常用的 0-1分布 离散型随机变量 二项分布 泊松分布 几何分布 超几何分布
常用的 离 随机 0-1分布 离散型随机变量 二项分布 泊松分布 几何分布 超几何分布
常用的 连续型随杋变量
常用的 连续型随机变量
(1)均匀分布U(a,)( Uniform distribution) a.定义 X的概率密度密度为0(x)=1baab 0,其它 称X在区间(ab)上服从均匀分布记为X~U(ab)。 数学期望: 0(x) EX s a+b 2 方差: (b-a)2 DX=12
(1) 均匀分布 U ab (,) (Uniform distribution) a. 定义 X 的概率密度密度为 ϕ( ) , x b a axb = − < < ⎧ ⎨ ⎪ 1 称 X 在区间 ( a b )上服从均匀分布 X 的概率密度密度为 ϕ( ) , ⎨ b a ⎩ ⎪ 0 其它 记为 X ~ U( a b ) ϕ( x ) 称 X 在区间 ( a,b )上服从均匀分布 ，记为 X ~ U( a,b ) 。 数学期望 : ϕ( x ) . 1 2 : a b EX + = 数学期望 b a − 2 方差： ( ) 2 b 0 x a b 12 ( ) 2 b a DX − =
b.意义 X具有下述意义的等可能性,即x落在(a,b)中任 意等长度的子区间内的可能性是相同的。换句话 说,它落在子区间内的概率只依赖于子区间的长 度,而与子区间的位置无关。 即v(cc+D)ca,b) P(csX<C+l=o(x)dx= b-a 0.x≤aF(x) x-a F(x) ,a<x≤b b-a x> a Ⅹ 死之死
b.意义 X 具有下述意义的等可能性 具有下述意义的等可能性 ， 即 X 落在 ( a ,b ) 中任 意等长度的子区间内的可能性是相同的。换句话 说 ，它落在子区间内的概率只依赖于子区间的长 度，而与子区间的位置无关。 即 ∀ ( c,c + l ) ⊂ ( a,b ), Pc X c l x dx l b c l { ≤ < + } = ( ) = + ∫ ϕ F( ) x 1 c b a { } ( ) − ∫ ϕ ⎧ , x a ≤ ⎪ 0 1 F x x a b a axb x b () , = − − < ≤ > ⎨ ⎪ ⎩ ⎪ 1 0 x a b , x > b ⎩ 1
c应 1)读刻度器上读数时,把零头数化为最靠近 整分度时所发生的误差 2)每隔一定时间有一辆公共汽车通过的汽 车停靠站上,乘客候车的时间
c.应用： 1)读刻度器上读数时，把零头数化为最靠近 整分度时所发生的误差. 2) 每隔一定时间有一辆公共汽车通过的汽 车停靠站上，乘客候车的时间