基础30讲 | 您所在的位置:网站首页 › 一维连续型随机变量函数分布 › 基础30讲 |
zy2022概率论与数理统计一维随机变量及其分布 p448 $\sharp$ 学科有研究对象和研究工具 数学上,研究对象(统一化,数字化)(如上图)随机变量: 定义在样本空间上,取值在实数轴上的函数交随机变量$(r,v)\qquad X=X(\Omega)$离散和连续随机变量的对比 八大分布是结构性知识 $f(x)\text{(密度)可以唯一确定}F(x)\text{(分布函数)}$,反之不然 f(x)改变有限个值不改变,F(x)的值,在定积分里面学的一维随机变量概念分布函数分布函数的定义域一定是整个实数轴,x取遍$-\infty$导$+\infty$ 研究范围从$\emptyset$(空集)一直到$\Omega$(全集) 概念性质单调不减右连续(左空心右实心)(体现在题目上:等号跟着大于号,即例如$0 \leq x< 1$)极限状态有界性应用——求概率证明a-0相当于左极限值 一维离散型随机变量如果随机变量X只可能取有限个或可列个值,则称X为离散型随机变量 $X \backsim p_i$念作X服从$p_i$ 需要掌握的知识点: 定义所有概率加起来为1(归一性)求一点函数的概率求区间函数的概率分布律分布列,分布律,概率分布 性质应用—求概率五大分布0-1分布$B(1,p)$即 $P\lbrace X=1 \rbrace=p,P\lbrace X=0 \rbrace =1-p$,称 $X$ 服从参数 $p$的0-1分布,记为 $X \backsim B(1,p)$ 图片要点独立实验独立重复试验伯努利试验例子:投篮二项分布$B(n,p)$$P\lbrace X \rbrace = C_n^kp^k(1-p)^{n-k}$,称$B(n,p)$ 泊松分布$P(\lambda)$念作$X$服从参数为$\lambda$的泊松分布 $\lambda$是强度 作用:某场合某单位时间内源源不断的质点来流的个数。 例子:超市 8.00-9.00 源源不断的 客户来的个数例子:节假日的人流注意:也可用来研究稀有事件发生的概率 几何分布$G(p)$首中即停 意义: 首次出现故障就停止,广泛应用在寿命分布中守株待兔超几何分布$H(n,N,M)$古典概型的一种特殊情况 图片要点一个例子解释超几何分布一维连续型随机变量$X \backsim F(x)$ $\buildrel \rm \Delta \over{=}$ $p \lbrace X \leq x\rbrace=\int_{-\infty}^xf(t)dt$ 被积函数是可积函数,其被积函数必然连续需要掌握的知识点: 定义所有概率加起来为1(归一性)求一点函数的概率求区间函数的概率概率密度性质应用-求概率三大分布均匀分布相当于几何概型的一维情形 图片要点均匀分布的定义高级说法:$X\text{在}I$上的任一子区间取值的概率与该子区间长度成正比$\implies$ $X \backsim U(I)$ 指数分布图片要点指数分布的定义等待型分布(几何分布也是) 几何分布:离散指数分布:联系$\lambda$是机器坏的失效率,兔子来撞树 正态分布图片要点正态分布概率密度图片要点标准正态分布图片要点上$\alpha$分位点($\mu\alpha$),右侧围出$\alpha$时,对应的点$\mu\alpha$是多少图片要点1.把正态分布标准化2.用上$\alpha$的推导画图研究3.正态分布的范围转化为标准正态分布的范围正态分布的数字特征一维随机变量函数的分布图片要点引论,射击游戏的积分制度离散型→离散型连续型→连续型(混合型)解题步骤 |
CopyRight 2018-2019 实验室设备网 版权所有 |