概率统计和随机过程课件第二章随机变量及其分布

概率统计和随机过程课件第二章随机变量及其分布•随机变量的定义与性质•随机变量的分布函数•常见随机变量的分布CATALOGUE•随机变量的数学期望与方差目录•大数定律与中心极限定理•随机变量的变换随机变量的定义与01性质随机变量的定义离散型随机变量01如果随机试验的结果可以一一列出，那么这种随机变量称为离散型随机变量例如，投掷一枚骰子，其出现的点数就是一个离散型随机变量连续型随机变量02如果随机试验的结果在某个区间内可以取任何值，那么这种随机变量称为连续型随机变量例如，测量一个物体的长度，其结果就是一个连续型随机变量随机变量的取值范围03随机变量的取值范围称为随机变量的定义域，通常表示为全体样本点随机变量的性质010203确定性互斥性完备性对于确定的试验结果，其对于两个互斥的试验结果，完备的随机变量包含了所对应的随机变量的取值也其对应的随机变量的取值有可能的试验结果是确定的也是互斥的随机变量的分布函02数分布函数的定义分布函数是描述随机变量取值对于任意实数x，分布函数Fx分布函数具有非负性、单调递概率的函数，其值域为[0,1]表示随机变量X小于或等于x的增性和右连续性概率分布函数的性质若X是随机变量，则若X是随机变量，则Fx是X的分布函数对于任意实数x，有0≤Fx≤1若Fx是X的分布函数，则对于任意实数x1x2，有Fx1≤Fx2常见随机变量的分布函数离散型随机变量的分布函数离散型随机变量的分布函数是由其概率质量函数通过求和得到的连续型随机变量的分布函数连续型随机变量的分布函数由其概率密度函数通过积分得到常见随机变量的分03布离散型随机变量伯努利分布二项分布泊松分布描述二项试验成功次数的描述在n次独立重复的伯努描述单位时间内随机事件概率分布，如抛硬币、抽利试验中成功的次数概率发生的次数的概率分布，奖等分布适用于稀有事件连续型随机变量正态分布描述连续型随机变量的概率分布，均匀分布具有钟形曲线，适用于许多自然现象描述在一定区间内均匀分布的概率分布，如时间间隔、身高等指数分布描述某一事件发生的时间间隔的概率分布，如寿命、等待时间等随机变量的数学期04望与方差数学期望数学期望的定义数学期望是随机变量所有可能取值的概率加权和，表示随机变量取值的平均水平数学期望的性质数学期望具有线性性质、可加性和可数可加性等性质，这些性质在计算和推导中具有重要作用数学期望的计算对于离散型随机变量，数学期望的计算公式为$EX=x_1p_1+x_2p_2+...+x_np_n$；对于连续型随机变量，数学期望的计算公式为$EX=int xfx dx$方差方差的定义方差的性质方差的计算方差是用来度量随机变量与其数方差具有非负性、可加性、可数对于离散型随机变量，方差的计学期望之间的离散程度的量，表可加性等性质，这些性质在计算算公式为$DX=x_1-示随机变量取值分散的程度和推导中具有重要作用EX^2p_1+x_2-EX^2p_2+...+x_n-EX^2p_n$；对于连续型随机变量，方差的计算公式为$DX=int x-EX^2fx dx$大数定律与中心极05限定理大数定律定义应用在统计学、概率论、决策理论等领域，大数定律被广泛应用于估计概率、预大数定律是指在大量重复实验中，某测未来事件发生的可能性等方面一事件发生的频率将趋近于其概率意义大数定律揭示了大量随机现象的平均结果具有稳定性，即随着实验次数的增加，某一事件的相对频率将逐渐稳定在概率值上中心极限定理定义中心极限定理是指无论随机变量是来自什么样的分布，其平均值的分布都将趋近于正态分布，只要随机变量的个数足够大意义中心极限定理是概率论和统计学中的基本定理之一，它揭示了大量随机变量的平均值的分布规律，即无论单个随机变量的分布形状如何，当随机变量的个数足够大时，它们的平均值的分布都将趋近于正态分布应用中心极限定理在统计学、概率论、金融学、社会科学等领域有着广泛的应用，例如在样本均值的分布、保险精算、金融风险评估等方面随机变量的变换06离散型随机变量的变换对于离散型随机变量，可以通过变换得到新的随机变量常见的变换方法包括线性变换、指数变换、对数变换等这些变换可以改变随机变量的取值范围和概率分布连续型随机变量的变换对于连续型随机变量，同样可以通过变换得到新的随机变量常见的变换方法包括线性变换、幂函数变换、指数函数变换等这些变换可以改变随机变量的取值范围和概率密度函数随机变量变换的性质随机变量经过变换后，其概率分布的性质也会发生变化例如，经过线性变换后，概率密度函数可能会发生平移、伸缩或翻转等变化了解这些性质对于理解和应用随机变量的变换非常重要THANKS.。