作者:whisper
链接:http://proprogrammar.com:443/article/218
声明:请尊重原作者的劳动,如需转载请注明出处
在样本空间Ω上,随机试验的每一个可能的结果ω∈Ω都用一个实数X = X(ω)来表示,且实数X满足:
(I)X是由ω唯一确定的
(II)对于任意给定的实数x,事件{X≤x}都是有概率的
则称X(ω)为一随机变量,简记为X,一般用英文大写字母X,Y,Z等表示随机变量
1)离散型随机变量的定义
若随机变量X的所有可能取值只有有限个或可列无穷个,则称X为离散型随机变量
2)分布律
设X的所有可能取值x₁, x₂, ..., xₙ,...,则称P(X=xᵢ) = pᵢ,i = 1, 2, ...o X的分布律,或用下列形式表示X的分布律:
X | x₁ | x₂ | ... | xₙ | ... |
P | P₁ | P₂ | ... | Pₙ | ... |
显然,分布律满足(1),pᵢ ≥ 0,i = 1, 2, ....;(2)∑[i]pᵢ = 1
伯努力实验(n重独立重复实验)
(1)实验结果只有两个 发生(A)与不发生(¬A)
(2)P(A) = p P(¬A) = 1 - p
(3)n次试验之间相互独立
0-1分布
背景:描述一次伯努利试验中A发生的次数
分布律
X | 0 | 1 |
P | 1-p | p |
二项分布B(n, p)
背景:n重伯努利试验中A发生的次数X(独立重复试验序列)
分布律
P{X=k} = C[n,k]pᵏ(1-p)ⁿ⁻ᵏ,k = 0, 1, 2...n,k为n次实验中A总共发生k次
几何分布
背景:伯努利试验首次成功时的试验次数X
分布律
P{X=k} = (1-p)ᵏ⁻¹p,k = 1, 2, 3....,k为首次成功发生在第k次
泊松分布
背景:单位时间内某事件发生的次数X
分布律
P{X=k} = λᵏe^(-λ)/k!,k = 0, 1, 2, 3,λ>0
注:eˣ = ∑[k=0,+∞]xᵏ/k! ∑[k=0,+∞]λᵏe^(-λ)/k! = e^(-λ)∑[k=0,+∞]xᵏ/k! = e^(-λ)•e^λ = 1(泊松分布的概率和为1)
超几何分布
背景:N个产品中有M个不合格品,从中抽取n个,其中不合格品的个数X
分布律
P{X=k} = C[M, k]C[N-M, n-k]/C[N,n],k = 0, 1, 2.... min(n,M)
分布函数的定义
设X为随机变量,x为任意实数,F(x) = P{X=k} x∈(-∞, +∞),称为X的分布函数
分布函数
(1)0 ≤ F(x) ≤ 1
(2)单调不减 ∀x₁ < x₂ =>F(x₁) ≤ F(x₂)
(3)右连续性 ∀x F(x+0) = F(x)
(4)F(-∞) = 0, F(+∞) = 1
定义
若随机变量X的分布函数F(x)存在非负函数f(x),对∀x有
F(x) = ∫[-∞,x]f(t)dt
称f(x)为X的概率密度函数
f(x)性质
(1)f(x) ≥ 0
(2)∫[-∞,+∞]f(x)dx = 1
F(x),f(x)关系,性质 F(x) = ∫[-∞,x]f(t)dt
(1)对连续型随机变量,F(x)是连续函数
(2)F'(x) = f(x)
(3)P{X = K} = 0
(4)P{a ≤ x < b} = ∫[a,b]f(x)dx
难点:
f(x) = 0(在定义域外),f(x) ≠ 0(在定义域D内)
P{X∈G} = ∫[G]f(x)dx
其中积分区域:G∩D(取交集)
均匀分布X~u(a, b)
背景,在(a, b)区间上随机均匀投点
密度:f(x) = [1/(b-a),a<x<b; 0,其它]
分布函数: F(x) = [0, x<a; (x-a)/(b-a),a≤x<b; 1,b≤x]
特性:[c, d]∈[a, b]
P{c<X<d} = ∫[c, d]1/(b-a)dx = (d-c)/(b-a) (长度之比)
指数分布E(λ)
背景:产品的寿命
密度:f(x) = [(1/θ)e^(-x/θ), x>0; 0, 其它] θ>0 也可以表示成f(x) = [λe^(-λx), x>0; 0,其它] λ>0
分布函数:F(x) = [1 - e^(-λx), x>0; 0,其它]
注:两个常用积分
(1)X~E(λ), P(X>t) = e^(-λt)
(2)伽玛积分(T) ∫[0, +∞]xⁿe⁻ˣdx = n!
正态分布
背景:身高,体重
密度:f(x) = 1/((2π)^(1/2)σ)*e^(-(x-μ)²/2σ²), x∈(-∞,+∞)
图像:
(1)对称性:f(x)关于x = μ对称
P{X>μ} = P{X≤μ} = 1/2
标准正态分布N(0,1)
密度:φ(x) = 1/(2π)^(1/2)*e^(-x²/2), x∈(-∞,+∞)
分布函数:Φ(x),
性质:X~N(0,1)
(1)Φ(0) = P{X≤0}= 1/2
(2)Φ(-x) = 1 - Φ(x)
(3)P{|X|<c} = P{-c<X<c} = Φ(c) - Φ(-c) = 2Φ(c) - 1
(2)标准化:若X~N(μ, σ²),则Z = (X-μ)/σ ~ N(0, 1)
应用:1)F(x) = P{X≤x} = P{(X-μ)/σ ≤ (x-μ)/σ} = Φ((x-μ)/σ)
2)P{x₁<X<x₂} = P{(x₁-μ)/σ<(X-μ)/σ<(x₂-μ)/σ} = Φ((x₂-μ)/σ) - Φ((x₁-μ)/σ)
3)利用正态概率密度求积分
∫[-∞,+∞]1/(2π)^(1/2)*e^(-x²/2)dx = 1
∫[-∞,+∞]e^(-x²/2)dx = (2π)^(1/2)
∫[-∞,+∞]e^(-x²)dx = (2π)^(1/2) = (π)^(1/2)
性质:
Z₁₋ₐ = -Zₐ
正态分位数
设X~N(0,1),若Zₐ满足
P{X>Zₐ} = a(0<a<1)
称Zₐ为N(0,1)上的ₐ分位点
性质Z₁₋ₐ = -Zₐ
问题:已知X的分布,求y = g(x)的分布
类型:
离散型:取值+概率
连续型:分布函数法/公式法
公式法:
设随机变量X且有概率密度fᵪ(x),-∞<x<+∞,设函数g(x)处处可导且恒有g'(x)>0(或恒有g'(x)<0),则Y=g(X)是连续型随机变量,其概率密度为
fᵧ(y) = [fᵪ[h(y)]|h'(y)|, α<y<β, 0,其他],其中α=min{g(-∞),g(+∞)}, β=max{g(-∞),g(+∞)},h(y)是g(x)的反函数
注:对X~N(μ, σ²),Y=aX+b ~ N(aμ+b, a²σ²)
亲爱的读者:有时间可以点赞评论一下
全部评论