Professional Documents
Culture Documents
离散型随机变量
连续型随机变量
《概率论与数理统计》
第二章 随机变量及其概率分布
汤银才
华东师范大学 金融与统计学院
《概率论与数理统计》
第二章 随机变量及其概率分布
汤银才
华东师范大学 金融与统计学院
随机变量统计规律的刻划(复习)
把握随机变量的统计规律性,需要把握其两个方面:
1 取值范围;
2 取值概率.
若X 为离散型r.v., 则其取值为xi , i = 1, 2, · · · , 取值概率
为P(X = xi );
若X 为一般的r.v., 则其取值通常为一个区间, 取值概率用分
布函数P(X ≤ x)来刻划.
随机变量统计规律的刻划(复习)
把握随机变量的统计规律性,需要把握其两个方面:
1 取值范围;
2 取值概率.
若X 为离散型r.v., 则其取值为xi , i = 1, 2, · · · , 取值概率
为P(X = xi );
若X 为一般的r.v., 则其取值通常为一个区间, 取值概率用分
布函数P(X ≤ x)来刻划.
随机变量统计规律的刻划(复习)
把握随机变量的统计规律性,需要把握其两个方面:
1 取值范围;
2 取值概率.
若X 为离散型r.v., 则其取值为xi , i = 1, 2, · · · , 取值概率
为P(X = xi );
若X 为一般的r.v., 则其取值通常为一个区间, 取值概率用分
布函数P(X ≤ x)来刻划.
随机变量统计规律的刻划(复习)
把握随机变量的统计规律性,需要把握其两个方面:
1 取值范围;
2 取值概率.
若X 为离散型r.v., 则其取值为xi , i = 1, 2, · · · , 取值概率
为P(X = xi );
若X 为一般的r.v., 则其取值通常为一个区间, 取值概率用分
布函数P(X ≤ x)来刻划.
随机变量统计规律的刻划(复习)
把握随机变量的统计规律性,需要把握其两个方面:
1 取值范围;
2 取值概率.
若X 为离散型r.v., 则其取值为xi , i = 1, 2, · · · , 取值概率
为P(X = xi );
若X 为一般的r.v., 则其取值通常为一个区间, 取值概率用分
布函数P(X ≤ x)来刻划.
2.3.1 连续型r.v.的概率密度函数
2.3.1 连续型r.v.的概率密度函数
2.3.1 连续型r.v.的概率密度函数
2.3.1 连续型r.v.的概率密度函数
定义2.1 (连续型r.v.的概率密度函数: )
设p(x)为定义在R上的一个实值函数, 且满足
p(x) ≥ 0;
R∞
−∞ p(x)dx = 1.
则称p(x)为概率密度函数(或简称密度函数或密度).
若p.d.f. p(x)与连续型r.v. X 有关系:
Z b
P(a ≤ X ≤ b) = p(x)dx, ∀a < b,
a
定义2.1 (连续型r.v.的概率密度函数: )
设p(x)为定义在R上的一个实值函数, 且满足
p(x) ≥ 0;
R∞
−∞ p(x)dx = 1.
则称p(x)为概率密度函数(或简称密度函数或密度).
若p.d.f. p(x)与连续型r.v. X 有关系:
Z b
P(a ≤ X ≤ b) = p(x)dx, ∀a < b,
a
定义2.1 (连续型r.v.的概率密度函数: )
设p(x)为定义在R上的一个实值函数, 且满足
p(x) ≥ 0;
R∞
−∞ p(x)dx = 1.
则称p(x)为概率密度函数(或简称密度函数或密度).
若p.d.f. p(x)与连续型r.v. X 有关系:
Z b
P(a ≤ X ≤ b) = p(x)dx, ∀a < b,
a
定义2.1 (连续型r.v.的概率密度函数: )
设p(x)为定义在R上的一个实值函数, 且满足
p(x) ≥ 0;
R∞
−∞ p(x)dx = 1.
则称p(x)为概率密度函数(或简称密度函数或密度).
若p.d.f. p(x)与连续型r.v. X 有关系:
Z b
P(a ≤ X ≤ b) = p(x)dx, ∀a < b,
a
定义2.1 (连续型r.v.的概率密度函数: )
设p(x)为定义在R上的一个实值函数, 且满足
p(x) ≥ 0;
R∞
−∞ p(x)dx = 1.
则称p(x)为概率密度函数(或简称密度函数或密度).
若p.d.f. p(x)与连续型r.v. X 有关系:
Z b
P(a ≤ X ≤ b) = p(x)dx, ∀a < b,
a
定义2.1 (连续型r.v.的概率密度函数: )
设p(x)为定义在R上的一个实值函数, 且满足
p(x) ≥ 0;
R∞
−∞ p(x)dx = 1.
则称p(x)为概率密度函数(或简称密度函数或密度).
若p.d.f. p(x)与连续型r.v. X 有关系:
Z b
P(a ≤ X ≤ b) = p(x)dx, ∀a < b,
a
要点1: 密度函数的理解
R∞
由p(x) ≥ 0, −∞ p(x)dx = 1知: 在XOY平面上,函数x轴上
方,p(x)下方的面积为1;
.
若p(x)在x处连续, 则P(x < X ≤ x + ∆x) = p(x)∆x.
因此若把r.v. X 的概率理解为质量, 则p(x)相当于(线)密
度—这是“(概率)密度函数”这词的由来;
密度函数p(x)在某点处x0 的高度,并不反映X取值的概率(因
为P(X = x0 ) = 0). 但是, 这个高度越大, 则X 取x0 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.
p(x)∆x在连续型r.v.理论中所起的作用与P(X = xk ) = pk 在
离散型r.v.理论中所起的作用相类似.
要点1: 密度函数的理解
R∞
由p(x) ≥ 0, −∞ p(x)dx = 1知: 在XOY平面上,函数x轴上
方,p(x)下方的面积为1;
.
若p(x)在x处连续, 则P(x < X ≤ x + ∆x) = p(x)∆x.
因此若把r.v. X 的概率理解为质量, 则p(x)相当于(线)密
度—这是“(概率)密度函数”这词的由来;
密度函数p(x)在某点处x0 的高度,并不反映X取值的概率(因
为P(X = x0 ) = 0). 但是, 这个高度越大, 则X 取x0 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.
p(x)∆x在连续型r.v.理论中所起的作用与P(X = xk ) = pk 在
离散型r.v.理论中所起的作用相类似.
要点1: 密度函数的理解
R∞
由p(x) ≥ 0, −∞ p(x)dx = 1知: 在XOY平面上,函数x轴上
方,p(x)下方的面积为1;
.
若p(x)在x处连续, 则P(x < X ≤ x + ∆x) = p(x)∆x.
因此若把r.v. X 的概率理解为质量, 则p(x)相当于(线)密
度—这是“(概率)密度函数”这词的由来;
密度函数p(x)在某点处x0 的高度,并不反映X取值的概率(因
为P(X = x0 ) = 0). 但是, 这个高度越大, 则X 取x0 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.
p(x)∆x在连续型r.v.理论中所起的作用与P(X = xk ) = pk 在
离散型r.v.理论中所起的作用相类似.
要点1: 密度函数的理解
R∞
由p(x) ≥ 0, −∞ p(x)dx = 1知: 在XOY平面上,函数x轴上
方,p(x)下方的面积为1;
.
若p(x)在x处连续, 则P(x < X ≤ x + ∆x) = p(x)∆x.
因此若把r.v. X 的概率理解为质量, 则p(x)相当于(线)密
度—这是“(概率)密度函数”这词的由来;
密度函数p(x)在某点处x0 的高度,并不反映X取值的概率(因
为P(X = x0 ) = 0). 但是, 这个高度越大, 则X 取x0 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.
p(x)∆x在连续型r.v.理论中所起的作用与P(X = xk ) = pk 在
离散型r.v.理论中所起的作用相类似.
要点1: 密度函数的理解
R∞
由p(x) ≥ 0, −∞ p(x)dx = 1知: 在XOY平面上,函数x轴上
方,p(x)下方的面积为1;
.
若p(x)在x处连续, 则P(x < X ≤ x + ∆x) = p(x)∆x.
因此若把r.v. X 的概率理解为质量, 则p(x)相当于(线)密
度—这是“(概率)密度函数”这词的由来;
密度函数p(x)在某点处x0 的高度,并不反映X取值的概率(因
为P(X = x0 ) = 0). 但是, 这个高度越大, 则X 取x0 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.
p(x)∆x在连续型r.v.理论中所起的作用与P(X = xk ) = pk 在
离散型r.v.理论中所起的作用相类似.
要点2: 密度函数的基本性质
连续型r.v.的p.d.f.的基本性质:
p(x) ≥ 0(非负性)
R∞
−∞ p(x)dx = 1 (正则性)
密度函数的作用
连续型随机变量(的统计规律)由它的密度函数唯一确定.
要点2: 密度函数的基本性质
连续型r.v.的p.d.f.的基本性质:
p(x) ≥ 0(非负性)
R∞
−∞ p(x)dx = 1 (正则性)
密度函数的作用
连续型随机变量(的统计规律)由它的密度函数唯一确定.
要点2: 密度函数的基本性质
连续型r.v.的p.d.f.的基本性质:
p(x) ≥ 0(非负性)
R∞
−∞ p(x)dx = 1 (正则性)
密度函数的作用
连续型随机变量(的统计规律)由它的密度函数唯一确定.
要点2: 密度函数的基本性质
连续型r.v.的p.d.f.的基本性质:
p(x) ≥ 0(非负性)
R∞
−∞ p(x)dx = 1 (正则性)
密度函数的作用
连续型随机变量(的统计规律)由它的密度函数唯一确定.
要点3: 连续型r.v.的分布函数
连续型r.v.的分布函数:
Rx
F (x) = −∞ p(x)dx
F (x)是非降的连续函数;
F (x) = F (x − 0);
若p(x)在x处连续, 则F 0 (x) = p(x);
P(X = x) = F (x) − F (x − 0) = 0, 但{X = x}并非不可能事
件({X ∈ R − {a}}也并非必然事件)—可以称它们为几乎不
可能事件和几乎必然事件.
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a <
X < b) = F (b) − F (a);
要点3: 连续型r.v.的分布函数
连续型r.v.的分布函数:
Rx
F (x) = −∞ p(x)dx
F (x)是非降的连续函数;
F (x) = F (x − 0);
若p(x)在x处连续, 则F 0 (x) = p(x);
P(X = x) = F (x) − F (x − 0) = 0, 但{X = x}并非不可能事
件({X ∈ R − {a}}也并非必然事件)—可以称它们为几乎不
可能事件和几乎必然事件.
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a <
X < b) = F (b) − F (a);
要点3: 连续型r.v.的分布函数
连续型r.v.的分布函数:
Rx
F (x) = −∞ p(x)dx
F (x)是非降的连续函数;
F (x) = F (x − 0);
若p(x)在x处连续, 则F 0 (x) = p(x);
P(X = x) = F (x) − F (x − 0) = 0, 但{X = x}并非不可能事
件({X ∈ R − {a}}也并非必然事件)—可以称它们为几乎不
可能事件和几乎必然事件.
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a <
X < b) = F (b) − F (a);
要点3: 连续型r.v.的分布函数
连续型r.v.的分布函数:
Rx
F (x) = −∞ p(x)dx
F (x)是非降的连续函数;
F (x) = F (x − 0);
若p(x)在x处连续, 则F 0 (x) = p(x);
P(X = x) = F (x) − F (x − 0) = 0, 但{X = x}并非不可能事
件({X ∈ R − {a}}也并非必然事件)—可以称它们为几乎不
可能事件和几乎必然事件.
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a <
X < b) = F (b) − F (a);
要点3: 连续型r.v.的分布函数
连续型r.v.的分布函数:
Rx
F (x) = −∞ p(x)dx
F (x)是非降的连续函数;
F (x) = F (x − 0);
若p(x)在x处连续, 则F 0 (x) = p(x);
P(X = x) = F (x) − F (x − 0) = 0, 但{X = x}并非不可能事
件({X ∈ R − {a}}也并非必然事件)—可以称它们为几乎不
可能事件和几乎必然事件.
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a <
X < b) = F (b) − F (a);
要点3: 连续型r.v.的分布函数
连续型r.v.的分布函数:
Rx
F (x) = −∞ p(x)dx
F (x)是非降的连续函数;
F (x) = F (x − 0);
若p(x)在x处连续, 则F 0 (x) = p(x);
P(X = x) = F (x) − F (x − 0) = 0, 但{X = x}并非不可能事
件({X ∈ R − {a}}也并非必然事件)—可以称它们为几乎不
可能事件和几乎必然事件.
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a <
X < b) = F (b) − F (a);
思考题1:
求分布函数
设 (
ke −3x , x > 0,
p(x) =
0, x ≤ 0.
求
常数k; (k=3)
F (x). (F (x) = 1 − e −3x , x > 0)
思考题1:
求分布函数
设 (
ke −3x , x > 0,
p(x) =
0, x ≤ 0.
求
常数k; (k=3)
F (x). (F (x) = 1 − e −3x , x > 0)
思考题1:
求分布函数
设 (
ke −3x , x > 0,
p(x) =
0, x ≤ 0.
求
常数k; (k=3)
F (x). (F (x) = 1 − e −3x , x > 0)
思考题1:
求分布函数
设 (
ke −3x , x > 0,
p(x) =
0, x ≤ 0.
求
常数k; (k=3)
F (x). (F (x) = 1 − e −3x , x > 0)
思考题1:
求分布函数
设 (
ke −3x , x > 0,
p(x) =
0, x ≤ 0.
求
常数k; (k=3)
F (x). (F (x) = 1 − e −3x , x > 0)
思考题1:
求分布函数
设 (
ke −3x , x > 0,
p(x) =
0, x ≤ 0.
求
常数k; (k=3)
F (x). (F (x) = 1 − e −3x , x > 0)
例2.3.1
例2.3.1(均匀分布):
若r.v. X 的概率密度为:
(
1
b−a , a ≤ x ≤ b,
p(x) =
0, ∼.
例2.3.1
例2.3.1(均匀分布):
若r.v. X 的概率密度为:
(
1
b−a , a ≤ x ≤ b,
p(x) =
0, ∼.
例2.3.1(续):
(a, b)上的均匀分布r.v. 的分布函数为
0,
x < a,
x−a
F (x) = b−a , a ≤ x ≤ b,
1, x > b.
(请画出其图形!)
例2.3.2
例2.3.2(指数分布):
若r.v. X 的概率密度为:
(
λe −λx , x ≥ 0,
p(x) = (λ > 0)
0, ∼.
则称X服从参数为λ的指数分布,记作:X ∼ Exp(λ).
实际背景: 不少产品首次发生故障(需要维修)的时间服从指数分
布.
例2.3.2
例2.3.2(指数分布):
若r.v. X 的概率密度为:
(
λe −λx , x ≥ 0,
p(x) = (λ > 0)
0, ∼.
则称X服从参数为λ的指数分布,记作:X ∼ Exp(λ).
实际背景: 不少产品首次发生故障(需要维修)的时间服从指数分
布.
例2.3.2(续):
参数为λ的指数分布的分布函数为
(
1 − e −λx , x ≥ 0,
F (x) =
0, x < 0.
(请画出其图形!)
2.3.2 随机变量函数的分布
问题的提出
在实际中,人们常常对随机变量的函数更感兴趣. 已
知t = t0 时刻噪声电压U的分布, 求功率W = U 2 /R(R为电
阻)的分布.
设随机变量X 的分布已知,Y = g (X ) (设g是连续函数), 如
何由X 的分布求出Y 的分布?
2.3.2 随机变量函数的分布
问题的提出
在实际中,人们常常对随机变量的函数更感兴趣. 已
知t = t0 时刻噪声电压U的分布, 求功率W = U 2 /R(R为电
阻)的分布.
设随机变量X 的分布已知,Y = g (X ) (设g是连续函数), 如
何由X 的分布求出Y 的分布?
1. 离散型r.v.函数的分布
一般步骤:
设r.v. X ∼ P(X = xi ) = pi , i = 1, 2, · · · ;
第一步: 求出Y = g (X )的所有可能取值, 设为yj , j = 1, 2, · · · ;
第二步: 计算取值概率
X
P(Y = yj ) = pi .
i:g (xi )=yj
1. 离散型r.v.函数的分布
一般步骤:
设r.v. X ∼ P(X = xi ) = pi , i = 1, 2, · · · ;
第一步: 求出Y = g (X )的所有可能取值, 设为yj , j = 1, 2, · · · ;
第二步: 计算取值概率
X
P(Y = yj ) = pi .
i:g (xi )=yj
1. 离散型r.v.函数的分布
一般步骤:
设r.v. X ∼ P(X = xi ) = pi , i = 1, 2, · · · ;
第一步: 求出Y = g (X )的所有可能取值, 设为yj , j = 1, 2, · · · ;
第二步: 计算取值概率
X
P(Y = yj ) = pi .
i:g (xi )=yj
1. 离散型r.v.函数的分布
一般步骤:
设r.v. X ∼ P(X = xi ) = pi , i = 1, 2, · · · ;
第一步: 求出Y = g (X )的所有可能取值, 设为yj , j = 1, 2, · · · ;
第二步: 计算取值概率
X
P(Y = yj ) = pi .
i:g (xi )=yj
例2.3.3:
设r.v. X 的分布列为
X −2 −1 0 1 2 3
p 0.05 0.15 0.20 0.25 0.20 0.15
则Y = X 2 的分布列为
Y 0 1 4 9
0.15+0.25 0.05+0.20
p 0.20 0.40 0.25 0.15
例2.3.3:
设r.v. X 的分布列为
X −2 −1 0 1 2 3
p 0.05 0.15 0.20 0.25 0.20 0.15
则Y = X 2 的分布列为
Y 0 1 4 9
0.15+0.25 0.05+0.20
p 0.20 0.40 0.25 0.15
2. 连续型r.v.函数的分布
一般步骤:
设r.v. X ∼ pX (x);
第一步: 求出X 的的分布函数FX (x);
第二步: 由X 的非零区域得到Y 的非零区域;
第三步: 对于Y 的非零区域, 从定义出发求Y 的分布函
数FY (y ) = P(Y ≤ y );
第四步: 求导得到Y 的密度函数pY (y ).
关键: 从{g (X ) ≤ y }中解出X , 从而得到与之等价的X 的不等
式.
2. 连续型r.v.函数的分布
一般步骤:
设r.v. X ∼ pX (x);
第一步: 求出X 的的分布函数FX (x);
第二步: 由X 的非零区域得到Y 的非零区域;
第三步: 对于Y 的非零区域, 从定义出发求Y 的分布函
数FY (y ) = P(Y ≤ y );
第四步: 求导得到Y 的密度函数pY (y ).
关键: 从{g (X ) ≤ y }中解出X , 从而得到与之等价的X 的不等
式.
2. 连续型r.v.函数的分布
一般步骤:
设r.v. X ∼ pX (x);
第一步: 求出X 的的分布函数FX (x);
第二步: 由X 的非零区域得到Y 的非零区域;
第三步: 对于Y 的非零区域, 从定义出发求Y 的分布函
数FY (y ) = P(Y ≤ y );
第四步: 求导得到Y 的密度函数pY (y ).
关键: 从{g (X ) ≤ y }中解出X , 从而得到与之等价的X 的不等
式.
2. 连续型r.v.函数的分布
一般步骤:
设r.v. X ∼ pX (x);
第一步: 求出X 的的分布函数FX (x);
第二步: 由X 的非零区域得到Y 的非零区域;
第三步: 对于Y 的非零区域, 从定义出发求Y 的分布函
数FY (y ) = P(Y ≤ y );
第四步: 求导得到Y 的密度函数pY (y ).
关键: 从{g (X ) ≤ y }中解出X , 从而得到与之等价的X 的不等
式.
2. 连续型r.v.函数的分布
一般步骤:
设r.v. X ∼ pX (x);
第一步: 求出X 的的分布函数FX (x);
第二步: 由X 的非零区域得到Y 的非零区域;
第三步: 对于Y 的非零区域, 从定义出发求Y 的分布函
数FY (y ) = P(Y ≤ y );
第四步: 求导得到Y 的密度函数pY (y ).
关键: 从{g (X ) ≤ y }中解出X , 从而得到与之等价的X 的不等
式.
2. 连续型r.v.函数的分布
一般步骤:
设r.v. X ∼ pX (x);
第一步: 求出X 的的分布函数FX (x);
第二步: 由X 的非零区域得到Y 的非零区域;
第三步: 对于Y 的非零区域, 从定义出发求Y 的分布函
数FY (y ) = P(Y ≤ y );
第四步: 求导得到Y 的密度函数pY (y ).
关键: 从{g (X ) ≤ y }中解出X , 从而得到与之等价的X 的不等
式.
例2.3.4:
设r.v. X ∼ Exp(λ), a > 0, 求Y = aX 的概率分布.
解:
1 X 的密度函数与分布函数分别为
( (
λe −λx , x ≥ 0 1 − e −λx , x ≥ 0
pX (x) = , FX (x) = .
0, ∼ 0, ∼
2 由于X ≥ 0, 故Y ≥ 0.
3 ∀y ≥ 0, FY (y ) = P(Y ≤ y ) = P(aX ≤ y ) = P(X ≤ y /a) =
FX (y /a) = 1 − e −λy /a .
例2.3.4:
设r.v. X ∼ Exp(λ), a > 0, 求Y = aX 的概率分布.
解:
1 X 的密度函数与分布函数分别为
( (
λe −λx , x ≥ 0 1 − e −λx , x ≥ 0
pX (x) = , FX (x) = .
0, ∼ 0, ∼
2 由于X ≥ 0, 故Y ≥ 0.
3 ∀y ≥ 0, FY (y ) = P(Y ≤ y ) = P(aX ≤ y ) = P(X ≤ y /a) =
FX (y /a) = 1 − e −λy /a .
例2.3.4:
设r.v. X ∼ Exp(λ), a > 0, 求Y = aX 的概率分布.
解:
1 X 的密度函数与分布函数分别为
( (
λe −λx , x ≥ 0 1 − e −λx , x ≥ 0
pX (x) = , FX (x) = .
0, ∼ 0, ∼
2 由于X ≥ 0, 故Y ≥ 0.
3 ∀y ≥ 0, FY (y ) = P(Y ≤ y ) = P(aX ≤ y ) = P(X ≤ y /a) =
FX (y /a) = 1 − e −λy /a .
例2.3.4:
设r.v. X ∼ Exp(λ), a > 0, 求Y = aX 的概率分布.
解:
1 X 的密度函数与分布函数分别为
( (
λe −λx , x ≥ 0 1 − e −λx , x ≥ 0
pX (x) = , FX (x) = .
0, ∼ 0, ∼
2 由于X ≥ 0, 故Y ≥ 0.
3 ∀y ≥ 0, FY (y ) = P(Y ≤ y ) = P(aX ≤ y ) = P(X ≤ y /a) =
FX (y /a) = 1 − e −λy /a .
例2.3.5:
设r.v. X ∼ U(0, 1), 求Y = − ln X 的概率分布.
解:
1 X 的分布函数为
0, x < 0
FX (x) = x, 0 ≤ x ≤ 1 .
1, x > 1
例2.3.5:
设r.v. X ∼ U(0, 1), 求Y = − ln X 的概率分布.
解:
1 X 的分布函数为
0, x < 0
FX (x) = x, 0 ≤ x ≤ 1 .
1, x > 1
例2.3.5:
设r.v. X ∼ U(0, 1), 求Y = − ln X 的概率分布.
解:
1 X 的分布函数为
0, x < 0
FX (x) = x, 0 ≤ x ≤ 1 .
1, x > 1
例2.3.5:
设r.v. X ∼ U(0, 1), 求Y = − ln X 的概率分布.
解:
1 X 的分布函数为
0, x < 0
FX (x) = x, 0 ≤ x ≤ 1 .
1, x > 1
4 FY0 (y ) = e −y , y > 0;
5 所以Y 的分布函数和密度函数(求导得)分别为
( (
1 − e −y , y ≥ 0 e −y , y ≥ 0
FY (x) = , pY (x) = .
0, ∼ 0, ∼
4 FY0 (y ) = e −y , y > 0;
5 所以Y 的分布函数和密度函数(求导得)分别为
( (
1 − e −y , y ≥ 0 e −y , y ≥ 0
FY (x) = , pY (x) = .
0, ∼ 0, ∼
4 FY0 (y ) = e −y , y > 0;
5 所以Y 的分布函数和密度函数(求导得)分别为
( (
1 − e −y , y ≥ 0 e −y , y ≥ 0
FY (x) = , pY (x) = .
0, ∼ 0, ∼
单调函数场合r.v.函数的分布
上面的两个例子中,函数y=g(x)都是严格单调的, 一般地有下面的
结论
定理2.1
设连续型r.v. X ∼ pX (x), x ∈ (a, b), Y = g (X ), 其中g (x)严格单
调, 且其导数存在, 则
(
dh(y )
pX [h(y )] dy , α < y < β
Y ∼ pY (y ) =
0, ∼
单调函数场合r.v.函数的分布
上面的两个例子中,函数y=g(x)都是严格单调的, 一般地有下面的
结论
定理2.1
设连续型r.v. X ∼ pX (x), x ∈ (a, b), Y = g (X ), 其中g (x)严格单
调, 且其导数存在, 则
(
dh(y )
pX [h(y )] dy , α < y < β
Y ∼ pY (y ) =
0, ∼
想一想?
思考题1
如何运用定理3.1求解例2.3.4和例2.3.5?
思考题2
若X ∼ FX (x), Y = aX + b(a 6= 0), 则Y ∼ pX ( y −b
1
a ) a .
思考题3
若g (x)并非单调,如何求Y = g (X )的分布, 例如: 若X ∼ pX (x),
则Y = X 2 ∼?.
想一想?
思考题1
如何运用定理3.1求解例2.3.4和例2.3.5?
思考题2
若X ∼ FX (x), Y = aX + b(a 6= 0), 则Y ∼ pX ( y −b
1
a ) a .
思考题3
若g (x)并非单调,如何求Y = g (X )的分布, 例如: 若X ∼ pX (x),
则Y = X 2 ∼?.
想一想?
思考题1
如何运用定理3.1求解例2.3.4和例2.3.5?
思考题2
若X ∼ FX (x), Y = aX + b(a 6= 0), 则Y ∼ pX ( y −b
1
a ) a .
思考题3
若g (x)并非单调,如何求Y = g (X )的分布, 例如: 若X ∼ pX (x),
则Y = X 2 ∼?.
想一想?
思考题1
如何运用定理3.1求解例2.3.4和例2.3.5?
思考题2
若X ∼ FX (x), Y = aX + b(a 6= 0), 则Y ∼ pX ( y −b
1
a ) a .
思考题3
若g (x)并非单调,如何求Y = g (X )的分布, 例如: 若X ∼ pX (x),
则Y = X 2 ∼?.
2.3.3 连续型r.v.的数学期望
连续型r.v. X , 其数学期望的定义是类似的, 只要
用p.d.f.R p(x)代替分布列{pi };
用积分 代替求和 .
P
2.3.3 连续型r.v.的数学期望
连续型r.v. X , 其数学期望的定义是类似的, 只要
用p.d.f.R p(x)代替分布列{pi };
用积分 代替求和 .
P
2.3.3 连续型r.v.的数学期望
连续型r.v. X , 其数学期望的定义是类似的, 只要
用p.d.f.R p(x)代替分布列{pi };
用积分 代替求和 .
P
2.3.3 连续型r.v.的数学期望
连续型r.v. X , 其数学期望的定义是类似的, 只要
用p.d.f.R p(x)代替分布列{pi };
用积分 代替求和 .
P
连续型r.v.的数学期望
定义2.2 (连续型r.v.的数学期望)
R∞
设连续型r.v.的X ∼ p(x), 若积分 −∞ |x|p(x)dx有限, 则称
Z ∞
E (X ) = xp(x)dx
−∞
连续型r.v.的数学期望
定义2.2 (连续型r.v.的数学期望)
R∞
设连续型r.v.的X ∼ p(x), 若积分 −∞ |x|p(x)dx有限, 则称
Z ∞
E (X ) = xp(x)dx
−∞
例2.3.6: 期望不存在的分布
柯西分布的p.d.f.为.
1
p(x) = , −∞ < x < ∞
π(1 + x 2 )
其数学期望不存在!
例2.3.8: 指数分布Exp(λ)的数学期望
Z ∞
E (X ) = x · λe −λx dx
0
Z ∞
=− xd e −λx
0
∞ Z ∞
= −xe −λx + e −λx dx
0 0
1 −λx ∞
=− e
λ
0
1
= .
λ
2.3.4 正态分布
正态分布是应用最广泛的一种连续型分布;
德莫佛最早发现了二项概率的一个近似公式,这一公式被认
为是正态分布的首次露面.
正态分布在十九世纪前叶由高斯加以推广,所以通常称为高
斯分布.
2.3.4 正态分布
正态分布是应用最广泛的一种连续型分布;
德莫佛最早发现了二项概率的一个近似公式,这一公式被认
为是正态分布的首次露面.
正态分布在十九世纪前叶由高斯加以推广,所以通常称为高
斯分布.
2.3.4 正态分布
正态分布是应用最广泛的一种连续型分布;
德莫佛最早发现了二项概率的一个近似公式,这一公式被认
为是正态分布的首次露面.
正态分布在十九世纪前叶由高斯加以推广,所以通常称为高
斯分布.
正态分布的定义
正态分布的定义
若r.v. X 的p.d.f.可表示为(可以验证!)
1 n 2
o
p(x) = √ exp − (x−µ)
2σ 2 , −∞ < x < ∞
2πσ
正态分布的定义
正态分布的定义
若r.v. X 的p.d.f.可表示为(可以验证!)
1 n 2
o
p(x) = √ exp − (x−µ)
2σ 2 , −∞ < x < ∞
2πσ
正态分布的分布函数
Z x (t−µ)2
1
F (x) = √ e− 2σ 2 dt, −∞ < x < ∞
σ 2π −∞
正态分布的分布函数
Z x (t−µ)2
1
F (x) = √ e− 2σ 2 dt, −∞ < x < ∞
σ 2π −∞
正态分布的地位
正态分布在概率论与数理统计的理论与应用中都是最为重要的分
布,可以说二者是以正态分布为中心建立起来的.
1. 现实意义—许多随机现象可用正态分布来(近似)描述
测量误差;
零件的尺寸;
信号噪声;
纤维的强度和张力;
凡人的收入;
某地区的年降雨量;
某地区成年男子的身高、体重;
... ...
正态分布的地位
正态分布在概率论与数理统计的理论与应用中都是最为重要的分
布,可以说二者是以正态分布为中心建立起来的.
1. 现实意义—许多随机现象可用正态分布来(近似)描述
测量误差;
零件的尺寸;
信号噪声;
纤维的强度和张力;
凡人的收入;
某地区的年降雨量;
某地区成年男子的身高、体重;
... ...
正态分布的地位
正态分布在概率论与数理统计的理论与应用中都是最为重要的分
布,可以说二者是以正态分布为中心建立起来的.
1. 现实意义—许多随机现象可用正态分布来(近似)描述
测量误差;
零件的尺寸;
信号噪声;
纤维的强度和张力;
凡人的收入;
某地区的年降雨量;
某地区成年男子的身高、体重;
... ...
正态分布的地位
正态分布在概率论与数理统计的理论与应用中都是最为重要的分
布,可以说二者是以正态分布为中心建立起来的.
1. 现实意义—许多随机现象可用正态分布来(近似)描述
测量误差;
零件的尺寸;
信号噪声;
纤维的强度和张力;
凡人的收入;
某地区的年降雨量;
某地区成年男子的身高、体重;
... ...
正态分布的地位
正态分布在概率论与数理统计的理论与应用中都是最为重要的分
布,可以说二者是以正态分布为中心建立起来的.
1. 现实意义—许多随机现象可用正态分布来(近似)描述
测量误差;
零件的尺寸;
信号噪声;
纤维的强度和张力;
凡人的收入;
某地区的年降雨量;
某地区成年男子的身高、体重;
... ...
正态分布的地位
正态分布在概率论与数理统计的理论与应用中都是最为重要的分
布,可以说二者是以正态分布为中心建立起来的.
1. 现实意义—许多随机现象可用正态分布来(近似)描述
测量误差;
零件的尺寸;
信号噪声;
纤维的强度和张力;
凡人的收入;
某地区的年降雨量;
某地区成年男子的身高、体重;
... ...
正态分布的地位
正态分布在概率论与数理统计的理论与应用中都是最为重要的分
布,可以说二者是以正态分布为中心建立起来的.
1. 现实意义—许多随机现象可用正态分布来(近似)描述
测量误差;
零件的尺寸;
信号噪声;
纤维的强度和张力;
凡人的收入;
某地区的年降雨量;
某地区成年男子的身高、体重;
... ...
正态分布的地位
正态分布在概率论与数理统计的理论与应用中都是最为重要的分
布,可以说二者是以正态分布为中心建立起来的.
1. 现实意义—许多随机现象可用正态分布来(近似)描述
测量误差;
零件的尺寸;
信号噪声;
纤维的强度和张力;
凡人的收入;
某地区的年降雨量;
某地区成年男子的身高、体重;
... ...
图 1-2.1: 上海99年年降雨量
图 1-2.2: 某大学男大学生的身高
正态分布的地位(续)
2. 近似计算—许多分布可用正态分布作近似计算
二项分布b(n, p) (n很大时);
根据中心极限定理(见第三章)多个r.v.的和可以用正态分布
近似.
3. 理论意义—正态分布可以导出一些常用的分布
特别是统计推断中使用的三大分布:
χ2 分布;
t分布;
F 分布.
正态分布的地位(续)
2. 近似计算—许多分布可用正态分布作近似计算
二项分布b(n, p) (n很大时);
根据中心极限定理(见第三章)多个r.v.的和可以用正态分布
近似.
3. 理论意义—正态分布可以导出一些常用的分布
特别是统计推断中使用的三大分布:
χ2 分布;
t分布;
F 分布.
正态分布的地位(续)
2. 近似计算—许多分布可用正态分布作近似计算
二项分布b(n, p) (n很大时);
根据中心极限定理(见第三章)多个r.v.的和可以用正态分布
近似.
3. 理论意义—正态分布可以导出一些常用的分布
特别是统计推断中使用的三大分布:
χ2 分布;
t分布;
F 分布.
正态分布的地位(续)
2. 近似计算—许多分布可用正态分布作近似计算
二项分布b(n, p) (n很大时);
根据中心极限定理(见第三章)多个r.v.的和可以用正态分布
近似.
3. 理论意义—正态分布可以导出一些常用的分布
特别是统计推断中使用的三大分布:
χ2 分布;
t分布;
F 分布.
正态分布的(几何)性质
p(x)的图形—正态曲线呈钟形: 中间高,二边低,左右对称.
p(x)是关于µ是对称的, 在µ 点p(x) 取得最大值;
若σ固定, µ改变, p(x)左右移动, 形状保持不变;
若µ固定, σ改变, σ越大曲线越平坦; σ越小曲线越陡峭.
正态分布的(几何)性质
p(x)的图形—正态曲线呈钟形: 中间高,二边低,左右对称.
p(x)是关于µ是对称的, 在µ 点p(x) 取得最大值;
若σ固定, µ改变, p(x)左右移动, 形状保持不变;
若µ固定, σ改变, σ越大曲线越平坦; σ越小曲线越陡峭.
正态分布的(几何)性质
p(x)的图形—正态曲线呈钟形: 中间高,二边低,左右对称.
p(x)是关于µ是对称的, 在µ 点p(x) 取得最大值;
若σ固定, µ改变, p(x)左右移动, 形状保持不变;
若µ固定, σ改变, σ越大曲线越平坦; σ越小曲线越陡峭.
正态分布的(几何)性质
p(x)的图形—正态曲线呈钟形: 中间高,二边低,左右对称.
p(x)是关于µ是对称的, 在µ 点p(x) 取得最大值;
若σ固定, µ改变, p(x)左右移动, 形状保持不变;
若µ固定, σ改变, σ越大曲线越平坦; σ越小曲线越陡峭.
正态分布的(几何)性质
p(x)的图形—正态曲线呈钟形: 中间高,二边低,左右对称.
p(x)是关于µ是对称的, 在µ 点p(x) 取得最大值;
若σ固定, µ改变, p(x)左右移动, 形状保持不变;
若µ固定, σ改变, σ越大曲线越平坦; σ越小曲线越陡峭.
正态分布的(几何)性质
p(x)的图形—正态曲线呈钟形: 中间高,二边低,左右对称.
p(x)是关于µ是对称的, 在µ 点p(x) 取得最大值;
若σ固定, µ改变, p(x)左右移动, 形状保持不变;
若µ固定, σ改变, σ越大曲线越平坦; σ越小曲线越陡峭.
参数µ,σ 2 的意义
设r.v. X ∼ N(µ, σ 2 ),
参数µ
E (X ) = µ(证明:Page 103)
位置参数µ决定了正态分布的位置
参数σ 2
E [(X − E (X ))2 ] = σ 2 , 它称为方差, σ称为标准差(见下一节)
σ(或σ 2 )它刻划了正态分布在其期望值µ附近集中与分散程
度: σ愈小,分布愈集中—正态分布显得高而瘦; σ愈大,分布
愈分散—正态分布显得矮而胖.
参数µ,σ 2 的意义
设r.v. X ∼ N(µ, σ 2 ),
参数µ
E (X ) = µ(证明:Page 103)
位置参数µ决定了正态分布的位置
参数σ 2
E [(X − E (X ))2 ] = σ 2 , 它称为方差, σ称为标准差(见下一节)
σ(或σ 2 )它刻划了正态分布在其期望值µ附近集中与分散程
度: σ愈小,分布愈集中—正态分布显得高而瘦; σ愈大,分布
愈分散—正态分布显得矮而胖.
参数µ,σ 2 的意义
设r.v. X ∼ N(µ, σ 2 ),
参数µ
E (X ) = µ(证明:Page 103)
位置参数µ决定了正态分布的位置
参数σ 2
E [(X − E (X ))2 ] = σ 2 , 它称为方差, σ称为标准差(见下一节)
σ(或σ 2 )它刻划了正态分布在其期望值µ附近集中与分散程
度: σ愈小,分布愈集中—正态分布显得高而瘦; σ愈大,分布
愈分散—正态分布显得矮而胖.
参数µ,σ 2 的意义
设r.v. X ∼ N(µ, σ 2 ),
参数µ
E (X ) = µ(证明:Page 103)
位置参数µ决定了正态分布的位置
参数σ 2
E [(X − E (X ))2 ] = σ 2 , 它称为方差, σ称为标准差(见下一节)
σ(或σ 2 )它刻划了正态分布在其期望值µ附近集中与分散程
度: σ愈小,分布愈集中—正态分布显得高而瘦; σ愈大,分布
愈分散—正态分布显得矮而胖.
参数µ,σ 2 的意义
设r.v. X ∼ N(µ, σ 2 ),
参数µ
E (X ) = µ(证明:Page 103)
位置参数µ决定了正态分布的位置
参数σ 2
E [(X − E (X ))2 ] = σ 2 , 它称为方差, σ称为标准差(见下一节)
σ(或σ 2 )它刻划了正态分布在其期望值µ附近集中与分散程
度: σ愈小,分布愈集中—正态分布显得高而瘦; σ愈大,分布
愈分散—正态分布显得矮而胖.
标准正态分布N(0,1)
µ = 0, σ = 1的正态分布称为标准正态分布, 记为N(0,1),相应
的r.v.(记为U) 称为标准正态变量;
U ∼ N(0, 1)的p.d.f和C.D.F分别为
Z x
1 x2 1 t2
ϕ(x) = √ e − 2 , , Φ(x) = √ e − 2 dt, −∞ < x < ∞.
2π 2π −∞
标准正态分布N(0,1)
µ = 0, σ = 1的正态分布称为标准正态分布, 记为N(0,1),相应
的r.v.(记为U) 称为标准正态变量;
U ∼ N(0, 1)的p.d.f和C.D.F分别为
Z x
1 x2 1 t2
ϕ(x) = √ e − 2 , , Φ(x) = √ e − 2 dt, −∞ < x < ∞.
2π 2π −∞
标准正态分布N(0,1)
µ = 0, σ = 1的正态分布称为标准正态分布, 记为N(0,1),相应
的r.v.(记为U) 称为标准正态变量;
U ∼ N(0, 1)的p.d.f和C.D.F分别为
Z x
1 x2 1 t2
ϕ(x) = √ e − 2 , , Φ(x) = √ e − 2 dt, −∞ < x < ∞.
2π 2π −∞
标准正态分布N(0,1)
µ = 0, σ = 1的正态分布称为标准正态分布, 记为N(0,1),相应
的r.v.(记为U) 称为标准正态变量;
U ∼ N(0, 1)的p.d.f和C.D.F分别为
Z x
1 x2 1 t2
ϕ(x) = √ e − 2 , , Φ(x) = √ e − 2 dt, −∞ < x < ∞.
2π 2π −∞
标准正态分布的重要性(1)
1. 非标准向标准转化
任何一个一般的正态分布都可以通过线性变换转化为标准正
态分布.
X −µ
即若X ∼ N(µ, σ 2 ), 则U = σ ∼ N(0, 1). (证明:Page 105)
X ∼ N(µ, σ 2 ), 则∀a < b
b−µ a−µ
P(a < X < b) = Φ −Φ
σ σ
b−µ
P(X < b) = Φ
σ
a−µ
P(X > a) = 1 − Φ
σ
标准正态分布的重要性(1)
1. 非标准向标准转化
任何一个一般的正态分布都可以通过线性变换转化为标准正
态分布.
X −µ
即若X ∼ N(µ, σ 2 ), 则U = σ ∼ N(0, 1). (证明:Page 105)
X ∼ N(µ, σ 2 ), 则∀a < b
b−µ a−µ
P(a < X < b) = Φ −Φ
σ σ
b−µ
P(X < b) = Φ
σ
a−µ
P(X > a) = 1 − Φ
σ
标准正态分布的重要性(1)
1. 非标准向标准转化
任何一个一般的正态分布都可以通过线性变换转化为标准正
态分布.
X −µ
即若X ∼ N(µ, σ 2 ), 则U = σ ∼ N(0, 1). (证明:Page 105)
X ∼ N(µ, σ 2 ), 则∀a < b
b−µ a−µ
P(a < X < b) = Φ −Φ
σ σ
b−µ
P(X < b) = Φ
σ
a−µ
P(X > a) = 1 − Φ
σ
正态分布分布的重要性(2)
2. 正态分布概率的计算
结论: 只要将标准正态分布的分布函数制成表,就可以解决
一般正态分布的概率计算问题.
对于u ≥ 0, Φ(u) = P(U ≤ u)可查附表3(Page 497).
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
正向查表: 由u ≥ 0, 查Φ(u)的(概
率)值;
反向查表: 已知概率p, 查满
足Φ(u) = p对应的u值(通常需要线性
插值).
正态分布分布的重要性(2)
2. 正态分布概率的计算
结论: 只要将标准正态分布的分布函数制成表,就可以解决
一般正态分布的概率计算问题.
对于u ≥ 0, Φ(u) = P(U ≤ u)可查附表3(Page 497).
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
正向查表: 由u ≥ 0, 查Φ(u)的(概
率)值;
反向查表: 已知概率p, 查满
足Φ(u) = p对应的u值(通常需要线性
插值).
正态分布分布的重要性(2)
2. 正态分布概率的计算
结论: 只要将标准正态分布的分布函数制成表,就可以解决
一般正态分布的概率计算问题.
对于u ≥ 0, Φ(u) = P(U ≤ u)可查附表3(Page 497).
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
正向查表: 由u ≥ 0, 查Φ(u)的(概
率)值;
反向查表: 已知概率p, 查满
足Φ(u) = p对应的u值(通常需要线性
插值).
正态分布分布的重要性(2)
2. 正态分布概率的计算
结论: 只要将标准正态分布的分布函数制成表,就可以解决
一般正态分布的概率计算问题.
对于u ≥ 0, Φ(u) = P(U ≤ u)可查附表3(Page 497).
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
正向查表: 由u ≥ 0, 查Φ(u)的(概
率)值;
反向查表: 已知概率p, 查满
足Φ(u) = p对应的u值(通常需要线性
插值).
正态分布分布的重要性(2)
2. 正态分布概率的计算
结论: 只要将标准正态分布的分布函数制成表,就可以解决
一般正态分布的概率计算问题.
对于u ≥ 0, Φ(u) = P(U ≤ u)可查附表3(Page 497).
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
正向查表: 由u ≥ 0, 查Φ(u)的(概
率)值;
反向查表: 已知概率p, 查满
足Φ(u) = p对应的u值(通常需要线性
插值).
正态分布分布的重要性(2)
2. 正态分布概率的计算
结论: 只要将标准正态分布的分布函数制成表,就可以解决
一般正态分布的概率计算问题.
对于u ≥ 0, Φ(u) = P(U ≤ u)可查附表3(Page 497).
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
正向查表: 由u ≥ 0, 查Φ(u)的(概
率)值;
反向查表: 已知概率p, 查满
足Φ(u) = p对应的u值(通常需要线性
插值).
正态分布分布的重要性(2)
2. 正态分布概率的计算
结论: 只要将标准正态分布的分布函数制成表,就可以解决
一般正态分布的概率计算问题.
对于u ≥ 0, Φ(u) = P(U ≤ u)可查附表3(Page 497).
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
正向查表: 由u ≥ 0, 查Φ(u)的(概
率)值;
反向查表: 已知概率p, 查满
足Φ(u) = p对应的u值(通常需要线性
插值).
正态分布分布的重要性(2)
2. 正态分布概率的计算
结论: 只要将标准正态分布的分布函数制成表,就可以解决
一般正态分布的概率计算问题.
对于u ≥ 0, Φ(u) = P(U ≤ u)可查附表3(Page 497).
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
正向查表: 由u ≥ 0, 查Φ(u)的(概
率)值;
反向查表: 已知概率p, 查满
足Φ(u) = p对应的u值(通常需要线性
插值).
正态分布分布的重要性(2)
2. 正态分布概率的计算
结论: 只要将标准正态分布的分布函数制成表,就可以解决
一般正态分布的概率计算问题.
对于u ≥ 0, Φ(u) = P(U ≤ u)可查附表3(Page 497).
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
正向查表: 由u ≥ 0, 查Φ(u)的(概
率)值;
反向查表: 已知概率p, 查满
足Φ(u) = p对应的u值(通常需要线性
插值).
正态分布分布的重要性(2)
2. 正态分布概率的计算
结论: 只要将标准正态分布的分布函数制成表,就可以解决
一般正态分布的概率计算问题.
对于u ≥ 0, Φ(u) = P(U ≤ u)可查附表3(Page 497).
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
正向查表: 由u ≥ 0, 查Φ(u)的(概
率)值;
反向查表: 已知概率p, 查满
足Φ(u) = p对应的u值(通常需要线性
插值).
正态分布分布的重要性(2)
2. 正态分布概率的计算
结论: 只要将标准正态分布的分布函数制成表,就可以解决
一般正态分布的概率计算问题.
对于u ≥ 0, Φ(u) = P(U ≤ u)可查附表3(Page 497).
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
正向查表: 由u ≥ 0, 查Φ(u)的(概
率)值;
反向查表: 已知概率p, 查满
足Φ(u) = p对应的u值(通常需要线性
插值).
想一想?
课堂练习: 查表
Φ(0) =?
Φ(1) =?
Φ(1.64) =?
Φ(−1.64) =?
已知Φ(u) = 0.99, u =?
想一想?
课堂练习: 查表
Φ(0) =?
Φ(1) =?
Φ(1.64) =?
Φ(−1.64) =?
已知Φ(u) = 0.99, u =?
想一想?
课堂练习: 查表
Φ(0) =?
Φ(1) =?
Φ(1.64) =?
Φ(−1.64) =?
已知Φ(u) = 0.99, u =?
想一想?
课堂练习: 查表
Φ(0) =?
Φ(1) =?
Φ(1.64) =?
Φ(−1.64) =?
已知Φ(u) = 0.99, u =?
想一想?
课堂练习: 查表
Φ(0) =?
Φ(1) =?
Φ(1.64) =?
Φ(−1.64) =?
已知Φ(u) = 0.99, u =?
想一想?
课堂练习: 查表
Φ(0) =?
Φ(1) =?
Φ(1.64) =?
Φ(−1.64) =?
已知Φ(u) = 0.99, u =?
应用: 3σ准则(1)
3σ准则—N(0,1)场合
设U ∼ N(0, 1), 则
U的取值几乎全部集中在[-3,3]区间内, 超出这个范围的可能
性仅占不到0.3%.
应用: 3σ准则(1)
3σ准则—N(0,1)场合
设U ∼ N(0, 1), 则
U的取值几乎全部集中在[-3,3]区间内, 超出这个范围的可能
性仅占不到0.3%.
应用: 3σ准则(2)
3σ准则—N(µ, σ 2 )场合
设X ∼ N(µ, σ), 则
应用: 3σ准则(2)
3σ准则—N(µ, σ 2 )场合
设X ∼ N(µ, σ), 则
应用: 3σ准则(2)
3σ准则—N(µ, σ 2 )场合
设X ∼ N(µ, σ), 则
应用: 分位数(1)
问题1:
设X ∼ N(µ, σ 2 ), 已知P(X < cα ) = α(0 < α < 1), 求cα
解:
若Φ(u) = P(U < u) = α, 则可得u = uα = Φ−1 (α), 并称之
为标准正态分布N(0,1)的(下侧)α分位数;
P(X < cα ) = Φ( cασ−µ ) = α;
cα −µ
σ = Φ−1 (α);
cα = µ + σΦ−1 (α)—N(µ, σ 2 )的(下侧)α分位数;
应用: 分位数(1)
问题1:
设X ∼ N(µ, σ 2 ), 已知P(X < cα ) = α(0 < α < 1), 求cα
解:
若Φ(u) = P(U < u) = α, 则可得u = uα = Φ−1 (α), 并称之
为标准正态分布N(0,1)的(下侧)α分位数;
P(X < cα ) = Φ( cασ−µ ) = α;
cα −µ
σ = Φ−1 (α);
cα = µ + σΦ−1 (α)—N(µ, σ 2 )的(下侧)α分位数;
应用: 分位数(1)
问题1:
设X ∼ N(µ, σ 2 ), 已知P(X < cα ) = α(0 < α < 1), 求cα
解:
若Φ(u) = P(U < u) = α, 则可得u = uα = Φ−1 (α), 并称之
为标准正态分布N(0,1)的(下侧)α分位数;
P(X < cα ) = Φ( cασ−µ ) = α;
cα −µ
σ = Φ−1 (α);
cα = µ + σΦ−1 (α)—N(µ, σ 2 )的(下侧)α分位数;
应用: 分位数(1)
问题1:
设X ∼ N(µ, σ 2 ), 已知P(X < cα ) = α(0 < α < 1), 求cα
解:
若Φ(u) = P(U < u) = α, 则可得u = uα = Φ−1 (α), 并称之
为标准正态分布N(0,1)的(下侧)α分位数;
P(X < cα ) = Φ( cασ−µ ) = α;
cα −µ
σ = Φ−1 (α);
cα = µ + σΦ−1 (α)—N(µ, σ 2 )的(下侧)α分位数;
应用: 分位数(2)
问题2
设X ∼ N(µ, σ 2 ), 已知P(|X − µ| > cσ) = α(0 < α < 1), 求c
解:
P(|X − µ| < cσ) = 2Φ(c) − 1
α = P(|X − µ| > cσ) = 1 − [2Φ(c) − 1] = 2[1 − Φ(c)]
α
Φ(c) = 1 − 2
c = Φ−1 (1 − α2 ).
图形上易于理解?
应用: 分位数(2)
问题2
设X ∼ N(µ, σ 2 ), 已知P(|X − µ| > cσ) = α(0 < α < 1), 求c
解:
P(|X − µ| < cσ) = 2Φ(c) − 1
α = P(|X − µ| > cσ) = 1 − [2Φ(c) − 1] = 2[1 − Φ(c)]
α
Φ(c) = 1 − 2
c = Φ−1 (1 − α2 ).
图形上易于理解?
应用: 分位数(2)
问题2
设X ∼ N(µ, σ 2 ), 已知P(|X − µ| > cσ) = α(0 < α < 1), 求c
解:
P(|X − µ| < cσ) = 2Φ(c) − 1
α = P(|X − µ| > cσ) = 1 − [2Φ(c) − 1] = 2[1 − Φ(c)]
α
Φ(c) = 1 − 2
c = Φ−1 (1 − α2 ).
图形上易于理解?
应用: 分位数(2)
问题2
设X ∼ N(µ, σ 2 ), 已知P(|X − µ| > cσ) = α(0 < α < 1), 求c
解:
P(|X − µ| < cσ) = 2Φ(c) − 1
α = P(|X − µ| > cσ) = 1 − [2Φ(c) − 1] = 2[1 − Φ(c)]
α
Φ(c) = 1 − 2
c = Φ−1 (1 − α2 ).
图形上易于理解?
应用: 分位数(2)
问题2
设X ∼ N(µ, σ 2 ), 已知P(|X − µ| > cσ) = α(0 < α < 1), 求c
解:
P(|X − µ| < cσ) = 2Φ(c) − 1
α = P(|X − µ| > cσ) = 1 − [2Φ(c) − 1] = 2[1 − Φ(c)]
α
Φ(c) = 1 − 2
c = Φ−1 (1 − α2 ).
图形上易于理解?
例2.3.9
例2.3.9:
假设某公司职员每周的超时津贴服从正态分布N(42.5, 10.42 ), 试
问每周超时津贴超过60元的职工在全公司占多少比例?
解:
设X=“公司职工每周超时津贴”,则X ∼ N(42.5, 10.42 )
P(X > 60) = 1 − P(X ≤ 60) = 1 − Φ( 60−42.5
10.4 ) = 1 − Φ(1.68)
= 1 − 0.9535 = 0.0465.
例2.3.9
例2.3.9:
假设某公司职员每周的超时津贴服从正态分布N(42.5, 10.42 ), 试
问每周超时津贴超过60元的职工在全公司占多少比例?
解:
设X=“公司职工每周超时津贴”,则X ∼ N(42.5, 10.42 )
P(X > 60) = 1 − P(X ≤ 60) = 1 − Φ( 60−42.5
10.4 ) = 1 − Φ(1.68)
= 1 − 0.9535 = 0.0465.
例2.3.9
例2.3.9:
假设某公司职员每周的超时津贴服从正态分布N(42.5, 10.42 ), 试
问每周超时津贴超过60元的职工在全公司占多少比例?
解:
设X=“公司职工每周超时津贴”,则X ∼ N(42.5, 10.42 )
P(X > 60) = 1 − P(X ≤ 60) = 1 − Φ( 60−42.5
10.4 ) = 1 − Φ(1.68)
= 1 − 0.9535 = 0.0465.
例2.3.10
例2.3.10:
某厂生产一磅的罐装咖啡. 大量数据表明, 每罐的重量服从标准
差为0.1磅的正态分布. 为使每罐咖啡少于1磅的罐头不多于10%,
应把自动包装线控制的均值调节到什么位置?
解:
设X=“一罐咖啡重量”,则X ∼ N(µ, 0.12 )
若µ = 1, P(X < 1) = 0.5, 这不符合要求!
0.1 = P(X < 1) = Φ( 1−µ
0.1 ).
Φ( µ−1
0.1 ) = 0.9
µ = 1 + 0.1 × Φ−1 (0.9) = 1.128.
例2.3.10
例2.3.10:
某厂生产一磅的罐装咖啡. 大量数据表明, 每罐的重量服从标准
差为0.1磅的正态分布. 为使每罐咖啡少于1磅的罐头不多于10%,
应把自动包装线控制的均值调节到什么位置?
解:
设X=“一罐咖啡重量”,则X ∼ N(µ, 0.12 )
若µ = 1, P(X < 1) = 0.5, 这不符合要求!
0.1 = P(X < 1) = Φ( 1−µ
0.1 ).
Φ( µ−1
0.1 ) = 0.9
µ = 1 + 0.1 × Φ−1 (0.9) = 1.128.
例2.3.10
例2.3.10:
某厂生产一磅的罐装咖啡. 大量数据表明, 每罐的重量服从标准
差为0.1磅的正态分布. 为使每罐咖啡少于1磅的罐头不多于10%,
应把自动包装线控制的均值调节到什么位置?
解:
设X=“一罐咖啡重量”,则X ∼ N(µ, 0.12 )
若µ = 1, P(X < 1) = 0.5, 这不符合要求!
0.1 = P(X < 1) = Φ( 1−µ
0.1 ).
Φ( µ−1
0.1 ) = 0.9
µ = 1 + 0.1 × Φ−1 (0.9) = 1.128.
例2.3.10
例2.3.10:
某厂生产一磅的罐装咖啡. 大量数据表明, 每罐的重量服从标准
差为0.1磅的正态分布. 为使每罐咖啡少于1磅的罐头不多于10%,
应把自动包装线控制的均值调节到什么位置?
解:
设X=“一罐咖啡重量”,则X ∼ N(µ, 0.12 )
若µ = 1, P(X < 1) = 0.5, 这不符合要求!
0.1 = P(X < 1) = Φ( 1−µ
0.1 ).
Φ( µ−1
0.1 ) = 0.9
µ = 1 + 0.1 × Φ−1 (0.9) = 1.128.
例2.3.10
例2.3.10:
某厂生产一磅的罐装咖啡. 大量数据表明, 每罐的重量服从标准
差为0.1磅的正态分布. 为使每罐咖啡少于1磅的罐头不多于10%,
应把自动包装线控制的均值调节到什么位置?
解:
设X=“一罐咖啡重量”,则X ∼ N(µ, 0.12 )
若µ = 1, P(X < 1) = 0.5, 这不符合要求!
0.1 = P(X < 1) = Φ( 1−µ
0.1 ).
Φ( µ−1
0.1 ) = 0.9
µ = 1 + 0.1 × Φ−1 (0.9) = 1.128.
例2.3.10
例2.3.10:
某厂生产一磅的罐装咖啡. 大量数据表明, 每罐的重量服从标准
差为0.1磅的正态分布. 为使每罐咖啡少于1磅的罐头不多于10%,
应把自动包装线控制的均值调节到什么位置?
解:
设X=“一罐咖啡重量”,则X ∼ N(µ, 0.12 )
若µ = 1, P(X < 1) = 0.5, 这不符合要求!
0.1 = P(X < 1) = Φ( 1−µ
0.1 ).
Φ( µ−1
0.1 ) = 0.9
µ = 1 + 0.1 × Φ−1 (0.9) = 1.128.
常见的连续型r.v.
常见的连续型r.v.
均匀分布U(a,b);
指数分布Exp(λ)
正态分布N(µ, σ 2 )
伽码分布(Page 108)
贝塔分布(Page 110)
常见的连续型r.v.
常见的连续型r.v.
均匀分布U(a,b);
指数分布Exp(λ)
正态分布N(µ, σ 2 )
伽码分布(Page 108)
贝塔分布(Page 110)
常见的连续型r.v.
常见的连续型r.v.
均匀分布U(a,b);
指数分布Exp(λ)
正态分布N(µ, σ 2 )
伽码分布(Page 108)
贝塔分布(Page 110)
常见的连续型r.v.
常见的连续型r.v.
均匀分布U(a,b);
指数分布Exp(λ)
正态分布N(µ, σ 2 )
伽码分布(Page 108)
贝塔分布(Page 110)
常见的连续型r.v.
常见的连续型r.v.
均匀分布U(a,b);
指数分布Exp(λ)
正态分布N(µ, σ 2 )
伽码分布(Page 108)
贝塔分布(Page 110)
想一想?
证明指数分布的无记忆性
设X ∼ Exp(λ), 则∀s > 0, t > 0
§2.3 习题