本文介绍: 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。(2)某点处的概率:P(a)=P(X。例:随机变量的分布函数F(x)=a+X=X(e)为随机变量。

 一、随机变量

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

二、分布函数

分布函数:设X为随机变量,x是任意实数,则事件{Xleqx}为随机变量X的分布函数,记为F(x)

即:F(x)=P(Xleqx)

(1)几何意义:

(2)某点处的概率:P(a)=P(Xleqa)-P(X<a)

性质:

(1)非负性:0leqF(x)leq1

(2)规范性:F(+infty)=1;F(-infty)=0

(3)单调不减函数

(4)右连续性

例:随机变量的分布函数F(x)=a+frac{b}{(1+x)^{2}}      x>0;F(x)=c      xleq0

三、离散型随机变量及其分布

 离散型随机变量 :X的取值为有限个或者无限可列个                                   

如:X=骰子出现的点数

分布律(概率分布):

存在:P1+P2+……..+Pn=1

(1)0—1分布binom{X}{P}=begin{pmatrix} 0 & 1\ p & 1-p end{pmatrix},满足0—1分布

(2)二项分布

P(X=k)=C_{n}^{k}p^{k}(1-p)^{n-k}      记作:X~B(n,p)

独立重复n次试验;每次试验只有两种试验结果;试验中的概率不会发生变化

(3)泊松分布

P(X=k)=frac{lambda ^{k}~e^{-lambda }}{k!}     记作:X~P(lambda)或X~pi (lambda )

(4)超几何分布

frac{C_{m}^{k} C_{N-m}^{n-k}}{C_{N}^{n}}

(5)几何分布

P(X=k)=(1-p)^{k-1} · P

原文地址:https://blog.csdn.net/2201_75333727/article/details/135613421

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:http://www.7code.cn/show_60544.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱:suwngjj01@126.com进行投诉反馈,一经查实,立即删除!

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注