当前位置:文档之家› 随机变量及其分布列知识点

随机变量及其分布列知识点


n 次独立重复试验的公式:
一般地, 在n次独立重复试验中, 设事件A发生的次数 为X , 在每次试验中事件A发生的概率为p, 那么在n次 独立重复试验中, 事件A恰好发生k次的概率为
k k k k n k P ( X k ) Cn p (1 p)n k C n p q , k 0,1,2,..., n. (其中q 1 p)
即A、B相互独立 P ( AB ) P ( A) P ( B )
若事件A与B相互独立, 则以下三对事件也相互独立: ② A 与 B; ③ A 与 B . ① A 与 B; 注: (1)互斥事件: 指同一次试验中的两个事件不可能同时发生.
(2)相互独立事件: 指在不同试验下的两个事件互不影响.
离散型随机变量的分布列
设离散型随机变量ξ可能取的值为 x1 , x2 , x3 , , xi ξ取每一个值 xi (i 1, 2, ) 的概率P(x xi ) pi
则称表格
ξ p
x1 p1
x2 p2
… …
xi pi
… …
为随机变量x的概率分布列,简称x的分布列. 注:离散型随机变量的分布列具有下述两个性质:
有 20 件产品, 其中 5 件是次品, 其余都是合格品,现不放回地从中依次 抽 2 件,求: (1)第一次抽到次品的概率; (2)第一次和第二次都抽到次品的概 率; (3)在第一次抽到次品的条件下,第 二次抽到次品的概率.
【规范解答】 设第一次抽到次品为事件 A,第二次抽 到次品为事件 B. 5 1 (1)第一次抽到次品的概率 P(A)=20=4. 1 (2)P(AB)=P(A)P(B)=19.
……
超几何分布列. 像上面这样的分布列称为
注:超几何分布的模型是不放回抽样
n次独立重复试验: 一般地,在相同条件下,重复做的n次试验称为 n次独立重复试验.
注: 独立重复试验模型满足以下三方面特征, 第一:每次试验是在同样条件下进行; 第二:各次试验中的事件是相互独立的; 第三:每次试验都只有两种结果,即事件要么发生, 要么不发生.
(1) pi ≥ 0, i 1, 2, 3,
(2) p1 p2 p3
1
一、两点分布列
如果随机变量ξ的分布列为:
ξ P
1 p
0 1-p
这样的分布列称为两点分布列(又称0-1分布),称随机变 量ξ服从两点分布,而称P(ξ=1) =p为成功概率.
二、超几何分布
在含有M件次品的N件产品中,任取n件,其中恰有 X k发生的概率为: X件次品数,则事件
它们都是反映离散型随机变量偏离于均值的平均程度 的量,它们的值越小,则随机变量偏离于均值的平均程 度越小,即越集中于均值。
易证离散型随机变量的方差满足以下性质:
性质1:x 与ax b期望与方差的关系
性质2:
(1)若x ~两点分布
(2)若x~B(n,P) (3)若x~几何分布
求相互独立事件的概率
(1)若 A, B 互斥, 则 P(A∪B)=P(A) +P(B),反之不成立. (2)若 A,B 相互独立,则 P(AB)= P(A)P(B),反之成立.
设对某目标进行三次相互独立 的射击,各次的命中率分别为 0.2、0.6、 0.3,试求: (1)在三次射击中恰有一次命中的概 率; (2)在三次射击中至少有一次命中的 概率.
k n k CM CN M P( X k ) n CN
k=0,1,2, …… , m
则随机变量X的概率分布列如下: X 0 1
M , n, 其中m min 且n N , M N , n, M , N N *
m
m n m CM CN M n CN
……
P
0 n 0 1 n 1 CM CN C C M M N M n n CN CN
注:n 为重复试验的次数;p是在1次试验中某事件A发生的 概率;k是在n次独立试验中事件A发生的次数.
三、二项分布 在一次试验中某事件发 生的概率为p, 那么在n 次独立重复试验中这个 事件恰好发生 k次的概率为 k k n k P ( X k ) C n p (1 p) ,这样的随机变量 X服从 二项分布, 记作X ~ B( n, p)
二项分布与两点分布、超几何分布有什么区别和联系?
1.两点分布是特殊的二项分布x (1 p)
(即n=1的二项分布)
2.一个袋中放有 M 个红球,( N M )个白球,依次从袋中 取 n 个球,记下红球的个数 x . M ⑴如果是有放回地取,则 x B( n, ) N ⑵如果是不放回地取, 则 x 服从超几何分布.
条件概率:
定义:一般地 , 设 A,B 为两个事件 , 且 P( A) 0 , 称 P ( AB ) 为在事件 A 发生的条件下, 事件 B P ( B | A) P ( A) 发生的条件概率 .
A AB B

条件概率
PAB (1)P(B|A)= ; PA nAB (2)P(B|A) = . 在古典概型下, nA n(AB)指事件 A 与事件 B 同时发生的基本 事件个数;n(A)是指事件 A 发生的基本 事件个数.
结论2:若ξ~B(n,p),则Eξ= np.
结论3:若随机变量x服从几何分布,则E x=1/p
离散型随机变量取值的方差和标准差: 一般地,若离散型随机变量x的概率分布列为: x x2 x1 · · · xi · · · xn p1 p2 P · · · pi · · · pn
则称 2 2 2 Dx ( x1 Ex ) p1 ( x2 Ex ) p2 ... ( xn Ex ) pn 为随机变量x的方差. 称x= Dx 为随机变量x的标准差.
2 2
2
上述计算结果可用下表和图来表示:
区间 , 2 , 2 取值概率
0.6826
0.9544
3 , 3
0.6826
0.9974
0.9544
0.9974
已知随机变量 ξ 服从正态分布 N(0, σ ), 若 P(ξ>2)=0.023, 则 P(-2≤ξ≤2) =( ) A.0.447 C.0.954 B.0.628 D.0.977
于是得到随机变量X的概率分布如下: X p 0 1 … k … n
n n 0 Cn pq 0 0 n 1 1 n 1 Cn p q Cn pq … k k n k Cn pq …
k k n k 注 :由于C n p q 恰好是二项展开式 (q p)n中的第k 1 项( k 0,1,2,..., n).所以称这样的随机变量 X服从二项分布.
2Hale Waihona Puke 数学期望的定义:一般地,随机变量ξ的概率分布列为
x1 x2 xi xn pn pi P p1 p2 则称 Ex x1 p1 x2 p2 xi pi xn pn 为x 的数学期望或均值,简称为期望.它反映了离散型随
x
机变量取值的平均水平.
根据定义可推出下面三个结论: 结论1:若 ax b, 则 E aEx b ;
(3)在第一次抽到次品的条件下,第二次抽到次品的概率 1 1 4 为 P(B|A)=19÷4=19.
5 个乒乓球,其中 3 个新的,2 个旧 的,每次取一个,不放回地取两次,求 在第一次取到新球的情况下,第二次取 到新球的概率.
相互独立事件的定义:
设A,B两个事件,如果事件A是否发生对事件B发 生的概率没有影响(即 P ( AB) P ( A) P ( B) ), 则称 事件A与事件B相互独立.
k n k CM CN M P (x k ) (k 0,1, 2, n CN
, m) (其中 m min( M , n)
四、正态分布
若x ~ N(, ) , 则Ex , Dx ,x
2 2
正态曲线:f x
1 2
e

x
相关主题