当前课程知识点:概率论与数理统计 > 第八章 假设检验 > 第八章 练习题 > 2.8 常见的连续型随机变量(下)
同学们 大家好
今天我们接着介绍概率论第二章
随机变量及其分布
今天来介绍一下标准正态分布的计算
我们来看一下
如果一个随机变量X服从标准正态分布
那么它的密度函数φ(x)等于根号下1/2π
乘以 e 的-x²/2
x的范围是属于所有的实数
那么它的分布函数也可以表示出来
这个时候标准正态分布的分布函数
我们记为Φ(x)
它等于-∞到x φ(t)dt的积分
那么把它写出来就是下面这个形式
根号下1/2π
乘以-∞到x e的-t²/2 dt
那么教科书上429页
列出了标准正态分布的分布表
我们可以通过查表得到
标准正态分布的分布函数
在某些X处的取值
对于x≥0
我们可以直接查表求出
Φ(x)=P{X≤x}
如果x<0
我们可以由公式Φ(-x)等于-∞到-x
φ(t) dt 这样一个积分
这个时候我们做变量替换
令t=-u dt=-du
那么这个时候
Φ(-x)等于负的根号下1/2π
正无穷到x
e的-u²/2 du
经过计算
这个积分恰好可以写成
1减去根号下1/2π
乘以负无穷到x
e的-u²/2 du
也就是说
这个式子就等于1-Φ(x)
这样一来
我们就得到了Φ(-x)和 Φ(x) 的关系
Φ(-x)=1- Φ(x)
换句话说Φ(-x)+Φ(x) =1
下面来看一般正态分布
假设X服从参数为(μ,σ²)的正态分布
这个时候我们令Y=X-μ/σ
那么 Y就一定服从标准正态分布
那么这个时候标准正态分布的分布函数
FY(y) 等于 Y≤y 的概率
也就是 X-μ/σ≤y 的概率
我们把它转化成X的分布函数
那么它和X的分布函数的关系
我们就找到了
就是这个
这个时候我们做变量替换
令u=t-μ/σ 则du=dt/σ
我们把这个式子
代入到上面这个式子当中
我们就会发现
Y的分布函数等于根号下1/2π
乘以一个积分
这个积分是负无穷到y
e的-u²/2 du
是个标准正态分布的密度函数
那么FX(x)也就是X的分布函数
就等于 X≤x 的概率
等于X-μ/σ≤x-μ/σ
等于什么呢
刚好等于标准正态分布的分布函数
在 x-μ/σ 处的函数值
这样一来
我们就将一般正态分布的分布函数
和标准正态分布的分布函数
建立了一个关系
从而一般正态分布的计算问题
就可以转化为
标准正态分布的计算问题
其中
Φ(x)是标准正态分布的分布函数
那么这里 FX(x)等于什么
等于 Φ(x-μ/σ)
这个公式
给出了一般正态分布分布函数值的
计算方法
因此
对于任意的a b
我们来看
如果X服从一般的正态分布
那么 a<X<b的概率
就等于 Φ(b-μ/σ) - Φ(a-μ/σ)
下面看一个例子
假设有一个随机变量X服从标准正态分布
让我们求 1≤X<2 的概率
以及 -1<X<2 的概率
这一点我们可以根据
概率和分布函数的性质把它写出来
由于X服从的是标准正态分布
所以 1≤X<2 的概率
就等于Φ(2)-Φ(1)
那么我们可以查表得到
Φ(2)=0.97725
Φ(1)=0.84134
经过计算
它就等于0.13591
第二个
让我们来计算 -1≤X<2 的概率
同样它等于什么呢
也是等于Φ(2)-Φ(-1)
这个时候
Φ(-1)没有办法查表
我们利用Φ(-1)和Φ(1)的关系
把Φ(-1)写成1-Φ(1)
然后化简
我们查表
就可以算出最后的结果是0.81859
这是标准正态分布
那么如果随机变量不是标准正态分布呢
我们再看一个例子
假设随机变量X服从
参数为2和9的正态分布
我们来求 1≤X<5 的概率
以及 |X-2|>6 的概率
还有 X>0 的概率
我们来看一下
第一个
首先我们来计算 1≤X<5 的概率
根据定义
它等于F(5)-F(1)
这个时候 我们需要利用
一般正态分布的分布函数
和标准正态分布分布函数的关系
做一个转化
F(5)等于什么
等于 Φ(5-2/3) 减去F(1)
F(1) = Φ(1-2/3)
因此它就等于Φ(1) - Φ(-1/3)
而Φ(-1/3)
再利用Φ(-1/3)和Φ(1/3)的关系
把Φ(-1/3)写成1-Φ(1/3)
我们就可以得到最后的结果
这是第一个
第二个也是一样
我们来看
|X-2|>6 的概率
等于1减去|X-2|≤6 的概率
然后我们把绝对值去掉
也就是1减去 -6≤X-2≤6 的概率
把它化简一下
写出来是1减去 -4≤X≤8 的概率
密度分布函数把它写成
1减去Φ(8-2/3) 减去Φ(-4-2/3)
注意这个2是我们那个参数μ
3是我们的参数性能σ
那么这个时候
把它化简一下就是这个式子
Φ(2) - Φ(-2)
那么Φ(-2) =1-Φ(2)
把它写一下
最后就可以算出最后的结果是0.0455
其中Φ(2)
我们是可以查表得到的
第三个也是一样
X>0的概率
这个时候我们考虑对立事件
写成1减去 X≤0 的概率
那么 X≤0 的概率
也就是 1-Φ(0-2/3) 的概率
把它化简一下
就是 1-Φ(-2/3) 的概率
而Φ(-2/3)=1-Φ(2/3)
整理一下最后的结果是0.7486
那么Φ(2/3)
我们这个值是可以查表
得到一个近似值的
好 我们下面来看
假设X服从标准正态分布
如果一个Zα满足
X>Zα的概率等于α
当然这个0<α<1
那么这个时候
我们就Zα为这个随机变量的分位数
也就是Zα为标准正态分布的
上α分位数
查表我们还可以算出
Z 0.05=1.645
Z 0.005=2.575
注意 Z 1-α=-Zα
这一点是比较好理解的
大家看那个图像
那么Zα什么意思呢
当 X>Zα 的时候
也就是我们这个阴影部分的面积
是多少 是α
那么这个时候
你看一下 Z 1-α 是左边
左边 Z 1-α
这个时候 X<Z 1-α 的概率
也是这个数
所以我们就可以得到
Z 0.95的概率是-1.645
Z 0.995的概率是-2.575
下面我们来看Γ-分布
如果一个连续型随机变量X
它的密度函数具有这个形式
大家来看
f(x)当 x>0 的时候
它是Γ(r)分之λ的r次方
乘以x的r-1
乘以e的-λx次方
x≤0 的时候 它是0
其中r>0 λ>0是参数
那么这个时候我们就称随机变量X
服从两个参数
一个参数是r
一个参数是λ的
这样一个Γ-分布
把它记作X~Γ(r,λ)
这里密度函数当中
Γ r是我们的Γ-函数
大家来看一下Γ-函数的定义
回忆一下
这个函数的在高等数学里面已经学过
F(r)等于0到正无穷
x的r-1乘以e的-x次方dx
那么 Γ-函数的定义域是(0,+∞)
而且 Γ-函数一个比较常用的性质是
Γ(r+1) = rΓ(r)
而且很容易计算
Γ(1)=1
F(1/2)等于根号π
如果n是自然数 那么Γ(n)呢
恰好等于n-1的阶层
下面做一个说明
如果r=1
那么这个时候Γ(1)=1
那么这个时候我们得到什么呢
当 x>0 的时候
f(x)等于λ乘以e的-λx
x≤0的时候 f(x)=0
那么这个函数形式大家可以看出来
恰好是我们前面学习的
指数分布的密度函数
换句话说
如果r=1
那么Γ-分布就是指数分布
也就是
指数分布是Γ-分布的一种特殊情况
如果r=n
那么Γ(n)等于n-1的阶层
这个时候它的密度函数变成这个形式
这个形式呢
我们把它的分布称为Erlang分布
那么Erlang分布在排队论当中
是非常重要的一种分布
而且在以后的随机过程课程当中
还要会碰到
另外
如果r=n/2 λ=1/2
并且n是自然数
那么这个时候密度函数
就变成了这个形式
当 x>0 的时候
是2的二分之n次方 乘以Γ(n/2)分之一
然后乘以x的二分之n减1
e的负二分之x
x≤0 的时候 是0
那么这个密度函数我们把它称为什么呢
这个密度函数我们称为
自由度为n的X²-分布
而X²-分布
是我们统计学当中重要的分布之一
所以说在数理统计部分
我们还会碰到这个分布
总结一下
本节我们要求大家重点掌握
连续型随机变量的密度函数的定义和性质
特别是X落在某个区间的概率
恰好就是密度函数
在这个区间上的积分
当然这个区间可以是
没有连在一起的
比如说两个区间的并
也是可以的
那么这个积分
就写成两个积分的和就行了
第二点 均匀分布的定义和性质
指数分布的定义
正态分布的密度函数以及几何性质
还有一般正态分布函数
和标准正态分布函数的关系
会利用正态分布密度函数的性质
计算一些积分
今天的课就讲到这里
下一节课我们来学习
随机变量函数的分布
- 第八章 练习题