测度与概率(严士健 刘秀芳)第六-七章答案

合集下载

云南财经大学博士研究生专业培养方案

云南财经大学博士研究生专业培养方案

云南财经大学博士研究生培养方案一级学科名称统计学二级学科名称统计学二级学科代码071400填表日期:2014年6月云南财经大学博士研究生专业培养方案一、适用专业统计学二、培养目标1. 掌握系统、深入的统计学基础理论知识,并在某些应用研究方向上有坚实宽广的专业知识;2. 具有独立从事科研、教学和解决实际问题的能力,善于理论联系实际,能在有关的研究方向上做出有重要理论或实际意义的创造性的研究成果;3. 熟悉本学科国际前沿和发展动态,能熟练地阅读本专业的外文文献,具有较好的国际学术交流能力;4. 毕业后可承担本学科教学、科研工作和较高层次的政府、社会、企业和金融机构的管理及统计实务工作。

三、研究方向统计模型诊断四、学制与学习年限博士研究生学制为3年,在规定时期完成课程学习。

未完成学位论文者可申请延长学习年限,累计在校学习年限一般不得超过6年。

五、培养环节与学分要求1.培养环节博士研究生培养环节主要包括课程学习、教学与社会实践、科研训练、学位论文。

2.学分要求博士研究生在攻读博士学位期间须修满至少31学分。

其中,课程学习学分至少20学分;教学与社会实践1学分;科研训练2学分;完成学位论文撰写、通过预答辩与答辩计8学分。

六、培养计划统计学(统计模型诊断方向)博士研究生培养计划表1、跨一级学科考生由导师视其具体情况安排补修本专业硕士专业课,须参加考核但不计学分;2、博士研究生在攻读博士学位期间须修满至少20学分的课程。

七、培养方式与考核方式(一)培养方式1.实行导师负责制。

以导师为主建立博士指导小组,可以设立副导师,指导小组3-4人,导师和指导小组负责制订培养计划,并对论文进行全面指导,博士生的培养应以科学研究为主,开展创新性科学研究与技术开发。

重点是培养独立从事科学研究能力和开展创新性研究工作的能力,并注意培养严谨的科学作风。

2.课程学习、课题研究与科研论文相结合。

通过课程学习以掌握坚实的专业基础理论、基本知识和技能,通过课题研究和科研论文以培养从事科学研究和胜任专业工作的能力。

概率论与数理统计六七章习题答案

概率论与数理统计六七章习题答案

第六章大数定理和中心极限定理一、大纲要求(1)了解契比雪夫不等式;(2)了解辛钦大数定律,伯努利大数定律成立的条件及结论;(3)了解独立同分布的中心极限定理和棣莫佛—拉普拉斯中心极限定理(二项分布以正态分布为极限分布)的条件和结论,并会用相关定理近似计算有关随机事件的概率.二、重点知识结构图三、基本知识1. 马尔科夫不等式若X 为只取非负值的随机变量,则对任意常数0ε>,有{}EXP X εε≥≤.2. 契比雪夫不等式若DX 存在,则{}2DXP X EX εε-≥≤.3. 辛钦大数定律定理 1 设12,,,,n X X X 是独立同分布的随机变量序列,且具有有限的数学期望()a X E n =,则对任意的0ε>,有{}lim 0n n P X a ε→∞-≥=4. 伯努利大数定律定理2 设()p n B X n ,~,其中n=1,2, …,0<p<1 。

则对任意ε>0,有5.独立同分布的中心极限定理定理3 (林德伯格-列维定理) 设12,,,,n X X X 为独立同分布的随机变量,22,,0,i i EX a DX σσ==<<∞则对任意实数x 有12lim )()n n P X X X na x x →∞⎫++-≤=Φ⎬⎭式中, ()x Φ是标准正态分布(0,1)N 的分布函数,即2/2()t x e dt +∞--∞Φ=6. 棣莫佛-拉普拉斯中心极限定理定理3(棣莫佛-拉普拉斯定理) 设12,,,,n X X X 独立同分布,i X 的分布是{}{}1,01,(01)i i P X p P X p p ====-<<则对任意实数x ,有12lim )()n n P X X X np x x →∞⎧⎫⎪++-≤=Φ⎬⎪⎭0lim =⎭⎬⎫⎩⎨⎧≥-∞→εp n X P n n四、典型例题例1 设随机变量X 和Y 的数学期望分别为-2和2,方差分别为1和4,而相关系数为-0.5,则根据契比雪夫不等式{}6_____P X Y +≥≤.解 因为 ()0E X Y E X E Y +=+= ()2c o v (,D X Y D X D Y X Y +=++2DX DY ρ=++ 1420.52=+-⨯⨯= 根据契比雪夫不等式{}2DXP X EX εε-≥≤所以 {}3163612P X Y +≥≤= 例2 某保险公司经多年资料统计表明,在索赔户中被盗户占20%,在随意抽查的100家索赔户中以被盗的索赔户数为随机变量,利用中心极限定理,求被盗的索赔户大于14户且小于30户的概率近似值.[分析]本题的随机变量服从参数100,0.2n p ==的二项分布.如果要精确计算,就要用伯努利二项公式:{}291001001514300.20.8kk k k P X C -=<<=∑.如果求近似值,可用契比雪夫不等式估计.解 由于~(100,0.2)X N ,所以1000.220EX np ==⨯=168.02.0100)1(=⨯⨯=-=p np DX{}1430P X P <<=<<=Φ(2.5)-Φ(-1.5)()927.0)5.1(5.2=-Φ+Φ因此被盗的索赔户大于14户且小于30户的概率近似值为0.927.例3 某车间有200台机床,它们彼此工作独立,开工率都为0.6,工作时耗电都为1kW,问供电所至少给这个车间多少度电,才能以99.9%的概率保证这个车间不会因供电不足而影响生产.解 用X 表示工作的机床台数,则~(200,0.6)X B .设要向车间供电a kW,则有由棣莫佛-拉普拉斯定理得{}P o X a P ⎧⎫<≤=<≤020p q ⎛⎫⎛⎫⎫⎫≈Φ-≈⎪⎪⎪⎪⎪⎪⎭⎭⎭⎭()0.999 3.1≈Φ≥=Φ即3.1≥ 因此120 3.48141a ≥+= 例4 用契比雪夫不等式确定当掷一均匀硬币时,需掷多少次,才能保证使得出现正面的频率在0.4~0.6之间的概率不小于90%,并用正态逼近计算同一个问题.解 设需掷n 次,用n S 表示出现正面的次数,则1~(,)2n S B n ,有契比雪夫不等式得0.40.60.50.1n n S S P P n n ⎧⎫⎧⎫<<=-<⎨⎬⎨⎬⎩⎭⎩⎭211110022110.900.014n n n⨯⨯≥-=-≥ 所以10002504n ≥=. 由棣莫佛-拉普拉斯定理得0.40.6n S P P n ⎧⎫<<=<⎨⎬⎩⎭(((0.2210.90=Φ-Φ-=Φ-≥即(Φ≥0.95,查表得 1.645>,故68n ≥.例5 假设12,,,n X X X 是独立同分布的随机变量,且()k k i a X E =(1,2,3,4)k =,证明当n 充分大时,随机变量211n n i i Z X n ==∑近似服从正态分布,并指出其分布参数.证 由12,,,n X X X 是独立同分布的随机变量序列可知, 22212,,,nX X X 独立同分布,且有()22a X E i =, 2242i DX a a =-2211n n i i EZ EX a n ===∑, 2242211n n i i a a DZ DX n n=-==∑由林德伯格-列维定理可知,对任意x 有⎰∞--∞→=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧<--x t n n dte x n a a a Z P 22242221lim π即n Z 近似服从正态分布2422(,)a a N a n-. 例6 有一批建筑房屋用的木柱,其中80%的长度超过3m ,现从这批木柱中随机地取出100根,问其中至少有30根短于3m 的概率是多少?解 设10i X ⎧=⎨⎩()31,2,,1003i m i i m = 当所取的第根木柱短于当所取的第根木柱不短于 则()~1,0.2i X B ,记1001i i X X ==∑,则()~100,0.2X B .由棣莫佛-拉普拉斯定理得{}{}30130P X P X ≥=-<1P =-≤()302011 2.50.0062100.4-⎛⎫≈-Φ=-Φ= ⎪⨯⎝⎭例7 假设男婴的出生率为2243,某地区有7000多名产妇,试估计她们的生育情况.[分析] n 重伯努利实验中A 出现的频率nu n依概率收敛于它的概率p ,当n 很大时,有n u np ≈.解 设10i X ⎧=⎨⎩()1,2,,7000i i = 第名产妇生男婴否则显然, 12,,,n X X X 独立同分布且均服从01-分布2243p ⎛⎫= ⎪⎝⎭,1nn i i u X ==∑表示7000名产妇中生男婴的人数,有伯努利大数定理得()2243n u n n →→∞ 由于7000n =已是足够大,因此227000358143n u ≈⨯≈即该地区估计有3581名男婴出生.例8 某电视机厂每月生产10000台电视机,但它的显像管车间的正品率为0.8,为了以0.997的概率保证出厂的电视机都装上正品的显像管,该车间每月应生产多少只显像管?解 设显像管正品数为X ,月总产量为n ,则有()~,0.8X B n ,从而 0.8E X n =, ()n p np DX 16.01=-=为了使电视机都装上正品的显像管,则每月至少生产10000只正品显像管,即所求为{}100000.997P X n ≤<=由棣莫佛-拉普拉斯定理得{}100000.997P X n P ≤<=≤<=即997.05.016.08.016.08.010000=⎭⎬⎫⎩⎨⎧<-≤-n n n X n n P(0.997Φ-Φ=由题意可知,0<,且n 较大,即(1Φ≈,所以0.997Φ=2.75=,故)(1027.14只⨯≈n因此,每月至少要生产41027.1⨯只显像管才能以0.997的概率保证出厂的10000台电视机都能装上正品的显像管.例9 一养鸡场购进1万个良种鸡蛋,已知每个鸡蛋孵化成雏鸡的概率为0.84,每只雏鸡发育成种鸡的概率为0.90,试计算这批鸡蛋得到种鸡不少于7500只的概率.解 设{}k A k =第只鸡蛋孵化成雏鸡, {}k B k =第只鸡蛋育成种鸡,令 ()11,2,,100000k k k B X k B ⎧==⎨⎩ 当发生当不发生 则诸k A 独立同分布,且{}{}{}{}{}{}1k k k k k k k k P X P B P A P B A P A P B A ===+0.840.900.756=⨯+={}{}244.00===k k B P X P显然, 100001kk X X==∑表示10000个鸡蛋育成的种鸡数,则()~10000,0.756X B ,而64.1844244.07560)1(,7560756.010000=⨯=-=⨯=p np np根据棣莫佛-拉普拉斯定理可得()~0,1nkXnpN -=∑于是,所求概率为{}10000756075001k X P X P ⎧⎫-⎪⎪≥=≥≈-Φ⎪⎪⎩⎭∑()1.400.92=Φ= 因此,由这批鸡蛋得到的种鸡不少于7500只的概率为92%.五、课本习题全解6-1 设11nn i i Y X n ==∑,再对n Y 利用契比雪夫不等式:{}12222220n i i n n n n D X DY n P Y EY n n εεεε=→∞⎛⎫ ⎪⎝⎭-≥≤=≤−−−→∑ 故{}n X 服从大数定理. 6-2 设出现7的次数为X ,则有 ()~10000,0.1,1000,900X B E X n p D X === 由棣莫佛-拉普拉斯定理可得{}100096810001696810.14303015X P X P --⎧⎫⎛⎫<=<=-Φ=⎨⎬ ⎪⎩⎭⎝⎭6-3 11,212i i EX DX ==由中心极限定理可知,10110i X -⨯∑,所以101011616110.136i i i i P X P X ==⎧⎫⎧⎫>=-≤=-Φ=-Φ=⎨⎬⎨⎬⎩⎭⎩⎭∑∑6-4 设报各人数为X ,则.100,100==DX EX . 由棣莫佛-拉普拉斯定理可得()0228.021*********}120{=Φ-=⎭⎬⎫⎩⎨⎧-≥-=≥DX EX X P X P6-5 设()11,2,,100000i i X i i ⎧==⎨⎩ 第个人死亡第个人没有死亡,则{}{}10.006,00.994i i P X P X ====总保险费为51210000 1.210⨯=⨯(万元)(1) 当死亡人数在达到51.210/1000120⨯=人时,保险公司无收入.4100.00660,0.1295np =⨯==所以保险公司赚钱概率为)()12100000.129512060P X X X np ⎧⎫⎪++-≤⨯-⎬⎪⎭()7.771=Φ=因而亏本的概率为10P P '=-=.(2)若利润不少于40000,即死亡人数少于80人时,)()12100000.12958060P X X X np ⎧⎫⎪++-≤⨯-⎬⎪⎭()2.590.9952=Φ= 若利润不少于60000,即死亡人数少于60人时,)()12100000.12956060P X X X np ⎧⎫⎪++-≤⨯-⎬⎪⎭()00.5=Φ=若利润不少于80000,即死亡人数少于40人时,)()12100000.12954060P X X X np ⎧⎫⎪++-≤⨯-⎬⎪⎭()2.5920.0048=Φ-=6-6 设总机需备Y 条外线才能有95%的把握保证每个分机外线不必等候,设随机变量()11,2,,2600i i X i i ⎧==⎨⎩ 第架电话分机用外线第架电话分机不用外线,则{}{}10.04,00.96P X P X ====0.04,0.040.00160.0384i i EX DX ==-=由中心极限定理可得16%950384.026004.02602601≈=⎪⎭⎫⎝⎛⨯⨯-Φ=⎭⎬⎫⎩⎨⎧≤∑=Y Y Y X P i i6-7 密度函数为 ()10.50.50x f x -<<⎧=⎨⎩当其他故数学期望为 0.50.50E X x d x -==⎰()0.52220.5112DX EX EX x dx -=-==⎰(1)设i X 为第i 个数的误差,则9973.01)3(251515300130013001=-Φ=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧≤=⎭⎬⎫⎩⎨⎧≤∑∑∑===i i i i i i DX X P X P30030011151150.0027i i i i P X P X ==⎧⎫⎧⎫>=-≤=⎨⎬⎨⎬⎩⎭⎩⎭∑∑(2)110210.9440.77n i i P X n =⎧⎫≤=Φ-≥⇒≤⎨⎬⎩⎭∑ (3)3001210.99714.855i i Y P X Y Y =⎧⎫⎛⎫≤=Φ-≥⇒≤⎨⎬ ⎪⎝⎭⎩⎭∑6-8 kg kg EX 32105,105--⨯=⨯=σ (1)设i X 为第i 个螺钉的重量,则23100510,5100.05nEX --=⨯⨯⨯=0228.0)2(105.051.51.510011001=Φ-=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧->-=⎭⎬⎫⎩⎨⎧>∑∑==σn nEX X P X P i i i i(2)设()1.11,2,,5000.1i i Y i i ⎧==⎨⎩ 第个螺钉的重量超过5kg第个螺钉的重量不超过5kg,则33.3)1(4.11=-=p np np9951.0)58.2(33.34.1120)1(450050015001=Φ=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧->--=⎭⎬⎫⎩⎨⎧⨯<∑∑==p np np Y P Y P i i i i %6-9 设随机变量()11,2,,10000i i X i ⎧==⎨⎩ 第个人按时进入掩体其他,按时进入掩体的人数为Y ,则()1,~10000,0.9ni i Y X Y B ==∑,所以有10000.9900,9000.190EY DY =⨯==⨯=设有k 人按时进入掩体,则916884645.19090095.090900===-=⎪⎪⎭⎫⎝⎛-Φk k k k 或所以至少有884人,至多有916.六、自测题及答案1.设随机变量X 服从(),B n p ,则对区间(),a b ,恒有lim _______.n P a b →∞⎧⎫⎪⎪<≤=⎨⎬⎪⎪⎩⎭2.一大批产品中优质品占一半,现每次抽取一个,看后放回再抽,问在100次抽 取中取到优质品次数不超过45的概率等于_______.3. 129,,X X X 相互独立, ()1,11,2,9i i EX DX i === ,则对任意给定的0ε>,有( ).9922119922111(A)11(B)119(C)91(D)919i i i i i i i i P X P X P X P X εεεεεεεε--==--==⎧⎫⎧⎫-<≥--<≥-⎨⎬⎨⎬⎩⎭⎩⎭⎧⎫⎧⎫-<≥--<≥-⎨⎬⎨⎬⎩⎭⎩⎭∑∑∑∑4.设12,,,,n X X X 为独立随机变量序列,且()1,2,i X i = 服从参数为λ的泊松分布,则有().()()()()111(A)lim (B)0,1(C),(D)n i n ni i n i i n i i X n P x x n X N n X N n n n P X x x λλλ→∞===⎧⎫-⎪⎪⎪≤=Φ⎬⎪⎪⎪⎩⎭⎧⎫≤=Φ⎨⎬⎩⎭∑∑∑∑当充分大的时,近似服从当充分大的时,近似服从当充分大的时,5.设12,,X X 为独立随机变量序列,且服从服从参数为λ的指数分布,则( ).()()()()112211(A)lim (B)lim 1(C)lim (D)lim n n i i i i n n nni i i n n n X X P x x P x x n X n X n P x x P x x n λλλλλλ==→∞→∞=→∞→∞⎧⎫⎧⎫--⎪⎪⎪⎪⎪⎪⎪⎪≤=Φ≤=Φ⎨⎬⎨⎬⎪⎪⎪⎪⎪⎪⎪⎪⎩⎭⎩⎭⎧⎫⎧⎫--⎪⎪⎪⎪⎪⎪⎪≤=Φ≤=Φ⎬⎨⎬⎪⎪⎪⎪⎪⎪⎪⎩⎭⎩⎭∑∑∑∑6.设随机变量12,,,n X X X 相互独立, 12n X X X X =+++ ,根据林德伯格-列维定理,当n 充分大时, X 近似服从正态分布,只要12,,,n X X X ( )(A)(B)(C)(D)有相同的数学期望有相同的方差服从同一指数分布服从同一离散型分布7.某校有1000名学生,每人以80%的概率去图书馆自习,问图书馆至少应设多少个座位,才能以99%的概率保证去上自习的同学都有座位坐?8.某种电子器件的寿命(小时)具有数学期望μ(未知),方差2400σ=.为了估计μ,随机地取n 只这种器件,在时刻0t =投入测试(设测试是相互独立的)直到失败,测得寿命为12,,,nX X X ,以11ni i X X n ==∑作为μ的估计,为了使{}10.95P X μ-<≥,问n 至少为多少?9.利用中心极限定理证明11lim !2i n n n i n e i -→∞=⎡⎤=⎢⎥⎣⎦∑ [答案]1. 由棣莫佛-拉普拉斯定理可得22lim t b a n P a b dt -→∞⎧⎫⎪⎪<≤=⎨⎬⎪⎪⎩⎭⎰2. 令Y 表示100次抽取中取得优质品的次数()11,2,,1000i i X i i ⎧==⎨⎩ 当第次取到优质品当第次没有取到优质品则 ()1001,~100,0.5i i Y X Y B ==∑那么 1000.5,1000.50.E Y D Y =⨯=⨯⨯=由棣莫佛-拉普拉斯定理可得{}504515Y P Y P P -⎧⎫≤=≤=≤-⎨⎬⎩⎭()()11110.84130.1587≈Φ-=-Φ=-=3.由题意可得 99119,9i i i i EX EX DX DX ======∑∑又因为 9211i i DXP X EX εε=⎧⎫-<≥-⎨⎬⎩⎭∑故(D)项正确.4.因为()1,2,i X i = 服从参数为λ的泊松分布,故,i i EX DX λλ==,由林德伯格-列维定理得()lim n i n X n P x x λ→∞⎧⎫-⎪⎪⎪≤=Φ⎬⎪⎪⎪⎩⎭∑ 当n 充分大时,1nii X=∑近似服从(),N n n λλ分布,故C 项正确.5.由题意可知 211,i i EX DX λλ==由林德伯格-列维定理可得()22limntixnX nP x dt xμ-→∞⎧⎫-⎪⎪⎪≤==Φ⎬⎪⎪⎪⎩⎭∑⎰即()l i mninX nP x xλ→∞⎧⎫-⎪⎪⎪≤=Φ⎬⎪⎪⎪⎩⎭∑6.由于林德伯格-列维定理要求12,,,nX X X独立同分布,且具有有限的数学期望与方差.因此C项正确.7.设X表示同时去图书馆上自习的人数,并设图书馆至少有n个座位,才能以99%的概率保证去上自习的同学都有座位,即n满足{}0.99P X n≤≥.因为()~1000,0.8X B,所以{}⎪⎭⎫⎝⎛⨯⨯⨯-Φ-⎪⎭⎫⎝⎛⨯⨯⨯-Φ≈≤2.08.010008.01000`2.08.010008.01000`nnXP8000.9912.65n-⎛⎫=Φ≥⎪⎝⎭查表得8002.3312.65n-≥,故829.5n≥.因此图书馆至少应有830个座位.8.由于12,,,nX X X独立同分布,且2,400i iEX DXμσ===.由林德伯格-列维定理得{}1P X Pμ⎫⎛-<=<≈Φ-Φ⎝⎭⎝⎭21210.95=Φ-=Φ-≥⎝⎭⎝⎭即0.975Φ≥⎝⎭,查表得 1.9620≥,故2400 1.961536.64n≥⨯=.因此n至少为1537.9.设{}n X为独立同服从参数为1的泊松分布的随机变量序列,则1nkkX=∑服从参数为n的泊松分布,因此有101!!k k n n nn nn k k k k n n P X n e e e k k ---===⎧⎫≤==+⎨⎬⎩⎭∑∑∑由林德伯格-列维定理可得()11lim lim 02n k n k n n k X n P X n P →∞→∞=⎧⎫-⎪⎪⎧⎫≤=≤=Φ=⎨⎬⎩⎭⎪⎪⎩⎭∑∑ 所以11lim lim !k n n n n k n n k k n e P X n e k --→∞→∞==⎧⎫⎡⎤⎧⎫=≤-⎨⎨⎬⎬⎢⎥⎩⎭⎣⎦⎩⎭∑∑ 11lim lim 2n n k n n k P X n e -→∞→∞=⎧⎫=≤-=⎨⎬⎩⎭∑第7章数理统计的基础知识一、大纲要求(1)理解总体、简单随机样本、统计量、样本均值、样本方差及样本矩的概念,了解直方图和样本分布函数的意义和作用.(2)了解2χ分布、t分布、F分布的概念和性质,了解分位数的概念并掌握查表计算.(3)了解正态总体的抽样分布.二、重点知识结构图三、基本知识1.总体和个体在数理统计中,把研究对象的全体称为总体或母体,把组成总体的每一个研究对象(元素或单元)称为个体.总体分为有限总体和无限总体.有限总体是指其总体中的成员只有有限个.相应的,无限总体是指其总体中的成员有无限个.2.样本在一个总体中,抽取n 个个体12,,,n X X X ,这n 个个体总称为总体X 的样本或子样, n 称为样本容量.样本特性:① 代表性,样本中的每一个分量()1,2,i X i n = 与总体X 有相同的分布。

1—7章概率论课后习题及答案

1—7章概率论课后习题及答案

第一章 随机事件及其概率§1.1-2 随机试验、随机事件1. 多项选择题:⑴ 以下命题正确的是 ( ) A .()()AB AB A =; B .,A B AB A ⊂=若则;C .,A B B A ⊂⊂若则;D .,A B A B B ⊂=若则.⑵某学生做了三道题,以i A 表示“第i 题做对了的事件”)3,2,1(=i ,则该生至少做对了两道题的事件可表示为 ( ) A .123123123A A A A A A A A A ; B .122331A A A A A A ; C .122331A A A A A A ; D .123123123123A A A A A A A A A A A A .2. A 、B 、C 为三个事件,说明下述运算关系的含义:⑴ A ; ⑵ B C ; ⑶ AB C ; ⑷ A B C ; ⑸ AB C ; ⑹ABC .3. 一个工人生产了三个零件,以i A 与i A )3,2,1(=i 分别表示他生产的第i 个零件为正 品、次品的事件.试用i A 与i A )3,2,1(=i 表示以下事件:⑴ 全是正品;⑵ 至少有一个零件是次品;⑶ 恰有一个零件是次品;⑷ 至少有两个零件是次品.§1.3-4 事件的概率、古典概型1. 多项选择题:⑴ 下列命题中,正确的是 ( ) A .B B A B A =;B .B A B A =;C .C B A C B A = ;D .()∅=)(B A AB . ⑵ 若事件A 与B 相容,则有 ( ) A .()()()P AB P A P B =+; B .()()()()P A B P A P B P AB =+-;C .()1()()P A B P A P B =--;D .()1()()P A B P A P B =-.⑶ 事件A 与B 互相对立的充要条件是 ( ) A .()()()P AB P A P B = ; B .()0()1P AB P AB ==且;C .AB A B =∅=Ω且;D . AB =∅.2. 袋中有12只球,其中红球5只,白球4只,黑球3只. 从中任取9只,求其中恰好有4只红球,3只白球,2只黑球的概率.3. 求寝室里的六个同学中至少有两个同学的生日恰好同在一个月的概率.4. 10把钥匙中有三把能打开门,今任取两把,求能打开门的概率.5. 将三封信随机地放入标号为1、2、3、4的四个空邮筒中,求以下概率:(1) 恰有三个邮筒各有一封信;(2)第二个邮筒恰有两封信;(3)恰好有一个邮筒有三封信.6. 将20个足球球队随机地分成两组,每组10个队,进行比赛.求上一届分别为第一、二名的两个队被分在同一小组的概率.§1.5 条件概率1. 多项选择题:⑴ 已知0)(>B P 且∅=21A A ,则( )成立.A .1(|)0P AB ≥; B .1212(()|)(|)(|)P A A B P A B A B =+;C .12(|)0P A A B =;D . 12(|)1P A A B =.⑵ 若0)(,0(>>B P A P )且)(|(A P B A P =),则( )成立.A .(|)()PB A P B =;B .(|)()P A B P A =;C .,A B 相容;D .,A B 不相容.2. 已知61)|(.41)|(,31)(===B A P A B P A P ,求)(B A P3. 某种灯泡能用到3000小时的概率为0.8,能用到3500小时的概率为0.7.求一只已用到了3000小时还未坏的灯泡还可以再用500小时的概率.4.两个箱子中装有同类型的零件,第一箱装有60只,其中15只一等品;第二箱装有40只,其中15只一等品.求在以下两种取法下恰好取到一只一等品的概率:⑴将两个箱子都打开,取出所有的零件混放在一堆,从中任取一只零件;⑵从两个箱子中任意挑出一个箱子,然后从该箱中随机地取出一只零件.5.某市男性的色盲发病率为7 %,女性的色盲发病率为0.5 % .今有一人到医院求治色盲,求此人为女性的概率.(设该市性别结构为男:女=0.502:0.498)6.袋中有a只黑球,b只白球,甲、乙、丙三人依次从袋中取出一只球(取后不放回),分别求出他们各自取到白球的概率.§1.6 独立性1. 多项选择题 :⑴ 对于事件A 与B ,以下命题正确的是( ).A .若B A 、互不相容,则B A 、也互不相容;B .若B A 、相容,则B A 、也相容;C .若B A 、独立,则B A 、也独立;D .若B A 、对立,则B A 、也对立. ⑵ 若事件A 与B 独立,且0)(,0)(>>B P A P , 则( )成立.A .(|)()PB A P B =;B .(|)()P A B P A =;C .B A 、相容;D .B A 、不相容.2. 已知C B A 、、互相独立,证明C B A 、、也互相独立.3. 一射手对同一目标进行四次独立的射击,若至少射中一次的概率为8180,求此射手每次射击的命中率.*4. 设C B A 、、为互相独立的事件,求证B A AB B A -、、 都与C 独立.5. 甲、乙、丙三人同时各用一发子弹对目标进行射击,三人各自击中目标的概率分别是0.4、0.5、0.7.目标被击中一发而冒烟的概率为0.2,被击中两发而冒烟的概率为0.6,被击中三发则必定冒烟,求目标冒烟的概率.6. 甲、乙、丙三人抢答一道智力竞赛题,他们抢到答题权的概率分别为0.2、0.3、0.5 ;而他们能将题答对的概率则分别为0.9、0.4、0.4.现在这道题已经答对,问甲、乙、丙三人谁答对的可能性最大.7. 某学校五年级有两个班,一班50名学生,其中10名女生;二班30名学生,其中18名女生.在两班中任选一个班,然后从中先后挑选两名学生,求(1)先选出的是女生的概率;(2)在已知先选出的是女生的条件下,后选出的也是女生的概率.第二章 一维随机变量及其分布§2.1 离散型随机变量及其概率分布1.填空题:⑴ 当c = 时()/,(1,,)P X k c N k N ===是随机变量X 的概率分布,当c = 时()(1)/,(1,,)P Y k c N k N ==-=是随机变量Y 的概率分布; ⑵ 当a = 时)0,,1,0(!)(>===λλ k k a k Y P k是随机变量Y 的概率分布;⑶ 进行重复的独立试验,并设每次试验成功的概率都是0.6. 以X 表示直到试验获得成功时所需要的试验次数,则X 的分布律为; ⑷ 某射手对某一目标进行射击,每次射击的命中率都是,p 射中了就停止射击且至多只 射击10次. 以X 表示射击的次数,则X 的分布律为; ⑸ 将一枚质量均匀的硬币独立地抛掷n 次,以X 表示此n 次抛掷中落地后正面向上的次数,则X 的分布律为 .2.设在15只同类型的零件中有2只是次品,从中取3次,每次任取1只,以X 表示取出的3只中次品的只数. 分别求出在 ⑴ 每次取出后记录是否为次品,再放回去;⑵ 取后不放回,两种情形下X 的分布律.3.一只袋子中装有大小、质量相同的6只球,其中3只球上各标有1个点,2只球上各标有2个点,1只球上标有3个点.从袋子中任取3只球,以X 表示取出的3只球上点数的和. ⑴ 求X 的分布律;⑵ 求概率(46),(46),(46),(46)P X P X P X P X <≤≤<<<≤≤.4.某厂有7个顾问,假定每个顾问贡献正确意见的可能性都是6.0. 现在为某件事的可行与否个别地征求每个顾问的意见,并按多数顾问的意见作决策.求作出正确决策的概率.5.袋子中装有5只白球,3只黑球,从中任取1只,如果是黑球就不放回去,并从其它地方取来一只白球放入袋中,再从袋中取1只球. 如此继续下去,直到取到白球为止. 求直到取到白球为止时所需的取球次数X 的分布律.§2.2 连续型随机变量及其概率分布1.多项选择题:以下函数中能成为某随机变量的概率密度的是 ( )A .⎪⎩⎪⎨⎧<<=它其20,0,cos )(πx x x f ;B .⎪⎩⎪⎨⎧<<=它其πx x x f 0,0,2cos )( ; C .⎪⎩⎪⎨⎧<<-=它其22,0,cos )(ππx x x f ; D .⎩⎨⎧<<=它其10,0,)(x xe x f x . 2.设随机变量X 的概率分布律如右,求X 的分布函数及)32(),30(),2(≤≤<<≤X P X P X P .3.设一只袋中装有依次标有数字-1、2、2、2、3、3的六只球,从此袋中任取一只球,并以X 表示取得的球上所标有的数字.求X 的分布律与分布函数.4.设连续型随机变量X 的概率密度如右,试求:⑴ 系数A ;⑵ X 的分布函数;⑶ (0.10.7)P X <<5.设连续型随机变量X ⑴ 系数k ;⑵ X 的概率密度;⑶ (||0.5)P X <.6.设连续型随机变量X 的分布函数为()arctan ()F x A B x x R =+∈,试求:⑴ 系数A 与B ;⑵ X 的概率密度;⑶ X 在区间(,)a b 内取值的概率.(),011,1F x kx x x ⎧⎪=≤≤⎨⎪≥⎩,§2.31.设离散型随机变量X 的分布律如右,求12,22,12+=-=+=X W X V X U 的分布律.2.设随机变量X 的概率密度为,0,0,)(<≥⎩⎨⎧=-x x e x f x 求随机变量X e Y =的概率密度.3.设随机变量X 在区间(0,)π上服从均匀分布,求:⑴ 随机变量2ln Y X =-的概率密度;⑵ 随机变量sin Z X =的分布函数与概率密度.4.设连续型随机变量X 的概率密度为2/2()()x f x e x R -=∈,求||Y X =的密度.*5.设1()F x 与2()F x 分别为两个随机变量的分布函数,证明:当0,0a b ≥≥且1a b +=时,)()()(21x bF x aF x +=φ可以作为某个随机变量的分布函数.§2.4 一维随机变量的数字特征1.一批零件中有9件合格品与3件次品,往机器上安装时任取一件,若取到次品就弃置一边. 求在取到合格品之前已取到的次品数的期望、方差与均方差.2.设随机变量X 的概率密度为||()0.5,,x f x e x -=-∞<<+∞求,EX DX .3.设随机变量X 的概率密度为2(1),01(),0,x x f x -≤≤⎧=⎨⎩其它求EX 与DX .4.某路公汽起点站每5分钟发出一辆车,每个乘客到达起点站的时刻在发车间隔的5分钟内均匀分布.求每个乘客候车时间的期望(假定汽车到站时,所有候车的乘客都能上车).5.某工厂生产的设备的寿命X(以年计)的概率密度为/400.25,()0,x xef xx->⎧=⎨<⎩,工厂规定,出售的设备若在一年之内损坏可以调换.若出售一台设备可赢利100元,调换一台设备厂方需花费300元,试求厂方出售一台设备净赢利的数学期望.*6.某工厂计划开发一种新产品,预计这种产品出售一件将获利500元,而积压一件将损失2000元. 而且预测到这种产品的销售量Y(件)服从指数分布(0.0001)E. 问要获得利润的数学期望最大,应生产多少件产品?第三章 多维随机变量及其分布§3.1 二维随机变量1.设随机变量),(Y X 只取下列数组中的值:)0,0(、)1,1(-、)31,1(-、)0,2(且相应的概率依次为61、31、121、125.求随机变量),(Y X 的分布律与关于X 、Y 的边缘分布律.2.一只口袋中装有四只球,球上分别标有数字1、2、2、3. 从此袋中任取一只球,取后不放回,再从袋中任取一只球.分别以X 与Y 表示第一次、第二次取到的球上标有的数字,求X 与Y 的联合分布律与关于X 、Y 的边缘分布律.3.设随机变量),(Y X 的概率密度,其它+∞≤≤+∞≤≤⎩⎨⎧=+-y x ce y x f y x 0,0,0,),()(2 试求:⑴ 常数c ;⑵ ),(Y X 的分布函数),(y x F ;⑶ }1{≤+Y X P .4.设随机变量),(Y X 的概率密度为 4.8(2),01,0(,)0,y x x y xf x y -≤≤≤≤⎧=⎨⎩,其它求关于X 、Y 的边缘概率密度.5.设随机变量),(Y X 在G 上服从均匀分布,其中G 由x 轴、y 轴及直线12+=x y 所围成,试求:⑴ ),(Y X 的概率密度),(y x f ;⑵ 求关于X 、Y 的边缘概率密度.*6.设某班车起点站上车的人数X 服从参数为(0)λλ>的泊松分布,每位乘客在中途下车的概率为(01),p p <<乘客中途下车与否相互独立,并以Y 表示在中途下车的人数.求:⑴ 在发车时有n 个乘客的条件下,中途有m 人下车的概率;⑵ (,)X Y 的分布律.§1.设随机变量X 与Y 相互独立右表给出二维随机变量),(Y X 律及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.2.设随机变量),(Y X 分布律如右:⑴ a 、b 、c 时X 与Y 相互独立?⑵写出),(Y X 的分布律与边缘分布律.3.设随机变量X 在1、2、3、4四个整数中等可能地取值,而随机变量Y 在X ~1中等可能地取一个整数.求:⑴=X 2时Y ,的条件分布律;⑵=Y 1时X ,的条件分布律.4.设随机变量),(Y X 的概率密度为其它0,0,0,),()(>>⎩⎨⎧=+-y x e y x f y x .⑴ 求)|(|x y f X Y ;⑵ 求)|(|y x f Y X ;⑶ 说明X 与Y 的独立性.*5. 箱子中装有12只开关(其中2只是次品),从中取两次,每次取一只,并定义随机变量如下:0,1,X ⎧=⎨⎩若第一次取出的是正品若第一次取出的是次品; 0,1,Y ⎧=⎨⎩若第二次取出的是正品若第二次取出的是次品 ,试在放回抽样与不放回抽样的两种试验中,求关于X 与Y 的条件分布律,并说明X 与Y 的独立性.* 6.设随机变量),(Y X 的概率密度为,||,10(,)0,cy x x f x y <--<<⎧=⎨⎩,其它求参数c 与条件概率密度)|(,)|(||y x f x y f Y X X Y .§3.31. 设),(Y X 的分布律如右,求 ⑴0|3{,}2|2{====X Y P Y X P ⑵ ),max(Y X V =的分布律;⑶ ),min(Y X U =的分布律;⑷ Y X W +=的分布律.2.设X 与Y 是相互独立的随机变量,它们分别服从参数为1λ、2λ的泊松分布. 证明Y X Z +=服从参数为21λλ+的泊松分布.3.设随机变量X 与Y 相互独立,且都服从参数为0.25p =的两点分布,记随机变量Z 为1,0,X Y Z X Y +⎧=⎨+⎩为奇数,非为奇数求X 与Z 的联合分布律与EZ .4.设随机变量X 与Y 相互独立,其概率密度分别为321100,,(),(),32000,0,yxX Y x y e e f x f y x y --⎧⎧≥≥⎪⎪==⎨⎨<<⎪⎪⎩⎩求随机变量U X Y =+的概率密度.5.某种商品一周的需求量X 是一个随机变量,其概率密度为⎩⎨⎧≤>=-0,0,)(x x xe x f x .设各周的需求量是相互独立的,试求:⑴ 两周;⑵ 三周的需求量的概率密度.6.设某种型号的电子管的寿命(以小时记)近似地服从(1160)E 分布. 随机地选取4只,将其串联在一条线路中,求此段线路的寿命超过180小时的概率。

金融数学与金融工程专业攻读硕士学位研究生培养方案 (专业代码

金融数学与金融工程专业攻读硕士学位研究生培养方案 (专业代码

金融数学与金融工程专业攻读硕士学位研究生培养方案(专业代码:070121)一、培养目标本专业培养适合在政府管理、金融保险、金融避险技术、工程技术、环保医学等部门从事信息处理、数据分析、经济预测等方面工作的高级专门人才;同时也为高等院校和科研机构培养能胜任金融数学与金融工程教学科研工作的高层次人才。

本专业培养的研究生能较好地掌握马克思主义基本原理和科学方法论,热爱祖国,坚持党的四项基本原则,具有团结协作精神和坚持真理献身科学的优良品质,有较高的创新能力,身心健康。

业务方面的要求为:硕士学位获得者应具有扎实的概率统计的基础理论知识和系统的专门知识。

了解目前本学科的进展和动向,能熟练运用计算机,能进行有关的理论或方法的研究,能运用专业知识解决某些实际应用问题。

较为熟练地掌握一门外国语,能阅读本专业的外文资料。

二、研究方向(一)金融数学、金融工程与金融管理研究股票、期权和其它衍生证券的定价问题,探讨证券的风险控制和随机计算的方法。

(二)非线性预期与倒向随机微分方程主要研究倒向随机微分方程的基本理论及其应用,理性与非理性预期。

(三)金融、保险中的数学理论和应用研究保险金融中的数学模型,为有关部门提供咨询服务。

(四)树立金融中的随机控制与随机分析方法利用随机分析研究经济及金融理论,揭示人们的理性预期、非理性预期以及偏好与信念之间的关系。

三、学习年限脱产研究生学习年限为2-3年,一般为3年,在职研究生的学习年限顺延一年。

四、应修总学分数应修总学分:不少于30学分,其中必修25学分。

五、课程设置(具体见课程设置一览表)1、必修课马克思主义理论课3学分第一外国语4学分、专业外语1学分。

学位基础课2门,不少于6学分,学位专业课2门,不少于4学分。

前沿讲座2学分:(1)讲座课的内容:数学学科及其下属的二级学科组织的综合或专题报告会(2)每学期至少参加3次讲座,以书面报告的形式进行考核。

要求对数学中若干重要方向的发展有所了解。

概率论与数理统计答案第六章

概率论与数理统计答案第六章

第六章 样本及抽样分布1.[一] 在总体N (52,6.32)中随机抽一容量为36的样本,求样本均值X 落在50.8到53.8之间的概率。

解: 8293.0)78()712(}63.68.163.65263.62.1{}8.538.50{),363.6,52(~2=-Φ-Φ=<-<-=<<X P X P N X2.[二] 在总体N (12,4)中随机抽一容量为5的样本X 1,X 2,X 3,X 4,X 5. (1)求样本均值与总体平均值之差的绝对值大于1的概率。

(2)求概率P {max (X 1,X 2,X 3,X 4,X 5)>15}. (3)求概率P {min (X 1,X 2,X 3,X 4,X 5)>10}.解:(1)⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧>-=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧>-=>-25541225415412}112{|X P X P X P =2628.0)]25(1[2=Φ-(2)P {max (X 1,X 2,X 3,X 4,X 5)>15}=1-P {max (X 1,X 2,X 3,X 4,X 5)≤15}=.2923.0)]21215([1}15{1551=-Φ-=≤-∏=i i X P (3)P {min (X 1,X 2,X 3,X 4,X 5)<10}=1- P {min (X 1,X 2,X 3,X 4,X 5)≥10}=.5785.0)]1([1)]21210(1[1}10{15551=Φ-=-Φ--=≥-∏=i i X P 4.[四] 设X 1,X 2…,X 10为N (0,0.32)的一个样本,求}.44.1{1012>∑=i i X P解:)5(1.0}163.0{}44.1{),10(~3.0101221012221012查表=>=>∑∑∑===i ii ii iX P XP χX7.设X 1,X 2,…,X n 是来自泊松分布π (λ )的一个样本,X ,S 2分别为样本均值和样本方差,求E (X ), D (X ), E (S 2).解:由X ~π (λ )知E (X )= λ ,λ=)(X D∴E (X )=E (X )= λ, D (X )=.)()(,)(2λX D S E nλnX D ===[六] 设总体X~b (1,p),X 1,X 2,…,X n 是来自X 的样本。

北京工业大学博士研究生考试参考书目

北京工业大学博士研究生考试参考书目
1030
俄语
详见俄语考试大纲(登陆北京工业大学研招网首页查询)
1040
德语
详见德语考试大纲(登陆北京工业大学研招网首页查询)
2020
建筑设计与构造
教材编写组.《建筑构造》(一、二).中国建筑工业出版社,2008.11
2030
数值分析
李庆扬.《数值分析》.华中工学院出版社,2008
2040
流体力学
1、吴望一.《流体力学》.北京大学出版社,2004 2、张也影.《流体力学》.高等教育出版社,2007
3130
检测理论与应用
孙传友.《感测技术基础》.电子工业出版社,2006
3140
人工智能
蔡自兴、徐光佑.《人工智能及其应用》(第三版).清华大学出版社,2003
3170
信息论基础
周荫清.《信息理论基础》.北京航空航天大学出版社,2002
3180
数字语音信号处理
鲍长春.《数字语音编码原理》.西安电子科技大学出版社,2007
3231
高等岩石力学
黄醒春.《岩石力学》.高等教育出版社,2005
3240
地震工程学
1、沈聚敏,周锡元等.《抗震工程学》.中国建筑工程出版社,2000 2、胡聿贤.《地震工程学》.地震出版社,2006
3241
城乡规划防灾理论与实践
1、翟宝辉 等.《城市综合防灾》.中国发展出版社,2007 2、马东辉 等.《城市抗震防灾规划标准实施指南》.中国建筑工业出版社,2008
2390
高等有机化学
荣国斌.《高等有机化学基础》(第三版).化学工业出版社,2009
2400
环境微生物学
周群英.《环境工程微生物学》(第三版).高等教育出版社,2008

随机变量序列的收敛性及其相互关系

随机变量序列的收敛性及其相互关系

长江大学毕业论文题目名称随机变量序列的收敛性及其相互关系院(系)信息与数学学院专业班级信计11001班学生姓名傅志立指导教师李治辅导教师_________ 李治______________摘要:概率极限理论不仅是概率论的重要组成部分,而且在数理统计中有广泛的应用。

本文主要对a.e.收敛、依概率收敛、依分布收敛、r—阶收敛四种随机变量序列的概率和收敛性性质进行阐述;并结合具体实例讨论了它们之间的关系,进一步对概率论中依分布收敛的等价条件和一些依概率收敛的弱大数定律进行了具体的研究.目录1......................................................................................... 引言2......................................................................................... a.e.收敛、依概率收敛、依分布收敛、r—阶收敛的概念、性质及其相互关系.2.1 a.e.收敛的概念及性质2.2依概率收敛的概念及性质2.3依分布收敛的概念及性质2.4r-阶收敛的概念及性质2.5结论3......................................................................................... 随机变量序列依分布收敛的等价条件4......................................................................................... 随机变量∑=nkkn11ξ依概率收敛的一些结果5......................................................................................... 小结6......................................................................................... 参考文献1.引言:在数学分析和实变函数中“收敛性”极为重要,特别在实变函数中对可测函数列收敛性的讨论。

概率论与数理统计答案第六章

概率论与数理统计答案第六章

第六章 样本及抽样分布1.[一] 在总体N (52,6.32)中随机抽一容量为36的样本,求样本均值X 落在50.8到53.8之间的概率。

解: 8293.0)78()712(}63.68.163.65263.62.1{}8.538.50{),363.6,52(~2=-Φ-Φ=<-<-=<<X P X P N X2.[二] 在总体N (12,4)中随机抽一容量为5的样本X 1,X 2,X 3,X 4,X 5. (1)求样本均值与总体平均值之差的绝对值大于1的概率。

(2)求概率P {max (X 1,X 2,X 3,X 4,X 5)>15}. (3)求概率P {min (X 1,X 2,X 3,X 4,X 5)>10}.解:(1)⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧>-=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧>-=>-25541225415412}112{|X P X P X P =2628.0)]25(1[2=Φ-(2)P {max (X 1,X 2,X 3,X 4,X 5)>15}=1-P {max (X 1,X 2,X 3,X 4,X 5)≤15}=.2923.0)]21215([1}15{1551=-Φ-=≤-∏=i i X P (3)P {min (X 1,X 2,X 3,X 4,X 5)<10}=1- P {min (X 1,X 2,X 3,X 4,X 5)≥10}=.5785.0)]1([1)]21210(1[1}10{15551=Φ-=-Φ--=≥-∏=i i X P 4.[四] 设X 1,X 2…,X 10为N (0,0.32)的一个样本,求}.44.1{1012>∑=i i X P解:)5(1.0}163.0{}44.1{),10(~3.0101221012221012查表=>=>∑∑∑===i ii ii iX P XP χX7.设X 1,X 2,…,X n 是来自泊松分布π (λ )的一个样本,X ,S 2分别为样本均值和样本方差,求E (X ), D (X ), E (S 2).解:由X ~π (λ )知E (X )= λ ,λ=)(X D∴E (X )=E (X )= λ, D (X )=.)()(,)(2λX D S E nλnX D ===[六] 设总体X~b (1,p),X 1,X 2,…,X n 是来自X 的样本。

测度与概率(严士健 刘秀芳)第八章答案

测度与概率(严士健 刘秀芳)第八章答案

ε
+P (|Xn

X|
>
) 2M1
+
P (|Y
|
>
M1)
ε
ε


+
P (|Yn

Y
|
>
) 2M2
+
P (|Xn

X|
>
M2

M1)
+
P (|Xn

X|
>
2M1
).
因为 Xn →P X 和Yn →P Y , 所以上式两端令 n→∞, 可得 limn→∞ P (|XnYn−XY | > ε) ≤ 2η, 由 η 的任意性, 可得 limn→∞ P (|XnYn − XY | > ε) = 0, 即 XnYn →P XY 得证.
1
对于 ∀ k ≤ N2, 存在 Mk s.t.
P (|Xk|
>
Mk )
<
ε 2N2
.
于是, 若取 M (ε) :=
max{N1 + 1, M1, · · · , MN2}, 则
P (sup |Xn| ≤ M (ε)) = P (∩∞ n=1{|Xn| ≤ M (ε)})
= 1 − P (∪∞ n=1{|Xn| ≤ M (ε)}) ∑ N2
注: 单是对于本题的结论, 条件 infn EXn > −∞ 多余, 当然要用控制收敛 定理来证明本题的话需要.
§8.3
证明H¨older 不等式和Minkowski 不等式. (1) 证明H¨older 不等式.
先证明Younger 不等式:
ab ≤

严加安测度论的答案

严加安测度论的答案
严加安测度论的答案
【篇一:数理统计】
>考试大纲
二级学科:概率论与数理统计考试科目:数理统计考试时间:180分钟
------------------------------------------------------
考试形式:数理统计专业硕转博资格考试综卷由两部分组成,总分为150分,其中概率论部分满分50分,数理统计部分满分100分。
to do as we please. instead, they knew that our power grows through its
prudent use; our security emanates from the justness of our cause, the force of our example, the tempering qualities of humility and restraint.
recall that earlier generations faced down fascism and communism not just with missiles and tanks, but with sturdy alliances and enduring convictions. they understood that our power alonecannot protect us, nor does it entitle us
as for our common defence, we reject as false the choice between our safety and our ideals. our founding fathers, faced with perils we can scarcely imagine, drafted a charter to assure the rule of law and the rights of man, a charter expanded by the blood of generations. those ideals still light the world, and we will not give them up for expediences sake. and so to all other peoples and governments who are watching today, from the grandest capitals to the small village where my father was born: know that america is a friend of each nation and every man, woman and child who seeks a future of peace and dignity, and that we are ready to lead once more.

测度论答案

测度论答案
(
0 c
z rp z {p ° p 2p g p c 3 P3 3 PH& gc5@ P3 | s s fp 3 Y r( ¤"
Y
p 53
¨ § Uh
y x g" Uw#" ~ ! @ @ @ i x0 p s q rp s q rp p 6 wWe#0 3 %e#& v u t mlj& Q o nl mlj
p c p p3 p6cs 6 CQ 6 2 @ f 0 CQ H& 2 @ 6 3 § s z {p p p c p à 3 6 2 @ 5` wI1I( C 6 w Y Y 6 { 6 rIHG& z 0 § dQ s z} z} z} z {p z } 3 {p z } } c 3 § s }p 6 c s ± § p CQ }p 6 c s c s 2 @ 9p CQ }p 6 c s 2 c s @ } c s z rp p c p } @ } ` I"YI( e YC w w } 6 } 6 { à § ( Y i v0(& s2 } z " p z ×p 2 c {p 3 Q } p @ 8 p w ii d w i "0IWQ 3#& w 3 s z{p c p 8 ± w i § ¤A6 3 Q @ 3 A6 @6 Q 6 s2 d § $i q c @ p v x y p 6 c z rp s
E D S R P I H F QG0 l#l&
l e0 k&
ü
0 G 0 ( eIH& 1)&
7 6
w
0 H 3
z z z 4 5 %3 & c p y @ 3 c p y 3 c p %3 @ 4

概论论与数理统计课本答案CH6 ans

概论论与数理统计课本答案CH6 ans

概率论第六章习题解答习题6.11. 求下列总体分布中参数的矩估计:(1)21,01,(;)0,,x x f x θθθ+−≤≤⎧=⎨⎩其他 其中θ < 1;(2)f (x ; p ) = p (1 − p ) x − 1,x = 1, 2, …;其中0 < p < 1;(3)1211221e ,,(;,)0,,x x f x θθθθθθ−−⎧⎪≥=⎨⎪⎩其他 其中−∞ < θ 1 < +∞,θ 2 > 0. 解:(1)因11320021211E()(21)d ()323226X x x x x x θθθθθθθ−−=+−=+=+=+∫,有θ = 6 E (X ) − 3,故θ 的矩估计为ˆ63X θ=−; (2)因1121111d d d 11E()(1)d d d 1(1)x x x x x x x x q X x p p p x qp q p q p p q q q q p q ∞∞∞∞−−====⎛⎞=⋅−=⋅=====⎜⎟−−⎝⎠∑∑∑∑, 故1E()p X =,p 的矩估计为1ˆpX=; (3)因∫∫∫∞+−−+∞−−∞+−−∞+−−+−=−⋅=⋅=121121121121d eede)1(d e1)(E 2θθθθθθθθθθθθθx x x x x X x x x x212121121eeθθθθθθθθθ+=−−=+∞−−+∞−−x x x ,且∫∫∫∞+−−+∞−−∞+−−∞+−−⋅+−=−⋅=⋅=121121121121d 2eede)1(d e1)(E 22222θθθθθθθθθθθθθx x x x x x X x x x x22212122122222)(E 2d e12e121121θθθθθθθθθθθθθθ++=+=⋅+−=∫∞+−−+∞−−X x x x x x , 则2222122212122)(22)](E [)(E )(D θθθθθθθ=+−++=−=X X X ,即)(D 2X =θ,)(D )(E 1X X −=θ,故θ 1和θ 2的矩估计为n S X −=1ˆθ,nS =2ˆθ. 2. 求下列总体分布中参数的极大似然估计:(1)f (x ; θ ) = θ (1 − θ ) x − 1,x = 1, 2, …;其中0 < θ < 1; (2)λλλ−=e !);(x x f x,x = 0, 1, 2, …;其中λ > 0;(3)222)(ln 2eπ21),;(σµσσµ−−=x xx f ,x = 0;其中−∞ < µ < +∞,σ > 0.解:(1)nx nx x x n ni i n x f x f x f L −−−−∑−=−−⋅−===121)1()1()1()1();();();()(11121θθθθθθθθθθθθ"",即)1ln()(ln )(ln 1θθθ−−∑+==n x n L ni i ,令011)(1d )(ln d 1=−−⋅−∑+⋅==θθθθn x n L n i i ,得xx nni i11==∑=θ, 故θ 的极大似然估计为X1ˆ=θ; (2)λλλλλλλλλλλλn n x n x x x n x x x x x x x f x f x f L ni in−−−−∑=⋅===e !!!e !e !e !);();();()(212121121""",即λλλn x x x x L n ni i −−⋅∑==)!!!ln(ln )(ln 211",令01d )(ln d 1=−⋅∑==n x L n i i λλλ,得x x n ni i ==∑=11λ, 故λ 的极大似然估计为X =λˆ; (3)),;(),;(),;(),(222212σµσµσµσµn x f x f x f L "=212222222212)(ln 212)(ln 2)(ln 22)(ln 1e)π2(1eπ21eπ21eπ21σµσµσµσµσσσσ∑===−−−−−−−−ni i n x nnx nx x x x x x x x "",即21221222)(ln )ln()ln π2(ln 2),(ln σµσσµ∑−−−+−==ni i n x x x x nL ",令0ln 2)1()(ln 2),(ln 21212=−∑=∑−⋅−−=∂∂==σµσµµσµn x x L ni i ni i ,得∑==ni i x n 1ln 1µ,再令02)(ln 12),(ln 412222=∑−+⋅−=∂∂=σµσσσµni i x n L ,得∑−==n i i x n 122)(ln 1µσ, 故µ和σ 2的极大似然估计为∑==n i i X n 1ln 1ˆµ,∑−===∧∑n i n i i i X n X n 1212)ln 1(ln 1σ. 3. 设总体X 的密度函数为⎩⎨⎧<<+=,,0,10,)1();(其他x x x f θθθ求参数θ 的极大似然估计与矩法估计,并看看它们是否一致?今获得样本观测值为0.4, 0.7, 0.27, 0.55,0.68, 0.31, 0.45, 0.83.试分别求θ 的极大似然估计值与矩估计值.解:因121212()(;)(;)(;)(1)(1)(1)(1)()n n n n L f x f x f x x x x x x x θθθθθθθθθθθθ==+⋅++=+""",即ln L (θ ) = n ln (θ + 1) + θ ln (x 1 x 2 … x n ),令12d ln ()1ln()0d 1n L n x x x θθθ=⋅+=+", 则12111ln()ln nn ii nnx x x x θ==−−=−−∑",故θ 的极大似然估计为1ˆ1ln nii nX θ==−−∑;因1211E()(1)d (1)22xX x x x θθθθθθθ++=⋅+=+⋅=++∫,有2E()11E()X X θ−=−,故θ 的矩法估计为21ˆ1X Xθ−=−; 显然参数θ 的极大似然估计与矩法估计不一致;又因样本观测值为0.4, 0.7, 0.27, 0.55, 0.68, 0.31, 0.45, 0.83,有1(0.40.70.83)0.523758x =+++=",故θ 的极大似然估计值为8ˆ10.3982ln 0.4ln 0.7ln 0.83θ=−−=+++",θ 的矩估计值为20.523751ˆ0.099710.52375θ×−==−. 习题6.21. 设容量为3的随机样本X 1 , X 2 , X 3取自概率密度函数为1,0,(;)0,,x f x θθθ−⎧<<⎪=⎨⎪⎩其他的总体.证明1(1)ˆ4X θ=和2(3)ˆ43X θ=都是θ 的无偏估计量. 证:总体X 的分布函数为0,0,(;),0,1,,x x F x x x θθθθ<⎧⎪⎪=≤<⎨⎪≥⎪⎩则容量为3的样本的最小顺序统计量X (1) 的分布函数和密度函数为33(1)0,0,(;)1[1(;)]11,0,1,,x x F x F x x x θθθθθ<⎧⎪⎪⎛⎞=−−=−−≤<⎨⎜⎟⎝⎠⎪⎪≥⎩23(1)(1)3(),0,(;)(;)0,x x f x F x θθθθθ⎧−<<⎪′==⎨⎪⎩其他且最大顺序统计量X (3) 的分布函数和密度函数为33(3)0,0,(;)[(;)],0,1,,x x F x F x x x θθθθθ<⎧⎪⎪⎛⎞==≤<⎨⎜⎟⎝⎠⎪⎪≥⎩23(3)(3)3,0,(;)(;)0,x x f x F x θθθθ⎧<<⎪′==⎨⎪⎩其他得234222321(1)33300031212ˆE()4E()4()d (2+)d 2+234x x x X x x x x x x x θθθθθθθθθθθθθ⎛⎞==⋅−=−=−=⎜⎟⎝⎠∫∫,2432(3)33300044344ˆE()E()d d 334x x X x x x x θθθθθθθ==⋅==⋅=∫∫,故1(1)ˆ4X θ=和2(3)ˆ43X θ=都是θ 的无偏估计量. 2. 设总体X 服从伯努利分布B (1, p ),p 为未知参数(0 < p < 1).样本X 1 , …, X n 来自于X .(1)证明:当n = 1时,p 2不存在无偏估计;(2)若n ≥ 2,求p 2的一个无偏估计量. 解:(1)当n = 1时,样本X 1的概率分布为101~1X p p ⎛⎞⎜⎟−⎝⎠, 则任何统计量T = T (X 1)的数学期望为E (T ) = T (0) ⋅ (1 − p ) + T (1) ⋅ p = T (0) + [T (1) − T (0)] ⋅ p ≠ p 2, 故当n = 1时,p 2不存在无偏估计;(2)若n ≥ 2,有样本均值11n i i X X n ==∑,样本方差2211()1n i i S X X n ==−−∑, 则E()E()X X p ==,22E()D()(1)S X p p p p ==−=−,即222E()E()E()X S X S p −=−=, 故2X S −是p 2的一个无偏估计量.3. 设从均值为µ ,方差为σ 2(> 0)的总体X 中分别抽取容量为n 1 , n 2的两个独立样本,样本均值分别为1X 和2X .试证:对于任意满足条件a + b = 1的常数a 和b ,12ˆaX bX µ=+都是µ 的无偏估计,并确定a 、b 使方差ˆD()µ达到最小. 解:因12E()E()X X µ==,211D()X n σ=,222D()X n σ=,有12ˆE()E()E()()a X b X a b a b µµµµ=+=+=+,故当a + b = 1时,ˆE()µµ=,12ˆaX bX µ=+都是µ 的无偏估计; 又22222222222121112121212()2(1)ˆD()D()D()(1)n n a n a n a a a X b X a a n n n n n n σσµσ⎡⎤+−+−=+=⋅+−⋅=+=⎢⎥⎣⎦, 令212112ˆ2()2d D()0d n n a n a n n µσ+−==,得112n a n n =+,且2212212ˆ2()d D()0d n n n n a µσ+=>,故当112n a n n =+,2121n b a n n =−=+时,方差ˆD()µ达到最小. 4. 设X 1 , X 2 , X 3 , X 4是来自均值为θ 的指数分布的样本,其中θ 未知.证明下列三个估计量1123411()()36T X X X X =+++,212341(6543)10T X X X X =+−+,T 3 = 2 X 1 − X 2 + 3 X 3 − 3 X 4 ,均为θ的无偏估计量,并说明上述估计量中哪个最有效.证:因总体X 服从均值为θ 的指数分布,即X ~ e (1/θ ),有E (X ) = θ ,D (X ) = θ 2 ,则112341111E()[E()E()][E()E()]()()3636T X X X X θθθθθ=+++=+++=,2123411E()[6E()5E()4E()3E()](6543)1010T X X X X θθθθθ=+−+=+−+=,E (T 3) = 2 E (X 1) − E (X 2) + 3 E (X 3) − 3 E(X 4) = 2θ − θ + 3θ − 3θ = θ , 故T 1 , T 2 , T 3均为θ 的无偏估计量;又222221123411115D()[D()D()][D()D()]()()93693618T X X X X θθθθθ=+++=+++=, 22222212341143D()[36D()25D()16D()9D()](3625169)10010050T X X X X θθθθθ=+++=+++=,D (T 3) = 4 D (X 1) + D (X 2) + 9 D (X 3) + 9 D (X 4) = 4θ 2 + θ 2 + 9θ 2 + 9θ 2 = 23θ 2 , 显然D (T 1) < D (T 2) < D (T 3), 故T 1最有效,T 2其次,T 3最差.5. 设ˆθ是参数θ 的无偏估计量,且ˆD()0θ>,试证:2ˆ()θ不是θ 2的无偏估计量. 证:因ˆθ是参数θ 的无偏估计量,即ˆE()θθ=,有2222ˆˆˆˆE[()]()[E()]()D D θθθθθθ=+=+>, 故2ˆ()θ不是θ 2的无偏估计量. 习题6.31. 随机地从一批零件中抽取10个,测得其长度(单位:cm )为:2.13, 2.14, 2.12, 2.13, 2.11, 2.15, 2.14, 2.13, 2.12, 2.13.假设该批零件的长度服从正态分布N (µ , σ 2),试求总体均值µ 的置信系数为95%的置信区间:(1)若已知σ = 0.01;(2)若σ 未知. 解:(1)单个正态总体,已知σ ,估计µ ,总体均值µ 的点估计为X,枢轴量为~(0,1)X U N =,置信系数1 − α = 0.95,置信区间为/2/2(X u u αα−+,因1(2.13 2.14 2.13) 2.1310x =+++=",σ = 0.01,n = 10,u 0.025 = 1.96, 故µ 的置信系数95%的置信区间为(2.13 1.96 2.13 1.96(2.1238,2.1362)−+=;(2)单个正态总体,未知σ ,估计µ ,总体均值µ 的点估计为X,枢轴量为~(1)X T t n =−,置信系数1 − α = 0.95,置信区间为/2/2((1)(1)X t n t n αα−−+−,因1(2.13 2.14 2.13) 2.1310x =+++=", 222221[(2.13 2.13)(2.14 2.13)(2.13 2.13)]0.01159s =−+−++−=",n = 10,t 0.025 (9) = 2.2622,故µ 的95%置信区间为(2.13 2.2622 2.13 2.2622(2.1217,2.1383)−+=.2. 为估计制造某件产品所需的单件平均工时(单位:小时),现制造了五件,记录所需工时为:10.5, 11, 11.2, 12.5, 12.8.设制造单件产品所需工时服从正态分布,试求单件平均工时的置信系数95%的置信区间.解:单个正态总体,未知σ ,估计µ ,总体均值µ 的点估计为X,枢轴量为~(1)X T t n =−,置信系数1 − α = 0.95,置信区间为/2/2((1)(1)X t n t n αα−−+−,因1(10.51112.8)11.65x =+++=",222221[(10.511.6)(1111.6)(12.811.6)]0.99754s =−+−++−=",n = 5,t 0.025 (4) = 2.7764,故µ 的95%置信区间为(11.6 2.7764 2.7764(10.3615,12.8385)−+=.3. 设有两台机床用来生产规格相同的铝合金薄板.随机选取每台机床轧制的产品若干张,测得它们的厚度(单位:cm )如下:机器I :0.243, 0.238, 0.248, 0.245, 0.236, 0.241, 0.239, 机器II :0.261, 0.254, 0.255, 0.257, 0.253, 0.250,设两台机床所生产的薄板的厚度服从方差相等的正态分布.试给出两台机床生产的铝合金薄板平均厚度差的置信系数为95%的置信区间.解:两个正态总体,未知22,x y σσ(但22x yσσ=),估计µ x −µ y ,均值差µ x −µ y 的点估计为X Y −,枢轴量为()()~(2)X Y T t n m µµ−−−=+−, 置信系数1 − α = 0.95,置信区间为(, 因1(0.2430.2380.239)0.24147x =+++=",1(0.2610.2540.250)0.2556y =+++=", 222221[(0.2430.2414)(0.2380.2414)(0.2390.2414)]0.00426x s =−+−++−=",222221[(0.2610.255)(0.2540.255)(0.2500.255)]0.00375ys =−+−++−=", n = 7,m = 6,t 0.025 (11) = 2.2010, 故µ 的95%置信区间为(0.24140.255 2.2010(0.0185,0.0087)−±=−−.4. 由容量为15,取自正态总体N (µ , σ 2)的随机样本算得23.2, 4.24x s ==,确定σ 2和σ 的置信系数90%的置信区间.解:单个正态总体,估计σ 2,总体方差σ 2的点估计为S 2,枢轴量为2222(1)~(1)n S n χχσ−=−,置信系数1 − α = 0.90,置信区间为2222/21/2(1)(1)(,)(1)(1)n S n S n n ααχχ−−−−−,因s 2 = 4.24,n = 15,20.05(14)23.685χ=,20.95(14) 6.571χ=,故σ 2的90%置信区间为14 4.2414 4.24(,(2.5062,9.0336)23.685 6.571××=; σ 的90%置信区间为(1.5831,3.0056)=.5. 设有两个化验员A 和B 独立对某种聚合物中的含氯量用同一种方法各做了10次测定,其测定值的方差分别为220.512,0.665ABs s ==.假定各自的测定值均服从正态分布,方差分别为2Aσ和2Bσ,求22ABσσ的置信系数为0.90的置信区间.解:两个正态总体,估计22A B σσ,方差比22A Bσσ的点估计为22A B S S ,枢轴量为2222~(1,1)A AB B S F F n m S σσ=−−,置信系数1 − α = 0.90,置信区间为2222/22222/21/2/2111(,)(,(1,1))(1,1)(1,1)(1,1)A A A A B B B BS S S S F m n F n m F n m F n m S S S S αααα−⋅⋅=⋅⋅−−−−−−−−,因220.512,0.665A B s s ==,n = 10,m = 10,F 0.05 (9, 9) = 3.18,故22A Bσσ的置信系数为0.90的置信区间为0.51210.512(, 3.18)(0.2421,2.4484)0.665 3.180.665××=.6. 设枪弹的速度(单位:米/秒)服从正态分布.为了比较两种枪弹的速度,在相同的条件下进行了速度测定.算得数据如下:枪弹甲:m = 110,2810x =,s x = 121.41;枪弹乙:n = 100,2682y =,s x = 105.06.试求这两种枪弹的平均速度之差的置信系数近似为95%的置信区间.解:两个正态总体,未知22,x yσσ(大样本),估计µ x −µ y ,均值差µ x −µ y 的点估计为X Y −,大样本情形下枢轴量为()()~(0,1)X Y T N µµ−−−=,置信系数1 − α = 0.95,置信区间为(,因m = 110,2810x =,s x = 121.41,n = 100,2682y =,s x = 105.06,u 0.025 = 1.96,故µ x −µ y 的95%置信区间为(28102682 1.96(97.36,158.64)−±=.复习题六1. 设X 1 , …, X n 为来自总体X 的样本,X 的概率密度函数为22(),0,(;)0,,x x f x θθθθ⎧−<<⎪=⎨⎪⎩其他 其中θ(> 0)是未知参数.试求参数θ 的矩估计量. 解:因3323222002212E()()d ()()23233X x x x x x θθθθθθθθθθ=⋅−=−=−=∫,有θ = 3 E (X ),故θ 的矩估计为ˆX θ=. 注:此题有误,密度函数非零取值范围应为0 < x < θ .2. 伯莱托(Pareto )分布是常用于研究收入的模型,其分布函数为⎪⎩⎪⎨⎧<≥⎟⎠⎞⎜⎝⎛−=,,0,,1),;(111212θθθθθθx x x x F 其中θ 1 > 0,θ 2 > 0.若随机样本X 1 , …, X n 取自该分布,求θ 1与θ 2的极大似然估计量.解:伯莱托分布的密度函数为⎪⎩⎪⎨⎧<≥⋅=′=+,,0,,),;(),;(11112212122θθθθθθθθθθx x x x F x f则1211211212121112212122112122222222)(),;(),;(),;(),(++++=⋅==θθθθθθθθθθθθθθθθθθθθθθθθn n nnn x x x x x x x f x f x f L """,即ln L (θ 1, θ 2) = n ln θ 2 + n θ 2 ln θ 1 − (θ 2 + 1) ln (x 1 x 2 …x n ),显然θ 1越大,ln L (θ 1, θ 2) 就越大,且x i ≥ θ 1,故θ 1的极大似然估计量为)1(11},,min{ˆX X X n =="θ; 令0)ln(ln 1),(ln 2112221=−+⋅=∂∂n x x x n n L "θθθθθ,得111212ln ln 11ln )ln(θθθ−=−=∑=ni i n x n n x x x n ", 故θ 2的极大似然估计量为)1(12ln ln 11ˆX X n ni i −=∑=θ.3. 设总体X 的概率密度为2231/224πe ,0,(;)0,0,xx x f x x ααα−−−⎧⎪>=⎨≤⎪⎩ 试求参数α 的矩估计和极大似然估计,并证明矩估计量是无偏的. 解:因222231/2211/2200E()4πe d 2π(1)de xxX x x x x αααα+∞+∞−−−−−−=⋅=⋅−∫∫22222211/2211/221/21/2002πe2πe d()0(2πe )2πx x x x x ααααααα+∞+∞+∞−−−−−−−−−=−+=+−=∫,故α=,α的矩估计为ˆXα=;因2222221231/2231/2231/221212()(;)(;)(;)4πe4πe4πenx x x n n L f x f x f x x x x αααααααααα−−−−−−−−−==⋅""2213/22124π()eni i x n n n n x x x αα=−−−∑=",即212211ln ()ln 43ln ln π2ln()2nn i i n L n n x x x x ααα==−−+−∑",令231d ln ()1230d n i i L n x αααα==−⋅+=∑,得α=,故α的极大似然估计为ˆα= 4. 设总体X 的密度函数为||1(;)e ,2x f x x λλ−−=−∞<<+∞,试求参数λ(−∞ < λ < +∞)的极大似然估计量.解:112||||||||121111()(;)(;)(;)e e e e 2222ni n i x x x x n n L f x f x f x λλλλλλλλ=−−−−−−−−∑==⋅="",即1ln ()ln 2||ni i L n x λλ==−−−∑,设顺序统计量为x (1) , x (2) , …, x (n ),并且记x (0)为−∞,x (n + 1)为+∞,不妨设x (k ) ≤ λ < x (k + 1),k = 0, 1, …, n − 1, n , 则1111ln ()ln 2()()ln 2()kn k ni i i i i i k i i k L n x x n k x x n k λλλλλ==+==+=−−−−−=−−+−+−∑∑∑∑11ln 2(2)kni i i i k n n k x x λ==+=−+−+−∑∑,若2n k <,有n − 2k < 0,ln L (λ )关于λ 单调增加,若2nk >,有n − 2k < 0,ln L (λ )关于λ 单调减少, 当n 为偶数时,取2nk =,ln L (λ )在()()221n n x x λ+≤<时达到最大,(由连续性知()21n x λ=时也达到最大),故当n 为偶数时,λ 的极大似然估计量ˆλ为区间()()221[,]n n X X+上的任何值;当n 为奇数时,取12n k −=,ln L (λ )在()()1122n n x x λ−+≤<时单调增加,取12n k +=,ln L (λ )在()()1322n n x x λ++≤<时单调减少,即ln L (λ ) 在()12n x λ+=时达到最大,故当n 为奇数时,λ 的极大似然估计量()12ˆn X λ+=.5. 设总体X ~ N (µ , σ 2),X 1 , …, X n 是X 的样本,X 为样本均值,求常数c 和d ,使∑−=+−1121)(n i i i X X c 与∑=−ni i X X d 1||分别为σ 2和σ 的无偏估计.解:因E (X i ) = µ ,2222)](E [)(D )(E µσ+=+=i i i X X X ,则∑∑∑−=++−=++−=+−+=−+=⎥⎦⎤⎢⎣⎡−1112211112211121)](E )(E 2)(E )(E [)2(E )(E n i i i i i n i i i i i n i i i X X X X c X X X X c X X c221122222)1(22)1(]2)()[(σσµµσµσ−=⋅−⋅=−+++=∑−=n c n c c n i ,故当)1(21−=n c 时,21121)(E σ=⎥⎦⎤⎢⎣⎡−∑−=+n i i i X X c ,∑−=+−−1121)()1(21n i i i X X n 为σ 2的无偏估计; 因∑∑≠=−−=−=−ij j i n j j i i X n X n n X n X X X 1111,有i X X −服从正态分布,且E()E()E()0i i X X X X µµ−=−=−=,22222(1)1(1)11D()D()D()(1)i i jj i n n n X X X X n n n n n n σσ≠−−−−=+=+⋅−=∑, 则21~(0,)i n X X N n σ−−~(0,1)X N ,记X Y =Y ~ N (0, 1),则22222200E(||)||d 2d 2y y y Y y yy y+∞−−−+∞+∞−∞===−=∫∫即E(||)i X X −=,11E(||)E(||)n ni i i i d X X d X X d n ==−=−=⋅∑∑,故当d =时,1E ||ni i d X Xσ=⎡⎤−=⎢⎥⎣⎦∑1||n i X X =−为σ 的无偏估计.。

积分与数学期望

积分与数学期望

积分与数学期望作者 闫春霞(燕山大学 理学院,河北 秦皇岛 066004)摘 要:在过去的学习中,积分是数学分析的一个知识点,而数学期望则是初等概率论的随机变量的一个数字特征。

在本文中,将两者都定义在了测度空间上,从而使两者建立起关系。

本文将从两个部分进行讨论。

第一部分是测度空间上的积分的定义与其性质。

第二部分是测度空间(概率空间)上的数学期望的定义与其性质。

这其中包括着两者之间的关系。

关键词:积分;数学期望;测度空间1 积分的定义与性质1.1 积分的定义定义1.1.1 设(),F,μΩ为测度空间,12,,,m A A A ⋅⋅⋅为两两不交的可测集,且1mi i A ==Ω∑,0,1,2,,i x i m ≤≤∞=⋅⋅⋅则称1i mi A i f x I ==∑为非负简单函数,定义在上对的积分为:()11immi A i i i i f d x Id x A μμμΩΩ====∑∑⎰⎰如上,此定义是在测度空间上定义的,所以,显然,讨论积分的空间必为可测空间,而f 正是此可测空间上的一个可测函数(此定义中的是特殊的可测函数——非负简单函数,以下的定义2是一般可测函数的积分定义),并且其在此空间上积分有限的充要条件是f 的测度为有限的,这点在以下的积分的性质中会有体现。

现在,给出一般可测函数的积分定义,我们知道,若f 为可测函数,则,f f +-均为非负可测函数f f f +-=+,于是可以利用非负可测函数的积分来定义一般可测函数的积分。

定义 1.1.2 设f 为可测空间(),F ,μΩ上的可测函数。

如果f d μ+Ω<+∞⎰与f d μ-Ω<+∞⎰至少一个成立,则称f 积分存在,也称积分有意义,将f 在Ω上对μ的积分定义为:f d f d f d μμμ+-ΩΩΩ=-⎰⎰⎰特别地,如果f d μ+Ω<+∞⎰与f d μ-Ω<+∞⎰同时成立,则f d μΩ⎰为一个有限实值,此时称可积。

概率论与数理统计 茆诗松 第二版课后

概率论与数理统计 茆诗松 第二版课后

⎧0,
p(
x)
=
1 θ
Ι 0< x<θ

F
(
x)
=
⎪x ⎪⎨θ
,
⎩1,
x < 0; 0≤ x <θ; x ≥θ.
有 X (1)与 X (3)的密度函数分别为
p1 ( x)
=
3[1 −
F (x)]2
p(x)
=
3(θ − x)2 θ3
Ι 0< x<θ

p3 (x)
=
3[F (x)]2
p(x)
=
3x2 θ3
+
2)

2

Cov(Y(1) ,
Y(n) )
=
n
1 +
2

1 n +1

n n +1
=
(n
1 + 1)2 (n
+
2)
可得
E ⎢⎣⎡
1 2
(X
(1)
+
X
(n)
)⎥⎦⎤
=
1 2
[ E (Y(1)
)
+
E (Y( n )
)]
+
θ

1 2
=
θ

Var⎢⎣⎡
1 2
( X (1)
+
X (n) )⎥⎦⎤
=
1 4
[Var(Y(1) )
n1 + n2
n1 + n2
n1 + n2
8. 设总体 X 的均值为µ ,方差为σ 2,X1, …, Xn 是来自该总体的一个样本,T (X1, …, Xn)为µ 的任一线性

测度与概率(严士健 刘秀芳)第六-七章答案

测度与概率(严士健 刘秀芳)第六-七章答案

j =1 c ((Ck × Ω) ∪ (Ω ×
c c 下面让它依次与 (Ck × Ω) ∪ (Ω × Dk ), k = 3, 4, · · · 做交运算, 可得 c Dk ))
仍然是一个形如 ( {Ai × yi }) (


{ Ai × y i } ) (

{xj × Bj }) 的集合.(此处实际上证得一列形
(
j =1
(xj ×Bj )), 其中Ai , Bj , ∈ F , xj , yi ∈ Ω, i, j, k ≥ 1, 且xj 之间, yi 之间互不相同.

由上面的推导可得 Ac 具有形式 (
(Ai × yi )) (

(xj × Bj )) (

(Ck × Dk )). 总之,
Ac ∈ A . 于是 A 是一 σ - 代数, 从而得 F × F ⊂ A , 而集合 ∆ 不具备 A 中集合的形式, 于 是 ∆ ∈ F × F. 而对于任意 ω1 ∈ Ω, ∆ω1 = {ω1 } ∈ F , 对于任意 ω2 ∈ Ω, ∆ω2 = {ω2 } ∈ F . 此例子 说明命题 “可测集的截口仍可测” 的逆命题不成立, 即: 一个集合尽管它的任何截口都可 测, 但是它本身可能不可测.

(Ai × yi )) (

(xj × Bj )) (

(Ck × Dk )),
i=1
其中Ai , Bj , ∈ F , (Ck )c , (Dk ) 为至多可数集, xj , yi ∈ Ω, i, j, k ≥ 1, 且xj 之间, yi 之间互不相同. 则
∞ ∞ ∞
j =1 c
k=1
A =(
i=1

实分析答案

实分析答案

∥p

1
lim (|E| + 1) p
p→∞
=
1
=
∥f ∥∞.
这样我们就完成了证明.
4.设 µ 是 Rn 上的寻常Lebesgue 测度, p, q ∈ (0, ∞) 且 p ̸= q. 请找一个 f ∈ Lp(Rn)\Lq(Rn).
解 1. 若 0 < q < p, 取函数
{
1, x ∈ B(0, 1);
X
=
[0,
1],A
=
[0,
1 2
),

Ac
=
[
1 2
,
1].
规定 µ(∅) = µ(A) = 0 且 µ(X) = µ(Ac) = 1.
则A
为σ
代数且
µ
是测度.
又记
B
=
[0,
1 3
]
且取函数
{
f (x) =
0, x ∈ A; 1, x ∈/ A.

0, x ∈ B;
g(x) =
2, 1,
x ∈ A\B; x ∈ Ac.


|f |pdµ ≤ lim |fn|pdµ.
E
n→∞ E
这说明
f
也满足 (1′) ∀ (2′) ∀ ϵ
ϵ > 0, ∃ Aϵ ∈ A , µ(Aϵ) < ∞, 使 > 0, ∃ δϵ > 0, 使得对一切可测集

X \Aϵ
|f |pdµ
<
ϵ;
E, 只要µ(E) < δϵ,


E
|f
|pdµ
<
ϵ.

测度论基础

测度论基础

高等概率论(讲义)一般人们对概率论这门学科的理解可以划分为三个层次:一、古典型--未受过任何相关训练的人都属于此类,他们只能够理解一些离散的(古典的)概率模型;二、近代型,通常指学过概率论基础的非数学专业理科生,他们从微积分的角度理解各种连续分布,概率模型的数字特征;三、现代型,这类人能够抽象地从测度论和实分析高度理解这门学科。

建立在测度基础上的概率论通常所谓的高等概率论。

参考书[1] 严士健,王隽骧,刘秀芳;概率论基础,科学出版社,1982[2] 霍尔姆斯,测度论,世界图书出版公司,2007[3] 朱成熹,测度论基础,科学出版社,1991[4] SerflingRJ,Approximation Theorems of Mathematical Statistics,John Wiley & Sons, 1980基本内容[1] 测度与概率[2] 随机变量的刻画:分布函数[3] 随机变量的刻画:特征函数[4] 随机变量的收敛性[5] 渐近分布理论第1章 Lebesgue 测度与概率1.1 集和类 ● 基本概念所谓“集合”就是指具有某种性质,并可以相互区分的元素所汇集成的总体。

不含任何元素的集合称为空集,常用“φ”表示。

[1] 我们所讨论的集合是指某一给定的集合Ω的子集,Ω本身和空集φ也看作Ω的子集。

[2] Ω称为空间,它的子集合称为集,常用大写字母A ,B ,C 等表示;Ω的元素称为点,用ω表示;[3] 由集所构成的集合称为集类,以F C B A ,,,等草写字母表示;如果点ω在集A 中,称ω属于A ,以A ∈ω表示;反之,以A ∉ω表示点ω不在集A 中。

如果对于任意点A ∈ω,均有B ∈ω,则称集A 包含在集B 中,记为B A ⊂;如果B A ⊂,同时A B ⊂,则称A 与B 相等,记为B A =。

[4] 集的基本运算(1)交。

集合A 与B 的交集:A B A ∈=ωω:{ ,同时}B ∈ω (1.1.1)简记为AB 。

北师版高中数学选择性必修第一册课后习题 第6章 概率 1.1 条件概率的概念 (6)

北师版高中数学选择性必修第一册课后习题 第6章 概率 1.1 条件概率的概念 (6)

第六章概率§1随机事件的条件概率1.1 条件概率的概念1.(多选题)下列说法正确的有( ).A.P(AB)≤P(B|A)B.P(B|A)=P(B)P(A)是可能的C.0<P(B|A)<1D.P(A|A)=12.某地区空气质量监测资料表明,一天的空气质量为优良的概率是0.75,连续两天为优良的概率是0.6,已知某天的空气质量为优良,则随后一天的空气质量为优良的概率是( ).A.0.8B.0.75C.0.6D.0.453.甲、乙、丙3人到三个景点旅游,每人只去一个景点,设事件A表示“三个人去的景点不相同”,事件B表示“甲独自去一个景点”,则概率P(A|B)等于( ).A.49B.29C.12D.134.甲、乙两人独立地对同一目标各射击一次,命中率分别为0.6和0.5,现已知目标被击中,则它是被甲击中的概率为( ).A.0.45B.0.6C.0.65D.0.755.从1,2,3,4,5中任取2个不同的数,事件A:“取到的2个数之和为偶数”,事件B:“取到的2个数均为偶数”,则P(B|A)等于( ).A.18B.14C.25D.126.某人一周晚上值班2次,在已知他周日一定值班的条件下,他在周六晚上值班的概率为.7.设A,B为两个事件,若事件A和B同时发生的概率为310,在事件A发生的条件下,事件B发生的概率为12,则事件A发生的概率为.8.投掷两枚质地均匀的骰子,已知点数不同,设两枚骰子点数之和为ξ,求ξ≤6的概率.9.坛子里放着5个相同大小、相同形状的咸鸭蛋,其中有3个是绿皮的,2个是白皮的.如果不放回地依次拿出2个鸭蛋,求:(1)第1次拿出绿皮鸭蛋的概率;(2)第1次和第2次都拿出绿皮鸭蛋的概率;(3)在第1次拿出绿皮鸭蛋的条件下,第2次拿出绿皮鸭蛋的概率.1.某种电子元件用满3 000小时不坏的概率为34,用满8 000小时不坏的概率为12.现有一只此种电子元件,已经用满3 000小时不坏,还能用满8 000小时的概率是( ).A.34B.23C.12D.132.一个口袋内装有大小、质地相同的2个白球和3个黑球,则第一次摸出一个白球后放回,第二次又摸出一个白球的概率是( ).A.23B.14C.25D.153.从混有5张假钞的20张百元钞票中任意抽出2张,将其中1张放到验钞机上检验发现是假钞,则第2张也是假钞的概率为( ).A.119B.1738C.419D.2174.某校组织由A,B,C等5名学生参加的演讲比赛,采用抽签法决定演讲顺序,在“学生A和B都不是第一个出场,B不是最后一个出场”的前提下,学生C第一个出场的概率为( ).A.13B.15C.19D.3205.分别用集合M={2,4,5,6,7,8,11,12}中的任意两个元素作分子与分母构成真分数,已知取出的一个元素是12,则取出的另一个元素与之构成可约分数的概率是.6.从编号为1,2,…,10的10个大小、质地完全相同的球中任选4个,在选出4号球的条件下,选出的球的最大号码为6的概率为.7.甲、乙两个袋子中,各放有大小、质地和个数相同的小球若干.每个袋子中标号为0的小球有1个,标号为1的小球有2个,标号为2的小球有n个.从一个袋子中任取2个球,取到的标号都是2的概率是110.(1)求n的值;(2)从甲袋中任取2个球,已知其中一个标号是1的条件下,求另一标号也是1的概率.8.一个口袋内装有2个白球和2个黑球,那么:(1)先摸出1个白球不放回,再摸出1个白球的概率是多少?(2)先摸出1个白球后放回,再摸出1个白球的概率是多少?参考答案第六章概率§1随机事件的条件概率1.1 条件概率的概念1.ABD 由条件概率公式P(B|A)=P(AB)P(A)及0<P(A)≤1知P(B|A)≥P(AB),故A选项正确;当事件A包含事件B时,有P(AB)=P(B),此时P(B|A)=P(B)P(A),故B选项正确;由于0≤P(B|A)≤1,故C选项错误;由于P(A|A)=1,故D选项正确.2.A 已知连续两天为优良的概率是0.6,那么在前一天空气质量为优良的前提下,要求随后一天的空气质量为优良的概率,可根据条件概率公式,得P=0.60.75=0.8.3.C 由题意可知,n(B)=C3122=12,n(AB)=A33=6.所以P(A|B)=n(AB)n(B)=612=12.4.D 设“甲击中目标”为事件A,“目标被击中”为事件B,则所求概率为事件B发生的条件下A发生的条件概率.因为P(AB)=0.6,P(B)=0.6×0.5+0.6×0.5+0.4×0.5=0.8,所以P(A|B)=P(AB)P(B)=0.60.8=0.75.5.B P(A)=C 32+C 22C 52=25,P(AB)=C 22C 52=110,由条件概率的计算公式得P(B|A)=P (AB )P (A )=11025=14.故选B.6.16设事件A 表示“周日值班”,事件B 表示“周六值班”,则P(A)=C 61C 72,P(AB)=1C 72,故P(B|A)=P (AB )P (A )=16.7.35由题意知P(AB)=310,P(B|A)=12, 故P(A)=P (AB )P (B |A )=31012=35.8.解法一投掷两枚骰子,其点数不同的所有可能结果共30种,其中点数之和ξ≤6的有(1,2),(1,3),(1,4),(1,5),(2,1),(2,3),(2,4),(3,1),(3,2),(4,1),(4,2),(5,1),共12种,所以所求概率P=1230=25.解法二设事件A=“投掷两枚骰子,其点数不同”,事件B=“ξ≤6”,则P(A)=3036=56,P(AB)=1236=13,所以P(B|A)=P (AB )P (A )=25.9.解设事件A 表示“第1次拿出绿皮鸭蛋”,事件B 表示“第2次拿出绿皮鸭蛋”,则事件AB 为第1次和第2次都拿出绿皮鸭蛋. (1)从5个鸭蛋中不放回地依次拿出2个鸭蛋的样本点个数为n(Ω)=A 52=20.又n(A)=A 31×A 41=12,于是P(A)=n (A )n (Ω)=1220=35.(2)因为n(AB)=3×2=6, 所以P(AB)=n (AB )n (Ω)=620=310.(3)由(1)(2)可得,在第1次拿出绿皮鸭蛋的条件下,第2次拿出绿皮鸭蛋的概率为P(B|A)=P (AB )P (A )=31035=12.1.B 记事件A 表示“用满3 000小时不坏”,P(A)=34;记事件B 表示“用满8 000小时不坏”,P(B)=12.因为B ⊆A,所以P(AB)=P(B)=12.故P(B|A)=P (AB )P (A )=P (B )P (A )=12÷34=23.2.C “第一次摸出一个白球”记为事件A,“第二次摸出一个白球”记为事件B,则n(A)=C 21×C 51=10,n(AB)=2×2=4.故P(B|A)=n (AB )n (A )=410=25.3.D 设事件A 表示“抽到2张都是假钞”,事件B 表示“2张中至少有1张假钞”,则所求概率为P(A|B). 而P(AB)=C 52C 202,P(B)=C 52+C 51C 151C 202,所以P(A|B)=P (AB )P (B )=217.4.A 记“学生A 和B 都不是第一个出场,B 不是最后一个出场”为事件M,记“学生C 第一个出场”为事件N,则P(M)=C 31C 31A 33A 55,P(MN)=C 31A 33A 55.那么在“学生A 和B 都不是第一个出场,B 不是最后一个出场”的前提下,学生C 第一个出场的概率为P(N|M)=P (MN )P (M )=13.选A.5.47设取出的两个元素中有一个是12为事件A,取出的两个元素构成可约分数为事件B,则n(A)=7,n(AB)=4,所以P(B|A)=n (AB )n (A )=47.6.114记“选出4号球”为事件A,“选出的球的最大号码为6”为事件B,则P(A)=C 93C 104=25,P(AB)=C 42C 104=135,所以P(B|A)=P (AB )P (A )=13525=114.7.解(1)由题意知C n2C n+32=n (n -1)(n+3)(n+2)=110,解得n=2.(2)记“一个标号是1”为事件A,“另一个标号是1”为事件B,则P(B|A)=n (AB )n (A )=C 22C 52-C 32=17.8.解(1)设事件A 表示“先摸出1个白球不放回”,事件B 表示“再摸出1个白球”,则“先后两次摸出白球”为事件AB,“先摸1球不放回,再摸1球”共有4×3种结果,所以P(A)=12,P(AB)=2×14×3=16,所以P(B|A)=1612=13.所以先摸出1个白球不放回,再摸出1个白球的概率为13.(2)设事件A 1表示“先摸出1个白球放回”,事件B 1表示“再摸出1个白球”,则“两次都摸出白球”为事件A 1B 1,P(A 1)=12,P(A 1B 1)=2×24×4=14,所以P(B1|A1)=P(A1B1)P(A1)=1412=12.所以先摸出1个白球后放回,再摸出1个白球的概率为12.第11页共11页。

  1. 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. 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. 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)。

(
j =1
(xj ×Bj )), 其中Ai , Bj , ∈ F , xj , yi ∈ Ω, i, j, k ≥ 1, 且xj 之间, yi 之间互不相同.

由上面的推导可得 Ac 具有形式 (
(Ai × yi )) (

(xj × Bj )) (

(Ck × Dk )). 总之,
Ac ∈ A . 于是 A 是一 σ - 代数, 从而得 F × F ⊂ A , 而集合 ∆ 不具备 A 中集合的形式, 于 是 ∆ ∈ F × F. 而对于任意 ω1 ∈ Ω, ∆ω1 = {ω1 } ∈ F , 对于任意 ω2 ∈ Ω, ∆ω2 = {ω2 } ∈ F . 此例子 说明命题 “可测集的截口仍可测” 的逆命题不成立, 即: 一个集合尽管它的任何截口都可 测, 但是它本身可能不可测.
∞ ∞
(Ai × yi )) (

(xj × Bj ))或者(

{ Ai ×
i=1
j =1
i=1
{xj × Bj }) (

(Ck × Dk )), 其中Ai , Bj , ∈ F , (Ck )c , (Dk )c 为至多可数集, xj , yi ∈
j =1
k=1
Ω, i, j, k ≥ 1, 且xj 之间, yi 之间互不相同}. 下证 F × F ⊂ A . 令 C := {F × H : F, H ∈ F }, 则 F × F = σ (C ). 注意到 F 中集合的形式及 A 的 定义, 易有 C ⊂ A , 下面只需证 A 是一 σ - 代数. 首先, ∅, Ω ∈ A 易得. 其次, 显然 A 对可列并运算封闭. 再者, 证 A 对余运算封闭. 设A=(
j =1 c ((Ck × Ω) ∪ (Ω ×
c c 下面让它依次与 (Ck × Ω) ∪ (Ω × Dk ), k = 3, 4, · · · 做交运算, 可得 c Dk ))
仍然是一个形如 ( {Ai × yi }) (


{ Ai × y i } ) (

{xj × Bj }) 的集合.(此处实际上证得一列形
§ 6.1 习题 第 1 题 设 Ω 是一不可数集, F 是包含 Ω 中一切单点集的最小 σ - 代数, 则 Ω × Ω 的对 角线 ∆ := {(ω, ω ) : ω ∈ Ω} ∈ F × F , 但 ∀ωi ∈ Ω, i = 1, 2, ∆ω1 := {ω2 : (ω1 , ω2 ) ∈ ∆} ∈ F , ∆ω2 := {ω1 : (ω1 , ω2 ) ∈ ∆} ∈ F , 这个例子说明了什么? 证明: 我们来证 ∆ ∈ F × F . 首先, 由习题 3.1 第 9 题 (i) 知 G := {F ∈ Ω : F 或者F c 为有限集, 或可数集} 为 Ω 上 的 σ - 代数. 易知 G 包含 Ω 中的所有单点集, 且是包含这些单点集的最小的 σ - 代数, 于 是 F = G = {F ∈ Ω : F 或者F c 为有限集, 或可数集}. 设 A := {A ∈ Ω × Ω : A具有形式( y i }) (

(Ai × yi )) (

(xj × Bj )) (

(Ck × Dk )),
i=1
其中Ai , Bj , ∈ F , (Ck )c , (Dk ) 为至多可数集, xj , yi ∈ Ω, i, j, k ≥ 1, 且xj 之间, yi 之间互不相同. 则
∞ ∞ ∞
j =1 c
k=1
A =(
i=1
i=1
j =1
k=1
第 2题 F1 × F2 ⊂ F1 × F2 , 但是 F1 × F2 ⊂ F1 × F2 不一定成立. 举例: 设 Ω1 = Ω2 = R, F1 , F2 均为 R 上的 Borel 可测集的全体, µ1 , µ2 均为 R 上 的 Lebesgue 测度. 于是 F1 , F2 均为 R 上的 Lebesgue 可测集的全体. 取集合 A ⊂ R, 但 A 不是 Lebesgue 可测的, 任取 ω2 ∈ Ω2 , 则 A × ω2 ⊂ Ω1 × ω2 , 又 µ1 × µ2 (Ω1 × ω2 ) = 0, 于是 A × ω2 是 µ1 × µ2 - 零集, 于是 A × ω2 ∈ F1 × F2 , 但是注意到 (A × ω2 )ω2 = A ∈ F1 , 于是 A × ω2 ∈ F1 × F2 . 下面来证: F1 × F2 ⊂ F1 × F2 . 设 C := {A × B : A ∈ F1 , B ∈ F2 }, 则 F1 × F2 = σ (C ). 任取 A × B ∈ C , 则存 在 C ∈ F1 , D ∈ F2 , 及 µ1 - 零集 N1 , µ2 - 零集 N2 , s.t. A = C ∪ N1 , B = D ∪ N2 . 于 是 A × B = (C ∪ N1 ) × (D ∪ N2 ) = (C × D) ∪ (C × N2 ) ∪ (N1 × D) ∪ (N1 × N2 ), 注意 到 C × N2 , N1 × D, N1 × N2 均为 µ1 × µ2 - 零集, 于是 (C × N2 ) ∪ (N1 × D) ∪ (N1 × N2 ) 为 µ1 × µ2 - 零集, 又 C × D ∈ F1 × F2 , 于是 A × B ∈ F1 × F2 , 于是证得 C ⊂ F1 × F2 , 又 F1 × F2 是一个 σ - 代数, 于是便有 F1 × F2 ⊂ F1 × F2 . 这个问题对 Lebesgue 可测集说明: 在低维空间中不是 Lebesgue 可测的集合, 放到高 维空间中来看时有可能是高维空间中的 Lebesgue 可测集. 第 3题 2来自我们来看∞ k=1
c c ((Ck × Ω) ∪ (Ω × Dk )), 首先计算
c c c c )) × Ω) ∪ (Ω × D2 )) ∩ ((C2 × Ω) ∪ (Ω × D1 ((C1 c c c c c c c c = ((C1 ∩ C2 ) × Ω) ∪ (C1 × D2 ) ∪ (C2 × D1 ) ∪ (Ω × (D1 ∩ D2 )) c c c c c c = {v j : = {wi : i ≥ 1}, C1 ∩ C2 均为至多可数集, 不妨设 C1 , C1 ∩ C2 注意到 C1 c c × Ω) = ∩ C2 j ≥ 1}, 于是 (C1 c c c C2 ) × Ω) ∪ (C1 × D2 ) 具有形式 ∞ i=1 ∞ j =1 c c ) = × D2 (wi × Ω), (C1 ∞ j =1 c c ∩ ), 于是 ((C1 (vj × D2

如(

i=1
j =1
{xj × Bj }) 的集合的交集仍然形如 (
∞ i=1
{ Ai × y i } ) (

{xj × Bj }).)
i=1
j =1
易知 (Ω × {yi : i ≥ 1}c ) ({xj : j ≥ 1}c × Ω) 时 Ac 具有形式 ( 如果设
∞ ∞ ∞ ∞ j =1
(Ac i × yi )) 具有形式 (
c
(Ai × yi ))
c
(
j =1 c
(xj × Bj ))

c
(
k=1
(Ck × Dk ))c

= ((Ω × {yi : i ≥ 1} )
i=1 ∞
(Ac i
× yi ))
(({xj : j ≥ 1} × Ω)
j =1
c
c (xj × Bj ))
c c ((Ck × Ω) ∪ (Ω × Dk )) k=1
c c c c (xj × Bj ), 同理 (C2 × D1 ) ∪ (Ω × (D1 ∩ D2 )) 是形
1

∞ i=1
(Ai × yi ) 的集合, 于是
2 k=1
c c ((Ck × Ω) ∪ (Ω × Dk )) 形如 (

(Ai × yi )) (
∞ k=1

(xj × Bj )),
i=1
∞ j =1
i=1 ∞
{Ai × yi }) ( (
∞ k=1
j =1 ∞
{Ck × Dk }),
i=1
k=1
c (xj × Bj ) 具有形式 ∞
{xj × Bj }
(Ck × Dk )), 那么可得此
(Ai × yi )) (
(xj × Bj )).
i=1
j =1
A=(
i=1
(Ai ×yi ))
相关文档
最新文档