第二章 一维随机变量
DESCRIPTION
第二章 一维随机变量. 1. 随机变量的定义及其分布函数 2. 离散型随机变量及其分布列 3. 连续型随机变量及其密度函数. 一、随机变量. 例 1 抛一枚硬币,观察出现的正反面. 3) 奇异型随机变量. 注 1. 随机变量具有两重性(取值,概率 ). 注 2. 随机变量的自变量为 , 值域为 R 的子集. 以上三条性质是随机变量分布函数的特征性质。. 分布函数可以计算各个区间的概率. ;. ;. 。. 二、离散型随机变量 及其概率分布列. - PowerPoint PPT PresentationTRANSCRIPT
第二章 一维随机变量
1. 随机变量的定义及其分布函数
2. 离散型随机变量及其分布列
3. 连续型随机变量及其密度函数
一、随机变量
随机试验的结果数量化 随机变量。
目的:从数量的角度全面研究随机试验,揭示客观存在的统计规律性。
1
0
,
,
( )
正反
即
( ) 的所有可能取值为 Rx { , }0 1 , Rx即为 ( ) 的值域。
由于为随机的,所以, ( ) 的取值也是随机的,即 ( ) 是随机变量。
( ) 是随机变量。
例 1 抛一枚硬币,观察出现的正反面
例 2.测试灯泡的寿命。
样本空间 0{ t | t }
引入变量 ,将随机试验的结果与 的取值对应起来,是定义在样本空间 { } { | } t t 0 上的函数,即
( ) t , t
是随机的, ( ) 也是随机的,
( ) 的值域 Rx [ , )0 。
随机变量的优点:
可以用数学分析(微积分)的方法来研究随机试验。
随机变量的分类:
1) 离散型随机变量(有限或可列个值)
2) 连续型随机变量(某一区间内)
3) 奇异型随机变量
注 1. 随机变量具有两重性(取值,概率 )
注 2. 随机变量的自变量为 , 值域为 R 的子集
2.1.1
定义 在( 概率空间下,若对任意 有 则实值函数 = ( ), 称为随机变量。又称为 可测的的随机变量( 记为
,A,P )
x R, A { | ( ) x } F ,
( )
F r .v .), F
1
1
1
n
n
r .v . P{ | ( ) x }, x R
{ | ( ) x } lim{ | ( ) x }n
{ | ( ) x } Fn
P{ | ( ) x }, x R
由 的定义可知, 都存在。
又
也都存在
2.1.2
定义 设 定义在( 上的
称为 的分布函数,简记为 或
,F ,P ) r .v .,
x R,
F ( x ) P{ | ( ) x } P{ x }
F( x ) F ( x ).
F( x ),
r .v . F( x ) F( x )
注: 但反之不然,即同一分布函数可对应不同的随机变量若 的分布函数为 ,记为
2
1)
2)
注 、分布函数的实质:分布函数是一个概率,是随机变量在区间的概率虽然是一个点函数,实际上是一个区间的函数
1
1)
( )
2)
P a b
a
注 、分布与分布函数的区别:分布: 落在某个区间的概率
分布函数: 落在区间(- , ]上的概率
定理 2.1.1 任一分布函数F( x )都具 3条基本性质:
(1) 非降性:F( x )是定义在整个实数轴上的单调非降函数,即对任意的 1 2x x ,有 1 2F( x ) F( x )
(2) 0-1性:对任意 x R ,有0 1F( x ) ,且
F( ) =xlimF( x )
=0, F( )xlim F( x )
=1;
(3) 右连左极性:F( x )是 x的右连左极函数,
即对任意的 0x R ,有0
0x xlim F( x ) F( x )
,
即 0 00F( x ) F( x ) ,且0
0 0x xlim F( x ) F( x ) F( x )
以上三条性质是随机变量分布函数的特征性质。
说明:若 X a b [ , ],则当 ax 时, xX 是不可能事件,这时,
0}{)( xXPxF ;
当 bx 时, xX 是必然事件,这时,1}{)( xXPxF 。
特别,当 a 时, F( ) 0; 当 b时, F( ) 1。
1 2
1 1 2 2
( ), ( ) ,
0 1,
( ) ( ) ( )
例3 是两个分布函数, 为两个
大于 的常数, 试证明也是分布函数.
F x F x a b
a b
F x c F x c F x
1 2( ), ( )
0 ( )
F x F x
ab F x
分别对应离散型,连续型
随机变量且 时,则 为非离散非连续型的分布函数.
2
1 ( ) . .
1
(2) 0
(3) 0
例4 是否可以作为某一
的分布函数.
(1) -
-
F x r vx
x
x
x
(1)
( ) 0( )
1 0
F x xF x
x
不单调(2)单调下降
(3)若定义
sin( )
3[0, ] (2)[0, ] (3)[0, ]
2 2
例5 在以下区间是否为分布函数.
(1)
x
1
2
16 1
21
例 求:
的分布函数 ( )
(2)若令 求 的分布函数 ( )
P( ) ,
( ) F x
, F x
1
1
1
1
1 0 0
12 1 1 1
21
23 1 1 1
1 1 1
1
0 1
11 1
21 1
x , P( x ) P( ) , F ( x ) ;
( ) x [ , ), P( x ) P(
F ( x )
( ) x [ , ), P( x ) P( ) P( )
P( ) P( )
F ( x )
, x ( , ),
F ( x ) , x [ , ),
, x [ , ).
解:(1)当
当 = -)= ,
;
当
1 2
11 1
2P( ) P( )
F ( x ) F ( x )
注1: 与 的分布函数虽然相同,但它们是不同的随机变量。
2
i
ix x
F( x ) P{ x ) P( x )
注 :离散型随机变量的分布函数
P( a b ) F( b ) F( a )
1P( b ) F( ) F( b ) F( b ).
1 10
n nP( a ) lim P( a ) limF( a ) F( a )
n n
0P( a ) P( a ) P( a ) F( a ) F( a )
0 0P( a b ) F( b ) F( a )
;
;
。
分布函数可以计算各个区间的概率
二、离散型随机变量 及其概率分布列
定义 2.1.3 阶梯型的分布函数对应的随机变量
称为离散型随机变量。
1 2i i i
i i
F( x ) c ( , x [a ,b ) ( i , ...)
[a ,b ) R
阶梯型函数,若满足 常数) 且
即在可列个区间上取常数值的函数
1 2
1
0
1 2 1
i
n
n
i i ii
x x P( a ) F( a ) F( a ) .
x , x ,...x ,...,
P( x ) p ( i , , ...), p
又 当 时,
离散型随机变量的一个等价定义:的可能取值为 对应的概率
可用概率分布列或分布律来表示:
x1 x2 … xn … pk p1 p2 … pn …
0 1 2kp , k , , ... .
1kk
p .
例 7 设随机变量的分布函数为 0 1
0 25 1 2
0 75 2 3
1 3
, x
. , xF( x )
. , x
, x
试求其分布列。
解:由公式 )0()(){ xFxFxP 可知
1 2 3 0, , , 只有在点 处的概率不为
1 1 1 0 0 25 0 0 25P{ ) F( ) F( ) . .
2 2 2 0 0 75 0 25 0 5P{ ) F( ) F( ) . . .
3 3 3 0 1 0 75 0 25P{ ) F( ) F( ) . .
的分布列为:
-1 2 3
P 0.25 0.5 0.25
★对离散型随机变量,若已知分布律,就可求出它的分布函数。
,1
,,
,
,0
)(
21
321
21
1
nppp
ppppp
p
xF
nxx
xxx
xxx
xxx
xx
43
32
21
1
xx
i
i
xXPxXPxF }{}{)(
nipxXP ii ,,2,1,}{ 例如 :
图形特点:右连续,台阶形
F x( ) 1
pkk
i
1
p p1 2 p1 x1 0 x2 x3 xi xi1 xn x
例 8.随机变量 X 的分布律为
X -1 2 3 pk 0.25 0.5 0.25
求 X的分布函数,并求 P X{ },1
2 P X{ },3
2
5
2
解:X的分布函数为
Fx( )
,
. ,
. ,
,
0
025
075
1
3
32
21
1
x
x
x
x
P X P X{ } { } . , 1
21 0 25
P X P X{ } { } . ,3
2
5
22 05
9 例 设 是离散型随机变量,分布列为:
-1 0 1
kp 0.5 1 2q 2q
2q; 求:(1) ( ) 的分布函数
解:3
1
1 1i ii
p p ,
由 ,及0 可得
2
2
21 1
1 2 1 22
10 1 2 1 0
21 1 1
qq q
q q
q q
2
21
2
0 1
0 5 1 0
0 5 1 2 1 0
0 5 1 2 1
i
ix x
q F( x ) P( x )
, x.
. , x [ , )F( x )
. q , x [ , )
. q q , x [ , )
取 ,再利用 ,得
0 1
0 5 1 0
2 0 5 0 1
1 1
, x
. , x [ , )F( x )
. , x [ , )
, x [ , )
例 10 一汽车沿街道行驶,需经过三个设红绿灯的道口,若每个道口信号灯显示红绿灯的时间相等,且各信号灯工作相互独立,以 记该车首次遇到红灯前已通过的道口数,求的概率分布。
0 1 2 3
0 5
i
i i i
{ , , , }
A i
A P( A ) P( A ) .
解: 的取值范围为 ,“ 在第 个路口遇红灯”
则 相互独立,
10 0 5P( ) P( A ) .
21 2 1 21 0 5P( ) P( A A ) P( A )P( A ) .
31 2 3 1 2 32 0 5P( ) P( A A A ) P( A )P( A )P( A ) .
31 2 3 1 2 33 0 5P( ) P( A A A ) P( A )P( A )P( A ) .
,
三 . 连续型随机变量 及其密度函数
※ 连续型随机变量是在一个区间内取值, 所有可能取值不能一一列举出来,不能 用分布律来描述它。
※任一指定值的概率为 0。即: P X c( ) 0
则称为 连续型随机变量, 称为的概率密度函数,简称为密度函数。
定义 2.1.4 设随机变量 的分布函数为 ,若存在非负可积函数 ,使得对 ,有
)(xF p( x )
x Rx
F( x ) p( t )dt
p( x ),
密度函数的性质,(1)非负性: (2)规范性:
0p( x )
1p( x )dx
例 11 (均匀分布)已知随机变量 的密度函数为:
, ( , )( )
0 ,
c x a bp x
其它
试求常数 c 及其分布函数。
解:利用规范性
1 ( ) ( )b
ap x dx cdx c b a
1c
b a
1, ( , )
( )0 ,
x a bp x b a
其它
( , ) ~ ( , )a b U a b 称 服从 上的均匀分布,记为
利用分布函数是密度函数积分的定义得
[ , )
( ) ( ) ( ) ( ) ( )
10 ( ) 0 1.
x a b x
a b
b b
a a
x b
F x p t dt p t dt p t dt p t dt
p t dt dtb a
当 时,
( ) 0 0x
x a F x dt
当 时,
[ , )
( ) ( ) ( ) ( )
1 10 ( );
x a x
a
x
a
x a b
F x p t dt p t dt p t dt
dt x ab a b a
当 时,
0 , ( , )
1( ) ( ) , [ , )
1 , [ , )
x a
F x x a x a bb a
x b
0 0
( ) ( ) ( 0)
( ) lim ( ) 0
( )
x x
x x
P x F x F x
p t dt p t dt
F x
是连续函数
注 3: 连续型随机变量在计算概率时可不区分
开、闭区间
注 1 :连续型随机变量的分布函数是连续的
注 2 :连续型随机变量在单点的概率为 0
1 1 2 2 3 3
1
2
3
关于分布函数的一些结论:(1)分布函数至多只有可列个不连续点(2)分布函数有分解:
-离散型
-连续型(连续且可表示成积分的形式)
-奇异型(连续但不可表示成积分的形式)
F( x ) c F ( x ) c F ( x ) c F ( x )
F ( x )
F ( x )
F ( x )
例 12.设随机变量 X的绝对值不大于 1,
1 1 4P( X ) , 1 1 8P( X ) ,而在事件
1 1{ X } 出现的条件下, X落在(-1,1)内
任一子区间的条件概率与该子区间长度成正比,试
求 X的分布函数。
解: X既非离散又非连续型
当 1x 时, XF x =0 ;当 1x 时 XF x =1;
1 1 1 1 1 5 8P{ X ( , )} P( X ) P( X )
落在子区间内概率与长度成正比, 1 1 1 1P X ( ,x ) | X ( , ) k( x ) { }
11 1 1 1 1
2P X ( , ) | X ( , ) k 由{ } ,可得
1 1x ( , ) 当 时, 1 1 1 1P X ( ,x ] P X ( ,x ],X ( , ) { } { }
51 1 1 1 1 1
16P X ,x | X , P X ( , ) ( x ) ={ ( 〕 ( )}{ }
1 1
1 5 5 71 1 1
8 16 16X
x ( , )
xF ( x ) P X P X ,x ( x )
当 时,
{ } { ( 〕} =
{ [ , ]} { ( , )} { ( , ]}
( ) ( ) ( )b
a
P a b P a b P a b
F a F b p t dt
{ | } { | }
{ } ( ) ( )x x I x x I
P I p x dt dF x
p( x ) P已知 求
已知分布函数,求密度函数
1) ( ) ( )
( )( )
2) ( ) ( )
在 的可导点处(即在 的连续点处)有
在 的不可导点处, 可任意取值
F x p x
dF xp x
dxF x p x
2
0 0
2( ) 0
1
例13 ,求概率密度函数
x
xF x x R
Rx R
2,
( ) ( ) 0)
x RR
F x x R p R
(当 时,左导数为 右导数为0,
在 时不可导,可规定为
2
20
( )0
xx R
p x R
解:其他
0
0
0,
( ) ( )( ) lim
( ) = lim
( ) ( )
( )
x
x
x
F x x F xp x
xP x x x
xx P x x x p x x
p x x
若
当 较小时,即 反映了 取 邻近值的概率大小
p( x )的含义:
(1) ( ) ( )
(2) ( ) [0,1]
(3) 0.
k ip x dx p p x dx p
p x
注1:
,
不一定要连续,也不局限于在 处,为
2
0
0.
(3) 0
1
注 :(1)连续型单点处的概率为 .
(2)离散型单点处的概率不一定为一个事件的概率为 ,不一定是不可能事件;一个事件的概率为 ,不一定是必然事件。
例 14.设随机变量 X具有概率密度为
( ),
,x
ke x
x
x
3 0
0 0,
试确定常数 k,并求 P X( . ) 01 及 F x( )。
解:(1) ( )x dx
1,
ke dxx301,
k e x
1
313
0 , k 3,
即 ( ),
,x
e x
x
x
3 0
0 0
3
(2) P X x dx e dxx( . ) ( )..
0 1 3 3
0 10 1
e x3
0 10 7408
..
(3) 当x0时,Fx dxx
() 0 0
一般,随机变量X的分布密度为
( ),
,x
e x
x
x
0
0 0,
0,则称X为指数分布,记为e( )。(常用在产品的寿命)
当x0时,Fx dx edxx
x()
0 30
3
0 e exx x3
0
31
F xe x
x
x
( ),
,
1 0
0 0
3
四、 常用离散型随机变量的分布
( ) 1, ~ ( )
单点分布记为P C I x C
0
1
, x cF( x )
, x c
分布函数为:
两点分布
X a b P X m( ) 1 p p
特例: 0-1 分布 X 0 1 P p q
a.随机变量X的取值范围:0,1.
(即样本空间只含有两个基本事件.)
b.分布律:P X m p q m p qm m( ) , , ; 1 01 1
或者:
二项分布( Binomial Distribution )
( , )B n p
( ) , 0, 1, 2 ,k n knP k p q k n
k
~ ( , )B n p记为
B( n, p ), B( n, p ), 注:若 不能推出
n A k( 次伯努利试验中 成功 次的概率)
x
p(x)
0
B(20,0.25)B(20,0.5)
B(20,0.75)
1 0.5
2
3
二项分布的图形:)p=0.5时是对称的,p离 越远,分布越
不对称,但n越大,不对称性越不明显。)图像是先升后降的,有极大值点。)当(n+1)p是整数时,(n+1)p-1和(n+1)p
同时取得最大值; 当(n+1)p不是整数时,[(n+1)p]取得最大值
例 15.已知随机变量 X B n p~ ( , ),问:当m为何值时, P X m( ) 最大?
解 : 分 析 : 找 一 个 m , 使 P X m P X m( ) ( ) 1 , 且P X m P X m( ) ( ) 1 。
当 ( )n p m 1 0,即m n p ( )1 时,P X m P X m( ) ( ) 1
当 ( )n p m 1 0,即m n p ( )1 时, P X m P X m( ) ( ) 1
这时,PX m
PX m
( )
( )
0
0 11,
P X m
P X m
C p q
C p q
n m
m
p
q
n p m
m pnm m n m
nm m n m
( )
( )
( )
( )
1
11
1
11 1 1
1) 当( )np1是整数时,取mnp0 1( ),
则PX m PX m( ) ( ) 0 01 都是最大值。
2) 当( )n p1不是整数时,取m n p n p0 1 1 [( )] ( ),这时有PXm PXm( ) ( )0 01 ,而m n p01 1( ),
所以,PX m PX m( ) ( ) 0 01 。
最后得:PXm( )0是最大值。
例 16 设 2B( , p ) , 3~ B( , p ) , 若51 9P( ) ,求 1P( ) 。
解:由 51 9P( ) ,知 5 40 1 1 1 9 9P( ) P( ) 。而
由二项分布的分布列又知0 2 0 22
00
P( ) p q q
,
故由2 4
9q ,解出
2
3q ,舍去负值
2
3q ,
因此1
3p ,把它代入的分布,可知 1
33
~ B( , ) ,
从而 0 3 0 33 191 1 0 1 1 270P( ) P( ) p q q
。
例 17 设厂家生产的仪器,每台以概率 0.70 可直
接出厂,以概率 0.30需暂时留下作进一步调试,经
调试后以概率 0.80可以出厂,以概率 0.20定为不合
格品不能出厂,现该厂生产了共n台仪器 2( n ) ,
为方便计又设各台仪器间的质量互相独立。试求全
厂仪器能出厂的概率以及其中恰有 2件不能出厂
的概率。
解:令事件A={一台仪器可以出厂},
B {一台仪器需要调试},
P( A ) p , 0 70P( B ) . , 0 30P( B ) . ,
0 80P( A | B ) . , 1P( A | B ) ,
故由全概率公式:
0 3 0 8 0 7 1 0 94
p P( A ) P( B )P( A | B ) P( B )P( A | B )
. . . .
0 94n n n n nnP( n ) p q p .
n
2 2 2 22 0 94 0 062 2
n nn nP( n ) p q . .
n
事件 A 发生的次数不到 k 次的概率:
事件 A 发生的次数多于 k 次的概率:
事件 A 发生的次数不少于 k 次的概率:
事件 A 发生的次数不多于 k 次的概率:
)()1()( nPkPkP nnn
)()1()0( kPPP nnn
)1()1()0( kPPP nnn
)()2()1( nPkPkP nnn
二项分布常用公式 :
例 18 (保险业务)今有 2500名同一类
型的人参加保险公司的人寿保险,参加者
每年参保费为 1200元,一年中若死亡,
保险公司赔偿 200000元,据生命表统计这
类人员每年死亡率为 2‰。试求(1) 保险公
司获益的概率 ;(2) 保险公司获益不少于
1000000元的概率 .
为使保险公司获益,则收入必须满足:
1200 2500 200000 ,解出 15 (人),
解:设为一年内的死亡人数,则 ~ (2500, 0.002)B ,
14 142500
0 0
3500( 15) ( , 2500, 0.002) 0.002 0.998k k
k k
P B kk
= BINOMDIST (14, 2500, 0.002, )TRUE
102500
0
{1200 2500 200000 1000000}
{ 10}
25000.002 0.998
(10, 2500, 0.002, )
0.986395
k k
k
P
P
k
BINOMDIDST TRUE
设随机变量 的概率分布为:
0 1 2k
P( k ) e k , , , ...k !
,
其中 0 为常数,则称 服从泊松分布 p( ) ,记
为 ~ P( )
泊松分布(Poisson Distribution)
单位时间内,电话呼唤次数,公共汽车站的乘客人数,机场降落的飞机数等;
0 t
P( t ), Poisson 若不是单位时间,而是 到 这段时间,则为 称为“ 流” 。
P(x)
x0
=2.5
=5
=10
注意:泊松分布是非对称的,但是,越大,非对称性越不明显。
例 19 由销售记录知道,某种商品每月销售数可
用 10 的泊松分布描述,(统计中将会介绍如
何利用销售记录确定分布类型)为了以 95%以上
的概率保证不脱销,问商品在月底至少应该进该
种商品多少件?(假设上月没有存货)
解:设月底进货 x件,每月销售量为 件,
当 x 时就不会脱销。
10~ P( ) , 要 求 最 小 整 数 x , 使
10
0
100 95
kx
k
P( x ) e .k !
,
查书末附表,14
10
0
100 9166 0 95
k
k
e . .k !
,
1510
0
100 9513 0 95
k
k
e . .k !
,
故求得最少进货 15x 件。
由于 POISSON 95.0),10,14( TRUE , 而 POISSON 95.0),10,15( TRUE , 故解 15x (件)。
超几何分布 H n M N( , , )
a. 实际背景:一批产品共有 N个,其中有 M个次品,从这批产品中不放回取 n个,求取出的 n个产品中有 k个次品的概率。
设随机变量 表示 n个产品中的次品数,则
b. 的取值范围: 0 1 2, , , ,min( , ) n M
c. 的分布律:k n kM N M
nN
C CP( X k )
C
,
0 1 2k , , , ,min( n,M ) .
H(n,N ,M ) 记为
H(5,10,100)
H(10,10,100)
H(20,10,100)
p(x)
x1 3 5 70
0 0
1r r
k k
M N M
k n kP( k )
N
n
需验证规范性,即
0
r
k
M N M N
k n k n
上式等价于
0 0
1 1N N
N N k k k
k k
N N( x ) x x
k k
0 0
0 0
1 1M N M
M N M k s
k s
M N Mk s
k s
M N M( x ) ( x ) x x
k s
M N Mx
k s
nx上面两式上含 的系数相等
0 0
r N M r
k k s n k
N M N M M N M
n k s k n k
几何分布
p—— A发生的概率
—— A首次发生时的试验次数 11 kP( k ) ( p ) p 1 2 3( k , , , )
记为 ~Ge( p )
例20 箱子里有2个白球和3个黑球,从中依次随机取球,每次取一个,取出看过颜色后立即放回,这样不停地取下去,直到取出白球为止,设 为取到白球为止所需要的取球次数,求;(1) 的概率分布;(2)至少需要 次才能取到白球的概率。 n
巴斯卡分布(第r次成功发生在第n次)
1
( 1, 1, )
1( ) ,( , 1,...)
1r k r
n b r n p
kP k p q p k r r
r
第 次成功+前面的二项分布
, )r t s t 问题:甲乙按某种方式下注,先胜t局者赢,但进行到甲胜r,乙胜s局( 时,因故停止,问:如何分配赌注?
五、连续型随机变量
1 、均匀分布
2、指数分布
3、正态分布
均匀分布U(a, b )(Uniform Distribution) 若连续型随机变量具有密度函数
1
0
, x ( a , b )p( x ) b a
,
其他
称服从均匀分布,记为 ~U( a,b )
分布函数
0,
( ) ,
1,
x a
x aF x a x b
b ax b
a b
F x( )
0 x
1
落在 ( , )a b 中等长度的子区间内的概率 是一样的。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。
意义:
例 21 某公共汽车从上午 7 时起每 15 分钟来
一班车,即 7:00,7:15,7:30 等时刻有汽车到达车
站,如果某乘客到达此车站的时间是服从 7:00 到
7:30 之间均匀分布的随机变量,试分别求他等候不
到 5分钟能乘到车,等车超过 10分钟的概率。
解:令为乘客到站时间(分钟)减去 7:00,
则 0 30~U( , )
(1) 候车时间不到 5分钟,
即 10 15( ) 或 25 30( ) ,故所求概率为 15 30
10 25
1 1 110 15 25 30
30 30 3P( ) P( ) dx dx
0 15 3010 25
(2) 候车超过 10分钟相当于0 5 或15 20 ,
故对应概率为
10 5 15 20
3P( ) P( )
0 15 305 20
例 22 设随机变量 0 10~U( , ) ,现对 进行观
察,试求在不多于 3次的观察中至少有一次观察
值超过 8的概率。
解:由于 0 10~U( , ) ,故密度
10 10
100
, x ( , )p( x )
, 其他
10
8
1 18
10 5p P( ) dx
令为观察值首次超过 8次的观察次数,则 ~Ge( p ) ,
23 1 2 3P( ) P( ) P( ) P( ) p qp q p
2 2
1 4 1 4 1 1 4 4 611
5 5 5 5 5 5 5 5 125( )
指数分布( Exponential Distribution )
若连续型随机变量具有密度函数
0
0 0
xe , xp( x )
, x
则 ~ E( )
分布函数为
1 0
0 0
xe , xF( x )
, x
密度函数和分布函数的图形: ()x Fx()
1
0 x 0 x
b.应用:寿命、某种服务的等待时间(如银行取款,售票处买票等)。
Poisson分布与指数分布的关系
(1)(0,t)时间内,电话呼唤次数,公共汽车
站的乘客人数,机场降落的飞机数 ~ ( )P t
~ ( )E (2)两架飞机到来的时间间隔
0例23 在( 内飞机来到的架数 要求两架飞机到来的“ 等待时间” 的分布函数。
,t ) ~ P( t ),
0t ,
F( t ) P{ t }
解:设前一架飞机到来的时刻为 要求
0 0 0, t P( t ) 时,
0 0 0t ,{ t } { ( ,t ) { } 而 在 内无飞机来到}
1 1 tP{ t } P( t } e
1 0
0 0
te , tF( t )
, t
即
性质:(指数分布的无记忆性)
若 ~ E( ) ,则对任意的 0s , 0t 有
P( s t | s ) P( t )
P({ s t } { s }) P( s t )
P( s t | s )P( s ) P( s )
( s t )t
s
ee P( t )
e
证: ~ E( ) ,
1 1 1 s sP( s ) P( s ) ( e ) e
{ s t } { s } 又
例 24 设某设备在任何长为 t 的时间段内发生
故障的次数N( t )服从参数为 t 的泊松分布,
其中 0 0,t ,
求 a) 相继两次故障之间时间间隔T的概率分布。
b) 求在设备已经无故障工作 8小时的情况
下再次无故障运行 8小时的概率q 。
0T t N( t ) 解:利用{ }={ }
b)
168
8
16 816 8
8
16 1 16
8 1 8T
T
P(T ,T )q P{T |T }
P(T )
P(T ) F ( ) ee
P(T ) F ( ) e
a) TF ( t ) P(T t ) , 0 0Tt F ( t ) 时, 当 0t “,事件 T t ” “与事件 0N( t ) ” 是等价的。
1 1 0 1 tTF ( t ) P(T t ) P(T t ) P( N( t ) ) e
即T E( )~
正态分布(Normal Distribution)
2
22
2
1
2
( x )
p( x ) e , x
~ N( , )
若连续型随机变量的概率密度函数为:
则称 服从正态分布,记为
0 x
( )x
21
x
x
关于参数的说明:
密度函数图形特点:关于x对称;极大值:
极大 ( )1
2 ;
拐点:在x处;渐近线:x轴。位置参数(在x轴上平移)比例参数:大,图形平坦;小,图形呈尖塔形。
0 x
( )x
21
x x
b.分布函数: 2
2
( )
21
( )2
xx
F x e dx
分布函数的图形:
x
F x( )
标准正态分布 X N~ ( , )0 1
分布密度为
2
21
( )2
x
x e
0x
( )x
-x x
)( x )(1 x
( )x 的性质:(1)( ) .0 05 , (2)( ) 1, (3) ( ) ( ) x x1 .
分布函数记为()x,即()x e dtt
x
1
2
2
2
。
()x的图形: ( )x
0 x
0 . 5
1( x ) ( x ) ,
1P(U x ) ( x ) ,
P( a U b ) ( b ) ( a ) ,
2 1P(|U | c ) ( c )
性质:若随机变量 2X ~ N( , ) ,X的分布函数为F( x ),
令 0 1X
Z ~ N( , )
,x
F( x ) ( )
。
证明:
2
221
2
( x )x
F( x ) P( X x ) e dx
t ( x )
2
21
2
x t
e dt
x( )
#
性 质 : 若 随 机 变 量2X ~ N( , ) , 则
1 2P( x X x ) 2 1x x( ) ( )
例 25 )4,1(~ NX ,求 P X( . )0 16 。
解: 0 1 6P( X . )
0 3 0 5( . ) ( . ) 0 3 1 0 5( . ) [ ( . )]
0 6179 1 0 6915 0 3094. . .
1 6 1 0 1
2 2
.( ) ( )
2
2
(27,5 )
(30,2 )
例26 某人到机场有两条路可走,路A,穿过市区,路程较短,但道路拥挤,所需时间服从正态分布
;路线B,上高架,路程长,但交通畅通,
所需时间服从 。若(1)有30mi n,(2)有34mi n,应选择哪条路好?
N
N
11 1{ ) 1 { ) 1 ( )P P
解: -坐车时间
30 27: { 30) 1 ( ) 1 (0.6) 0.2743
5A
(1)路
30 30{ 30) 1 ( )
2 路B: =0.5
34 27:{ 34) 1 ( ) 1 (1.4) 0.0808
5A
(2)路
34 30:{ 34) 1 ( ) 1 (2) 0.0228
2B
路
选择路线A
选择路线B
3 准则
{| | 3 } (3) ( 3) 2 (3) 1 0.9974P x
{| | } (1) ( 1) 2 (1) 1 0.6824P x
{| | 2 } (2) ( 2) 2 (2) 1 0.9544P x