《概率论完整PPT课件第12讲.ppt》由会员分享，可在线阅读，更多相关《概率论完整PPT课件第12讲.ppt（21页珍藏版）》请在三一办公上搜索。
1、,连续型随机变量X所有可能取值充满一个区间,对这种类型的随机变量,不能象离散型随机变量那样,以指定它取每个值概率的方式,去给出其概率分布,而是通过给出所谓“概率密度函数”的方式.,下面我们就来介绍对连续型随机变量的描述方法.,1.实例:(见教材例1),上海年降雨量的分布,由实例启发我们如何描述连续型随机变量.,上海99年年降雨量的数据已知,根据这些数据作频率直方图,对频率直方图进行考察,请看演示:,怎样画直方图,直方图与密度,2.连续型r.v及其密度函数的定义,1 o,2 o,这两条性质是判定一个函数 f(x)是否为某r.vX的概率密度函数的充要条件.,故 X的密度 f(x)在 x 这一点的值
2、，恰好是X落在区间 上的概率与区间长度 之比的极限.这里，如果把概率理解为质量，f(x)相当于线密度.,4.对 f(x)的进一步理解:,要注意的是，密度函数 f(x)在某点处a的高度，并不反映X取值的概率.但是，这个高度越大，则X取a附近的值的概率就越大.也可以说，在某点密度曲线的高度反映了概率集中在该点附近的程度.,若不计高阶无穷小，有：,它表示随机变量 X 取值于 的概率近似等于.,连续型r.v取任一指定值的概率为0.,即：,a为任一指定值,这是因为,需要指出的是:,由此得，,1)对连续型 r.v X,有,2)由P(X=a)=0 可推知,而 X=a 并非不可能事件,并非必然事件,称A为几乎
3、不可能事件，B为几乎必然事件.,可见，,由P(A)=0,不能推出,由P(B)=1,不能推出 B=S,下面给出几个r.v的例子.,（1）若 r.vX的概率密度为：,则称X服从区间(a,b)上的均匀分布，记作：,X U(a,b),它的实际背景是：r.v X 取值在区间(a,b)上，并且取值在(a,b)中任意小区间内的概率与这个小区间的长度成正比.则 X 具有(a,b)上的均匀分布.,公交线路上两辆公共汽车前后通过某汽车停车站的时间，即乘客的候车时间等.,均匀分布常见于下列情形：,如在数值计算中，由于四舍五 入，小数点后某一位小数引入的误差；,例1 某公共汽车站从上午7时起，每15分钟来一班车，即
4、7:00，7:15，7:30,7:45 等时刻有汽车到达此站，如果乘客到达此站时间 X 是7:00 到 7:30 之间的均匀随机变量,试求他候车时间少于5 分钟的概率.,解：,依题意，X U(0,30),以7:00为起点0，以分为单位,为使候车时间X少于 5 分钟，乘客必须在 7:10 到 7:15 之间，或在7:25 到 7:30 之间到达车站.,所求概率为：,从上午7时起，每15分钟来一班车，即 7:00，7:15，7:30等时刻有汽车到达汽车站，,即乘客候车时间少于5 分钟的概率是1/3.,区间(0,1)上的均匀分布U(0,1)在计算机模拟中起着重要的作用.,实用中，用计算机程序可以在短
5、时间内产生大量服从(0,1)上均匀分布的随机数.它是由一种迭代过程产生的.,严格地说，计算机中产生的U(0,1)随机数并非完全随机，但很接近随机，故常称为伪随机数.,如取n足够大，独立产生n个U(0,1)随机数，则从用这 n 个数字画出的频率直方图就可看出，它很接近于(0,1)上的均匀分布U(0,1).,则称 X 服从参数为 的指数分布.,指数分布常用于可靠性统计研究中，如元件的寿命.,（2）若 r.v X具有概率密度,常简记为 XE().,至此，我们已初步介绍了两类重要的随机变量:离散型r.v和连续型r.v,能不能对它们给出一种统一的描述方法？这就是下一讲要介绍的分布函数.,对它们分别用概率函数和密度函数描述.,
