内容正文:
十三随机变量及其分布
0条件概率的定义〔32】
P(AB)
P(BIA)=-
P(A)
○条件概率的性质〔385〕
辨析条件概率
问题
[383J
条件
概率
。条件概率与事件独立性的关系〔386〕
条件既
当P(A)>0时,事件A,B相互独立等价于P(BIA)=P(B).
13
单公式
的变形
O条件概率的求法〔384]
乘法
①利用条件概率的定义求解
②利用样本点个数求解
公式〔387j
●全概率公式[388
P(B)=
P(A.)P(BIA,).
结合概率加
法公式推导
○离散型随机变量的定义
可能取值为有限个或可以一一列举的随机
变量,称为离散型随机变量
猫述离散型随机变
量取值的损华规律
·定义及表示
离散型随机变
量的分布列
随机变量X取每一个值x的概
百限公
率P(X=x)=p,i=1,2,
离散型随
n称为X的概率分布列,简称
机变量
分布列。
步
性质〔389]
〔390]
r取位为0
0
离散型随机变量的均值和方差
和1的特珠
清况
·意义〔391
·性质〔392]
。联系〔393
两点
定义及分布列〔394)
分布
均值和方差[395]
E(X)=p,D(X)=p1-p):
甲数育技有
0n重伯努利试验〔396
0二项分布的定义及分布列〔397
P(X=k)=Cp·(1-p-(k=0,1,
2,…,n)
二项
分布
0二项分布的特征〔398]
①对立性
②重复性
③有限性
。二项分布的均值和方差【399
E(X)=np,D(X)=np(1-p).
随机变量及其分布·数学
·202·
0定义及分布列[400]
随机变量可能取得的最大、最小值
(401)
C
超几何
P(X=k)=-
k=m,m+l,m+2,…,元.其中n,N,
Cy
分布
M∈N',M≤N,n≤N,m=max0,n-N+M},r=minin,Ml.
超几何分布与二项分布的区别和联系〔40
均值和方差〔402]
E(X)=np,D(X)=np(1-p).
N-n
N-
,其中p=
N
连续型随机变量
13
取值充满某个区间甚至整个实轴,但取一点的概率为0的随机变量,称为连续型
随机变曼
O正态分布的定义〔403)
若随机变量X的概率分布密度函数为正态密度函数(x)=
】e罗,xER(其中4ER,>0为参数),则称X服
/2πa
从正态分布
有限公司
0正态分布的均值和方差〔44】
E(X)=4,D(X)=G2
0
正态曲线的特征〔405】
求服从正态分布的随机变
正态分布的概率〔406)
量在某区间内取值的概率
概率P(a≤X≤b)表示为正态曲线、
的技巧
408
正态
x轴、直线x=a,x=b所图成的区
分布
域的面积
3g原则(407]
99.73%
←68279%-
京宏达一甲数育技有
-95459%
l-3G-204-G44+o4+204+3G
口正态分布标准化〔409
对任何一个正态分布YM4,g),令X=Y二L,则XN0,1,即任意正态分布通
过变换都可化为标准正态分布
随机变量及其分布·数学
·203·
382.一般地,设A,B为两个随机事件,且P(A)>0,我们称P(B1A)=
P(AB)
P(A)
为在事件A发生的条件下,事件B发生的条件概率,简称条件概率.注意P(B1A)与
P(A1B)的意义不一样,一般情况下,它们不相等
383.若概率题目中出现“在…前提(条件)下”等字眼,一般需要求解条件概率;
若题目中没有出现上述字眼,但已知事件的发生影响所求事件发生的概率时,也需注
意是否为条件概率
13
怎么考
据统计,一次性饮酒4.8两诱发脑血管病的概率为0.04,一次性饮酒7.2两诱发脑血管病的
概率为0.16.已知某公司职员一次性饮酒4.8两未诱发脑血管病,求他还能继续饮酒2.4两
已知事件的发生会影响所求事件发生的概率,可用条件概单求解
不诱发脑血管病的概率
①设事件A为“一次性饮酒48两不诱发脑血管病”,事件B为“一次性饮酒72两不诱发
脑血管病”
有限公
2P(A)=1-0.04=0.96,P(B)=1-0.16=0.84
自所求概率为P(BIM)=
P(AB)=
0.84
7
P(A)
0.968
有限公司
384.求条件概率时,除利用定义外,还可以用样本点个数求解,即P(B1A)=
n(AB)
,其中n(A),n(AB)分别为事件A,事件AB中的样本点个数.
n(A)
宏达一甲数合有
385.设A,B,C都是事件,且P(A)>0,则条件概率有如下性质:
①0≤P(B1A)≤1;
②P(2IA)=1;
③若B和C互斥,则P(BUCIA)=P(BIA)+P(C1A);
④设B是B的对立事件,则P(BIA)=1-P(BI4)
随机变量及其分布·数学
·204·
怎么来的性质③证明.
B和C互斥,∴,BA和CA也互斥,