考研數學講座（78）分布函數是核心

wubingwinner · 發表于 2010-6-4 12:50

分析的好透徹呀！

0706390107 · 發表于 2010-9-17 23:33

好好啊，樓主高人！

匿名用戶 · 發表于 2011-6-25 11:04

挺透徹的~

漠漠么 · 發表于 2011-6-25 12:22

0概率事件不一定是不可能事件”，受教！謝謝！

1045290037 · 發表于 2011-7-3 14:07

教授辛苦了感謝

wlkaoyanzixun · 發表于 2011-7-15 17:11

很不錯！

涵筱楹瑜 · 發表于 2011-11-15 08:09

ding ding ding

mynextstop · 發表于 2011-11-15 16:35

好~！

Miss_珍小妮 · 發表于 2011-11-15 17:42

馬克哦！

戰地黃花 · 發表于 2010-5-24 07:19

分布函數是大學數學概率部分的核心概念。
   “分布函數”本值上是按照一個特定方式來計算與描述隨機變量事件的概率。
            隨機變量的分布函數 —— 設X是一個隨機變量，定義其分布函數F(x)為：
                              對任意實數x ，x —→ F(x) = P (X ≤x)
         如果 X 是離散型隨機變量，則分布函數  F(x) = P ( X ≤ x)  = 不超過x的那些點的概率和
      如果X 是連續型隨機變量，其概率密度函數為 f (x) ，則分布函數為
                  F(x) = P ( X ≤ x)  =  f (x)在(-∞,x ]上的積分       (變上限廣義積分)
         由概率的性質可知，F(x) 非負不減。且
                     x →-∞ 時 lim F(x) = 0 而 x → +∞ 時 lim F(x) = 1
         （畫外音：有趣的是，定義分布函數 F(x) = P ( X ≤ x)  ，是美國及西歐發達國家所采用的方式。前蘇聯等用的是F(x) = P ( X < x) 。我們的大學教材早期大都承接于前蘇聯，為什么會用這個定義，倒是個謎。）
      人們通常把離散型隨機變量 X 的取值點稱為它的概率質點。即把概率比喻為總和為 1 的質量。
      顯然，在第一個質點左邊，F(x) = 0 ；在相鄰兩個質點之間，F(x)為常數，其值恒等于左端質點處的函數值。函數圖形為水平線段。從左向右一直到右端質點處，函數才獲得一個增量，即該點所分布的概率質量。這樣一來，從質點x0左側到右側，圖形出現一個跳躍間斷。分布函數F(x) 顯然是右連續的“臺階函數”。
      我們可以寫出， F(x0) =  F(x0-0)+ P(x0)  或  P(x0) = F(x0)-F(x0-0)
            已知離散型隨機變量X的分布函數時，算出每個間斷點處的概率質量，就得到分布列。

      對于連續型隨機變量，由于密度函數 f (x) 非負可積，從幾何角度看， F(x) 是通常意義的變動面積函數，自然是連續函數。
   （潛臺詞：任選一點觀察，Δx → 0 時，必有 Δy → 0 ）
      對于每一個基本點x0 ，P(x0) = F(x0)-F(x0-0)= 0 ；這是連續型隨機變量的本質標志之一。也是“0概率事件不一定是不可能事件”的例證。
      如果已知連續型隨機變量 X 的分布函數，按照定義，它的導數就是 X 的密度。
      如果分布函數是分段定義的，那就在各段分別求導。定義分界點可以不管。得到分段定義的密度函數。

   （畫外音：喜歡口訣嗎。分布函數“非負不減右連續，左趨于0右趨1 ”）

   例38    設F1（x）與F2（x）分別是隨機變量X 1與X 2的分布函數。為了使得函數F(x) = a F1(x)-b F2 (x)是某一隨機變量的分布函數，在下列給定的各組數值中應取
            （A） a = 3/5  ,  b =-2/5    （B） a = 2/3  , b = 2/3
                        （C） a = -1/2  ,  b = 3/2    （D） a = 1/2  , b =-3/2
               分析  由題設應有  x → +∞ 時  lim(aF1(x)-b F2(x)) = a-b = 1 應選（A）。
      例39  已知隨機變量X有密度函數 f (x) =（1/2）exp（-|x|），求X的分布函數
      分析  本題考查分布函數定義，連續型隨機變量定義，與高等數學計算，即求由分段函數產生的變上限函數解析式。
      （潛臺詞：任給一點，視為定數，積分得到函數值。是否分段，給前考慮。）
      f (x)是分段函數，原點是定義分界點。要分段計算。
         x≤0時，f (x) = (1/2)exp(x)       ， F (x) =  f (x)在(-∞,x ]上的積分 = (1/2)exp(x)
               x>0時，f (x) = (1/2)exp(-x)，f (x) 在(-∞,0 ) 與 (0，x ]上有不同定義，故
                                       F (x) =  F(0) + P（0<X≤x）= 1-(1/2)exp(-x)

            還有既不是離散型也不是連續型的隨機變量。
      *例40    設隨機變量X的絕對值不大于1；且P（{X = -1}）=1/8，P（{X = 1}） = 1/4 ；在事件{-1<X<1}出現的條件下，X在（-1，1）內的任一子區間上取值的條件概率與該子區間的長度成正比，試求
      （1）X的分布函數F（x）= P (X ≤ x) ；（2）X取負值的概率p
               分析  隨機變量X有概率質點X = -1與X = 1，但概率質量又不完全分布在質點上，因而它既不是離散型隨機變量，也不是連續型隨機變量。所以題（1）中特別告訴你，它的分布函數定義同樣是F（x）= P (X ≤ x)
               我們按照定義計算，先考查并給出 F（x）= 0 及F（x）= 1的最特殊段。
      （1）任給一點x ，顯然有x<-1時，F (x) = 0 ；而  x≥1  時，F (x) = 1
                     -1<x<1  時，F (x) = P(X<-1) + P (X = -1) + P(-1<X ≤x) = 1/8 + P(-1< X≤ x )
            （畫外音：不要忘了，分布函數是概率的特殊描述。逆向思維，求分布函數就是算概率。
                  在這里還有，P(X<-1) = F（-1-0））
      設比例系數為k，已知條件概率可以表示為 P（(-1< X ≤ x )∣{-1<X<1} ) = k（x+1）
      x 無限靠近 1 時這個條件概率應該趨于1，因而可以確定 k =1/2
            另一方面，由條件概率定義  P(AB) = P(B) P(A∣B) ，且 P({-1<X<1}) = 5/8 ，
而    事件 (-1< X ≤ x ) 與 {-1<X<1} 的交就是 (-1< X ≤ x )
故             P(-1<X ≤x) = P({-1<X<1}) (x+1)/2 = 5 (x+1)/16
            （潛臺詞：由已知條件算得條件概率P(A∣B)，由條件概率定義得到P(AB)。）
最終得    -1<x<1  時， F (x) =1/8 + 5 (x+1)/16
            （2） P (X<0) = F(0-0) = 7/16

             典型計算與算法 ——“分布函數法”
            已知隨機變量X的密度（或分布）函數，用“分布函數法”求隨機變量 g (X) 的分布密度。這是程序化的典型計算。是考研試題的一個重點題型。
       例41    已知隨機變量X有密度函數 f (x) =1/π(1+ x2), 求隨機變量 Y = 2X 的密度
         分析  盡管是簡單的線性函數，也得按定義及標準步驟來計算
         經觀查沒有分布函數為0或為1的最特殊段。
         任給一點y，（視為定數），分布函數 G (Y) = P (Y ≤ y) = P (2X ≤ y) = P (X ≤ y/2) = F(y/2)
                  問題經過反函數變化已經轉換為計算X的分布函數。
               f (x)在（(-∞, y/2 ]上積分得  G(Y) =（arctg（y/2）+π/2）/π
求導得    Y = 2X的密度函數 g (y) =1/π(4 + y 2 )
               例42 隨機變量X有概率密度f (x)，x≥0時，f (x) = exp(-x)，x < 0時 f (x) = 0，求隨機變量Y = exp(X)的概率密度。
         分析  Y = exp(X) ，故X < 0  時 Y <1 ，對應的密度函數 g（y）= 0
               在（1，+∞）上任給一點 y  ，（視為定數），
分布函數          G (Y) = P (Y ≤ y) = P (exp(X) ≤ y) = P (X ≤ ln y ) =1-1/y
               1≤ y< +∞時，Y的概率密度為  g（y）=1/ y 2

[ 本帖最后由戰地黃花于 2010-5-24 07:25 編輯 ]

		自動登錄	找回密碼
密碼			注冊

国产丝袜美女一区二区,精品久久免费影院,久久91精品久久久水蜜桃,亚洲人成网站999久久久综合,天天2023亚洲欧美,久久久久日韩精品,久久这里只是精品最新,999精品欧美一区二区三区

考研數學講座（78）分布函數是核心

NEW最新資料推薦