随机变量的分布函数与连续型随机变量课件.ppt

《随机变量的分布函数与连续型随机变量课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第三节随机变量的分布函数与连续型随机变量分布函数的定义及其性质连续型随机变量的定义及其概率密度的性质几种重要的连续型随机变量8/4/20211一、分布函数的定义及性质由于为此我们引入随机变量的分布函数的概念如下：定义：设X是一个随机变量，x是任意实数，函数称为随机变量X的分布函数。从而也就是说，可以通过分布函数，计算随机变量落在任意一个区间的概率。8/4/20212不加证明地给出分布函数的一些性质:(1)(单调性)对于任意实数，有(2)(有界性)(3)(右连续性)不可能事件必然事件8/4/20213例：若随机变量X的分布律为则随机变量X的分布函数为8/4/20214即分布函数的

2、图像如下：分布函数的图像是一个右连续的阶梯形。且在间断点处的跳跃值等于X取这个值的概率。例如。。。8/4/20215二、连续型随机变量的定义及其概率密度的性质定义：设F(x)是随机变量X的分布函数，若存在非负可积函数f(x),使得对任意实数x，有称X为连续型随机变量，称f(x)为X的概率密度函数，或密度函数，也称概率密度。8/4/20216性质：1.2.从图形上来看，性质1表示X的概率密度f(x)位于x轴上方，性质2表示f(x)与x轴所围区域面积等于1.8/4/202173.对于任意实数，有从图形上来看，性质3表示X落在区域的概率等于相应的曲边梯形的面积。4.若f(x)在点x处连

3、续，则对于连续型随机变量X来说，通过F(x)求导得f(x)，通过f(x)积分得F(x)。8/4/202185.连续型随机变量取任一指定实数值的概率为零．即由性质5，易得：注：对离散型随机变量，上式不成立。8/4/20219例：若随机变量X的概率密度为(1)求C的值；(2)X的分布函数；(3)P{X>1}.解：(1)由于，有得8/4/202110(2)由，有即分段讨论8/4/202111(3)或8/4/202112几种常见的连续型随机变量的分布一、均匀分布定义：若连续型随机变量X的概率密度为则称X服从上的均匀分布。记为意义：X“等可能”地取区间中的值，这里的“等可能”理解为：X落在

4、区间中任意等长度的子区间内的可能性是相同的。即等长度，等概率。8/4/202113均匀分布的概率密度和分布函数图形如下：分布函数：8/4/202114例：设某公共汽车站从早上7:00开始每隔15分钟到站一辆汽车，即7:00，7:15，7:30，7:45等时刻有汽车达到此站．如果一个乘客到达该站的时刻服从7:00到7:30之间的均匀分布．求他等待时间不超过5分钟的概率．解：设X表示乘客到达该车站的时间，则乘客等待时间不超过5分钟当且仅当他在7:10到7:15之间或在7:25到7:30之间到达车站．因此所求概率为8/4/202115思考设ξ在[-1，5]上服从均匀分布，求方程有实根的

5、概率。解方程有实数根即而的密度函数为故所求概率为8/4/202116二、指数分布定义：若连续型随机变量X的概率密度为其中λ>0,则称X服从参数为λ的指数分布。记为X～E(λ)背景：在实际应用中，到某个特定事件发生所需等待的时间往往服从指数分布．例如，从现在开始到下一次地震发生、到爆发一场新的战争、到一个元件的损坏、到你接到一次拨错号码的电话等所需的时间，都服从指数分布．指数分布在排队论、保险和可靠性理论中有广泛的应用．8/4/202117分布函数：例：设某人到银行取款时的排队时间X(分钟)服从指数分布，其概率密度为1.试确定常数λ;2.计算排队时间超过10分钟的概率;3.计算排队

6、时间在10分钟到20分钟的概率．8/4/202118解：1.由得：2.3.8/4/202119例：设连续型随机变量的分布函数为1.求常数A,B；2.求X的概率密度函数。解：1.由分布函数的性质：即所以又因为F(x)在点x=0处连续(事实上连续型随机变量的分布函数在任意点连续)，所以即所以8/4/202120从而分布函数为2.由密度函数和分布函数之间的关系，有8/4/202121指数分布的无记忆性：对于一个非负的随机变量，如果对于一切s,t≥0，有则称这个随机变量具有无记忆性。直观理解：若X表示仪器的寿命，那么上式说明:已知此仪器已使用t时，它总共能工作s+t小时的概率等于从开始使

7、用时算起，它至少能工作s小时的概率．也就是说：它对之前工作过t小时无记忆。容易验证：指数分布是无记忆的。8/4/202122三、正态分布定义：若连续型随机变量X的概率密度为其中μ，为常数,则称X服从参数为μ和的正态分布记为正态分布最早由Gauss在研究测量误差时所得到，所以正态分布又称为Gauss分布。正态分布是概率论中最具有应用价值的分布之一，大量的随机变量都服从正态分布．如人的身高、体重，气体分子向任一方向运动的速度，测量误差等许多随机变量，都服从正态分布．大量相互独立且有相