离散型随机变量及其分布律(知识点部分) | 您所在的位置:网站首页 › 如何根据离散型随机变量的分布律计算分布函数 › 离散型随机变量及其分布律(知识点部分) |
1.
离
散
型
随
机
变
量
1.离散型随机变量
1.离散型随机变量
把全部可能取到的值是有限个或可列无限个的随机变量称为离散型随机变量. 2. 离 散 型 随 机 变 量 的 分 布 律 2.离散型随机变量的分布律 2.离散型随机变量的分布律设离散型随机变量 X X X所有可能取的值为 x k ( k = 1 , 2 , . . . ) x_k(k=1,2,...) xk(k=1,2,...), X X X取各个可能值的概率,即事件{ X = x k X=x_k X=xk}的概率,为 P ( X = x k ) = p k , k = 1 , 2 , . . . P(X=x_k)=p_k,k=1,2,... P(X=xk)=pk,k=1,2,... 称上式为离散型随机变量 X X X的分布律.分布律也可以用表格的形式来表示 X x 1 x 2 . . . x n . . . p k p 1 p 2 . . . p n . . . \begin{array}{c|cccccc} X & x_1 & x_2 & ... & x_n & ...\\ \hline p_k & p_1 & p_2 & ... & p_n & ... \end{array} Xpkx1p1x2p2......xnpn...... 3. ( 0 − 1 ) 分 布 3.(0-1)分布 3.(0−1)分布设随机变量只可能取 0 0 0与 1 1 1两个值,它的分布律是 P { X = k } = p k ( 1 − p ) 1 − k , , k = 0 , 1 ( 0 < p < 1 ) \mathrm{P}\{X=k\}=p^{k}(1-p)^{1-k},,k=0,1 (0X=k}=Cnkpk(1−p)n−k,k=0,1,2,...,n. 称随机变量 X X X服从参数为 n , p n,p n,p的二项分布,记为 X ∼ b ( n , p ) \begin{aligned}&X \sim b(n,p)\\\end{aligned} X∼b(n,p) 5. 泊 松 分 布 5.泊松分布 5.泊松分布设随机变量 X X X所有可能取的值为 0 , 1 , 2 , . . . 0,1,2,... 0,1,2,...,而取各个值的概率为 P { X = k } = λ k e − λ k ! , k = 0 , 1 , 2 , … \begin{aligned} &P\{X=k\}=\frac{\lambda^{k} e^{-\lambda}}{k !}, k=0,1,2, \ldots\\\end{aligned} P{X=k}=k!λke−λ,k=0,1,2,… 其中 λ > 0 \lambda>0 λ>0是常数,则 X X X称服从参数为 λ \lambda λ的泊松分布,记为 X ∼ π ( λ ) \begin{aligned}&X \sim \pi(\lambda)\\\end{aligned} X∼π(λ) 6. 泊 松 定 理 6.泊松定理 6.泊松定理设 λ > 0 \lambda>0 λ>0是一个常数, n n n是任意正整数,设 n p n = λ np_n=\lambda npn=λ,则对于任一固定的非负整数 k k k,有 lim n → ∞ C n k p n k ( 1 − p n ) n − k = λ k e − λ k ! \begin{aligned}&\lim _{n \rightarrow \infty} C_{n}^{k} p_{n}^{k}\left(1-p_{n}\right)^{n-k} =\frac{\lambda^{k} e^{-\lambda}}{k !} \end{aligned} n→∞limCnkpnk(1−pn)n−k=k!λke−λ 上述定理表明当 n n n很大, p p p很小 ( n p = λ ) (np=\lambda) (np=λ)时有以下近似式 C n k p k ( 1 − p ) n − k ≈ λ k e − λ k ! ( 其 中 λ = n p ) C_{n}^{k} p^{k}(1-p)^{n-k}\approx\frac{\lambda^{k} e^{-\lambda}}{k !}(其中\lambda=np) Cnkpk(1−p)n−k≈k!λke−λ(其中λ=np) 7. 随 机 变 量 的 分 布 函 数 7.随机变量的分布函数 7.随机变量的分布函数设 X X X是一个随机变量, x x x是任意实数,函数 F ( x ) = P { X ≤ x } , − ∞ < x < ∞ \begin{aligned} &F(x)=P\{X \leq x\},-\inftyx1X≤x1}=F(x2)−F(x1), 8. 几 何 分 布 8.几何分布 8.几何分布进行重复独立试验,设每次试验成功的概率为 p p p,失败的概率为 1 − p 1-p 1−p.将试验进行到出现一次成功为止,以 X X X表示所需的试验次数, X X X的分布律为 P { X = k } = ( 1 − p ) k − 1 p , k = 1 , 2 , 3 , . . . \begin{aligned} &P\{X=k\}=(1-p)^{k-1}p,k=1,2,3,...\end{aligned} P{X=k}=(1−p)k−1p,k=1,2,3,...称 X X X服从以 p p p为参数的几何分布. 9. 帕 斯 卡 分 布 ( 负 二 项 分 布 ) 9.帕斯卡分布(负二项分布) 9.帕斯卡分布(负二项分布)进行重复独立试验,设每次试验成功的概率为 p p p,失败的概率为 1 − p 1-p 1−p.将试验进行到出现 r r r次成功为止,以 X X X表示所需的试验次数, X X X的分布律为 P { X = k } = C k − 1 r − 1 p r ( 1 − p ) k − r , k = r , r + 1 , . . . \begin{aligned} &P\{X=k\}=C_{k-1}^{r-1} p^{r}(1-p)^{k-r},k=r,r+1,...\end{aligned} P{X=k}=Ck−1r−1pr(1−p)k−r,k=r,r+1,...称 X X X服从以 p p p为参数的帕斯卡分布或负二项分布. |
CopyRight 2018-2019 实验室设备网 版权所有 |