随机变量及其分布考点总结

第二章 随机变量及其分布 复习

一、随机变量.

1. 随机试验的结构应该是不确定的.试验如果满足下述条件：

①试验可以在相同的情形下重复进行；②试验的所有可能结果是明确可知的，并且不止一个；③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会出现哪一个结果. 它就被称为一个随机试验.

2. 离散型随机变量：如果对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.若ξ是一个随机变量，a ，b 是常数.则b a +=ξη也是一个随机变量.一般地，若ξ是随机变量，)(x f 是连续函数或单调函数，则)(ξf 也是随机变量.也就是说，随机变量的某些函数也是随机变量. 3、分布列：设离散型随机变量ξ可能取的值为：ΛΛ,,,,21i x x x

ξ取每一个值),2,1(Λ=i x 的概率p x P ==)(，则表称为随机变量ξ的概率分布，简称ξ的分布列.

121i 注意：若随机变量可以取某一区间内的一切值，这样的变量叫做连续型随机变量.例如：]5,0[∈ξ即ξ可以取0～5之间的一切数，包括整数、小数、无理数. 典型例题：

1、随机变量ξ的分布列为(),1,2,3(1)

c

P k k k k ξ==

=+……，则P(13)____ξ≤≤=

2、袋中装有黑球和白球共7个，从中任取两个球都是白球的概率为1

7

，现在甲乙两人从袋中轮流摸去一

球，甲先取，乙后取，然后甲再取……，取后不放回，直到两人中有一人取到白球时终止，用ξ表示取球的次数。（1）求ξ的分布列（2）求甲取到白球的的概率

3、5封不同的信，放入三个不同的信箱，且每封信投入每个信箱的机会均等，X 表示三哥信箱中放有信件树木的最大值，求X 的分布列。

4

已知在全部50人中随机抽取1人抽到喜爱打篮球的学生的概率为5

．

（1）请将上面的列联表补充完整；

（2）是否有99.5％的把握认为喜爱打篮球与性别有关？说明你的理由；

（3）已知喜爱打篮球的10位女生中，12345,,A A A A A ，，还喜欢打羽毛球，123B B B ，，还喜欢打乒乓球，12C C ，还喜欢踢足球，现再从喜欢打羽毛球、喜欢打乒乓球、喜欢踢足球的女生中各选出1名进行其他方面的调查，求1B 和1C 不全被选中的概率．

(参考公式：2

()()()()()

n ad bc K a b c d a c b d -=++++，其中n a b c d =+++)

二、几种常见概率

1、条件概率与事件的独立性

（1）B|A 与AB 的区别：__________________

（2）P(B|A)的计算公式_____________,注意分子分母事件的性质相同 （3）P(AB)的计算公式_____________

注意三点：前提，目标，一般情况___________________ （4）P （A+B ）的计算公式__________

注意三点：前提，目标，一般情况____________________ 典型例题：

1、市场上供应的灯泡，甲厂产品占70%，乙厂产品占30%，甲厂产品的合格率是95%，乙厂产品的合格率80%，则从市场上买到一个是甲厂产的合格品的概率是多少？

2、把一副扑克52张随即均分给赵钱孙李四家，A={赵家得到六章草花}，B={孙家得到3张草花}，计算P(B|A)，P(AB)

3、从混有5张假钞的20张百元钞票中任取两张，将其中1张在验钞机上检验发现是假钞，求两张都是假钞的概率。

4、有外形相同的球分装在三个盒子，每个盒子10个，其中第一个盒子7球标有字母A ，3个球标有字母B ；第二个盒子中五个红球五个白球；第三个盒子八个红球，两个白球；在如下规则下：先在第一个盒子取一个球，若是A 球，则在第二个盒子取球；如果第一次取出的是B 球，则在第三个盒子中取球，如果第二次取出的球是红球，则称试验成功，求试验成功的概率。

5、在图所示的电路中，5只箱子表示保险匣，箱中所示数值表示通电时保险丝被切断的概率，当开关合上

时，电路畅通的概率是________

6、甲、乙二射击运动员分别对一目标射击1次，甲射中的概率为0.8，乙射中的概率为0.9，求：

（1）2人都射中目标的概率； （2）2人中恰有1人射中目标的概率； （3）2人至少有1人射中目标的概率； （4）2人至多有1人射中目标的概率？

三、几种分布

1. ⑴独立重复试验与二项分布：如果在一次试验中某事件发生的概率是P ，那么在n 次独立重复试验中这

个事件恰好发生k 次的概率是：k

n k k n q

p C k)P(ξ-==[其中p q n k -==1,,,1,0Λ] 于是得到随机变量ξ的概率分布如下：我们称这样的随机变量ξ服从二项分布，记作ξ～B （n ·p ），其中

n ，p 为参数，并记p)n b(k;q p C k n k k n ?=-. ⑵二项分布的判断与应用.

①二项分布，实际是对n 次独立重复试验.关键是看某一事件是否是进行n 次独立重复，且每次试验只有两种结果，如果不满足此两条件，随机变量就不服从二项分布.

②当随机变量的总体很大且抽取的样本容量相对于总体来说又比较小，而每次抽取时又只有两种试验结

果，此时可以把它看作独立重复试验，利用二项分布求其分布列. 2. 几何分布：“k =ξ”表示在第k 次独立重复试验时，事件第一次发生，如果把k 次试验时事件A 发生记为k A ，事A 不发生记为q )P(A ,A k k =，那么)A A A A P(k)P(ξk 1k 21-==Λ.根据相互独立事件的概率乘法分式：

))P(A A P()A )P(A P(k)P(ξ

==Λ),3,2,1(1

Λ==-k p q k 于是得到随机变量ξ的概率分布列.

我们称ξ服从几何分布，并记p q p)g(k,1k -=，其中Λ3,2,1.1=-=k p q

3. ⑴超几何分布：一批产品共有N 件，其中有M （M ＜N ）件次品，今抽取)N n n(1≤≤件，则其中的次品数ξ是一离散型随机变量，分布列为)M N k n M,0k (0C C C k)P(ξn

N

k n M

N k M -≤-≤≤≤??=

=--.〔分子是从M 件次品中取

k 件，从N-M 件正品中取n-k 件的取法数，如果规定m ＜r 时0C r

m

=，则k 的范围可以写为k=0，1，…，n.〕

⑵超几何分布的另一种形式：一批产品由 a 件次品、b 件正品组成，今抽取n 件（1≤n ≤a+b ），则次品数

ξ的分布列为n.,0,1,k C C C k)P(ξn b

a k

n b

k a Λ=?=

=+-.

⑶超几何分布与二项分布的关系.

设一批产品由a 件次品、b 件正品组成，不放回抽取n 件时，其中次品数ξ服从超几何分布.若放回式抽取，则其中次品数η的分布列可如下求得：把b a +个产品编号，则抽取n 次共有n b a )(+个可能结果，等可能：

k)(η=含k

n k k n b

a C -个结果，故n ,0,1,2,k ,)b

a a (1)

b a a (

C b)(a b

a C k)P(ηk

n k k n n

k

n k k n Λ=+-+=+==--，

即η～)(b a a n B +?.[我们先为k 个次品选定位置，共k n C 种选法；然后每个次品位置有a 种选法，每个正品位置有b 种选法] 可

以证明：当产品总数很大而抽取个数不多时，k)P(ηk)P(ξ=≈=，因此二项分布可作为超几何分布的近似，无放回抽样可近似看作放回抽样. 典型例题：

1、某气象站天气预报的准确率为80%，计算（结果保留两个有效数字）：

（1）5次预报中恰有4次准确的概率；（2）5次预报中至少有4次准确的概率

2、在一个圆锥体的培养房内培养了40只蜜蜂，准备进行某种实验，过圆锥高的中点有一个不计厚度且平行于圆锥底面的平面把培养房分成两个实验区，其中小锥体叫第一实验区，圆台体叫第二实验区，且两个实验区是互通的。假设蜜蜂落入培养房内任何位置是等可能的，且蜜蜂落入哪个位置相互之间是不受影响的。

（1）求蜜蜂落入第二实验区的概率；

（2）若其中有10只蜜蜂被染上了红色，求恰有一只红色蜜蜂落入第二实验区的概率； （3）记X 为落入第一实验区的蜜蜂数，求随机变量X 的数学期望EX 。

3、A 、B 是治疗同一种疾病的两种药，用若干试验组进行对比试验。每个试验组由4只小白鼠组成，其中两只服用A ，两只服用B ，然后观察疗效。若在一个试验组中，服用A 有效的小白鼠只数比服用B 有效的多，就称该试验组为甲类组。设每只小白鼠服用A 有效的概率为2/3，服用B 有效的概率为1/2. （1）求一个试验组为甲类组的概率。

（2）观察3个试验组，用ξ表示3个试验组中甲类组的个数，求ξ分布列

4. 某射击运动员每次射击击中目标的概率为p （0

5、、由180只集成电路组成的一批产品中，有8只是次品，现从中任抽4只，用ξ表示其中的次品数，试求：（1）抽取的4只中恰好有k 只次品的概率；（2）求ξ分布列.

二、数学期望与方差.

n n 2211.数学期望反映了离散型随机变量取值的平均水平.

2. ⑴随机变量b a +=ξη的数学期望：b aE b a E E +=+=ξξη)( ①当0=a 时，b b E =)(，即常数的数学期望就是这个常数本身.

②当1=a 时，b E b E +=+ξξ)(，即随机变量ξ与常数之和的期望等于ξ的期望与这个常数的和. ③当0=b 时，ξξaE a E =)(，即常数与随机变量乘积的期望等于这个常数与随机变量期望的乘积. ⑵单点分布：c c E =?=1ξ其分布列为：c P ==)1(ξ. ⑶两点分布：p p q E =?+?=10ξ，其分布列为： （p + q = 1） ⑷二项分布：∑

=?-?=-np q p k n k n k E k n k )!

(!!

ξ 其分布列为ξ～

),(p n B .（P 为发生ξ的概率）

⑸几何分布：p

E 1

=

ξ 其分布列为ξ～),(p k q .（P 为发生ξ的概率） 3.方差、标准差的定义：当已知随机变量ξ的分布列为),2,1()(Λ===k p x P k k ξ时，则称

Λ

Λ+-++-+-=n n p E x p E x p E x D 2222121)()()(ξξξξ为ξ的方差. 显然0≥ξD ，故σξξσξ.D =为ξ的根方差或标准

差.随机变量ξ的方差与标准差都反映了随机变量ξ取值的稳定与波动，集中与离散的程度.ξD 越小，稳．．．．定性越高，波动越小．．．．．．．．．.． 4.方差的性质.

⑴随机变量b a +=ξη的方差ξξηD a b a D D 2)()(=+=.（a

、b 均为常数） ⑵单点分布：0=ξD 其分布列为p P ==)1(ξ ⑶两点分布：pq D =ξ 其分布列为：（p + q = 1） ⑷二项分布：npq D =ξ ⑸几何分布：2

p q D =

ξ

5. 期望与方差的关系.

⑴如果ξE 和ηE 都存在，则ηξηξE E E ±=±)(

⑵设ξ和η是互相独立的两个随机变量，则ηξηξηξξηD D D E E E +=+?=)(,)(

⑶期望与方差的转化：22)(ξξξE E D -= ⑷)()()(ξξξξE E E E E -=-（因为ξE 为一常数）0=-=ξξE E . 典型例题：

1、 如图，由M 到N 的电路中有4个元件，分别标为T 1，T 2，T 3，T 4，电流能通过T 1，T 2，T 3的概率都是p ，电流能通过T 4的概率是0.9．电流能否通过各元件相互独立．已知T 1，T 2，T 3中至少有一个能通过电流的概率为0.999．

（Ⅰ）求p ； （Ⅱ）求电流能在M 与N 之间通过的概率；

（Ⅲ）ξ表示T 1，T 2，T 3，T 4中能通过电流的元件个数，求ξ的期望．

2、一名小学教师为了激发学生阅读名著的热情，在班内进行名著和其作者的连线游戏，作为奖励，参加连线的同学每连对一个奖励一朵小红花。假定一名小学生对四大名著没有了解，只是随即连线，试求该同学得到小红花数X 的分布列，均值，方差。

3、甲乙两队参加奥运知识竞赛，每队3人，每人回答一个问题，答对者为本队赢得一分，答错得零分。假设甲队中每人答对的概率均为

32，乙队中3人答对的概率分别为2

1

,32,32且各人正确与否相互之间没有影响.用ε表示甲队的总得分.

（Ⅰ）求随机变量ε分布列和数学期望；

(Ⅱ)用A 表示“甲、乙两个队总得分之和等于3”这一事件，用B 表示“甲队总得分大于乙队总得分”这一事件，求P (AB ).

4、某射手每次射击击中目标的概率是

2

3

，且各次射击的结果互不影响。 （Ⅰ）假设这名射手射击5次，求恰有2次击中目标的概率

（Ⅱ）假设这名射手射击5次，求有3次连续击中目标。另外2次未击中目标的概率；

（Ⅲ）假设这名射手射击3次，每次射击，击中目标得1分，未击中目标得0分，在3次射击中，若有2次连续击中，而另外1次未击中，则额外加1分；若3次全击中，则额外加3分，记ξ为射手射击3次后的总的分数，求ξ的分布列，均值，方差。

三、正态分布.

1.密度曲线与密度函数：对于连续型随机变量ξ，位于x 轴上方，ξ落在任一区间),[b a 内的概率等于它与

x 轴.直线a x =与直线b x =所围成的曲边梯形的面积

（如图阴影部分）的曲线叫ξ的密度曲线，以其作为

图像的函数)(x f 叫做ξ的密度函数，由于“),(+∞-∞∈x ”

是必然事件，故密度曲线与x 轴所夹部分面积等于1.

2. ⑴正态分布与正态曲线：如果随机变量ξ的概率密度为：2)(21

)(μσ

π--=

x e

x f 且0φσ），称ξ服从参数为σμ,的正态分布，用ξ～),(2σμN 表示.)(x f 的表达式可简记为),(2σμN ，它的

密度曲线简称为正态曲线.

⑵正态分布的期望与方差：若ξ～),(2σμN ，则ξ的期望与方差分别为：2,σξμξ==D E . ⑶正态曲线的性质.

①曲线在x 轴上方，与x 轴不相交.②曲线关于直线μ=x 对称.

③当μ=x 时曲线处于最高点，当x 向左、向右远离时，曲线不断地降低，呈现出“中间高、两边低”的钟形曲线.

④当x ＜μ时，曲线上升；当x ＞μ时，曲线下降，并且当曲线向左、向右两边无限延伸时，以x 轴为渐近线，向x 轴无限的靠近.

⑤当μ一定时，曲线的形状由σ确定，σ越大，曲线越“矮胖”.表示总体的分布越分散；σ越小，曲线越“瘦高”，表示总体的分布越集中. 3. ⑴标准正态分布：如果随机变量ξ的概率函数为)(21)(2

2

+∞-∞=

-ππx e

x x π?，则称ξ服从标准正态分

布. 即ξ～)1,0(N 有)()(x P x ≤=ξ?，)(1)(x x --=??求出，而P （a ＜ξ≤b ）的计算则是)()()(a b b a P ??ξ-=≤π.

注意：当标准正态分布的)(x Φ的X 取0时，有5.0)(=Φx 当)(x Φ的X 取大于0的数时，有5.0)(φx Φ.比如

5.00793.0)5.0(π=-Φσ

μ则σμ

-5.0必然小于0，如图. ⑵正态分布与标准正态分布间的关系：若ξ～),(2σμN 则ξ的分布函数通 常用)(x F 表示，且有)σμx (F(x)x)P(ξ-==≤?.

4.⑴“3σ”原则. 假设检验是就正态总体而言的，进行假设检验可归结为如下三步：①提出统计假设，统计假设里的变量服从正态分布),(2σμN .②确定一次试验中的取值a 是否落入范围)3,3(σμσμ+-.③做出判断：如果)3,3(σμσμ+-∈a ，接受统计假设. 如果)3,3(σμσμ+-?a ，由于这是小概率事件，就拒绝统计假设. ⑵“3σ”原则的应用：若随机变量ξ服从正态分布),(2σμN 则 ξ落在)3,3(σμσμ+-内的概率为99.7％ 亦即落在)3,3(σμσμ+-之外的概率为0.3％，此为小概率事件，如果此事件发生了，就说明此种产品不合格（即ξ不服从正态分布）. 典型例题：

1、某班同学共有48人，数学测验的分数服从正态分布,其平均分是80分,标准差是10,则该班同学中成绩在70~90分之间的约有____人.

2、、设两个正态分布2111()(0)N μσσ>，和2

222()(0)N μσσ>，的密度函数图像如图所示。则有（ ）

A ．1212,μμσσ<<

B ．1212,μμσσ<>

C ．1212,μμσσ><

D ．1212,μμσσ>>

3、设随机变量ξ服从正态分布(2,9)N ,若(1)(1)P c P c ξξ>+=<-,则c

▲y

x

a b

y=f (x ▲x

y a

S 阴=0.5S a =0.5+S

S

.

= _________

4、已知随机变量X 服从正态分布2(0)N σ，且(20)P X -≤≤0.4= 则(2)P X >= ．

5、已知随机变量X 服从正态分布N(3.1)，且(24)P X ≤≤=0.6826， 则p （X>4）=_________

6、某厂生产的零件直径d~N(4,0.25)，从该厂生产的1000个零件中 随机抽取一件，测得它的直径为5.7，试问该厂生产这批零件是否合格？

随机变量及其分布列概念公式总结

随机变量及其分布总结 1、定义：随着试验结果变化而变化的变量称为随机变量 ．随机变量常用字母 X , Y ，ξ，η，… 表示． 2、定义：所有取值可以一一列出的随机变量，称为离散型随机变量 3、分布列:设离散型随机变量ξ可能取得值为 x 1，x 2，…，x 3，…， ξ取每一个值x i （i =1，2，…）的概率为()i i P x p ξ==，则称表 为随机变量ξ的概率分布，简称ξ的分布列 4. 分布列的两个性质： （1）P i ≥0，i ＝1，2，…； （2）P 1+P 2+…=1． 5.求离散型随机变量ξ的概率分布的步骤: （1）确定随机变量的所有可能的值x i （2）求出各取值的概率p(ξ=x i )=p i （3）画出表格 6.两点分布列: 7超几何分布列： 一般地，在含有M 件次品的 N 件产品中，任取 n 件，其中恰有X 件次品 数，则事件 {X=k ｝发生的概率为(),0,1,2,,k n k M N M n N C C P X k k m C --=== ,其中mi n {,} m M n =，且,,,,n N M N n M N N *≤≤∈．称分布列 为超几何分布列．如果随机变量 X 的分布列为超几何分布列，则称随机变量 X

服从超几何分布 8．离散型随机变量的二项分布:在一次随机试验中，某事件可能发生也可能不发生，在n 次独立重复试验中这个事件发生的次数ξ是一个随机变量．如果在一次试验中某事件发生的概率是P ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是 k n k k n n q p C k P -==)(ξ，（k ＝0,1,2,…，n ，p q -=1）． 于是得到随机变量ξ的概率分布如下： ξ 1 … k … n P n n q p C 00 111-n n q p C … k n k k n q p C - … q p C n n n 称这样的随机变量ξ服从二项分布，记作ξ～B (n ，p )，其中n ，p 为参数。 9．离散型随机变量的均值或数学期望: 一般地，若离散型随机变量ξ的概率分布为 则称 =ξE +11p x +22p x …++n n p x … 为ξ的均值或数学期望，简称期望． 10．离散型随机变量的均值或数学期望的性质： （1）若ξ服从两点分布，则=ξE p ． （2）若ξ～B (n ，p )，则=ξE np ． （3）()c c E =，c 为常数 （4）ξ～N (μ，2σ),则=ξE μ （5）b aE b a E +=+ξξ)( 11．方差: 对于离散型随机变量ξ，如果它所有可能取的值是1x ，2x ，…，n x ，…， 且取这些值的概率分别是1p ，2p ，…，n p ，…，那么, ξD ＝121)(p E x ?-ξ＋222)(p E x ?-ξ＋…＋n n p E x ?-2)(ξ＋…

多维随机变量及其分布

第三章多维随机变量及其分布 随机向量的定义： 随机试验的样本空间为S={w}，若随机变量X1(w),X2(w),…,X n(w)定义在S上，则称（X1(w),X2(w),…,X n(w)）为n维随机变量（向量）。简记为（X1,X2,…,X n）。 二维随机向量（X,Y），它可看作平面上的随机点。 对（X,Y）研究的问题： 1．（X,Y）视为平面上的随机点。

研究其概率分布——联合分布率、联合分布函数、联合概率密度；Joint 2．分别研究各个分量X,Y的概率分布——边缘（际）分布律、边缘分布函数、边缘概率密度； marginal 3．X与Y的相互关系； 4．（X,Y）函数的分布。 §二维随机变量的分布

一．离散型随机变量 1．联合分布律 定义若二维随机变量(X,Y)可能取的值(向量)是有限多个或可列无穷多个,则称(X,Y) 为二维离散型随机变量。 设二维离散型随机变量(X,Y)可能取的值(x i,y j), i，j=1,2…,取这些值的概率为 p ij=P{(X,Y)=(x i,y i)}=p{X=x i,Y=y i}i ,j=1,2,… ——

称式为(X,Y)的联合分布律。 (X,Y)的联合分布律可以用表格的形式表示如下：

性质： (1) p ij 3 0，i, j=1,2,… (2) j i ij p ,=1 2．边缘分布律 设二维离散型随机变量(X,Y) 的联合分布律为 p ij = P{X=x i ,Y=y i } i, j=1,2,… 分量X 和Y 的分布律分别为 p i.=P{X=x i } i=1,2,… 满足①p i.30②S p i.=1 = p{Y=y i }j=1,2, (30)

第三章--多维随机变量及其分布总结

第三章--多维随机变量及其分布总结

第三章 多维随机变量及其分布 第一节 二维随机变量 一、二维随机变量的分布函数 设E 是一个随机试验, 它的样本空间是S . 设X 、Y 是定义在S 上的随机变量, 则由它们构成的一个向量(X , Y )称为二维随机向量或二维随机变量. 一般地, (X , Y )的性质不仅与X 有关, 与Y 有关, 而且还依赖于X 、Y 的相互关系, 因此必须把(X , Y )作为一个整体来研究. 首先引入(X , Y )的分布函数的概念. 定义 设(X , Y )为二维随机变量, 对于任意实数x 、y , 二元函数 F (x , y ) = P {(X ≤ x )∩(Y ≤ y )}= P {X ≤ x , Y ≤ y } 称为二维随机变量(X , Y )的分布函数, 或称为随机变量X 和y 的联合分布函数. 分布函数F (x , y )表示事件(X ≤ x )与事件(Y ≤ y )同时发生的概率. 如果把(X , Y )看成平面上具有随机坐标(X , Y )的点, 则分布函数F (x , y )在(x , y )处的函数值就是随机点(X , Y )落在平面上的以(x , y )为顶点而位于该点左下方的无限矩形内的概率.. 由上面的几何解释, 容易得到随机点(X , Y )落在矩形区域{x 1 < X ≤ x 2, y 1 < Y ≤ y 2}的概率为 P {x 1 < X ≤ x 2, y 1 < Y ≤ y 2} = F (x 2, y 2) - F (x 2, y 1) - F (x 1, y 2) + F (x 1, y 1) (1) 与二元函数类似, 二元分布函数F (x , y )也具有如下一些性质: 1? F (x , y )是变量x 和y 的单调不减函数, 即当x 1 < x 2时, F (x 1, y ) ≤ F (x 2, y ); 当y 1 < y 2时, F (x , y 1) ≤ F (x , y 2). 2? 0 ≤ F (x , y ) ≤ 1, 且F (-∞, y ) = 0, F (x , -∞) = 0, F (-∞,-∞) = 0, F (+∞,+∞) = 1.（凡含-∞的概率分布为0） 3? F (x , y )关于x 和y 都是右连续的, 即F (x + 0, y ) = F (x , y ), F (x , y + 0) = F (x , y ). 4? 对任意的(x 1, y 1)、(x 2, y 2), x 1 < x 2, y 1 < y 2, 有F (x 2, y 2) - F (x 2, y 1) - F (x 1, y 2) + F (x 1, y 1) ≥ 0. 注: 二元分布函数具有性质1?~ 4?, 其逆也成立(2?中0 ≤ F (x , y ) ≤ 1可去), 即若二元实值函数F (x , y )(x ∈ R , y ∈ R )满足1?~ 4?, 则F (x , y )必是某二维随机变量的(X , Y )的分布函数. 其中4?是必不可少的, 即它不能由1?~ 3?推出(除去0 ≤ F (x , y ) ≤ 1). 二、二维离散型随机变量 如果二维随机变量(X , Y )的所有可能取的值是有限对或可列无限多对, 则称(X , Y )是二维离散型随机变量. 设二维离散型随机变量(X , Y )所有可能取的值为(x i , y j ) (i , j = 1, 2, 3, …). 记P {X = x i , Y = y j } = p ij (i , j = 1, 2, 3, …)则由概率定义有 p ij ≥ 0; 111 =∑∑∞=∞ =i j ij p . 我们称P {X = x i , Y = y j } = p ij (i , j = 1, 2, 3, …)为二维离散型随机变量(X , Y )的分布律(概率分布)或随机变量X 和Y 的联合分布律, (X , Y )的分布律也可用表格表示. 其分布函数为 = ),(y x F ∑∑≤≤==x x y y j i i j y Y x X P },{=∑∑≤≤x x y y ij i j p 这里 ∑∑ ≤≤x x y y i j 表示对一切x i ≤ x , y j ≤ y 的那些指标i 、j 求和. 例1 一个口袋中有三个球, 依次标有1、2、2, 从中任取一个, 不放回袋中, 再任取一个. 设每次取球时, 各球被取到的可能性相等, 以X 、Y 分别记第一次和第二次取到的球上标有的数字, 求X 、Y 的联合分布律与分布函数.. 解: (X , Y )的可能取值为(1, 2)、(2, 1)、(2, 2). P {X = 1, Y = 2}= P {X = 1}P {Y = 2 / X = 1}= 3 12231=?.

高中数学 随机变量及其分布列 版块一 离散型随机变量及其分布列1完整讲义(学生版)

学而思高中完整讲义：随机变量及其分布列.版块一.离散型随机变量 及其分布列1.学生版 1． 离散型随机变量及其分布列 ⑴离散型随机变量 如果在试验中，试验可能出现的结果可以用一个变量X 来表示，并且X 是随着试验的结果的不同而变化的，我们把这样的变量X 叫做一个随机变量．随机变量常用大写字母,,X Y L 表示． 如果随机变量X 的所有可能的取值都能一一列举出来，则称X 为离散型随机变量． ⑵离散型随机变量的分布列 将离散型随机变量X 所有可能的取值x 与该取值对应的概率p ,)n L 列表表示： X 1x 2x … i x … n x P 1p 2p … i p … n p X 的分布列． 2．几类典型的随机分布 ⑴两点分布 如果随机变量X 的分布列为 X 1 0 P p q 其中01p <<，1q p =-X 服从参数为p 的二点分布． 二点分布举例：某次抽查活动中，一件产品合格记为1，不合格记为0，已知产品的合格率为80%，随机变量X X 的分布列满足二点分布． X 1 P 0.8 0.2 两点分布又称01-布又称为伯努利分布． ⑵超几何分布 一般地，设有总数为N 件的两类物品，其中一类有M 件，从所有物品中任取n 件()n N ≤，这n 件中所含这类物品件数X 是一个离散型随机变量，它取值为m 时的概率为 C C ()C m n m M N M n N P X m --==(0m l ≤≤，l 为n 和M 中较小的一个)． 我们称离散型随机变量X 的这种形式的概率分布为超几何分布，也称X 服从参数为N ，M ， n 的超几何分布．在超几何分布中，只要知道N ，M 和n ，就可以根据公式求出X 取不同值时的概率()P X m =，从而列出X 的分布列． ⑶二项分布 1．独立重复试验 如果每次试验，只考虑有两个可能的结果A 及A ，并且事件A 发生的概率相同．在相同的条件下，重复地做n 次试验，各次试验的结果相互独立，那么一般就称它们为n 次独立重复试验．n 次独立重复试验中，事件A 恰好发生k 次的概率为 ()C (1) k k n k n n P k p p -=-(0,1,2,,)k n =L ． 知识内容

随机变量及其分布知识点汇总

随机变量及其分布知识点汇总 知识点一 离散型随机变量及其分布列 （一）、离散型随机变量的分布列 一般地，设离散型随机变量X 可能取的值为12,,,,,i n x x x x ??????，X 取每一个值 (1,2,,)i x i n =???的概率()i i P X x p ==，则称以下表格 为随机变量X 的概率分布列，简称X 的分布列. 离散型随机变量的分布列具有下述两个性质： （1）0,1,2,,i P i n =???≥ （2）121n p p p ++???+= 1．两点分布 如果随机变量X 的分布列为 则称X 服从两点分布，并称=P(X=1)p 为成功概率. 2．超几何分布 一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有X 件次品，则事件{}X k =发生的概率为： (),0,1,2,3,...,k n k M N M n N C C P X k k m C --=== 则随机变量X 的概率分布列如下： {}*min ,,,,,,m M n n N M N n M N N =≤≤∈其中且。 注意：超几何分布的模型是不放回抽样

知识点二 条件概率与事件的独立性 （一）、条件概率 一般地，设A,B 为两个事件,且()0P A >,称() (|)() P AB P B A P A =为在事件A 发生的条件下,事件B 发生的条件概率. 0(|)1P B A ≤≤ 如果B 和C 互斥，那么[()|](|)(|)P B C A P B A P C A =+ （二）、相互独立事件 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。 ()()()A B P AB P A P B ?=即、相互独立 一般地，如果事件A 1,A 2,…,A n 两两相互独立，那么这n 个事件同时发生的概率，等于每个事件发生的概率的积，即1212(...)()()...()n n P A A A P A P A P A =. 注意：(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. （三）、n 次独立重复试验 1．一般地，在相同条件下，重复做的n 次试验称为n 次独立重复试验. 在n 次独立重复试验中，记i A 是“第i 次试验的结果”，显然， 1212()()()()n n P A A A P A P A P A ???=??? “相同条件下”等价于各次试验的结果不会受其他试验的影响 注意: 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. 2．n 次独立重复试验的公式： n A X A p n A k 一般地，在次独立重复试验中，设事件发生的次数为，在每次试验中事件发生的概率为，那么在次独立重复试验中，事件恰好发生次的概率为 ()(1),0,1,2,...,.(1)k k n k k k n k n n P X k C p p C p q k n q p --==-===-其中，而称p 为成功

随机变量及其分布考点总结

第二章 随机变量及其分布 复习 一、随机变量. 1. 随机试验的结构应该是不确定的.试验如果满足下述条件： ①试验可以在相同的情形下重复进行；②试验的所有可能结果是明确可知的，并且不止一个；③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会出现哪一个结果. 它就被称为一个随机试验. 2. 离散型随机变量：如果对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.若ξ是一个随机变量，a ，b 是常数.则b a +=ξη也是一个随机变量.一般地，若ξ是随机变量，)(x f 是连续函数或单调函数，则)(ξf 也是随机变量.也就是说，随机变量的某些函数也是随机变量. 3、分布列：设离散型随机变量ξ可能取的值为：ΛΛ,,,,21i x x x ξ取每一个值),2,1(Λ=i x 的概率p x P ==)(，则表称为随机变量ξ的概率分布，简称ξ的分布列. 121i 注意：若随机变量可以取某一区间内的一切值，这样的变量叫做连续型随机变量.例如：]5,0[∈ξ即ξ可以取0～5之间的一切数，包括整数、小数、无理数. 典型例题： 1、随机变量ξ的分布列为(),1,2,3(1) c P k k k k ξ== =+……，则P(13)____ξ≤≤= 2、袋中装有黑球和白球共7个，从中任取两个球都是白球的概率为1 7 ，现在甲乙两人从袋中轮流摸去一 球，甲先取，乙后取，然后甲再取……，取后不放回，直到两人中有一人取到白球时终止，用ξ表示取球的次数。（1）求ξ的分布列（2）求甲取到白球的的概率 3、5封不同的信，放入三个不同的信箱，且每封信投入每个信箱的机会均等，X 表示三哥信箱中放有信件树木的最大值，求X 的分布列。 4 已知在全部50人中随机抽取1人抽到喜爱打篮球的学生的概率为5 ． （1）请将上面的列联表补充完整； （2）是否有99.5％的把握认为喜爱打篮球与性别有关？说明你的理由； （3）已知喜爱打篮球的10位女生中，12345,,A A A A A ，，还喜欢打羽毛球，123B B B ，，还喜欢打乒乓球，12C C ，还喜欢踢足球，现再从喜欢打羽毛球、喜欢打乒乓球、喜欢踢足球的女生中各选出1名进行其他方面的调查，求1B 和1C 不全被选中的概率． (参考公式：2 ()()()()() n ad bc K a b c d a c b d -=++++，其中n a b c d =+++)

随机变量及其分布函数

随机变量及其分布函数 将随机事件以数量来标识，即用随机变量描述随机现象的研究方法，它是定义在样本空间上具有某种可预测性的实值函数。 分布函数则完整的表述了随机变量。 一、 随机变量与分布函数 (1) 随机变量： 取值依赖于某个随机试验的结果（样本空间），并随着试验结果不同而变化的变量，称之为随机变量。 分布函数： [1] 定义： 设X 是一个随机变量，对任意实数x ，记作 (){}F x P X x ≤=，称()F x 为随机变量X 的分 布函数，又称随机变量X 服从分布()F x ，显然，函数 ()F x 的定义域为(),-∞+∞，值域为[0,1]。 [2] 性质： ?()F x 单调非降。 ?()0F -∞=、()1F +∞=。 ?()(0)F x F x =+，即()F x 一定是右连续的。 ?对于任意两个实数a b <， {}()()P a X b F b F a <≤=- ?对于任意实数0x ，

00 0{}()()P X x F x F x ==-- ?000{}1{}1()P X x P X x F x >=-≤=- ?000{}{)lim }(x x P X x P X x x F →- =≤<=- ?000{}1{}1()P X x P X x F x ≥=-<=-- 二、 离散型随机变量与连续型随机变量 (1) 离散型随机变量 [1] 概念：设X 是一个随机变量，如果X 的取值是有限个或者 无穷可列个，则称X 为离散型随机变量。其相应的概率()i i P X x p ==(12)i =、……称为X 的概率分布或分布律，表格表示形式如下： [2] 性质： ?0i p ≥ ? 1 1n i i p ==∑ ?分布函数()i i x x F x p ==∑ ?1{}()()i i i P X x F x F x -==- (2) 连续型随机变量 [1] 概念：如果对于随机变量的分布函数()F x ，存在非 负的函数 ()f x ，使得对于任意实数x ，均有：

“随机变量及其分布”简介

“随机变量及其分布”简介 北京师范大学数学科学院李勇 随机变量是研究随机现象的重要工具之一，他建立了连接随机现象和实数空间的一座桥梁，使得我们可以借助于有关实数的数学工具来研究随机现象的本质，从而可以建立起应用到不同领域的概率模型，如二项分布模型、超几何分布模型、正态分布模型等。 在本章中将通过具体实例，帮助学生理解取有限值的离散型随机变量及其分布列、均值、方差的概念，理解超几何分布和二项分布的模型并能解决简单的实际问题，使学生认识分布列对于刻画随机现象的重要性，认识正态分布曲线的特点及曲线所表示的意义。 一、内容与要求 1. 随机变量及其分布的概念。 通过具体实例使学生理解随机变量及其分布列的概念，认识随机变量及其分布对于刻画随机现象的重要性。要求学生会用随机变量表达简单的随机事件，并会用分布列来计算这类事件的概率。 2.超几何分布模型及其应用。 通过实例，理解超几何分布及其导出过程，并能进行简单的应用。 3. 二项分布模型及其应用。 通过具体实例使学生了解条件概率和两个事件相互独立的概念，理解n次独立重复试验和二项分布模型，并能解决一些简单的实际问题。 4.离散随机变量的均值与方差。 通过实例使学生理解离散型随机变量均值、方差的概念，能计算简单离散型随机变量的均值、方差，并能解决一些实际问题。 5.正态分布模型。 借助直观使学生认识正态分布曲线的特点及含义。 二、内容安排及说明 1.全章共安排了4个小节，教学约需12课时，具体内容和课时分配如下（仅供参考）： 2．1 离散型随机变量及其分布列约3课时 2．2 二项分布及其应用约4课时

2．3 离散型随机变量的均值与方差约3课时 2．4 正态分布约1课时 小结约1课时 2. 本章知识框图 3.对内容安排的说明。 研究一个随机现象，可以借助于随机变量，而分布描述了随机变量取值的概率分布规律。二项分布和超几何分布是两个应用广泛的概率模型．为了使学生能够更好地理解它们，并能用来解决一些实际问题，教科书在内容安排上作了如下考虑： (1) 为学生把注意力集中在随机变量的基本概念和方法的理解上，通过取有限个不同 值的随机变量为载体介绍这些概念，以便他们能更好的应用这些概念解决实际问 题。例如，如何定义随机变量来描述所感兴趣的随机事件；一个具体的随机变量都 能表达什么样的事件，如何表达这些事件；如何用分布列来表达随机事件发生的概 率等。 (2) 介绍超几何分布模型及其应用，其目的是 i. 让学生了解它的广泛应用背景，并使学生能够应用该分布设计一些能够丰富学生课外

随机变量及其分布小结与复习

复习课: 随机变量及其分布列 教学目标 重点：理解随机变量及其分布的概念，期望与方差等的概念；超几何分布，二项分布，正态分布等的特点；会求条件概率，相互独立事件的概率，独立重复试验的概率等. 难点：理清事件之间的关系，并用其解决一些具体的实际问题. 能力点：分类整合的能力，运算求解能力，分析问题解决问题的能力. 教育点：提高学生的认知水平，为学生塑造良好的数学认识结构. 自主探究点：例题及变式的解题思路的探寻. 易错点：容易出现事件之间的关系混乱，没能理解问题的实际意义. 学法与教具 1.学法：讲授法、讨论法. 2.教具：投影仪. 一、【知识结构】 二、【知识梳理】 1．随机变量 ⑴随机变量定义:在随机试验中，使得每一个试验结果都用一个确定的数字表示．在这个对应关系下，数字随着试验结果的变化而变化．像这种随着试验结果变化而变化的变量称为随机变量．简单说，随机试验的结果可以用一个变量来表示，那么这样的变量叫做随机变量．常用希腊字母x、y、ξ、η等表示． ⑵如果随机变量可能取的值可以按次序一一列出（可以是无限个）这样的随机变量叫做离散型随机变量.

⑶如果随机变量可能取的值是某个区间的一切值，这样的随机变量叫做连续型随机变量. 2．概率分布定义（分布列） 设离散型随机变量ξ可能取的值为123,,,,i x x x x L L ，ξ取每一个值(1,2,)i x i =L 的概率 ()i i P x p ξ==，则称表 ξ 1x 2x L i x L P 1P 2P L i P L 称为随机变量ξ的概率分布列，简称ξ的分布列. 注:1.离散型随机变量的分布列具有下述两个性质： (1)0,123≥，，，i p i =L ；123(2)1p p p +++=L 3．常见的分布列 ⑴二项分布：在一次试验中某事件发生的概率是p ，那么在n 次独立重复试验中这个事件恰发生k 次的概 率为()(1)k k n k n p X k C p p -==-，显然x 是一个随机变量.随机变量x 的概率分布如下： x 1 L k L n P 00n n C p q 111 n n C p q - L k k n k n C p q - L n n n C p q 我们称这样的随机变量x 服从二项分布,记作~(,)X B n p ⑵两点分布列:如果随机变量ξ的分布列为： ξ 0 1 P 1P - P 这样的分布列称为两点分布列,称随机变量服从两点分布,而称(1)p P ξ==为成功概率.两点分布是特殊的二项分布(1)p ξ~B , ⑶超几何分布：一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有x 件次品数，则事件{} x k =发生的概率为(),0,1,2,3,,k N k M N M n N C C P X k k m C --===L ．其中{}min ,m M n =,且*,,,,n N M N n M N N ≤≤∈，则称分布列

随机变量及其分布知识点总结

圆梦教育中心 随机变量及其分布知识点整理 一、离散型随机变量的分布列 一般地，设离散型随机变量X 可能取的值为12,,,,,i n x x x x ??????，X 取每一个值(1,2,,)i x i n =???的概率 ()i i P X x p ==，则称以下表格 为随机变量X 的概率分布列，简称X 的分布列. 离散型随机变量的分布列具有下述两个性质： （1）0,1,2,,i P i n =???≥ （2）121n p p p ++???+= 1．两点分布 则称X 服从两点分布，并称=P(X=1)p 为成功概率. 2．超几何分布 一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有X 件次品，则事件{}X k =发生的概率为： (),0,1,2,3,...,k n k M N M n N C C P X k k m C --=== {}*min ,,,,,,m M n n N M N n M N N =≤≤∈其中且。 注：超几何分布的模型是不放回抽样 二、条件概率 一般地，设A,B 为两个事件,且()0P A >,称() (|)() P AB P B A P A = 为在事件A 发生的条件下,事件B 发生的条件概率. 0(|)1P B A ≤≤ 如果B 和C 互斥，那么[()|](|)(|)P B C A P B A P C A =+U 三、相互独立事件 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。()()()A B P AB P A P B ?=即、相互独立 一般地，如果事件A 1,A 2,…,A n 两两相互独立，那么这n 个事件同时发生的概率，等于每个事件发生的概率的积，即1212(...)()()...()n n P A A A P A P A P A =.

选修2-3第二章随机变量及其分布知识点总结

第二章概率总结 一、知识点 1.随机试验的特点: ①试验可以在相同的情形下重复进行； ②试验的所有可能结果是明确可知的，并且不止一个 ③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会 出现哪一个结果． 2.分类 随机变量 （如果随机试验可能出现的结果可以用一个变量X来表示，并且X是随着试验的结 果的不同而变化，那么这样的变量叫做随机变量．随机变量常用大写字母X、Y等 或希腊字母ξ、η等表示。） 离散型随机变量：连续型随机变量： 3.离散型随机变量的分布列 一般的,设离散型随机变量X可能取的值为x1, x2, ,x i , ,x n X取每一个值xi(i=1,2,）的概率P(ξ=x i）＝P i，则称表 为离散型随机变量X 的概率分布，简称分布列 性质：①---------------------------------------------- ②-------------------------------------------------． 二点分布 如果随机变量X的分布列为： 其中0

一般地, 设总数为N 件的两类物品，其中一类有M 件，从所有物品中任取n(n ≤N)件, 这n 件中所含这类物品件数X 是一个离散型随机变量， 则它取值为k 时的概率为()(0,1,2,,)k n k M N M n N C C P X k k m C --===，其中 则称随机变量X 的分布列 , 为超几何分布列,且称随机变量X 服从参数N 、M 、n 的超几何分布 注意：（1）超几何分布的模型是不放回抽样； （2）超几何分布中的参数是N 、M 、n ，其意义分别是总体中的个体总数、N 中一类的 总数、样本容量 条件概率 1.定义：对任意事件A 和事件B ，在已知事件A 发生的条件下事件B 发生的概率， 叫做条件概率.记作P(B|A)，读作A 发生的条件下B 的概率 2.事件的交（积）:由事件A 和事件B 同时发生所构成的事件D ，称为事件A 与事件B 的交（或积）.记作D=A ∩B 或D=AB 3.条件概率计算公式: 例题、10个产品中有7个正品、3个次品，从中不放回地抽取两个，已知第一个取到次品， 求第二个又取到次品的概率. 相互独立事件 1.定义：事件A(或B)是否发生对事件B(或A)发生的概率没有影响,这样的两个事件 叫做相互独立事件 2.相互独立事件同时发生的概率公式 两个相互独立事件同时发生的概率，等于每个事件发生的概率的积。则有 如果事件A1，A2，…An 相互独立，那么这n 个事件同时发生的概率， 等于每个事件发生的概率的积。即： P （A1·A2·…·An ）=P （A1）·P （A2）·…·P(An) 3解题步骤 说明（1）判断两事件A 、B 是否为相互独立事件，关键是看A （或B ）发生与否对B （或A ）发生的概率是否影响，若两种状况下概率不变，则为相互独立. （2）互斥事件是指不可能同时发生的两个事件；相互独立事件是指一事件的发生与否对另一事件发生的概率没影响. （3）如果A 、B 是相互独立事件，则A 的补集与B 的补集、A 与B 的补集、A 的补集与B 也都相互独立.

第五节 离散型随机变量及其分布列 复习讲义

第五节离散型随机变量及其分布列 一、离散型随机变量 随着试验结果变化而变化的变量称为随机变量,所有取值可以一一列出的随机变量,称为离散型随机变量. 二、离散型随机变量的分布列及性质 1.一般地,若离散型随机变量X可能取的不同值为 x1,x2,…,x i,…,x n,X取每一个值x i(i=1,2,…,n)的概率P(X=x i)=p i,则表

称为离散型随机变量X的概率分布列,简称为X的分布列. 2.离散型随机变量的分布列的性质 (1)p i≥0,i=1,2,…,n. (2)p1+p2+…+p n=1. 三、相互独立事件 一般地,对两个事件A,B,如果P(AB)=P(A)P(B),则称A,B相互独立. 四、两点分布 若随机变量X的分布列为 则称X服从两点分布,并称p=P(X=1)为成功概率. 五、独立重复试验与二项分布 1.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. 2.二项分布 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,事件A恰好发生k次的概率为 P(X=k)=C k p k(1-p)n-k(k=0,1,2,…,n). n 此时称随机变量X服从二项分布,记作X～B(n,p),并称p为成功概率.

1.概念理解 (1)随机变量是将随机试验的结果数量化. (2)离散型随机变量的分布列从整体上反映了随机变量取各个值的可能性的大小,反映了随机变量取值的规律性. (3)因为一次试验的各种结果是互斥的,而全部结果之和为一个必然事件,所以离散型随机变量的分布列具有性质p 1+p 2+…+p i +…+p n =1. (4)由事件A 和B 同时发生所构成的事件称为事件A 与B 的交(或积),记作A ∩B(或AB). (5)相互独立的两个事件实质上是一个事件的发生对另一个事件的发生没有影响. (6)独立重复试验必须满足三个特征:①每次试验的条件都完全相同,即每次试验事件发生的概率相等;②各次试验互相独立;③每次试验只有两种结果,即事件要么发生,要么不发生. (7)P(X=k)=C k n p k (1-p)n-k 恰好是[(1-p)+p]n 展开式的第k+1项 1k T =C k n (1-p) n-k p k . (8)独立重复试验的实际原型是有放回的抽样问题,但在实际中,从大批产品中抽取少量样品的不放回检验,也可以近似地看作此类型. (9)独立重复试验中的概率公式P n (k)=C k n p k (1-p)n-k 中的p 与(1-p)的位 置不能互换,否则式子表示为事件A 有k 次不发生的概率. 2.与独立事件有关的结论 (1)若A 与B 相互独立,则A 与B ,A 与B,A 与B 也都相互独立.

第三章__多维随机变量及其分布总结

第三章 多维随机变量及其分布 第一节 二维随机变量 一、二维随机变量的分布函数 设E 是一个随机试验, 它的样本空间是S . 设X 、Y 是定义在S 上的随机变量, 则由它们构成的一个向量(X , Y )称为二维随机向量或二维随机变量. 一般地, (X , Y )的性质不仅与X 有关, 与Y 有关, 而且还依赖于X 、Y 的相互关系, 因此必须把(X , Y )作为一个整体来研究. 首先引入(X , Y )的分布函数的概念. 定义 设(X , Y )为二维随机变量, 对于任意实数x 、y , 二元函数 F (x , y ) = P {(X ≤ x )∩(Y ≤ y )}= P {X ≤ x , Y ≤ y } 称为二维随机变量(X , Y )的分布函数, 或称为随机变量X 和y 的联合分布函数. 分布函数F (x , y )表示事件(X ≤ x )与事件(Y ≤ y )同时发生的概率. 如果把(X , Y )看成平面上具有随机坐标(X , Y )的点, 则分布函数F (x , y )在(x , y )处的函数值就是随机点(X , Y )落在平面上的以(x , y )为顶点而位于该点左下方的无限矩形内的概率.. 由上面的几何解释, 容易得到随机点(X , Y )落在矩形区域{x 1 < X ≤ x 2, y 1 < Y ≤ y 2}的概率为 P {x 1 < X ≤ x 2, y 1 < Y ≤ y 2} = F (x 2, y 2) - F (x 2, y 1) - F (x 1, y 2) + F (x 1, y 1) (1) 与二元函数类似, 二元分布函数F (x , y )也具有如下一些性质: 1? F (x , y )是变量x 和y 的单调不减函数, 即当x 1 < x 2时, F (x 1, y ) ≤ F (x 2, y ); 当y 1 < y 2时, F (x , y 1) ≤ F (x , y 2). 2? 0 ≤ F (x , y ) ≤ 1, 且F (-∞, y ) = 0, F (x , -∞) = 0, F (-∞,-∞) = 0, F (+∞,+∞) = 1.（凡含-∞的概率分布为0） 3? F (x , y )关于x 和y 都是右连续的, 即F (x + 0, y ) = F (x , y ), F (x , y + 0) = F (x , y ). 4? 对任意的(x 1, y 1)、(x 2, y 2), x 1 < x 2, y 1 < y 2, 有F (x 2, y 2) - F (x 2, y 1) - F (x 1, y 2) + F (x 1, y 1) ≥ 0. 注: 二元分布函数具有性质1?~ 4?, 其逆也成立(2?中0 ≤ F (x , y ) ≤ 1可去), 即若二元实值函数F (x , y )(x ∈ R , y ∈ R )满足1?~ 4?, 则F (x , y )必是某二维随机变量的(X , Y )的分布函数. 其中4?是必不可少的, 即它不能由1?~ 3?推出(除去0 ≤ F (x , y ) ≤ 1). 二、二维离散型随机变量 如果二维随机变量(X , Y )的所有可能取的值是有限对或可列无限多对, 则称(X , Y )是二维离散型随机变量. 设二维离散型随机变量(X , Y )所有可能取的值为(x i , y j ) (i , j = 1, 2, 3, …). 记P {X = x i , Y = y j } = p ij (i , j = 1, 2, 3, …)则由概率定义有 p ij ≥ 0; 111 =∑∑∞=∞ =i j ij p . 我们称P {X = x i , Y = y j } = p ij (i , j = 1, 2, 3, …)为二维离散型随机变量(X , Y )的分布律(概率分布)或随机变量X 和Y 的联合分布律, (X , Y )的分布律也可用表格表示. 其分布函数为 = ),(y x F ∑∑≤≤==x x y y j i i j y Y x X P },{= ∑∑≤≤x x y y ij i j p 这里 ∑∑ ≤≤x x y y i j 表示对一切x i ≤ x , y j ≤ y 的那些指标i 、j 求和. 例1 一个口袋中有三个球, 依次标有1、2、2, 从中任取一个, 不放回袋中, 再任取一个. 设每次取球时, 各球被取到的可能性相等, 以X 、Y 分别记第一次和第二次取到的球上标有的数字, 求X 、Y 的联合分布律与分布函数.. 解: (X , Y )的可能取值为(1, 2)、(2, 1)、(2, 2). P {X = 1, Y = 2}= P {X = 1}P {Y = 2 / X = 1}= 3 12231=?.

高考数学讲义随机变量及其分布列.版块二.几类典型的随机分布2.教师版

1． 离散型随机变量及其分布列 ⑴离散型随机变量 如果在试验中，试验可能出现的结果可以用一个变量X 来表示，并且X 是随着试验的结果的不同而变化的，我们把这样的变量X 叫做一个随机变量．随机变量常用大写字母,,X Y L 表示． 如果随机变量X 的所有可能的取值都能一一列举出来，则称X 为离散型随机变量． ⑵离散型随机变量的分布列 将离散型随机变量X 所有可能的取值x 与该取值对应的概率,)n L 列表表示： X 1x 2x … i x … n x P 1p 2p … i p … n p X 的分布列． 2．几类典型的随机分布 ⑴两点分布 如果随机变量X 的分布列为 X 1 0 P p q 其中01p <<，1q p =-X 服从参数为p 的二点分布． 二点分布举例：某次抽查活动中，一件产品合格记为1，不合格记为0，已知产品的合格率为80%，随机变量X X 的分布列满足二点分布． X 1 P 0.8 0.2 两点分布又称01-布又称为伯努利分布． ⑵超几何分布 一般地，设有总数为N 件的两类物品，其中一类有M 件，从所有物品中任取n 件()n N ≤，这n 件中所含这类物品件数X 是一个离散型随机变量，它取值为m 时的概率为 C C ()C m n m M N M n N P X m --==(0m l ≤≤，l 为n 和M 中较小的一个)． 我们称离散型随机变量X 的这种形式的概率分布为超几何分布，也称X 服从参数为N ， 知识内容 超几何分布

M ，n 的超几何分布．在超几何分布中，只要知道N ，M 和n ，就可以根据公式求出X 取不同值时的概率()P X m =，从而列出X 的分布列． ⑶二项分布 1．独立重复试验 如果每次试验，只考虑有两个可能的结果A 及A ，并且事件A 发生的概率相同．在相同的条件下，重复地做n 次试验，各次试验的结果相互独立，那么一般就称它们为n 次独立重复试验．n 次独立重复试验中，事件A 恰好发生k 次的概率为 ()C (1)k k n k n n P k p p -=-(0,1,2,,)k n =L ． 2．二项分布 若将事件A 发生的次数设为X ，事件A 不发生的概率为1q p =-，那么在n 次独立重复 试验中，事件A 恰好发生k 次的概率是()C k k n k n P X k p q -==，其中0,1,2,,k n =L ．于是得到X 0 1 … k … n P 00C n n p q 111 C n n p q - … C k k n k n p q - 0 C n n n p q 由式 001110 ()C C C C n n n k k n k n n n n n n q p p q p q p q p q --+=++++L L 各对应项的值，所以称这样的散型随机变量X 服从参数为n ，p 的二项分布， 记作~(,)X B n p ． 二项分布的均值与方差： 若离散型随机变量X 服从参数为n 和p 的二项分布，则 ()E X np =，()D x npq =(1)q p =-． ⑷正态分布 1． 概率密度曲线：样本数据的频率分布直方图，在样本容量越来越大时， 直方图上面的折线所接近的曲线．在随机变量中，如果把样本中的任一数据看作随机变量X ，则这条曲线称为X 的概率密度曲线． 曲线位于横轴的上方，它与横轴一起所围成的面积是1，而随机变量X 落在指定的两个数a b ，之间的概率就是对应的曲边梯形的面积． 2．正态分布 ⑴定义：如果随机现象是由一些互相独立的偶然因素所引起的，而且每一个偶然因素在总体的变化中都只是起着均匀、微小的作用，则表示这样的随机现象的随机变量的概率分布近似服从正态分布． 服从正态分布的随机变量叫做正态随机变量，简称正态变量． 正态变量概率密度曲线的函数表达式为22 ()2()2πx f x μσσ --= ?， x ∈R ，其中μ，σ是参数，且0σ>，μ-∞<<+∞． 式中的参数μ和σ分别为正态变量的数学期望和标准差．期望 为μ、标准差为σ的正态分布通常记作2(,)N μσ． 正态变量的概率密度函数的图象叫做正态曲线． ⑵标准正态分布：我们把数学期望为0，标准差为1的正态分布叫做标准正态分布． ⑶重要结论： ①正态变量在区间(,)μσμσ-+，(2,2)μσμσ-+，(3,3)μσμσ-+内，取值的概率分别是68.3%，95.4%，99.7%． ②正态变量在()-∞+∞，内的取值的概率为1， 在区间(33)μσμσ-+，之外的取值的概率x=μO y x

选修2-3随机变量及其分布知识点总结典型例题

2-3随机变量及其分布 -- HW) T数字特征11 …. --- L-W Array「(两点分布〕 5店殊分布列)--憊几何分祠 -(二项分利 十［并件相互独立性)一価立重复试劇 5J ~(条件概率) ”、r<正态分布密度曲绚 f正态分布)一 要点归纳 一、离散型随机变量及其分布列 1.⑴随机变量：在随机试验中，我们确定了一个对应关 系，使得每一个试验结果都用一个确定的数字表示?在这个对应关系下，数字随着试验结果的变化而变化.像这种随着试验结果变化而变化的变量称为随机变量?通常用字母X, Y, E, n等表示. (2) 离散型随机变量：所有取值可以一一列出的随机变量称为离散型随 机变量. (3) 离散型随机变量的分布列： 一般地，若离散型随机变量 X可能取的不同值为X i, X2…，X i，…X n，X取每一个值X i(i = 1，2，…，n)的概率 P(X= X)= p i，以表格的形式表示如下： X的分布列.有时为了简单起见，也用等式P(X = X i) = p i， i = 1，2，…，n表示X的分布列. (4)离散型随机变量的分布列的性质： ①P i>0，i = 1，2，…，n； n ②P i = 1. i = 1

(5)常见的分布列： 两点分布：如果随机变量X 的分布列具有下表的形式，则 称X 服从两点分布，并称p = P(X = 1)为成功概率. 两点分布又称 0- 1分布，伯努利分布. 超几何分布：一般地，在含有 M 件次品的N 件产品中，任取 X 件次品，则事件｛X = k ｝发生的概率为 P(X = 其中 m= min ｛ M , n ｝，且 n W N , M < N , n , M , N € N *.如 果随机变量X 的分布列具有上表的形式，则称随机变量 X 服从超几何分布. 2 .二项分布及其应用 (1)条件概率：一般地，设 A 和B 是两个事件，且 P(A)>0, p / AB) 称P(BA) = P ((A )为在事件A 发生的条件下，事件B 发生 的条件概率.P(B|A)读作A 发生的条件下B 发生的概率. ⑵条件概率的性质： ① 0 < P(BA)< 1； ② 必然事件的条件概率为1,不可能事件的条件概率为0; ③ 如果 B 和C 是两个互斥事件，则 P(B U C|A)= P(B|A) + P(C|A). (3) 事件的相互独立性：设 A, B 为两个事件，如果 P(AB)= P(A)P(B)，则 称事件 A 与事件B 相互独立?如果事件 A 与B 相互独立，那么 A 与-,-与B ,-与-也都相互独立. (4) 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. c M c N-/i c N k = 0, 1, 2, ,m,即 n 件，其中恰有 k)=