在实际应用中,有些随机现象需要同时用两个或两个以上的随机变量来描述例如,研 究某地区学龄前儿童的发育情况时,就要同时抽查儿童的身高H、体重W,这里,H和W 是定义在同一个样本空间S={e}={某地区的全部学龄前儿童}上的两个随机变量.又如,考 察某次射击中弹着点的位置时,就要同时考察弹着点的横坐标X和纵坐标Y.在这种情况 下,我们不但要研究多个随机变量各自的统计规律,而且还要研究它们之间的统计相依关 系,因而还需考察它们的联合取值的统计规律,即多为随机变量的分布

一、随机变量的函数 定义如果存在一个函数g(X),使得随机变量XY满足 Y=(X), 则称随机变量Y是随机变量X的函数. 注:在微积分中我们讨论变量间的函数关系时,主要研究函数关系的确定性特征,例 如导数、积分等而在概率论中,我们主要研究是随机变量函数的随机性特征,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

一、连续型随机变量及其概率密度 定义如果对随机变量X的分布函数F(x),存非负可积函数f(x)使得对于任意实数x有 F(x)=(X sx)= s()则称X为连续型随机变量,称f(x)为X的概率密度函数简称为概率密度或密度函数

第三节随机变量的分布函数 当我们要描述一个随机变量时,不仅要说明它能够取哪些值,而且还要指出它取这些 值的概率.只有这样,才能真正完整地刻画一个随机变量,为此,我们引入随机变量的分布 函数的概念

第二节离散型随机变量及其概率分布

在随机试验中,人们除对某些特定事件发生的概率感兴趣外,往往还关心某个与随机试验的结果相联系的变量.由于这一变量的取值依赖于随机试验结果,因而被称为随机变量.与普通的变量不同,对于随机变量,人们无法事先预知其确切取值,但可以研究其取值的统计规律性.本章将介绍两类随机变量及描述随机变量统计规律性的分布

一、两个事件的独立性 定义若两事件A,B满足(AB)=P(A)P(B) (1)则称A,B独立,或称A,B相互独立注:当P(A)>0,P(B)>0时,A,B相互独立与A,B互不相容不能同时成立.但与S既相互独立又互不相容(自证)定理1设A,B是两事件,且P(A)>0,若AB相互独立,则(AB)=P(A).反之亦然定理2设事件A,B相互独立则下列各对事件也相互独立:A与B,A与B,A与B

先由一个简单的例子引入条件概率的概念 分布图示

引例一个纸桶中装有10个大小、形状完全相同的球.将球编号为1—10把球搅匀, 蒙上眼睛从中任取一球因为抽取时这些球被抽到的可能性是完全平等的,所以我们没有理 由认为这10个球中的某一个会比另一个更容易抽得,也就是说这10个球中的任一个被抽 取的可能性均为 这样一类随机试验是一类最简单的概率模型,它曾经是概率论发展初期主要的研究对象

对一个随机事件A,在一次随机试验中,它是否会发生,事先不能确定但我们可以 问,在一次试验中,事件A发生的可能性有多大并希望找到一个合适的数来表征事件 在一次试验中发生的可能性大小为此,本节首先引入频率,它描述了事件发生的频繁程 度,进而引出表征事件在一次试验中发生的可能性大小的数-概率