經濟數學概率論

《經濟數學概率論》由會員分享，可在線閱讀，更多相關《經濟數學概率論（48頁珍藏版）》請在裝配圖網上搜索。

第二章 隨機變量及其分布 一 隨機變量 二 離散型隨機變量及其分布 三 隨機變量的分布函數 四 連續(xù)型隨機變量及其分布 五 隨機變量的函數的分布 第一節(jié) 為了更方便地從數量方面研究隨機現象的統(tǒng)計規(guī) 第二章 實數對應起來 將隨機試驗結果數量化 隨機變量 律 引入隨機變量的概念 即將隨機試驗的結果與 定義1 設隨機試驗的樣本空間 在樣本 上的實值單值函數 稱 是定義 為隨機變量 例1 對一均勻硬幣拋一次 觀察正反面情況 設 為隨機變量 其中 表示事件A 結果 樣本空間 出現正面 即 同理 其中 表示事件 一 隨機變量的定義 結果出現反面 即 例2 測量某工廠一天生產燈泡的壽命 樣本空間 設 其中 則X為隨機變量 壽命 表示一事件A 例如 例3 某戰(zhàn)士射擊命中率為 設首次擊中目標所需射擊 次數為 則隨機變量 隨機變量定義在樣本空間S上 定義域可以是數也可 以不是數 而普通函數是定義在實數域上的 2 隨機變量函數的取值在試驗之前無法確定 有一定 的概率 而普通函數卻沒有 三 隨機變量的分類 隨機變量 非離散型隨機變量 離散型隨機變量 連續(xù)型隨機變量 其它 二 隨機變量函數和普通函數的區(qū)別 1 定義域不同 離散型隨機變量及其分布 第二章 一 離散型隨機變量的定義 二 常用的離散型隨機變量 第二節(jié) 定義1 若某個隨機變量 的全部可能取值是有限個或 無限可列多個 則稱這個隨機變量是離散型隨機變量 定義2 設離散型隨機變量 的所有可能取值為 其中 取各個可能值的概率 即事件 的概率 一 離散型隨機變量的定義 滿足 稱 為離散型隨機變量 的概率分布或分布律 分布律也可用如下表格的形式表示 分布律的判斷條件 例1 設一汽車在開往目的地的道路上需經過三盞信號 燈 每盞信號燈以概率 允許或禁止汽車通過 表示汽車首次停下通過的信號燈盞數 設各信號燈的工 作是相互獨立的 求 的分布律 解 由題意可知 的分布律為 則 顯然 的分布律滿足 將 帶入可得 的分布律為 解 S HHH HHT HTH HTT THH THT TTH TTT 則 例2 設一均勻的硬幣拋三次為一次試驗 為正面 出現的次數 求隨機變量 的分布律 0 1 分布 定義1 如果隨機變量 的分布律為 則稱 服從參數為 的 0 1 分布 即 或 二 常用的離散型隨機變量及其分布 0 1 分布的分布律也可寫成 注服從 0 1 分布的隨機變量很多 如果涉及的試 驗只有兩個互斥的結果 都可在樣本空間上定義 一個服從 0 1 分布的隨機變量 下面我們將介紹一個重要的離散型隨機變量的 分布 二項分布 1 伯努利概型 概率論中最早研究的模型之一 也是 研究最多的模型之一 在理論上一些重要的結果也由 它推導 n重獨立試驗 在相同的條件下對試驗E重復做n次 若n次試驗中各 結果是相互獨立的 則稱這n次試驗是相互獨立的 伯努利概型 設隨機試驗E只有 兩種可能結果 且 將試驗E獨立地重復進行n次 則稱這n次試驗 為n重伯努利試驗 或稱n重伯努利概型 二項分布 引例 某人打靶單發(fā)命中率為 現獨立重復射 擊3次 求恰好命中2發(fā)的概率 解 表示 第i次命中 表示 恰好命中兩次 定理 伯努利定理 P24 n重伯努利試驗中 事件 恰好發(fā)生k次 即 的概率為 例1 從學校乘汽車去火車站一路上有4個交通崗 到各個崗遇到紅燈是相互獨立的 且概率均為0 3 求 某人從學校到火車站途中2次遇到紅燈的概率 解途中遇到4次經交通崗為4重貝努利試驗 其中 例3 袋中裝有30只紅球 70只藍球 現從袋中有放 回地抽取5次 每次取1只球 試求 1 取出的5只球中恰有2只紅球的概率 2 取出的5只球中至少有2只紅球的概率 解 取到紅球的概率為0 3 5次取球相互獨立 故為5重伯努里概型 設X為取到紅球的次數 1 2 在規(guī)劃一條河流的洪水控制系統(tǒng)時需要研究出現 特大洪水的可能性 假定該處每年出現特大洪水的概率 都是0 1 且特大洪水的出現是相互獨立的 求在今后 10年內至少出現兩次特大洪水的概率 解設A 出現洪水 不出現洪水 例4 定義2 如果隨機變量 的分布律為 則稱 服從參數為 的二項分 其中 布 記為 容易驗證 由二項式定理 特別 當 時 二項分布為 這就是 0 1 分布 常記為 2 二項分布 3 二項分布的分布形態(tài) 若 則 由此可知 二項分布的分布律 右圖 先是隨著 到其最大值后再隨著 的增大而減小 這個使得 達到其最大值的 稱為該二項分布的最可能次數 的增大而增大 達 例4已知100個產品中有5個次品 現從中有放回地 取3次 每次任取1個 求在所取的3個中恰有2個次品 的概率 表示所取的3個中的次品數 于是所求概率為 則 解 設 注 若將本例中的 有放回 改為 無放回 那么各 次試驗條件就不同了 不是伯努利概型 此時只能用 古典概型求解 例5一大批產品中一級品率為0 2 現隨機抽查20 只 問20只元件中恰好有 為一級 品的概率為多少 解 設 表示20只元件中為一級品的只數 這個試驗可以看作伯努利試驗 例6某人射擊命中率為0 02 獨立射擊400次 試 求至少擊中2次的概率 解設 表示擊中的次數 則 所以分布律 則所求概率 例4 設有80臺同類型設備 各臺工作是相互獨立的 發(fā)生故障的概率都是0 01 且一臺設備的故障由一個人處理 考慮兩種方法 其一是由4人維護 每人負責20臺 其二是由3人共同維護80臺 試比較這兩種方法在設備發(fā)生故障不能及時維修的概率的大小 定理1 泊松Poisson定理 設 是一常數 n是 正整數 若 則對任一固定的非負整數 證明由 得 對于任意固定的 故有 注 二項分布是最重要的離散型概率分布之一 當 時 即為 0 1 分布 當 時 二項分布近似于下面介紹的泊松分布 定義1 設隨機變量 所有可能取的值為0 1 2 而 且概率分布為 泊松分布 其中 則稱 服從參數為 的泊松分布 記 泊松定理的意義 泊松分布的圖形特點 當n很大 p很小時 泊松定理表明 泊松分布是二項分布的極限分布 參數 np的泊松分布 二項分布就可近似看成是 例1一交通路口一段時間內汽車發(fā)生交通事故的次數 服從參數為 的泊松分布 求至少發(fā)生兩次 事故的概率 解 隨機變量 則 解由已知得 所以分布律為 解設選出n個人 n人中色盲患者為 則 兩邊取對數 所以得 隨機變量的分布函數 第二章 一 分布函數的概念 二 分布函數的性質 第三節(jié) 為X的分布函數 記作 設X是一個隨機變量 定義1 是任意實數 稱函數 的值就表示X落在區(qū)間 上的概率 分布函數 一 分布函數的概念 由定義 對任意實數 上的概率 用F x 刻畫隨機點落在 功能式 區(qū)間 由于 得 解 1 當 時 當 時 則 例1設隨機變量X的分布律為 求 1 X的分布函數 2 當 時 則 當 時 則 所以 2 一般地 設離散型隨機變量 的分布律為 由概率的可列可加性得 的分布函數為 請看41頁 二 分布函數的性質 單調不減性 右連續(xù)性 對任意實數x 歸一性 則 具有上述三個性質的實函數 必是某個隨機變量的分 布函數 故該三個性質是分布函數的充分必要性質 對任意的 解 所以 例3已知離散型隨機變量X的分布函數為 求X的分布律 解X的可能取值為3 4 5 所以X的分布律為 例1 一個靶子是半徑為2米的圓盤 設擊中靶上任一同心圓盤上的點的概率與該圓盤的面積成正比 并設射擊都能擊中靶 以X表示彈著點與圓心的距離 試求X的分布函數