连续型随机变量及其分布ppt课件.ppt

《连续型随机变量及其分布ppt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、§2.4连续型随机变量及其分布第二章第七讲一、连续型随机变量的定义及性质二、常用的连续型随机变量1.连续型随机变量的定义及性质定义1.设F(x)是随机变量X的分布函数，若存在非负(1)概率密度的定义，使对任意实数x有函数则称X为连续型随机变量，称为X的概率密度函数，简称概率密度或密度函数。常记为(2)概率密度的性质（6条）①非负性②归一性可由下图表示f(x)x面积为1由于这两条性质是判定一个函的概率密度函数的充要条件。是否为某随机变量X数f(x)x图中阴影部分在该区间上的改变量，等于在该区间上的积分(与端点是否在内无关)③对于任意的数有连续型随

2、机变量X落在某区间[a,b]上的概率为F(x)④分布函数上连续，且密度函在数不唯一（在个别点的值可不同）。⑤概率密度在点x处连续，则有的高度反映了随机点集中在该点附近的密集程度。注意:密度函数f(x)在这个高度越大，则X取a附近的值的概率就越大。也可以说，在某点密度曲线f(x)0x1某点a处的高度f(a)并不是的概率。这是因为⑥对于任意实数a，有称A为几乎不可能事件，B为几乎必然事件.这里事件并非不可能事件，但可见，连续解：判断下列函数是否为某随机变量的概率密度故f(x)可以作为某随机变量的概率密度。是显然的；例1解:设X的分布函数为求例2设连

3、续型随机变量X的概率密度为求(1)确定常数A的值；(2)F(x);解：(1)例3离散型r.v.的分布函数连续型r.v.的分布函数分布函数的性质分布律与分布函数的关系概率密度与分布函数的关系分布函数2.几种常用的连续型随机变量(1)均匀分布定义若随机变量X的概率密度为：则称X服从区间[a,b]上的均匀分布，记作均匀分布的密度函数的验证设，其中是其密度函数，则有因为均匀分布的概率背景说明：r.vX取值在(a,b)中任意小区间内的概率与这个小区间的长度成正比。均匀分布的分布函数图形如下abxF(x)01解:依题意，X～U[0,30]以7:00为起点0

4、，以分为单位某公共汽车站从上午7时起，每15分钟来一班车，即7:00，7:15，7:30,7:45等时刻有汽车到达此站.如果乘客到达此站时间X是7:00到7:30之间的均匀随机变量，试求他候车时间少于5分钟的概率.例4所求概率为：即乘客候车时间少于5分钟的概率是1/3.(2)指数分布若随机变量X的概率密度为：指数分布，记为指数分布的分布函数为概率密度的图形为常数，则称随机变量X服从参数为的其中指数分布的密度函数的验证设，其中是其密度函数，则有(2)已知该电子元件已使用了1.5年，求它还能使用两电子元件的寿命X(年）服从λ＝3的指数分布(1)求该

5、电子元件寿命超过2年的概率。年的概率为多少？解：由已知得X的概率密度为例5上面的结果显示了指数分布具有无记忆性，即(3)正态分布例：在大量重复试验中，得到一组数据，这组数据虽然有波动，但总是以某个常数为中心。离中心越近的数据越多；偏离中心越远的数据越少。取值呈“中间大、两头小”的格局，即取值具有对称性。此随机变量是一个服从正态分布的随机变量。正态分布的重要性正态分布是概率论中最重要的分布：⑶正态分布可以作为许多分布的近似分布。⑴大量的随机现象都是服从或近似服从正态分布。⑵正态分布有许多良好的性质。正态分布是应用最广泛的一种连续型分布。首次露面。

6、正态分布在十九世纪前叶由高德莫佛高斯德莫佛最早发现了二项分布概率的一个近似公式，这一公式被认为是正态分布的斯加以推广，所以通常称为高斯分布。Ⅰ.正态分布的定义定义1设连续型随机变量的概率密度为则称X服从参数为的正态分布或高斯分布，记为定义2若X的概率密度为则称X服从标准正态分布，记为其图形分别如下所示：以上钟形曲线叫做正态曲线，满足以下特性。概率密度的验证Ⅱ.正态分布概率密度的性质①曲线关于直线对称。②当时，f(x)取得最大值x离μ越远，f(x)的值就越小。③曲线在处有拐点。④曲线以x轴为水平渐近线。⑤若σ固定，而改变μ的值，则f(x)的图形沿

7、x轴形的位置完全由参数μ所决定，称μ为位置参数。（如右图）平行移动，但不改变其形状，因此的图正态分布由它的两个参数μ和σ唯一确定，当μ和σ不同时，正态分布也不同。⑥若μ固定，而改变σ的值，由于f(x)的最大值为可知，σ越小该图形越陡，X的取值越集中;σ越大该图形越平坦，X的取值越分散。σ决定了图形中峰的陡峭程度，称σ为形状参数。Ⅲ.正态分布的分布函数设，X的分布函数是而，即X服从标准正态分布的分布函数为x0x-x易得227页当时,可直接查表求当时,如右图由标准正态分布的查表计算可以求得，这说明X的取值几乎全部集中在[-3,3]区间内，当X～N(

8、0,1)时，3σ准则超出这个范围的可能性仅占不到0.3%。将3σ准则推广到一般的正态分布，可以认为,Y的取值几乎全部集中在的区间内。这在统计学上称为“