A n 两两相互独立，那么这 n 个事件同时发生的概率，等于每个事件发生的概率 P(X k) k n k C M C N M k C N 0,1,2,3,…，m

的积，即P(AA..A) P(A)P(A2)...P(A n). 注：(1)互斥事件：指同一次试验中的两个事件不可能同时发生； (2)相互独立事件：指在不同试验下的两个事件互不影响? 四、n次独立重复试验 一般地，在相同条件下，重复做的n次试验称为n次独立重复试验? 在n次独立重复试验中，记A是“第i次试验的结果”，显然，P(AA2 A n) P(A)P(A2) P(AJ “相同条件下”等价于各次试验的结果不会受其他试验的影响 注：独立重复试验模型满足以下三方面特征 第一：每次试验是在同样条件下进行； 第二：各次试验中的事件是相互独立的；第三：每次试验都只有两种结果，即事件要么发生，要么不发生 n次独立重复试验的公式： 一般地，在r次独立重复试验中，设事件A发生的次数为X,在每次试验中事件A发生的概率为p,那么在n次独立重复试验中，事件A恰好发生k次的概率为 P(X k) C：p k(1 p)n k C：p k q nk,k 0,1,2,…，n.(其中q 1 p)，而称p 为成功概率? 五、二项分布 一般地，在n次独立重复试验中，用X表示事件A发生的次数，设每次试验中事件A发生的概率为p，则k k n k P(X k) C n p (1 p) ，k 0,1,2, ,n 此时称随机变量X服从二项分布，记作，并称p为成功概率 六、离散随机变量的均值(数学期望) 则称E(X) Xg X2P2 X i P i X n P n 为X的数学期望或均值，简称为期望?它反映了离散型随机变量取值的平均水平 则EY aE(X) b，即E(aX b) aE(X) b 2.一般地，如果随机变量X服从两点分布，那么 E(X)=1 p 0 (1 p) p 即若X服从两点分布，则E(X) p 3?若X ~ B(n, p)，则E(X) np 七、离散型随机变量取值的方差和标准差 般地，若离散型随机变量x的概率分布列为

随机变量及其分布习题解答

第2章随机变量及其分布习题解答 一．选择题 1．若定义分布函数(){}F x P X x =≤，则函数()F x 是某一随机变量X 的分布函数的充要条件是( D )． A ．0()1F x ≤≤． B ．0()1F x ≤≤，且()0,()1F F -∞=+∞=． C ．()F x 单调不减，且()0,()1F F -∞=+∞=． D ．()F x 单调不减，函数()F x 右连续，且()0,()1F F -∞=+∞=． 2．函数()0 212021 0 x F x x x <-??? =-≤

5．设X 的分布律为 而(){}F x P X x =≤，则F =( A )． A ．0.6． B ．0.35． C ．0.25． D ．0． 6．设连续型变量X 的概率密度为()p x ，分布函数为()F x ，则对于任意x 值有( A )． A ．(0)0P X ==． B ．()()F x p x '=． C ．()()P X x p x ==． D ．()()P X x F x ==． 7．任一个连续型的随机变量X 的概率密度为()p x ，则()p x 必满足( C )． A ．0( )1p x ≤≤． B ．单调不减． C ． ()1p x dx +∞ -∞ =?． D ．lim ()1x p x →+∞ =． 8 ．为使 x 1()0 1p x x ?=??≤? 是随机变量X 的概率密度，则常数c ( B )．