一、常用的離散型随機變量及其機率分布
1、(0-1)分布(伯努利分布(Bernoulli distribution)、兩點分布)
如果随機變量X 隻可能取0與1兩個值,其機率分布為:
或寫成
則稱随機變量X 服從(0-1)分布或兩點分布.它的機率分布也可以寫成
2、二項分布
在n重伯努利試驗中,如果以X表示事件A 出現的次數,則X是一個離散型随機變量,它的所有可
能取值是0,1,2,⋯,n.設P(A)= p(0< p<1)。典型例子是扔硬币,硬币正面朝上機率為p, 重複扔n次硬币,k次為正面的機率即為一個二項分布機率。機率函數為
顯然,
3、多項式分布
把二項分布公式再推廣,就得到了多項分布。比如扔骰子,不同于扔硬币,骰子有6個面對應6個不
同的點數,這樣單次每個點數朝上的機率都是1/6(對應p1~p6,它們的值不一定都是1/6,隻要和為1且
互斥即可,比如一個形狀不規則的骰子),重複扔n次,如果問有x次都是點數6朝上的機率就是:
4、幾何分布
設試驗E隻有兩個可能的對立的結果A 及A非,并且P(A)= p,P(A非)=1- p,其中0< p<1.将試驗E獨立地重複進行下去,直到事件A發生為止.如果以X表示所需要的試驗次數,則X是一個随機變量,它可能取的值是1,2,3,⋯.由于事件{X = k}表示前k-1次試驗中事件A都沒有發生,而在第k次試驗中事件A 發生,是以
我們稱随機變量X 服從幾何分布。
5、泊松分布
設随機變量X 的所有可能取值為0,1,2,⋯,并且
其中λ>0是常數,則稱随機變量X服從參數為λ的泊松分布,記作X~π(λ).易知
在實際問題中經常會遇到服從泊松分布的随機變量.例如,在一個長為τ的時間間隔内某電話交換台收到的電話呼叫次數;某醫院在一天内來急診的病人數;某一本書的一頁中的印刷錯誤數等都服從泊松分布.
二、連續型随機變量及其機率密度
1、均勻分布
設連續型随機變量X 的機率密度為:
則稱X在區間[a,b]上服從均勻分布.X 的分布函數為
X的機率密度和分布函數的圖形分别如圖所示:
2、指數分布
設連續型随機變量X 具有機率密度
其中θ>0是常數,則稱X服從參數為θ的指數分布.X的分布函數為
X的機率密度及分布函數的圖形分别如圖所示:
實際問題中的許多随機變量,例如電子元件的壽命,旅客在車站售票處購買車票需要等待的時間等都可以看成是服從指數分布。
3、正态分布
設随機變量X 具有機率密度
其中μ,σ(σ>0)為常數,則稱X服從參數為μ,σ的正态分布,記作X~ N(μ,σ2).X的分布函數為
它們的圖形分别如圖所示:
容易看到機率密度曲線y= f(x)關于直線x= μ對稱,并在x= μ處取得最大值
,在橫坐标x= μ± σ處有拐點,以x軸為水準漸近線.
如果μ=0,σ=1,則稱X服從标準正态分布,記作X~N(0,1).它的機率密度及分布函數分别記作φ(x)與Φ(x),即
參考資料:随機數學 吉林大學數學學院 高文森,潘偉 主編