概率论第二章 随机变量的分布与数字特征

这篇具有很好参考价值的文章主要介绍了概率论第二章 随机变量的分布与数字特征。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

(ps:主要依照课本目录总结一下要记的公式期望和方差,概念去课本上看)

2.1、随机变量及其分布

        一、随机变量的概念

随机变量一般用大写XYZ表示,取值一般用小写xyz表示

        二、离散型随机变量的概率分布

        三、分布函数

                分布函数性质

1、单调性:若x1<=x2,则F(x1)<=F(x2);(单调递增)

2、F(负无穷)=0,F(正无穷)=1

2、右连续性:F(x+0)=F(x)

        四、离散型随机变量的分布函数

区间概率表示:(概率分布p与分布函数F之间转换)

        p(x<=a)=F(a)

        p(x<a)=F(a-0)

        p(x=a)=F(a)-F(a-0)

        p(a<x<=b)=F(b)-F(a)

        p(a<=x<=b)=F(b)-F(a-0)

        p(a<x<b)=F(b-0)-F(a)

        p(a<=x<b)=F(b-0)-F(a-0)

        p(a<x)=p(x>b)=1-F(a)

由于连续型p(x=a)=0,所以若F(x)连续,则4-7相等     

        五、连续型随机变量及其概率密度

                        概率密度性质

1、f(x)>=0,在其定义域内

2、全定义域积分为1

2.2、随机变量的数字特征

        一、离散型随机变量的数学期望

取值与概率乘积求和

        二、连续型随机变量的数学期望

取值与概率乘积求积分

        三、随机变量函数的数学期望

        四、数学期望的性质

1、对任意常数a,E(a)=a

2、如果E(X),E(Y)存在,对任意实数a

E(X+Y)=E(X)+E(Y),E(XY)=E(X)E(Y),E(X+a)=E(X)+a

        五、随机变量的方差

D(X)=E([X−E(X)]^2)

D(X)=E(X^2)−E2(X)

        六、方差的性质

Da=0

D(X+a)=D(X)

D(aX)=a^2D(X)

2.3、常用的离散型分布

        一、退化分布

不分布,以概率1取某一常数a

                期望和方差

E(X)=a

D(X)=0

        二、两点分布

                1、定义

在一次伯努利试验中,,若用X记事件A出现的次数,,  称X服从两点分布(0-1)分布

                2、期望和方差

E(X)=p

D(X)=p(1-p)

        三、均匀分布

                 1、定义

共有n次不可能的取值,且取每一个值的可能性都相等,即

                 2、期望和方差

        四、二项分布

                 1、定义

在n重伯努利试验中,若事件A出现的次数记为X,随机变量X可能的值是0,1,2,...,n,相应概率分布为

式中,且,则称X服从参数为n,p的二项分布,记作.

                 2、期望和方差

E(X)=np

D(X)=npq

        五、几何分布

                 1、定义

在伯努利试验中,考虑事件A首次出现时的试验次数X的分布。X的所有可能取值是集合,事件表示A首次出现是在第k次试验,即前k-1次试验都出现,而第k次试验出现A,这一事件的概率为

上式是几何级数的一般项,因此称为几何分布。记作。显然有

                 2、期望和方差

E(X)=1/p

D(X)=q/p^2

        六、超几何分布

                 1、定义

现有N件产品,其中有M件次品,今从中任取n件(不放回抽取),则这n件中所含的次品数X是一离散型随机变量,其概率分布为

其中。通常称这个概率分布为超几何分布。记作。

   

        七、泊松分布

                 1、定义

 如果随机变量X的概率分布为

式中是常数,则称X服从以为参数的泊松分布,记作。

自然界中的很多稀疏现象都服从或近似服从泊松分布,所以泊松分布又称为稀疏现象律

泊松分布的最可能值为,若为整数,则最可能值为或.

                 2、期望和方差

E(X)=D(X)=

2.4、常用的连续型分布

一、均匀分布

                 1、定义

在取值范围(a,b)内取得任意一点的概率相等,记为X~U(a,b)

                 2、期望和方差

E(X)=(a+b)/2

D(X)=(b-a)^2/12

二、指数分布

                 1、定义

若随机变量X的概率密度为概率论第二章 随机变量的分布与数字特征,概率论

则称X服从参数为λ的指数分布,记为X~e(λ)

因此得到分布函数为概率论第二章 随机变量的分布与数字特征,概率论

                 2、期望和方差

E(X)=1/λ

D(X)=1/λ^2

三、正态分布

                 1、定义

概率密度函数为概率论第二章 随机变量的分布与数字特征,概率论

则称X服从参数为μ,σ的正态分布,记为X~N(μ,σ^2)

分布函数为概率论第二章 随机变量的分布与数字特征,概率论概率论第二章 随机变量的分布与数字特征,概率论

                 2、期望和方差

E(X)=

D(X)=

                 3、标准正态分布

特别的,当μ=0,σ=1时,X服从标准正态分布,此时概率密度函数写为φ(x),分布函数写为Φ(x)

因为,若X~N(μ,σ^2),则Z=(X-μ)/σ服从标准正态分布,所以概率论第二章 随机变量的分布与数字特征,概率论文章来源地址https://www.toymoban.com/news/detail-859927.html

2.5、随机变量函数的分布

到了这里,关于概率论第二章 随机变量的分布与数字特征的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 概率论:多维随机变量及分布

    X X X 为随机变量, ∀ x ∈ R , P { X ≤ x } = F ( x ) forall xin R,P{Xle x}=F(x) ∀ x ∈ R , P { X ≤ x } = F ( x ) 设 F ( x ) F(x) F ( x ) 为 X X X 的分布函数,则 (1) 0 ≤ F ( x ) ≤ 1 0le F(x)le1 0 ≤ F ( x ) ≤ 1 (2) F ( x ) F(x) F ( x ) 不减 (3) F ( x ) F(x) F ( x ) 右连续 (4) F ( − ∞ ) = 0 , F ( +

    2024年02月13日
    浏览(41)
  • 宋浩概率论笔记(二)随机变量

    本章节内容较多,是概率论与数理统计中最为重要的章节,对于概率密度和分布函数的理解与计算要牢牢掌握,才能在后期的学习中更得心应手。 目录 1.随机变量的概念 2.1离散型随机变量及其概率分布 2.2连续型随机变量及其概率密度 2.3分布函数 2.4离散型的分布函数 2.5连续

    2024年02月14日
    浏览(45)
  • 宋浩概率论笔记(三)随机向量/二维随机变量

    第三更:本章的内容最重要的在于概念的理解与抽象,二重积分通常情况下不会考得很难。此外,本次暂且忽略【二维连续型随机变量函数的分布】这一章节,非常抽象且难度较高,之后有时间再更新。 目录 1.1二维随机变量及其分布函数 1.2二维离散型随机变量的联合分布与

    2024年02月14日
    浏览(40)
  • 【概率论】多维随机变量函数的分布(三)

    设随机变量X,Y相互独立同分布,均服从(0,1)上的均匀分布,则下列随机变量中仍然服从相应区间或区域上均匀分布的是()。 A. X 2 X^2 X

    2024年02月13日
    浏览(42)
  • 概率论与数理统计---随机变量的分布

    随机变量 随机变量就是随机事件的数值体现。 例如投色子记录色子的点数,记录的点数其实就是一个随机变量,他是这个点数出现的数值体现。 注意: 随机变量X = X(e) , 是一个单实值函数,每个随机事件的结果只能对应一个随机变量。 X(e)体现的是对随机事件的描述,本质

    2024年02月13日
    浏览(44)
  • 概率论与数理统计————3.随机变量及其分布

    设E是一个随机试验,S为样本空间,样本空间的任意样本点e可以通过特定的对应法则X,使得每个样本点都有与之对应的数对应,则称 X=X(e)为随机变量 分布函数: 设X为随机变量,x是任意实数,则事件{Xx}为随机变量X的分布函数,记为F(x) 即: F(x)=P(Xx) (1)几何意

    2024年01月18日
    浏览(39)
  • 概率论之 多维随机变量的期望,协方差矩阵

    上一次写了一维随机变量的期望,方差,协方差。本次来记录多维随机变量的期望和协方差矩阵。这一块内容由浅入深,因此会有更新。 假设系统状态有多个分量 x 1 , x 2 , … , x n x_1,x_2,dots,x_n x 1 ​ , x 2 ​ , … , x n ​ ,则将其表示为向量的形式 X = ( x 1 , x 2 , … , x n ) T X=

    2024年02月04日
    浏览(44)
  • 《概率论与数理统计》学习笔记3-二维随机变量及其分布

    目录 二维随机变量及其分布函数 二维离散型随机变量及其概率分布 连续型随机变量及其概率密度 条件分布 二维随机变量的函数分布         二维随机变量的定义:                 X和Y是定义在随机试验E的 样本空间Ω 上的 两个随机变量 ,他们 构成的向量 (𝑋

    2024年02月07日
    浏览(49)
  • 概率论与数理统计:第四章:随机变量的数字特征

    一维随机变量的数字特征:数学期望、方差 二维随机变量的数字特征:协方差、相关系数 (1)数学期望的概念 数学期望,又称均值 1.离散型 ①一维离散型随机变量X的数学期望: E X EX EX 若离散型随机变量X的级数 ∑ k = 1 ∞ x k p k sumlimits_{k=1}^∞x_kp_k k = 1 ∑ ∞ ​ x k ​ p k ​

    2024年02月12日
    浏览(39)
  • 概率论与数理统计-第4章 随机变量的数字特征

    一、离散型随机变量的数学期望 定义1设离散型随机变量X的概率分布为 P{X=x i }=p i ,i=1,2,…,如果级数 绝对收敛 ,则定义X的 数学期望 (又称 均值 )为 二、连续型随机变量的数学期望 定义2设X是连续型随机变量,其密度函数为f(x).如果f -∞ +∞ xf(x)dx 绝对收敛 ,则定义X的 数

    2024年02月05日
    浏览(39)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包