这是一个连续性的变量X,所以分布函数也是连续的,所以把x=0代入上式:a+b=0
再对F(x)取极限,x趋于+∞,F(x)趋于1,a=1,所以b=-1
随机事件数量化的好处是可以用数学分析的方法来研究随机现象。例如某一时间内公共汽车站等车乘客人数,电话交换台在一定时间内收到的呼叫次数,灯泡的寿命等等,都是随机变量的实例。
按照随机变量可能取得的值,可以把它们分为两种基本类型:
离散型
离散型随机变量即在一定区间内变量取值为有限个或可数个。例如某地区某年人口的出生数、死亡数,某药治疗某病病人的有效数、无效数等。离散型随机变量通常依据概率质量函数分类,主要分为:伯努利随机变量、二项随机变量、几何随机变量和泊松随机变量。
连续型
连续型随机变量即在一定区间内变量取值有无限个,或数值无法一一列举出来。例如某地区男性健康成人的身长值、体重值,一批传染性肝炎患者的血清转氨酶测定值等。有几个重要的连续随机变量常常出现在概率论中,如:均匀随机变量、指数随机变量、伽马随机变量和正态随机变量。
有些随机现象需要同时用多个随机变量来描述。例如对地面目标射击,弹着点的位置需要两个坐标才能确定,因此研究它要同时考虑两个随机变量,一般称同一概率空间(Ω,F,p)上的n个随机变量构成的n维向量X=(x1,x2,…,xn)为n维随机向量。
随机变量可以看作一维随机向量。称n元x1,x2,…,xn的函数为X的(联合)分布函数。又如果(x1,x2)为二维随机向量,则称x1+ix2(i2=-1)为复随机变量。
随机变量的独立性 独立性是概率论所独有的一个重要概念。