imicola 随机变量的概念
随机变量的概念

随机变量的概念

538 字 · 约 1 分钟
  • 定义1:有一个随机事件 EE 与样本空间 U={e}U = \{e\} 若对 ∀e∈U\forall e \in U 都有唯一实数x(e)x(e)与之对应,称 x(e)x(e) 为随机变量,简写为XX
  • 我们规定符号随机变量:X,Y,Z,XiX,Y,Z,X_{i}
    • 实数规定为: x,y,z,xix,y,z,x_{i}
  • 随机变量可以被如下划分

随机变量{离散型非离散型{连续型其他\text{随机变量} \begin{cases} \text{离散型} \\ \\ \\ \text{非离散型} \begin{cases} \text{连续型} \\ \text{其他} \end{cases} \end{cases}

离散型随机变量

  • 若随机变量XX的取值是有限个或者无限可列个,则称XX为离散型随机变量
  • 设XX的所有可能取值为X=xk (k∈Z+)X = x_{k} \ (k \in \mathbb{Z^+}) 且
    P{X=xk}=Pk(1)P\{X = x_{k}\} = P_{k} \tag{1}
  • 我们称(1)(1)式为XX的分布律

我们可以为分布律列表

XX x1x_{1} x2x_2 x3x_3
PP p1p_1 p2p_2 p2p_2

性质:

  • Pk≥0P_{k}\geq 0
  • ∑Pk=1\sum\limits P_{k} = 1

三种常见的离散型随机变量分布

  1. X∼(0,1)X \sim (0,1)分布
XX 00 11
PP 1−p1 - p pp
  1. 伯努利分布(二项分部) X∼B(n,p)X \sim B(n,p)

伯努利实验: EE的结果只有两种情况 A,A‾A,\overline{A} nn重伯努利实验: 独立重复的进行 nn 次实验,P(A)=pP(A) = p

伯努利实验概率分布

P{X=k}=Cnkpk(1−p)n−k\begin{align*} P\{X = k\} &= C^{k}_{n}p^{k}(1-p)^{n-k} \end{align*}

  1. 泊松分布 X∼P(λ)X \sim P(\lambda)

P{X=k}=λe−λk! (λ>0,k∈Z+)P\{X = k\} = \frac{\lambda e^{-\lambda}}{k!}\ (\lambda > 0,k \in \mathbb{Z^+})

泊松定理

设 X∼B(n,p)X \sim B(n,p),当 n→∞,p→0n \to \infty,p \to 0 时候,令 np=λnp = \lambda,则有

P{X=k}≈λe−λk!P\{X = k\} \approx \frac{\lambda e^{-\lambda}}{k!}