物流系统仿真课件第讲概率基础.ppt

3.2随机变量及其概率分布一、随机变量的概念一、随机变量的概念二、随机变量的概率分布1.离散型随机变量的概率分布离散型概率分布的表示：2.连续型随机变量的概率密度概率密度f(x)的性质3.分布函数三、随机变量的数字特征1.随机变量的数学期望数学期望的主要数学性质2.随机变量的方差方差和标准差（续）【例3-10】3.两个随机变量的协方差和相关系数相关系数四、常见离散型随机变量的概率分布1.二项分布（背景）1.二项分布二项分布图形【例3-11】利用Excel计算二项分布概率2.泊松分布泊松分布（应用背景）【例3-12】二项分布的泊松近似3.超几何分布五、常见的连续型概率分布2.正态分布2.正态曲线标准正态分布【例3-14】解3σ原则正态分布最常用、最重要用正态分布近似二项分布用正态分布近似二项分布计算正态分布的概率值也可在选定的输出单元格中，顺次输入函数名和参数值即可
如输入“=NORMDIST(500,1050,200,1)”，确定后即可得到所求概率值0.0029798。
根据概率值F(X≤x)求随机变量取值的区间点x，选择函数“NORMINV”。
如输入“=NORMINV(0.0029798,1050,200)”,显示计算结果为500。3.3大数定律与中心极限定理一、大数定律独立同分布大数定律大数定律（续）二、中心极限定理独立同分布的中心极限定理上述定理表明
独立同分布的随机变量序列不管服从什么分布，其n项总和的分布趋近于正态分布。
可得出如下结论：
不论总体服从何种分布，只要其数学期望和方差存在，对这一总体进行重复抽样时，当样本量n充分大，就趋于正态分布。
该定理为均值的抽样推断奠定了理论基础。【例3-16】棣莫佛－拉普拉斯中心极限定理为什么很多随机现象呈正态分布本章小结常用概率分布及其均值、方差1、字体安装与设置