随机变量及其分布小结与复习

复习课: 随机变量及其分布列

教学目标

重点：理解随机变量及其分布的概念，期望与方差等的概念；超几何分布，二项分布，正态分布等的特点；会求条件概率，相互独立事件的概率，独立重复试验的概率等.

难点：理清事件之间的关系，并用其解决一些具体的实际问题.

能力点：分类整合的能力，运算求解能力，分析问题解决问题的能力.

教育点：提高学生的认知水平，为学生塑造良好的数学认识结构.

自主探究点：例题及变式的解题思路的探寻.

易错点：容易出现事件之间的关系混乱，没能理解问题的实际意义.

学法与教具

1.学法：讲授法、讨论法.

2.教具：投影仪.

一、【知识结构】

二、【知识梳理】

1．随机变量

⑴随机变量定义:在随机试验中，使得每一个试验结果都用一个确定的数字表示．在这个对应关系下，数字随着试验结果的变化而变化．像这种随着试验结果变化而变化的变量称为随机变量．简单说，随机试验的结果可以用一个变量来表示，那么这样的变量叫做随机变量．常用希腊字母x、y、ξ、η等表示．

⑵如果随机变量可能取的值可以按次序一一列出（可以是无限个）这样的随机变量叫做离散型随机变量.

⑶如果随机变量可能取的值是某个区间的一切值，这样的随机变量叫做连续型随机变量. 2．概率分布定义（分布列）

设离散型随机变量ξ可能取的值为123,,,,i x x x x L L ，ξ取每一个值(1,2,)i x i =L 的概率

()i i P x p ξ==，则称表

ξ 1x 2x

L

i x L

P

1P

2P

L i P

L

称为随机变量ξ的概率分布列，简称ξ的分布列. 注:1.离散型随机变量的分布列具有下述两个性质：

(1)0,123≥，，，i p i =L ；123(2)1p p p +++=L

3．常见的分布列

⑴二项分布：在一次试验中某事件发生的概率是p ，那么在n 次独立重复试验中这个事件恰发生k 次的概

率为()(1)k k n k

n p X k C p p -==-，显然x 是一个随机变量.随机变量x 的概率分布如下：

x

1

L k

L n

P

00n n C p q

111

n n C p q -

L

k k n k

n C p q -

L

n n n C p q

我们称这样的随机变量x 服从二项分布,记作~(,)X B n p ⑵两点分布列:如果随机变量ξ的分布列为：

ξ 0 1 P

1P -

P

这样的分布列称为两点分布列,称随机变量服从两点分布,而称(1)p P ξ==为成功概率.两点分布是特殊的二项分布(1)p ξ~B ,

⑶超几何分布：一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有x 件次品数，则事件{}

x k =发生的概率为(),0,1,2,3,,k N k

M N M

n

N

C C P X k k m C --===L ．其中{}min ,m M n =,且*,,,,n N M N n M N N ≤≤∈，则称分布列

为超几何分布列，如果随机变量x 的分布列为超几何分布列，则称随机变量x 服从超几何分布． 4．条件概率

一般地,设,A B 为两个事件,且()0P A >,称()

(|)()

P AB P B A P A = 为在事件A 发生的条件下,事件B 发生

的条件概率.

注意:⑴0(|)P B A ≤≤1；

⑵可加性：如果B C 和互斥，那么[]

()|(|)(|)P B C A P B A P C A =+U 5．相互独立事件的概率 ⑴相互独立事件的定义:

设,A B 两个事件, ()()()P AB P A P B =若 (即事件A 是否发生对事件B 发生的概率没有影响), 则称事件A 与事件B 相互独立.

若事件A 与B 相互独立, 则以下三对事件也相互独立:①A B 与； ②与；A B ③.A B 与

解决概率问题的一个关键：分解复杂问题为基本的互斥事件与相互独立事件. ⑵n 次独立重复试验:

一般地,在相同条件下，重复做的n 次试验称为n 次独立重复试验. 在n 次独立重复试验中，记i A 是“第i 次试验的结果”， 显然，12()n P A A A L =12()()()n P A P A P A L

重要结论：

结论1：,若a b ηξ=+则E aE b ηξ=+，2

D a D ηξ=

结论2：若~(,)B n p ξ，则,E nP ξ=(1)D np p ξ=-

ξ特别地，若服从两点分布，则,(1)E P D p p ξξ==-

6．正态分布

⑴正态分布密度曲线

22

()2(),(,)x x x μσμσ?--

,=

∈-∞+∞μ(0)σσ>分别表示总体的平均数与标

准差，这个总体是有无限容量的抽象总体，其分布叫做正态分布.

正态分布完全由参数μ和σ确定,因此正态分布常记作2

(,)N μσ.如果随机变量ξ服从正态分布,则记为

2(,)N ξμσ~

⑵正态曲线有以下特点：

①曲线在x 轴的上方，与x 轴不相交； ②曲线是单峰的，图像关于直线μ=x 对称； ③曲线在μ=x 处达峰值

σ

π21；

④曲线与x 轴之间的面积为1；

⑤若σ固定, 随μ值的变化而沿x 轴平移, 故μ称为位置参数；

⑥当μ一定时，曲线的形状由σ确定. σ越大，曲线越“矮胖”，表示总体的分布越分散；σ越小，曲线越“瘦高”，表示总体的分布越集中，故σ称为形状参数.

⑶

3σ原则

：

()0.6826

P X μσμσ-<≤+=，

(22)0.9544

P X μσμσ-<≤+=，

(33)0.9974P X μσμσ-<≤+=

三、【范例导航】 考点1 条件概率

例1：在5道题中有3道理科题和2道文科题．如果不放回地依次抽取2道题，求： ⑴第1次抽到理科题的概率；

⑵第1次和第2次都抽到理科题的概率；

⑶在第1次抽到理科题的条件下，第2次抽到理科题的概率． 【分析】：解决概率问题要注意“三个步骤，一个结合” ⑴求概率的步骤是： 第一步，确定事件性质； 第二步，判断事件的运算； 第三步，运用公式．

⑵概率问题常常与排列、组合知识相结合.

【解答】：设“第1次抽到理科题”为事件A ，“第2次抽到理科题”为事件B ，则“第1次和第2次都抽到理科题”为事件AB .

⑴从5道题中不放回地依次抽取2道题的事件数为2

5()20n A Ω==.根据分步乘法计数原理

11

34()12n A A A =?=，于是()123

()()205

n A P A n =

==Ω. ⑵因为2

3()6n AB A ==，所以()63

()()2010

n AB P AB n =

==Ω. ⑶法一：由⑴⑵可得在第1次抽到理科题的条件下，第2次抽到理科题的概率为：

3

()1

5()3()210

P AB P B A P A ===.

法二：因为23()6n AB A ==，11

34()12n A A A =?=，所以()61

()()122

n AB P B A n A =

==. 【点评】条件概率通常有两种求法，一定义法()()()

P AB P B A P A =，二古典法

()()()n AB P B A n A =. 变式训练:

某校在组织自主招生考试时，需要进行自荐、考试和面试三关．规定三项都合格者才能录取.假定每个项目相互独立，学生A 每个项目合格的概率组成一个公差为

1

8

的等差数列，且第一个项目不符合格的概率超过12，第一个项目不合格但第二个项目合格的概率为9.32

⑴求学生A 被录取的概率；

⑵求学生A 合格的项目数x 的分布列和数学期望. 答案：⑴

3

64

；⑵15291739()0123

E x =?+?+?+?=.

考点2 相互独立事件的概率

例2. 甲、乙、丙三台机床各自独立加工同一种零件，甲机床加工的零件是一等品而乙机床加工的零件不

是一等品的概率为

14，乙机床加工的零件是一等品而丙机床加工的零件不是一等品的概率为112

，甲丙两台机床加工的零件都是一等品的概率为29

． ⑴分别求出甲、乙、丙三台机床各自独立加工的零件是一等品的概率； ⑵从甲、乙、丙加工的零件中各取一个检验，求至少有一个一等品的概率．

【分析】1求相互独立事件一般与互斥事件、对立事件结合在一起进行考查，解答此类问题时应分清事件间的内部联系，在此基础上用基本事件之间的交、并、补运算表示出有关事件，并运用相应公式求解．

2特别注意以下两公式的使用前提：

⑴若,A B 互斥，则()()()P A B P A P B =+U ，反之不成立． ⑵若,A B 相互独立，则()()()P AB P A P B =?，反之成立．

【解答】⑴设,,A B C 分别为甲、乙、丙三台机床各自独立加工同一种零件是一等品的事件，依题意得

1()()[1()]41()()[1()]122()()()9P AB P A P B P BC P B P C P AC P A P C ?

=?-=??

?=?-=?

?

?

=?=??

得227[()]51()220P C P C -+= 解得211()()39或（舍）

P C P C =

=，所以211()()()343

,,P C P B P A ===. 即甲、乙、丙三台机床各自独立加工的零件是一等品的概率分别为

112,,343

⑵记D 为从甲、乙、丙加工的零件中各取一个检验，至少有一个一等品的事件．

2315

()1()1[1()][1()][1()]13436

P D P D P C P B P A =-=--?-?-=-??=

即从甲、乙、丙加工的零件中各取一个检验，至少有一个一等品的概率为

56

【点评】主要考查相互独立事件的概率及正难则反的原则分析解决问题的能力. 解答此类问题时应分清事件间的内部联系，在此基础上用基本事件之间的交、并、补运算表示出有关事件，并运用相应公式求解． 变式训练:

某地最近出台一项机动车驾照考试规定；每位考试者一年之内最多有4次参加考试的机会，一旦某次考试通过，使可领取驾照，不再参加以后的考试，否则就一直考到第4次为止．如果李明决定参加驾照考试，设他每次参加考试通过的概率依次为0.6，0.7，0.8，0.9，求在一年内李明参加驾照考试次数ξ的分布列，

并求李明在一年内领到驾照的概率.

答案：李明在一年内领到驾照的概率为 1－(1－0.6)(1－0.7)(1－0.8)(1－0.9)=0.9976. 考点3 离散型随机变量的分布列、均值与方差

例3. 甲、乙两支排球队进行比赛，约定先胜3局者获得比赛的胜利，比赛随即结束．除第五局甲队获胜的概率是

12外，其余每局比赛甲队获胜的概率都是2

3

．假设各局比赛结果相互独立． ⑴分别求甲队以3:0,3:1,3:2胜利的概率；

⑵若比赛结果为求3:0或3:1，则胜利方得3分，对方得0分；若比赛结果为3:2，则胜利方得2分、对方得1分．求乙队得分x 的分布列及数学期望． （2013年山东高考理科题19）

【分析】1离散型随机变量的分布列在高中阶段主要学习两种：超几何分布与二项分布，由于这两种分布列在生活中应用较为广泛，故在高考中对该知识点的考查相对较灵活，常与期望、方差融合在一起，横向考查．2对于分布列的求法，其难点在于每个随机变量取值时相关概率的求法，计算时可能会用到等可能事件、互斥事件、相互独立事件的概率公式等．3均值与方差都是随机变量重要的数字特征，方差是建立在均值这一概念之上的，它表明了随机变量所取的值相对于它的均值的集中与离散程度，二者联系密切，在现实生产生活中特别是风险决策中有着重要意义，因此在当前的高考中是一个热点问题．

【解答】⑴3

3

132

8()3

27p C ==

，22232128()33327p C =?=，222342114()()33227

p C =?=．

⑵由题意可知x 的可能取值为：3，2，1，0，相应的概率依次为：14416

,,,

()321092727279

E x =?+?+?+?=

【点评】本题考查相互独立事件的概率、二项分布、离散型随机变量的概率分布与数学期望等基础知识，考查分类与整合的思想，考查运算求解能力，考查分析问题和解决问题的能力． 变式训练:

某地区试行高考考试改革：在高三学年中举行5次统一测试，学生如果通过其中2次测试即可获得足够学

分升上大学继续学习，不用参加其余的测试，而每个学生最多也只能参加5次测试．假设某学生每次通过测试的概率都是

1

3

，每次测试时间间隔恰当．每次测试通过与否互相独立． ⑴求该学生考上大学的概率；

⑵如果考上大学或参加完5次测试就结束，记该生参加测试的次数为x ，求x 的分布列及x 的数学期望． 答案：⑴

131243；⑵1441638

()234592727279

E x =?+?+?+?= 考点4 正态分布

例4．某市去年高考考生成绩服从正态分布2

(500,50)N ，现有25000名考生，试确定考生成绩在

550600~分的人数．

【分析】正态密度曲线恰好关于参数μ对称，因此充分利用该图形的对称性及3个特殊区间内的概率值来求解其他区间的概率值，是一种非常简捷的方式，也是近几年高考的一个新动向．本小题主要考查正态密度函数及3σ原则的应用. 【解答】

1

(500600)[(500250500250)(5005050050)]2

P x P X P X <<=-?<≤+?--<≤+

1

(0.95440.6826)0.13592

-=. 【点评】正态分布是一种连续型随机变量的分布，是一种非常简捷的方式，应用较为广泛. 也是近几年高考的一个新动向． 变式训练:

若随机变量x 的概率分布密度函数是()2

28

,(),()x x x R μσ?+-

=∈，则(21)E X -= ．

答案：5- 四、【解法小结】

1.离散型随机变量的分布列在高中阶段主要学习两种：超几何分布与二项分布，由于这两种分布列在生活

中应用较为广泛，故在高考中对该知识点的考查相对较灵活，常与期望、方差融合在一起，横向考查．

2.对于分布列的求法，其难点在于每个随机变量取值时相关概率的求法，计算时可能会用到等可能事件、

互斥事件、相互独立事件的概率公式等．

3.均值与方差都是随机变量重要的数字特征，方差是建立在均值这一概念之上的，它表明了随机变量所取的值相对于它的均值的集中与离散程度，二者联系密切，在现实生产生活中特别是风险决策中有着重要意义，因此在当前的高考中是一个热点问题．

4.本章知识在高考中占有十分重要的地位，这是因为：一方面本章知识在实际生活中应用十分广泛；另一方面本章知识又是进一步学习高等数学知识的基础．从近几年高考试题来看，一般是一小(一个选择或填空题)一大(一个解答题)，属中档难度试题，主要考查概率的求法、随机变量的分布列、以及随机变量的期望方差等问题．

五、【布置作业】

必做题：

1.袋中有大小相同的10个编号为1、2、3的球，1号球有1个，2号球有m个，3号球有n个．从袋中依

．

次摸出2个球，已知在第一次摸出3号球的前提下，再摸出一个2号球的概率是1

3

⑴求m、n的值；

⑵从袋中任意摸出2个球，记得到小球的编号数之和为ξ，求随机变量ξ的分布列和数学期望Eξ．

2.如图，,A B两点之间有6条网线并联，它们能通过的最大信息量分别为1,1,2,2,3,4.现从中任取三条网线且使每条网线通过最大的信息量.

⑴设选取的三条网线由A到B可通过的信息总量为x，

x≥时，则保证信息畅通.求线路信息畅通的概率；

当6

⑵求选取的三条网线可通过信息总量的数学期望.

3.甲乙两队参加奥运知识竞赛，每队3人，每人回答一个问题，答对者为本队赢得一分，答错得零分.假设甲队中每人答对的概率均为，乙队中3人答对的概率分别为且各人正确与否相互之间没有影响.用ξ表示甲队的总得分.

⑴求随机变量ξ分布列和数学期望；

⑵用A 表示“甲、乙两个队总得分之和等于3”这一事件，用B 表示“甲队总得分大于乙队总得分”这一事件，求()P AB .

必做题答案：1.6,3==n m ；5=ξE

2.11313(6)4

4

2010

4

P x ≥=+++=；131131()456789 6.51020442010

E x =?+?+?+?+?+?=.

3.451043434

()()()3353243

P AB P C P D =+=

+==

选做题：

“中国式过马路”存在很大的交通安全隐患.某调查机构为了解路人对“中国式过马路”的态度是否与性别有关，从马路旁随机抽取30名路人进行了问卷调查，得到了如下列联表：

已知在这30人中随机抽取1人抽到反感“中国式过马路 ”的路人的概率是

15

8. ⑴请将上面的列联表补充完整（在答题卡上直接填写结果，不需要写求解过程），并据此资料分析反感“中国式过马路”与性别是否有关？

⑵若从这30人中的女性路人．．．．中随机抽取2人参加一活动，记反感“中国式过马路”的人数为x ，求x 的分布列和数学期望.

选做题答案：⑴没有充足的理由认为反感“中国式过马路”与性别有关； ⑵x 的数学期望为：448156

()012.1391917

E x =?+?+?= 六、【教后反思】

1.本教案的亮点是：首先以结构图呈现随机变量的知识，直观简明；其次，复习相关知识充分关注贯穿本

章始末的随机变量的分布列及条件概率等.再次，例题选择典型，关注应用问题的一般解法，讲练结合，学生落实较好.最后，在作业的布置上，以关注时代特征的低档题为主，对学生理解、巩固知识能够起到良好

的作用.

2.本教案的弱项是：课堂容量较大，在一些具体问题中，学生动手较少，选做题需要用到卡方公式要事先提供给学生，放在期末复习用更合适，此处有点不适.

随机变量及其分布列概念公式总结

随机变量及其分布总结 1、定义：随着试验结果变化而变化的变量称为随机变量 ．随机变量常用字母 X , Y ，ξ，η，… 表示． 2、定义：所有取值可以一一列出的随机变量，称为离散型随机变量 3、分布列:设离散型随机变量ξ可能取得值为 x 1，x 2，…，x 3，…， ξ取每一个值x i （i =1，2，…）的概率为()i i P x p ξ==，则称表 为随机变量ξ的概率分布，简称ξ的分布列 4. 分布列的两个性质： （1）P i ≥0，i ＝1，2，…； （2）P 1+P 2+…=1． 5.求离散型随机变量ξ的概率分布的步骤: （1）确定随机变量的所有可能的值x i （2）求出各取值的概率p(ξ=x i )=p i （3）画出表格 6.两点分布列: 7超几何分布列： 一般地，在含有M 件次品的 N 件产品中，任取 n 件，其中恰有X 件次品 数，则事件 {X=k ｝发生的概率为(),0,1,2,,k n k M N M n N C C P X k k m C --=== ,其中mi n {,} m M n =，且,,,,n N M N n M N N *≤≤∈．称分布列 为超几何分布列．如果随机变量 X 的分布列为超几何分布列，则称随机变量 X

服从超几何分布 8．离散型随机变量的二项分布:在一次随机试验中，某事件可能发生也可能不发生，在n 次独立重复试验中这个事件发生的次数ξ是一个随机变量．如果在一次试验中某事件发生的概率是P ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是 k n k k n n q p C k P -==)(ξ，（k ＝0,1,2,…，n ，p q -=1）． 于是得到随机变量ξ的概率分布如下： ξ 1 … k … n P n n q p C 00 111-n n q p C … k n k k n q p C - … q p C n n n 称这样的随机变量ξ服从二项分布，记作ξ～B (n ，p )，其中n ，p 为参数。 9．离散型随机变量的均值或数学期望: 一般地，若离散型随机变量ξ的概率分布为 则称 =ξE +11p x +22p x …++n n p x … 为ξ的均值或数学期望，简称期望． 10．离散型随机变量的均值或数学期望的性质： （1）若ξ服从两点分布，则=ξE p ． （2）若ξ～B (n ，p )，则=ξE np ． （3）()c c E =，c 为常数 （4）ξ～N (μ，2σ),则=ξE μ （5）b aE b a E +=+ξξ)( 11．方差: 对于离散型随机变量ξ，如果它所有可能取的值是1x ，2x ，…，n x ，…， 且取这些值的概率分别是1p ，2p ，…，n p ，…，那么, ξD ＝121)(p E x ?-ξ＋222)(p E x ?-ξ＋…＋n n p E x ?-2)(ξ＋…

离散型随机变量及其分布列教案

离散型随机变量及其分布列第一课时 2.1.1离散型随机变量 教学目标：1、引导学生通过实例初步了解随机变量的作用，理解随机变量、离散型随机变量的概念．初步学会在实际问题中如何恰当地定义随机变量． 2、让学生体会用函数的观点研究随机现象的问题，体会用离散型随机变量思想 描述和分析某些随机现象的方法，树立用随机观念观察、分析问题的意识． 3、发展数学应用意识，提高数学学习的兴趣，树立学好数学的信心，逐步认识 数学的科学价值和应用价值． 教学重点：随机变量、离散型随机变量的概念，以及在实际问题中如何恰当的定义随机变量．教学难点：对引入随机变量目的的认识，了解什么样的随机变量便于研究． 教学方法：启发讲授式与问题探究式． 教学手段：多媒体 教学过程： 一、创设情境，引出随机变量 提出思考问题1：掷一枚骰子，出现的点数可以用数字1，2，3，4，5，6来表示．那么掷一枚硬币的结果是否也可以用数字来表示？ 启发学生：掷一枚硬币，可能出现正面向上、反面向上两种结果．虽然这个随机试验的结果不具有数量性质，但可以将结果于数字建立对应关系． 在让学生体会到掷骰子的结果与出现的点数有对应关系后，也能创造性地提出用数字表示掷一枚硬币的结果．比如可以用1表示正面向上的结果，用0表示反面向上的结果．也可以分别用1、2表示正面向上与反面向上的结果． 再提出思考问题2：一位篮球运动员3次罚球的得分结果可以用数字表示吗？ 让学生思考得出结论：投进零个球——— 0分 投进一个球——— 1分 投进两个球——— 2分 投进三个球——— 3分 得分结果可以用数字0、1、2、3表示． 二、探究发现 1、随机变量 问题1.1：任何随机试验的所有结果都可以用数字表示吗？ 引导学生从前面的例子归纳出：如果将实验结果与实数建立了对应关系，那么随机试验的结果就可以用数字表示．由于这个数字随着随机试验的不同结果而取不同的值，因此是个变量． 问题1.2：如果我们将上述变量称之为随机变量，你能否归纳出随机变量的概念？ 引导学生归纳随机变量的定义：在随机试验中，我们确定了一个对应关系，使得每一个试验结果都用一个确定的数字表示．在这个对应关系下，数字随着试验结果的变化而变化．像这种随着试验结果变化而变化的变量称为随机变量． 随机变量常用字母X、Y、ξ、η来表示． 问题1．3：随机变量与函数有类似的地方吗？ 引导学生回顾函数的理解： 函数 实数实数 在引导学生类比函数的概念，提出对随机变量的理解：

第三章--多维随机变量及其分布总结

第三章--多维随机变量及其分布总结

第三章 多维随机变量及其分布 第一节 二维随机变量 一、二维随机变量的分布函数 设E 是一个随机试验, 它的样本空间是S . 设X 、Y 是定义在S 上的随机变量, 则由它们构成的一个向量(X , Y )称为二维随机向量或二维随机变量. 一般地, (X , Y )的性质不仅与X 有关, 与Y 有关, 而且还依赖于X 、Y 的相互关系, 因此必须把(X , Y )作为一个整体来研究. 首先引入(X , Y )的分布函数的概念. 定义 设(X , Y )为二维随机变量, 对于任意实数x 、y , 二元函数 F (x , y ) = P {(X ≤ x )∩(Y ≤ y )}= P {X ≤ x , Y ≤ y } 称为二维随机变量(X , Y )的分布函数, 或称为随机变量X 和y 的联合分布函数. 分布函数F (x , y )表示事件(X ≤ x )与事件(Y ≤ y )同时发生的概率. 如果把(X , Y )看成平面上具有随机坐标(X , Y )的点, 则分布函数F (x , y )在(x , y )处的函数值就是随机点(X , Y )落在平面上的以(x , y )为顶点而位于该点左下方的无限矩形内的概率.. 由上面的几何解释, 容易得到随机点(X , Y )落在矩形区域{x 1 < X ≤ x 2, y 1 < Y ≤ y 2}的概率为 P {x 1 < X ≤ x 2, y 1 < Y ≤ y 2} = F (x 2, y 2) - F (x 2, y 1) - F (x 1, y 2) + F (x 1, y 1) (1) 与二元函数类似, 二元分布函数F (x , y )也具有如下一些性质: 1? F (x , y )是变量x 和y 的单调不减函数, 即当x 1 < x 2时, F (x 1, y ) ≤ F (x 2, y ); 当y 1 < y 2时, F (x , y 1) ≤ F (x , y 2). 2? 0 ≤ F (x , y ) ≤ 1, 且F (-∞, y ) = 0, F (x , -∞) = 0, F (-∞,-∞) = 0, F (+∞,+∞) = 1.（凡含-∞的概率分布为0） 3? F (x , y )关于x 和y 都是右连续的, 即F (x + 0, y ) = F (x , y ), F (x , y + 0) = F (x , y ). 4? 对任意的(x 1, y 1)、(x 2, y 2), x 1 < x 2, y 1 < y 2, 有F (x 2, y 2) - F (x 2, y 1) - F (x 1, y 2) + F (x 1, y 1) ≥ 0. 注: 二元分布函数具有性质1?~ 4?, 其逆也成立(2?中0 ≤ F (x , y ) ≤ 1可去), 即若二元实值函数F (x , y )(x ∈ R , y ∈ R )满足1?~ 4?, 则F (x , y )必是某二维随机变量的(X , Y )的分布函数. 其中4?是必不可少的, 即它不能由1?~ 3?推出(除去0 ≤ F (x , y ) ≤ 1). 二、二维离散型随机变量 如果二维随机变量(X , Y )的所有可能取的值是有限对或可列无限多对, 则称(X , Y )是二维离散型随机变量. 设二维离散型随机变量(X , Y )所有可能取的值为(x i , y j ) (i , j = 1, 2, 3, …). 记P {X = x i , Y = y j } = p ij (i , j = 1, 2, 3, …)则由概率定义有 p ij ≥ 0; 111 =∑∑∞=∞ =i j ij p . 我们称P {X = x i , Y = y j } = p ij (i , j = 1, 2, 3, …)为二维离散型随机变量(X , Y )的分布律(概率分布)或随机变量X 和Y 的联合分布律, (X , Y )的分布律也可用表格表示. 其分布函数为 = ),(y x F ∑∑≤≤==x x y y j i i j y Y x X P },{=∑∑≤≤x x y y ij i j p 这里 ∑∑ ≤≤x x y y i j 表示对一切x i ≤ x , y j ≤ y 的那些指标i 、j 求和. 例1 一个口袋中有三个球, 依次标有1、2、2, 从中任取一个, 不放回袋中, 再任取一个. 设每次取球时, 各球被取到的可能性相等, 以X 、Y 分别记第一次和第二次取到的球上标有的数字, 求X 、Y 的联合分布律与分布函数.. 解: (X , Y )的可能取值为(1, 2)、(2, 1)、(2, 2). P {X = 1, Y = 2}= P {X = 1}P {Y = 2 / X = 1}= 3 12231=?.

高中数学 随机变量及其分布列 版块一 离散型随机变量及其分布列1完整讲义(学生版)

学而思高中完整讲义：随机变量及其分布列.版块一.离散型随机变量 及其分布列1.学生版 1． 离散型随机变量及其分布列 ⑴离散型随机变量 如果在试验中，试验可能出现的结果可以用一个变量X 来表示，并且X 是随着试验的结果的不同而变化的，我们把这样的变量X 叫做一个随机变量．随机变量常用大写字母,,X Y L 表示． 如果随机变量X 的所有可能的取值都能一一列举出来，则称X 为离散型随机变量． ⑵离散型随机变量的分布列 将离散型随机变量X 所有可能的取值x 与该取值对应的概率p ,)n L 列表表示： X 1x 2x … i x … n x P 1p 2p … i p … n p X 的分布列． 2．几类典型的随机分布 ⑴两点分布 如果随机变量X 的分布列为 X 1 0 P p q 其中01p <<，1q p =-X 服从参数为p 的二点分布． 二点分布举例：某次抽查活动中，一件产品合格记为1，不合格记为0，已知产品的合格率为80%，随机变量X X 的分布列满足二点分布． X 1 P 0.8 0.2 两点分布又称01-布又称为伯努利分布． ⑵超几何分布 一般地，设有总数为N 件的两类物品，其中一类有M 件，从所有物品中任取n 件()n N ≤，这n 件中所含这类物品件数X 是一个离散型随机变量，它取值为m 时的概率为 C C ()C m n m M N M n N P X m --==(0m l ≤≤，l 为n 和M 中较小的一个)． 我们称离散型随机变量X 的这种形式的概率分布为超几何分布，也称X 服从参数为N ，M ， n 的超几何分布．在超几何分布中，只要知道N ，M 和n ，就可以根据公式求出X 取不同值时的概率()P X m =，从而列出X 的分布列． ⑶二项分布 1．独立重复试验 如果每次试验，只考虑有两个可能的结果A 及A ，并且事件A 发生的概率相同．在相同的条件下，重复地做n 次试验，各次试验的结果相互独立，那么一般就称它们为n 次独立重复试验．n 次独立重复试验中，事件A 恰好发生k 次的概率为 ()C (1) k k n k n n P k p p -=-(0,1,2,,)k n =L ． 知识内容

随机变量及其分布知识点汇总

随机变量及其分布知识点汇总 知识点一 离散型随机变量及其分布列 （一）、离散型随机变量的分布列 一般地，设离散型随机变量X 可能取的值为12,,,,,i n x x x x ??????，X 取每一个值 (1,2,,)i x i n =???的概率()i i P X x p ==，则称以下表格 为随机变量X 的概率分布列，简称X 的分布列. 离散型随机变量的分布列具有下述两个性质： （1）0,1,2,,i P i n =???≥ （2）121n p p p ++???+= 1．两点分布 如果随机变量X 的分布列为 则称X 服从两点分布，并称=P(X=1)p 为成功概率. 2．超几何分布 一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有X 件次品，则事件{}X k =发生的概率为： (),0,1,2,3,...,k n k M N M n N C C P X k k m C --=== 则随机变量X 的概率分布列如下： {}*min ,,,,,,m M n n N M N n M N N =≤≤∈其中且。 注意：超几何分布的模型是不放回抽样

知识点二 条件概率与事件的独立性 （一）、条件概率 一般地，设A,B 为两个事件,且()0P A >,称() (|)() P AB P B A P A =为在事件A 发生的条件下,事件B 发生的条件概率. 0(|)1P B A ≤≤ 如果B 和C 互斥，那么[()|](|)(|)P B C A P B A P C A =+ （二）、相互独立事件 设A ，B 两个事件，如果事件A 是否发生对事件B 发生的概率没有影响(即 ()()()P AB P A P B =),则称事件A 与事件B 相互独立。 ()()()A B P AB P A P B ?=即、相互独立 一般地，如果事件A 1,A 2,…,A n 两两相互独立，那么这n 个事件同时发生的概率，等于每个事件发生的概率的积，即1212(...)()()...()n n P A A A P A P A P A =. 注意：(1)互斥事件：指同一次试验中的两个事件不可能同时发生； (2)相互独立事件：指在不同试验下的两个事件互不影响. （三）、n 次独立重复试验 1．一般地，在相同条件下，重复做的n 次试验称为n 次独立重复试验. 在n 次独立重复试验中，记i A 是“第i 次试验的结果”，显然， 1212()()()()n n P A A A P A P A P A ???=??? “相同条件下”等价于各次试验的结果不会受其他试验的影响 注意: 独立重复试验模型满足以下三方面特征 第一：每次试验是在同样条件下进行； 第二：各次试验中的事件是相互独立的； 第三：每次试验都只有两种结果，即事件要么发生，要么不发生. 2．n 次独立重复试验的公式： n A X A p n A k 一般地，在次独立重复试验中，设事件发生的次数为，在每次试验中事件发生的概率为，那么在次独立重复试验中，事件恰好发生次的概率为 ()(1),0,1,2,...,.(1)k k n k k k n k n n P X k C p p C p q k n q p --==-===-其中，而称p 为成功

随机变量及其分布考点总结

第二章 随机变量及其分布 复习 一、随机变量. 1. 随机试验的结构应该是不确定的.试验如果满足下述条件： ①试验可以在相同的情形下重复进行；②试验的所有可能结果是明确可知的，并且不止一个；③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会出现哪一个结果. 它就被称为一个随机试验. 2. 离散型随机变量：如果对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.若ξ是一个随机变量，a ，b 是常数.则b a +=ξη也是一个随机变量.一般地，若ξ是随机变量，)(x f 是连续函数或单调函数，则)(ξf 也是随机变量.也就是说，随机变量的某些函数也是随机变量. 3、分布列：设离散型随机变量ξ可能取的值为：ΛΛ,,,,21i x x x ξ取每一个值),2,1(Λ=i x 的概率p x P ==)(，则表称为随机变量ξ的概率分布，简称ξ的分布列. 121i 注意：若随机变量可以取某一区间内的一切值，这样的变量叫做连续型随机变量.例如：]5,0[∈ξ即ξ可以取0～5之间的一切数，包括整数、小数、无理数. 典型例题： 1、随机变量ξ的分布列为(),1,2,3(1) c P k k k k ξ== =+……，则P(13)____ξ≤≤= 2、袋中装有黑球和白球共7个，从中任取两个球都是白球的概率为1 7 ，现在甲乙两人从袋中轮流摸去一 球，甲先取，乙后取，然后甲再取……，取后不放回，直到两人中有一人取到白球时终止，用ξ表示取球的次数。（1）求ξ的分布列（2）求甲取到白球的的概率 3、5封不同的信，放入三个不同的信箱，且每封信投入每个信箱的机会均等，X 表示三哥信箱中放有信件树木的最大值，求X 的分布列。 4 已知在全部50人中随机抽取1人抽到喜爱打篮球的学生的概率为5 ． （1）请将上面的列联表补充完整； （2）是否有99.5％的把握认为喜爱打篮球与性别有关？说明你的理由； （3）已知喜爱打篮球的10位女生中，12345,,A A A A A ，，还喜欢打羽毛球，123B B B ，，还喜欢打乒乓球，12C C ，还喜欢踢足球，现再从喜欢打羽毛球、喜欢打乒乓球、喜欢踢足球的女生中各选出1名进行其他方面的调查，求1B 和1C 不全被选中的概率． (参考公式：2 ()()()()() n ad bc K a b c d a c b d -=++++，其中n a b c d =+++)

随机变量及其分布函数

随机变量及其分布函数 将随机事件以数量来标识，即用随机变量描述随机现象的研究方法，它是定义在样本空间上具有某种可预测性的实值函数。 分布函数则完整的表述了随机变量。 一、 随机变量与分布函数 (1) 随机变量： 取值依赖于某个随机试验的结果（样本空间），并随着试验结果不同而变化的变量，称之为随机变量。 分布函数： [1] 定义： 设X 是一个随机变量，对任意实数x ，记作 (){}F x P X x ≤=，称()F x 为随机变量X 的分 布函数，又称随机变量X 服从分布()F x ，显然，函数 ()F x 的定义域为(),-∞+∞，值域为[0,1]。 [2] 性质： ?()F x 单调非降。 ?()0F -∞=、()1F +∞=。 ?()(0)F x F x =+，即()F x 一定是右连续的。 ?对于任意两个实数a b <， {}()()P a X b F b F a <≤=- ?对于任意实数0x ，

00 0{}()()P X x F x F x ==-- ?000{}1{}1()P X x P X x F x >=-≤=- ?000{}{)lim }(x x P X x P X x x F →- =≤<=- ?000{}1{}1()P X x P X x F x ≥=-<=-- 二、 离散型随机变量与连续型随机变量 (1) 离散型随机变量 [1] 概念：设X 是一个随机变量，如果X 的取值是有限个或者 无穷可列个，则称X 为离散型随机变量。其相应的概率()i i P X x p ==(12)i =、……称为X 的概率分布或分布律，表格表示形式如下： [2] 性质： ?0i p ≥ ? 1 1n i i p ==∑ ?分布函数()i i x x F x p ==∑ ?1{}()()i i i P X x F x F x -==- (2) 连续型随机变量 [1] 概念：如果对于随机变量的分布函数()F x ，存在非 负的函数 ()f x ，使得对于任意实数x ，均有：

“随机变量及其分布”简介

“随机变量及其分布”简介 北京师范大学数学科学院李勇 随机变量是研究随机现象的重要工具之一，他建立了连接随机现象和实数空间的一座桥梁，使得我们可以借助于有关实数的数学工具来研究随机现象的本质，从而可以建立起应用到不同领域的概率模型，如二项分布模型、超几何分布模型、正态分布模型等。 在本章中将通过具体实例，帮助学生理解取有限值的离散型随机变量及其分布列、均值、方差的概念，理解超几何分布和二项分布的模型并能解决简单的实际问题，使学生认识分布列对于刻画随机现象的重要性，认识正态分布曲线的特点及曲线所表示的意义。 一、内容与要求 1. 随机变量及其分布的概念。 通过具体实例使学生理解随机变量及其分布列的概念，认识随机变量及其分布对于刻画随机现象的重要性。要求学生会用随机变量表达简单的随机事件，并会用分布列来计算这类事件的概率。 2.超几何分布模型及其应用。 通过实例，理解超几何分布及其导出过程，并能进行简单的应用。 3. 二项分布模型及其应用。 通过具体实例使学生了解条件概率和两个事件相互独立的概念，理解n次独立重复试验和二项分布模型，并能解决一些简单的实际问题。 4.离散随机变量的均值与方差。 通过实例使学生理解离散型随机变量均值、方差的概念，能计算简单离散型随机变量的均值、方差，并能解决一些实际问题。 5.正态分布模型。 借助直观使学生认识正态分布曲线的特点及含义。 二、内容安排及说明 1.全章共安排了4个小节，教学约需12课时，具体内容和课时分配如下（仅供参考）： 2．1 离散型随机变量及其分布列约3课时 2．2 二项分布及其应用约4课时

2．3 离散型随机变量的均值与方差约3课时 2．4 正态分布约1课时 小结约1课时 2. 本章知识框图 3.对内容安排的说明。 研究一个随机现象，可以借助于随机变量，而分布描述了随机变量取值的概率分布规律。二项分布和超几何分布是两个应用广泛的概率模型．为了使学生能够更好地理解它们，并能用来解决一些实际问题，教科书在内容安排上作了如下考虑： (1) 为学生把注意力集中在随机变量的基本概念和方法的理解上，通过取有限个不同 值的随机变量为载体介绍这些概念，以便他们能更好的应用这些概念解决实际问 题。例如，如何定义随机变量来描述所感兴趣的随机事件；一个具体的随机变量都 能表达什么样的事件，如何表达这些事件；如何用分布列来表达随机事件发生的概 率等。 (2) 介绍超几何分布模型及其应用，其目的是 i. 让学生了解它的广泛应用背景，并使学生能够应用该分布设计一些能够丰富学生课外

随机变量及其分布小结与复习

复习课: 随机变量及其分布列 教学目标 重点：理解随机变量及其分布的概念，期望与方差等的概念；超几何分布，二项分布，正态分布等的特点；会求条件概率，相互独立事件的概率，独立重复试验的概率等. 难点：理清事件之间的关系，并用其解决一些具体的实际问题. 能力点：分类整合的能力，运算求解能力，分析问题解决问题的能力. 教育点：提高学生的认知水平，为学生塑造良好的数学认识结构. 自主探究点：例题及变式的解题思路的探寻. 易错点：容易出现事件之间的关系混乱，没能理解问题的实际意义. 学法与教具 1.学法：讲授法、讨论法. 2.教具：投影仪. 一、【知识结构】 二、【知识梳理】 1．随机变量 ⑴随机变量定义:在随机试验中，使得每一个试验结果都用一个确定的数字表示．在这个对应关系下，数字随着试验结果的变化而变化．像这种随着试验结果变化而变化的变量称为随机变量．简单说，随机试验的结果可以用一个变量来表示，那么这样的变量叫做随机变量．常用希腊字母x、y、ξ、η等表示． ⑵如果随机变量可能取的值可以按次序一一列出（可以是无限个）这样的随机变量叫做离散型随机变量.

⑶如果随机变量可能取的值是某个区间的一切值，这样的随机变量叫做连续型随机变量. 2．概率分布定义（分布列） 设离散型随机变量ξ可能取的值为123,,,,i x x x x L L ，ξ取每一个值(1,2,)i x i =L 的概率 ()i i P x p ξ==，则称表 ξ 1x 2x L i x L P 1P 2P L i P L 称为随机变量ξ的概率分布列，简称ξ的分布列. 注:1.离散型随机变量的分布列具有下述两个性质： (1)0,123≥，，，i p i =L ；123(2)1p p p +++=L 3．常见的分布列 ⑴二项分布：在一次试验中某事件发生的概率是p ，那么在n 次独立重复试验中这个事件恰发生k 次的概 率为()(1)k k n k n p X k C p p -==-，显然x 是一个随机变量.随机变量x 的概率分布如下： x 1 L k L n P 00n n C p q 111 n n C p q - L k k n k n C p q - L n n n C p q 我们称这样的随机变量x 服从二项分布,记作~(,)X B n p ⑵两点分布列:如果随机变量ξ的分布列为： ξ 0 1 P 1P - P 这样的分布列称为两点分布列,称随机变量服从两点分布,而称(1)p P ξ==为成功概率.两点分布是特殊的二项分布(1)p ξ~B , ⑶超几何分布：一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有x 件次品数，则事件{} x k =发生的概率为(),0,1,2,3,,k N k M N M n N C C P X k k m C --===L ．其中{}min ,m M n =,且*,,,,n N M N n M N N ≤≤∈，则称分布列

随机变量及其分布知识点总结

圆梦教育中心 随机变量及其分布知识点整理 一、离散型随机变量的分布列 一般地，设离散型随机变量X 可能取的值为12,,,,,i n x x x x ??????，X 取每一个值(1,2,,)i x i n =???的概率 ()i i P X x p ==，则称以下表格 为随机变量X 的概率分布列，简称X 的分布列. 离散型随机变量的分布列具有下述两个性质： （1）0,1,2,,i P i n =???≥ （2）121n p p p ++???+= 1．两点分布 则称X 服从两点分布，并称=P(X=1)p 为成功概率. 2．超几何分布 一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有X 件次品，则事件{}X k =发生的概率为： (),0,1,2,3,...,k n k M N M n N C C P X k k m C --=== {}*min ,,,,,,m M n n N M N n M N N =≤≤∈其中且。 注：超几何分布的模型是不放回抽样 二、条件概率 一般地，设A,B 为两个事件,且()0P A >,称() (|)() P AB P B A P A = 为在事件A 发生的条件下,事件B 发生的条件概率. 0(|)1P B A ≤≤ 如果B 和C 互斥，那么[()|](|)(|)P B C A P B A P C A =+U 三、相互独立事件 设A ，B 两个事件，如果事件A 是否发生对事件B 发生的概率没有影响(即()()()P AB P A P B =),则称事件A 与事件B 相互独立。()()()A B P AB P A P B ?=即、相互独立 一般地，如果事件A 1,A 2,…,A n 两两相互独立，那么这n 个事件同时发生的概率，等于每个事件发生的概率的积，即1212(...)()()...()n n P A A A P A P A P A =.

(完整word版)高中数学选修2-3第二章随机变量及其分布教案

第二章 随机变量及其分布 2．1．1离散型随机变量 第一课时 思考1：掷一枚骰子，出现的点数可以用数字1 , 2 ，3，4，5，6来表示．那么掷一枚硬币的结果是否也可以用数字来表示呢？ 掷一枚硬币，可能出现正面向上、反面向上两种结果．虽然这个随机试验的结果不具有数量性质，但我们可以用数1和 0分别表示正面向上和反面向上（图2.1一1 ) . 在掷骰子和掷硬币的随机试验中，我们确定了一个对应关系，使得每一个试验结果都用一个确定的数字表示．在这个对应关系下，数字随着试验结果的变化而变化． 定义1：随着试验结果变化而变化的变量称为随机变量（random variable )．随机变量常用字母 X , Y ，ξ，η，… 表示． 思考2：随机变量和函数有类似的地方吗？ 随机变量和函数都是一种映射，随机变量把随机试验的结果映为实数，函数把实数映为实数．在这两种映射之间，试验结果的范围相当于函数的定义域，随机变量的取值范围相当于函数的值域．我们把随机变量的取值范围叫做随机变量的值域． 例如，在含有10件次品的100 件产品中，任意抽取4件，可能含有的次品件数X 将随着抽取结果的变化而变化，是一个随机变量，其值域是｛0, 1, 2 , 3, 4 } . 利用随机变量可以表达一些事件．例如{X=0｝表示“抽出0件次品” , {X =4｝表示“抽出4件次品”等．你能说出｛X< 3 ｝在这里表示什么事件吗？“抽出 3 件以上次品”又如何用 X 表示呢？ 定义2：所有取值可以一一列出的随机变量，称为离散型随机变量 ( discrete random variable ) . 离散型随机变量的例子很多．例如某人射击一次可能命中的环数 X 是一个离散型随机变量，它的所有可能取值为0，1，…，10；某网页在24小时内被浏览的次数Y 也是一个离散型随机变量，它的所有可能取值为0, 1,2，…. 思考3：电灯的寿命X 是离散型随机变量吗？ 电灯泡的寿命 X 的可能取值是任何一个非负实数，而所有非负实数不能一一列出，所以 X 不是离散型随机变量． 在研究随机现象时，需要根据所关心的问题恰当地定义随机变量．例如，如果我们仅关心电灯泡的使用寿命是否超过1000 小时，那么就可以定义如下的随机变量： ?? ≥?0，寿命<1000小时； Y=1,寿命1000小时. 与电灯泡的寿命 X 相比较，随机变量Y 的构造更简单，它只取两个不同的值0和1，是一个离散型随机变量，研究起来更加容易． 连续型随机变量: 对于随机变量可能取的值，可以取某一区间内的一切值，这样的变量就叫做连续型随机变量 如某林场树木最高达30米，则林场树木的高度ξ是一个随机变量，它可以取（0，30]内的一切值 4.离散型随机变量与连续型随机变量的区别与联系: 离散型随机变量与连续型随机变量都是用变量表示随机试验

选修2-3第二章随机变量及其分布知识点总结

第二章概率总结 一、知识点 1.随机试验的特点: ①试验可以在相同的情形下重复进行； ②试验的所有可能结果是明确可知的，并且不止一个 ③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会 出现哪一个结果． 2.分类 随机变量 （如果随机试验可能出现的结果可以用一个变量X来表示，并且X是随着试验的结 果的不同而变化，那么这样的变量叫做随机变量．随机变量常用大写字母X、Y等 或希腊字母ξ、η等表示。） 离散型随机变量：连续型随机变量： 3.离散型随机变量的分布列 一般的,设离散型随机变量X可能取的值为x1, x2, ,x i , ,x n X取每一个值xi(i=1,2,）的概率P(ξ=x i）＝P i，则称表 为离散型随机变量X 的概率分布，简称分布列 性质：①---------------------------------------------- ②-------------------------------------------------． 二点分布 如果随机变量X的分布列为： 其中0

一般地, 设总数为N 件的两类物品，其中一类有M 件，从所有物品中任取n(n ≤N)件, 这n 件中所含这类物品件数X 是一个离散型随机变量， 则它取值为k 时的概率为()(0,1,2,,)k n k M N M n N C C P X k k m C --===，其中 则称随机变量X 的分布列 , 为超几何分布列,且称随机变量X 服从参数N 、M 、n 的超几何分布 注意：（1）超几何分布的模型是不放回抽样； （2）超几何分布中的参数是N 、M 、n ，其意义分别是总体中的个体总数、N 中一类的 总数、样本容量 条件概率 1.定义：对任意事件A 和事件B ，在已知事件A 发生的条件下事件B 发生的概率， 叫做条件概率.记作P(B|A)，读作A 发生的条件下B 的概率 2.事件的交（积）:由事件A 和事件B 同时发生所构成的事件D ，称为事件A 与事件B 的交（或积）.记作D=A ∩B 或D=AB 3.条件概率计算公式: 例题、10个产品中有7个正品、3个次品，从中不放回地抽取两个，已知第一个取到次品， 求第二个又取到次品的概率. 相互独立事件 1.定义：事件A(或B)是否发生对事件B(或A)发生的概率没有影响,这样的两个事件 叫做相互独立事件 2.相互独立事件同时发生的概率公式 两个相互独立事件同时发生的概率，等于每个事件发生的概率的积。则有 如果事件A1，A2，…An 相互独立，那么这n 个事件同时发生的概率， 等于每个事件发生的概率的积。即： P （A1·A2·…·An ）=P （A1）·P （A2）·…·P(An) 3解题步骤 说明（1）判断两事件A 、B 是否为相互独立事件，关键是看A （或B ）发生与否对B （或A ）发生的概率是否影响，若两种状况下概率不变，则为相互独立. （2）互斥事件是指不可能同时发生的两个事件；相互独立事件是指一事件的发生与否对另一事件发生的概率没影响. （3）如果A 、B 是相互独立事件，则A 的补集与B 的补集、A 与B 的补集、A 的补集与B 也都相互独立.

第五节 离散型随机变量及其分布列 复习讲义

第五节离散型随机变量及其分布列 一、离散型随机变量 随着试验结果变化而变化的变量称为随机变量,所有取值可以一一列出的随机变量,称为离散型随机变量. 二、离散型随机变量的分布列及性质 1.一般地,若离散型随机变量X可能取的不同值为 x1,x2,…,x i,…,x n,X取每一个值x i(i=1,2,…,n)的概率P(X=x i)=p i,则表

称为离散型随机变量X的概率分布列,简称为X的分布列. 2.离散型随机变量的分布列的性质 (1)p i≥0,i=1,2,…,n. (2)p1+p2+…+p n=1. 三、相互独立事件 一般地,对两个事件A,B,如果P(AB)=P(A)P(B),则称A,B相互独立. 四、两点分布 若随机变量X的分布列为 则称X服从两点分布,并称p=P(X=1)为成功概率. 五、独立重复试验与二项分布 1.独立重复试验 一般地,在相同条件下重复做的n次试验称为n次独立重复试验. 2.二项分布 一般地,在n次独立重复试验中,设事件A发生的次数为X,在每次试验中事件A发生的概率为p,事件A恰好发生k次的概率为 P(X=k)=C k p k(1-p)n-k(k=0,1,2,…,n). n 此时称随机变量X服从二项分布,记作X～B(n,p),并称p为成功概率.

1.概念理解 (1)随机变量是将随机试验的结果数量化. (2)离散型随机变量的分布列从整体上反映了随机变量取各个值的可能性的大小,反映了随机变量取值的规律性. (3)因为一次试验的各种结果是互斥的,而全部结果之和为一个必然事件,所以离散型随机变量的分布列具有性质p 1+p 2+…+p i +…+p n =1. (4)由事件A 和B 同时发生所构成的事件称为事件A 与B 的交(或积),记作A ∩B(或AB). (5)相互独立的两个事件实质上是一个事件的发生对另一个事件的发生没有影响. (6)独立重复试验必须满足三个特征:①每次试验的条件都完全相同,即每次试验事件发生的概率相等;②各次试验互相独立;③每次试验只有两种结果,即事件要么发生,要么不发生. (7)P(X=k)=C k n p k (1-p)n-k 恰好是[(1-p)+p]n 展开式的第k+1项 1k T =C k n (1-p) n-k p k . (8)独立重复试验的实际原型是有放回的抽样问题,但在实际中,从大批产品中抽取少量样品的不放回检验,也可以近似地看作此类型. (9)独立重复试验中的概率公式P n (k)=C k n p k (1-p)n-k 中的p 与(1-p)的位 置不能互换,否则式子表示为事件A 有k 次不发生的概率. 2.与独立事件有关的结论 (1)若A 与B 相互独立,则A 与B ,A 与B,A 与B 也都相互独立.

数学：人教版选修2-3第二章离散型随机变量教案(2.1.2离散型随机变量的分布列)

2． 1．2离散型随机变量的分布列 教学目标： 知识与技能：会求出某些简单的离散型随机变量的概率分布。 过程与方法：认识概率分布对于刻画随机现象的重要性。 情感、态度与价值观：认识概率分布对于刻画随机现象的重要性。 教学重点：离散型随机变量的分布列的概念 教学难点：求简单的离散型随机变量的分布列 授课类型：新授课 课时安排：2课时 教 具：多媒体、实物投影仪 教学过程： 一、复习引入： 1.随机变量：如果随机试验的结果可以用一个变量来表示，那么这样的变量叫做随机变量随机变量常用希腊字母ξ、η等表示 2. 离散型随机变量:对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量 3．连续型随机变量: 对于随机变量可能取的值，可以取某一区间内的一切值，这样的变量就叫做连续型随机变量 4.离散型随机变量与连续型随机变量的区别与联系: 离散型随机变量与连续型随机变量都是用变量表示随机试验的结果；但是离散型随机变量的结果可以按一定次序一一列出，而连续性随机变量的结果不可以一一列出 若ξ是随机变量，b a b a ,,+=ξη是常数， 则η也是随机变量 并且不改变其属性（离散型、连续型） 请同学们阅读课本P 5-6的内容，说明什么是随机变量的分布列？ 二、讲解新课： 1. 分布列:设离散型随机变量ξ可能取得值为 x 1，x 2，…，x 3，…， ξ取每一个值x i （i =1，2，…）的概率为()i i P x p ξ==，则称表 ξ x 1 x 2 … x i … P P 1 P 2 … P i … 为随机变量的概率分布，简称的分布列 2. 分布列的两个性质：任何随机事件发生的概率都满足:1)(0≤≤A P ，并且不可能事件的概率为0，必然事件的概率为1．由此你可以得出离散型随机变量的分布列都具有下面两个性质： ⑴P i ≥0，i ＝1，2，...； ⑵P 1+P 2+ (1) 对于离散型随机变量在某一范围内取值的概率等于它取这个范围内各个值的概率的和 ???+=+==≥+)()()(1k k k x P x P x P ξξξ 3.两点分布列: 例1.在掷一枚图钉的随机试验中，令

高考数学讲义随机变量及其分布列.版块二.几类典型的随机分布2.教师版

1． 离散型随机变量及其分布列 ⑴离散型随机变量 如果在试验中，试验可能出现的结果可以用一个变量X 来表示，并且X 是随着试验的结果的不同而变化的，我们把这样的变量X 叫做一个随机变量．随机变量常用大写字母,,X Y L 表示． 如果随机变量X 的所有可能的取值都能一一列举出来，则称X 为离散型随机变量． ⑵离散型随机变量的分布列 将离散型随机变量X 所有可能的取值x 与该取值对应的概率,)n L 列表表示： X 1x 2x … i x … n x P 1p 2p … i p … n p X 的分布列． 2．几类典型的随机分布 ⑴两点分布 如果随机变量X 的分布列为 X 1 0 P p q 其中01p <<，1q p =-X 服从参数为p 的二点分布． 二点分布举例：某次抽查活动中，一件产品合格记为1，不合格记为0，已知产品的合格率为80%，随机变量X X 的分布列满足二点分布． X 1 P 0.8 0.2 两点分布又称01-布又称为伯努利分布． ⑵超几何分布 一般地，设有总数为N 件的两类物品，其中一类有M 件，从所有物品中任取n 件()n N ≤，这n 件中所含这类物品件数X 是一个离散型随机变量，它取值为m 时的概率为 C C ()C m n m M N M n N P X m --==(0m l ≤≤，l 为n 和M 中较小的一个)． 我们称离散型随机变量X 的这种形式的概率分布为超几何分布，也称X 服从参数为N ， 知识内容 超几何分布

M ，n 的超几何分布．在超几何分布中，只要知道N ，M 和n ，就可以根据公式求出X 取不同值时的概率()P X m =，从而列出X 的分布列． ⑶二项分布 1．独立重复试验 如果每次试验，只考虑有两个可能的结果A 及A ，并且事件A 发生的概率相同．在相同的条件下，重复地做n 次试验，各次试验的结果相互独立，那么一般就称它们为n 次独立重复试验．n 次独立重复试验中，事件A 恰好发生k 次的概率为 ()C (1)k k n k n n P k p p -=-(0,1,2,,)k n =L ． 2．二项分布 若将事件A 发生的次数设为X ，事件A 不发生的概率为1q p =-，那么在n 次独立重复 试验中，事件A 恰好发生k 次的概率是()C k k n k n P X k p q -==，其中0,1,2,,k n =L ．于是得到X 0 1 … k … n P 00C n n p q 111 C n n p q - … C k k n k n p q - 0 C n n n p q 由式 001110 ()C C C C n n n k k n k n n n n n n q p p q p q p q p q --+=++++L L 各对应项的值，所以称这样的散型随机变量X 服从参数为n ，p 的二项分布， 记作~(,)X B n p ． 二项分布的均值与方差： 若离散型随机变量X 服从参数为n 和p 的二项分布，则 ()E X np =，()D x npq =(1)q p =-． ⑷正态分布 1． 概率密度曲线：样本数据的频率分布直方图，在样本容量越来越大时， 直方图上面的折线所接近的曲线．在随机变量中，如果把样本中的任一数据看作随机变量X ，则这条曲线称为X 的概率密度曲线． 曲线位于横轴的上方，它与横轴一起所围成的面积是1，而随机变量X 落在指定的两个数a b ，之间的概率就是对应的曲边梯形的面积． 2．正态分布 ⑴定义：如果随机现象是由一些互相独立的偶然因素所引起的，而且每一个偶然因素在总体的变化中都只是起着均匀、微小的作用，则表示这样的随机现象的随机变量的概率分布近似服从正态分布． 服从正态分布的随机变量叫做正态随机变量，简称正态变量． 正态变量概率密度曲线的函数表达式为22 ()2()2πx f x μσσ --= ?， x ∈R ，其中μ，σ是参数，且0σ>，μ-∞<<+∞． 式中的参数μ和σ分别为正态变量的数学期望和标准差．期望 为μ、标准差为σ的正态分布通常记作2(,)N μσ． 正态变量的概率密度函数的图象叫做正态曲线． ⑵标准正态分布：我们把数学期望为0，标准差为1的正态分布叫做标准正态分布． ⑶重要结论： ①正态变量在区间(,)μσμσ-+，(2,2)μσμσ-+，(3,3)μσμσ-+内，取值的概率分别是68.3%，95.4%，99.7%． ②正态变量在()-∞+∞，内的取值的概率为1， 在区间(33)μσμσ-+，之外的取值的概率x=μO y x