离散型随机变量课件

离散型随机变量本课件将带您了解离散型随机变量的概念、性质和常见类型，并通过实例分析，帮助您更好地理解和应用这些知识什么是随机变量定义类型例子随机变量是指其值为随机事件的结果的变随机变量分为离散型和连续型，取决于变抛硬币的结果可以表示为一个随机变量，量，可以是数值型或非数值型它将随机量取值的连续性其中正面记为1，反面记为0事件的结果映射到一个数值连续型和离散型随机变量的区别可数性1离散型随机变量的值可以被计数不可数性2连续型随机变量的值可以取任何值分布函数3离散型随机变量的分布函数是阶梯函数概率质量函数4离散型随机变量的概率质量函数定义在可数的点上离散型随机变量的性质离散型随机变量的值只能是有限个或可以用概率质量函数（PMF）来描述可数无穷多个值例如掷骰子结离散型随机变量的概率分布果，只能是

1、

2、

3、

4、5或6离散型随机变量的期望值、方差和标准差可以用来刻画随机变量的中心位置、离散程度离散型随机变量的分布函数和概率质量函数分布函数概率质量函数定义随机变量X取值小于或等于某个值的概率定义随机变量X取值为某个特定值的概率表示方法Fx=PX≤x表示方法px=PX=x性质单调递增，右连续性质非负，所有取值的概率之和为1离散型随机变量的期望定义意义离散型随机变量的期望值是其所有可能取值的加权平均值，权重期望值是随机变量的平均值，它反映了随机变量的长期平均趋为每个取值的概率势计算性质设离散型随机变量X的取值为x1,x2,...,xn，其对应概率分别为期望值具有线性性质，即:EaX+b=aEX+bp1,p2,...,pn，则X的期望值为:EX=x1*p1+x2*p2+...+xn*pn离散型随机变量的方差和标准差12方差标准差反映随机变量取值分散程度方差的平方根，更直观反映随机变量的波动程度二项分布定义条件二项分布描述了在n次独立试验每次试验只有两种可能的结果中，事件A发生的次数的概率分成功或失败每次试验的成功概布率为p，失败概率为1-p公式PX=k=n choosek*p^k*1-p^n-k，其中n choosek表示从n次试验中选出k次成功的组合数二项分布的性质独立性概率一致性12每次试验的结果相互独立，不每次试验中成功事件的概率保受之前试验结果的影响持不变固定次数3试验次数是固定的，即n次二项分布的应用实例•一个硬币抛掷10次，计算出现正面次数的概率分布•一个产品质量检验，如果合格率为90%，检查10件产品，计算合格产品数量的概率分布•一个电话销售员，如果每次电话成功的概率为20%，尝试联系15个客户，计算成功联系的客户数量的概率分布泊松分布定义特征泊松分布是一种离散型概率分布，用于描述在给定时间段或空间泊松分布的特点是事件发生的概率与时间段或空间大小成正比，内，事件发生的次数并且事件的发生是独立的泊松分布的性质泊松分布的期望和方差相等，都等于泊松分布具有可加性，即多个独立的泊松随机变量的和仍然服从泊松分λ布泊松分布的形状取决于参数，越λλ大，分布越向右偏移泊松分布的应用实例泊松分布在现实生活中有很多应用，例如•在一段时间内，电话交换机收到的呼叫次数•在一段距离内，道路上出现的车辆数量•在一定面积内，发现某种缺陷的概率几何分布定义性质几何分布描述了在独立试验中，直到首次获得成功之前所需要进几何分布的期望值为1/p，方差为1-p/p^2，其中p表示单次行的试验次数的概率分布试验成功的概率几何分布的性质无记忆性期望和方差几何分布具有无记忆性，即未来几何分布的期望和方差可以计算的事件不受过去事件的影响出来，分别为1/p和1-p/p²应用场景几何分布在现实生活中有着广泛的应用，例如，在产品质量检验中，可以用来描述直到找到一个合格产品所需的试验次数几何分布的应用实例几何分布在现实生活中有着广泛的应用，例如:•在生产过程中，对某一产品进行检验，直到出现合格产品为止，则检验次数服从几何分布•在一个硬币实验中，连续抛掷硬币，直到出现正面为止，则抛掷次数服从几何分布•在网络安全中，对一个网站进行攻击，直到成功为止，则攻击次数服从几何分布负二项分布定义参数应用123负二项分布描述的是在进行一系列负二项分布由两个参数决定成功负二项分布在许多领域都有应用，独立的伯努利试验中，直到获得特次数（r）和每次试验成功的概率例如产品质量控制、生物学研定次数的成功，所需的试验次数的（p）究、保险精算等概率分布负二项分布的性质失败次数固定试验次数不固定概率质量函数负二项分布描述的是在进行一系列独立试与二项分布不同，负二项分布中试验次数负二项分布的概率质量函数由两个参数决验中，直到获得固定次数的成功，所需的不是固定的，而是由获得固定次数的成功定成功的次数和每次试验的成功概率失败次数所决定的负二项分布的应用实例负二项分布在许多实际问题中都有广泛的应用，例如•在质量控制中，可以用来估计生产线上的次品率•在医疗领域，可以用来研究某种疾病的患病率•在市场营销中，可以用来预测顾客购买某种商品的次数超几何分布有限总体无放回抽样超几何分布适用于从有限总体中在超几何分布中，一旦一个样本进行抽样，其中每个样本的出现被抽取，它就不能再被放回总体概率取决于先前样本的结果中，因此样本之间的依赖性很强成功与失败超几何分布关注的是在一定数量的样本中，成功样本的数量超几何分布的性质有限总体无放回抽样成功概率超几何分布适用于从有限总体中进行抽在超几何分布中，每次抽取后样本不会超几何分布中的成功概率指的是从总体样，其中每个样本都被视为一次独立事被放回总体，这意味着每次抽取的概率中抽取到特定类型样本的概率件会发生变化超几何分布的应用实例质量控制抽样调查扑克牌游戏从一个有限的批次中抽取样本，检查缺陷从一个有限的总体中抽取样本，调查某个计算特定牌型的概率，例如从一副牌中抽品的数量特定特征的比例取5张牌，获得4张A的概率分布函数和概率质量函数的关系概率质量函数PMF表示离散型随机变量取特定值的概率.分布函数CDF表示离散型随机变量取小于等于特定值的概率.关系分布函数是概率质量函数的累加和.离散型随机变量的抽样分布样本均值样本方差12抽样分布是指从总体中随机抽离散型随机变量的抽样分布可取多个样本，计算样本统计量以帮助我们理解样本统计量与（如样本均值、样本方差）的总体参数之间的关系分布样本比例3抽样分布是统计推断的基础，通过样本信息推断总体特征大数定律和中心极限定理大数定律中心极限定理当样本量足够大时，样本均值会趋近于总体均值当样本量足够大时，样本均值的分布会趋近于正态分布离散型随机变量的估计和假设检验参数估计假设检验利用样本数据对未知参数进行估计，例如，估计二项分布的概率检验关于总体参数的假设，例如，检验泊松分布的期望值是否等p于某个特定值离散型随机变量的应用领域离散型随机变量是统计学的重要概在商业领域，离散型随机变量可以用念，它被广泛用于各种领域于预测销售量、市场份额和客户行为在科学领域，离散型随机变量可以用于分析实验结果、预测自然现象和建模复杂系统总结与展望在本讲中，我们深入探讨了离散型随机变量的概念、性质和常见分布通过学习这些知识，我们可以更深入地理解随机现象，并应用于实际问题中展望未来，离散型随机变量将在数据科学、人工智能、金融和医疗等领域发挥更加重要的作用，例如:•在数据科学中，我们可以使用离散型随机变量来建模和分析离散数据，例如用户行为、产品销量和网络流量•在人工智能领域，离散型随机变量可以用来模拟机器学习算法中的随机过程，例如强化学习•在金融领域，离散型随机变量可以用来模拟股票价格和期权价格的变化•在医疗领域，离散型随机变量可以用来模拟疾病传播和患者治疗效果。