第二章 离散型随机变量
DESCRIPTION
第二章 离散型随机变量. 一维离散型随机变量及分布列 二维随机变量、联合分布列和边际分布列 随机变量函数的分布列 随机变量的数学期望 随机变量的方差 条件分布及条件数学期望. §2.1一维离散随机变量. 一、定义: 设 S={e} 是试验的样本空间,如果量 X 是定义在 S 上的一个单值实值函数即对于每一个 e S , 有一实数 X=X(e) 与之对应,则称 X 为 随机变量 。 随机变量 常用 X、Y、Z 或 、、等表示。. 例1. :引入适当的随机变量描述下列事件: ①将3个球随机地放入三个格子中, - PowerPoint PPT PresentationTRANSCRIPT
§2.1 一维离散随机变量
一、定义:设 S={e} 是试验的样本空间,如果量 X 是定义在 S 上的一个单值实值函数即对于每一个 e S ,有一实数 X=X(e) 与之对应,则称 X 为随机变量。
随机变量常用 X、 Y、 Z 或 、、等表示。
:引入适当的随机变量描述下列事件:① 将 3 个球随机地放入三个格子中,
事件 A={ 有 1 个空格 }, B={ 有 2 个空格 } ,C={ 全有球 } 。 ② 进行 5 次试验,事件 D={ 试验成功一次 }, F={ 试验至少成功一次 },G={ 至多成功 3 次 }
例 1
二、一维离散型随机变量 1 、定义 2.1 若随机变量 X 取值 x1, x2, …, xn, … 且取这些值的概率依次为 p1, p2, …, pn, …, 则称X 为离散型随机变量,而称
P{X=xk}=pk, (k=1, 2, … )
为 X 的分布律或概率分布。可表为
X ~ P{X=xk}=pk, (k=1, 2, … ) ,
或~X
X x1 x2 … xK …
Pk p1 p2 … pk …
(1) pk 0, k = 1, 2, … ;
(2) 1
.1k
kp=
例 1 设袋中有 5 只球,其中有 2 只白 3只黑。现从中任取 3 只球 ( 不放回 ) ,求抽得的白球数 X 的分布列。
2. 分布律的性质
bxa
kbxa
k
kk
xXPxXPbXaP )()}{()()3(
充要性质
3 、几个常用的离散型分布
( 1 ) (0-1) 分布 (p63)
若以 X 表示进行一次试验事件 A 发生的次数,则称 X 服从 (0 - 1) 分布 ( 两点分布 ) X ~ P{X = k} = pk(1 - p)1 - k, (0<p<1) k =0 , 1
或X
kp
1 0
p p1
( 2 )二项分布 (p63)
若以 X 表示 n 重贝努里试验事件 A 发生的次数,则称 X 服从参数为 n,p 的二项分布, 记作 X ~ B( n,p) 。其分布律为:
),...,1,0(,)1(}{ nkppkXP knkk
nC
. 从某大学到火车站途中有 6 个交通岗 , 假设在各个交通岗是否遇到红灯相互独立 , 并且遇到红灯的概率都是 1/3.(1)设 X 为汽车行驶途中遇到的红灯数 ,求 X 的分布律 .(2) 求汽车行驶途中至少遇到 5 次红灯的概率 .
例 3
例 4. 某人射击的命中率为 0.02 ,他独立射击 400 次,试求其命中次数不少于 2 的概率。
普哇松定理 (p65): 设随机变量 Xn~ B(n,
p), (n= 0, 1, 2,…), 且 n 很大, p 很小,记=np ,则 ,...2,1,0,
!}{ ke
kkXP
k
上题用普哇松定理 取 =np= (400)(0.02)= 8, 故近似地有
P{X2}= 1 - P{X= 0}- P {X= 1}
= 1- (1+ 8)e - 8= 0.996981.
( 3 )普哇松 (Poisson) 分布 P()(p64)
X ~ P{X = k} = , k =0, 1, 2, … (0)
e
!k
k
1 、若二维随机变量 (X, Y) 只能取至多可列个值(xi, yj),(i, j= 1, 2, … ) ,则称 (X, Y) 为二维离散型随机变量。 2 、若二维离散型随机变量 (X, Y) 取 (xi, yj) 的概率为 pij, 则称 P{X= xi, Y = yj,} = pij , (i, j= 1, 2, … )
为二维离散型随机变量 (X, Y) 的分布律,或随机变量 X 与 Y 的联合分布律。可记为 (X, Y) ~ P{X= xi,Y = yj} = pij (i,j=1,2,
… ),
二、二维离散型随机变量及其联合分布律
X Y y
1 y
2 … y
j …
p11 p12 ... P1j ...
p21 p22 ... P2j ...
pi1 pi2 ... Pij ...
......
...
...
...
...
... ...
3 、联合分布律的性质 (1) pij 0 , i, j= 1, 2, … ; (2) 1p
1i 1jij=
x1
x2
xi
二维离散型随机变量的分布律也可列表表示如下 :
:袋中有两只红球,三只白球,现不放回摸球二次, 令
第二次摸到白球第二次摸到红球
第一次摸到白球第一次摸到红球
0
1
0
1
Y
X求 (X,Y) 的分布律。
XY
1 0
1 0
10
1
10
3
10
3
10
3
25
22}1,1{P
PYXP
25
32}0,1{
PYXP
25
23}1,0{
PYXP
25
23}0,0{P
PYXP
例 1
4 、边际分布律 若随机变量 X 与 Y 的联合分布律为 (X, Y)~ P{X= xi, Y = yj,} = pij , i,j= 1, 2, … ,则称 P{X= xi}= pi. = , i= 1, 2, …
为 (X, Y) 关于 X 的边际分布律;
1j
ijp
1i
ijp P{Y = yj}= p·j = , j= 1, 2,
…。
为 (X, Y) 关于 Y 的边际分布律。 边际分布律自然也满足分布律的性质。
问题:联合分布列与边际分布列有什么关系? 例 3 :袋中有 5 张外型相同的卡片,其中 3 张写上数
字 0 ,另两张写着数字 1 现从袋中任取两张,分别以X、 Y 表第一张与第二张上的数字,对有放回与不放回两种方式,分别求( X, Y )的联合分布列。
三、随机变量的相互独立性
定义 2.3 :设 (X,Y) 是二维离散型随机变量,其分布律为 P{X=xi,Y=yj}=Pij,i,j=1,2,… 。若对任意 i,j ,有Pij=PiPj 。则 X 与 Y 相互独立。
}{}{},{
,
jiji yYPxXPyYxXP
jiYX
有相互独立与即
一、一维离散型随机变量函数的分布律
§2.3 离散型随机变量函数的分布
1 、 设 X 一个随机变量,分布律为 X ~ P{X = xk} = pk, k = 1, 2, …
若 y = g(x) 是一元单值实函数,则 Y = g(X) 也是一个随机变量。求 Y 的分布律 .
例 : 已知 X
Pk
-1 0 1
31
31
31
求: Y=X2 的分布律
Y
Pk
1 0
31
32
或
Y = g(X) ~ P{Y = g(xk)} = pk , k = 1, 2, …
(其中 g(xk) 有相同的,其对应概率合并。)
一般地X
Pk
Y=g(X)
kxxx 21
kppp 21
)()()( 21 kxgxgxg
二、二维离散型随机变量函数的分布律
设二维离散型随机变量( X, Y),
(X, Y)~ P(X= xi, Y= yj)= pij , i, j=1, 2, …
则 Z= g(X, Y)~ P{Z= zk} = = pk ,
k= 1, 2, …
kji zyxgjiijp
),(:,
(X,Y) (x1,y1) (x1,y2) … (xi,yj) …
pij p11 p12 pij
Z=g(X,Y) g(x1,y1) g(x1,y2) g(xi,yj)
或
例:设随机变量 X 与 Y 独立,且均服从 0-1 分布,其分布律均为
X 0 1
Pi q p
(1) 求W= X+ Y 的分布律 ;(2) 求 V=max(X, Y) 的分布律;(3) 求U=min(X, Y) 的分布律。(4)求w 与 V的联合分布律。
例 2 . 12 :设 X、 Y 是两个独立的随机变量,它们分别服从参数为 的普蛙松分布,求Z=X+Y 的分布列。
21 ,
说明:( 1 )普蛙松分布具有可加性; ( 2 )习题 2.27 可证明二项分布也具有 可加性。
1. 若 X~P{X=xk}=pk, k=1,2,…n, 则称
1
||k
kk px
n
kkk pxXE
1
)(
定义 2. 若 X~P{X=xk}=pk, k=1,2,…, 且
为 r.v.X 的数学期望,简称期望或均值。
,则称 .)(1
k
kk pxXE
为 r.v.X 的数学期望
定义
一 . 数学期望的定义
1.0-1 分布的数学期望
ppPX
101
EX=p
2. 二项分布 B(n, p)
npppknk
nkXE
n
k
knk
1
)1()!(!
!)(
nkppCkXP knkkn ,...1.0)1(}{
二 . 几个重要 r.v. 的期望
2.2 : 若 X ~ P{X=xk}=pk, k=1,2,
…, 且
则 Y=g(X) 的期望 E(g(X)) 为 .)()]([)(1
kk
k pxgXgEYE
定理 2.3: 若 (X, Y)~ P{X=xi ,Y=yj,}=
pij,i,j=1,2, … , 且
则 Z= g(X, Y) 的期望.),()],([)(
11ij
iji
j
pyxgYXgEZE
定理
.)(1
绝对收敛kk
k pxg
.),(11
绝对收敛iji
jij
pyxg
解 : 设
0
1iX
第 i 次试验事件 A 发生第 i 次试验事件 A 不发生
则
n
iiXX
1
pXE i )(
n
iiXEXE
1
)()( nppn
i
1
例 3 :若 X~B(n,p),求 E(X)。
: 若 E(X),E(X2) 存在,则称
E[X-E(X)]2
为 r.v. X 的方差,记为 D(X),或Var(X).
}{][)(1
2k
kk xXPEXxXD
)()( XDX 称 为 r.v.X 的标准差
易见:
1. 定义
推论: D(X)=E(X2)-[E(X)]2.
(1) D(c)=0
反之,若 D ( X ) =0 ,则存在常数 C ,使 P{X=C}=1, 且 C=E(X);
(2) D(aX)=a2D(X), a 为常数;
二、 方差的性质
(3) 若 X , Y 独立,则 D(X+Y)=D(X)+D(Y);
1. 二项分布 B(n, p) :
nkppCkXP knkkn ,...1.0)1(}{
npXE )(
nppnnppknk
nkXE
n
k
knk
)1()1()!(!
!)( 2
1
22
三、几个重要 r.v. 的方差
)1()( pnpXD
...,2,1,0,!
}{~ kek
kXPXk
0 1
22
)!1(!)(
k k
kk
k
eke
kkXE
)(XE
)1()!1(1
k
k
k
ek
22 )()( EXEXXD
2. 普哇松分布p() :
设随机变量 X与 Y 的联合分布列为 (X, Y) ~ P{X= xi, Y = yj,} = pij , (i, j= 1, 2, … ),X和 Y 的边际分布列分别为
,...2,1}{1
ippxXPj
ijii
§2.6 条件分布与条件数学期望一 . 条件分布列
,...2,1}{1
jppyYPi
ijjj
为 Y = yj 的条件下, X 的条件分布列 ;
,...2,1,}|{|
ip
pyYxXPp
j
ijjiji =
若对固定的 j, p.j>0, 则称
同理,对固定的 i, pi. >0, 称
,...2,1,}|{|
jp
pxXyYPP
i
ijijij =
为 X = xi 的条件下, Y 的条件分布列。
jijiji ppppYX ,独立时,有与显然,当
二、条件数学期望
定义 2.7 :若随机变量 X在 Y=yj 条件下的条件分
布列为
则称为 X在 Y=yj 条件下的数学期望,简称条件期望,记为
,
又
1
,
ijii
ji
px
p
1ijii px
}{ jyYXE
例 2.19 :某射手进行射击,每次射击击中目标的概率为 p(0<p<1) ,射击进行到击中目标两次停止。令 X 表示第一次击中目标时的射击次数, Y 表示第二次击中目标时的射击次数,试求联合分布列 pij ,条件分布列 pi/j及 pj/i 条件期望E{X/Y=n}.