如何区分离散型和连续型随机变量

1. 如何区分离散型和连续型随机变量

2. 离散型和连续型随机变量的区别

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.

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。

3. 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

4. 离散型随机变量和连续型随机变量是什么意思？区别是什么？

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.
连续随机变量,在一定区间内可以任意取值的变量,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.
区别
离散型随机变量只可能出现可数型的实现值，比如自然数集，{0,1}等等，常见的有二项随机变量，泊松随机变量等.
连续型随机变量的实现值是属于不可数集合的，比如(0,1]，实数集，常见的有正态分布，指数分布，均匀分布等.

5. 离散型随机变量和连续型随机变量的区别是什么?

一、概念不同
1、离散型随机变量：如果随机变量X只可能取有限个或至多可列个值，则称X为离散型随机变量。
2、连续型随机变量：连续型随机变量是指如果随机变量X的所有可能取值不可以逐个列举出来，而是取数轴上某一区间内的任一点的随机变量。
二、特点不同
1、离散型随机变量：变量取值只能取离散型的自然数，就是离散型随机变量。
2、连续型随机变量：当提到一个随机变量X的概率分布，指的是它的分布函数，当X是连续型时指的是它的概率密度，当X是离散型时指的是它的分布规律。
举例：
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分钟、5分钟7毫秒、7√2分钟，在这十五分钟的时间轴上任取一点，都可能是等车的时间，因而称这随机变量是连续型随机变量。

6. 离散型随机变量和连续型随机变量分别是什么意思哦？有区别吗？

　　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.

7. 随机变量除了离散型和连续型还有什么类型

除了离散型随机变量，连续型随机变量，以及他们对应的测度的convex combination构成的测度对应的随机变量外，存在其他类型的随机变量。

简单的说，所谓离散型随机变量（连续型随机变量）指的是，该随机变量对应的测度是absolutely continuous with respect to counting measure（Lebesgue measure）的。测度集中在Cantor集的测度，不 absolutely continuous with respect to counting measure和Lebesgue measure。

8. 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