当前课程知识点:概率论与数理统计 > 第二章 随机变量及其概率分布 > 第3节 连续型随机变量 > 2.3.2 均匀分布和指数分布
大家好
常见的连续型随机变量,这部分内容
将要重点讨论三个重要的分布
分别为均匀分布,指数分布和正态分布
今天我们主要讲这一部分内容的
前两个分布,均匀分布和指数分布
首先我们来看均匀分布
若连续型随机变量𝑋具有概率密度
在区间[𝑎,𝑏]上是常值
且恰好为区间长度分之一
记𝑏减𝑎分之一
其它为0
我们把具有这样概率密度的随机变量𝑋
称为在区间[𝑎,𝑏]上服从均匀分布
记为大𝑋波浪线
大𝑈[𝑎,𝑏]
均匀分布的密度曲线,如右图的形式
由概率密度可知
随机变量𝑋值在区间[𝑎,𝑏]上取值
且在每一点附近取值概率的大小相同
因此
区间[𝑎,𝑏]上服从均匀分布的随机变量
在区间[𝑎,𝑏]上是等可能取值的
也就是几何概型
实质上均匀分布是几何概型的
一个数学模型
例如𝑋服从区间[𝑎,𝑏]上的均匀分布
对于区间[𝑎,𝑏]的任意子区间[𝑐,𝑑]
随机变量在[𝑐,𝑑]上取值的概率
也就是大𝑋大于等于𝑐
小于等于𝑑的概率
等于概率密度在[𝑐,𝑑]上的积分
这个被积函数是一个常值
结果就等于𝑏减𝑎分之区间的长度𝑑减𝑐
恰好等于两段区间的长度比
𝑑减𝑐比上𝑏减𝑎
再一次说明均匀分布
实际上就是我们的几何概型
下面我们来看另一例题
若随机变量𝑋在区间[−4,6]上
服从均匀分布
则方程𝑥²加上𝑥乘上
大𝑋加1等于零
有实根的概率为多少
由于均匀分布的区间长度是10
由均匀分布的定义,随机变量𝑥的
概率密度就等于区间[−4,6]上
为常值十分之一
其它为零
方程有实根的概率
实际上就是Δ大于等于0的概率
而Δ就等于𝑏²−4𝑎𝑐
那么这个概率就是𝑏²−4𝑎𝑐
大于等于0的概率
我们把𝑥²−4大于等于0的概率
可以写成大𝑋小于等于−2的概率
加上大𝑋大于等于2的概率和的形式
由概率密度的积分表示为概率密度函数
从负无穷到−2的积分
加上2到正无穷的积分
那么有效的非零积分为−4到−2
十分之一的积分,还有2到6
十分之一的积分
这两个积分的结果为五分之三
接下来我们来看指数分布
若随机变量𝑋具有概率密度
𝑥大于等于零时
为𝜆倍的𝑒^(−𝜆𝑥)
其它为零,其中参数𝜆
大于0
我们把具有这样概率密度的随机变量𝑋
称为服从参数
为𝜆的指数分布
记为𝑋~𝐸(𝜆)
𝜆是大于0的一个
参数
概率分布密度曲线如右图的形式
在第一象限是衰减的这样一个曲线
以𝑥轴为渐近线
指数分布的分布函数可以由
概率密度积分求得
分布函数为𝑥大于等于0时,1减𝑒^(−𝜆𝑥)
其它为零
对于指数分布的概率密度和分布函数
要注意区分,𝑥大于等于零时,概率密度
为
𝜆倍的𝑒^(−𝜆𝑥)
分布函数为
1减𝑒^(−𝜆𝑥)
指数分布常用来做各种寿命的近似分布
例如动物的寿命
电子元件的使用时间
服务系统的服务时间等等
都近似服从指数分布
关于指数分布
还有另外一种等价的定义形式
若随机变量𝑋的概率密度为
𝑥大于等于0时为
𝜃分之一倍的
𝑒的负的𝜃分之一倍的𝑥
其它为零
其中𝜃大于0,则称𝑋服从
参数为𝜃的指数分布
这个定义与前边比较
就是把前边的参数
𝜆写成了𝜃分之一
类似的分布函数为,𝑥大于等于0时
为𝜃分之一倍的𝑒的负的𝜃分之一𝑥�
𝑥小于0时为0
好,下面我们来看例题
修理某机器所用时间𝑋,服从参数
𝜆等于0.5的指数分布
求某次机器出现故障后
在一小时内修好的概率
随机变量𝑋服从参数为
0.5的指数分布
因此
随机变量𝑋的概率密度函数就等于
𝑥大于等于0时,0.5倍的
𝑒^(−0.5𝑥),其它为0
相应的,𝑋的分布函数,就是𝑥
大于等于0时为1减𝑒^(−0.5𝑥)
其它为0
由于随机变量𝑋表示修理
某机器所用的时间
因此一小时内修好的概率就可以表示为
𝑋大于0小于1的概率
这个概率可用概率密度积分来计算
也可用分布函数来表示
很显然,用分布函数来表示比较简单
这个概率就等于分布函数在1点的
函数值减去在0点的函数值
带入分布函数中由1减𝑒^(−0.5)
减0,等于1减𝑒^(−0.5)
下面我们来看另一例题
设
𝑋为某电子元件使用时间,服从参数
为𝜆的指数分布
求已知电子元件使用𝑠小时后
再使用𝑡小时的概率
由题意,𝑋的分布函数为𝑥大于
等于0时,等于1减𝑒^(−𝜆𝑥)
其它为零
已知使用𝑠小时后再使用𝑡小时的概率
是一个条件概率,表示为大𝑋
大于𝑠发生条件下
大𝑋大于𝑠+𝑡发生的
这样一个条件概率的形式
按条件概率计算公式,等于
两个事件交的概率比上
大𝑋大于𝑠的概率,显然
大𝑋大于𝑠加𝑡,比大𝑋大于𝑠范围小
分子两事件的交事件
就等于大𝑋大于𝑠加𝑡
从而等于大𝑋大于
𝑠加𝑡的概率比上
大𝑋大于𝑠的概率
分子分母用分布函数表示并带入有
1−𝐹(𝑠+𝑡)比上1−𝐹(𝑠)
等于
𝑒的负𝜆(𝑠+𝑡)
比上𝑒^(−𝜆𝑠)
消去𝑒^(−𝜆𝑠)这个因子
等于𝑒^(−𝜆𝑡)
𝑒^(−𝜆𝑡)又可以表示为1−𝐹(𝑡)
等于大𝑋大于𝑡的概率
右边这个概率
是与𝑠的大小无关的
由此例题可以说明
已知使用𝑠小时后再使用
𝑡小时的概率和直接使用𝑡小时的
概率是一样的
也就是与之前使用了多少小时无关
我们常常把指数分布所具有的这种特性
称为无记忆性或无后效性
有时也常说指数分布是个永远年轻的分布
今天我们主要讲了均匀分布和指数分布的
概率密度和分布函数
以及用两个分布计算概率问题
均匀分布可以作为等可能
也就是几何概型的概率模型,指数分布
常用来作为各种寿命和排队模型中的
服务时间的近似分布
且指数分布就有一个有趣的性质
无记忆性
好,这一节就到这里
谢谢大家
-第1节 随机事件
--1.1 作业
-第2节 概率的定义和性质
--1.2 作业
-第3节 古典概型与几何概型
--1.3 作业
-第4节 条件概率
--1.4 作业
-第5节 随机事件的独立性
--1.5 作业
-本章测试
--第一章测试
-第1节 随机变量与分布函数
--2.1 作业
-第2节 离散型随机变量
--2.2 作业
-第3节 连续型随机变量
--2.3 作业
-第4节 随机变量函数的分布
--2.4 作业
-本章测试
--第二章测试
-第1节 二维随机向量及其分布函数
--3.1 作业
-第2节 二维离散型随机向量
--3.2 作业
-第3节 二维连续型随机向量
--3.3 作业
-第4节 条件分布与随机变量的独立性
--3.4 作业
-第5节 随机向量函数的分布
--3.5 作业
-本章测试
--第三章测试
-第1节 数学期望
--4.1 作业
-第2节 方差
--4.2 作业
-第3节 协方差和相关系数
--4.3 作业
-第4节 矩和协方差矩阵
-本章测试
--第四章测试
-第1节 大数定律
--5.1 作业
-第2节 中心极限定理
--5.2.2 De Moivre-Laplace 中心极限定理
--5.2 作业
-本章测试
--第五章测试
-第1节 数理统计的基本问题
-第2节 总体、样本和统计量
--6.2 作业
-第3节 抽样分布
--6.3 抽样分布
--6.3 作业
-第4节 抽样分布定理
--6.4 作业
-本章测试
--第六章测试
-第1节 参数点估计
--7.1 作业
-第2节 区间估计
--7.2 作业
-第3节 非正态总计参数的区间估计
--7.3 作业
-本章测试
--第七章测试
-第1节 假设检验的基本概念
--8.1 作业
-第2节 正态总体参数的假设检验
--8.2 作业
-第3节 非正态总体参数的假设检验
-本章测试
--第八章测试
-期末考试