什么是离散型随机变量
离散型随机变量 就是变量是一个 离散状态 比如是几个数值 X=1 X=2 X=4 才有定义 其余无定义 这样变量就离散了 连续型的是变量是一个范围 比如 X属于 0 到1 还有假如X在0到1 和 2到3 上有定义 这样是离散的两个区间 是叫离散型还是连续型呢 好像都不能叫 叫非离散型比较靠谱 至于那个实验 就是 服从二项分布 结果只有两种 每次实验互不影响 每种结果都是相同概率 比如抛硬币 不是正面就是反面 正面反面概率每次都是1/2
延伸阅读
离散型随机变量x的分布函数概念
分布函数（英文Cumulative Distribution Function, 简称CDF），是概率统计中重要的函数，正是通过它，可用数学分析的方法来研究随机变量。分布函数是随机变量最重要的概率特征，分布函数可以完整地描述随机变量的统计规律，并且决定随机变量的一切其他概率特征。
设X是一个随机变量，x是任意实数，函数
称为X的分布函数。有时也记为
对于任意实数
,
因此，若已知X的分布函数，就可以知道X落在任一区间上的概率，在这个意义上说，分布函数完整地描述了随机变量的统计规律性。
如果将X看成是数轴上的随机点的坐标，那么，分布函数F(x)在x处的函数值就表示X落在区间
上的概率。
扩展资料
其中和式是对满足
的一切k求和．离散型随机变量的分布函数是分段函数，
的间断点就是离散型随机变量的各可能取值点，并且在其间断点处右连续．离散型随机变量
的分布函数
的图形是阶梯形曲线．
在
的一切有(正)概率的点
，皆有一个跳跃，其跳跃度正好为
取值
的概率
，而在分布函数
的任何一个连续点x上，
取值x的概率皆为零。
离散型随机变量的分布律和它的分布函数是相互唯一决定的。它们皆可以用来描述离散型随机变量的统计规律性，但分布律比分布函数更直观简明，处理更方便。因此，一般是用分布律(概率函数)而不是分布函数来描述离散型随机变量。
离散型随机变量及其分布
离散型随机变量：应用于信号与系统领域的变量。
随机取值的变量就是随机变量，随机变量分为离散型随机变量与连续型随机变量两种（变量分为定性和定量两类，其中定性变量又分为分类变量和有序变量；定量变量分为离散型和连续型），随机变量的函数仍为随机变量。有些随机变量，它全部可能取到的不相同的值是有限个或可列无限多个，这种随机变量称为”离散型随机变量”。
离散型随机变量性质
离散型随机变量的性质就是任何随机事件发生的概率都满足：并且不可能事件的概率为0，必然事件的概率为1。用公式表达就是
（1）Pi≥0，i＝1，2，…；
（2）P1+P2+…=1．
对于离散型随机变量在某一范围内取值的概率等于它取这个范围内各个值的概率的和。
离散型随机变量和连续型随机变量
1、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。
2、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，或数值无法一个一个列举出来。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。
3、随机事件不论与数量是否直接有关，都可以数量化，即都能用数量化的方式表达。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。
离散型随机变量是什么意思
定义：若随机变量X只取有限多个或可列无限多个值，则称X为离散型随机变量。
比如投一个色子出现的点数X，取值范围是｛1，2，3，4，5，6｝；110报警台一天接到的报警次数Y，取值范围为｛0，1，2……｝
离散型随机变量概念
离散型随机变量的概率分布有两条基本性质：
(1)Pn≥0 n=1,2,…
(2)∑pn=1
释义
对于集合{xn,n=1,2,……}中的任何一个子集A,事件“X在A中取值”即“X∈A”的概率为
P{X∈A}=∑Pn
特别的，如果一个试验所包含的事件只有两个，其概率分布为
P{X=x1}=p(0<p<1)
P{X=x2}=1-p=q
这种分布称为两点分布。 如果x1=1,x2=0,有
P{X=1}=p
P{X=0}=q
这时称X服从参数为p的0-1分布，它是离散型随机变量分布中最简单的一种。由于是数学家伯努利最先研究发现的，为了纪念他，我们也把服从这种分布的试验叫伯努利试验。习惯上，把伯努利的一种结果称为“成功”，另一种称为“失败”。
