怎么区分离散性随机变量和连续随机变量，详细些，谢谢。

1. 怎么区分离散性随机变量和连续随机变量，详细些，谢谢。

看概率密度函数，看分布函数。如果你求一个点的概率时用到的是积分，那么是连续随机变量，如果用的是求和符号，那么是离散的。
其实离散的好理解，就是针对每个不同的x值，都有一个相对应的，明确的概率值。而且x的值可直接确定对应点，在两点之间不可分。而连续型随机变量，你可以取到任意两个概率分位点中间的一点，就像积分一样。连续函数可积，离散的就求和就可以了。
第二个，看实际状态。比如有关个数的，摸球，投骰子，命中率，这些都是离散型随机变量。
那么连续型的，物理上的例子多一些，降水量，微生物生长速率，经济里面的时点变量，这些都是连续的例子。
第三个，你去记几个常见的分布，你们用的教材上应该都有，比如二项分布就是离散的，泊松分布就是连续的。

2. 如何区分离散型和连续性随机变量

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。

扩展资料：
随机变量的期望：

离散情形
如果X是离散随机变量，具有概率质量函数p（x），那么X的期望值定义为E[X]=
 换句话说，X的期望是X可能取的值的加权平均，每个值被X取此值的概率所加权。

连续情形
我们也可以定义连续随机变量的期望值。如果X是具有概率密度函数f（x）的连续随机变量，那么X的期望就定义为E[X]=

换句话说，在上均匀分布的随机变量的期望值正是区间的中点。
参考资料：百度百科-随机变量

3. 什么是离散随机变量

什么是离散型随机变量

4. 连续型和离散型随机变量该怎么区分

　　有区别的
　　离散变量是指其数值只能用自然数或整数单位计算的则为离散变量.例如,企业个数,职工人数,设备台数等,只能按计量单位数计数,这种变量的数值一般用计数方法取得.
反之,在一定区间内可以任意取值的变量叫连续变量,其数值是连续不断的,相邻两个数值可作无限分割,即可取无限个数值.例如,生产零件的规格尺寸,人体测量的身高,体重,胸围等为连续变量,其数值只能用测量或计量的方法取得.

5. 如何区分离散型和连续性随机变量

1、定义不同
离散型随机变量：全部可能取到的不相同的值是有限个或可列无限多个，也可以说概率1以一定的规律分布在各个可能值上。
连续性随机变量：能按一定次序一一列出，其值域为一个或若干个有限或无限区间。
2、随机变量的可取值不同
离散型随机变量的取值是离散的，连续性随机变量的取值不是离散的。

扩展资料
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”。
参考资料来源：百度百科-离散性随机变量
参考资料来源：百度百科-连续型随机变量

6. 如何区分离散型和连续性随机变量

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。

扩展资料：
随机变量的期望：

离散情形
如果X是离散随机变量，具有概率质量函数p（x），那么X的期望值定义为E[X]=
 换句话说，X的期望是X可能取的值的加权平均，每个值被X取此值的概率所加权。

连续情形
我们也可以定义连续随机变量的期望值。如果X是具有概率密度函数f（x）的连续随机变量，那么X的期望就定义为E[X]=

换句话说，在上均匀分布的随机变量的期望值正是区间的中点。
参考资料：百度百科-随机变量

7. 连续型和离散型随机变量该怎么区分

先说一个熟悉的内容，数列与函数。
当然数列也是函数，但它的取值是自然数，取值是离散的，
而一般的函数取值是某一个区间，在这区间内取值往往是可以连续的。
离散型随机变量与连续型随机变量也是由随机变量取值范围（或说成取值的形式）确定，
变量取值只能取离散型的自然数，就是离散型随机变量，
比如，一次掷20个硬币，k个硬币正面朝上，
k是随机变量，
k的取值只能是自然数0，1，2，…，20，而不能取小数3.5、无理数√20，
因而k是离散型随机变量。
如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量，
比如，公共汽车每15分钟一班，某人在站台等车时间x是个随机变量，
x的取值范围是[0,15)，它是一个区间，从理论上说在这个区间内可取任一实数3.5、√20等，因而称这随机变量是连续型随机变量。

8. 如何区分离散型和连续性随机变量

离散变量是指其数值只能用自然数或整数单位计算的则为离散变量.例如,企业个数,职工人数,设备台数等,只能按计量单位数计数,这种变量的数值一般用计数方法取得. 
反之,在一定区间内可以任意取值的变量叫连续变量,其数值是连续不断的,相邻两个数值可作无限分割,即可取无限个数值.例如,生产零件的规格尺寸,人体测量的身高,体重,胸围等为连续变量,其数值只能用测量或计量的方法取得.