【考研数学】概率论与数理统计 —— 第二章 | 一维随机变量及其分布(1,基本概念与随机变量常见类型)

news2024/10/5 14:20:48

文章目录

  • 引言
  • 一、一维随机变量及其分布
    • 1.1 随机变量
    • 1.2 分布函数
  • 二、随机变量常见类型及分布
    • 2.1 离散型随机变量
    • 2.2 连续型随机变量及概率密度函数
  • 写在最后


引言

暑假接近尾声了,争取赶一点概率论部分的进度。


一、一维随机变量及其分布

1.1 随机变量

设随机试验 E E E 的样本空间为 Ω \Omega Ω X X X 为定义于样本空间 Ω \Omega Ω 上的函数,对于任意 w ∈ Ω w \in \Omega wΩ ,总存在唯一确定的 X ( w ) X(w) X(w) 与之对应,称 X ( w ) X(w) X(w) 为随机变量,一般记为 X X X

随机变量一定的取值范围本质上就是随机事件,若随机变量某个范围内取不到任何值,本质上为不可能事件,若某个范围包含了随机变量所有可能的取值,本质上就是必然事件。

1.2 分布函数

X X X 为随机变量,对任意的实数 x x x ,称函数 F ( x ) = P F(x)=P F(x)=P { X ≤ x X \leq x Xx } 为随机变量 X X X 的分布函数。

其有如下四个性质:

(1) 0 ≤ F ( x ) ≤ 1 ; 0 \leq F(x) \leq 1; 0F(x)1;

(2) F ( x ) F(x) F(x) x x x 的单调不减函数;

(3) F ( x ) F(x) F(x) 关于 x x x 右连续;

(4) F ( − ∞ ) = 0 , F ( + ∞ ) = 1. F(-\infty)=0,F(+\infty)=1. F()=0,F(+)=1.

若有一个函数满足以上四个条件,可称其为某个随机变量的分布函数。如 F ( 3 x − 1 ) F(3x-1) F(3x1) 仍为分布函数,但 F ( 1 − 3 x ) F(1-3x) F(13x) 不是分布函数,当 x → + ∞ x \to +\infty x+ F ( 1 − 3 x ) F(1-3x) F(13x) 极限为 0 不为 1 ; F ( x 2 ) F(x^2) F(x2) 也不是分布函数,因为当 x → + ∞ x \to +\infty x+ F ( x 2 ) F(x^2) F(x2) 极限为 1 不为 0 。

设随机变量 X X X 的分布函数为 F ( x ) F(x) F(x) ,则
(1) P P P { X < a X < a X<a } = F ( a − 0 ) ; =F(a - 0); =F(a0);
(2) P P P { a < X ≤ b a < X\leq b a<Xb } = F ( b ) − F ( a ) ; =F(b)-F(a); =F(b)F(a);
(3) P P P { a ≤ X < b a \leq X < b aX<b } = F ( b − 0 ) − F ( a − 0 ) ; =F(b - 0)-F(a-0); =F(b0)F(a0);
(4) P P P { a ≤ X ≤ b a \leq X \leq b aXb } = F ( b ) − F ( a − 0 ) ; =F(b)-F(a-0); =F(b)F(a0);
(5) P P P { a < X < b a < X < b a<X<b } = F ( b − 0 ) − F ( a ) ; =F(b - 0)-F(a); =F(b0)F(a);
(6) P P P { X = a X =a X=a } = F ( a ) − F ( a − 0 ) ; =F(a)-F(a-0); =F(a)F(a0);


二、随机变量常见类型及分布

2.1 离散型随机变量

X X X 为随机变量,若 X X X 的可能取值是有限个或可列个,称 X X X 为离散型随机变量。

设离散型随机变量 X X X 的可能取值为 x i ( i = 1 , 2 , …   ) x_i(i=1,2,\dots) xi(i=1,2,) ,其对应的概率为 P P P { X = x i X=x_i X=xi } = p i =p_i =pi ,称 P P P { X = x i X=x_i X=xi } = p i =p_i =pi 或下表

在这里插入图片描述
为随机变量 X X X 的分布律。

离散型随机变量 X X X 的分布律满足:
(1) p i ≥ 0 ( i = 1 , 2 , …   ) . p_i \geq 0(i=1,2,\dots). pi0(i=1,2,).
(2) ∑ i = 1 + ∞ p i = 1. \sum_{i=1}^{+\infty}p_i=1. i=1+pi=1.
(3)分布函数 F ( x ) = P F(x)=P F(x)=P { X ≤ x X \leq x Xx } 为阶梯函数,且 F ( x ) F(x) F(x) 的间断点即为随机变量 X X X 的可能取值。

什么是阶梯函数呢,就是图像是像台阶那样的。举个例子,记随机变量 X X X 为投掷一枚均匀的骰子朝上的点数,则 X X X 可取 1 , 2 , 3 , 4 , 5 , 6 1,2,3,4,5,6 1,2,3,4,5,6 ,且 P P P { X = i X=i X=i } = 1 6 ( i = 1 , 2 , … , 6 ) =\frac{1}{6}(i=1,2,\dots,6) =61(i=1,2,,6) ,其分布律如下表所示:

在这里插入图片描述

分布函数图像为:
在这里插入图片描述
注意,阶梯是先右再上的阶梯,因为是离散的取值,所以在两个取值之间的分布函数值应为前一个取值所对应函数值。

2.2 连续型随机变量及概率密度函数

设随机变量 X X X 的分布函数为 F ( x ) F(x) F(x) ,若存在非负、可积的函数 f ( x ) f(x) f(x) ,使得对任意实数 x x x ,有 F ( x ) = ∫ − ∞ x f ( t ) d t , F(x)=\int_{-\infty}^xf(t)dt, F(x)=xf(t)dt, X X X 为连续型随机变量,函数 f ( x ) f(x) f(x) 为随机变量 X X X 的概率密度函数或概率密度。

连续型随机变量概率密度有如下结论:

(1) f ( x ) ≥ 0 ; f(x) \geq 0; f(x)0;

(2) ∫ − ∞ + ∞ f ( t ) d t = 1 ; \int_{-\infty}^{+\infty}f(t)dt=1; +f(t)dt=1;

(3)分布函数 F ( x ) F(x) F(x) 为连续函数,但不一定可导;

(4) P P P { X = a X=a X=a } = F ( a ) − F ( a − 0 ) = 0 =F(a)-F(a-0)=0 =F(a)F(a0)=0 ,故连续型随机变量在任意一点处的概率为 0 。

(5)设分布函数为 F ( x ) F(x) F(x) ,则概率密度函数为 f ( x ) = { F ′ ( x ) , x 为 F ( x ) 的可导点 0 , x 为 F ( x ) 的不可导点 f(x) = \begin{cases} F'(x), & x \text{为} F(x) 的可导点 \\ 0, & x为F(x) 的不可导点\\ \end{cases} f(x)={F(x),0,xF(x)的可导点xF(x)的不可导点 (6)存在既不是离散型又不是连续型的随机变量,如随机变量 X X X 的分布函数表达式为 F ( x ) = { 0 , if  x < 0 x 2 , if  0 ≤ x < 1 1 if  x ≥ 1 F(x) = \begin{cases} 0, & \text{if } x < 0 \\ \frac{x}{2}, & \text{if } 0 \leq x < 1 \\ 1 & \text{if } x \geq1 \end{cases} F(x)= 0,2x,1if x<0if 0x<1if x1 显然 F ( x ) F(x) F(x) 满足分布函数的四个特性,但其不是阶梯函数,所以 X X X 非离散型随机变量。又因为 F ( x ) F(x) F(x) 存在间断点,所以 X X X 也非连续型随机变量,其图像如下图所示。
在这里插入图片描述


写在最后

下一篇我们将介绍一些常见的随机变量分布。

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.coloradmin.cn/o/954929.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Linux查看目录下文件及其大小

ls -lh在Linux下&#xff0c;"ls -lh"是一个用于显示文件和目录详细信息的命令。它会列出当前目录中的文件和目录&#xff0c;并显示它们的文件大小和权限等详细信息。 其中&#xff0c;参数"-l"是用来显示详细信息的选项&#xff0c;"h"表示以…

gif怎么转换成mp4格式视频

gif怎么转换成mp4格式视频&#xff1f;GIF格式是一种广泛应用的公用图像文件格式标准&#xff0c;具有许多优势。它占用的内存较小&#xff0c;可以实现自动循环播放&#xff0c;并且兼容多个平台。然而&#xff0c;GIF格式也存在一些缺点。例如&#xff0c;它无法处理复杂的图…

恒运资本:三大指数震荡走低,地产股大幅回撤,光刻胶概念逆市上涨

周四&#xff08;8月31日&#xff09;&#xff0c;到上午收盘&#xff0c;A股三大指数震动走低。其间&#xff0c;上证指数跌0.53%&#xff0c;报3120.39点&#xff1b;深证成指和创业板指别离跌0.55%、0.54%&#xff1b;沪深两市算计成交额5290.51亿元&#xff0c;总体来看&am…

如何在小红书进行学习直播

诸神缄默不语-个人CSDN博文目录 因为我是从B站开始的&#xff0c;所以一些直播常识型的东西请见我之前写的如何在B站进行学习直播这一篇。 本篇主要介绍一些小红书之与B站不同之处。 小红书在手机端是可以直接点击“”选择直播的。 文章目录 1. 电脑直播-小红书直播软件2. 电…

【LeetCode算法系列题解】第11~15题

CONTENTS LeetCode 11. 盛最多水的容器&#xff08;中等&#xff09;LeetCode 12. 整数转罗马数字&#xff08;中等&#xff09;LeetCode 13. 罗马数字转整数&#xff08;简单&#xff09;LeetCode 14. 最长公共前缀&#xff08;简单&#xff09;LeetCode 15. 三数之和&#xf…

Unity碰撞检测(3D和2D)

Unity碰撞检测3D和2D 前言准备材料3D2D 代码3D使用OnCollisionEnter()进行碰撞Collider状态代码 使用OnTriggerEnter()进行碰撞Collider状态代码 2D使用OnCollisionEnter2D()进行碰撞Collider2D状态代码 使用OnTriggerEnter2D()进行碰撞Collider2D状态代码 区别3D代码OnCollisi…

Python中*(星号)传可变长的元组

在Python中&#xff0c;*&#xff08;星号&#xff09;可以用来传递变长元组参数&#xff0c;通常在函数定义和函数调用中使用。这是一种用于处理不定数量的参数的方式&#xff0c;使得函数能够接受任意数量的位置参数。 在函数定义中使用 *&#xff1a; 在函数定义时&#xff…

Jupyter lab 配置

切换jupyterlab的默认工作目录 在终端中输入以下命令 PS C:\Users\Administrator> jupyter-lab --generate-config Writing default config to: C:\Users\Administrator\.jupyter\jupyter_lab_config.py它就会生成JupyterLab的配置文件&#xff08;如果之前有这个文件的话…

奥威BI数据可视化工具一出马,财务数据分析不再烧脑

数据可视化工具可以使财务数据分析更加直观和易于理解。这些工具可以将大量的财务数据简化为易于阅读和理解的图表、图形和表格&#xff0c;帮助财务人员更快地分析和发现问题。例如&#xff0c;通过将财务数据转化为柱状图、折线图、饼图等图形&#xff0c;可以更加清晰地展示…

《向量数据库指南》——腾讯云向量数据库(Tencent Cloud VectorDB) SDK 正式开源

腾讯云向量数据库 SDK 宣布正式开源。根据介绍,腾讯云向量数据库(Tencent Cloud VectorDB)的 Python SDK 与 Java SDK 是基于数据库设计模型,遵循 HTTP 协议,将 API 封装成易于使用的 Python 与 Java 函数或类,为开发者提供了更加友好、更加便捷的数据库使用和管理方式。…

刚来的00后进来就有18K,我三年工作经验就是个笑话

00后带来的压力 公司一位工作3年的老油条工资还没有刚来的00后高&#xff0c;她心中不平&#xff0c;对这件事情有不小的怨气&#xff0c;她觉得自己来公司三年了&#xff0c;三年内迟到次数都不超过5次&#xff0c;每天勤勤恳恳&#xff0c;要加班的时候也愿意加班&#xff0…

vue自定义事件 div 拖拽方法缩小

在main.js 引用 // 引入拖动js import dragMove from "./utils/dragMove.js" 创建 drawmove.js export default (app) > {app.directive(dragMove, (el, binding) > {const DragVindow el.querySelector(binding.value.DragVindow)// 按下鼠标处理事件con…

修改yum下载文件的位置,指定安装位置

yum update 的软件包&#xff0c;可以放在别的地方。即可。 修改/etc/yum.conf 指定安装位置 yum -c /etc/yum.conf --installroot/usr/local --releasever/ install 你需要安装的软件

六、抽象工厂模式

一、什么是抽象工厂模式 抽象工厂&#xff08;AbstractFactory&#xff09;模式的定义&#xff1a;是一种为访问类提供一个创建一组相关或相互依赖对象的接口&#xff0c;且访问类无须指定所要产品的具体类就能得到同族的不同等级的产品的模式结构。 抽象工厂模式的主要角色如下…

共享办公室的7S管理

共享办公室的7S管理是一个全面且详细的过程&#xff0c;它涵盖了整理&#xff08;Sort&#xff09;、整顿&#xff08;Straighten&#xff09;、清扫&#xff08;Sweep&#xff09;、清洁&#xff08;Sanitize&#xff09;、素养&#xff08;Sustain&#xff09;、安全&#xf…

报错:Cannot read properties of undefined (reading ‘$message‘)

报错 一、问题二、分析三、解决 一、问题 Cannot read properties of undefined (reading ‘$message’) 二、分析 是因为在 main.js 文件中&#xff0c;此时还未有 this&#xff0c;我们可以打印一下&#xff0c;是 null 三、解决 如果想要使用 this.$message(这是一条消息…

数仓数据建模中的概念总结(数据域、主题域、总线矩阵、指标...)

概念归纳 业务分类&#xff1a;业务板块是某一大类业务的指标和维度的集合&#xff0c;如电商&#xff0c;文 娱。 数据域&#xff1a;面向业务分析&#xff0c;将业务过程或者维度进行抽象的集合&#xff0c;如交易域&#xff0c; 日志域。 将零散的需求分类&#xff0c;后续…

VSCode配置C语言环境(简单易懂,小白专用)

1.在VSCode中安装C/C插件和C/C Extension Pack插件 2.下载mingw64 mingw64官网网页链接 1、找到downloads ​​​​​​​​ 2、找到SourceForge 3、找到一个合适的版本&#xff08;我这里是下拉找到免安装版&#xff09;下载&#xff0c;其他的都试过了&#xff0c;都不行&a…

window11,C盘瘦身减肥技巧

创作灵感 本文主要说明如何给windows11的C盘进行空间优化&#xff0c;或者叫减肥瘦身&#xff0c;让其达到20G以内。绝大部分内容&#xff0c;也适用于window10和windows7&#xff0c;只是操作系统不同&#xff0c;操作方式略有不同。不关注C盘空间的读者&#xff0c;可以忽略…

rsync命令介绍与使用案例

一、rsync命令简介 Rsync命令是一个常用的用于文件传输和同步的工具&#xff0c;rsync 可以理解为 remote sync&#xff08;远程同步&#xff09;&#xff0c;为了减少网络数据发送量&#xff0c;只发送源文件和目标文件之间的差异信息&#xff0c;从而实现数据的增量的复制。它…