《概率论与数理统计》课程教学课件（讲义）第二章 随机变量及其分布 第一讲 离散型随机变量（打印版）

目录第二章1随机变量及其分布随机变量的概念1$2.1离散型随机变量2$2.2382.2.10-1分布。二项分布4$2.2.2Poisson分布4$2.2.36几何分布（Geometricdistribution）$2.2.4Pascal分布(负二项分布)8$2.2.5982.2.6离散的均匀分布i

8 ¹ 1Ù ‘ÅCþ9Ù©Ù 1 §2.1 ‘ÅCþVg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 §2.2 lÑ.‘ÅCþ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 §2.2.1 0-1©Ù . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 §2.2.2 ‘©Ù . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 §2.2.3 Poisson©Ù . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 §2.2.4 AÛ©Ù(Geometric distribution) . . . . . . . . . . . . . . . . . . . . . 6 §2.2.5 Pascal©Ù(K‘©Ù) . . . . . . . . . . . . . . . . . . . . . . . . . . 8 §2.2.6 lÑþ!©Ù . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 i

第二章随机变量及其分布教学目的：1）掌握随机变量的概念。掌握离散型随机变量的概率函数，连续型随机变量的概率密度，及任意的随机变量的分布函数的概念2)掌握二项分布、Poisson分布，以及相应的概率计算3）掌握正态分布，指数分布和均匀分布，会进行相应的概率计算4)掌握多维随机变量的概念。了解n维随机变量的联合分布函数的概念和性质5）掌握二维离散型和连续型随机变量的边缘分布与联合分布之间的关系，会用这些关系式求边缘分布82.1随机变量的概念随机变量是其值随机会而定的变量。例2.1.1.以X表示掷一次般子得到的点数，X是一个随机变量.它可以取[1,2,3,4,5,6]中的一个值，但到底取那个值，要等掷了般子才知道例2.1.2.一张奖券的中奖金额是一个随机变量.它的值要等开奖以后才知道例2.1.3.在一批产品中随机地抽出100个产品，其中所含的废品数是一个随机变量.它的值要等检查了所有抽出的产品后才知道在另外的例子中，随机试验的结果虽然不是一个数，但仍可用数来描述例2.1.4.掷一枚硬币出现正面或反面例2.1.5.产品被分为正品或废品1

1Ù ‘ÅCþ9Ù©Ù Æ8: 1) ݺ‘ÅCþVg"ݺlÑ.‘ÅCþVǼê, ëY.‘ÅCþVÇ Ý, 9?¿‘ÅCþ©Ù¼êVg. 2) ݺ‘©Ù!Poisson©Ù§±9ƒAVÇOŽ. 3) ݺ©Ù§ê©ÙÚþ!©Ù§¬?1ƒAVÇOŽ. 4) ݺõ‘‘ÅCþVg" )n‘‘ÅCþéÜ©Ù¼êVgÚ5Ÿ. 5) ݺ‘lÑ.ÚëY.‘ÅCþ>©Ù†éܩكm'X§¬^ù ' Xª¦>©Ù. §2.1 ‘ÅCþVg ‘ÅCþ´ÙŠ‘Ŭ ½Cþ" ~ 2.1.1. ±XL«•gf:ê, X´‡‘ÅCþ. §Œ±{1, 2, 3, 4, 5, 6}¥ ‡Š§.@‡Š§‡• fâ. ~ 2.1.2. Üø ¥ø7´‡‘ÅCþ. §Š‡mø±￾â. ~ 2.1.3. 31¬¥‘Å/ÄÑ100‡¬, Ù¥¤¹¢¬ê´‡‘ÅCþ. § Š‡u ¤kÄѬ￾â. 3, ~f¥, ‘ÅÁ(J,Ø´‡ê, EŒ^ê5£ã. ~ 2.1.4. •qM1Ñy¡½‡¡. ~ 2.1.5. ¬©¬½¢¬. 1

上面两例中的结果均可用一个取值0,1的随机变量来描述，其中可以1代表正面或正品，以0代表反面或废品.事实上，对任意一个事件A，定义WEA,15IA(w) =【0反之，则事件A由随机变量IA表示出来.IA称为事件A的示性函数随机变量是把随机试验的结果，也就是样本空间，与一组实数联系起来.这样的处理简化了原来的概率结构.例如某机构调查民众对一提案的态度是支持(1)还是反对(0).如果随机访问50人，按照古典概型，所有可能的结果有250个.但是如果我们用X记1的个数来表示赞成者的人数，则X为一个随机变量它的取值范围只在0.1..·，50}：所以随机变量的引进有利于我们对所研究的问题进行准确，简练的描述.又由于随机变量取实值，随机变量之间的运算就变得容易了对于随机变量的研究，是概率论的中心内容.因为对于一个随机试验，我们关心的通常是与所研究的问题有关的某个量或某些量.而这些量就是随机变量定义2.1.1.令为一个样本空间.令X是定义在2上的一个实函数，则称X为一个(一维)随机变量常见的随机变量可以分为两大类，只取有限个或可数个值的随机变量称为离散型随机变量；取连续的值且密度存在的随机变量称为连续型随机变量，当然，存在既非离散型也非连续型的随机变量，但它们在实际中并不常见，也不是我们这里研究的对象$2.2离散型随机变量定义2.2.1.设X为一随机变量.如果X只取有限个或可数个值，则称X为一个(一维)离散型随机变量由于一个随机变量的值是由试验结果决定的，因而是以一定的概率取值.这个概率分布称为离散型随机变量的概率函数定义2.2.2.设X为一离散型随机变量，其全部可能值为[a1,a2，].则(2.2.1)pi =P(X =a), i=1,2,..2

þ¡ü~¥(JþŒ^‡Š0,1‘ÅCþ5£ã, Ù¥Œ±1L¡½ ¬, ±0L‡¡½¢¬. ¯¢þ, é?¿‡¯‡A, ½Â IA(ω) = ( 1 ω ∈ A , 0 ‡ƒ , K¯‡Ad‘ÅCþIAL«Ñ5. IA¡¯‡A«5¼ê. ‘ÅCþ´r‘ÅÁ(J§Ò´m§†|¢êéXå5. ù? n{z 5VÇ(. ~X,ÅN¬¯éJYÝ´|±(1)„´‡é(0). XJ‘ů50<§Uì;V.§¤kŒU(Jk2 50‡. ´XJ·‚^XP1‡ ê5L«7¤ö<ê§KX‡‘ÅCþ. §Š‰Œ3{0, 1, · · · , 50}. ¤±‘ ÅCþÚ?k|u·‚é¤ïįK?1O(, {ö£ã. qdu‘ÅCþ¢ Š, ‘ÅCþƒm$ŽÒCN´ . éu‘ÅCþïħ´VÇØ¥%SN. Ϗéu‡‘ÅÁ§·‚'% Ï~´†¤ïįKk',‡þ½, þ. ù þÒ´‘ÅCþ. ½Â 2.1.1. -ُ‡m. -X´½Â3Ωþ‡¢¼ê, K¡X‡(‘)‘ ÅCþ. ~„‘ÅCþŒ±©üŒa. k‡½Œê‡Š‘ÅCþ¡lÑ. ‘ÅCþ¶ëYŠ…Ý3‘ÅCþ¡ëY.‘ÅCþ. , 3Qšl Ñ.šëY.‘ÅCþ. §‚3¢S¥¿Ø~„, Ø´·‚ùpïÄé. §2.2 lÑ.‘ÅCþ ½Â 2.2.1. X‘ÅCþ. XJXk‡½Œê‡Š§K¡X‡(‘)l Ñ.‘ÅCþ. du‡‘ÅCþŠ´dÁ(Jû½§Ï ´±½VÇŠ. ù‡VÇ ©Ù¡lÑ.‘ÅCþVǼê. ½Â 2.2.2. XlÑ.‘ÅCþ§Ù܌UŠ{a1, a2, .}. K pi = P(X = ai), i = 1, 2, . (2.2.1) 2

称为X的概率函数，概率函数(pi，i=1,2,.]必须满足下列条件：pi ≥0, i=1,2,..pi= 1.i概率函数(2.2.1）指出了全部概率1是如何在X的所有可能值之间分配的.它可以列表的形式给出：可能值a1a2(2.2.2)概率[ip2有时也把(2.2.2)称为随机变量X的分布表设n为一样本空间.X为定义于其上的一个离散型随机变量，其取值为1.2.令A为[1,2..]的任意一个子集事件[X取值于A中)的概率可根据概率的可加性来计算：P(A) = P(X = r).TEA这样知道了离散型随机变量X的概率函数，我们就能给出关于X的任何概率问题的回答下面我们给出常见的离散型分布.在描述离散概率模型时，Bernoulli试验是最早被研究且应用及其广泛的概率模型定义2.2.3.设一个随机试验只有两个可能结果A和A，则称此试验为一Bernoulli试验定义2.2.4.设将一个可能结果为A和A的Bernoulli试验独立地重复n次，使得事件A每次出现的概率相同，则称此试验为n重Bernoulli试验下面的o-1分布和二项分布都是以Bernoulli试验为基础的$2.2.10-1分布设随机变量X只取0,1两值，P(X=1)=p，P(X=0)=1-p，则称X服从0-1分布或Bernoulli分布.0-1分布是很多古典概率模型的基础3

¡XVǼê. VǼê{pi , i = 1, 2, .}7L÷ve^‡µ pi ≥ 0, i = 1, 2, . X i pi = 1. VǼê(2.2.1) Ñ ÜVÇ1´XÛ3X¤kŒUŠƒm©. §Œ± L/ª‰Ñµ ŒUŠ a1 a2 . ai . VÇ p1 p2 . pi . (2.2.2) kžr(2.2.2)¡‘ÅCþX©ÙL. ُm. X½ÂuÙþ‡lÑ.‘ÅCþ§ÙŠx1, x2, . -A {x1, x2, .}?¿‡f8. ¯‡{XŠuA¥}VnjŠâVÇŒ\55OŽµ P(A) = X x∈A P(X = x). ù lÑ.‘ÅCþXVǼ꧷‚ÒU‰Ñ'uX?ÛVǯK£‰. e¡·‚‰Ñ~„lÑ.©Ù. 3£ãlÑVÇ.ž, BernoulliÁ´@ ïąA^9Ù2VÇ. ½Â 2.2.3. ‡‘ÅÁkü‡ŒU(JAÚA¯, K¡dÁBernoulliÁ. ½Â 2.2.4. ò‡ŒU(JAÚA¯BernoulliÁÕá/­Eng, ¦¯‡Azg ÑyVǃÓ, K¡dÁn­BernoulliÁ. e¡0-1©ÙÚ‘©ÙÑ´±BernoulliÁÄ:. §2.2.1 0-1©Ù ‘ÅCþX0,1üŠ§P(X = 1) = p§P(X = 0) = 1 − p§K¡XÑl0-1©Ù ½Bernoulli©Ù. 0-1©Ù´éõ;VÇ.Ä:. 3

82.2.2二项分布设某事件A在一次试验中发生的概率为p.现把试验独立地重复n次以X记A在这n次试验中发生的次数，则x取值0,1,.n，且有)p*(1 -p)n-k, k=0,1,..,n.P(X = k)= ((2.2.3)称X服从二项分布，记为X～B(n，P)从Z(n)p(1 -p)n-k = (β+1 -p)" = 1,(k我们知道（2.2.3）确实是一个概率函数为了考察这个分布是如何产生的，考虑事件[X=}]．要使这个事件发生，必须在这n次试验的原始记录AAAA...AAA中，有个A，ni个A，每个A有概率p而每个A有概率1一p.又由于每次试验独立，所以每次出现A与否与其它次试验的结果独立：因此由概率乘法定理得出每个这样的原始结果序列发生的概率为pi(1一p)n-i.但是i个A和n－i个A的排列总数是(n)，所以有个A的概率是：)p(1-p)n-, i=0,1, ,n.一个变量服从二项分布有两个条件：一是各次试验的条件是稳定的，这保证了事件A的概率p在各次试验中保持不变；二是各次试验的独立性.现实生活中有许多现象不同程度地满足这些条件.例如工厂每天生产的产品.假设每日生产n个产品.若原材料质量，机器设备，工人操作水平等在一段时间内保持稳定，且每件产品是否合格与其它产品合格与否并无显著性关联，则每日的废品数服从二项分布g2.2.3Poisson分布设随机变量X的概率分布为入->,k= 0,1,2,.*, 入>0,P(X =k)= e(2.2.4)则称X服从参数为入的Poisson分布，并记X～P(入)由于e有级数展开式12e>=1+>+今.4

§2.2.2 ‘©Ù ,¯‡A3gÁ¥u)VǏp. yrÁÕá/­Eng. ±XPA3ùngÁ ¥u)gê§KXŠ0, 1, ., n§…k P(X = k) =  n k  p k (1 − p) n−k , k = 0, 1, · · · , n. (2.2.3) ¡XÑl‘©Ù§PX ∼ B(n, p). l Xn i=1  n k  p k (1 − p) n−k = (p + 1 − p) n = 1, ·‚(2.2.3) (¢´‡VǼê.   ù‡©Ù´XÛ)§į‡{X = i}. ‡¦ù‡¯‡u)§7L3 ùngÁ©P¹ AAAA. ¯ AA¯ A¯ ¥§ki‡A, n − i‡A¯, z‡AkVÇp z‡A¯ kVÇ1 − p. qduzgÁÕ᧤± zgÑyA†Ä†Ù§gÁ(JÕá. ÏddVǦ{½nÑz‡ù©( JSu)VǏp i (1 − p) n−i . ´i‡AÚn − i‡A¯üoê´￾ n k
§¤±ki‡A VÇ´µ  n i  p i (1 − p) n−i , i = 0, 1, · · · , n. ‡CþÑl‘©Ùkü‡^‡µ´ˆgÁ^‡´­½§ùy ¯ ‡AVÇp3ˆgÁ¥±ØC¶´ˆgÁÕá5. y¢)¹¥kNõy ØÓ§Ý/÷vù ^‡. ~Xó‚zU)¬. bzF)n‡¬. eá Ÿþ§Åì§ó<öŠY²3ãžmS±­½§…z‡¬´Ä܂†Ù§ ¬Ü‚†Ä¿ÃwÍ5'é§KzF¢¬êÑl‘©Ù. §2.2.3 Poisson©Ù ‘ÅCþXVǩُ P(X = k) = λ k k! e −λ , k = 0, 1, 2, · · · , λ > 0, (2.2.4) K¡XÑlëêλPoisson©Ù§¿PX ∼ P(λ). du e λ k?êÐmª e λ = 1 + λ + λ 2 2! + . + λ k k! + . 4