🔢 高中数学选择性必修第三册第七章 随机变量及其分布离散型随机变量分布列概率分布随机试验概率计算

离散型随机变量及其分布列

理解随机变量将试验结果数量化,掌握离散型随机变量分布列的表示与性质,会列出取值、计算对应概率并处理随机变量函数。

难度:★★★★★

💡同一场试验怎样用一个数字描述结果

连续投三次篮球,完整结果可能是“中中失”“失中中”等字符串。若只关心命中次数,可把每个结果对应到数字 0,1,2,30,1,2,3。这个数字在试验前不确定,却由试验结果唯一决定,称为随机变量。

随机变量把复杂结果压缩成可计算的数量;分布列则同时列出它能取哪些值,以及每个值出现的概率。

🎯学习目标与考查重点
  • 理解随机变量是定义在样本空间上的实值函数。
  • 能判断随机变量是否为离散型,并列出全部可能取值。
  • 掌握分布列中概率非负且总和为一的性质。
  • 会从等可能或非等可能试验计算分布列。
  • 会由 Y=g(X)Y=g(X) 合并对应相同新取值的概率。

一、随机变量与离散性

随机试验的每个样本点 ω\omega 经规则 X(ω)X(\omega) 对应一个实数,XX 称为随机变量。大写字母 X,YX,Y 表示随机变量,小写 xx 常表示它的某个可能取值。

若随机变量的所有可能取值可以一一列出,称为离散型随机变量。有限个取值当然离散;像 0,1,2,…0,1,2,\ldots 这样的可列无限取值也属于离散型。连续测量得到的身高、时间等通常用连续型随机变量描述,不宜列成逐点概率表。

随机变量的定义必须覆盖全部样本点,且一个样本点只能对应一个数。不同样本点可以得到同一个数,例如三次投篮中“中失失”“失中失”“失失中”都使命中次数 X=1X=1。

二、分布列及其性质

设离散型随机变量 XX 的可能取值为 x1,x2,…x_1,x_2,\ldots,对应概率为

P(X=xi)=pi.P(X=x_i)=p_i.

把取值和概率对应列出的表称为分布列。任何合法分布列都满足

pi≥0,∑ipi=1.p_i\ge0,\qquad \sum_i p_i=1.

第一条保证概率不为负,第二条保证所有可能取值没有遗漏。若表中有未知参数,可利用概率和为一求解,但还要检查所得参数使每个概率都非负。

计算区间事件时,把相应取值概率相加。例如

P(X≤2)=∑xi≤2P(X=xi).P(X\le2)=\sum_{x_i\le2}P(X=x_i).

若 XX 只取整数,P(X<2)=P(X≤1)P(X\lt2)=P(X\le1);是否能这样改写取决于已知取值集合,不能对任意连续取值照搬。

🔑

列分布列的标准顺序是:确定随机变量含义,列全可能取值,按互斥事件计算每个概率,最后检查所有概率非负且总和为一。

三、从样本空间建立分布列

若基本结果等可能,可先计算样本点总数,再统计每个 XX 值对应多少个样本点。若基本结果不等可能,则必须把相应路径概率相加,不能只数结果个数。

例如抛两枚均匀硬币,正面数 XX 的取值为 0,1,20,1,2,对应样本点数为 1,2,11,2,1,所以概率为 1/4,1/2,1/41/4,1/2,1/4。若两枚硬币正面概率不同,这三个概率应通过乘法公式计算,样本点不再等可能。

无放回抽样时,可用组合数计算:若总体有 NN 件,其中 MM 件具有某特征,抽取 nn 件,恰有 kk 件具有该特征的概率要同时选择特征件和非特征件,并除以所有抽法数。每个允许的 kk 还受库存和样本量共同限制。

四、随机变量的函数

若 Y=g(X)Y=g(X),先把每个 XX 的取值代入得到 YY,再合并产生相同 YY 值的概率。不能只把原表第一行变换而保持概率逐列不动,因为不同的 xix_i 可能映射到同一个新值。

例如 XX 取 −1,0,1-1,0,1,概率分别为 0.2,0.3,0.50.2,0.3,0.5,令 Y=X2Y=X^2,则 YY 只取 0,10,1,并且

P(Y=0)=0.3,P(Y=1)=0.2+0.5=0.7.P(Y=0)=0.3,\qquad P(Y=1)=0.2+0.5=0.7.

若变换是一一对应,如 Y=2X+1Y=2X+1,则只需同步变换取值,概率与原值一一对应。

例 1原创基础例题:抛硬币的分布列

一枚均匀硬币独立抛掷三次,令 XX 为正面出现次数。写出 XX 的分布列,并求 P(X≥2)P(X\ge2)。

✏️ 查看分步解析

XX 的可能取值为 0,1,2,30,1,2,3。三次结果共 23=82^3=8 个且等可能,恰有 kk 次正面的结果数为 C3kC_3^k,所以

XX00112233
PP1/81/83/83/83/83/81/81/8

概率均非负且总和为一。于是

P(X≥2)=P(X=2)+P(X=3)=38+18=12.P(X\ge2)=P(X=2)+P(X=3)=\frac38+\frac18=\frac12.
例 2原创进阶例题:无放回抽样分布列

盒中有 33 个合格品、22 个次品,随机无放回抽取 22 个。令 XX 为抽到的次品数,求分布列。

✏️ 查看分步解析

XX 可取 0,1,20,1,2,全部抽法有 C52=10C_5^2=10 种。

P(X=0)=C20C32C52=310,P(X=0)=\frac{C_2^0C_3^2}{C_5^2}=\frac3{10},P(X=1)=C21C31C52=610,P(X=1)=\frac{C_2^1C_3^1}{C_5^2}=\frac6{10},P(X=2)=C22C30C52=110.P(X=2)=\frac{C_2^2C_3^0}{C_5^2}=\frac1{10}.

三者之和为一,因此分布列完整。这里不能用独立重复试验公式,因为第一次抽取会改变盒中构成。

⚠️易错点
  • 先列随机变量的实际可能取值,不要凭感觉补入不可能值。
  • 概率和为一只能帮助求参数,仍需检查每个概率非负。
  • 样本点不等可能时,不能用“有利个数除以总个数”。
  • 无放回抽样通常不是独立重复试验。
  • 对 Y=g(X)Y=g(X),多个原取值映射到同一新值时要合并概率。
🌏生活应用:库存缺陷数与服务次数

抽检一箱产品时,“样本中的缺陷件数”是离散型随机变量;客服中心一天接到的咨询次数也可以逐个计数。建立分布列后,可计算达到某阈值的概率,为备件或人员安排提供依据。但模型必须反映抽样方式、是否放回和各结果是否等可能,错误地假设独立会让尾部风险估计失真。

五、自测与解析

1. 分布列参数

随机变量 XX 取 0,1,20,1,2,概率分别为 a,2a,3aa,2a,3a,求 aa。

✏️ 查看答案

由概率和为一,6a=16a=1,所以 a=1/6a=1/6;三个概率都非负,结果合法。

2. 事件概率

若 P(X=0)=0.2P(X=0)=0.2,P(X=1)=0.5P(X=1)=0.5,P(X=2)=0.3P(X=2)=0.3,求 P(X>0)P(X\gt0)。

✏️ 查看答案

P(X>0)=P(X=1)+P(X=2)=0.8P(X\gt0)=P(X=1)+P(X=2)=0.8,也可用 1−P(X=0)1-P(X=0)。

3. 变量变换

若上题中 Y=∣X−1∣Y=|X-1|,写出 YY 的分布。

✏️ 查看答案

X=1X=1 时 Y=0Y=0,概率 0.50.5;X=0X=0 或 22 时 Y=1Y=1,概率 0.2+0.3=0.50.2+0.3=0.5。

📺B 站视频讲解去 B 站观看「离散型随机变量及其分布列视频讲解」优质讲解视频 →