杭州紫金港培训学校(紫金港专升本)杭州紫金港培训学校(紫金港专升本)
在职研究生数学(一)考前辅导第十二章 概率论第 27 节 / 共 32 节约 40 分钟报名学员看全文

随机变量及其分布

讲随机变量与分布函数,离散型随机变量的分布律与 0-1 分布、二项分布、几何分布、超几何分布、泊松分布及泊松定理,连续型随机变量的概率密度与均匀分布、指数分布、正态分布,以及随机变量函数的分布。

本节考点:分布函数常见离散型分布概率密度常见连续型分布随机变量函数的分布

本节导读

本节对应「随机变量及其分布」的考试内容:「随机变量」「随机变量分布函数的概念及其性质」「离散型随机变量的概率分布」「连续型随机变量的概率密度」「常见随机变量的分布」「随机变量函数的分布」。考试要求原文:

  1. 理解随机变量的概念,理解分布函数 F(x)=P{X≤x} (−∞<x<+∞)F(x) = P\{X \le x\}\ (-\infty \lt x \lt +\infty)F(x)=P{X≤x} (−∞<x<+∞) 的概念及性质,会计算与随机变量相联系的事件的概率。
  2. 理解离散型随机变量及其概率分布的概念,掌握0-1分布、二项分布 B(n,p)B(n, p)B(n,p)、几何分布、超几何分布、泊松(Poisson)分布 P(λ)P(\lambda)P(λ) 及其应用。
  3. 了解泊松定理的结论和应用条件,会用泊松分布近似表示二项分布。
  4. 理解连续型随机变量及其概率密度的概念,掌握均匀分布 U(a,b)U(a, b)U(a,b)、正态分布 N(μ,σ2)N(\mu, \sigma^2)N(μ,σ2)、指数分布及其应用,其中参数为 λ (λ>0)\lambda\ (\lambda > 0)λ (λ>0) 的指数分布 E(λ)E(\lambda)E(λ) 的概率密度为 f(x)={λe−λx,x>00,x≤0f(x) = \begin{cases} \lambda e^{-\lambda x}, & x > 0 \\ 0, & x \le 0 \end{cases}f(x)={λe−λx,0,​x>0x≤0​。
  5. 会求随机变量函数的分布。

大纲原文中的分布记号和指数分布的密度是公式图,这里按教材写法写出。本节的 λ\lambdaλ 是泊松分布、指数分布的参数;E(λ)E(\lambda)E(λ) 表示指数分布,与第 29 节的期望 E(X)E(X)E(X) 不是一回事。Φ(x)\Phi(x)Φ(x) 表示标准正态分布函数,题目要用到它的值时会直接给出。学完本节,你应该熟记常见分布,会用分布函数和概率密度计算概率,并会用分布函数法求随机变量函数的分布。

分布函数

F(x)=P{X≤x}F(x) = P\{X \le x\}F(x)=P{X≤x} 的性质:0≤F(x)≤10 \le F(x) \le 10≤F(x)≤1;单调不减;右连续;F(−∞)=0F(-\infty) = 0F(−∞)=0,F(+∞)=1F(+\infty) = 1F(+∞)=1。反过来,满足这些条件的函数一定是某个随机变量的分布函数。用分布函数计算概率:

P{a<X≤b}=F(b)−F(a),P{X=a}=F(a)−F(a−),P{X>a}=1−F(a)P\{a \lt X \le b\} = F(b) - F(a), \quad P\{X = a\} = F(a) - F(a^-), \quad P\{X > a\} = 1 - F(a)P{a<X≤b}=F(b)−F(a),P{X=a}=F(a)−F(a−),P{X>a}=1−F(a)

离散型随机变量

分布律 P{X=xk}=pkP\{X = x_k\} = p_kP{X=xk​}=pk​ 满足 pk≥0p_k \ge 0pk​≥0,∑pk=1\sum p_k = 1∑pk​=1。常见离散分布:

分布分布律背景
0-1 分布P{X=1}=pP\{X = 1\} = pP{X=1}=p,P{X=0}=1−pP\{X = 0\} = 1 - pP{X=0}=1−p一次试验成功与否
二项分布 B(n,p)B(n, p)B(n,p)Cnkpk(1−p)n−kC_n^kp^k(1 - p)^{n - k}Cnk​pk(1−p)n−k,k=0,1,⋯ ,nk = 0, 1, \cdots, nk=0,1,⋯,nnnn 次独立重复试验中成功的次数
几何分布(1−p)k−1p(1 - p)^{k - 1}p(1−p)k−1p,k=1,2,⋯k = 1, 2, \cdotsk=1,2,⋯首次成功时的试验次数
超几何分布CMkCN−Mn−kCNn\dfrac{C_M^kC_{N - M}^{n - k}}{C_N^n}CNn​CMk​CN−Mn−k​​NNN 件中有 MMM 件次品,不放回取 nnn 件,其中的次品数
泊松分布 P(λ)P(\lambda)P(λ)λkk!e−λ\dfrac{\lambda^k}{k!}e^{-\lambda}k!λk​e−λ,k=0,1,2,⋯k = 0, 1, 2, \cdotsk=0,1,2,⋯稀有事件在一段时间内发生的次数

泊松定理:nnn 很大、ppp 很小时,二项分布 B(n,p)B(n, p)B(n,p) 近似于泊松分布 P(λ)P(\lambda)P(λ),其中 λ=np\lambda = npλ=np。

连续型随机变量

若 F(x)=∫−∞xf(t) dtF(x) = \int_{-\infty}^{x} f(t)\,dtF(x)=∫−∞x​f(t)dt,其中 f(x)≥0f(x) \ge 0f(x)≥0,称 f(x)f(x)f(x) 为 XXX 的概率密度,∫−∞+∞f(x) dx=1\int_{-\infty}^{+\infty} f(x)\,dx = 1∫−∞+∞​f(x)dx=1。连续型随机变量取任一点的概率为 0,所以 P{a<X≤b}=P{a≤X≤b}=∫abf(x) dxP\{a \lt X \le b\} = P\{a \le X \le b\} = \int_a^b f(x)\,dxP{a<X≤b}=P{a≤X≤b}=∫ab​f(x)dx;在 f(x)f(x)f(x) 的连续点处 F′(x)=f(x)F'(x) = f(x)F′(x)=f(x)。

分布概率密度要点
均匀分布 U(a,b)U(a, b)U(a,b)1b−a\dfrac{1}{b - a}b−a1​,a<x<ba \lt x \lt ba<x<b落在子区间内的概率与区间长度成正比
指数分布 E(λ)E(\lambda)E(λ)λe−λx\lambda e^{-\lambda x}λe−λx,x>0x > 0x>0F(x)=1−e−λxF(x) = 1 - e^{-\lambda x}F(x)=1−e−λx;无记忆性 P{X>s+t∣X>s}=P{X>t}P\{X > s + t \mid X > s\} = P\{X > t\}P{X>s+t∣X>s}=P{X>t}
正态分布 N(μ,σ2)N(\mu, \sigma^2)N(μ,σ2)12πσe−(x−μ)22σ2\dfrac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x - \mu)^2}{2\sigma^2}}2π​σ1​e−2σ2(x−μ)2​关于 x=μx = \mux=μ 对称;标准化 X−μσ∼N(0,1)\dfrac{X - \mu}{\sigma} \sim N(0, 1)σX−μ​∼N(0,1)

正态分布的计算:P{a<X≤b}=Φ(b−μσ)−Φ(a−μσ)P\{a \lt X \le b\} = \Phi\left(\dfrac{b - \mu}{\sigma}\right) - \Phi\left(\dfrac{a - \mu}{\sigma}\right)P{a<X≤b}=Φ(σb−μ​)−Φ(σa−μ​),并且 Φ(−x)=1−Φ(x)\Phi(-x) = 1 - \Phi(x)Φ(−x)=1−Φ(x)。

本节后面还有约 2244 字:报名学员看全文

每门课前 10 节免费看全文;从第 11 节起,完整教程要报名后由顾问在后台为你的账号开通才能看。

题库账号可以直接登录,但第 11 节起的完整教程要报名后由后台开通才能看。

学完练一练

按本节考点从本课的课后练习里抽题(每次 10 道以内),做完看解析、错题自动进错题本。第 11 节起的课后练习报名学员才能练。

本节内容由 AI 辅助编写,配图由 AI 生成,仅供备考参考;考试要求以《全国各类成人高等学校招生考试大纲(2024 年版)》及浙江省教育考试院当年公布为准。

我要提问免费报名咨询