北邮概率论与数理统计秩和检验8.6
概率论与数理统计-假设检验
14
若
取伪的概率较大.
15
/2
0.12 0.1
0.08 0.06 0.04 0.02
/2 H0 真
60 62.5 65 67.5 70 72.5 75
0.12 0.1
0.08 0.06 0.04 0.02
H0 不真
67.5 70 72.5 75 77.5 80 82.5
16
现增大样本容量,取n = 64, = 66,则
41
两个正态总体
设 X ~ N ( 1 1 2 ), Y ~ N ( 2 2 2 )
两样本 X , Y 相互独立, 样本 (X1, X2 ,…, Xn ), ( Y1, Y2 ,…, Ym ) 样本值 ( x1, x2 ,…, xn ), ( y1, y2 ,…, ym )
显著性水平
42
(1) 关于均值差 1 – 2 的检验
原假设 备择假设 检验统计量及其在
H0
H1
H0为真时的分布拒绝域 Nhomakorabea1 – 2 = 1 – 2
1 – 2 1 – 2 <
1 – 2 1 – 2 > ( 12，22 已知)
43
原假设 备择假设 检验统计量及其在
H0
H1
H0为真时的分布
1 – 2 = 1 – 2
拒绝域
1 – 2 1 – 2 <
1 – 2 1 – 2 >
12, 22未知
12
=
2 2
其中
44
(2)
关于方差比
2 1
/
2 2
的检验
原假设 备择假设 检验统计量及其在
H0
H1
H0为真时的分布
概率论与数理统计8-2
X 0
/
X 0 z / 2 ，即 ~ N (0, 1) . 所以， P n / n
即
P X 0 z / 2 . n
n
( x)
1 (| z |) ( | z |) 2[1 (| z |)] ；
2
( x)
2
Z /2
如果是右侧检验，则
p ＝ P { X | Z |} 1 (| z |) ；
O
Z /2
x
如果是左侧检验，则
p ＝ P { X | Z |} ( | z |) 1 (| z |) ．
临界值法的基本步骤 例 8.4 单边检验 例 8.5 例 8.6
8.2.2 单个正态总体方差的 2 检验 检验几种类型 同步练习 1,2,3 例 8.8 小结 例 8.9
8.2.1. 单正态总体 N ( , ) 均值 的假设检验
2
1.双侧检验 H 0 : 0 ； H 1 : 0
t / 2 ( n 1) 0 .1 6
可作出判断，接受原假设 H0，认为该厂生产的电阻均值确 实等于 10 欧姆．
8.2.1. 单正态总体 N ( , ) 均值 的假设检验
2
临界值法进行假设检验的基本步骤如下： 步骤一：针对具体问题，做出一个合理的原假设和备 择假设，选择原假设的原则是：事先有一定的信任度或出 于某种考虑要加以保护； 步骤二：构造一个统计量； 步骤三：根据统计随机变量的分布类型、原假设与备 择假设、显著性水平确定拒绝域； 步骤四：将样本值带入统计随机变量得到统计值，若 统计值在拒绝域内，拒绝原假设，否则，接受原假设．
概率论与数理统计第8章
实验目的
通过实际数据验证概率论与数理统计中的理论 和方法，提高对理论知识的理解和应用能力。
01
1. 数据收集
从相关领域获取实际数据，确保数据 质量和代表性。
03
3. 理论应用
根据实验目的选择合适的理论和方法，进行 数据分析和解读。
05
02
实验方法
收集相关领域的实际数据，运用概率论与数 理统计中的理论和方法进行分析，如概率分 布、参数估计、假设检验等。
无偏性、有效性和一致性。
有效性
在所有无偏估计量中，有效性 是指方差最小的估计量。
点估计
用样本统计量来估计未知参数 的过程。
无偏性
估计量的期望值等于被估计的 参数值。
一致性
随着样本容量的增加，估计量 的值应趋近于被估计的参数值。
区间估计
区间估计
根据样本数据推断未知参数的可能取值范围。
置信区间和置信水平
本章内容主要包括贝叶斯推断的基本概念、贝叶斯推断的数学基础、贝叶斯推断 在参数估计和假设检验中的应用，以及贝叶斯推断的优缺点和与其他统计方法的 比较。
学习目标
01
掌握贝叶斯推断的基本原理和方法，理解贝叶斯推 断的数学基础。
02
学会使用贝叶斯方法进行参数估计和假设检验，了 解贝叶斯推断在实践中的应用。
案例总结
总结案例分析的成果，提炼出具有指导意义的结论和建议，为实际工 作提供参考和借鉴。
THANKS FOR WATCHING
感谢您的观看
置信区间是参数可能取值的范围，置信水平是该区间包含参数真 值的概率。
区间估计的步骤
确定置信水平、构造合适的统计量、计算置信区间。
假设检验的基本概念与步骤
假设检验
概率论与数理统计答案北邮
习题 一1.写出下列随机试验的样本空间及下列事件包含的样本点. （1） 掷一颗骰子，出现奇数点. （2） 掷二颗骰子，A =“出现点数之和为奇数，且恰好其中有一个1点.”B =“出现点数之和为偶数，但没有一颗骰子出现1点.” （3）将一枚硬币抛两次， A =“第一次出现正面.”B =“至少有一次出现正面.”C =“两次出现同一面.” 【解】{}{}1123456135A Ω==（），，，，，，，，；{}{}{}{}{}(2)(,)|,1,2,,6,(12),(14),(16),(2,1),(4,1),(6,1),(22),(24),(26),(3,3),(3,5),(4,2),(4,4),(4,6),(5,3),(5,5),(6,2),(6,4),(6,6);(3)(,),(,),(,),(,),(,),(,),(,),(,),(i j i j A B A B ΩΩ=======，，，，，，正反正正反正反反正正正反正正正反反{}{},),(,),(,),C =正正正反反A ，B ，C 为三个事件，试用A ，B ，C 的运算关系式表示下列事件： （1） A 发生，B ，C 都不发生； （2） A 与B 发生，C 不发生； （3） A ，B ，C 都发生；（4） A ，B ，C 至少有一个发生； （5） A ，B ，C 都不发生； （6） A ，B ，C 不都发生；（7） A ，B ，C 至多有2个发生； （8） A ，B ，C 至少有2个发生. 【解】（1） A BC （2） AB （3） ABC（4） A ∪B ∪C =AB C ∪B ∪A BC ∪BC ∪AC ∪AB ∪ABC =ABC (5) ABC =AB C (6) ABC(7) BC ∪AC ∪AB ∪AB C ∪A BC ∪B ∪ABC =ABC =∪∪ (8) AB ∪BC ∪CA =AB ∪AC ∪BC ∪ABC 3.指出下列等式命题是否成立，并说明理由: (1) A ∪B=(AB)∪B ；(2) B=A ∪B ；(3) B A ∩C=AB C ；(4) (AB)(AB )=；(5) 若AB ，则A=AB ；(6) 若AB=，且CA ，则BC=； (7) 若AB ，则；(8) 若BA,则A ∪B=A.【解】(1)不成立.特例：若Α∩B=φ，则ΑB ∪B=B.所以，事件Α发生，事件B 必不发生，即Α∪B 发生，ΑB ∪B 不发生. 故不成立.(2)不成立.若事件Α发生，则不发生，Α∪B 发生， 所以B 不发生，从而不成立. (3)不成立.B A，AB 画文氏图如下:所以,若Α-B 发生,则AB 发生,A B 不发生,故不成立.ΑB 与AB 为互斥事件.Α发生,则事件B 发生,所以ΑB 发生.若事件ΑB 发生,则事件Α发生,事件B 发生. 故成立.(6)成立.若事件C 发生,则事件Α发生,所以事件B 不发生, 故BC=φ.(7)不成立.画文氏图,可知B A ⊂.(8)成立.若事件Α发生,由()A AB ⊂,则事件Α∪B 发生.若事件Α∪B 发生,则事件Α,事件B 发生. 若事件Α发生,则成立.若事件B 发生,由B A ⊂,则事件Α发生.A ，B 为随机事件，且P （A ）=0.7,P (A -B )=0.3，求P （AB ）. 【解】P （AB ）=1-P （AB ）=1-[P (A )-P (A -B )]=1--A ，B 是两事件，且P （A ）=0.6,P (B )=0.7,求： （1） 在什么条件下P （AB ）取到最大值？ （2） 在什么条件下P （AB ）取到最小值？【解】（1） 当AB =A 时，P （AB ）取到最大值为0.6.（2） 当A ∪B =Ω时，P （AB ）取到最小值为0.3.6.设A ，B ，C 为三事件，且P （A ）=P （B ）=1/4，P （C ）=1/3且P （AB ）=P （BC ）=0，P （AC ）=1/12，求A ，B ，C 至少有一事件发生的概率.【解】 P （A ∪B ∪C ）=P (A )+P (B )+P (C )-P (AB )-P (BC )-P (AC )+P (ABC )=14+14+13-112=347.从52张扑克牌中任意取出13张，问有5张黑桃，3张红心，3张方块，2张梅花的概率是多少？ 【解】p =5332131313131352C C C C /C8.对一个五人学习小组考虑生日问题：（1） 求五个人的生日都在星期日的概率； （2） 求五个人的生日都不在星期日的概率； （3） 求五个人的生日不都在星期日的概率.【解】（1） 设A 1={五个人的生日都在星期日}，基本事件总数为75，有利事件仅1个，故 P （A 1）=517=（17）5（亦可用独立性求解，下同） （2） 设A 2={五个人生日都不在星期日}，有利事件数为65，故P （A 2）=5567=(67)5(3) 设A 3={五个人的生日不都在星期日}P （A 3）=1-P (A 1)=1-(17)5 9. 从一批由45件正品，5件次品组成的产品中任取3件，求其中恰有一件次品的概率.【解】与次序无关,是组合问题.从50个产品中取3个,有种取法.因只有一件次品,所以从45个正品中取2个,共种取法;从5个次品中取1个,共种取法,由乘法原理,恰有一件次品的取法为种,所以所求概率为21455350C C P C =. N 件，其中Mn 件（n <N ）.试求其中恰有m 件（m ≤M ）正品（记为A ）的概率.如果： （1） n 件是同时取出的；（2） n 件是无放回逐件取出的； （3） n 件是有放回逐件取出的.【解】（1） P （A ）=C C /C m n m nM N M N --种，n 次抽取中有m 次为正品的组合数为种.对于固定的一种正品与次品的抽取次序，从M 件正品中取m 件的排列数有种，从N -M 件次品中取n -m 件的排列数为P n mN M --种，故P （A ）=C P PP m m n mn M N M n N--由于无放回逐渐抽取也可以看成一次取出，故上述概率也可写成P （A ）=C CC m n mM N M n N--可以看出，用第二种方法简便得多.（3） 由于是有放回的抽取，每次都有N 种取法，故所有可能的取法总数为N n 种，n 次抽取中有m 次为正品的组合数为种，对于固定的一种正、次品的抽取次序，m 次取得正品，都有M 种取法，共有M m 种取法，n -m 次取得次品，每次都有N -M 种取法，共有（N -M ）n -m 种取法，故()C ()/m m n m nnP A M N M N -=- 此题也可用贝努里概型，共做了n 重贝努里试验，每次取得正品的概率为MN，则取得m 件正品的概率为()C 1m n mmnM M P A N N -⎛⎫⎛⎫=- ⎪ ⎪⎝⎭⎝⎭11. 在电话号码簿中任取一电话号码，求后面4个数全不相同的概率(设后面4个数中的每一个数都是等可能地取自0，1，…，9).【解】这是又重复排列问题.个数有10种选择,4个数共有104种选择.4个数全不相同,是排列问题.用10个数去排4个位置,有种排法,故所求概率为4410/10P P =.12.50只铆钉随机地取来用在10个部件上，每个部件用3只铆钉.其中有3个铆钉强度太弱.若将3只强度太弱的铆钉都装在一个部件上，则这个部件强度就太弱.求发生一个部件强度太弱的概率是多少？ 【解】设A ={发生一个部件强度太弱}133103501()C C /C 1960P A ==13.一个袋内装有大小相同的7个球，其中4个是白球，3个是黑球，从中一次抽取3个，计算至少有两个是白球的概率.【解】 设A i ={恰有i 个白球}（i =2,3），显然A 2与A 3互斥.213434233377C C C 184(),()C 35C 35P A P A ====故 232322()()()35P A A P A P A =+=14.有甲、乙两批种子，发芽率分别为0.8和0.7，在两批种子中各随机取一粒，求：（1） 两粒都发芽的概率； （2） 至少有一粒发芽的概率； （3） 恰有一粒发芽的概率.【解】设A i ={第i 批种子中的一粒发芽}，（i =1,2）(1) 1212()()()0.70.80.56P A A P A P A ==⨯= (2) 12()0.70.80.70.80.94P A A =+-⨯=(3) 2112()0.80.30.20.70.38P A A A A =⨯+⨯=15.掷一枚均匀硬币直到出现3次正面才停止.（1） 问正好在第6次停止的概率；（2） 问正好在第6次停止的情况下，第5次也是出现正面的概率.【解】（1） 223151115()()22232p C ==(2) 1342111C ()()22245/325p == *16.甲、乙两个篮球运动员，投篮命中率分别为0.7及0.6，每人各投了3次，求二人进球数相等的概率.【解】 设A i ={甲进i 球}，i =0,1,2,3,B i ={乙进i 球},i =0,1,2,3,则3331212330()(0.3)(0.4)C 0.7(0.3)C 0.6(0.4)i i i P A B ==+⨯⨯+22223333C (0.7)0.3C (0.6)0.4+(0.7)(0.6)⨯*17．从5双不同的鞋子中任取4只，求这4只鞋子中至少有两只鞋子配成一双的概率.【解】 4111152222410C C C C C 131C 21p =-= 18.某地某天下雪的概率为0.3，下雨的概率为0.5，既下雪又下雨的概率为0.1,求：（1）在下雨条件下下雪的概率；（2）这天下雨或下雪的概率. 【解】 设A ={下雨}，B ={下雪}.（1） ()0.1()0.2()0.5P AB p B A P A === （2） ()()()()0.30.50.10.7p A B P A P B P AB =+-=+-=？19.已知一个家庭有3个小孩，且其中一个为女孩，求至少有一个男孩的概率（小孩为男为女是等可能的）.【解】 设A ={其中一个为女孩}，B ={至少有一个男孩}，样本点总数为23=8，故()6/86()()7/87P AB P B A P A ===或在缩减样本空间中求，此时样本点总数为7.6()7P B A =20.已知5%的男人和0.25%的女人是色盲，现随机地挑选一人，此人恰为色盲，问此人是男人的概率（假设男人和女人各占人数的一半）.【解】 设A ={此人是男人}，B ={此人是色盲}，则由贝叶斯公式()()()()()()()()()P A P B A P AB P A B P B P A P B A P A P B A ==+ 0.50.05200.50.050.50.002521⨯==⨯+⨯ ∶00~10∶00在公园会面，求一人要等另一人半小时以上的概率.题21图【解】设两人到达时刻为x,y ,则0≤x ,y ≤“一人要等另一人半小时以上”等价于|x -y |>30.如图阴影部分所示.22301604P ==22.从（0，1）中随机地取两个数，求：（1） 两个数之和小于65的概率； （2） 两个数之积小于14的概率.【解】 设两数为x ,y ，则0<x ,y <1.（1） x +y <65. 11441725510.68125p =-==(2) xy =<14.1111244111d d ln 242x p x y ⎛⎫=-=+ ⎪⎝⎭⎰⎰题22图23.设P （）=0.3,P (B )=0.4,P (A )=0.5，求P （B ｜A ∪） 【解】 ()()()()()()()()P AB P A P AB P B AB P A B P A P B P AB -==+- 0.70.510.70.60.54-==+-24.在一个盒中装有15个乒乓球，其中有9个新球，在第一次比赛中任意取出3个球，比赛后放回原盒中；第二次比赛同样任意取出3个球，求第二次取出的3个球均为新球的概率.【解】 设A i ={第一次取出的3个球中有i 个新球}，i =0,1,2,3.B ={第二次取出的3球均为新球}由全概率公式，有3()()()i i i P B P B A P A ==∑33123213336996896796333333331515151515151515C C C C C C C C C CC C C C C C C C =•+•+•+•0.089=25. 按以往概率论考试结果分析，努力学习的学生有90%的可能考试及格，不努力学习的学生有90%的可能考试不及格.据调查，学生中有80%的人是努力学习的，试问： （1）考试及格的学生有多大可能是不努力学习的人？ （2）考试不及格的学生有多大可能是努力学习的人？【解】设A ={被调查学生是努力学习的}，则={被调查学生是不努力学习的}.由题意知P （A ）=0.8，P （）=0.2，又设B ={被调查学生考试及格}.由题意知P （B |A ）=0.9，P （|）=0.9，故由贝叶斯公式知（1）()()()()()()()()()P A P B A P AB P A B P B P A P B A P A P B A ==+ 0.20.110.027020.80.90.20.137⨯===⨯+⨯即考试及格的学生中不努力学习的学生仅占2.702% (2) ()()()()()()()()()P A P B A P AB P A B P B P A P B A P A P B A ==+ 0.80.140.30770.80.10.20.913⨯===⨯+⨯即考试不及格的学生中努力学习的学生占30.77%.26. 将两信息分别编码为A 和B 传递出来，接收站收到时，A 被误收作B 的概率为0.02，而B 被误收作AA与B 传递的频繁程度为2∶A ，试问原发信息是A 的概率是多少？ 【解】 设A ={原发信息是A }，则={原发信息是B }C ={收到信息是A }，则={收到信息是B } 由贝叶斯公式，得()()()()()()()P A P C A P A C P A P C A P A P C A =+2/30.980.994922/30.981/30.01⨯==⨯+⨯ 27.在已有两个球的箱子中再放一白球，然后任意取出一球，若发现这球为白球，试求箱子中原有一白球的概率（颜色只有黑、白两种，箱中原有什么颜色的球是等可能的）【解】设A i ={箱中原有i 个白球}（i =0,1,2），由题设条件知P （A i ）=13,iB ={抽出一球为白球}.由贝叶斯公式知11112()()()()()()()i i i P B A P A P A B P A B P B P B A P A ===∑ 2/31/311/31/32/31/311/33⨯==⨯+⨯+⨯28.某工厂生产的产品中96%是合格品，检查产品时，一个合格品被误认为是次品的概率为0.02，一个次品被误认为是合格品的概率为0.05，求在被检查后认为是合格品产品确是合格品的概率. 【解】 设A ={产品确为合格品}，B ={产品被认为是合格品}由贝叶斯公式得()()()()()()()()()P A P B A P AB P A B P B P A P B A P A P B A ==+0.960.980.9980.960.980.040.05⨯==⨯+⨯29.某保险公司把被保险人分为三类：“谨慎的”，“一般的”，“冒失的”.统计资料表明，上述三种人在一年内发生事故的概率依次为0.05,0.15和0.30；如果“谨慎的”被保险人占20%，“一般的”占50%，“冒失的”占30%，现知某被保险人在一年内出了事故，则他是“谨慎的”的概率是多少？ 【解】 设A ={该客户是“谨慎的”}，B ={该客户是“一般的”}，C ={该客户是“冒失的”}，D ={该客户在一年内出了事故} 则由贝叶斯公式得()()(|)(|)()()(|)()(|)()(|)P AD P A P D A P A D P D P A P D A P B P D B P C P D C ==++0.20.050.0570.20.050.50.150.30.3⨯==⨯+⨯+⨯30.加工某一零件需要经过四道工序，设第一、二、三、四道工序的次品率分别为0.02,0.03,0.05,0.03，假定各道工序是相互独立的，求加工出来的零件的次品率. 【解】设A i ={第i 道工序出次品}（i =1,2,3,4）.412341()1()i i P A P A A A A ==-12341()()()()P A P A P A P A =-10.980.970.950.970.124=-⨯⨯⨯=31.设每次射击的命中率为0.2，问至少必须进行多少次独立射击才能使至少击中一次的概率不小于0.9? 【解】设必须进行n 次独立射击.则1(0.8)0.9n-≥即为 (0.8)0.1n≤故n ≥1lg 8=11.07，至少必须进行11次独立射击. 32.证明：若P （A ｜B ）=P (A ｜)，则A ，B 相互独立.【证】 (|)(|)P A B P A B =即()()()()P AB P AB P B P B =亦()()()()P AB P B P AB P B =，即()[1()][()()]()P AB P B P A P AB P B -=- 因此 ()()()P AB P A P B =,故A 与B 相互独立. 33.三人独立地破译一个密码，他们能破译的概率分别为151314，求将此密码破译出的概率.【解】 设A i ={第i 人能破译}（i =1,2,3），则31231231()1()1()()()i i P A P A A A P A P A P A ==-=-42310.6534=-⨯⨯= 34.甲、乙、丙三人独立地向同一飞机射击，设击中的概率分别是0.4,0.5,0.7，若只有一人击中，则飞机被击落的概率为0.2；若有两人击中，则飞机被击落的概率为0.6；若三人都击中，则飞机一定被击落，求：飞机被击落的概率.【解】设A ={飞机被击落}，B i ={恰有i 人击中飞机}，i =0,1,2,3由全概率公式，得3()(|)()i i i P A P A B P B ==∑××××××0.7)×+××××××0.7)××××1。
概率论与数理统计课后答案北邮版
概率论与数理统计课后答案北邮版(第四章)(总18页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--习题四1.设随机变量X 的分布律为X ??1 0 12P 1/8 1/2 1/81/4求E （），（），（2+3）. 【解】(1) 11111()(1)012;82842E X =-⨯+⨯+⨯+⨯= (2) 2222211115()(1)012;82844E X =-⨯+⨯+⨯+⨯=(3) 1(23)2()32342E X E X +=+=⨯+=2.已知100个产品中有10个次品，求任意取出的5个产品中的次品数的数学期望、方差. X 0 1 2 3 4 5P 5905100C 0.583C = 1410905100C C 0.340C = 2310905100C C 0.070C = 3210905100C C 0.007C = 4110905100C C 0C = 5105100C 0C = 故 ()0.58300.34010.07020.00730405E X =⨯+⨯+⨯+⨯+⨯+⨯ 0.501,= 52()[()]iii D X x E X P ==-∑222(00.501)0.583(10.501)0.340(50.501)00.432.=-⨯+-⨯++-⨯=3.X ??1 01P p 1 p 2 p 3且已知E （）=,()=,求1，2，3. 【解】因1231P P P ++=……①,又12331()(1)010.1E X P P P P P =-++=-=……②,222212313()(1)010.9E X P P P P P =-++=+=……③由①②③联立解得1230.4,0.1,0.5.P P P ===4.袋中有N 只球，其中的白球数X 为一随机变量，已知E （X ）=n ，问从袋中任取1球为白球的概率是多少【解】记A ={从袋中任取1球为白球}，则(){|}{}Nk P A P A X k P X k ===∑全概率公式1{}{}1().NNk k k P X k kP X k N Nn E X N N========∑∑5.设随机变量X 的概率密度为f （x ）=⎪⎩⎪⎨⎧≤≤-<≤.,0,21,2,10,其他x x x x求E （X ），D （X ）. 【解】12201()()d d (2)d E X xf x x x x x x x +∞-∞==+-⎰⎰⎰21332011 1.33x x x ⎡⎤⎡⎤=+-=⎢⎥⎢⎥⎣⎦⎣⎦122232017()()d d (2)d 6E X x f x x x x x x x +∞-∞==+-=⎰⎰⎰ 故 221()()[()].6D XE X E X =-= 6.设随机变量X ，Y ，Z 相互独立，且E （X ）=5，E （Y ）=11，E （Z ）=8，求下列随机变量的数学期望. （1） U =2X +3Y +1；（2） V =YZ ??4X .【解】(1) [](231)2()3()1E U E X Y E X E Y =++=++ 25311144.=⨯+⨯+=(2) [][4][]4()E V E YZ X E YZ E X =-=- ,()()4()Y Z E Y E Z E X -因独立1184568.=⨯-⨯=7.设随机变量X ，Y 相互独立，且E （X ）=E （Y ）=3，D （X ）=12，D （Y ）=16，求E（3X ??2Y ），D （2X ??3Y ）. 【解】(1) (32)3()2()3323 3.E X Y E X E Y -=-=⨯-⨯=(2) 22(23)2()(3)412916192.D X Y D X DY -=+-=⨯+⨯=8.设随机变量（X ，Y ）的概率密度为f （x ，y ）=⎩⎨⎧<<<<.,0,0,10,其他x y x k试确定常数k ，并求E （XY ）. 【解】因101(,)d d d d 1,2xf x y x y x k y k +∞+∞-∞-∞===⎰⎰⎰⎰故k =2 1()(,)d d d 2d 0.25xE XY xyf x y x y x x y y +∞+∞-∞-∞===⎰⎰⎰⎰.9.设X ，Y 是相互独立的随机变量，其概率密度分别为f X （x ）=⎩⎨⎧≤≤;,0,10,2其他x x f Y （y ）=(5)e ,5,0,.y y --⎧>⎨⎩其他求E （XY ）.【解】方法一：先求X 与Y 的均值 12()2d ,3E X x x x ==⎰ 5(5)5()e d 5e d e d 51 6.z y y z z E Y y yz z z +∞+∞+∞=-----=+=+=⎰⎰⎰令由X 与Y 的独立性，得2()()()6 4.3E XY E X E Y ==⨯=方法二：利用随机变量函数的均值公式.因X 与Y 独立，故联合密度为(5)2e ,01,5,(,)()()0,,y X Y x x y f x y f x f y --⎧≤≤>==⎨⎩其他 于是11(5)2(5)552()2ed d 2de d 6 4.3y y E XY xy x x y x xy y +∞+∞----===⨯=⎰⎰⎰⎰10.设随机变量X ，Y 的概率密度分别为f X （x ）=⎩⎨⎧≤>-;0,0,0,22x x x e f Y （y ）=⎩⎨⎧≤>-.0,0,0,44y y y e 求（1） E （X +Y ）;（2） E （2X ??3Y 2）. 【解】22-200()()d 2e d [e]e d xx x X X xf x x x x x x +∞+∞+∞--+∞-∞==-⎰⎰⎰201e d .2x x +∞-==⎰401()()d 4e dy .4y Y E Y yf y y y +∞+∞--∞==⎰⎰22242021()()d 4e d .48y Y E Y y f y y y y +∞+∞--∞====⎰⎰从而(1)113()()().244E X Y E X E Y +=+=+=(2)22115(23)2()3()23288E X Y E X E Y -=-=⨯-⨯= 11.设随机变量X 的概率密度为f （x ）=⎪⎩⎪⎨⎧<≥-.0,0,0,22x x cx xke 求（1） 系数c ;（2） E （X ）;（3） D （X ）. 【解】(1) 由222()d ed 12k x cf x x cx x k+∞+∞--∞===⎰⎰得22c k =. (2) 222()()d()2e d k x E X xf x x x k x x +∞+∞--∞==⎰⎰22220π2ed .k x kx x +∞-==⎰(3) 222222201()()d()2e .kxE X x f x x x k x k+∞+∞--∞==⎰⎰故 222221π4π()()[()].24D X E X E X k k k⎛-=-=-= ⎝⎭ 12.袋中有12个零件，其中9个合格品，3个废品.安装机器时，从袋中一个一个地取出（取出后不放回），设在取出合格品之前已取出的废品数为随机变量X ，求E （X ）和D （X ）.【解】设随机变量X 表示在取得合格品以前已取出的废品数，则X 的可能取值为0，1，2，3.为求其分布律，下面求取这些可能值的概率，易知9{0}0.750,12P X === 39{1}0.204,1211P X ==⨯= 329{2}0.041,121110P X ==⨯⨯= 3219{3}0.005.1211109P X ==⨯⨯⨯= 于是，得到的概率分布表如下：X0 1 2 3 P由此可得()00.75010.20420.04130.0050.301.E X =⨯+⨯+⨯+⨯=22222222()075010.20420.04130.0050.413()()[()]0.413(0.301)0.322.E X D X E X E X =⨯+⨯+⨯+⨯==-=-=13.一工厂生产某种设备的寿命X （以年计）服从指数分布，概率密度为f （x ）=⎪⎩⎪⎨⎧≤>-.0,0,0,414x x xe为确保消费者的利益，工厂规定出售的设备若在一年内损坏可以调换.若售出一台设备，工厂获利100元，而调换一台则损失200元，试求工厂出售一台设备赢利的数学期望.【解】厂方出售一台设备净盈利Y 只有两个值：100元和??200元 /41/411{100}{1}e d e 4x P Y P X x +∞--==≥==⎰1/4{200}{1}1e .P Y P X -=-=<=-故1/41/41/4()100e (200)(1e )300e 20033.64E Y ---=⨯+-⨯-=-= (元).14.设X 1，X 2，…，X n 是相互独立的随机变量，且有E （X i ）=μ，D （X i ）=σ2，i =1，2，…，n ，记∑==n i i S X n X 12,1，S 2=∑=--n i i X X n 12)(11. （1） 验证)(X E =μ，)(X D =n2σ；（2） 验证S 2=)(11122∑=--ni i X n X n ；（3） 验证E （S 2）=σ2.【证】(1) 1111111()()().n nn i i i i i i E X E X E X E X nu u n n n n ===⎛⎫===== ⎪⎝⎭∑∑∑22111111()()n nni i i ii i i D X D X D X X DXn nn ===⎛⎫== ⎪⎝⎭∑∑∑之间相互独立2221.n n nσσ==(2) 因222221111()(2)2nnnniii ii i i i i XX X X X X X nX X X ====-=+-=+-∑∑∑∑2222112nniii i XnX X nX X nX ===+-=-∑∑故22211()1ni i S X nX n ==--∑.(3) 因2(),()i i E X u D X σ==,故2222()()().i i i E X D X EX u σ=+=+ 同理因2(),()E X u D X nσ==,故222()E X u nσ=+.从而222221111()()[()()]11n ni i i i E s E X nX E X nE X n n ==⎡⎤=-=-⎢⎥--⎣⎦∑∑221222221[()()]11().1ni i E X nE X n n u n u n n σσσ==--⎡⎤⎛⎫=+-+=⎢⎥ ⎪-⎝⎭⎣⎦∑15.对随机变量X 和Y ，已知D （X ）=2，D （Y ）=3，Cov(X ,Y )=??1,计算：Cov （3X ??2Y +1，X +4Y ??3）.【解】Cov(321,43)3()10Cov(,)8()X Y X Y D X X Y D Y -++-=+- 3210(1)8328=⨯+⨯--⨯=-(因常数与任一随机变量独立，故Cov(X ,3)=Cov(Y ,3)=0,其余类似).16.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=221,1,π0,.x y ⎧+≤⎪⎨⎪⎩其他试验证X 和Y 是不相关的，但X 和Y 不是相互独立的. 【解】设22{(,)|1}D x y x y =+≤.2211()(,)d d d d πx y E X xf x y x y x x y +∞+∞-∞-∞+≤==⎰⎰⎰⎰ 2π1001=cos d d 0.πr r r θθ=⎰⎰同理E (Y )=0. 而 Cov(,)[()][()](,)d d X Y x E x y E Y f x y x y +∞+∞-∞-∞=--⎰⎰222π1200111d d sin cos d d 0ππx y xy x y r r r θθθ+≤===⎰⎰⎰⎰, 由此得0XY ρ=,故X 与Y 不相关. 下面讨论独立性，当|x |≤1时，2212112()1.ππx X x f x y x ---- 当|y |≤1时，2212112()1ππy Y y f y x y ---. 显然()()(,).X Y f x f y f x y ≠故X和Y不是相互独立的.17.??1 0 1??111/8 1/8 1/81/8 0 1/81/8 1/81/8验证X和Y是不相关的，但和不是相互独立的.【解】联合分布表中含有零元素，X与Y显然不独立，由联合分布律易求得X，Y及XY的分布律，其分布律如下表X??101P382838Y??101P382838XY??101P284828由期望定义易得E（X）=E（Y）=E（XY）=0.从而E(XY)=E(X)·E(Y),再由相关系数性质知ρXY=0,即X与Y的相关系数为0，从而X和Y是不相关的.又331{1}{1}{1,1}888P X P Y P X Y=-=-=⨯≠==-=-从而X与Y不是相互独立的.18.设二维随机变量（X，Y）在以（0，0），（0，1），（1，0）为顶点的三角形区域上服从均匀分布，求Cov（X，Y），ρXY.【解】如图，S D=12，故（X，Y）的概率密度为题18图2,(,),(,)0,x y Df x y∈⎧=⎨⎩其他.XY()(,)d d DE X xf x y x y =⎰⎰11001d 2d 3x x x y -==⎰⎰22()(,)d d DE X x f x y x y =⎰⎰112001d 2d 6xx x y -==⎰⎰从而222111()()[()].6318D XE X E X ⎛⎫=-=-= ⎪⎝⎭同理11(),().318E Y D Y == 而 1101()(,)d d 2d d d 2d .12xDDE XY xyf x y x y xy x y x xy y -====⎰⎰⎰⎰⎰⎰所以1111Cov(,)()()()123336X Y E XY E X E Y =-=-⨯=-. 从而 112)()XY D Y ρ-===-19.设（X ，Y ）的概率密度为f （x ，y ）=1ππsin(),0,0,2220.x y x y ,⎧+≤≤≤≤⎪⎨⎪⎩其他求协方差Cov （X ，Y ）和相关系数ρXY . 【解】π/2π/21π()(,)d d d sin()d .24E X xf x y x y x xx y y +∞+∞-∞-∞==+=⎰⎰⎰⎰ππ2222201ππ()d sin()d 2.282E X x x x y y =+=+-⎰⎰从而222ππ()()[()] 2.162D XE X E X =-=+-同理 2πππ(),() 2.4162E Y D Y ==+- 又 π/2π/2π()d sin()d d 1,2E XY x xy x y x y =+=-⎰⎰故 2ππππ4Cov(,)()()()1.2444X Y E XY E X E Y -⎛⎫⎛⎫=-=--⨯=- ⎪ ⎪⎝⎭⎝⎭222222π4(π4)π8π164.πππ8π32π8π32)()2162XY D Y ρ-⎛⎫- ⎪--+⎝⎭===-=-+-+-+- 20.已知二维随机变量（X ，Y ）的协方差矩阵为⎥⎦⎤⎢⎣⎡4111，试求Z 1=X ??2Y 和Z 2=2X ??Y 的相关系数.【解】由已知知：D (X )=1,D (Y )=4,Cov(X ,Y )=1.从而12()(2)()4()4Cov(,)1444113,()(2)4()()4Cov(,)414414,D Z D X Y D X D Y X Y D Z D X Y D X D Y X Y =-=+-=+⨯-⨯==-=+-=⨯+-⨯=12Cov(,)Cov(2,2)Z Z X Y X Y =--2Cov(,)4Cov(,)Cov(,)2Cov(,)2()5Cov(,)2()215124 5.X X Y X X Y Y Y D X X Y D Y =--+=-+=⨯-⨯+⨯=故 12122)()Z Z D Z ρ===21.对于两个随机变量V ，W ，若E （V 2），E （W 2）存在，证明：［E （VW ）］2≤E （V 2）E （W 2）.这一不等式称为柯西许瓦兹（Couchy??Schwarz ）不等式. 【证】令2(){[]},.g t E V tW t R =+∈显然22220()[()][2]g t E V tW E V tVW t W ≤=+=++222[]2[][],.E V t E VW t E W t R =++∀∈可见此关于t 的二次式非负，故其判别式Δ≤0， 即2220[2()]4()()E VW E W E V ≥∆=- 2224{[()]()()}.E VW E V E W =-故222[()]()()}.E VW E V E W ≤22.假设一设备开机后无故障工作的时间X 服从参数λ=1/5的指数分布.设备定时开机，出现故障时自动关机，而在无故障的情况下工作2小时便关机.试求该设备每次开机无故障工作的时间Y 的分布函数F （y ）.【解】设Y 表示每次开机后无故障的工作时间，由题设知设备首次发生故障的等待时间X ~E (λ),E (X )=1λ=5.依题意Y =min(X ,2). 对于y <0,f (y )=P {Y ≤y }=0. 对于y ≥2,F (y )=P (X ≤y )=1.对于0≤y <2,当x ≥0时，在(0,x )内无故障的概率分布为 P {X ≤x }=1??e ??λx ,所以F (y )=P {Y ≤y }=P {min(X ,2)≤y }=P {X ≤y }=1??e ??y/5.23.已知甲、乙两箱中装有同种产品，其中甲箱中装有3件合格品和3件次品，乙箱中仅装有3件合格品.从甲箱中任取3件产品放乙箱后，求：（1）乙箱中次品件数Z 的数学期望；（2）从乙箱中任取一件产品是次品的概率. 【解】（1） Z 的可能取值为0，1，2，3，Z 的概率分布为33336C C {}C k k P Z k -==, 0,1,2,3.k =因此，()0123.202020202E Z =⨯+⨯+⨯+⨯= (2) 设A 表示事件“从乙箱中任取出一件产品是次品”，根据全概率公式有3(){}{|}k P A P Z k P A Z k ====∑191921310.202062062064=⨯+⨯+⨯+⨯= 24.假设由自动线加工的某种零件的内径X （毫米）服从正态分布N （μ,1），内径小于10或大于12为不合格品，其余为合格品.销售每件合格品获利，销售每件不合格品亏损，已知销售利润T （单位：元）与销售零件的内径X 有如下关系T =⎪⎩⎪⎨⎧>-≤≤<-.12,5,1210,20,10,1X X X 若若若 问：平均直径μ取何值时，销售一个零件的平均利润最大【解】(){10}20{1012}5{12}E T P X P X P X =-<+≤≤->{10}20{1012}5{12}(10)20[(12)(10)]5[1(12)]25(12)21(10) 5.P X u u P u X u u P X u u u u u u u u =--<-+-≤-≤--->-=-Φ-+Φ--Φ---Φ-=Φ--Φ--故2/2d ()25(12)(1)21(10)(1)0(()),d x E T u u x u ϕϕϕ-=-⨯---⨯-= 令这里得 22(12)/2(10)/225e 21eu u ----=两边取对数有2211ln 25(12)ln 21(10).22u u --=--解得 125111ln11ln1.1910.91282212u =-=-≈(毫米) 由此可得，当u =毫米时，平均利润最大.25.设随机变量X 的概率密度为f (x )=⎪⎩⎪⎨⎧≤≤.,0,0,2cos 21其他πx x 对X 独立地重复观察4次，用Y 表示观察值大于π/3的次数，求Y 2的数学期望.（2002研考）【解】令 π1,,3(1,2,3,4)π0,3i X Y i ⎧>⎪⎪==⎨⎪≤⎪⎩X .则41~(4,)i i Y Y B p ==∑.因为ππ{}1{}33p P X P X =>=-≤及π/30π11{}cos d 3222x P X x ≤==⎰,所以111(),(),()42,242i i E Y D Y E Y ===⨯=2211()41()()22D YE Y EY =⨯⨯==-,从而222()()[()]12 5.E Y D Y E Y =+=+=26.两台同样的自动记录仪，每台无故障工作的时间T i (i =1,2)服从参数为5的指数分布，首先开动其中一台，当其发生故障时停用而另一台自动开启.试求两台记录仪无故障工作的总时间T =T 1+T 2的概率密度f T (t )，数学期望E （T ）及方差D （T ）. 【解】由题意知：55e ,0,()0,0t i t f t t -⎧≥=⎨<⎩. 因T 1,T 2独立，所以f T (t )=f 1(t )*f 2(t ).当t <0时，f T (t )=0;当t ≥0时，利用卷积公式得55()5120()()()d 5e 5e d 25e tx t x t T f t f x f t x x x t +∞-----∞=-==⎰⎰故得525e ,0,()0,0.t T t t f t t -⎧≥=⎨<⎩ 由于T i ~E (5),故知E (T i )=15,D (T i )=125(i =1,2)因此，有E (T )=E (T 1+T 2)=25.又因T 1,T 2独立，所以D （T ）=D （T 1+T 2）=225. 27.设两个随机变量X ，Y 相互独立，且都服从均值为0，方差为1/2的正态分布，求随机变量|X ??Y |的方差.【解】设Z =X ??Y ，由于22~0,,~0,,22X N Y N ⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭且X 和Y 相互独立，故Z ~N （0，1）.因22()()(||)[(||)]D X Y D Z E Z E Z -==-22()[()],E Z E Z =-而22/2()()1,(||)||e d 2πz E Z D Z E Z z z +∞--∞===⎰ 2/202e d π2πz z z +∞-== 所以 2(||)1πD X Y -=-. 28.某流水生产线上每个产品不合格的概率为p (0<p <1)，各产品合格与否相互独立，当出现一个不合格产品时，即停机检修.设开机后第一次停机时已生产了的产品个数为X ，求E （X ）和D （X ）.【解】记q =1??p ,X 的概率分布为P {X =i }=q i ??1p ,i =1,2,…，故12111()().1(1)i ii i q p E X iq p p q p q q p ∞∞-=='⎛⎫'===== ⎪--⎝⎭∑∑ 又221211121()()i i i i i i E X i qp i i q p iq p ∞∞∞---=====-+∑∑∑2232211()12112.(1)ii q pq q pq p q p pq q p q p p p∞=''⎛⎫''=+=+⎪-⎝⎭+-=+==-∑所以 22222211()()[()].p pD XE X E X p p p--=-=-=题29图29.设随机变量X 和Y 的联合分布在点（0，1），（1，0）及（1，1）为顶点的三角形区域上服从均匀分布.（如图），试求随机变量U =X +Y 的方差. 【解】D (U )=D (X +Y )=D (X )+D (Y )+2Cov(X ,Y )=D (X )+D (Y )+2[E (XY )??E (X )·E (Y )].由条件知X 和Y 的联合密度为2,(,),(,)0,0.x y G f x y t ∈⎧=⎨<⎩ {(,)|01,01,1}.G x y x y x y =≤≤≤≤+≥ 从而11()(,)d 2d 2.X xf x f x y y y x +∞-∞-===⎰⎰因此11122300031()()d 2d ,()2d ,22X E X xf x x x x E X x x =====⎰⎰⎰22141()()[()].2918D XE X E X =-=-=同理可得 31(),().218E Y D Y ==1115()2d d 2d d ,12xGE XY xy x y x x y y -===⎰⎰⎰⎰541Cov(,)()()(),12936X Y E XY E X E Y =-=-=- 于是 1121()().18183618D U D X Y =+=+-= 30.设随机变量U 在区间[??2,2]上服从均匀分布，随机变量X =1,1,1,1,U U -≤-⎧⎨>-⎩ Y =1,1,1, 1.U U -≤⎧⎨>⎩若 试求（1）X 和Y 的联合概率分布；（2）D （X +Y ）.【解】（1） 为求X 和Y 的联合概率分布，就要计算（X ，Y ）的4个可能取值(??1,??1),(??1,1),(1,??1)及(1,1)的概率.P {x =??1,Y =??1}=P {U ≤??1,U ≤1} 112d d 1{1}444x x P U ---∞-=≤-===⎰⎰P {X =??1,Y =1}=P {U ≤??1,U >1}=P {∅}=0, P {X =1,Y =??1}=P {U >??1,U ≤1}11d 1{11}44x P U -=-<≤==⎰21d 1{1,1}{1,1}{1}44x P X Y P U U P U ===>->=>=⎰. 故得X 与Y 的联合概率分布为(1,1)(1,1)(1,1)(1,1)(,)~1110424X Y ----⎡⎤⎢⎥⎢⎥⎣⎦. (2) 因22()[()][()]D X Y E X Y E X Y +=+-+,而X +Y 及（X +Y ）2的概率分布相应为202~111424X Y -⎡⎤⎢⎥+⎢⎥⎣⎦, 24()~1122X Y ⎡⎤⎢⎥+⎢⎥⎣⎦. 从而11()(2)20,44E X Y +=-⨯+⨯= 211[()]042,22E X Y +=⨯+⨯=所以22()[()][()] 2.D X Y E X Y E X Y +=+-+=31.设随机变量X 的概率密度为f (x )=x-e 21，（??∞<x <+∞）(1) 求E （X ）及D （X ）；（2） 求Cov(X ,|X |),并问X 与|X |是否不相关（3） 问X 与|X |是否相互独立，为什么【解】(1)||1()e d 0.2x E X xx +∞--∞==⎰ 2||201()(0)e d 0e d 2.2x x D X x x x x +∞+∞---∞=-==⎰⎰ (2) Cov(,|)(||)()(||)(||)X X E X X E X E X E X X =-= ||1||e d 0,2x x x x +∞--∞==⎰所以X 与|X |互不相关.(3) 为判断|X |与X 的独立性，需依定义构造适当事件后再作出判断，为此，对定义域??∞<x <+∞中的子区间（0,+∞）上给出任意点x 0，则有0000{}{||}{}.x X x X x X x -<<=<⊂<所以000{||}{} 1.P X x P X x <<<<<故由00000{,||}{||}{||}{}P X x X x P X x P X x P X x <<=<><<得出X 与|X |不相互独立.32.已知随机变量X 和Y 分别服从正态分布N （1，32）和N （0，42），且X 与Y的相关系数ρXY =??1/2，设Z =23YX +.（1） 求Z 的数学期望E （Z ）和方差D （Z ）； （2） 求X 与Z 的相关系数ρXZ ；（3） 问X 与Z 是否相互独立，为什么 【解】(1) 1().323X Y E Z E ⎛⎫=+=⎪⎝⎭ ()2Cov ,3232XY X Y D Z D D ⎛⎫⎛⎫⎛⎫=++⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭11119162Cov(,),9432X Y =⨯+⨯+⨯⨯ 而1Cov(,))()3462XY X Y D Y ρ⎛⎫==-⨯⨯=- ⎪⎝⎭所以 1()146 3.3D Z =+-⨯= (2) 因()()11Cov(,)Cov ,Cov ,Cov ,3232X Y X Z X X X X Y ⎛⎫=+=+ ⎪⎝⎭ 119()(6)3=0,323D X =+⨯-=- 所以 0.)()XZ D Z ρ==(3) 由0XZ ρ==，得X 与Z 不相关.又因1~,3,~(1,9)3Z N X N ⎛⎫ ⎪⎝⎭，所以X 与Z 也相互独立.33.将一枚硬币重复掷n 次，以X 和Y 表示正面向上和反面向上的次数.试求X 和Y 的相关系数XY ρ.【解】由条件知X +Y =n ，则有D （X +Y ）=D （n ）=0.再由X ~B (n ,p ),Y ~B (n ,q )，且p =q =12, 从而有 ()()4nD X npq D Y ===所以 0()()()2()()XY D X Y D X D Y D X D Y ρ=+=++2,24XY n nρ=+ 故XY ρ=??1. 34. ??1 0 11试求X 和Y 的相关系数ρ.【解】由已知知E (X )=,E (Y )=，而XY 的概率分布为YX ??1 01P所以E （XY ）=??+=Cov(X ,Y )=E (XY )??E (X )·E (Y )=??×=0从而 XY ρ=035.对于任意两事件A 和B ，0<P (A )<1，0<P (B )<1,则称ρ=())()()()()()(B P A P B P A P B P A P AB P ⋅-为事件A 和B 的相关系数.试证：（1） 事件A 和B 独立的充分必要条件是ρ=0；（2） |ρ|≤1.【证】（1）由ρ的定义知，ρ=0当且仅当P (AB )??P (A )·P (B )=0.而这恰好是两事件A 、B 独立的定义，即ρ=0是A 和B 独立的充分必要条件. (2) 引入随机变量X 与Y 为1,,0,A X A ⎧⎪=⎨⎪⎩若发生若发生; 1,,0,B Y B ⎧⎪=⎨⎪⎩若发生若发生.由条件知，X 和Y 都服从0??1分布，即01~1()()X P A P A ⎧⎨-⎩ 01~1()()Y P B P B ⎧⎨-⎩从而有E (X )=P (A ),E (Y )=P (B ),D (X )=P (A )·P (A ),D (Y )=P (B )·P (B ),Cov(X ,Y )=P (AB )??P (A )·P (B )所以，事件A 和B 的相关系数就是随机变量X 和Y 的相关系数.于是由二元随机变量相关系数的基本性质可得|ρ|≤1.36. 设随机变量X 的概率密度为Y Xf X (x )=⎪⎪⎪⎩⎪⎪⎪⎨⎧<≤<<-.,0,20,41,01,21其他x x令Y =X 2，F （x ,y ）为二维随机变量（X ，Y ）的分布函数，求： (1) Y 的概率密度f Y (y )； (2) Cov(X ,Y );(3)1(,4)2F -.解： (1) Y 的分布函数为2(){}{}Y F y P Y y P X y =≤=≤.当y ≤0时， ()0Y F y =，()0Y f y =； 当0＜y ＜1时，(){{0}{0Y F y P X P X P X =≤≤=<+≤≤=，()Y f y =；当1≤y <4时，1(){10}{02Y F y P X P X =-≤<+≤≤=()Y f y =；当y ≥4时，()1Y F y =，()0Y f y =. 故Y 的概率密度为1,()04,0,.Y y f y y <<=≤<⎪⎩其他(2) 0210111()()d d d 244+X E X =xf x x x x x x ∞∞=+=⎰⎰⎰--,022********()()()d d d )246+X E Y =E X =x f x x x x x x ∞∞=+=⎰⎰⎰--,02233310117()()()d d d 248+X E XY =E Y =x f x x x x x x ∞∞=+=⎰⎰⎰--,故 Cov(X,Y ) =2()()()3E XY E X E Y =⋅-.(3) 2111(,4){,4}{,4}222F P X Y P X X -=≤-≤=≤-≤11{,22}{2}22P X X P X =≤--≤≤=-≤≤-11{1}24P X =-≤≤-=.37. 设随机变量X 服从参数为1的泊松分布,求P{X=E(X 2)}.解：因为其分布律为P{x=k}=1!e k -,k=0,1,2,…,12211011121111()!(1)!(1)!11(2)!(1)!() 2.k k k k k e k k E X k e e k k k e k k e e e -∞∞∞--===∞∞-==--+===--⎛⎫=+ ⎪--⎝⎭=+=∑∑∑∑∑所以211{()}{2}.2!2P x E X P X e e --=====所以。
北邮概率论与数理统计秩和检验8.6
§8.6秩和检验上一节中的检验方法是基于两独立样本都是来自于正态总体的假设.而在不少情形中,这种前提条件并不一定成立.既使能通过正态性检验,在样本容量较小时,其有效性也值得怀疑.于是我们得另辟蹊径,寻找不需要正态性假设的检验方法.当然一点假设都没有是不现实的.这里我们假设:F 和G 都是连续型分布,并且F 和G 的形式相同只相差一个平移c)-x (G )x F(=.在这样的假定(或模型)下,如果0>c ,则对于x ∀,总有)x Y (P )x (G -)c -x (G -)x (F -)x X (P >=>==>111也即X 相对于Y 倾向于取更大的值,这种情况我们称之为X 随机地大于Y .如果0<c ,则X 随机地小于Y .如果0=c ,则两分布相同.我们考虑如下假设检验问题:(I)G F :H =0对G F :H ≠1(II)G F :H =0对G F :H >1(III)G F :H =0对GF :H <1在以上设定的模型下,上面假设分别等价于如下假设(I)00=c :H 对01≠c :H (II)00=c :H 对01>c :H (III)00=c :H 对01<c :H 由于对F 和G 的形状没有作任何假定,利用原有尺寸的观测进行分析己经行不通了.我们可以用秩替代原有尺寸的观测行统计分析.这样做至少有两个优势:(1)分析结果关于任何单调变换都是不变的;(2)可以减轻离群值的影响(即提高稳健性).并且这种非参数方法和前面介绍的参数方法的势相差不大.下面介绍秩和检验方法.设n x x ,,1 为来自某连续型总体的简单随机样本.由于总体具有连续分布，从而以概率1保证样本中各样品互不相等.将样本从小到大排列成)()1n x x << （.若)(iR i x x =,则称i x 在样本n x x ,,1 中的秩为i R ,简称i x 的秩为i R .),,(1n R R R =以及R 的任意函数称为秩统计量.秩统计量R 服从离散分布,它的所有可能取值共有!n 个,而且取每个可能值),,(1n r r 的概率均为!/1n ,其中),,(1n r r 为),,2,1(n 的任一置换.这说明R 服从离散均匀分布.由此可见,秩统计量的分布与总体服从什么样的分布是没有关系的.设简单随机样本m x x ,,1 (m x x ,,1 表示试验组的响应)和n y y ,,1 (n y y ,,1 表示控制组的响应)分别来自相总体F 和G ,如果将这两样本合在一起从小到大排序的话,那么在F G =时，n y y ,,1 （由于n y y ,,1 在合样本中排序位置定了后，m x x ,,1 也就定了，因此只须考虑样本n y y ,,1 的排序位置.当然也可只考虑样本m x x ,,1 的排序位置）既不会倾向于排在左边也不会倾向于排在右边，即合样本中n y y ,,1 的秩的和既不会偏大也不会偏小；在F G >时，n y y ,,1 会倾向于排在右边.即合样本中来自Y 的样本n y y ,,1 的秩的和会偏大,这就是Wilcoxon 检验的思想.在合样本),,,,,(11n m y y x x 中,记),,1(n j y j =的秩为),,2,1(n m R R j j += ,样本n y y ,,1 的秩和为∑==nj jy R W 1对于检验问题（I）,当y W 偏大或偏小时,可拒绝原假设G F :H =0,因此该检验问题的拒绝域的形式为1k W y ≤或1k W y ≥.同样的分析可得检验问题（II）的的拒绝域的形式为k W y ≤;检验问题（III）的的拒绝域的形式为k W y ≥.在原假设成立时,即F G =时,合样本),,,,,(11n m y y x x 的秩统计量)R ,,R ,R ,,R (R n m 11~~=服从离散均匀分布.利用这一性质,我们可确定y W 的概率分布,从而确定拒绝域的临界值或计算检验的p 值.人们构造了Wilcoxon 秩和检验统计量分位数表,查表可以得到检验的p 值及拒绝域的临界值.例如,4个试验对象中,随机地选2个分配到试验组,另2个分配到控制组.试验组的响应记为21x ,x ,控制组的响应记为21y ,y .在F G =时,合样本的秩统计量)R ,R ,R ,R (R 2211~~=具有离散均匀分布14321==))r ,r ,r ,r (R (P ,)r ,r ,r ,r (4321是),,,(4321的任一置换.那么控制组的响应21y ,y 的秩和21R R W y +=的概率分布为y W 34567P6161316161假设试验组的响应为1,3,控制组的响应为6,4.直观地看试验组中的响应全部小于控制组的响应.似乎应该得出结论:试验具有减少响应的效应.但我们还是别着急下结论.控制组的秩和为7=y W ,试验组的秩和为3=x W .这种差异能够提供试验组和控制组之间具有系统性差异的可信证据吗?或者仅仅偶然因素也可能会造成这样的差异?要回答这个问题,我们需要计算在零假设下(即试验根本没有任何效应,试验结果的差异完全是由随机因素引起的)出现这样的差异的概率.由前面已得出的y W 的概率分布，易得617==)W P(y .一个概率为61的事件在一次试验中发生了,并不会让我们感到意外,换言之,由于这个概率还不是足够小,那么这样的差异还没有提供否定零假设的充分证据.要注意的是我们得不出结论:试验具有减少响应的效应.但不意味着我们就应该得出结论:试验具有增加响应的效应.事实上,由于样本容量太小,出现任何结果(即y W 取任何一个可能的值)都是正常的.通过这样小容量的样本,我们无法得到任何可靠的结论.当然由于两组结果之间的差异还是很大的,我们可以增加试验对象以得出可靠的结论.我们在这里假设观测值互不相等.而在实际中,出现相同的观测值也属正常,此时相同值的秩就取为它们的秩的平均值,只要这种情况较少,就不会过度影响显著性水平.由于2)m n )(m n (W W y x 1+++=+,在秩和检验中可在x W ,y W 之间任选其一作为检验统计量.在实用中,常选容量较小的样本的秩和作为检验统计量.在样本容量很大时,利用以上方法计算检验的p 值就会很麻烦,我们可以利用y W 的渐近分布解决.有如下结论.定理在n m y y x x ,,,,,11 具有相同的连续分布时，则在样本容量n m ,都趋于无穷大时，秩和检验统计量y W 具有渐近正态性：)1,0(12/)1(2/)1()()(N N mn N n W W Var W E W Ly y y y →++-=-这里m n N +=.由此定理，在大样本场合，可由正态分布得出检验问题的p 值.出现相同的观测值时,上述定理中的)W (ar V y 要作修正,此处不再讨论了.我们可以从另外角度推导秩和检验.设样本m x x ,,1 和n y y ,,1 分别来自相互独立的连续型总体X 和Y .X 和Y 的分布函数分别为F 和G .考虑检验问题:0H )()(x G x F =,对:1H )()(x G x F >.在)()(a x F x G -=时,检验问题化为0:0=a H 对0:1>a H .在原假设成立时,有5.0)(=<Y X P 而备择假设为真时,则有5.0)(><Y X P 令)(Y X P <=π.那么，上述检验问题可简化为关于参数π的检验问题，5.0:0=πH 对5.0:1>πH 显然∑∑===m i nj ij z mn 111ˆπ是π的一个无偏估计.其中⎩⎨⎧<=else,y x ,z j i ij 01统计量∑∑===m i nj ij z mn 111ˆπ是Mann-Whitney 于1974年提出的,人们称它为Mann-Whitney 统计量.由于在备择假设成立时，π有取较大值的趋势，所以拒绝域具有形式:在c ≥πˆ.可以证明2)1(11+-==∑∑==n n W z U m i nj y ij y 可见统计量πˆ可以由秩和检验统计量y W 表示.因此利用统计量πˆ和统计量y W 对以上检验问题所做的检验是等效的.。
概率论和数理统计假设检验
05
非参数假设检验
Wilcoxon秩和检验
总结词
用于检验两个独立样本是否来自同一 分布，特别是当样本量较小或总体分 布未知时。
详细描述
Wilcoxon秩和检验通过将每个样本的 观测值替换为其在所有观测值中的秩， 然后比较两组的秩和来进行检验。如 果两个样本来自同一分布，则它们的 秩和应该接近相等。
THANKS
感谢观看
确定检验水准
根据研究目的和样本量等因素，确定检验 水准，如α和β。
计算统计量
根据数据和选择的统计方法，计算出相应 的统计量。
选择合适的统计方法
根据数据类型和假设，选择合适的统计方 法进行检验。
单侧与双侧检验
单侧检验
只考虑一个方向的假设检验，如只考虑增加或只考虑减少。
双侧检验
同时考虑两个方向的假设检验，即同时考虑增加和减少。
检验效能
检验效能是指假设检验能够正确拒绝一个错误假设的能力。在给定样本大小的情况下，提高检验效能 可以提高假设检验的准确性。
假设检验的误用与避免
误用
假设检验的误用通常包括不恰当的假设、错 误的解读、过度推断等。这些错误可能导致 错误的结论，影响科学研究的可靠性和有效 性。
避免方法
为了避免假设检验的误用，研究者应确保假 设合理、解读准确，并避免过度推断。同时， 应采用多种方法进行验证，以提高研究的可 靠性和准确性。
方差齐性检验
01
方差齐性检验
用于检验两组数据或多个组数据的方差是否具有齐性。常 见的方差齐性检验方法包括Bartlett检验、Levene检验等 。
02
总结词
方差齐性检验是假设检验中的重要步骤，它有助于判断不 同组数据之间是否存在显著差异。
北京交通大学《概率论与数理统计》2018-2019学年第二学期期末考试A卷
北京交通大学2018~2019学年第二学期概率论与数理统计期末考试试卷（A 卷）一．（本题满分8分）某中学学生期末考试中数学不及格的为%11，语文不及格的为%7，两门课程都不及格的为%2．⑴已知一学生数学考试不及格，求他语文考试也不及格的概率（4分）；⑵已知一学生语文考试不及格，求他数学考试及格的概率（4分）．解：设=A “某学生数学考试不及格”，=B “某学生语文考试不及格”．由题设，()11.0=A P ，()07.0=B P ，()02.0=AB P ．⑴所求概率为()()()11211.002.0===A P AB P A B P ．⑵所求概率为()()()()()()7507.002.007.0=-=-==B P AB P B P B P B A P B A P ．二．（本题满分8分）两台车床加工同样的零件，第一台车床加工出现不合格品的概率为0.03，第二台车床加工出现不合格品的概率为0.05；把两台车床加工的零件放在一起，已知第一台车床加工的零件数比第二台车床加工的零件多一倍．现从这两台车床加工的零件中随机地取出一件，发现是不合格品，求这个零件是第二台车床加工的概率．解：设=A “任取一个零件是不合格品”，=B “任取一个零件是第一台车床加工的”．所求概率为()A B P ．由Bayes 公式得()()()()()()()B A P B P B A P B P B A P B P A B P +=11503.03205.03105.031=⨯+⨯⨯=．三．（本题满分8分）设随机变量X 的密度函数为()⎪⎩⎪⎨⎧≤≤=其它02cos πx x C x f ．⑴求常数C （3分）；⑵现对X 独立重复地观察4次，用Y 表示观察值大于3π的次数，求()2Y E （5分）．解：⑴由密度函数的性质，()1=⎰+∞∞-dx x f ，得()C xC dx x C dx x f 22sin 22cos 10====⎰⎰+∞∞-ππ，因此，21=C ．⑵由于()212112sin 2cos 213333=-====⎪⎭⎫ ⎝⎛>⎰⎰+∞ππππππx dx x dx x f X P ．所以，随机变量Y 的分布列为()kk C k Y P ⎪⎭⎫⎝⎛⋅==214，()4,3,2,1,0=k ．所以()()∑==⋅=422k k Y P kYE 51614164316621641161022222=⋅+⋅+⋅+⋅+⋅=．四．（本题满分8分）在正方形(){}1,1,≤≤=q p q p D ：中任取一点()q p ,，求使得方程02=++q px x 有两个实根的概率．解：设=A “方程02=++q px x 有两个实根”，所求概率为()A P ．设所取的两个数分别为p 与q ，则有11<<-p ，11<<-q ．因此该试验的样本空间与二维平面点集(){}11,11,<<-<<-=q p q p D ：中的点一一对应．随机事件A 与二维平面点集(){}04,2≥-=q p q p D A ：，即与点集()⎭⎬⎫⎩⎨⎧≥=q p q p D A 4,2：中的点一一对应．所以，()241312412214113112=⎪⎪⎭⎫ ⎝⎛+=⨯⎪⎪⎭⎫⎝⎛+==--⎰p p dp p D D A P A 的面积的面积．五．（本题满分8分）一个工厂生产某种产品的寿命X （单位：年）的密度函数为()⎪⎩⎪⎨⎧≤>=-00414x x ex f x．该工厂规定：该产品在售出的一年内可予以调换．若工厂售出一个该产品，赢利100元，而调换一个该产品，需花费300元．试求工厂售出一个该产品净赢利的数学期望．解：设Y 为工厂售出一个产品的净赢利，则⎩⎨⎧<-≥=13001100X X Y 所以，{}{}300300100100-=⋅-=⋅=Y P Y P EY {}{}13001100<⋅-≥⋅=X P X P ⎰⎰-+∞-⋅-⋅=14144130041100dxe dx e xx5203.1113001004141=⎪⎪⎭⎫ ⎝⎛-⋅-⋅=--e e六．（本题满分9分）设G 是由X 轴、Y 轴及直线022=-+y x 所围成的三角形区域，二维随机变量()Y X ,在G 内服从均匀分布．求X 与Y 的相关系数YX ,ρ．解：由于区域G 的面积为1，因此()Y X ,的联合密度函数为()()()⎩⎨⎧∉∈=Gy x G y x y x f ,,1,．当10<<x 时，()()()x dy dy y x f x f xX -===⎰⎰-+∞∞-12,220，所以，()()⎩⎨⎧<<-=其它01012x x x f X ．当20<<y 时，()()21,210ydy dx y x f y f yY -===⎰⎰-∞+∞-，所以，()⎪⎩⎪⎨⎧<<-=其它2021y y y f Y ．()()()3131212121=⎪⎭⎫ ⎝⎛-=-⋅==⎰⎰+∞∞-dx x x dx x xf X E X ，()()32212=⎪⎭⎫ ⎝⎛-⋅==⎰⎰+∞∞-dy y y dy y yf Y E Y ，()()()6141312121222=⎪⎭⎫ ⎝⎛-=-⋅==⎰⎰+∞∞-dx x x dx x f x XE X，()()32212222=⎪⎭⎫ ⎝⎛-⋅==⎰⎰+∞∞-dy y ydy y f y YE Y，所以，()()()()1813161var 222=⎪⎭⎫ ⎝⎛-=-=X E X E X ，()()()()923232var 222=⎪⎭⎫ ⎝⎛-=-=Y E Y E Y ，()()⎰⎰⎰⎰⎰--+∞∞-+∞∞-⋅===1220222012,dx y x xydy dxdxdy y x xyf XY E xx，()()6121324122212123102=⎪⎭⎫ ⎝⎛+-=+-=-=⎰⎰dx x x x dx x x ，所以，()()()()181323161,cov -=⨯-=-=Y E X E XY E Y X ．()()()2192181181var var ,cov ,-=-==Y X Y X YX ρ．七．（本题满分9分）某餐厅每天接待400位顾客，假设每位顾客的消费额（单位：元）服从区间()100,20上的均匀分布，并且每位顾客的消费额是相互独立的．试求：⑴该餐厅每天的平均营业额（3分）；⑵用中心极限定理计算，该餐厅每天的营业额在其平均营业额的760±元之间的概率（6分）．（附：标准正态分布的分布函数()x Φ的某些取值：x 55.160.165.170.1()x Φ9394.09452.09505.09554.0解：⑴设i X 表示第i 位顾客的消费额，()400,,2,1 =i ．则有40021,,,X X X 相互独立，()100,20~U X i ，()400,,2,1 =i ．所以，()60=i X E ，()316001280var 2==i X ．再设X 表示餐厅每天的营业额，则∑==4001i i X X ．所以，()()240006040040014001=⨯==⎪⎭⎫ ⎝⎛=∑∑==i i i i X E X E X E （元）．⑵由独立同分布场合下的中心极限定理，有{}⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧⨯≤⨯-≤⨯-=≤-≤-3160040076031600400240003160040076076024000760X P X P ()901.019505.021645.123160040076031600400760=-⨯=-Φ=⎪⎪⎪⎪⎭⎫⎝⎛⨯-Φ-⎪⎪⎪⎪⎭⎫⎝⎛⨯Φ≈．八．（本题满分8分）设总体X 服从参数为p 的几何分布，其分布律为{}1-==k pq k X P () ,3,2,1=k ．其中10<<p 是未知参数，p q -=1．()n X X X ,,,21 是取自该总体中的一个样本．试求参数p 的极大似然估计量．解：似然函数为(){}{}{}{}n n n n x X P x X P x X P x X x X x X P p L ======== 22112211,,,()()()()nx nx x x nk k n p p p p p p p p ----∑-=--⋅-==1211111111所以，()()p n x p n p L n k k -⎪⎭⎫⎝⎛-+=∑=1ln ln ln 1．所以，()01ln 1=---=∑=pnxpnp L dp d nk k，解方程，得x p 1=．因此p 的极大似然估计量为ξ1ˆ=p．九．（本题满分8分）设总体X 存在二阶矩，记()μ=X E ，()2var σ=X ，()n X X X ,,,21 是从该总体中抽取的一个样本，X 是其样本均值．求()X E （4分）及()X D （4分）．解：()()μμμ=⋅===⎪⎭⎫ ⎝⎛=∑∑∑===n n n X E n X n E X E n i ni i n i i 1111111，()()n n n n X nX n X ni n i i n i i 22212212111var 11var var σσσ=⋅===⎪⎭⎫ ⎝⎛=∑∑∑===．十．（本题满分9分）两台相同型号的自动记录仪，每台无故障工作的时间分别为X 和Y ，假设X 与Y 相互独立，都服从参数为5=λ的指数分布，其密度函数为()⎩⎨⎧≤>=-0055x x e x f xX ．现首先开动其中一台，当其损坏停用时另一台自动开动，直至第二台记录仪损坏为止．令：T ：从开始到第二台记录仪损坏时记录仪的总共工作时间，试求随机变量T 的概率密度函数．解：X 的密度函数为()⎩⎨⎧≤>=-00055x x e x f xX ，Y 的密度函数为()⎩⎨⎧≤>=-0055y y e y f yY 由题意，知Y X T +=，设T 的密度函数为()t f T ，则()()()()⎰⎰+∞-+∞∞--=-=55dxx t f edx x t f x f t f Y xYXT 作变换x t u -=，则dx du -=，当0=x 时，t u =；当+∞→x 时，-∞→u ．代入上式，得()()()()⎰⎰∞---∞--=-=tY utt Y u t T duu f eedu u f et f 55555当0≤t 时，由()0=y f Y ，知()0=t f T ；当0>t 时，()t tu u tT te du e e et f 55552555-∞---=⋅=⎰综上所述，可知随机变量T 的密度函数为()⎩⎨⎧≤>=-00255t t te t f tT ．十一．（本题满分9分）设总体X 服从指数分布，其概率密度函数为()⎪⎩⎪⎨⎧≤>=-001x x ex f xθθ，()n X X X ,,,21是取自该总体中的一个样本．⑴求出统计量()i n i X X ≤≤=11min 的密度函数()()x f 1，并指出该分布是什么分布？⑵求常数a ，使得i ni X a T ≤≤=1min 为θ的无偏估计．解：①由于总体X 的密度函数为()⎪⎩⎪⎨⎧≤>=-001x x ex f xθθ，因此其分布函数为()()⎪⎩⎪⎨⎧>-≤==-∞-⎰0100x ex dt t f x F x xθ．所以()i ni X X ≤≤=11min 的密度函数为()()()()()θθθθθnxxn x n enee n xf x F n x f -----=⋅⎪⎪⎭⎫ ⎝⎛=-=11111，()0>x ．即随机变量()i n i X X ≤≤=11min 服从参数为nθ的指数分布．②由于随机变量()i n i X X ≤≤=11min 服从参数为n θ的指数分布，所以()()()nX E X E i n i θ==≤≤11min ．所以，若使()()()θθ=⋅==≤≤n a X aE X E i n i 11min ，只需取n a =即可．即若取n a =，即i ni X n T ≤≤=1min ，则T 是未知参数θ的无偏估计量．十二．（本题满分8分）设随机变量X 与Y 相互独立，而且都服从正态分布()2,σμN ．令aY X U +=，bY X V -=（a与b 都是常数），试给出随机变量U 与V 相互独立的充分必要条件．解：由于随机变量X 与Y 相互独立，而且都服从正态分布，又aY X U +=，bY X V -=，所以U 与V 也都是服从正态分布的随机变量．所以，U 与V 相互独立的充分必要条件是()0,cov =V U ．而()()bY X aY X V U -+=,cov ,cov ()()()()Y Y ab X Y a Y X b X X ,cov ,cov ,cov ,cov -+-=()()()21σab Y abD X D -=-=．因此，随机变量U 与V 相互独立的充分必要条件是01=-ab ．。
概率论与数理统计课后答案北邮版
习题三1.将一硬币抛掷三次，以X 表示在三次中出现正面的次数，以Y 表示三次中出现正面次数与出现反面次数之差的绝对值.试写出X 和Y 的联合分布律. 111222⨯⨯111222⨯⨯=2.盒子里装有3只黑球、2只红球、2只白球，在其中任取4只球，以X 表示取到黑球的只数，以Y 表示取到红球的只数.求X 和Y 的联合分布律. 的联合分布律如表： 23247C 3C 35= 13247C 2C 35= 1232247C C 6C 35= 1132247C C 12C 35=13247C 2C 35= 2427C /C =2132247C C 6C 35= 23247C 3C 35=3.设二维随机变量（X ，Y ）的联合分布函数为F （x ，y ）=⎪⎩⎪⎨⎧≤≤≤≤.,020,20,sin sin 其他ππy x y x求二维随机变量（X ，Y ）在长方形域⎭⎬⎫⎩⎨⎧≤<≤<36,40πππy x 内的概率. 【解】如图πππ{0,}(3.2)463P X Y <≤<≤公式 ππππππ(,)(,)(0,)(0,)434636F F F F --+ππππππsin sin sin sin sin 0sin sin 0sin 4346362(31).4=--+=-题3图说明：也可先求出密度函数，再求概率。
4.设随机变量（X ，Y ）的分布密度f （x ，y ）=⎩⎨⎧>>+-.,0,0,0,)43(其他y x A y x e求：（1） 常数A ；（2） 随机变量（X ，Y ）的分布函数； （3） P {0≤X <1，0≤Y <2}. 【解】（1） 由-(34)0(,)d d e d d 112x y Af x y x y A x y +∞+∞+∞+∞+-∞-∞===⎰⎰⎰⎰得 A =12 （2） 由定义，有 (,)(,)d d y xF x y f u v u v -∞-∞=⎰⎰(34)340012ed d (1e )(1e )0,0,0,0,y yu v x y u v y x -+--⎧⎧-->>⎪==⎨⎨⎩⎪⎩⎰⎰其他(3) {01,02}P X Y ≤<≤<12(34)3800{01,02}12e d d (1e )(1e )0.9499.x y P X Y x y -+--=<≤<≤==--≈⎰⎰5.设随机变量（X ，Y ）的概率密度为f （x ，y ）=⎩⎨⎧<<<<--.,0,42,20),6(其他y x y x k（1） 确定常数k ；（2） 求P {X ＜1，Y ＜3}； （3） 求P {X <}； （4） 求P {X +Y ≤4}. 【解】（1） 由性质有242(,)d d (6)d d 81,f x y x y k x y y x k +∞+∞-∞-∞=--==⎰⎰⎰⎰故 18R =（2） 13{1,3}(,)d d P X Y f x y y x -∞-∞<<=⎰⎰130213(6)d d 88k x y y x =--=⎰⎰ (3) 11.5{ 1.5}(,)d d a (,)d d x D P X f x y x y f x y x y <<=⎰⎰⎰⎰如图1.542127d (6)d .832x x y y =--=⎰⎰(4) 24{4}(,)d d (,)d d X Y D P X Y f x y x y f x y x y +≤+≤=⎰⎰⎰⎰如图b240212d (6)d .83xx x y y -=--=⎰⎰题5图6.设X 和Y 是两个相互独立的随机变量，X 在（0，）上服从均匀分布，Y 的密度函数为f Y （y ）=⎩⎨⎧>-.,0,0,55其他y y e求：（1） X 与Y 的联合分布密度；（2） P {Y ≤X }.题6图【解】（1） 因X 在（0，）上服从均匀分布，所以X 的密度函数为1,00.2,()0.20,.X x f x ⎧<<⎪=⎨⎪⎩其他 而55e ,0,()0,.y Y y f y -⎧>=⎨⎩其他 所以(,),()()X Y f x y X Y f x f y 独立5515e25e ,00.20,0.20,0,yy x y --⎧⎧⨯<<>⎪==⎨⎨⎩⎪⎩且其他. (2) 5()(,)d d 25e d d y y x DP Y X f x y x y x y -≤≤=⎰⎰⎰⎰如图0.20.2-5500-1d 25e d (5e 5)d =e 0.3679.xyx x y x -==-+≈⎰⎰⎰7.设二维随机变量（X ，Y ）的联合分布函数为F （x ，y ）=⎩⎨⎧>>----.,0,0,0),1)(1(24其他y x y x e e求（X ，Y ）的联合分布密度.【解】(42)28e ,0,0,(,)(,)0,x y x y F x y f x y x y -+⎧>>∂==⎨∂∂⎩其他. 8.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）= 4.8(2),01,0,0,.y x x y x -≤≤≤≤⎧⎨⎩其他求边缘概率密度. 【解】()(,)d X f x f x y y +∞-∞=⎰x204.8(2)d 2.4(2),01,=0,.0,y x y x x x ⎧⎧--≤≤⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰12y 4.8(2)d 2.4(34),01,=0,.0,y x x y y y y ⎧-⎧-+≤≤⎪=⎨⎨⎩⎪⎩⎰其他题8图 题9图9.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=e ,0,0,.y x y -⎧<<⎨⎩其他求边缘概率密度. 【解】()(,)d X f x f x y y +∞-∞=⎰e d e ,0,=0,.0,y x x y x +∞--⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰0e d e ,0,=0,.0,yy x x y y --⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他题10图10.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=22,1,0,.cx y x y ⎧≤≤⎨⎩其他（1） 试确定常数c ；（2） 求边缘概率密度. 【解】（1）(,)d d (,)d d Df x y x y f x y x y +∞+∞-∞-∞⎰⎰⎰⎰如图2112-14=d d 1.21xx cx y y c ==⎰⎰ 得214c =. (2) ()(,)d X f x f x y y +∞-∞=⎰212422121(1),11,d 840,0,.x x x x x y y ⎧⎧--≤≤⎪⎪==⎨⎨⎪⎪⎩⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰522217d ,01,420,0,.y y x y x y y -⎧⎧≤≤⎪⎪==⎨⎨⎪⎪⎩⎩⎰其他 11.设随机变量（X ，Y ）的概率密度为f （x ，y ）=1,,01,0,.y x x ⎧<<<⎨⎩其他求条件概率密度f Y ｜X （y ｜x ），f X ｜Y （x ｜y ）.题11图【解】()(,)d X f x f x y y +∞-∞=⎰1d 2,01,0,.xx y x x -⎧=<<⎪=⎨⎪⎩⎰其他111d 1,10,()(,)d 1d 1,01,0,.y Y y x y y f y f x y x x y y -+∞-∞⎧=+-<<⎪⎪⎪===-≤<⎨⎪⎪⎪⎩⎰⎰⎰其他所以|1,||1,(,)(|)2()0,.Y X X y x f x y f y x xf x ⎧<<⎪==⎨⎪⎩其他|1, 1,1(,)1(|),1,()10,.X Y Y y x y f x y f x y y x f y y⎧<<⎪-⎪⎪==-<<⎨+⎪⎪⎪⎩其他 12.袋中有五个号码1，2，3，4，5，从中任取三个，记这三个号码中最小的号码为X ，最大的号码为Y .（1） 求X 与Y 的联合概率分布； （2） X 与Y 是否相互独立？ 【解】（1） X 与Y 的联合分布律如下表3 4 5{}i P X x =13511C 10= 3522C 10= 3533C 10= 610 23511C 10= 3522C 10= 310 3 02511C 10= 110{}i P Y y =110 310 610(2) 因6161{1}{3}{1,3},101010010P X P Y P X Y ===⨯=≠=== 故X 与Y 不独立13.设二维随机变量（X ，Y ）的联合分布律为 2 5 8（1）求关于X 和关于Y 的边缘分布； （2） X 与Y 是否相互独立？ 2 5 8 P {Y=y i }{}i P X x =YXXYXY(2) 因{2}{0.4}0.20.8P X P Y ===⨯0.160.15(2,0.4),P X Y =≠=== 故X 与Y 不独立.14.设X 和Y 是两个相互独立的随机变量，X 在（0，1）上服从均匀分布，Y 的概率密度为f Y （y ）=⎪⎩⎪⎨⎧>-.,0,0,212/其他y y e（1）求X 和Y 的联合概率密度； （2） 设含有a 的二次方程为a 2+2Xa +Y =0，试求a 有实根的概率.【解】（1） 因1,01,()0,X x f x <<⎧==⎨⎩其他; 21e ,1,()20,yY y f y -⎧>⎪==⎨⎪⎩其他.故/21e01,0,(,),()()20,.y X Y x y f x y X Y f x f y -⎧<<>⎪=⎨⎪⎩独立其他题14图(2) 方程220a Xa Y ++=有实根的条件是2(2)40X Y ∆=-≥故 X 2≥Y ，从而方程有实根的概率为：22{}(,)d d x yP X Y f x y x y ≥≥=⎰⎰21/2001d e d 212[(1)(0)]0.1445.x y x yπ-==-Φ-Φ=⎰⎰15.设X 和Y 分别表示两个不同电子器件的寿命（以小时计），并设X 和Y 相互独立，且服从同一分布，其概率密度为f （x ）=⎪⎩⎪⎨⎧>.,0,1000,10002其他x x求Z =X /Y 的概率密度.【解】如图,Z 的分布函数(){}{}Z XF z P Z z P z Y=≤=≤ (1) 当z ≤0时，()0Z F z =（2） 当0<z <1时，（这时当x =1000时,y =1000z）(如图a) 3366102222101010()d d d d yz Z zx y zF z x y y x x y x y +∞≥==⎰⎰⎰⎰ 33610231010=d 2z zy yzy +∞⎛⎫-= ⎪⎝⎭⎰题15图 (3) 当z ≥1时，（这时当y =103时，x =103z ）（如图b ）3366222210101010()d d d d zy Z xy zF z x y y x x yx y +∞≥==⎰⎰⎰⎰ 336231010101=d 12y y zy z +∞⎛⎫-=- ⎪⎝⎭⎰即 11,1,2(),01,20,.Z z z zf z z ⎧-≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他故 21,1,21(),01,20,.Z z z f z z ⎧≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他16.设某种型号的电子管的寿命（以小时计）近似地服从N （160，202）分布.随机地选取4 只，求其中没有一只寿命小于180h 的概率.【解】设这四只寿命为X i (i =1,2,3,4)，则X i ~N （160，202），从而123412{min(,,,)180}{180}{180}i P X X X X X P X P X ≥≥≥之间独立34{180}{180}P X P X ≥≥ 1234[1{180}][1{180}][1{180}][1{180}]P X P X P X P X =-<-<-<-<44144180160[1{180}]120[1(1)](0.158)0.00063.P X ⎡-⎤⎛⎫=-<=-Φ ⎪⎢⎥⎝⎭⎣⎦=-Φ== 17.设X ，Y 是相互独立的随机变量，其分布律分别为P {X =k }=p （k ），k =0，1，2，…， P {Y =r }=q （r ），r =0，1，2，….证明随机变量Z =X +Y 的分布律为P {Z =i }=∑=-ik k i q k p 0)()(，i =0，1，2，….【证明】因X 和Y 所有可能值都是非负整数，所以 {}{}Z i X Y i ==+={0,}{1,1}{,0}X Y i X Y i X i Y =====-==于是0{}{,},i k P Z i P X k Y i k X Y =====-∑相互独立0{}{}ik P X k P Y i k ===-∑()()ik p k q i k ==-∑18.设X ，Y 是相互独立的随机变量，它们都服从参数为n ，p 的二项分布.证明Z =X +Y 服从参数为2n ，p 的二项分布.【证明】方法一：X +Y 可能取值为0，1，2，…，2n .{}{,}ki P X Y k P X i Y k i =+====-∑00202(){}2ki ki n i k i n k ii k k n k i k n k P X i P Y k i n n p q p q i k i n n p q i k i n p q k =---+=-=-===-⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭⎛⎫⎛⎫= ⎪⎪-⎝⎭⎝⎭⎛⎫= ⎪⎝⎭∑∑∑方法二：设μ1,μ2,…,μn ;μ1′,μ2′,…，μn ′均服从两点分布（参数为p ），则X =μ1+μ2+…+μn ，Y =μ1′+μ2′+…+μn ′, X +Y =μ1+μ2+…+μn +μ1′+μ2′+…+μn ′,所以，X +Y 服从参数为（2n ,p )的二项分布.(1) 求{=2｜=2}，{=3｜=0}； （2） 求V =max （X ，Y ）的分布律； （3） 求U =min （X ，Y ）的分布律； （4） 求W =X +Y 的分布律. 【解】（1）{2,2}{2|2}{2}P X Y P X Y P Y ======5{2,2}0.051,0.252{,2}i P X Y P X i Y ========∑ {3,0}{3|0}{0}P Y X P Y X P X ======3{0,3}0.011;0.033{0,}j P X Y P X Y j ========∑ （2）{}{max(,)}{,}{,}P V i P X Y i P X i Y i P X i Y i ====<+≤=10{,}{,},i ik k P X i Y k P X k Y i -=====+==∑∑ 0,1,2,3,4,5i =所以V 的分布律为V =max(X ,Y ) 0 1 2 3 4 5 P 0(3) {}{min(,)}P U i P X Y i ===351{,}{,}{,}{,}k ik i P X i Y i P X i Y i P X i Y k P X k Y i ==+==≥+>====+==∑∑0,1,2,3,i =于是U =min(X ,Y ) 0 1 2 3 P (4)类似上述过程，有W =X +Y 0 1 2 3 4 5 6 7 8 P20.雷达的圆形屏幕半径为R ，设目标出现点（X ，Y ）在屏幕上服从均匀分布. （1） 求P {Y ＞0｜Y ＞X }；（2） 设M =max{X ，Y }，求P {M ＞0}.题20图【解】因（X ，Y ）的联合概率密度为22221,,(,)π0,.x y R f x y R⎧+≤⎪=⎨⎪⎩其他 （1）{0,}{0|}{}P Y Y X P Y Y X P Y X >>>>=>0(,)d (,)d y y xy xf x y f x y σσ>>>=⎰⎰⎰⎰π2π/405π42π/401d d π1d d πRR r rR r rR θθ=⎰⎰⎰⎰3/83;1/24== (2) {0}{max(,)0}1{max(,)0}P M P X Y P X Y >=>=-≤00131{0,0}1(,)d 1.44x y P X Y f x y σ≤≤=-≤≤=-=-=⎰⎰21.设平面区域D 由曲线y =1/x 及直线y =0，x =1,x=e 2所围成，二维随机变量（X ，Y ）在区域D 上服从均匀分布，求（X ，Y ）关于X 的边缘概率密度在x =2处的值为多少？题21图【解】区域D 的面积为 22e e 0111d ln 2.S x x x===⎰（X ,Y ）的联合密度函数为211,1e ,0,(,)20,.x y f x y x ⎧≤≤<≤⎪=⎨⎪⎩其他（X ，Y ）关于X 的边缘密度函数为1/2011d ,1e ,()220,.x X y x f x x⎧=≤≤⎪=⎨⎪⎩⎰其他 所以1(2).4X f =22.设随机变量X 和Y 相互独立，下表列出了二维随机变量（X ，Y ）联合分布律及关于X 和Y 的边缘分布律中的部分数值.试将其余数值填入表中的空白处.y 1 y 2 y 3P {X =x i }=p ix 1 x 21/81/8P {Y =y j }=p j1/61【解】因21{}{,}j j iji P Y y P P X x Y y ======∑,故11121{}{,}{,},P Y y P X x Y y P X x Y y ====+== 从而11111{,}.6824P X x Y y ===-= YX而X 与Y 独立，故{}{}{,}i j i i P X x P Y y P X x Y y =====,从而11111{}{,}.624P X x P X x Y y =⨯==== 即：1111{}/.2464P X x ===又1111213{}{,}{,}{,},P X x P X x Y y P X x Y y P X x Y y ====+==+==即1,3111{},4248P X x Y y =++== 从而131{,}.12P X x Y y ===同理21{},2P Y y == 223{,}8P X x Y y ===又31{}1j j P Y y ===∑,故3111{}1623P Y y ==--=. 同理23{}.4P X x == 从而23313111{,}{}{,}.3124P X x Y y P Y y P X x Y y ====-===-=故23.设某班车起点站上客人数X 服从参数为λ(λ>0)的泊松分布，每位乘客在中途下车的概率为p （0<p <1），且中途下车与否相互独立，以Y 表示在中途下车的人数，求：（1）在发车时有n 个乘客的条件下，中途有m 人下车的概率；（2）二维随机变量（X ，Y ）的概率分布.【解】(1) {|}C (1),0,0,1,2,m m n mn P Y m X n p p m n n -===-≤≤=.(2) {,}{}{|}P X n Y m P X n P Y m X n ======e C (1),,0,1,2,.!m m n mnnp p n m n n n λλ--=-≤≤=24.设随机变量X 和Y 独立，其中X 的概率分布为X ~⎪⎪⎭⎫⎝⎛7.03.021，而Y 的概率密度为f (y )，求随机变量U =X +Y 的概率密度g (u ).【解】设F （y ）是Y 的分布函数，则由全概率公式，知U =X +Y 的分布函数为(){}0.3{|1}0.7{|2}G u P X Y u P X Y u X P X Y u X =+≤=+≤=++≤=0.3{1|1}0.7{2|2}P Y u X P Y u X =≤-=+≤-=由于X 和Y 独立，可见()0.3{1}0.7{2}G u P Y u P Y u =≤-+≤-0.3(1)0.7(2).F u F u =-+-由此，得U 的概率密度为()()0.3(1)0.7(2)g u G u F u F u '''==-+-0.3(1)0.7(2).f u f u =-+-25. 设随机变量X 与Y 相互独立，且均服从区间[0,3]上的均匀分布，求P {max{X ,Y }≤1}.解：因为随即变量服从[0，3]上的均匀分布，于是有1, 03,()30, 0,3;x f x x x ⎧≤≤⎪=⎨⎪<>⎩ 1, 03,()30, 0, 3.y f y y y ⎧≤≤⎪=⎨⎪<>⎩ 因为X ，Y 相互独立，所以1, 03,03,(,)90, 0,0,3, 3.x y f x y x y x y ⎧≤≤≤≤⎪=⎨⎪<<>>⎩ 推得 1{max{,}1}9P X Y ≤=. 26. 设二维随机变量（X ，Y ）的概率分布为其中a ,,为常数，且的数学期望()=??,{≤0|≤0}=，记=+.求：（1） a ,b ,c 的值； （2） Z 的概率分布； （3） P {X =Z }.解 (1) 由概率分布的性质知，a+b+c +=1 即 a+b+c = .由()0.2E X =-，可得0.1a c -+=-.再由 {0,0}0.1{00}0.5{0}0.5P X Y a b P Y X P X a b ≤≤++≤≤===≤++,得 0.3a b +=.解以上关于a ，b ，c 的三个方程得0.2,0.1,0.1a b c ===.(2) Z 的可能取值为?2，?1，0，1，2，{2}{1,1}0.2P Z P X Y =-==-=-=，{1}{1,0}{0,1}0.1P Z P X Y P X Y =-==-=+==-=，{0}{1,1}{0,0}{1,1}0.3P Z P X Y P X Y P X Y ===-=+==+==-=，{1}{1,0}{0,1}0.3P Z P X Y P X Y ====+===，{2}{1,1}0.1P Z P X Y =====，即Z(3) {}{0}0.10.20.10.10.20.4P X Z P Y b ====++=++=.27. 设随机变量X,Y 独立同分布,且X 的分布函数为F(x),求Z=max{X,Y}的分布函数.解：因为X,Y 独立同分布，所以F X （z ）=F Y (z),则F Z （z ）=P{Z ≤z}=P{X ≤z ，Y ≤z}=P{x ≤z}·P{Y ≤z}=［F （z ）］2.28.设随机变量X 与Y 相互独立，X 的概率分布为1{},1,0,1,3P X i i ===-Y 的概率密度为1,01,()0,Y y f y ≤<⎧=⎨⎩其他.记Z =X +Y .（1）求1{|0};2P Z X ≤= （2）求Z 的概率密度()Z f z分析 题（1）可用条件概率的公式求解.题（2）可先求Z 的分布函数，再求导得密度函数.解(1)1{0,}12{|0}2{0}P X Z P Z X P X =≤≤=== 1{0,}2{0}P X Y P X =≤== 11{}22P Y =≤=（2）(){}{}Z F z P Z z P X Y z =≤=+≤{,1}{,0}{,1}P X Y z X P X Y z X P X Y z X =+≤=-++≤=++≤= {1,1}{,0}{1,1}P Y z X P Y z X P Y z X =≤+=-+≤=+≤-= {1}{1}{}{0}{1}{1}P Y z P X P Y z P X P Y z P X =≤+=-+≤=+≤-=1[{1}{}{1}]3P Y z P Y z P Y z =≤++≤+≤-1[(1)()(1)]3Y Y Y F z F z F z =+++-'1()()[(1)()(1)]3Z Z Y Y Y f z F z f z f z f z ==+++-1,1230,.z ⎧-≤<⎪=⎨⎪⎩其他29.设随机变量(X,Y)服从二维正态分布,且X 与Y 不相关,f X (x),f Y (y)分别表示X,Y 的概率密度,求在Y=y 的条件下,X 的条件概率密度f X ｜Y (x ｜y).解：由第四章第三节所证可知，二维正态分布的不相关与独立性等价，所以f(x,y)= f X (x) ·F Y (y)，由本章所讨论知，/()()(,)(/)()()()X Y X Y X Y Y f x f y f x y f x y f x f y f y ===.30.设二维随机变量(X ,Y )的概率密度为2,01,01,(,)0,.x y x y f x y --<<<<⎧=⎨⎩其他（1）求{2};P X Y >（2）求Z =X +Y 的概率密度()Z f z .分析 已知(X,Y)的联合密度函数，可用联合密度函数的性质{(,)P X Y ∈}(,)GG f x y dxdy =⎰⎰ 解（1）； Z=X+Y 的概率密度函数可用先求Z 的分布函数再求导的方法或直接套公式求解. 解 （1）2{2}(,)x yP X Y f x y dxdy >>=⎰⎰1200120(2)57().824x dx x y dy x x dx =--=-=⎰⎰⎰（2）()(,),Z f z f x z x dx +∞-∞=-⎰其中 2()01,01(,)0x z x x z x f x z x ---<<<-<⎧-=⎨⎩其他201,01z x z x -<<<-<⎧=⎨⎩其他当02z z ≤≥或时，()0Z f z =； 当01z <<时，0()(2)(2);zZ f z z dx z z =-=-⎰ 当12z ≤<时，121()(2)(2),Z z f z z dx z -=-=-⎰即Z 的概率密度为2(2)01()(2)120Z z z z f z z z -<<⎧⎪=-≤<⎨⎪⎩其他。
《概率论与数理统计》(46学时)课程教学大纲1
《概率论与数理统计》（46学时）课程教学大纲一、课程的基本情况课程中文名称：概率论与数理统计课程英文名称：Probability Theory and Mathematical Statistics课程编码：0702003课程类别：学科基础课课程性质：必修总学时：46 讲课学时：46 实验学时：0学分：2.5授课对象：本科相关专业前导课程：《高等数学》《线性代数》二、教学目的概率论与数理统计是研究随机现象统计规律性的数学学科，是理工科各专业的一门重要的学科基础课。
通过本课程的学习，使学生掌握概率论与数理统计的基本概念，了解它的基本理论和方法，从而使学生初步掌握处理随机现象的基本思想和方法，培养学生运用概率统计方法分析和解决实际问题的能力。
同时，也为一些后续课程的学习提供必要的基础。
三、教学基本要求第一章概率论的基本概念1.1 随机试验1.2 样本空间、随机事件1.3 频率与概率1.4 等可能概型（古典概型）1.5 条件概率1.6 独立性基本要求：1. 理解随机试验、样本空间、随机事件的概念并掌握事件的关系与运算2. 掌握概率的定义与基本性质3. 理解古典概型的概念，掌握古典概率的计算方法4. 理解条件概率的定义，熟练掌握乘法定理、全概率公式与贝叶斯公式并会灵活应用5. 理解事件独立性的概念，熟练掌握相互独立事件的性质及有关概率的计算重点与难点：1. 重点：随机事件；概率的基本性质及其应用；乘法定理、全概率公式与贝叶斯公式事件的独立性2. 难点：概率的公理化定义、条件概率概念的建立、全概率公式与贝叶斯公式的应用第二章随机变量及其分布2.1 随机变量2.2 离散型随机变量及其分布律2.3 随机变量的分布函数2.4 连续型随机变量及其概率密度2.5 随机变量的函数的分布 基本要求：1. 理解随机变量的概念；掌握离散型随机变量和连续型随机变量的描述方法2. 掌握分布律、分布函数、概率密度函数的概念及性质；掌握由概率分布计算相关事件的概率的方法3. 熟练掌握二项分布、泊松（Poisson ）分布、正态分布、指数分布和均匀分布，特别是正态分布的性质并能灵活运用；熟练掌握伯努利概型概率的计算方法4. 熟练掌握一些简单的随机变量函数的概率分布的求法 重点与难点：1. 重点：随机变量、分布律、密度函数和分布函数的概念；二项分布、均匀分布的概念和性质2. 难点：二项分布的推导及应用；随机变量函数的概率分布第三章 多维随机变量及其分布 3.1 二维随机变量 3.2 边缘分布 3.3 条件分布3.4 相互独立的随机变量3.5 两个随机变量的函数的分布 基本要求：1. 正确理解二维随机变量的定义，掌握二维随机变量的联合分布律、联合分布函数、联合概率密度函数及条件分布的概念2. 熟练掌握由联合分布求事件的概率，求边缘分布及条件分布的基本方法3. 理解随机变量独立性的概念，掌握随机变量独立性的判别方法4. 了解求二维随机变量函数分布的基本思路，会求,max{,},min{,}X Y X Y X Y 的分布 重点与难点：1. 重点：由联合分布求概率，求边缘分布及条件分布的方法2. 难点：求离散型随机变量联合分布律的方法，条件密度的导出，随机变量函数的分布第四章 随机变量的数字特征 4.1 数学期望 4.2 方差4.3 协方差及相关系数 4.4 矩、协方差矩阵 基本要求：1. 掌握随机变量及随机变量函数的数学期望的计算公式，熟悉数学期望的性质并能灵活运用2. 掌握方差的概念和性质；熟悉二项分布、泊松分布、正态分布、指数分布和均匀分布的数学期望和方差；了解切比雪夫（Chebyshev ）不等式3. 掌握协方差和相关系数的定义和性质，并会灵活应用4. 掌握矩、协方差矩阵的定义 重点与难点：1. 重点：数学期望、方差、相关系数与协方差的计算公式及性质2. 难点：随机变量函数的数学期望的计算，利用数学期望的性质计算数学期望，相关系数的含义第五章大数定律及中心极限定理5.1 大数定律5.2 中心极限定理基本要求：1. 掌握依概率收敛的概念及贝努利大数定律和契比雪夫大数定律2. 掌握独立同分布的中心极限定理和德莫佛－拉普拉斯(De Moivre-Laplace)极限定理3. 掌握应用中心极限定理计算有关事件的概率近似值的方法重点与难点：1. 重点：用中心极限定理计算概率的近似值的方法2. 难点：依概率收敛的概念第六章样本及抽样分布6.1 随机样本6.2 抽样分布基本要求：1. 理解总体、个体、样本容量、简单随机样本以及样本观察值的概念2. 理解统计量的概念；熟悉数理统计中最常用的统计量（如样本均值、样本方差）的计算方法及其分布χ-分布，t-分布，F-分布的定义并会查表计算3. 掌握24. 熟悉正态总体的某些常用统计量的分布并能运用这些统计量进行计算重点与难点：χ-分布, t-分布, F-分布的定义与分位点的查表；正态总体常用统计量的分布1. 重点：2χ-分布, t-分布, F-分布的定义与分位点的查表2. 难点：2第七章参数估计7.1 点估计7.3 估计量的评选标准7.4 区间估计7.5 正态总体均值与方差的区间估计7.7 单侧置信区间基本要求：1. 理解参数的点估计(矩估计、最大似然估计)的计算方法2. 掌握参数点估计的评选标准：无偏性，有效性和相合性3. 理解参数的区间估计的概念，熟悉对单个正态总体和两个正态总体的均值与方差进行区间估计的方法及步骤重点与难点：1. 重点：点估计的矩法、最大似然估计法；正态总体参数的区间估计2. 难点：最大似然估计法，两个正态总体的参数的区间估计四、课程内容与学时分配五、教材参考书教材：盛骤谢式千潘承毅《概率论与数理统计》（第三版）高等教育出版社2001. 参考书：[1] 茆诗松《概率论与数理统计教程》（第一版）高教出版社2004.[2] 王展青李寿贵《概率论与数理统计》（第一版）科学出版社2000.六、教学方式和考核方式1.教学方式：以课堂讲授为主，辅以答疑、课后作业。
概率论与数理统计人大版本
概率论与数理统计人大版本
一、概率论与数理统计的概述
概率论是研究随机现象的理论体系，它通过对随机现象的规律性进行研究，为我们预测和决策提供依据。
数理统计则是一种基于数据的研究方法，它通过对数据的分析和处理，提取出数据背后的信息，为实际问题的解决提供支持。
二、概率论与数理统计的基本概念
在概率论中，随机事件是指在一定条件下可能发生的事件，而样本空间则包含了所有可能的结果。
概率分布描述了随机变量取值的概率规律，而概率密度函数则用于描述连续型随机变量的概率分布。
三、常见概率分布及其应用
常见的概率分布有二项分布、泊松分布和正态分布等。
二项分布用于描述一系列伯努利试验的结果，泊松分布用于描述单位时间内随机事件的次数，正态分布则广泛应用于自然科学、社会科学和工程技术领域。
四、数理统计的基本方法
数理统计的基本方法包括描述性统计、推断性统计等。
描述性统计用于概括和描述数据的集中趋势、离散程度等信息，而推断性统计则通过抽样数据对总体参数进行估计和检验。
五、参数估计与假设检验
参数估计是通过对样本数据的研究，估计总体参数的值。
常见的点估计方法有最大似然估计、矩估计等，区间估计则通过构建置信区间来估计参数。
假
设检验则是通过检验统计量与临界值之间的关系，对总体参数进行推断。
六、应用领域与发展趋势
概率论与数理统计在自然科学、社会科学和工程技术等领域具有广泛的应用。
随着大数据时代的到来，概率论与数理统计的研究方法和技术也在不断发展，包括机器学习、数据挖掘等领域。
在我国，概率论与数理统计的研究和应用也取得了显著成果，为各个领域的创新发展提供了有力支持。
高等数学概率论与数理统计课件PPT大全
(AB)C＝(AC)(BC) 4、对偶(De Morgan)律：
A B A B, AB A B
可推广 Ak Ak , Ak Ak .
k
k
k
k
例：甲、乙、丙三人各向目标射击一发子弹，以A、 B、C分别表示甲、乙、丙命中目标，试用A、B、C
定义:(p8) 事件A在n次重复试验中出现nA次，则 比值nA/n称为事件A在n次重复试验中 出现的频率，记为fn(A). 即 fn(A)＝ nA/n.
历史上曾有人做过试验,试图证明抛掷匀质硬币时 ，出现正反面的机会均等。
实验者
De Morgan Buffon
K. Pearson K. Pearson
随机事件
二、样本空间(p2)
1、样本空间：试验的所有可能结果所
组成的集合称为样本空间，记为={e}；
2、样本点: 试验的单个结果或样本空间 的单元素称为样本点,记为e. 3.由样本点组成的单点集 称为基本事件, 也记为e.
幻灯片 6
随机事件
1.定义 样本空间的任意一个子集称为随机事件, 简称“ 事件”.记作A、B、C等
P( AB) P( AC) P(BC) P( ABC )
30% 3 10% 0 0 0 80%
例1.3.2.在110这10个自然数中任取一数，求
（1）取到的数能被2或3整除的概率，
（2）取到的数即不能被2也不能被3整除的概率，
（3）取到的数能被2整除而不能被3整除的概率。
解:设A—取到的数能被2整除; P(A) 1 P(B) 3
的概率有多大？
3.分组问题
例3：30名学生中有3名运动员，将这30名学生平均 分成3组，求： （1）每组有一名运动员的概率； （2）3名运动员集中在一个组的概率。 解:设A:每组有一名运动员;B: 3名运动员集中在一组
概率论与数理统计第八章 假设检验
第八章假设检验第一节概述统计推断中的另一类重要问题是假设检验(Hypothesis testing).当总体的分布函数未知，或只知其形式而不知道它的参数的情况时，我们常需要判断总体是否具有我们所感兴趣的某些特性.这样，我们就提出某些关于总体分布或关于总体参数的假设，然后根据样本对所提出的假设作出判断：是接受还是拒绝.这就是本章所要讨论的假设检验问题.我们先从下面的例子来说明假设检验的一般提法.例8.1某工厂用包装机包装奶粉，额定标准为每袋净重0.5kg.设包装机称得奶粉重量X服从正态分布N（μ，σ2）.根据长期的经验知其标准差σ=0.015(kg).为检验某台包装机的工作是否正常；随机抽取包装的奶粉9袋，称得净重（单位：kg）为0.499 0.515 0.508 0.512 0.4980.515 0.516 0.513 0.524问该包装机的工作是否正常？由于长期实践表明标准差比较稳定，于是我们假设X~N（μ，0.0152）.如果奶粉重量X 的均值μ等于0.5kg，我们说包装机的工作是正常的.于是提出假设：H0：μ=μ0=0.5；H1：μ≠μ0=0.5.这样的假设叫统计假设.1.统计假设关于总体X的分布（或随机事件之概率）的各种论断叫统计假设，简称假设，用“H”表示，例如：（1）对于检验某个总体X的分布，可以提出假设：H0：X服从正态分布，H1: X不服从正态分布.H0：X服从泊松分布，H1: X不服从泊松分布.（2）对于总体X的分布的参数，若检验均值，可以提出假设：H0：μ=μ0；H1：μ≠μ0.H0：μ≤μ0；H1：μ＞μ0.若检验标准差，可提出假设：H0：σ=σ0；H1：σ≠σ0.H0：σ≥σ0；H1：σ＜σ0.这里μ0，σ0是已知数，而μ=E（X），σ2=D（X）是未知参数.上面对于总体X的每个论断，我们都提出了两个互相对立的（统计）假设：H0和H1，显然，H0与H1只有一个成立，或H0真H1假，或H0假H1真，其中假设H0，称为原假设(Original hypothesis)（又叫零假设、基本假设），而H1称为H0的对立假设（又叫备择假设）.在处理实际问题时，通常把希望得到的陈述视为备择假设,而把这一陈述的否定作为原假设.例如在上例中，H0：μ=μ0=0.5为原假设，它的对立假设是H1：μ≠μ0=0.5.统计假设提出之后，我们关心的是它的真伪.所谓对假设H0的检验，就是根据来自总体的样本，按照一定的规则对H0作出判断：是接受，还是拒绝，这个用来对假设作出判断的规则叫做检验准则，简称检验，如何对统计假设进行检验呢？我们结合上例来说明假设检验的基本思想和做法.2.假设检验的基本思想 在例8.1中所提假设是H 0：μ=μ0=0.5(备择假设H 1：μ≠μ0).由于要检验的假设涉及总体均值μ，故首先想到是否可借助样本均值这一统计量来进行判断.从抽样的结果来看，样本均值x =19（0.499+0.515+0.508+0.512+0.498+0.515+0.516+0.513+0.524）=0.5110，与μ=0.5之间有差异.对于与μ0之间的差异可以有两种不同的解释.（1） 统计假设H 0是正确的，即μ=μ0=0.5，只是由于抽样的随机性造成了与μ0之间的差异；（2） 统计假设H 0是不正确的，即μ≠μ0=0.5，由于系统误差，也就是包装机工作不正常，造成了与μ0之间的差异.对于这两种解释到底哪一种比较合理呢？为了回答这个问题，我们适当选择一个小正数α（α=0.1,0.05等），叫做显著性水平(Level of significance).在假设H0成立的条件下，确定统计量X -μ0的临界值αλ，使得事件{｜X -μ0｜＞αλ}为小概率事件，即P{｜X -μ0｜＞αλ}=α.（8.1）例如，取定显著性水平α=0.05.现在来确定临界值λ0.05.因为X ~N （μ，σ2），当H 0：μ=μ0=0.5为真时，有X ~N （μ0，σ2），于是2011~,n i i X X N n n σμ=⎛⎫= ⎪⎝⎭∑，ZX X =N （0，1），所以 P {｜Z ｜＞z α/2}=α.由（8.1）式，有P Z ⎧>⎨⎩=α，因此22,z z αααλ==λ0.05=z 0.0250.015/3=0.0098. 故有P {｜X -μ0｜＞0.0098}=0.05.因为α=0.05很小，根据实际推断原理，即“小概率事件在一次试验中几乎是不可能发生的”原理，我们认为当H 0为真时，事件{｜X -μ0｜＞0.0098}是小概率事件，实际上是不可能发生的.现在抽样的结果是｜x -μ0｜=｜0.5110-0.5｜=0.0110＞0.0098.也就是说，小概率事件{｜X -μ0｜＞0.0098}居然在一次抽样中发生了，这说明抽样得到的结果与假设H 0不相符，因而不能不使人怀疑假设H 0的正确性，所以在显著性水平α=0.05下， 我们拒绝H 0，接受H 1，即认为这一天包装机的工作是不正常的.通过上例的分析，我们知道假设检验的基本思想是小概率事件原理，检验的基本步骤是： （1） 根据实际问题的要求，提出原假设H 0及备择假设H 1；（2） 选取适当的显著性水平α（通常α=0.10,0.05等）以及样本容量n ；（3） 构造检验用的统计量U ，当H 0为真时，U 的分布要已知，找出临界值αλ使P {｜U ｜＞αλ}=α.我们称｜U ｜＞αλ所确定的区域为H 0的拒绝域(Rejection region)，记作W ； （4） 取样，根据样本观察值，计算统计量U 的观察值U 0；（5） 作出判断，将U 的观察值U 0与临界值αλ比较，若U 0落入拒绝域W 内，则拒绝H 0接受H 1；否则就说H 0相容（接受H 0）.3.两类错误由于我们是根据样本作出接受H 0或拒绝H 0的决定，而样本具有随机性，因此在进行判断时，我们可能会犯两个方面的错误：一类错误是，当H 0为真时，而样本的观察值U 0落入拒绝域W 中，按给定的法则，我们拒绝了H 0，这种错误称为第一类错误.其发生的概率称为犯第一类错误的概率或称弃真概率，通常记为α，即P {拒绝H 0｜H 0为真}=α；另一种错误是，当H 0不真时，而样本的观察值落入拒绝域W 之外，按给定的检验法则，我们却接受了H 0.这种错误称为第二类错误，其发生的概率称为犯第二类错误的概率或取伪概率，通常记为β，即P {接受H 0｜H 0不真}=β.显然这里的α就是检验的显著性水平.总体与样本各种情况的搭配见表8-1.表8-1对给定的一对H 0和H 1，总可以找到许多拒绝域W .当然我们希望寻找这样的拒绝域W ，使得犯两类错误的概率α与β都很小.但是在样本容量n 固定时，要使α与β都很小是不可能的，一般情形下，减小犯其中一类错误的概率，会增加犯另一类错误的概率，它们之间的关系犹如区间估计问题中置信水平与置信区间的长度的关系那样.通常的做法是控制犯第一类错误的概率不超过某个事先指定的显著性水平α（0＜α＜1），而使犯第二类错误的概率也尽可能地小.具体实行这个原则会有许多困难，因而有时把这个原则简化成只要求犯第一类错误的概率等于α，称这类假设检验问题为显著性检验问题，相应的检验为显著性检验.在一般情况下，显著性检验法则是较容易找到的，我们将在以下各节中详细讨论.在实际问题中，要确定一个检验问题的原假设，一方面要根据问题要求检验的是什么，另一方面要使原假设尽量简单，这是因为在下面将讲到的检验法中，必须要了解某统计量在原假设成立时的精确分布或渐近分布.下面各节中，我们先介绍正态总体下参数的几种显著性检验，再介绍总体分布函数的假设检验.第二节 单个正态总体的假设检验1.单个正态总体数学期望的假设检验（1） σ2已知关于μ的假设检验（Z 检验法(Z -test)） 设总体X ~N （μ，σ2），方差σ2已知，检验假设H 0：μ=μ0；H 1：μ≠μ0 (μ0为已知常数） 由X ~N （μ，n σ）X N （0，1）， 我们选取ZX （8.2）作为此假设检验的统计量，显然当假设H 0为真（即μ=μ0正确）时，Z ~N （0，1），所以对于给定的显著性水平α，可求z α/2使P {｜Z ｜＞z α/2}=α，见图8-1，即P {Z ＜-z α/2}+P {Z ＞z α/2}=α.从而有P {Z ＞z α/2}=α/2， P {Z ≤z α/2}=1-α/2.图8-1利用概率1-α/2，反查标准正态分布函数表，得双侧α分位点（即临界值）z α/2. 另一方面，利用样本观察值x 1，x 2，…，x n 计算统计量Z 的观察值z 0x （8.3）如果：（a ）｜z 0｜＞z α/2，则在显著性水平α下，拒绝原假设H 0（接受备择假设H 1），所以｜z 0｜＞z α/2便是H0的拒绝域.（b ） ｜z 0｜≤z α/2，则在显著性水平α下，接受原假设H 0，认为H 0正确.这里我们是利用H0为真时服从N （0，1）分布的统计量Z 来确定拒绝域的，这种检验法称为Z 检验法（或称U 检验法）.例8.1中所用的方法就是Z 检验法.为了熟悉这类假设检验的具体作法，现在我们再举一例.例8.2 根据长期经验和资料的分析，某砖厂生产的砖的“抗断强度”X 服从正态分布，方差σ2=1.21.从该厂产品中随机抽取6块，测得抗断强度如下（单位：kg ·cm -2）：32.56 29.66 31.64 30.00 31.87 31.03检验这批砖的平均抗断强度为32.50kg ·cm -2是否成立（取α=0.05，并假设砖的抗断强度的方差不会有什么变化）？解 ① 提出假设H 0：μ=μ0=32.50；H 1：μ≠μ0. ② 选取统计量ZX ，若H 0为真，则Z ~N （0，1）.③ 对给定的显著性水平α=0.05，求z α/2使P {｜Z ｜＞z α/2}=α，这里z σ/2=z 0.025=1.96.④ 计算统计量Z 的观察值：｜z 0｜ ≈3.05.⑤ 判断：由于｜z 0｜=3.05＞z 0.025=1.96，所以在显著性水平α=0.05下否定H 0，即不能认为这批产品的平均抗断强度是32.50 kg ·cm -2.把上面的检验过程加以概括，得到了关于方差已知的正态总体期望值μ的检验步骤： （a ） 提出待检验的假设H 0：μ=μ0；H 1：μ≠μ0. （b ） 构造统计量Z ，并计算其观察值z 0：ZX ，z 0x（c ） 对给定的显著性水平α，根据P {｜Z ｜＞z α/2}=α，P {Z ＞z α/2}=α/2，P {Z ≤z α/2}=1-α/2查标准正态分布表，得双侧α分位点z α/2. （d ） 作出判断：根据H 0的拒绝域 若｜z 0｜＞z α/2，则拒绝H 0，接受H 1； 若｜z 0｜≤z α/2，则接受H 0.（2） 方差σ2未知，检验μ（t 检验法(t -test)） 设总体X ~N （μ，σ2），方差σ2未知，检验H 0：μ=μ0；H 1：μ≠μ0.由于σ2X 便不是统计量，这时我们自然想到用σ2的无偏估计量——样本方差S 2代替σ2，由于X t （n -1），故选取样本的函数tX （8.4）图8-2作为统计量，当H 0为真（μ=μ0）时t ~t （n -1），对给定的检验显著性水平α，由P {｜t ｜＞t α/2（n -1）}=α， P {t ＞t α/2（n -1）}=α/2，见图8-2，直接查t 分布表，得t 分布分位点t α/2（n -1）.利用样本观察值，计算统计量t 的观察值t 0x 因而原假设H0的拒绝域为｜t 0｜＞t α/2（n -1）. （8.5）所以，若｜t 0｜＞t α/2（n -1），则拒绝H 0，接受H 1；若｜t 0｜≤t α/2（n -1），则接受原假设H 0.上述利用t 统计量得出的检验法称为t 检验法.在实际中，正态总体的方差常为未知，所以我们常用t 检验法来检验关于正态总体均值的问题.例8.3 用某仪器间接测量温度，重复5次，所得的数据是1250°,1265°，1245°，1260°，1275°，而用别的精确办法测得温度为1277°(可看作温度的真值），试问此仪器间接测量有无系统偏差？这里假设测量值X 服从N （μ，σ2）分布. 解 问题是要检验H 0：μ=μ0=1277；H 1：μ≠μ0.由于σ2未知（即仪器的精度不知道），我们选取统计量tX .当H 0为真时，t ~t （n -1），t 的观察值为｜t 0｜185.399-==＞3.对于给定的检验水平α=0.05，由P {｜t ｜＞t α/2（n -1）}=α， P {t ＞t α/2（n -1）}=α/2， P {t ＞t 0.025(4)}=0.025，查t 分布表得双侧α分位点t α/2（n -1）=t 0.025(4)=2.776.因为｜t 0｜＞3＞t 0.025(4)=2.776，故应拒绝H 0，认为该仪器间接测量有系统偏差.（3） 双边检验与单边检验上面讨论的假设检验中，H 0为μ=μ0，而备择假设H 1：μ≠μ0意思是μ可能大于μ0，也可能小于μ0，称为双边备择假设，而称形如H 0：μ=μ0，H 1：μ≠μ0的假设检验为双边检验.有时我们只关心总体均值是否增大，例如，试验新工艺以提高材料的强度，这时所考虑的总体的均值应该越大越好，如果我们能判断在新工艺下总体均值较以往正常生产的大，则可考虑采用新工艺.此时，我们需要检验假设H 0：μ=μ0；H 1：μ＞μ0. （8.6）（我们在这里作了不言而喻的假定，即新工艺不可能比旧的更差），形如（8.6）的假设检验，称为右边检验，类似地，有时我们需要检验假设H 0：μ=μ0；H 1：μ＜μ0. （8.7）形如（8.7）的假设检验，称为左边检验，右边检验与左边检验统称为单边检验.下面来讨论单边检验的拒绝域. 设总体X ~N （μ，σ2），σ2为已知，x 1，x 2，…，x n 是来自X 的样本观察值.给定显著性水平α，我们先求检验问题H 0：μ=μ0；H 1：μ＞μ0.的拒绝域.取检验统计量ZX ，当H 0为真时，Z 不应太大，而在H 1为真时，由于X 是μ的无偏估计，当μ偏大时，X 也偏大，从而Z 往往偏大，因此拒绝域的形式为ZX ≥k ，k 待定.因为当H 0X ~N （0，1），由P {拒绝H 0｜H 0为真}=PX k ⎫≥⎬⎭=α得k =z α，故拒绝域为ZX ≥z α. （8.8）类似地，左边检验问题H 0：μ=μ0；H 1：μ＜μ0.的拒绝域为ZX ≤-z α. 8.9）例8.4 从甲地发送一个信号到乙地，设发送的信号值为μ，由于信号传送时有噪声迭加到信号上，这个噪声是随机的，它服从正态分布N （0，22），从而乙地接到的信号值是一个服从正态分布N （μ，22）的随机变量.设甲地发送某信号5次，乙地收到的信号值为： 8.4 10.5 9.1 9.6 9.9由以往经验，信号值为8，于是乙方猜测甲地发送的信号值为8，能否接受这种猜测？取α=0.05.解 按题意需检验假设H 0：μ=8；H 1：μ＞8.这是右边检验问题，其拒绝域如（8.8）式所示， 即 Z =X ≥z 0.05=1.645.而现在z 0=1.68＞1.645，所以拒绝H 0，认为发出的信号值μ＞8.2.单个正态总体方差的假设检验（2χ检验法(2χ-test)） （1） 双边检验设总体X ~N （μ，σ2），μ未知，检验假设H 0：σ2=σ02；H 1：σ2≠σ2.其中σ02为已知常数.由于样本方差S 2是σ2的无偏估计，当H 0为真时，比值22S σ一般来说应在1附近摆动，而不应过分大于1或过分小于1，由第六章知当H 0为真时2χ=220(1)n S σ-~2χ（n -1）. （8.10）所以对于给定的显著性水平α有（图8-3）图8-3P {21/2αχ-（n -1）≤2χ≤2/2αχ（n -1）}=1-α. （8.11）对于给定的α，查2χ分布表可求得2χ分布分位点21/2αχ-（n -1）与2/2αχ（n -1）.由（8.11）知，H 0的接受域是21/2αχ- (n -1)≤2χ≤2/2αχ (n -1)； (8.12)H 0的拒绝域为2χ＜21/2αχ-（n -1）或2χ＞2/2αχ（n -1）. （8.13）这种用服从2χ分布的统计量对个单正态总体方差进行假设检验的方法，称为2χ检验法. 例8.5 某厂生产的某种型号的电池，其寿命长期以来服从方差σ2=5000（小时2）的正态分布，现有一批这种电池，从它的生产情况来看，寿命的波动性有所改变，现随机抽取26只电池，测得其寿命的样本方差s 2=9200（小时2）.问根据这一数据能否推断这批电池的寿命的波动性较以往有显著的变化（取α=0.02)?解 本题要求在α=0.02下检验假设H 0：σ2=5000；H 1：σ2≠5000.现在n =26，2/2αχ（n -1）=20.01(25)χ=44.314，21/2αχ- (n -1)= 20.99(25)χ=11.524,σ02=5000.由（8.13）拒绝域为2σ＞44.314或220(1)n s σ-＜11.524由观察值s 2=9200得22(1)n s σ-=46＞44.314,所以拒绝H 0，认为这批电池寿命的波动性较以往有显著的变化.（2） 单边检验（右检验或左检验） 设总体X ~N （μ，σ2），μ未知，检验假设H 0：σ2≤σ02；H 1：σ2＞σ02.（右检验）由于X ~N （μ，σ2），故随机变量*2χ=22(1)n S σ-~2χ（n -1）.当H 0为真时，统计量2χ=22(1)n S σ-≤*2χ.对于显著性水平α，有P {*2χ＞2αχ（n -1）}=α图8-4（图8-4）.于是有P {2χ＞2αχ（n -1）}≤P {*2χ＞2αχ（n -1）}=α.可见，当α很小时，{2χ＞2αχ（n -1）}是小概率事件，在一次的抽样中认为不可能发生，所以H 0的拒绝域是：2χ=22(1)n S σ-＞2αχ（n -1）（右检验）. （8.14）类似地，可得左检验假设H 0：σ2≥σ02，H 1：σ2＜σ2的拒绝域为2χ＜21αχ-（n -1）（左检验）. (8.15) 例8.6 今进行某项工艺革新，从革新后的产品中抽取25个零件，测量其直径，计算得样本方差为s 2=0.00066，已知革新前零件直径的方差σ2=0.0012，设零件直径服从正态分布，问革新后生产的零件直径的方差是否显著减小？（α=0.05)解 (1） 提出假设H 0：σ2≥σ02=0.0012；H 1：σ2<σ02. (2) 选取统计量2χ=22(1)n S σ-.*2χ=22(1)n S σ-~2χ（n -1），且当H 0为真时，*2χ≤2χ(3） 对于显著性水平α=0.05，查2χ分布表得21αχ-（n -1）=20.95(24)χ=13.848，当H 0为真时，P {2χ<21αχ- (n -1)}≤P 2212(1)(1)n S n αχσ-⎧⎫-<-⎨⎬⎩⎭=α. 故拒绝域为2χ<21αχ- (n -1)=13.848.(4) 根据样本观察值计算2χ的观察值2χ=220(1)240.000660.0012n s σ-⨯==13.2.(5) 作判断：由于2χ=13.2＜21αχ- (n -1)=13.848，即2χ落入拒绝域中，所以拒绝H 0：σ2≥σ02，即认为革新后生产的零件直径的方差小于革新前生产的零件直径的方差.最后我们指出，以上讨论的是在均值未知的情况下，对方差的假设检验，这种情况在实际问题中较多.至于均值已知的情况下，对方差的假设检验，其方法类似，只是所选的统计量为2χ=2120()nii Xμσ=-∑.当σ2=σ2为真时，2χ~2χ（n ）.关于单个正态总体的假设检验可列表8-2.表8-2注：上表中H0中的不等号改成等号，所得的拒绝域不变.第三节两个正态总体的假设检验上一节介绍了单个正态总体的数学期望与方差的检验问题，在实际工作中还常碰到两个正态总体的比较问题.1.两正态总体数学期望假设检验（1）方差已知，关于数学期望的假设检验（Z检验法）设X~N(μ1,σ12），Y~N（μ2，σ22），且X，Y相互独立，σ12与σ22已知，要检验的是H0：μ1=μ2；H1：μ1≠μ2.(双边检验)怎样寻找检验用的统计量呢？从总体X 与Y 中分别抽取容量为n 1，n 2的样本X 1，X 2，…，1n X 及Y 1，Y 2，…，2n Y ，由于2111~,X N n σμ⎛⎫ ⎪⎝⎭，2222~,Y N n σμ⎛⎫⎪⎝⎭，E （X -Y ）=E （X ）-E （Y ）=μ1-μ2， D （X -Y ）=D （X ）+D （Y ）=221212n n σσ+，故随机变量X -Y 也服从正态分布，即X -Y ~N (μ1-μ2，221212n n σσ+).从而X Y ~N （0，1）.于是我们按如下步骤判断.（a ） 选取统计量 ZX Y ， （8.16）当H 0为真时，Z ~N （0，1）.（b ） 对于给定的显著性水平α，查标准正态分布表求z α/2使P {｜Z ｜＞z α/2}=α，或P {Z ≤z α/2}=1-α/2. （8.17） （c ） 由两个样本观察值计算Z 的观察值z 0：z 0x y .（d ） 作出判断：若｜z 0｜＞z α/2，则拒绝假设H 0，接受H 1； 若｜z 0｜≤z α/2，则与H 0相容，可以接受H 0.例8.7 A ，B 两台车床加工同一种轴，现在要测量轴的椭圆度.设A 车床加工的轴的椭圆度X ~N （μ1，σ12），B 车床加工的轴的椭圆度Y ~N （μ2，σ22），且σ12=0.0006(mm 2)，σ22=0.0038(mm 2)，现从A ，B 两台车床加工的轴中分别测量了n 1=200，n 2=150根轴的椭圆度，并计算得样本均值分别为=0.081(mm),=0.060(mm).试问这两台车床加工的轴的椭圆度是否有显著性差异？（给定α=0.05)解 ① 提出假设H 0：μ1=μ2；H 1：μ1≠μ2. ② 选取统计量ZX Y ，在H 0为真时，Z ~N （0，1）.③ 给定α=0.05，因为是双边检验，α/2=0.025.P {｜Z ｜＞z α/2}=0.05, P {Z ＞z α/2}=0.025，P {Z ≤z α/2}=1-0.025=0.975.查标准正态分布表，得z α/2=z 0.025=1.96.④ 计算统计量Z 的观察值zz 0x y =.⑤ 作判断：由于｜z 0｜=3.95＞1.96=z α/2，故拒绝H 0，即在显著性水平α=0.05下，认为两台车床加工的轴的椭圆度有显著差异.用Z 检验法对两正态总体的均值作假设检验时，必须知道总体的方差，但在许多实际问题中总体方差σ12与σ22往往是未知的，这时只能用如下的t 检验法.（2） 方差σ12，σ22未知，关于均值的假设检验（t 检验法） 设两正态总体X 与Y 相互独立，X ~N （μ1，σ12），Y ~N （μ2，σ22），σ12，σ22未知，但知σ12=σ22，检验假设H 0：μ1=μ2；H 1：μ1≠μ2.(双边检验) 从总体X ，Y 中分别抽取样本X 1，X 2，…，1n X 与Y 1，Y 2，…，2n Y ，则随机变量tX Y μμ---t （n 1+n 2-2），式中S w 2=22112212(1)(1)2n S n S n n -+-+-，S 12，S 22分别是X 与Y 的样本方差.当假设H 0为真时，统计量t ~t （n 1+n 2-2）. （8.18）对给定的显著性水平α，查t 分布得t α/2（n 1+n 2-2），使得P {｜t ｜＞t α/2（n 1+n 2-2）}=α. （8.19）再由样本观察值计算t 的观察值t 0x y（8.20）最后作出判断：若｜t 0｜＞t α/2（n 1+n 2-2），则拒绝H 0； 若｜t 0｜≤t α/2（n 1+n 2-2），则接受H 0.例8.8 在一台自动车床上加工直径为2.050毫米的轴，现在每相隔两小时，各取容量都为10的样本，所得数据列表如表8-3所示.12是未知常数.问这台自动车床的工作是否稳定？（取α=0.01)解 这里实际上是已知σ12=σ22=σ2，但σ2未知的情况下检验假设H 0：μ1=μ2；H 1：μ1≠μ2.我们用t 检验法，由样本观察值算得：x =2.063, y =2.059，s 12=0.00000956， s 22=0.00000489，s w 2=2212990.0000860.0000441010218s s ⨯+⨯+=+-=0.0000072.由（8.20）式计算得t 0=3.3.对于α=0.01，查自由度为18的t 分布表得t 0.005(18)=2.878.由于｜t 0｜=3.3＞t 0.005(18)=2.878,于是拒绝原假设H 0：μ1=μ2.这说明两个样本在生产上是有差异的，可能这台自动车床受时间的影响而生产不稳定.2. 两正态总体方差的假设检验（F 检验法(F -test )） （1） 双边检验设两正态总体X ~N （μ1，σ12），Y ~N （μ2，σ22），X 与Y 独立，X 1，X 2，…，1n X 与Y 1，Y 2，…，2n Y 分别是来自这两个总体的样本，且μ1与μ2未知.现在要检验假设H 0：σ12=σ22；H 1：σ12≠σ22.在原假设H 0成立下，两个样本方差的比应该在1附近随机地摆动，所以这个比不能太大又不能太小.于是我们选取统计量F =2122S S . （8.21） 显然，只有当F 接近1时，才认为有σ12=σ22.由于随机变量F *=22112222//S S σσ ~F （n 1-1，n 2-1）,所以当假设H 0：σ12=σ22成立时,统计量F =2122S S ~F （n 1-1，n 2-1）. 对于给定的显著性水平α，可以由F 分布表求得临界值12a F-（n 1-1，n 2-1）与F α/2（n 1-1，n 2-1）使得 P { 12a F-（n 1-1，n 2-1）≤F ≤F α/2（n 1-1，n 2-1）}=1-α（图8-5），由此可知H 0的接受区域是12aF-（n 1-1，n 2-1）≤F ≤F α/2（n 1-1，n 2-1）；而H 0的拒绝域为F ＜12a F-（n 1-1，n 2-1），或 F ＞F α/2（n 1-1，n 2-1）.然后，根据样本观察值计算统计量F 的观察值，若F 的观察值落在拒绝域中，则拒绝H 0，接受H 1；若F 的观察值落在接受域中，则接受H 0.图8-5例8.9 在例8.8中我们认为两个总体的方差σ12=σ22，它们是否真的相等呢？为此我们来检验假设H 0：σ12=σ22（给定α=0.1).解 这里n 1=n 2=10，s 12=0.00000956,s 22=0.00000489，于是统计量F 的观察值为F =0.00000956/0.00000489=1.95.查F 分布表得F α/2（n 1-1，n 2-1）=F 0.05(9,9)=3.18，F 1-α/2（n 1-1，n 2-1）=F 0.95(9,9)=1/F 0.05(9,9)=1/3.18.由样本观察值算出的F 满足F 0.95(9,9)=1/3.18＜F =1.95＜3.18=F 0.05(9,9).可见它不落入拒绝域，因此不能拒绝原假设H 0：σ12=σ22，从而认为两个总体的方差无显著差异.注意：在μ1与μ2已知时，要检验假设H 0：σ12=σ22，其检验方法类同均值未知的情况，此时所采用的检验统计量是：F =12211122121()1()n i i n i i X n Y n μμ==--∑∑~F （n 1，n 2）. 其拒绝域参看表8-4.表8-4(2) 单边检验可作类似的讨论，限于篇幅，这里不作介绍了.第四节总体分布函数的假设检验上两节中，我们在总体分布形式为已知的前提下，讨论了参数的检验问题.然而在实际问题中，有时不能确知总体服从什么类型的分布，此时就要根据样本来检验关于总体分布的χ检验法.假设.例如检验假设：“总体服从正态分布”等.本节仅介绍2χ检验法是在总体的分布为未知时，根据样本值x1，x2，…，x n来检验关于总体所谓2分布的假设H0：总体X的分布函数为F（x）；H1：总体X的分布函数不是F（x）（8.22）的一种方法（这里的备择假设H1可不必写出）.注意，若总体X为离散型，则假设（8.22）相当于H0：总体X的分布律为P{X=x i}=p i，i=1，2，…；（8.23）若总体X为连续型，则假设（8.22）相当于H0：总体X的概率密度为f（x）. （8.24）在用2χ检验法检验假设H 0时，若在假设H 0下F （x ）的形式已知，而其参数值未知，此时需先用极大似然估计法估计参数，然后再作检验.2χ检验法的基本思想与方法如下：(1) 将随机试验可能结果的全体Ω分为k 个互不相容的事件A 1，A 2，…，A k (1ki i A ==Ω，A i A j =∅，i ≠j ；i ,j =1,2,…,k ）,于是在H 0为真时，可以计算概率ˆi p =P (A i ）（i =1，2，…，k ）.（2） 寻找用于检验的统计量及相应的分布，在n 次试验中，事件A i 出现的频率if n与概率ˆi p往往有差异，但由大数定律可以知道，如果样本容量n 较大（一般要求n 至少为50，最好在100以上），在H 0成立条件下ˆii f p n-的值应该比较小，基于这种想法，皮尔逊使用 2χ=21ˆ()ˆki i i if npnp =-∑ (8.25) 作为检验H 0的统计量,并证明了如下的定理.定理8.1 若n 充分大(n ≥50),则当H 0为真时(不论H 0中的分布属什么分布),统计量(8.25)总是近似地服从自由度为k -r -1的2χ分布,其中r 是被估计的参数的个数.（3） 对于给定的检验水平α，查表确定临界值2(1)k r αχ--使P {2χ＞2(1)k r αχ--）}=α，从而得到H 0的拒绝域为2χ＞2(1)k r αχ--）.（4）由样本值x 1，x 2，…，x n 计算2χ的值，并与2(1)k r αχ--比较.（5） 作结论：若2χ＞2(1)k r αχ--，则拒绝H 0，即不能认为总体分布函数为F （x ）；否则接受H 0.例8.10 一本书的一页中印刷错误的个数X 是一个随机变量，现检查了一本书的100页，记录每页中印刷错误的个数，其结果如表8-5所示.i =0.05)?解 由题意首先提出假设：H 0：总体X 服从泊松分布.P {X =i }=!e ii λλ-，i =0，1，2，…，这里H 0中参数λ为未知，所以需先来估计参数.由最大似然估计法得03614061ˆ+70100x λ⨯+⨯++⨯⨯===1.将试验结果的全体分为A 0，A 1，…，A 7两两不相容的事件.若H 0为真，则P {X =i }有估计111ˆˆ{}!!e e i p P X i i i --====，i =0，1，2，….例如10ˆˆ{0},e pP X -=== 11ˆˆ{1},e pP X -=== 12ˆˆ{2},2e pP X -=== ………………166701ˆˆˆ{7}11.!e i i i pP X p i -===≥=-=-∑∑ 计算结果如表8-6所示.将其中有些np i ＜5的组予以适当合并，使新的每一组内有np i ≥5，如表8-6所示，此处并组后k =4，但因在计算概率时，估计了一个未知参数λ，故24221ˆ()~(411).ˆi i i i f npnp χχ=-=--∑计算结果为2χ=1.460(表8-6).因为220.05(411)(2)αχχ--==5.991＞1.46，所以在显著性水平为0.05下接受H 0，即认为总体服从泊松分布. 表8-68-7）.n =61ii f=∑=200.要求在给定的检验水平α=0.05下检验假设H 0：抗压强度X ~N （μ，σ2）.解 原假设所定的正态分布的参数是未知的，我们需先求μ与σ的极大似然估计值.由第七章知，μ与σ2的极大似然估计值为ˆx μ=， 2211ˆ()ni i x x n σ==-∑. 设*i x 为第i 组的组中值，我们有*1195102052624514200i ii x x f n ⨯+⨯++⨯==∑=221,{}2*222211ˆ()(26)10(16)262414200i ii x x f n σ=-=-⨯+-⨯++⨯∑=152,ˆσ=12.33. 原假设H 0改写成X 是正态N （221，12.332)分布，计算每个区间的理论概率值{}11ˆ()()i i i i i pP a X a μμΦΦ--=≤<=-, i =1，2，…，6, 其中ˆi i a xμσ-=, 22()i t i t μμ--∞=e d Φ. 为了计算出统计量2χ之值，我们把需要进行的计算列表如下（表8-8）.表8-8从上面计算得出2χ的观察值为1.35.在检验水平α=0.05下，查自由度m =6-2-1=3的2χ分布表，得到临界值20.05(3)χ=7.815.由于2χ=1.35＜7.815=20.05(3)χ，不能拒绝原假设，所以认为混凝土制件的抗压强度的分布是正态分布N （221，152）.小 结有关总体分布的未知参数或未知分布形式的种种论断叫做统计假设.一般统计假设分为原假设H 0（在实际问题中至关重要的假设）及与原假设H 0对立假设即是备择假设H 1.假设检验就是人们根据样本提供的信息作出“接受H 0、拒绝H 1”或“拒绝H 0、接受H 1”的判断.假设检验的思想是小概率原理，即小概率事件在一次试验中几乎不会发生.这种原理是人们处理实际问题中公认的原则.由于样本的随机性，当H 0为真时，我们可能会作出拒绝H 0、接受H 1的错误判断（弃当样本容量n 固定时，我们无法同时控制犯二类错误，即减小犯第一类错误的概率，就会增大犯第二类错误的概率，反之亦然.在假设检验中我们主要控制（减小）犯第一类错误的概率.使P {拒绝H 0|H 0为真}≤α，其中α很小.(0<α<1)，α称为检验的显著性水平，这种只对犯第一类错误的概率加以控制而不考虑犯第二类错误的概率的检验称为显著性假设检验.单个、两个正态总体的均值、方差的假设检验是本章重点问题，读者需掌握Z 检验法、2χ检验法、t 检验法等.这些检验法中原假设H 0备择假设H 1及H 0的拒绝域分别见表8-2、表8-4.重要术语及主题原假设 备择假设 检验统计量 单边检验 双边检验 显著性水平 拒绝域 显著性检验 一个正态总体的参数的检验 两个正态总体均值差、方差比的检验 总体分布函数的假设检验习 题 八1. 已知某炼铁厂的铁水含碳量在正常情况下服从正态分布N (4.55,0.1082).现在测了5炉铁水，其含碳量（%）分别为4.28 4.40 4.42 4.35 4.37问若标准差不改变，总体平均值有无显著性变化（α=0.05)? 2.某种矿砂的5个样品中的含镍量（%）经测定为：3.24 3.26 3.24 3.27 3.25设含镍量服从正态分布，问在α=0.01下能否接收假设：这批矿砂的含镍量为3.25. 3.在正常状态下，某种牌子的香烟一支平均1.1克，若从这种香烟堆中任取36支作为样本；测得样本均值为1.008（克），样本方差s 2=0.1(克2).问这堆香烟是否处于正常状态.已知香烟（支）的重量（克）近似服从正态分布（取α=0.05).4.某公司宣称由他们生产的某种型号的电池其平均寿命为21.5小时，标准差为2.9小时.在实验室测试了该公司生产的6只电池，得到它们的寿命（以小时计）为19，18，20，22，16，25，问这些结果是否表明这种电池的平均寿命比该公司宣称的平均寿命要短？设电池寿命近似地服从正态分布（取α=0.05).5.测量某种溶液中的水分，从它的10个测定值得出x =0.452(%),s =0.037(%).设测定值总体为正态，μ为总体均值，σ为总体标准差，试在水平α=0.05下检验. （1） H 0：μ=0.5(%)；H 1：μ＜0.5(%).（2）0H '：σ=0.04(%)；1H '：σ＜0.04(%). 6.某种导线的电阻服从正态分布N （μ，0.0052).今从新生产的一批导线中抽取9根，测其电阻，得s =0.008欧.对于α=0.05，能否认为这批导线电阻的标准差仍为0.005? 7.有两批棉纱，为比较其断裂强度，从中各取一个样本，测试得到： 第一批棉纱样本：n 1=200，x =0.532kg, s 1=0.218kg ； 第二批棉纱样本：n 2=200，x =0.57kg, s 2=0.176kg .设两强度总体服从正态分布，方差未知但相等，两批强度均值有无显著差异？（α=0.05） 8.两位化验员A ，B 对一种矿砂的含铁量各自独立地用同一方法做了5次分析，得到样本方差分别为0.4322(%2)与0.5006(%2).若A ，B 所得的测定值的总体都是正态分布，其方差分别为σA 2，σB 2，试在水平α=0.05下检验方差齐性的假设H 0：σA 2=σB 2； H 1：σA 2≠σB 2.9.在π的前800位小数的数字中，0，1，…，9相应的出现了74，92，83，79，80，73，77，75，76，91次.试用2χ检验法检验假设H 0：P （X =0）=P （X =1）=P （X =2）=…=P （X =9）=1/10，其中X 为π的小数中所出现的数字，α=0.10.10.在一副扑克牌（52张）中任意抽3张，记录3张牌中含红桃的张数，放回，然后再任抽。
概率论与数理统计ppt课件
注：P( A) 0不能 A ； P( B) 1不能 B S .
2。 A1 , A2 ,...,An , Ai Aj , i j, P( P(
n n i 1
Ai ) P( Ai )
i 1
n
证：令 Ank (k 1, 2,...), Ai Aj , i j, i, j 1, 2,....
•
5.1 大数定律 5.2 中心极限定理
•
第六章 数理统计的基本概念
• • 6.1 总体和样本 6.2 常用的分布
4
第七章 参数估计
• • • 7.1 参数的点估计 7.2 估计量的评选标准 7.3 区间估计
第八章 假设检验
• • • • • • • 8.1 8.2 8.3 8.4 8.5 8.6 8.7 假设检验 正态总体均值的假设检验 正态总体方差的假设检验 置信区间与假设检验之间的关系 样本容量的选取 分布拟合检验 秩和检验
A B 2 A＝B B A
B A
S
例： 记A={明天天晴}，B={明天无雨} B A
记A={至少有10人候车}，B={至少有5人候车} B
A
一枚硬币抛两次，A={第一次是正面}，B={至少有一次正面}
BA
13
事件的运算
A与B的和事件，记为 A B
8
§1 随机试验
确定性现象
自然界与社会Βιβλιοθήκη 活中的两类现象不确定性现象
确定性现象：结果确定 不确定性现象：结果不确定
例：
向上抛出的物体会掉落到地上 ——确定 ——不确定 明天天气状况 ——不确定 买了彩票会中奖
北京邮电大学概率论期末考试试卷及答案
第1章概率论的基本概念§1 .1 随机试验与随机事件1.(1) 一枚硬币连丢3次，观察正面H ﹑反面T 出现的情形. 样本空间是：S= ；(2) 一枚硬币连丢3次，观察出现正面的次数. 样本空间是：S= ； 2.(1) 丢一颗骰子. A ：出现奇数点，则A=；B ：数点大于2，则B= . (2) 一枚硬币连丢2次， A ：第一次出现正面，则A= ；B ：两次出现同一面，则= ；C ：至少有一次出现正面，则C= .§1 .2 随机事件的运算1. 设A 、B 、C 为三事件，用A 、B 、C 的运算关系表示下列各事件： (1)A 、B 、C 都不发生表示为：.(2)A 与B 都发生,而C 不发生表示为：.(3)A 与B 都不发生,而C 发生表示为：.(4)A 、B 、C 中最多二个发生表示为：. (5)A 、B 、C 中至少二个发生表示为：.(6)A 、B 、C 中不多于一个发生表示为：. 2. 设}42:{},31:{},50:{≤<=≤<=≤≤=x B x x A x x S ：则 （1）=⋃B A ，（2）=AB ，（3）=B A ， （4）B A ⋃= ，（5）B A = 。
§1 .3 概率的定义和性质1. 已知6.0)(,5.0)(,8.0)(===⋃B P A P B A P ，则 (1)=)(AB P , (2)()(B A P )= , (3))(B A P ⋃=.2. 已知,3.0)(,7.0)(==AB P A P 则)(B A P =.§1 .4古典概型1. 某班有30个同学,其中8个女同学, 随机地选10个,求:(1)正好有2个女同学的概率,(2)最多有2个女同学的概率,(3) 至少有2个女同学的概率.2. 将3个不同的球随机地投入到4个盒子中,求有三个盒子各一球的概率.§1 .5 条件概率与乘法公式1．丢甲、乙两颗均匀的骰子，已知点数之和为7, 则其中一颗为1的概率是 。
概率论与数理统计课后答案北邮版
概率论与数理统计课后答案北邮版(第三章)(总18页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--习题三1.将一硬币抛掷三次，以X表示在三次中出现正面的次数，以Y表示三次中出现正面次数与出现反面次数之差的绝对值.试写出X和Y的联合分布律.222⨯⨯222⨯⨯=2.盒子里装有3只黑球、2只红球、2只白球，在其中任取4只球，以X表示取到黑球的只数，以Y表示取到红球的只数.求X和Y的联合分布律.【解】和的联合分布律如表：223247C3C35=313247C2C35=11232247C C6C35=21132247C C12C35=313247C2C35=12132247C C6C35=223247C3C35=3.设二维随机变量（X，Y）的联合分布函数为F（x，y）=⎪⎩⎪⎨⎧≤≤≤≤.,020,2,sinsin其他ππyxyx求二维随机变量（X，Y）在长方形域⎭⎬⎫⎩⎨⎧≤<≤<36,4πππyx内的概率.【解】如图πππ{0,}(3.2)463P X Y<≤<≤公式ππππππ(,)(,)(0,)(0,)434636F F F F--+ππππππsin sin sin sin sin0sin sin0sin4346361).4=--+=题3图说明：也可先求出密度函数，再求概率。
4.设随机变量（X ，Y ）的分布密度f （x ，y ）=⎩⎨⎧>>+-.,0,0,0,)43(其他y x A y x e求：（1） 常数A ；（2） 随机变量（X ，Y ）的分布函数；（3） P {0≤X <1，0≤Y <2}. 【解】（1） 由-(34)0(,)d d e d d 112x y A f x y x y A x y +∞+∞+∞+∞+-∞-∞===⎰⎰⎰⎰得 A =12 （2） 由定义，有 (,)(,)d d yxF x y f u v u v -∞-∞=⎰⎰(34)340012ed d (1e )(1e )0,0,0,0,y yu v x y u v y x -+--⎧⎧-->>⎪==⎨⎨⎩⎪⎩⎰⎰其他(3) {01,02}P X Y ≤<≤<12(34)3800{01,02}12e d d (1e )(1e )0.9499.x y P X Y x y -+--=<≤<≤==--≈⎰⎰5.设随机变量（X ，Y ）的概率密度为f （x ，y ）=⎩⎨⎧<<<<--.,0,42,20),6(其他y x y x k（1） 确定常数k ；（2） 求P {X ＜1，Y ＜3}； （3） 求P {X <}；（4） 求P {X +Y ≤4}. 【解】（1） 由性质有242(,)d d (6)d d 81,f x y x y k x y y x k +∞+∞-∞-∞=--==⎰⎰⎰⎰故 18R =（2） 13{1,3}(,)d d P X Y f x y y x -∞-∞<<=⎰⎰130213(6)d d 88k x y y x =--=⎰⎰ (3) 11.5{ 1.5}(,)d d a (,)d d x D P X f x y x y f x y x y <<=⎰⎰⎰⎰如图1.5402127d (6)d .832x x y y =--=⎰⎰(4) 24{4}(,)d d (,)d d X Y D P X Y f x y x y f x y x y +≤+≤=⎰⎰⎰⎰如图b240212d (6)d .83xx x y y -=--=⎰⎰题5图6.设X 和Y 是两个相互独立的随机变量，X 在（0，）上服从均匀分布，Y 的密度函数为f Y （y ）=⎩⎨⎧>-.,0,0,55其他y y e求：（1） X 与Y 的联合分布密度；（2） P {Y ≤X }.题6图【解】（1） 因X 在（0，）上服从均匀分布，所以X 的密度函数为1,00.2,()0.20,.X x f x ⎧<<⎪=⎨⎪⎩其他 而55e ,0,()0,.y Y y f y -⎧>=⎨⎩其他所以(,),()()X Y f x y X Y f x f y 独立5515e25e,00.20,0.20,0,yy x y --⎧⎧⨯<<>⎪==⎨⎨⎩⎪⎩且其他. (2) 5()(,)d d 25e d d y y x DP Y X f x y x y x y -≤≤=⎰⎰⎰⎰如图0.20.2-550-1d 25e d (5e 5)d =e 0.3679.xyx x y x-==-+≈⎰⎰⎰7.设二维随机变量（X ，Y ）的联合分布函数为F （x ，y ）=⎩⎨⎧>>----.,0,0,0),1)(1(24其他y x y x e e求（X ，Y ）的联合分布密度.【解】(42)28e ,0,0,(,)(,)0,x y x y F x y f x y x y -+⎧>>∂==⎨∂∂⎩其他. 8.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）= 4.8(2),01,0,0,.y x x y x -≤≤≤≤⎧⎨⎩其他求边缘概率密度. 【解】()(,)d X f x f x y y +∞-∞=⎰x204.8(2)d 2.4(2),01,=0,.0,y x y x x x ⎧⎧--≤≤⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰12y 4.8(2)d 2.4(34),01,=0,.0,y x x y y y y ⎧-⎧-+≤≤⎪=⎨⎨⎩⎪⎩⎰其他题8图 题9图9.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=e ,0,0,.y x y -⎧<<⎨⎩其他求边缘概率密度. 【解】()(,)d X f x f x y y +∞-∞=⎰e d e ,0,=0,.0,y x x y x +∞--⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰0e d e ,0,=0,.0,yy x x y y --⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他题10图10.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=22,1,0,.cx y x y ⎧≤≤⎨⎩其他（1） 试确定常数c ；（2） 求边缘概率密度. 【解】（1）(,)d d (,)d d Df x y x y f x y x y +∞+∞-∞-∞⎰⎰⎰⎰如图2112-14=d d 1.21xx cx y y c ==⎰⎰ 得214c =. (2) ()(,)d X f x f x y y +∞-∞=⎰212422121(1),11,d 840,0,.x x x x x y y ⎧⎧--≤≤⎪⎪==⎨⎨⎪⎪⎩⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰522217d ,01,420,0,.y y x y x y y -⎧⎧≤≤⎪⎪==⎨⎨⎪⎪⎩⎩其他 11.设随机变量（X ，Y ）的概率密度为f（x，y）=1,,01, 0,.y x x⎧<<<⎨⎩其他求条件概率密度f Y｜X（y｜x），f X｜Y（x｜y）.题11图【解】()(,)dXf x f x y y+∞-∞=⎰1d2,01,0,.xxy x x-⎧=<<⎪=⎨⎪⎩⎰其他111d1,10,()(,)d1d1,01,0,.yY yx y yf y f x y x x y y-+∞-∞⎧=+-<<⎪⎪⎪===-≤<⎨⎪⎪⎪⎩⎰⎰⎰其他所以|1,||1,(,)(|)2()0,.Y XXy xf x yf y x xf x⎧<<⎪==⎨⎪⎩其他|1,1,1(,)1(|),1,()10,.X YYy xyf x yf x y y xf y y⎧<<⎪-⎪⎪==-<<⎨+⎪⎪⎪⎩其他12.袋中有五个号码1，2，3，4，5，从中任取三个，记这三个号码中最小的号码为X，最大的号码为Y.（1）求X与Y的联合概率分布；（2）X与Y是否相互独立【解】（1）X与Y的联合分布律如下表345{}iP X x= YX1 3511C 10= 3522C 10= 3533C 10= 610 2 0 3511C 10= 3522C 10= 310 32511C 10= 110{}i P Y y =110 310 610(2) 因6161{1}{3}{1,3},101010010P X P Y P X Y ===⨯=≠=== 故X 与Y 不独立13.设二维随机变量（X ，Y ）的联合分布律为 2 5 8（1）求关于X 和关于Y 的边缘分布；（2） X 与Y 是否相互独立2 5 8 P {Y=y i }{}i P X x =(2) 因{2}{0.4}0.20.8P X P Y ===⨯0.160.15(2,0.4),P X Y =≠=== 故X 与Y 不独立.14.设X 和Y 是两个相互独立的随机变量，X 在（0，1）上服从均匀分布，Y 的概率密度为f Y （y ）=⎪⎩⎪⎨⎧>-.,0,0,212/其他y y e（1）求X 和Y 的联合概率密度；（2） 设含有a 的二次方程为a 2+2Xa +Y =0，试求a 有实根的概率.【解】（1） 因1,01,()0,X x f x <<⎧==⎨⎩其他; 21e ,1,()20,yY y f y -⎧>⎪==⎨⎪⎩其他.故/21e01,0,(,),()()20,.y X Y x y f x y X Y f x f y -⎧<<>⎪=⎨⎪⎩独立其他XYX Y题14图(2) 方程220a Xa Y ++=有实根的条件是2(2)40X Y ∆=-≥故 X 2≥Y ， 从而方程有实根的概率为：22{}(,)d d x yP X Y f x y x y ≥≥=⎰⎰21/2001d e d 212[(1)(0)]0.1445.x y x yπ-==Φ-Φ=⎰⎰15.设X 和Y 分别表示两个不同电子器件的寿命（以小时计），并设X 和Y 相互独立，且服从同一分布，其概率密度为f （x ）=⎪⎩⎪⎨⎧>.,0,1000,10002其他x x求Z =X /Y 的概率密度.【解】如图,Z 的分布函数(){}{}Z XF z P Z z P z Y=≤=≤ (1) 当z ≤0时，()0Z F z =（2） 当0<z <1时，（这时当x =1000时,y =1000z）(如图a) 3366102222101010()d d d d yz Z zx y zF z x y y x x y x y +∞≥==⎰⎰⎰⎰ 33610231010=d 2z zy yzy +∞⎛⎫-= ⎪⎝⎭⎰题15图 (3) 当z ≥1时，（这时当y =103时，x =103z ）（如图b ）3366222210101010()d d d d zy Z x y zF z x y y x x yx y +∞≥==⎰⎰⎰⎰ 336231010101=d 12y y zy z +∞⎛⎫-=- ⎪⎝⎭⎰即 11,1,2(),01,20,.Z z z zf z z ⎧-≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他故 21,1,21(),01,20,.Z z z f z z ⎧≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他16.设某种型号的电子管的寿命（以小时计）近似地服从N （160，202）分布.随机地选取4只，求其中没有一只寿命小于180h 的概率.【解】设这四只寿命为X i (i =1,2,3,4)，则X i ~N （160，202），从而123412{min(,,,)180}{180}{180}i P X X X X X P X P X ≥≥≥之间独立34{180}{180}P X P X ≥≥1234[1{180}][1{180}][1{180}][1{180}]P X P X P X P X =-<-<-<-<44144180160[1{180}]120[1(1)](0.158)0.00063.P X ⎡-⎤⎛⎫=-<=-Φ ⎪⎢⎥⎝⎭⎣⎦=-Φ== 17.设X ，Y 是相互独立的随机变量，其分布律分别为P {X =k }=p （k ），k =0，1，2，…， P {Y =r }=q （r ），r =0，1，2，….证明随机变量Z =X +Y 的分布律为P {Z =i }=∑=-ik k i q k p 0)()(，i =0，1，2，….【证明】因X 和Y 所有可能值都是非负整数，所以 {}{}Z i X Y i ==+={0,}{1,1}{,0}X Y i X Y i X i Y =====-==于是{}{,},i k P Z i P X k Y i k X Y =====-∑相互独立0{}{}ik P X k P Y i k ===-∑()()ik p k q i k ==-∑18.设X ，Y 是相互独立的随机变量，它们都服从参数为n ，p 的二项分布.证明Z =X +Y 服从参数为2n ，p 的二项分布.【证明】方法一：X +Y 可能取值为0，1，2，…，2n .{}{,}ki P X Y k P X i Y k i =+====-∑00202(){}2ki ki n i k i n k ii k k n k i k n k P X i P Y k i n n p q p qi k i n n p qi k i n p q k =---+=-=-===-⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭⎛⎫⎛⎫= ⎪⎪-⎝⎭⎝⎭⎛⎫= ⎪⎝⎭∑∑∑方法二：设μ1,μ2,…,μn ;μ1′,μ2′,…，μn ′均服从两点分布（参数为p ），则X =μ1+μ2+…+μn ，Y =μ1′+μ2′+…+μn ′, X +Y =μ1+μ2+…+μn +μ1′+μ2′+…+μn ′,所以，X +Y 服从参数为（2n ,p )的二项分布.（2） 求V =max （X ，Y ）的分布律； （3） 求U =min （X ，Y ）的分布律；（4） 求W =X +Y 的分布律.【解】（1）{2,2}{2|2}{2}P X Y P X Y P Y ======5{2,2}0.051,0.252{,2}i P X Y P X i Y ========∑ {3,0}{3|0}{0}P Y X P Y X P X ======3{0,3}0.011;0.033{0,}j P X Y P X Y j ========∑ （2）{}{max(,)}{,}{,}P V i P X Y i P X i Y i P X i Y i ====<+≤=10{,}{,},i ik k P X i Y k P X k Y i -=====+==∑∑ 0,1,2,3,4,5i =所以V 的分布律为(3) {}{min(,)}P U i P X Y i ===351{,}{,}{,}{,}k ik i P X i Y i P X i Y i P X i Y k P X k Y i ==+==≥+>====+==∑∑0,1,2,3,i =（1） 求P {Y ＞0｜Y ＞X }；（2） 设M =max{X ，Y }，求P {M ＞0}.题20图【解】因（X ，Y ）的联合概率密度为22221,,(,)π0,.x y R f x y R⎧+≤⎪=⎨⎪⎩其他 （1）{0,}{0|}{}P Y Y X P Y Y X P Y X >>>>=>0(,)d (,)d y y xy xf x y f x y σσ>>>=⎰⎰⎰⎰π2π/405π42π/401d d π1d d πRR r rR r r R θθ=⎰⎰⎰⎰3/83;1/24==(2) {0}{max(,)0}1{max(,)0}P M P X Y P X Y >=>=-≤00131{0,0}1(,)d 1.44x y P X Y f x y σ≤≤=-≤≤=-=-=⎰⎰21.设平面区域D 由曲线y =1/x 及直线y =0，x =1,x=e 2所围成，二维随机变量（X ，Y ）在区域D 上服从均匀分布，求（X ，Y ）关于X 的边缘概率密度在x =2处的值为多少题21图【解】区域D 的面积为 22e e 0111d ln 2.S x x x===⎰（X ,Y ）的联合密度函数为211,1e ,0,(,)20,.x y f x y x ⎧≤≤<≤⎪=⎨⎪⎩其他（X ，Y ）关于X 的边缘密度函数为1/2011d ,1e ,()220,.x X y x f x x⎧=≤≤⎪=⎨⎪⎩⎰其他 所以1(2).4X f =22.设随机变量X 和Y 相互独立，下表列出了二维随机变量（X ，Y ）联合分布律【解】因21{}{,}j j iji P Y y P P X x Y y ======∑,故11121{}{,}{,},P Y y P X x Y y P X x Y y ====+== 从而11111{,}.6824P X x Y y ===-= 而X 与Y 独立，故{}{}{,}i j i i P X x P Y y P X x Y y =====,从而11111{}{,}.624P X x P X x Y y =⨯==== 即：1111{}/.2464P X x ===又1111213{}{,}{,}{,},P X x P X x Y y P X x Y y P X x Y y ====+==+==即1,3111{},4248P X x Y y =++== 从而131{,}.12P X x Y y === 同理21{},2P Y y == 223{,}8P X x Y y ===又31{}1j j P Y y ===∑,故3111{}1623P Y y ==--=.同理23{}.4P X x == 从而23313111{,}{}{,}.3124P X x Y y P Y y P X x Y y ====-===-=故23.设某班车起点站上客人数X 服从参数为λ(λ>0)的泊松分布，每位乘客在中途下车的概率为p （0<p <1），且中途下车与否相互独立，以Y 表示在中途下车的人数，求：（1）在发车时有n 个乘客的条件下，中途有m 人下车的概率；（2）二维随机变量（X ，Y ）的概率分布.【解】(1) {|}C (1),0,0,1,2,m m n mn P Y m X n p p m n n -===-≤≤=.(2) {,}{}{|}P X n Y m P X n P Y m X n ======e C (1),,0,1,2,.!m m n mnnp p n m n n n λλ--=-≤≤=24.设随机变量X 和Y 独立，其中X 的概率分布为X ~⎪⎪⎭⎫⎝⎛7.03.021，而Y 的概率密度为f (y )，求随机变量U =X +Y 的概率密度g (u ).【解】设F （y ）是Y 的分布函数，则由全概率公式，知U =X +Y 的分布函数为(){}0.3{|1}0.7{|2}G u P X Y u P X Y u X P X Y u X =+≤=+≤=++≤=0.3{1|1}0.7{2|2}P Y u X P Y u X =≤-=+≤-=由于X 和Y 独立，可见()0.3{1}0.7{2}G u P Y u P Y u =≤-+≤-0.3(1)0.7(2).F u F u =-+-由此，得U 的概率密度为()()0.3(1)0.7(2)g u G u F u F u '''==-+-0.3(1)0.7(2).f u f u =-+-25. 设随机变量X 与Y 相互独立，且均服从区间[0,3]上的均匀分布，求P {max{X ,Y }≤1}.解：因为随即变量服从[0，3]上的均匀分布，于是有1, 03,()30, 0,3;x f x x x ⎧≤≤⎪=⎨⎪<>⎩ 1, 03,()30, 0, 3.y f y y y ⎧≤≤⎪=⎨⎪<>⎩ 因为X ，Y 相互独立，所以1, 03,03,(,)90, 0,0,3, 3.x y f x y x y x y ⎧≤≤≤≤⎪=⎨⎪<<>>⎩ 推得 1{max{,}1}9P X Y ≤=.26. 设二维随机变量（X ，Y ）的概率分布为1 0 11 0 1 a 0 b 0 c其中a ,b ,c 为常数，且X 的数学期望E (X )=,P {Y ≤0|X ≤0}=，记Z =X +Y .求：（1） a ,b ,c 的值； （2） Z 的概率分布； （3） P {X =Z }.解 (1) 由概率分布的性质知，a+b+c +=1 即 a+b+c = . 由()0.2E X =-，可得0.1a c -+=-.再由 {0,0}0.1{00}0.5{0}0.5P X Y a b P Y X P X a b ≤≤++≤≤===≤++,得 0.3a b +=.解以上关于a ，b ，c 的三个方程得0.2,0.1,0.1a b c ===.(2) Z 的可能取值为2，1，0，1，2，X Y{2}{1,1}0.2P Z P X Y =-==-=-=，{1}{1,0}{0,1}0.1P Z P X Y P X Y =-==-=+==-=，{0}{1,1}{0,0}{1,1}0.3P Z P X Y P X Y P X Y ===-=+==+==-=，{1}{1,0}{0,1}0.3P Z P X Y P X Y ====+===，{2}{1,1}0.1P Z P X Y =====，即Z 2 1 0 1 2(3) {}{0}0.10.20.10.10.20.4P X Z P Y b ====++=++=.27. 设随机变量X,Y 独立同分布,且X 的分布函数为F(x),求Z=max{X,Y}的分布函数.解：因为X,Y 独立同分布，所以F X （z ）=F Y (z),则F Z （z ）=P{Z ≤z}=P{X ≤z ，Y ≤z}=P{x ≤z}·P{Y ≤z}=［F （z ）］2.28.设随机变量X 与Y 相互独立，X 的概率分布为1{},1,0,1,3P X i i ===-Y 的概率密度为1,01,()0,Y y f y ≤<⎧=⎨⎩其他.记Z =X +Y .（1）求1{|0};2P Z X ≤= （2）求Z 的概率密度()Z f z分析 题（1）可用条件概率的公式求解.题（2）可先求Z 的分布函数，再求导得密度函数.解(1) 1{0,}12{|0}2{0}P X Z P Z X P X =≤≤===1{0,}2{0}P X Y P X =≤== 11{}22P Y =≤=（2）(){}{}Z F z P Z z P X Y z =≤=+≤{,1}{,0}{,1}P X Y z X P X Y z X P X Y z X =+≤=-++≤=++≤= {1,1}{,0}{1,1}P Y z X P Y z X P Y z X =≤+=-+≤=+≤-= {1}{1}{}{0}{1}{1}P Y z P X P Y z P X P Y z P X =≤+=-+≤=+≤-=1[{1}{}{1}]3P Y z P Y z P Y z =≤++≤+≤-1[(1)()(1)]3Y Y Y F z F z F z =+++-'1()()[(1)()(1)]3Z Z Y Y Y f z F z f z f z f z ==+++-1,1230,.z ⎧-≤<⎪=⎨⎪⎩其他29.设随机变量(X,Y)服从二维正态分布,且X 与Y 不相关,f X (x),f Y (y)分别表示X,Y 的概率密度,求在Y=y 的条件下,X 的条件概率密度f X ｜Y (x ｜y).解：由第四章第三节所证可知，二维正态分布的不相关与独立性等价，所以f(x,y)=f X (x) ·F Y (y)，由本章所讨论知，/()()(,)(/)()()()X Y X Y X Y Y f x f y f x y f x y f x f y f y ===.30.设二维随机变量(X ,Y )的概率密度为2,01,01,(,)0,.x y x y f x y --<<<<⎧=⎨⎩其他（1）求{2};P X Y >（2）求Z =X +Y 的概率密度()Z f z .分析 已知(X,Y)的联合密度函数，可用联合密度函数的性质{(,)P X Y ∈}(,)GG f x y dxdy =⎰⎰ 解（1）； Z=X+Y 的概率密度函数可用先求Z 的分布函数再求导的方法或直接套公式求解. 解 （1）2{2}(,)x yP X Y f x y dxdy >>=⎰⎰120120(2)57().824x dx x y dyx x dx =--=-=⎰⎰⎰（2）()(,),Z f z f x z x dx +∞-∞=-⎰其中 2()01,01(,)0x z x x z x f x z x ---<<<-<⎧-=⎨⎩其他201,01z x z x -<<<-<⎧=⎨⎩其他当02z z ≤≥或时，()0Z f z =； 当01z <<时，0()(2)(2);zZ f z z dx z z =-=-⎰ 当12z ≤<时，121()(2)(2),Z z f z z dx z -=-=-⎰即Z 的概率密度为2(2)01()(2)120Z z z z f z z z -<<⎧⎪=-≤<⎨⎪⎩其他。
北邮考研概率论与数理统计6.1随机样本(1)
数理统计学是一门关于数据收集、整理、分析和推断的科学。
第7页
第6章 样本及抽样分布
§6.1 总体与样本 §6.2 样本数据的整理与显示
§6.3 统计量及三大抽样分布
第8页
§6.1
总体与个体
总体的三层含义：
• 研究对象的全体； • 数据； • 分布
一个问题总有明确的研究对象和数量指标，对其做试验或观察.
2.若总体的密度函数为p(x)，则其样本的（联 合）密度函数是什么？
第24页
由于是简单随机抽样. 根据定义得: 若 X1 , X 2 ,, X n 为 F 的一个样本,
则样本( X1, X 2 ,, X n )的联合分布函数为
F * ( x1 , x2 , , xn ) F ( xi ).
第14页
6.1.2 样本
样本的定义
为了了解总体的分布，我们从总体中随机地抽
取n个个体，记其指标值为 x1 , x2 ,, xn，则
x1 , x2 ,, xn 称为总体的一个样本，n 称为样本容
量，或简称样本量，样本中的个体称为样品。
样本具有两重性
第15页
• 一方面，由于样本是从总体中随机抽取的，抽 取前无法预知它们的数值，因此，样本是随机 变量，用大写字母 X1, X2, …, Xn 表示； • 另一方面，样本在抽取以后经观测就有确定的 观测值，因此，样本又是一组数值。此时用小 写字母 x1, x2, …, xn 表示是恰当的。 简单起见，无论是样本还是其观测值，样本一般 用 X1, … Xn 表示，应能从上下文中加以区别。
X P
0 1p
1 p
不同的p反映总体的差异。第一个工厂的产品质量优于第二个。
第12页 例2 在二十世纪七十年代后期，美国消费 者购买日产SONY彩电的热情高于购买美产 SONY彩电，原因何在？ 原因在于总体的差异上！
8秩和检验
（2）计算检验统计量 T 1、求差值，见表12.1（4） 2、编秩
将差值的绝对值从小到大编秩。 当差值为0，则不计该例（n随之减少）。 如两差值相等，则取其平均秩次。
3、给秩添加正负号。 4、求秩和并确定检验统计量：
分别求出正 负秩之和，任取正或负秩和作为 统计量。本例T＝21.5。
测定点 序号
乙法 (3) 0.015 0.070 0.300 0.170 0.005 0.600 0.010 0.255 1.245 0.305 －
差值 di
(4)=(2)－(3) －0.005 －0.010 0.020 －0.020 0.000 0.100 0.001 －0.015 －0.235 0.025 －
在配对样本中，由于随机误差的存在，其对 差值的影响不可避免。假定两种处理的效应相同， 则差值的总体分布为对称分布，并且差值的总体 中位数为0。若此假设成立，样本差值的正秩和与 负秩和应相差不大，均接近n (n+1)/4 ；当正负秩 和相差悬殊，超出抽样误差可解释的范围时，则 有理由怀疑该假设，从而拒绝H0。
正差值秩次
(3) － － － － － － － － － － － －
1 3
4( T )
负差值秩次
(4) 14 13 12 11 10
9 8 7 6 5 4 2 － －
101(T－ )
（1）建立检验假设，确定检验水准。
H0：差值的总体中位数等于0，即脱发患者发铜含 量与该地健康人群相同
H1：差值的总体中位数小于0，即脱发患者发铜含 量低于该地健康人群
(6)
2 3 －
5.5 － － － 4 9 －
23.5(T－ ）
（3）确定P值，并作出统计推断。 A. 当n≤50时，查附表10，T界值表。N=10
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
§8.6 秩和检验
上一节中的检验方法是基于两独立样本都是来自于正态总体的假设.而在不少情形中,这种前提条件并不一定成立.既使能通过正态性检验,在样本容量较小时,其有效性也值得怀疑.于是我们得另辟蹊径,寻找不需要正态性假设的检验方法.当然一点假设都没有是不现实的.这里我们假设:F 和G 都是连续型分布,并且F 和G 的形式相同只相差一个平移c)-x (G )x F(=.
在这样的假定(或模型)下,如果0>c ,则对于x ∀,总有 )x Y (P )x (G -)c -x (G -)x (F -)x X (P >=>==>111
也即X 相对于Y 倾向于取更大的值,这种情况我们称之为X 随机地大于Y .如果0<c ,则X 随机地小于Y .如果0=c ,则两分布相同.我们考虑如下假设检验问题:
(I)G F :H =0 对 G F :H ≠1 (II) G F :H =0 对 G F :H >1 (III) G F :H =0 对 G F :H <1
在以上设定的模型下,上面假设分别等价于如下假设 (I)00=c :H 对 01≠c :H (II) 00=c :H 对 01>c :H (III) 00=c :H 对 01<c :H
由于对F 和G 的形状没有作任何假定,利用原有尺寸的观测进行分析己经行不通了.我们可以用秩替代原有尺寸的观测行统计分析.这样做至少有两个优势:(1)分析结果关于任何单调变换都是不变的;(2)可以减轻离群值的影响(即提高稳健性).并且这种非参数方法
和前面介绍的参数方法的势相差不大.下面介绍秩和检验方法. 设n x x ,,1 为来自某连续型总体的简单随机样本.由于总体具有连续分布，从而以概率1保证样本中各样品互不相等.将样本从小到大排列成)
()1n x x << （.若)(i
R i x x =,则称i x 在样本n x x ,,1 中的秩为i R ,简称i x 的秩为i R .),,(1n R R R =以及R 的任意函数称为秩统计量.
秩统计量R
服从离散分布,它的所有可能取值共有!n 个,而且取每
个可能值),,(1n r r 的概率均为!/1n ,其中),,(1n r r 为),,2,1(n 的任一置换.这说明R 服从离散均匀分布.由此可见,秩统计量的分布与总体服从什么样的分布是没有关系的.
设简单随机样本
m x x ,,1 (m x x ,,1 表示试验组的响应)和n
y y ,,1 (n y y ,,1 表示控制组的响应)分别来自相总体F 和G ,如果将这两样本合在一起从小到大排序的话,那么在F G =时，n y y ,,1 （由于n y y ,,1 在合样本中排序位置定了后，m x x ,,1 也就定了，因此只须考虑样本n y y ,,1 的排序位置.当然也可只考虑样本m x x ,,1 的排序位置）既不会倾向于排在左边也不会倾向于排在右边，即合样本中n y y ,,1 的秩的和既不会偏大也不会偏小；在F G >时，n y y ,,1 会倾向于排在右边.即合样本中来自Y 的样本n y y ,,1 的秩的和会偏大,这就是Wilcoxon 检验的思想.
在
合样本),,,,,(11n m y y x x 中,记),,1(n j y j =的秩为
),,2,1(n m R R j j += ,样本n y y ,,1 的秩和为
∑==n
j j y R W 1
对于检验问题（I ）,当y W 偏大或偏小时,可拒绝原假设G F :H =0
,
因此该检验问题的拒绝域的形式为1k W y ≤或1k W y ≥.同样的分析可得检验问题（II ）的的拒绝域的形式为k W y ≤;检验问题（III ）的的拒绝域的形式为k W y ≥.
在原假设成立时,即F G =时,合样本),,,,,(11n m y y x x 的秩统计量
)R ,,R ,R ,,R (R n m 11~
~=服从离散均匀分布.利用这一性质,我们可确定y W 的概率分布,从而确定拒绝域的临界值或计算检验的p 值. 人们构
造了Wilcoxon 秩和检验统计量分位数表,查表可以得到检验的p 值及拒绝域的临界值.
例如,4个试验对象中,随机地选2个分配到试验组,另2个分配到控制组.试验组的响应记为21x ,x ,控制组的响应记为21y ,y .在F G =时,合样本的秩统计量)R ,R ,R ,R (R 2211~
~=具有离散均匀分布 24
14321=
=))r ,r ,r ,r (R (P , )r ,r ,r ,r (4321是),,,(4321的任一置换.那么控制组的响应21y ,y 的秩和
21R R W y +=的概率分布为
假设试验组的响应为1,3,控制组的响应为6,4.直观地看试验组中的响应全部小于控制组的响应.似乎应该得出结论:试验具有减少响应的效应.但我们还是别着急下结论.
控制组的秩和为7=y W ,试验组的秩和为3=x W .这种差异能够提供试验组和控制组之间具有系统性差异的可信证据吗?或者仅仅偶然因素也可能会造成这样的差异?要回答这个问题,我们需要计算在零假
设下(即试验根本没有任何效应,试验结果的差异完全是由随机因素引起的)出现这样的差异的概率.由前面已得出的y W 的概率分布，易得
617=
=)W P(y .一个概率为6
1
的事件在一次试验中发生了,并不会让我们感到意外,换言之,由于这个概率还不是足够小,那么这样的差异还没有提供否定零假设的充分证据.要注意的是我们得不出结论:试验具有减少响应的效应.但不意味着我们就应该得出结论: 试验具有增加响应的效应.事实上,由于样本容量太小,出现任何结果(即y W 取任何一个可能的值)都是正常的.通过这样小容量的样本,我们无法得到任何可靠的结论.当然由于两组结果之间的差异还是很大的,我们可以增加试验对象以得出可靠的结论.
我们在这里假设观测值互不相等.而在实际中,出现相同的观测值也属正常,此时相同值的秩就取为它们的秩的平均值,只要这种情况较少,就不会过度影响显著性水平.由于2
)
m n )(m n (W W y x 1+++=
+,在
秩和检验中可在x W ,y W 之间任选其一作为检验统计量.在实用中,常选容量较小的样本的秩和作为检验统计量.
在样本容量很大时,利用以上方法计算检验的
p 值就会很麻烦,我
们可以利用y W 的渐近分布解决.有如下结论.
定理 在n m y y x x ,,,,,11 具有相同的连续分布时，则在样本容量
n m ,都趋于无穷大时，秩和检验统计量y W 具有渐近正态性：
)1,0(12
/)1(2/)1()
()(N N mn N n W W Var W E W L
y y y y →++-=
-
这里m n N +=.
由此定理，在大样本场合，可由正态分布得出检验问题的p 值. 出
现相同的观测值时,上述定理中的)W (ar V y 要作修正,此处不再讨论了.
我们可以从另外角度推导秩和检验.
设样本m x x ,,1 和n y y ,,1 分别来自相互独立的连续型总体X 和Y .
X
和Y 的分布函数分别为F 和G .考虑检验问题
:0H )()(x G x F =,对 :1H )()(x G x F >.
在)()(a x F x G -=时,检验问题化为
0:0=a H 对 0:1>a H .
在原假设成立时, 有
5.0)(=<Y X P 而备择假设为真时,则有 5.0)(><Y X P
令)(Y X P <=π.那么，上述检验问题可简化为关于参数π的检验问题， 5.0:0=πH 对 5.0:1>πH
显然
∑∑===m i n
j ij z mn 11
1ˆπ 是π的一个无偏估计.其中
⎩⎨
⎧<=else
,y x ,z j
i ij 01
统计量∑∑===m i n
j ij z mn 11
1ˆπ是Mann-Whitney 于1974年提出的,人们称它为Mann-Whitney 统计量.由于在备择假设成立时，π有取较大值的趋
势，所以拒绝域具有形式:在c ≥π
ˆ. 可以证明
2
)
1(11
+-
==∑∑==n n W z U m i n
j y ij y 可见统计量πˆ可以由秩和检验统计量y W 表示.因此利用统计量πˆ和统计量y W 对以上检验问题所做的检验是等效的.。