概率论与数理统计-ch2-随机变量及其分布

1、随机变量

我们不关心随机试验的具体结果或发生顺序,关系的是与之有关的数字。

随机变量是将随机试验的结果与数字联系起来的一种函数,而且它的取值有一定的概率。

随机变量用大写字母表示,实数用小写字母表示。

如:投掷三次硬币出现2次正面的概率。

  随机试验A的结果为={正正反,正反正,反正正}

  随机变量X=2

  概率=3/8

 则P(X=2)=P(A)即P(正正反,正反正,反正正)=3/8

2、离散型随机变量及其分布律

某些随机变量,全部可能取到的不相同的值是有限个或可列无限个,这种随机变量称为离散型随机变量。

离散型随机变量X的分布律:

设X为离散型随机变量,它的一切可能取值为xk(k=1,2,....),X取各个可能值的概率,为
  P{X=xk}=pk,k=1,2……
  称上式为X的分布律。

满足2个条件:

pk≥0;

∑pk=1.

重要分布:

  二项分布:

  设试验E只有两个可能结果:A和A,则E是贝努利试验。P(A)=p,P(A)=1-p

  n重贝努利试验:将试验E独立重复地进行n次。

          独立:每次试验的结果互不影响;重复:事件A发生的概率不变。

  X表示n重贝努利试验中事件A发生的次数。

当n=1时,即只进行1次贝努利试验,随机变量X只可能取0,1值。

之所以称为二项分布,是因为上式是二项式(p+q)n的某一项。

  泊松分布:

3、随机变量的分布函数

对于连续型随机变量,看其在某一点的概率值没啥意义(其实,在任一点的概率都=0)。所以要研究连续型随机变量所取的值落入一个区间的概率。

分布函数:

基本性质:

  F(x)是一个不减函数;

  取值在0,1之间;

  F(x+0)=F(x),即F(x)为右连续。

F(x)是X≤x的累计概率值。

离散型随机变量X的分布函数:

4、连续型随机变量及其概率密度

连续型的随机变量取值在任意一点的概率都是0。作为推论,连续型随机变量在区间上取值的概率与这个区间是开区间还是闭区间无关。要注意的是,概率P{x=a}=0,但{X=a}并不是不可能事件。

重要分布:

  均匀分布

  指数分布:

指数函数的一个重要特征是无记忆性。这表示如果一个随机变量呈指数分布,当s,t≥0时有P(T>s+t|T>t)=P(T>s)

  正态分布:

性质:

  正态曲线关于x=µ对称;

  当x=µ时取到最大值,正态曲线由均值所在处开始,分别向左右两侧逐渐均匀下降;

  在μ±σ处有拐点

其概率密度和分布函数分别记为:φ(x),Φ(x)

引理:

  标准化变换

正态分布,尽快正态变量的取值范围是(-∞,∞),但落入(µ-δ,µ+δ)的概率为68.26%(即:f(x)在这个区间的面积),落入(µ-3δ,µ+3δ)的概率为99.74%,几乎是肯定的事,这就是3δ法则。

上ª分位点:对于标准正态分布,若zª满足条件P(X>zª)=ª,则呈zª为标准整体分布的上ª分位点。

5、随机变量的函数的分布

讨论如何由已知的随机变量X的概率分布求得它的函数Y=g(X)的概率分布。

时间: 2024-11-06 19:07:07

概率论与数理统计-ch2-随机变量及其分布的相关文章

【概率论与数理统计】小结2 - 随机变量概述

注:对随机变量及其取值规律的研究是概率论的核心内容.在上一个小结中,总结了随机变量的概念以及随机变量与事件的联系.这个小结会更加深入的讨论随机变量. 随机变量与事件 随机变量的本质是一种函数(映射关系),在古典概率模型中,“事件和事件的概率”是核心概念:但是在现代概率论中,“随机变量及其取值规律”是核心概念. 随机变量与事件的联系与区别 小结1中对这两个概念的联系进行了非常详细的描述.随机变量实际上只是事件的另一种表达方式,这种表达方式更加形式化和符号化,也更加便于理解以及进行逻辑运算.不同的事

概率论与数理统计图式(第三章 随机变量)

概率论与数理统计图式(第三章 随机变量) 1.随机变量 定义在样本空间的函数 表示:用大写英文字母X.Y.Z表示 例:Y={1,0},1:骰子为偶数,0:骰子为奇数 原文地址:https://www.cnblogs.com/ggotransfromation/p/11612071.html

【概率论与数理统计】小结1 - 基本概念

注:其实从中学就开始学习统计学了,最早的写"正"字唱票(相当于寻找众数),就是一种统计分析的过程.还有画直方图,求平均值,找中位数等.自己在学校里并没有完整系统的学习过概率论和数理统计,直到在工作中用到,才从最初的印象中,逐渐把这门学科与整个数学区分开来.自从认识到这门学科在自己从事的工作(数据分析)中所处的重要地位,真没少花时间在这方面的学习上.从最初的p值的含义,到各种分布,假设检验,方差分析...有的概念看过很多遍,但还是没有理解透彻:有的看过,长时间不用,又忘记了.总之,这一路

【概率论与数理统计】小结3 - 一维离散型随机变量及其Python实现

注:上一小节对随机变量做了一个概述,这一节主要记录一维离散型随机变量以及关于它们的一些性质.对于概率论与数理统计方面的计算及可视化,主要的Python包有scipy, numpy和matplotlib等. 以下所有Python代码示例,均默认已经导入上面的这几个包,导入代码如下: import numpy as np from scipy import stats import matplotlib.pyplot as plt 0.  Python中调用一个分布函数的步骤 scipy是Pytho

概率论与数理统计-ch6-样本与抽样分布

概率论中,所研究的随机变量是假定其分布是已知的,在此前提下研究它的性质.数字特征等. 在数理统计中,所研究的随机变量的分布是未知或不完全知道的,通过重复独立的试验得到许多观察值去推断随机变量的种种可能分布. 1.随机样本 总体:试验的全部可能的观察值.   =样本空间 个体:每一个可能观察值. =样本点 容量:总体中所包含的个体的个数. 有限总体 无限总体 一个总体对应一个随机变量X,对总体的研究就是对随机变量X的研究.所以将不区分总体与相应的随机变量,统称为总体X. 样本:在数理统计中,人们都

概率论与数理统计学习笔记

第一章 随机事件与概率 第二章 随机变量及其分布 第三章 多维随机变量及其分布 第四章 大数定律与中心极限定理 第五章 统计量及其分布 第六章 参数估计 第七章 假设检验 第八章 方差分析与回归分析 第一章 随机事件与概率 1.1随机事件及其运算 概率论与数理统计研究的对象是随机现象. 概率论是研究随机现象的模型(即概率分布),数理统计是研究随机现象的数据收集与处理. 随机现象: 在一定的条件下,并不总是出现相同结果的现象称为随机现象 样本空间:随机现象的一切可能基本结果组成的集合称为样本空间

概率论与数理统计复习

概率论与数理统计复习            第一章  概率论的基本概念 一.基本概念 随机试验E:(1)可以在相同的条件下重复地进行;(2)每次试验的可能结果不止一个,并且能事先明确试验的所有可能结果;(3)进行一次试验之前不能确定哪一个结果会出现. 样本空间S: E的所有可能结果组成的集合.  样本点(基本事件):E的每个结果. 随机事件(事件):样本空间S的子集. 必然事件(S):每次试验中一定发生的事件. 不可能事件(F):每次试验中一定不会发生的事件. 二. 事件间的关系和运算 1.AB

【总目录】——概率论与数理统计及Python实现

注:这是一个横跨数年的任务,标题也可以叫做“从To Do List上划掉学习统计学”.在几年前为p值而苦恼的时候,还不知道Python是什么:后来接触过Python,就喜欢上了这门语言.统计作为数据科学的基础,想要从事这方面的工作,这始终是一个绕不过去的槛. 其实从中学就开始学习统计学了,最早的写"正"字唱票(相当于寻找众数),就是一种统计分析的过程.还有画直方图,求平均值,找中位数等.自己在学校里并没有完整系统的学习过概率论和数理统计,直到在工作中用到,才从最初的印象中,逐渐把这门学

【概率论与数理统计】小结9 - 参数估计概述

注:在统计学的应用中,参数估计和假设检验是最重要的两个方面.参数估计是利用样本的信息,对总体的未知参数做估计.是典型的“以偏概全”. 0. 参数及参数的估计 参数是总体分布中的参数,反映的是总体某方面特征的量.例如:合格率,均值,方差,中位数等.参数估计问题是利用从总体抽样得到的信息来估计总体的某些参数或者参数的某些函数. 问题的一般提法 设有一个统计总体,总体的分布函数为$F(x, \theta)$,其中$\theta$为未知参数.现从该总体取样本$X_1, X_2, ..., X_n$,要依

【概率论与数理统计】小结10-1 - 假设检验概述

注:终于写到最激动人心的部分了.假设检验应该是统计学中应用最广泛的数据分析方法,其中像"P值"."t检验"."F检验"这些如雷贯耳的名词都来自假设检验这一部分.我自己刚开进入生物信息学领域,用的最多的就是"利用t检验来判断某个基因在实验组和对照组中表达量的差异是否显著".此外,对"P值"真正含义的探究也开启了自学概率论与数理统计之路.因此无论是应用价值,还是对我学习统计学的影响,这部分的内容都是意义非凡的.