高等数学 / 系统课时

随机变量与分布律

随机变量与分布律

随机试验的结果往往不是数字,难以直接计算。随机变量把每个试验结果映射成数值,分布律再说明这些数值分别以多大概率出现,从而把事件问题转化为可计算的数量关系。

学习目标

  • 理解随机变量是从样本空间到实数的映射
  • 能写出离散随机变量的取值集合与分布律
  • 会检查概率质量函数是否满足基本条件

随机变量解决什么问题

抛两枚硬币时,样本点可以写成“正正、正反、反正、反反”。若只关心正面个数,就可定义随机变量 XX:出现两个正面时 X=2X=2,出现一个正面时 X=1X=1,没有正面时 X=0X=0。

因此,随机变量不是“会随机变化的普通变量”,而是一个确定的映射规则。随机性来自试验结果不确定;一旦样本点确定,随机变量的值也随之确定。

随机变量映射样本空间并形成分布律

取值集合与分布律

若离散随机变量 XX 的可能取值为 x1,x2,…x_1,x_2,\ldots,对应概率为。

P(X=xi)=piP(X=x_i)=p_i

这些“取值—概率”关系构成 XX 的分布律,也称概率质量函数,常简写为 PMF。上例中,XX 的分布律为:

XX 0 1 2
P(X=x)P(X=x) 1/41/4 1/21/2 1/41/4

分布律只保留研究对象需要的信息。原样本空间有四个结果,但随机变量将它们归并成三个数值,使后续计算更直接。

合法分布律的两个条件

任何离散随机变量的分布律都必须满足:

p_i \ge 0 $$。

\sum_i p_i = 1 $$

第一个条件表示概率不能为负;第二个条件表示所有可能取值已经覆盖全部情况。若概率之和小于 1,通常说明漏掉了某个取值;若大于 1,则说明概率分配发生重复或计算错误。

例如,给出 P(X=0)=0.2P(X=0)=0.2、P(X=1)=0.5P(X=1)=0.5、P(X=2)=0.3P(X=2)=0.3,三项均非负且总和为 1,因此它可以构成合法分布律。

从事件计算概率

掌握分布律后,关于 XX 的事件可通过累加对应取值的概率求得。例如在抛两枚硬币的例子中:

P(X≥1)=P(X=1)+P(X=2)=12+14=34P(X\ge 1)=P(X=1)+P(X=2)=\frac{1}{2}+\frac{1}{4}=\frac{3}{4}

关键步骤是先把事件翻译成取值集合,再相加这些取值对应的概率。不要直接按样本点数量猜测,除非已经确认各样本点等可能。

易混淆点

随机变量的名称可以是 XX、YY 或其他符号,它本身不是概率。P(X=1)P(X=1) 才表示一个事件的概率,而 X=1X=1 表示随机变量取值为 1 这一事件。

分布律描述的是全部可能取值及其概率,不是某一次试验的观测结果。一次试验只能得到其中一个值,多次重复试验的频率才会逐渐接近对应概率。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

随机变量与分布律

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通