概率论与数理统计第4章

合集下载

《概率论与数理统计》第四章考点手册

《概率论与数理统计》第四章随机变量的数字特征考点33 离散型随机变量的数学期望（★★二级考点，选择、填空、计算、综合）1.设X 是离散型随机变量,概率分布为P {X =x i }=p i ,i =1,2,…。

则∑∞==1)(i i ip x X E 为X 的数学期望(或均值)。

2.常用离散型随机变量的数学期望（1）两点分布：X ∼B(1,p),0<p<1，则E(X)=p 。

（2）二项分布：X ∼B(n,p)，其中0<p<1，则E(X)=np 。

（3）泊松分布:X ∼P(λ)，其中λ>0，则E(X)=λ。

考点34 连续型随机变量的数学期望（★★二级考点，选择、填空、计算、综合）1.设X 是连续型随机变量，则称⎰∞∞-=dx x f x X E )()(为X 的数学期望。

2. 常用连续型随机变量的数学期望（1）均匀分布若X~U[a,b],即X 服从[a,b]上的均匀分布,则； 21)()(b a dx a b x dx x xf X E b a +=-==⎰⎰+∞∞- （2）指数分布若X 服从参数为λ的指数分布，则； /1)(0λλλ⎰+∞-==dx e x X E x 正态分布若X 服从),(2s µN ，则.)(μ=X E考点35 二维随机变量的数学期望（★★二级考点，选择、填空、计算、综合）1.二维离散型随机变量的数学期望：设二维离散型随机向量(X,Y)的概率分布为p ij ,i=1,2,⋯，j=1,2,⋯.则：.),()],([11åå¥=¥==i j ij j i p y x g Y X g E2. 二维连续型随机变量的数学期望：设二维连续型随机向量(X,Y)的密度函数为f(x,y),则:. ),(),()],([dxdy y x f y x g Y X g E òò¥¥-¥¥-=考点36 数学期望的性质（★★★一级考点，选择、填空）(1).设C 是常数，则E(C)=C;E(C)=C ×1=C(2).若k 是常数，则E(kX)=kE(X);(3).E(X+Y)=E(X)+E(Y);(4).设X,Y 相互独立，则E(XY)=E(X)E(Y);考点37 方差的概念（★★二级考点，选择、填空）1.方差的概念:设X 是一随机变量，若E [X -E (X )]2 存在,则称其为X 的方差，记成Var(X )，即Var(X )=E {[X -E (X )]2} 并称)(X Var 为X 的标准差。

概率论与数理统计第四章

E (b) b E (aX ) aE ( X )
2. E(X+Y) = E(X)+E(Y);
推广 : E [ X i ] E ( X i )
i 1 i 1 n n
E ( ai X i ) ai E ( X i )
i 1 i 1
n
n
3. 设X、Y独立，则 E(XY)=E(X)E(Y);
例2.（X,Y）服从二维正态分布，其概率密度为 1 f ( x, y ) 2 21 2 1
1 y 1 2 x 1 y 2 y 2 2 exp{ [( ) 2 ( )( )( ) ]} 2 1 1 2 2 (1 )
证明： XY
Cov(kX, kY)=k2Cov(X,Y)
■相关系数
定义设D(X)>0, D(Y)>0, 称
XY
Cov( X , Y ) X EX Y EY E[ ] D( X ) D(Y ) DX DY
为随机变量X和Y的相关系数（标准协方差）
X Y E( X Y ) XY
练习
1.设离散型随机变量(Ｘ,Y)的分布列为 Y 0 1 2 X 则E(XY)=( ) 0 1/3 1/6 1/9 1 0 1/6 1/9 2 0 0 1/9
2.设随机变量Ｘ的概率密度为
e x f ( x) 0 x0 其它
Y=e-2X,则EY=( )
■数学期望的性质
1. 设a,b是常数，则E(aX+b)=aE(X)+b;
对正态分布而言，X、Y相互独立与互不相关是等价的。
例4.设随机变量(X,Y)~N(1, 1, 9, 16, -0.5) 令
第四章随机变量的数字特征

概率论与数理统计教程(茆诗松)第4章

解：用 Xi=1表示第i个部件正常工作, 反之记为Xi=0. 又记Y=X1+X2+…+X100，则 E(Y)=90，Var(Y)=9.
由此得：
P{Y
85}
ห้องสมุดไป่ตู้
1
85
0.5 9
90
0.966.
13 July 2020
华东师范大学
第四章大数定律与中心极限定理
第10页
二、给定 n 和概率，求 y
例4.4.4 有200台独立工作(工作的概率为0.7)的机床，
第6页
4.4.3 二项分布的正态近似
定理4.4.2 棣莫弗—拉普拉斯中心极限定理
设n 为服从二项分布 b(n, p) 的随机变量，则当 n
充分大时，有
lim
n
P
n
np npq
y
( y)
是林德贝格—勒维中心极限定理的特例.
13 July 2020
华东师范大学
第四章大数定律与中心极限定理
第7页
13 July 2020
华东师范大学
第四章大数定律与中心极限定理
第5页
例4.4.2 设 X 为一次射击中命中的环数，其分布列为
X 10 9 8 7
6
P 0.8 0.1 0.05 0.02 0.03
求100次射击中命中环数在900环到930环之间的概率.
解: 设 Xi 为第 i 次射击命中的环数，则Xi 独立同分布，
且 E(Xi) =9.62，Var(Xi) =0.82，故
P
900
100 i 1
Xi
930
930 100 9.62 100 0.82
900 100 9.62 100 0.82

概率论与数理统计第四章二维随机变量及其分布

(4)
fX Y (x
y)
f (x, y) fY ( y)
= ex
fY X ( y
x)
f (x, y) fX (x)
= ey
(5)
f (x, y) exy fX (x) fY ( y)
因此X ,Y相互独立。
二、二维连续型随机变量函数的分布
1.Z=X+Y的分布设(X,Y)的联合密度函数为f(x,y)，则由分布函数的定义知， Z=X+Y的分布函数为：
3. F (x , y) 为连续函数，且在f(x,y)的连续点处，
2F(x, y) f (x, y) xy
一、二维连续型随机变量概念
定义8 称
f X (x)
f (x, y)dy
( x )
为X的边缘密度函数。
称
fY ( y)
f (x , y)dx
( y )
为Y的边缘密度函数。一、二维连ຫໍສະໝຸດ 型随机变量概念定义9称
fX Y (x
y)
f (x, y) fY ( y)
为在Y=y条件下X的条件概率密
度,称
f (x, y) fY X ( y x) fX (x)
为在X=x条件下Y的条件概率密度.
定理2 设(X,Y)为二维连续型随机变量，则X与Y相互独立等价于 f (x, y) fX (x) fY ( y)
y)
一、二维随机变量的概念
联合分布函数F(x,y)有如下的性质：
1. 0 F(x , y) 1
2. F(x , y) 关于x、关于y单调不减；
3. F(x , y) 关于x、关于y右连续
4.
lim F(x , y) 0 , lim F(x , y) 1

北京理工大学《概率论与数理统计》课件-第4章随机变量的数字特征

北京理工大学《概率论与数理统计》分布函数能够完整地描述随机变量的统计特性，但在某些实际问题中，不需要全面考查随机变量的变化，只需知道它的随机变量的某些数字特征也就够了.评定某企业的经营能力时，只要知道该企业例如：年平均赢利水平研究水稻品种优劣时，我们关心的是稻穗的平均粒数及平均重量考察一射手的水平，既要看他的平均环数是否高，还要看他弹着点的范围是否小，即数据的波动是否小.由上面的例子看到，平均盈利水平、平均粒数、平均环数、数据的波动大小等，都是与随机变量有关的某个数值，能清晰地描述随机变量在某些方面的重要特征，这些数字特征在理论和实践上都具有重要意义.另一方面，对于一些常用的重要分布，如二项分布、泊松分布、指数分布、正态分布等，其中的参数恰好就是某些数字特征，因此，只要知道了这些数字特征，就能完全确定其具体的分布.第四章随机变量的数字特征4.1随机变量的平均取值——数学期望4.2随机变量取值平均偏离平均值的情况——方差4.3 描述两个随机变量之间的某种关系的数——协方差与相关系数4.1 数学期望一离散型随机变量的数学期望二连续型随机变量的数学期望三常见分布的数学期望四随机变量函数的数学期望五数学期望的性质六、数学期望的应用一离散型随机变量的数学期望引例射击问题设某射击手在同样的条件下,瞄准靶子相继射击90次,(命中的环数是一个随机变量).射中次数记录如下命中环数Y0 1 2 3 4 5命中次数n k 2 13 15 10 20 30频率n k/n2/90 13/90 15/90 10/90 20/90 30/90试问:该射手每次射击平均命中靶多少环?解：平均命中环数这是以频率为权的加权平均命中环数Y0 1 2 3 4 5命中次数n k2 13 15 10 20 30频率n k /n 2/90 13/90 15/90 10/90 20/90 30/900211321531042053090×+×+×+×+×+×=21315102030012345909090909090=×+×+×+×+×+×50k k n k n =⋅∑ 3.37.==射中靶的总环数射击次数平均射中环数频率随机波动随机波动“平均射中环数”的稳定值?=由频率的稳定性知：当n 很大时：频率n k /n 稳定于概率p k 稳定于50k k n k n =⋅∑50k k k p =⋅∑50k k n k n =⋅∑“平均射中环数”等于射中环数的可能值与其概率之积的累加定义1 设X 是离散型随机变量，它的概率分布是:P {X =x k }=p k , k =1,2,…如果绝对收敛,则称它为X 的数学期望或均值.记为E (X ), 即如果发散，则称X 的数学期望不存在.1k k k x p ∞=∑1()k k k E X x p ∞==∑1||k k k x p∞=∑注意：随机变量的数学期望的本质就是加权平均数，它是一个数，不再是随机变量.注1：随机变量X 的数学期望完全是由它的概率分布确定的，而不应受X 的可能取值的排列次序的影响，因此要求绝对收敛1k k k xp ∞=<+∞∑11111(1)1ln 2234212n n−+−++−→− 1111111(2)1ln 22436852−−+−−+→注2.E (X )是一个实数，而非随机变量，它是一种以概率为权的加权平均，与一般的算术平均值不同，它从本质上体现了随机变量X 取可能值的真正的平均值，也称均值.当随机变量X 取各个可能值是等概率分布时，X 的期望值与算术平均值相等.假设X 1P80 85 90 1/4 1/4 1/21()800.25850.25+900.586.25E X =×+××=X 2P80 85 901/3 1/3 1/32()85.E X =注3.数学期望E(X)完全由随机变量X的概率分布确定，若X服从某一分布，也称E(X)是这一分布的数学期望.乙射手甲射手例1.甲、乙两个射击手，他们射击的分布律如下表所示，问：甲和乙谁的技术更好?击中环数8 9 10概率0.3 0.1 0.6击中环数8 9 10概率0.2 0.5 0.3单从分布列看不出好坏，解：设甲，乙两个射击手击中的环数分别为X 1，X 2E (X 1)=8×0.3+9×0.1+10×0.6=9.3（环）E (X 2)=8×0.2+9×0.5+10×0.3=9.1（环）例2.1654年职业赌徒德.梅尔向法国数学家帕斯卡提出一个使他苦恼很久的分赌本问题：甲、乙两赌徒赌技相同，各出赌注50法郎，每局中无平局.他们约定，谁先赢三局，则得到全部100法郎的赌本.当甲赢了2局，乙赢了1局时，因故要中止赌博.现问这100法郎如何分才算公平？解：假如比赛继续进行下去，直到结束为止. 则需要2局.这时，可能的结果为：甲甲，甲乙，乙甲，乙乙即：甲赢得赌局的概率为3/4，而乙赢的概率为1/4.设：X、Y分别表示甲和乙得到的赌金数. 则分布律分别为：X0 100 P1/4 3/4Y0 100 P3/4 1/4这时，可能的结果为：甲甲，甲乙，乙甲，乙乙即：甲赢得赌局的概率为3/4，而乙赢的概率为1/4.E(X)=0×1/4+100×3/4=75E(Y)=0×3/4+100×1/4=25即甲、乙应该按照3：1的比例分配全部的赌本.例3.确定投资决策方向?某人有10万元现金,想投资于某项目,预估成功的机会为30%,可得利润8万元,失败的机会为70%,将损失2万元.若存入银行,同期间的利率为5%,问是否做此项投资?解：设X 为此项投资的利润，则存入银行的利息：故应该选择该项投资.(注：投资有风险，投资须谨慎)X 8 −2P0.3 0.7此项投资的平均利润为：E (X )=8×0.3+(−2)×0.7=1(万元)10×0.05=0.5(万元)设X 是连续型随机变量，密度函数为f (x ).问题：如何寻找一个体现随机变量平均值的量.将X 离散化.二、连续型随机变量的数学期望在数轴上取等分点：…x −2<x −1<x 0<x 1<x 2<…x k +1−x k =∆x ，k =0,±1,….，并设x k 都是f (x )的连续点.则小区间[x i ,x i+1)阴影面积近似为f (x i )∆x i1()i x x f x dx+=∫()i f x x≈∆P {x i <X ≤x i +1}定义一个离散型随机变量X *如下：其数学期望存在，且绝对收敛时，P {X *=x i }=P {x i ≤X <x i +1} ≈f (x i )∆x对于X *，当当分点越来越密，即∆x →0时，可以认为X *=x i 当且仅当x i ≤X <x i +1(*)i i ix P X x =∑(*){*}i i iE X x P X x ==∑()i i ix f x x ≈∆∑0=lim ()i i x ix f x x ∆→∆∑则其分布律为E (X *) →E (X ) *0=lim x EX EX ∆→即有：+()xf x dx∞−∞=∫定义2：设X 是连续型随机变量，其密度函数为f (x )，如果绝对收敛，则称的值为X 的数学期望，如果积分发散，则称随机变量X 的数学期望不存在.+()xf x dx ∞−∞∫+||()x f x dx∞−∞∫即+()()E X xf x dx∞−∞=∫+()xf x dx ∞−∞∫记为E (X ).注意：随机变量的数学期望的本质就是加权平均数，它是一个数，不再是随机变量.三、常见分布的数学期望1.0−1分布设随机变量X服从参数为p的0−1分布，求EX.解：X的分布律为X0 1P1−p p则：E(X)=0×P{X=0}+1×P{X=1}=P{X=1}=p概率是数学期望的特例(第五章)2.二项分布X 的分布律为P {X =k }=C n k p k (1−p )n−k ,k =0,1,…,n .解：设随机变量X ~b (n ,p )，求EX .0{}nk EX kP X k ==∑0(1)n k k n k n k kC p p −=−∑1!(1)!()!n k n kk n k p p k n k −=−−∑1(1)(1)1(1)!(1)(1)!()!nk n k k n np p p k n k −−−−=−−−−∑11(1)1(1)n l k l ln ln l np Cp p −=−−−−=−∑1[(1)]n np p p −=+−np=抛掷一枚均匀硬币100次，能期望得到多少次正面3.泊松分布则解：X 的分布律为设随机变量X ~π(λ)，求EX .{},0,1,2,!kP X k e k k λλ−=== 00(){}!k k k e E X kP X k k k λλ−∞∞=====∑∑11(1)!k k ek λλλ−∞−==−∑1!ii k i e i λλλ∞=−−=∑=e e λλλλ−=1!k k e k k λλ−∞==∑泊松分布的参数是λ4.几何分布解：X 的分布律为P {X =k }=q k −1p ,k =1,2,….p+q =1设随机变量X 服从参数为p 的几何分布，求EX .111(){}k k k E X kP Xk k pq∞∞−=====⋅∑∑11k k p k q∞−=⋅∑1=()kk p q ∞=′∑1=()k k p q ∞=′∑()1q p q′=−211(1)p q p=−重复掷一颗骰子平均掷多少次才能第一次出现6点设X ~U (a , b )，求E (X ).解：X 的概率密度为：X 的数学期望为：数学期望位于区间(a ,b )的中点.5.均匀分布1()0a xb f x b a<<=− 其它()()2bax a b E X xf x dx dx b a +∞−∞+===−∫∫设X 服从指数分布，求E (X ).分部积分法6.指数分布当概率密度表示为：对应的数学期望为θ.,0()0,x e x f x x λλ− >=≤ 0xxedx λλ+∞−=∫()()E X xf x dx +∞−∞=∫1λ=1,0()0,0xe xf x x θθ− > = ≤解：X 的概率密度为：设X ~N (μ,σ2)，求E (X ).解：X 的概率密度为被积函数为奇函数，故此项积分为0.7.正态分布22()21()2x f x eµσπσ−−=()()E X xf x dx +∞−∞=∫22()212x xedxµσπσ−+∞−−∞=∫221()2x t t t edtµσσµπ−=+∞−−∞+∫ 2222122t t tedt edt σµππ+∞+∞−−−∞−∞+∫∫µ=N (0,1)的密度函数积分为1.注意：不是所有的随机变量都有数学期望例如：Cauchy 分布的密度函数为但发散故其数学期望不存在.21(),(1)f x x x π=−∞<<+∞+2||||()(1)x x f x dx dx x π+∞+∞−∞−∞=+∫∫四随机变量函数的数学期望设已知随机变量X的分布，我们需要计算的不是X的期望，而是X的某个函数的期望，比如说g(X)的期望. 那么应该如何计算呢？一种方法是，因为g(X)也是随机变量，故应有概率分布，它的分布可以由已知的X的分布求出来. 一旦我们知道了g(X)的分布，就可以按照期望的定义把E[g(X)]计算出来.例4.某商店对某种家用电器的销售采用先使用后付款的方式，记该种电器的使用寿命为X (以年计)，规定：X ≤1,一台付款1500元；1<X ≤2，一台付款2000元2<X ≤3，一台付款2500元；X >3，一台付款3000元设X 服从指数分布，且平均寿命为10年，求该商店一台电器的平均收费.解：设该商店一台电器的收费为Y .要求E (Y )X 的分布函数为：1101,()0,0x e x F x x − −>=≤设该商店一台电器的收费为YX ≤1，一台付款1500元1 <X ≤2，一台付款2000元2 <X ≤3，一台付款2500元X >3，一台付款3000元1101,0()0,0x ex F x x − −>=≤P {Y =1500}=P {X ≤1}=F (1)=1−e −0.1=0.0952P {Y =2000}=P {1<X ≤2}=F (2)−F (1)=0.0861P {Y =2500}=P {2<X ≤3}=F (3)−F (2)=0.0779P {Y =3000}=P {X >3}=1−F (3)=0.7408设X 服从指数分布，且平均寿命为10年.Y 的分布律为所以该商店一台电器的平均收费，即Y 的数学期望为Y 1500 2000 2500 3000P0.0952 0.0861 0.0779 0.7408()15000.095220000.086125000.0779 30000.74082732.15E Y =×+×+×+×=使用上述方法必须先求出g(X)的分布，有时这一步骤是比较复杂的.那么是否可以不先求g(X)的分布，而只根据X的分布求E[g(X)]呢？例5.设离散型随机变量X 的概率分布如下表所示,求:Z=X 2的期望.X−11P214141E (Z )= g (0)×0.5+g (-1)×0.25+g (1)×0.25解:=0.5注:这里的.)(2x x g =(1)当X 为离散型随机变量时，分布律为P {X = x k }=p k ，k =1,2,⋯(2)当X 为连续型随机变量时，概率密度函数为f (x ).定理：设Y 是随机变量X 的函数，Y =g (X )(g 是连续函数)若级数绝对收敛，则有若积分绝对收敛，则有1()[()]()kkk E Y E g X g x p∞===∑()[()]()()E Y E g X g x f x dx+∞==∫1()k k k g x p ∞=∑()()g x f x dx+∞−∞∫该公式的重要性在于：当求E [g (X )]时，不必知道g (X )的分布，而只需知道X 的分布就可以了，这给求随机变量函数的期望带来很大方便.k k k g x p X E Y E g X g x f x dx X 1(),()[()]()(),∞=+∞−∞== ∑∫离散型连续型例6.设随机变量X~b(n, p)，Y=e aX，求E(Y).解：因为X的分布律为所以有{}(1), 0,1,...,k k n knP X k C p p k n−==−= ()E Y=(1)nak k k n knke C p p−=−∑()(1)nk a k n knkC e p p−=−∑[(1)]a npe p=+−={}nakke P X k==∑例7.设X ~U [0,π]，Y=sinX ，求E (Y ).解：因为X 的概率密度为所以有1,0()0,x f x ππ≤≤ =其他()sin ()E Y xf x dx +∞−∞=∫01sin x dx ππ⋅∫2π=定理：设Z 是随机变量X 和Y 的函数，Z =g (X,Y )(g 是连续函数),Z 是一维随机变量(1)若(X,Y )是二维离散型随机变量，概率分布为(2)若(X,Y )是二维连续型随机变量，概率密度为f (x, y )，则有这里假定上两式右边的积分或级数都绝对收敛11()[(,)](,)ijijj i E Z E g X Y g x y p∞∞====∑∑()[(,)](,)(,)E Z E g X Y g x y f x y dxdy+∞+∞−∞−∞==∫∫{,},,1,2,i j ij P X x Y y p i j ====则有几个常用的公式()[(,)](,)(,)E Z E g X Y g x y f x y dxdy+∞+∞−∞−∞==∫∫(,)EX xf x y dxdy+∞+∞−∞−∞=∫∫(,)EY yf x y dxdy+∞+∞−∞−∞=∫∫22()(,)E Y y f x y dxdy+∞+∞−∞−∞=∫∫22()(,)E X x f x y dxdy+∞+∞−∞−∞=∫∫()(,)E XY xyf x y dxdy+∞+∞−∞−∞=∫∫例8.设二维随机变量(X ,Y )的密度函数为求E (X ),E (Y ),E (X +Y ),E (XY ).解：21(13),02,01,(,)40,x y x y f x y +<<<< =其它()(,)E X xf x y dxdy+∞+∞−∞−∞=∫∫212001(13)4x xdx y dy =⋅+∫∫43=()(,)E Y yf x y dxdy+∞+∞−∞−∞=∫∫212001(13)4xdx y y dy +∫∫58=数学期望的性质注意：X ,Y 相互独立()()(,)E X Y x y f x y dxdy+∞+∞−∞−∞+=+∫∫(,)(,)xf x y dxdy yf x y dxdy+∞+∞+∞+∞−∞−∞−∞−∞+∫∫∫∫()()E X E Y +45473824=+=()(,)E XY xyf x y dxdy +∞+∞−∞−∞=∫∫2120011(13)22x xdx y y dy=⋅⋅+∫∫455386=⋅=()()E X E Y ⋅设X =(X 1,…, X n )为离散型随机向量，概率分布为≥ 1nnj j j j n P X =x ,,x =p ,j ,,j .11{()}1Z = g (X 1,…, X n ),若级数绝对收敛，则.<∞∑ nnnj j j j j j g x ,,x p 111()=∑ nnnn j j j jj j E Z =E g X ,,X g x ,,x p 1111()(())()设X =(X 1,…, X n )为连续型随机向量，联合密度函数为 n f x x 1(,,)Z = g (X 1,…, X n ),若积分绝对收敛，则+∞+∞−∞−∞∫∫n n ng x x f x x x x 111(,,)(,,)d d n E Z E g X X 1()=((,,))+∞+∞−∞−∞=∫∫n n ng x x f x x x x 111(,,)(,,)d d五数学期望的性质1.设C 是常数，则E (C )=C 4.设X 、Y 相互独立，则E (XY )=E (X )E (Y );2.若k 是常数，则E (kX )=kE (X )3.E (X +Y )=E (X )+E (Y )注意:由E (XY )=E (X )E (Y )不一定能推出X ,Y 独立推广(诸X i 相互独立时)推广11[]()nni i i i i i E C X C E X ===∑∑11[]()n ni i i i E X E X ===∏∏性质4 的逆命题不成立，即若E (X Y ) = E (X )E (Y )，X ,Y 不一定相互独立.反例XY p ij -1 0 1-10181818181818181810p • j838382p i•838382X Y P-1 0 1828284EX EY ==0;E XY ()=0;=E XY EX EY ()但P X Y 1{=-1,=-1}=8≠=P X P Y 23{=-1}{=-1}8××=30+2103-3+5=92X XY Y X XY Y E(3+2-+5)=3E()+2E()-E()+E(5)性质2和3×××EX EY =310+2-3+5性质4例9.设X ～N (10,4)，Y ～U [1,5]，且X 与Y 相互独立，求E (3X ＋2XY －Y ＋5).解：由已知，有E (X )＝10, E (Y )＝3.例10: 设X 1 , X 2…,X n 相互独立且都服从B (1, p ),求Z = X 1 + X 2+…+X n 的数学期望E (Z ).解:注: 由二项分布的可加性易知Z = X 1 + X 2+…+X n ～B (n, p ).EZ = E (X 1 + X 2+…+X n )= E (X 1 ) +E ( X 2)+…+E (X n )= p +p +…+p =n p求二项分布的数学期望的又一种方法.例11.（超几何分布的数学期望）设一批同类型的产品共有N 件，其中次品有M 件.今从中任取n (假定n ≤N −M )件，记这n 件中所含的次品数为X ，求E (X ).则有所以解: 引入X ＝X 1+X 2+…+X n且易知抽签模型，概率与试验次数无关例10和例11：将X 分解成数个随机变量之和，然后利用随机变量和的期望等于期望的和这一性质，此方法具有一定的意义.1,,1,2,,0,i i X i n i ==第件是次品第件不是次品iMP X N{1}==1()ni i EX E X ==∑ni i P X 1{1}==∑1ni M N ==∑nM N =为普查某种疾病，N 个人需验血.有如下两种验血方案：（1）分别化验每个人的血，共需化验N 次；（2）分组化验.每k 个人分为1组，k 个人的血混在一起化验，若结果为阴性，则只需化验一次；若为阳性，则对k 个人的血逐个化验，找出有病者，此时k 个人的血需化验k+1次.设每个人血液化验呈阳性的概率为p ，且每个人化验结果是相互独立的.试说明选择哪一方案较经济.验血方案的选择例13.六、数学期望的应用解：只需计算方案(2)所需化验次数X 的期望.。

《概率论与数理统计》第04章习题解答

第四章正态分布１、解：(0,1)ZN（1）{ 1.24}(1.24)0.8925P Z ∴≤=Φ={1.24 2.37}(2.37)(1.24)0.99110.89250.0986P Z <≤=Φ-Φ==-= {2.37 1.24}( 1.24)( 2.37)(1.24)(2.37)0.89250.99110.0986P Z -<≤-=Φ--Φ-=-Φ+Φ=-+=（2）{}0.9147()0.9147 1.37{}0.05261()0.0526()0.9474 1.62P Z a a a P Z b b b b ≤=∴Φ==≥=-Φ=Φ==，，得，，，得2、解：(3,16)XN8343{48}()()(1.25)(0.25)0.89440.59870.295744P X --∴<≤=Φ-Φ=Φ-Φ=-= 5303{05}()()(0.5)(0.75)44(0.5)1(0.75)0.691510.77340.4649P X --<≤=Φ-Φ=Φ-Φ-=Φ-+Φ=-+= 31(25,36){25}0.95442(3,4){}0.95X N C P X C X N C P X C -≤=>≥、（）设，试确定，使；（）设，试确定，使解：（1）(25,36){25}0.9544X N P X C -≤=，{2525}0.9544P C X C ∴-≤≤+=25252525()()0.954466()()2()10.9544666()0.9772,21266C C C C CC CC +---Φ-Φ=-Φ-Φ=Φ-=Φ=∴==即，（2）(3,4){}0.95XN P X C >≥，331()0.95()0.952231.6450.292C CCC ---Φ≥Φ≥-≥≤-即，，4、解：（1）2(3315,575)XN4390.2533152584.753315{2584.754390.25}()()575575(1.87)( 1.27)(1.87)1(1.27)0.969310.89800.8673P X --∴≤≤=Φ-Φ=Φ-Φ-=Φ-+Φ=-+= （2）27193315{2719}()( 1.04)1(1.04)10.85080.1492575P X -≤=Φ=Φ-=-Φ=-=(25,0.1492)YB ∴4440{4}(0.1492)(10.1492)0.6664ii i i P Y C -=∴≤=-=∑5、解：(6.4,2.3)X N{}{}1()81(1.055)10.85540.14462.3(85}0.17615 6.451(0.923)(0.923)0.82121()2.3P X P X X P X -Φ>-Φ-∴>>======->-Φ-Φ-Φ6、解：（1）2(11.9,(0.2))XN12.311.911.711.9{11.712.3}()()(2)(1)(2)1(1)0.20.20.977210.84130.8185P X --∴<<=Φ-Φ=Φ-Φ-=Φ-+Φ=-+= 设A ={两只电阻器的电阻值都在欧和欧之间} 则2()(0.8185)0.6699P A ==（2）设X , Y 分别是两只电阻器的电阻值，则22(11.9,(0.2))(11.9,(0.2))X N Y N ，，且X , Y 相互独立[]22212.411.9{(12.4)(12.4)}1{12.4}{12.4)}1()0.21(2.5)1(0.9938)0.0124P X Y P X P Y -⎡⎤∴>>=-≤⋅≤=-Φ⎢⎥⎣⎦=-Φ=-=7、一工厂生产的某种元件的寿命X （以小时计）服从均值160μ=，均方差为的正态分布，若要求{120200}0.80P X <<≥，允许最大为多少解：因为2(160,)XN σ由2001601201600.80{120200}()()P X σσ--≤<<=Φ-Φ从而 40402()10.80()0.9σσΦ-≥Φ≥，即，查表得401.282σ≥，故σ≤8、解：（1）2(90,(0.5))XN8990{89}()(2)1(2)10.97720.02280.5P X -∴<=Φ=Φ-=-Φ=-= （2）设2(,(0.5))X N d由808080{80}0.991()0.99()0.99 2.330.50.50.5d d d P X ---≥≥∴-Φ≥Φ≥≥，，，即从而d ≥ 9、解：22~(150,3),~(100,4)X Y X N Y N 与相互独立，且则（1）2221~(150(100,3)4)(250,5)W X Y N N =+++=()222222~2150100,(2)314(200,52)W X Y N N =+-⨯+-⨯+⨯=-22325~(125,)(125,(2.5))22X Y W N N +== （2）242.6250{242.6}()( 1.48)1(1.48)10.93060.06945P X Y -+<=Φ=Φ-=-Φ=-= 12551255125522212551251255125()1()(2)1(2)2.5 2.522(2)220.97720.0456X Y X Y X Y P P P ⎧+⎫++⎧⎫⎧⎫->=<-+>+⎨⎬⎨⎬⎨⎬⎩⎭⎩⎭⎩⎭--+-=Φ+-Φ=Φ-+-Φ=-Φ=-⨯=10、解：（1）22~(10,(0.2)),~(10.5,(0.2))X N Y N X Y ，且与相互独立22~(0.5,2(0.2))(0.5,(0.282))X Y N N ∴--⨯=-0(0.5){0}()(1.77)0.96160.282P X Y ---<=Φ=Φ=（2）22~(10,(0.2)),~(10.5,)X N Y N X Y σ设，且与相互独立222~(0.5,2(0.2))(0.5,(0.2))X Y N N σ∴--⨯=-+0.90{0}P X Y ≤-<=Φ=Φ由1.28≥，故σ≤11、设某地区女子的身高（以m 计）2(1.63,(0.025))WN ，男子身高（以m 计）2(1.73,(0.05))MN ，设各人身高相互独立。

概率论与数理统计-第4章-第2讲-随机变量函数的数学期望

02 典型例题
应用设市场上对某种产品每年需求量为X 吨，其中X ~ U [200,400],
每出售一吨可赚300元 , 售不出去，则每吨需保管费100元，问应
该组织多少货源, 才能使平均利润最大？
f
X
(
x)
1 200
,
0,
200 x 400, 其它
解设组织n吨货源, 利润为 Y，
Y
因此只要掌握了期望的计算，所有的数字特征计算都解决了！
概率论与数理统计
学海无涯，祝你成功！
主讲教师 |
01 随机变量函数的数学期望
(1) Y = g(X) 的数学期望
设离散 r.v. X 的概率分布为 P( X xi ) pi , i 1, 2,
若无穷级数 g(xi ) pi 绝对收敛，则 i 1 E(Y ) g(xi ) pi i 1
设连续 r.v. X 的密度为 f (x)
若广义积分 g(x) f (x)dx 绝对收敛, 则
例设风速V是一个随机变量，它服从（0，a）上的均匀分布，而飞机某部位受到的压力F是风速V 的函数：
F kV 2
（常数k > 0），求F 的数学期望.
01 随机变量函数的数学期望
如何计算随机变量函数的数学期望?
一种方法是: 因为g(X)也是随机变量，故应有概率分布，它的分布可以由X的分布求出来. 一旦我们知道了g(X)的分布，就可以按照期望的定义把E[g(X)]计算出来.
xf (x, y)dxdy
0
0
dx
2xdy 1
1 x1
3
E(3X 2Y )
(3x 2 y) f (x, y)dxdy
0
0

概率论与数理统计第4章随机变量的数字特征与极限定理

4.2.1 随机变量方差的概念数学期望是随机变量重要的数字特征．但是，在刻画随机变量的性质时，仅有数学期望是不够的．例如，有两批钢筋，每批各10根，它们的抗拉强度指数如下：
25
定义4.3 设X是随机变量，若E［X－E（X）］2存在，则称它为X的方差，记为D（X），即
由定义4.2，随机变量X的方差反映了X的可能取值与其数学期望的平均偏离程度．若D（X）较小，则X的取值比较集中，否则，X的取值比较分散．因此，方差 D（X）是刻画X取值离散程度的一个量．
3
定义4.1 设离散型随机变量X的分布律为
4
5
6
7
8
9
4.1.2 几个常用分布的数学期望 1.0—1分布设随机变量X服从以p为参数的（0—1）分布，则X 的数学期望为
２.二项分布设随机变量X～B（n,p），则X的数学期望为
10
3.泊松分布设随机变量X～P（λ）分布，则X的数学期望为
41
Hale Waihona Puke 424.３协方差、相关系数及矩
4.3.1 协方差对于二维随机变量（X，Y），除了分量X，Y的数字特征外，还需要找出能体现各分量之间的联系的数字特征．
43
44
4.3.2 相关系数定义4.5 设（X,Y）为二维随机变量，cov （X,Y）,D（X）,D（X）均存在，且D（X）>0,D（X） >0，称
15
16
17
定理4.2 设（X,Y）是二维随机变量，z=g（x,y）是一个连续函数．（1）如果（X,Y）为离散型随机变量，其联合分布律为
18
19
20
4.1.4 数学期望的性质数学期望有如下常用性质（以下的讨论中，假设所遇到的数学期望均存在）：

概率论与数理统计第4章复习

第四章随机变量的数字特征一、随机变量的数学期望1. 离散型随机变量数学期望设离散型随机变量X 的分布律为：,...2,1,}{===k p x X P k k 若级数∑kk k p x 绝对收敛，则称级数∑kk k p x 的和为随机变量X 的数学期望，记为E(X)，即∑=kk kp xX E )(。

2. 连续型随机变量数学期望设连续型随机变量X 的概率密度函数为)(X f ，若积分⎰+∞∞-dx x xf )(绝对收敛，则称积分⎰+∞∞-dx x xf )(为随机变量X 的数学期望，记为E(X)，即⎰+∞∞-=dx x xf X E )()(.数学期望简称期望或均值，他反映了随机变量所有可能取值的一种平均。

3. 随机变量函数的期望（1）设X 是随机变量，)(x g y =为实变量x 的函数。

1）若X 是离散型随机变量，其分布律为：,}{k k p x X P == 1=k ，2,3，...,且级数∑kk k p x g )(绝对收敛，则∑==kk kp xg x g E Y E )()]([)(2）若X 市连续型随机变量，其密度函数为)(x f ，且积分⎰+∞∞-dx x f x g )()(绝对收敛，则⎰+∞∞-==dx x f x g x g E Y E )()()]([)(（2）设（X ，Y ）是二维随机变量，),(y x g z =为实变量x ，y 的二元函数。

1）若（X ，Y ）是离散型随机变量，其分布律为：,),(ij i i p y Y x X P ===,.....2,1,=j i 且∑∑ijij j ip y xg ),(绝对收敛，则∑∑==ijij j ip y xg Y X g E Z E ),()],([)(2）若（X ，Y ）是连续型随机变量，其密度函数为),(y x f ，且⎰⎰+∞∞-+∞∞-dxdy y x f y x g ),(),(绝对收敛，则⎰⎰+∞∞-+∞∞-==dxdy y x f y x g Y X g E Z E ),(),()],([)(。

概率论与数理统计第4章随机变量的数字特征

解：
1 (5 0.5x)( 3 x2 x)dx
0
2
4.65(元)
2021/7/22
21
4.1.2 随机变量函数的数学期望
将定理4.1推广到二维随机变量的情形．
定理4.2 设Z是随机变量X，Y的函数Z = g(X，Y)， g是连续函数．
(1) 若(X，Y)是二维离散型随机变量，其分布律
为P{X xi ,Y yj } pij, i, j 1,2,, 则有
解：由于 P{ X k} k e ，k = 0，1，2，…，
k!
因而
E( X ) kP{ X k} k k e
k0
k0 k!
k e
k1 (k 1)!
e
k 1
k1 (k 1)!
e k ee k0 k!
2021/7/22
12
4.1.1 数学期望的概念
2. 连续型随机变量的数学期望
2021/7/22
18
4.1.2 随机变量函数的数学期望
定理4.1 设Y为随机变量X的函数:Y = g(X) (g是连续
函数).
(1) 设X是离散型随机变量，其分布律为
P{X xk } pk , k 1,2,
若级数 g( xk ) pk绝对收敛,则 E(Y ) E[g( X )] g( xk ) pk
f ( x) 25( x 4.2)， 4 x 4.2，
0，
其它.
求pH值X的数学期望E(X).
解：
E( X ) xf ( x)dx
4
4.2
x 25( x 3.8)dx x (25)(x 4.2)dx
3.8
4
4
2021/7/22
15

概率论与数理统计第四章_几种重要的分布

用贝努公式计算ξ的分布律下
ξ
0
1
2
3
4
p 0.0016 0.0256 0.1536 0.4096 0.4096
４.２超几何分布（了解）
主要内容：（一）了解超几何分布的概念（二）了解超几何分布的期望和方差
４.２超几何分布
例１某班有学生２０名，其中有５名女同学，今从班上任选４名学生去参观展览，被选到的女同学数ξ
k1 (k 1)!(n k)!
n
(k 11)n! pk (1 p)nk
k1 (k 1)!(n k)!
n
(k 1)n!
n
pk (1 p)nk
n!
pk (1 p)nk
k1 (k 1)!(n k)!
k1 (k 1)!(n k)!
n
n!
n
pk (1 p)nk
n!
pk (1 p)nk
k2 (k 2)!(n k)!
解可以取０,１,２,３这４个值。
P(
=k)=
C3k
C4k 17
C420
(k=0,1,2,3,)
列成概率分布如下
ξ
0
1
2
3
p 0.4912 0.4211 0.0842 0.0035
定义４２设Ｎ个元素分为两类，有Ｎ１个属于第一类，Ｎ２个属于第二类（Ｎ１＋Ｎ２＝Ｎ）。从中按不重复抽样取n个，令ξ表示这n个中第一（或二）类元素的个数，
k1 (k 1)!(n k)!
n2
n1
n(n 1)Cnl 2 pl2 (1 p)n2l nCnj1 p j1(1 p)n1 j
l0
j0
n2
n(n 1)Cnl 2 pl2 (1 p)n2l l0

概率论与数理统计第4章

dx 令t
t2 2
x

，得
E( X )
1 2

( t )e
dt
1-91
31
1 E( X ) x e 2
( x )2 2 2
dx 令t
t2 2
x

，得
E( X )
1 2

( t )e
t2 2
得
从而
的概率密度为:
1-91
21
故所求数学期望分别为
1-91
22
三.数学期望的性质
性质1: 设 C 为常数，则性质2: 设 C 为常数，X 为随机变量，则有性质3: 设 X , Y 为任意两个随机变量, 则有为 n 个随机变量，
推论1 设
为常数，则
1-91
23
性质4 设X 和Y 是相互独立的随机变量，则有
证: 因为 X 和 Y 相互独立，所以于是
推广:
1-91 24
例7. 将 n只球随机放入M 只盒子中去，设每只球落入各个盒子是等可能的，求有球的盒子数 X 的均值解引入随机变量
显然有
1-91
25
例7. 将 n只球随机放入M 只盒子中去，设每只球落入各个盒子是等可能的，求有球的盒子数 X 的均值
1-91
18
例5. 设某公共汽车站于每小时的10分, 50分发车, 乘客在每小时内任一时刻到达车站是随机的。求乘客到达车站等车时间的数学期望。
解: 设T 为乘客到达车站的时刻，则
其概率密度为
设Y 为乘客等车时间，则
1-91
19
已知
1-91

概率论与数理统计第4章

随机变量的数学期望是概率论中最重要的概念之一.它的定义来自习惯上的平均值概念.
5
一、离散型随机变量的数学期望
引例某企业对自动流水线加工的产品实行质量监测，每天抽检一次，每次抽取5件，检验产品是否合格，在抽检的30天的记录中，无次品的有18天，一件次品的有9天，两件次品的有3天，求日平均次品数．
k

这启发我们引出如下连续型随机变量的数学期望定义：
30
二、连续型随机变量的数学期望
设连续型随机变量 X 的概率密度为 f ( x ), 若积分
x f ( x ) d x
绝对收敛, 则称积分 x f ( x ) d x 的值为随机

变量 X 的数学期望, 记为 E ( X ) . 即 E ( X ) x f ( x )d x.
n
n 1
n( n 1)( n i ) i 1 n i 1 p q i! i 0
n 1
令i k 1
( n 1)( n i ) i ( n1) i np pq i! i 0
n 1
np C
i 0
n 1
i n 1
pq
i
( n 1 ) i
试问哪个射手技术较好?
12
解设甲、乙射手击中的环数分别为 X 1 , X 2 .
E ( X 1 ) 8 0.3 9 0.1 10 0.6 9.3(环), E ( X 2 ) 8 0.2 9 0.5 10 0.3 9.1(环),
故甲射手的技术比较好. 乙射手甲射手
Y
1500
0.0952
2000
2500
3000
0.7408

概率论与数理统计(叶慈南刘锡平科学出版社)第4章多维随机变量(r.v.)及其分布

fY
(
y
)
=
π2
1− y2, 0,
− 1 ≤ y ≤ 1. 其它
28
2. 二维正态分布 p97
(X,Y)的概率密度为
f (x, y) =
1
e 2(
−1 1− ρ
2
)

(
x
− µ1 σ2
1
)2
−2
ρ
(
x
−
µ1 )( σ 1σ
y
2
−
µ2
)
+
(
y
− µ2 σ2
2
)2

2πσ σ 1 − ρ 2 12
f ( x, y)dy
−∞
称为(X,Y)关于X的边缘概率密度。
∫ fY ( y) =
+∞
f ( x, y)dx
−∞
称为(X,Y)关于Y的边缘概率密度。
20
例p102 设 ( X ,Y )的概率密度是
f
(
x,
y)
=
cy(2 −

0,
x
),
0 ≤ x ≤ 1, 0 ≤ y ≤ x ,
其它
求 (1) c 的值; (2) 两个边缘密度; (3) P{X<1/2}.
…
pi j
…
p.j
… … … … ….. … …
∑
p1 . p2 .
…
pi . …
1
18
3
例将一枚硬币掷 3 次, 以X表示前 2 次中出现 H的次数, 以Y表示 3 次中出现H的次数. 求X,Y 的联合分布律以及(X,Y)的边缘分布律.
19
三、连续型(X,Y)的边缘概率密度

概率论与数理统计第四章

50 1 1 1 ( ) 49 2 100 2
数理统计
28
②
骣n 1 2 2 E (S ) = E 琪 X i - nX 琪 å 琪 n - 1 桫= 1 i
= 1 n- 1 n n 1
2
1 n 2 2 EX i nEX n 1 i 1
2
(n E X
若总体X是连续型随机变量，其概率密度为
f ( x ),
则样本的联合概率密度为
f ( x1 , x 2 , , x n ) f ( x1 ) f ( x 2 ) f ( x n )
对于离散型总体，有相似的结论。
数理统计 17
例设 ( X 1 , X 2 , , X n ) 是取自正态总体 N ( , 2 ) 的样本，求样本的概率分布。解总体X的密度函数为
数理统计
30
X EX 1 P DX
X 1 P 1 10
0 .0 2 E X DX
E(X ) 0 D(X ) 1 100
显然
X ( 1 ) m in X i ,
1 i n
X (n) m ax X i ,
1 i n
两者也分别称为最小次序统计量和最大次序统计量. 称
R X ( n ) X ( 1 ) 为样本极差
X n1 ( 2 ) Md 1 (X n X n ( ) (1 ) 2 2 2 n 为奇数（4 - 15） n 为偶数
总体样本
随机变量 X 随机向量
( X 1 , X 2 , , X n )
数理统计
15
在一次试验中，样本的具体观测值称为样本值。记为 ( x 1 , x 2 , , x n ) . 有时候样本与样本值使用同一符号，但含义不同。简单随机样本若 X 1 , X 2 , X n 是相互独立的并与总体

概率论与数理统计第四章

可见,方差是二阶中心矩,协方差是二阶混合中心
矩，它们都是随机变量函数的数学期望。
河南理工大学精品课程
概率论与数理统计
【例3】[P.115:eg6]
〖解〗设X为随机取一球的标号,则r.v.X等可能地取值1,2,3,4,5,6;
又Y=g(X),且
g(1)= g(2)= g(3)=1; g(4)= g(5)=2, g(6)=5. 故随机摸一球得分的期望为
河南理工大学精品课程概率论与数理统计
显然, 方差D(X)就是随机变量X的函数 g ( X ) [ X E( X )]2 的数学期望.因此,当X的分布律 p 或概率密度 k 已知时,有
2 [ x E ( X )] pk , 离散型 k k 1 D ( X ) [ x E ( X )]2 f ( x)dx, 连续型
1500 (分) □
河南理工大学精品课程概率论与数理统计
二、随机变量函数的数学期望利用随机变量函数的分布可以证明下列两定理: 定理1 设Y=g(X)是随机变量X的连续函数，则 Y 也是随机变量，且其数学期望为
离散型 g ( xk ) pk , k 1 E (Y ) E[ g ( X )] g ( x) f ( x)dx, 连续型
X2 Pk 3X2+5 Pk 0 0.3 5 0.3 4 0.7 17 0.7
于是,
E(X)=(-2)×0.4+0×0.3+2×0.3=-0.2;
河南理工大学精品课程概率论与数理统计
例6-续
E(X2)=0×0.3+4×0.7=2.8; E(3X2+5)=5×0.3+17×0.7=13.4.
方法2(定义+性质法) 因为 E(X)=(-2)×0.4+0×0.3+2×0.3=-0.2; E(X2)=(-2)2×0.4+02×0.3+22×0.3=2.8; 所以, E(3X2+5)=3E(X2)+5=3×2.8+5=13.4. □

概率论与数理统计第四章数学期望

定义1 设X是离散型随机变量，它的分布律是:
如果 | xk | pk 有限,定义X的数学期望
k 1

P(X=xk)=pk , k=1,2,…

E ( X ) xk pk
k 1
也就是说,离散型随机变量的数学期望是一个绝对收敛的级数的和.
分赌本问题 A 期望所得的赌金即为 X 的数学期望
因此彩票发行单位发行 10 万张彩票的创收利润为
击中环数概率击中环数概率 8 9 10
0 . 3 0 .1 0 . 6
8 9 10
乙射手
0 .2 0 .5 0 .3
试问哪个射手技术较好?
解设甲、乙射手射中的环数分别为 X 1 , X 2 . 甲射手
击中环数概率 8 9 10
0 . 3 0 .1 0 . 6
E ( X 1 ) 8 0.3 9 0.1 10 0.6 9.3(环),
200
即为 X 的可能值与其概率之积的累加.
引例2 射击问题设某射击手在同样的条件下, 瞄准靶子相继射击90次,(命中的环数是一个随机变量).射中次数记录如下命中环数 k 0 1 2 3
命中次数 nk
2 13 15
4 20
5
10
30
2 13 15 nk 10 20 30 频率 90 90 90 n 90 90 90 试问:该射手每次射击平均命中靶多少环?
1 3 200 0 4 4
50(元).
若设随机变量 X 为:在 A 胜2局 B 胜1局的前提下, 继续赌下去 A 最终所得的赌金.
0 3 1 其概率分别为: 4 4 因而A期望所得的赌金即为X的 “期望”值, 3 1 200 0 150(元). 等于 4 4

概率论与数理统计第四章期末复习

概率论与数理统计第四章期末复习(一)随机变量的数学期望1.数学期望的定义定义1设离散随机变量X 的分布律为)()(i i i x X P x p p ===， ,2,1=i ．若+∞<∑+∞=1i i i p x ，则称∑+∞==1)(i i i p x X E 为随机变量X 的数学期望，或称为该分布的数学期望，简称期望或均值．定义2设连续随机变量X 的密度函数为)(x f ．若+∞<⎰∞+∞-x x f x d )(，则称xx xf X E d )()(⎰∞+∞-=为随机变量X 的数学期望，或称为该分布的数学期望，简称期望或均值．2.随机变量函数的数学期望定理1设随机变量Y 是随机变量X 的连续函数：)(X g Y =．设X 是离散型随机变量，其分布律为)(i i x X P p ==， ,2,1=i ，若∑+∞=1)(i i i p x g 绝对收敛，则有∑+∞===1)()]([)(i i i p x g X g E Y E ．设X 是连续型随机变量，其概率密度为)(x f ，若⎰∞+∞-x x f x g d )()(绝对收敛，则有x x f x g X g E Y E d )()()]([)(⎰∞+∞-==．【例1】设随机变量X 的分布律为X 2-1-0123P1.02.025.02.015.01.0求随机变量X 的函数2X Y =的数学期望．【解】1.0315.022.0125.002.0)1(1.0)2()(222222⨯+⨯+⨯+⨯+⨯-+⨯-=Y E 3.2=．【例2】设随机变量X 具有概率密度⎪⎩⎪⎨⎧≤≤=，其他．；，001)(ππx x f X ，求X Y sin =的数学期望．【解】x x f x g X g E Y E d )()()]([)(⎰∞+∞-==πππ2d 1sin 0=⋅=⎰x x ．【例3】某公司经销某种原料，根据历史资料表明：这种原料的市场需求量X (单位：吨)服从)500,300(上的均匀分布．每售出1吨该原料，公司可获利1.5(千元)；若积压1吨，则公司损失0.5(千元)．问公司应该组织多少货源，可使平均收益最大？【解】设该公司应该组织a 吨货源，则显然应该有500300≤≤a ．又记Y 为在a 吨货源条件下的收益额(单位：千元)，则收益额Y 为需求量X 的函数，即)(X g Y =．由题设条件知：当a X ≥时，此a 吨货源全部售出，共获利a 5.1．当a X <时，则售出X 吨(获利X 5.1)，且还有X a -吨积压(获利)(5.0X a --)，所以共获利a X X a X 5.02)(5.05.1-=--．由此知⎩⎨⎧<-≥=．，；，a X a X a X a X g 5.025.1)(则x x g x x f x g Y E X 2001)(d )()()(500300⎰⎰==∞+∞-]d 5.1d )5.02([2001500300x a x a x a a ⎰⎰+-=)300900(200122-+-=a a ．易知，当450=a 时，能使)(Y E 达到最大，即公司应该组织450吨货源．定理2设随机变量Z 是随机变量X ，Y 的连续函数：),(Y X g Z =．设),(Y X 是二维离散型随机变量，其联合分布律为),(j i ij y Y x X P p ===，,2,1,=j i ，若∑∑+∞=+∞=11),(i j ij j i p y x g 收敛，则有∑∑+∞=+∞===11),()],([)(i j ij j i p y x g Y X g E Z E ．设),(Y X 是二维连续型随机变量，其联合概率密度函数为),(y x f ，若y x y x f y x g d d ),(),(⎰⎰∞+∞-∞+∞-收敛，则有y x y x f y x g Y X g E Z E d d ),(),()],([)(⎰⎰∞+∞-∞+∞-==．【例4】设随机变量),(Y X 的联合概率密度为⎩⎨⎧<<<<--=其他．，，，，010102),(y x y x y x f 求)(X E ，)(XY E ．【解】⎰⎰∞+∞-∞+∞-=y x y x f x X E d d ),()(125d d )2(1010=--=⎰⎰y x y x x ，⎰⎰∞+∞-∞+∞-=y x y x f xy XY E d d ),()(61d d )2(1010=--=⎰⎰y x y x xy ．3.数学期望的性质性质1若a 是常数，则a a E =)(．性质2对任意常数a ，有)()(X aE aX E =．性质3对任意的两个函数)(1x g 和)(2x g ，有)]([)]([)]()([2121X g E X g E X g X g E +=+．性质4设),(Y X 是二维随机变量，则有)()()(Y E X E Y X E +=+．推广到n 维随机变量场合，即)()()()(2121n n X E X E X E X X X E +++=+++ ．性质5若随机变量X 与Y 相互独立，则有)()()(Y E X E XY E =．推广到n 维随机变量场合，即若1X ，2X ，…，n X 相互独立，则有)()()()(2121n n X E X E X E X X X E =．【例5】设随机变量X 与Y 相互独立，X ～)4,1(-N ，Y ～)2,1(N ，则=-)2(Y X E ．【解析】因为X ～)4,1(-N ，Y ～)2,1(N ，所以1)(-=X E ，1)(=Y E ，故3)(2)()2(-=-=-Y E X E Y X E ．(二)随机变量的方差1.方差的定义定义1设X 是一个随机变量，若})]({[2X E X E -存在，则称})]({[2X E X E -为X 的方差，记为)(X D ，即})]({[)(2X E X E X D -=．称方差的平方根)(X D 为随机变量X 的标准差，记为)(X σ或X σ．定理1(方差的计算公式)【例1】设随机变量X 的概率密度为⎪⎩⎪⎨⎧<≤-<<-+=其他．，；，；，0101011)(x x x x x f ，求)(X D ．【解】0d )1(d )1()(101=-++=⎰⎰-x x x x x x X E ，61d )1(d )1()(120122=-++=⎰⎰-x x x x x x X E ，所以61)]([)()(22=-=X E X E X D ．2.方差的性质性质1常数的方差为0，即0)(=c D ，其中c 是常数．性质2若a ，b 是常数，则)()(2X D a b aX D =+．性质3若随机变量X 与Y 相互独立，则有)()()(Y D X D Y X D +=±．推广到n 维随机变量场合，即若1X ，2X ，…，n X 相互独立，则有)()()()(2121n n X D X D X D X X X D +++=±±± ．【例2】已知2)(-=X E ，5)(2=X E ，求)31(X D -．【解】9})]([)({9)()3()31(222=-=-=-X E X E X D X D ．(三)常见随机变量的数学期望、方差1.两点分布X ～),1(p b p X E =)(，)1()(p p X D -=．2.二项分布X ～),(p n b np X E =)(，)1()(p np X D -=．3.泊松分布X ～)(λP λ=)(X E ，λ=)(X D ．4.均匀分布X ～),(b a U )(21)(b a X E +=，12)()(2a b X D -=．5.指数分布X ～)(λE λ1)(=X E ，21)(λ=X D ．6.正态分布X ～),(2σμN μ=)(X E ，2)(σ=X D ．【例1】设X ～),(p n b 且6)(=X E ，6.3)(=X D ，则下列结论正确的是()A ．15=n ，4.0=pB ．20=n ，3.0=pC ．10=n ，6.0=p D ．12=n ，5.0=p 【解析】6)(==np X E ，6.3)1()(=-=p np X D ，解之得15=n ，4.0=p ．正确选项为A ．【例2】若X ～)5,2(N ，Y ～)1,3(N ，且X 与Y 相互独立，则=)(XY E ()A ．6B ．2C ．5D ．15【解析】因为X ～)5,2(N ，所以2)(=X E ，因为Y ～)1,3(N ，3)(=Y E ，故6)()()(==Y E X E XY E ，正确选项为A ．【例3】X 与Y 相互独立，X ～)2(P ，Y ～)1(E ，则=-)2(Y X D ．【解析】因为X ～)2(P ，所以2)(=X D ，因为Y ～)1(E ，所以1)(=Y D ，又因为随机变量X 与Y 相互独立，所以9)()1()(2)2(22=-+=-Y D X D Y X D ．(四)协方差、相关系数与矩1.协方差定义1设),(Y X 是一个二维随机变量，若)]}()][({[Y E Y X E X E --存在，则称其为X 与Y 的协方差，记为),(Cov Y X ．即)]}()][({[),(Cov Y E Y X E X E Y X --=．定理1)()()(),(Cov Y E X E XY E Y X -=．【例1】设二维随机变量),(Y X 的联合分布律为：求协方差),(Cov Y X ．【解】由题易得32)(=X E ，0)(=Y E ，0311131003111)(=⨯⨯+⨯⨯+⨯⨯-=XY E ．于是0)()()(),(Cov =-=Y E X E XY E Y X ．定理2若X 与Y 相互独立，则0),(Cov =Y X ，反之不然．定理3对任意二维随机变量),(Y X ，有),(Cov 2)()()(Y X Y D X D Y X D ±+=±．关于协方差的计算，还有下面四条有用的性质．性质1协方差),(Cov Y X 的计算与X ，Y 的次序无关，即),(Cov ),(Cov X Y Y X =．性质2任意随机变量X 与常数a 的协方差为零，即0),(Cov =a X ．性质3对任意常数a ，b ，有),(Cov ),(Cov Y X ab bY X a =．性质4设X ，Y ，Z 是任意三个随机变量，则),(Cov ),(Cov ),(Cov Z Y Z X Z Y X +=+．2.相关系数定义2设),(Y X 是一个二维随机变量，且()0D X >，()0D Y >，则称Y X XY Y X Y D X D Y X σσρ),(Cov )()(),(Cov ==为X 与Y 的相关系数．性质11≤XY ρ．性质21=XY ρ的充要条件是X 与Y 间几乎处处有线性关系，即存在)0(≠a 与b ，使得1)(=+=b aX Y P ．其中当1=XY ρ时，有0>a ；当1-=XY ρ时，有0<a ．性质3设随机变量X 与Y 独立，则它们的相关系数等于零，即0=XY ρ．【例2】设1)()(==Y D X D ，21=XY ρ，则=+)(Y X D 3．【解析】因为21)()(),(Cov ==Y D X D Y X XY ρ，所以)()(21Y D X D XY =ρ21=，故),(Cov 2)()()(Y X Y D X D Y X D ++=+3=．【例3】已知1)(-=X E ，3)(=X D ，则=-)]2(3[2X E 6．【解析】)]2([3)]2(3[22-=-X E X E }2)]([)({32-+=X E X D 6=．【例5】设随机变量),(Y X 的概率密度函数为⎪⎩⎪⎨⎧≤≤≤≤+=其他．，，，，02020)(81),(y x y x y x f 求),(Cov Y X ，)(Y X D +和XY ρ．【解】⎰⎰+∞∞-+∞∞-=y x y x f x X E d d ),()(67d d )(822=+=⎰⎰y x y x x ，⎰⎰+∞∞-+∞∞-=y x y x f x X E d d ),()(2235d d )(820202=+=⎰⎰y x y x x ，⎰⎰+∞∞-+∞∞-=y x y x f xy XY E d d ),()(34d d )(82020=+=⎰⎰y x y x xy ，由轮换对称性，有67)(=Y E ，35)(=Y E ，361)()()(),(Cov -=-=Y E X E XY E Y X ，3611)]([)()()(22=-==X E X E X D Y D ，95),(Cov 2)()()(=++=+Y X Y D X D Y X D ，111)()(),Cov(-==Y D X D Y X XY ρ．。

概率论与数理统计第四章课后习题及参考答案

概率论与数理统计第四章课后习题及参考答案1．在下列句子中随机地取一个单词，以X 表示取到的单词包含的字母的个数，试写出X 的分布律，并求)(X E ．Have a good time解：本题的随机试验属于古典概型．所给句子共4个单词，其中有一个单词含一个字母，有3个单词含4个字母，则X 的所有可能取值为1，4，有41)1(==X P ，43)4(==X P ，从而413434411)(=⋅+⋅=X E ．2．在上述句子的13个字母中随机地取一个字母，以Y 表示取到的字母所在的单词所含的字母数，写出Y 的分布律，并求)(Y E ．解：本题的随机试验属于古典概型．Y 的所有可能取值为1，4，样本空间Ω由13个字母组成，即共有13个样本点，则131)1(==Y P ，1312)4(==Y P ，从而1349131241311)(=⋅+⋅=Y E ．3．一批产品有一、二、三等品及废品4种，所占比例分别为60%，20%，10%和10%，各级产品的出厂价分别为6元、8.4元、4元和2元，求产品的平均出厂价．解：设产品的出厂价为X (元)，则X 的所有可能取值为6，8.4，4，2，由题设可知X 的分布律为X 68.442P6.02.01.01.0则16.51.021.042.08.46.06)(=⨯+⨯+⨯+⨯=X E (元)．4．设随机变量X 具有分布：51)(==k X P ，5,4,3,2,1=k ，求)(X E ，)(2X E 及2)2(+X E ．解：3)54321(51)(=++++=X E ，11)54321(51)(222222=++++=X E ，274)(4)()44()2(222=++=++=+X E X E X X E X E ．5．设离散型随机变量X 的分布列为k k kk X P 21)!2)1((=-=， ,2,1=k ，问X 是否有数学期望．解：因为∑∑∞=∞==⋅-111212)1(k k k k kkk 发散，所以X 的数学期望不存在．6．设随机变量X 具有密度函数⎪⎩⎪⎨⎧≤≤-=其他．,0,22,cos 2)(2πππx x x f 求)(X E 及)(X D ．解：因为x x 2cos 在]2,2[ππ-上为奇函数，所以0d cos 2d )()(222=⋅==⎰⎰-∞+∞-πππx x x x x f x X E ，2112d cos 2d )()(2222222-=⋅==⎰⎰-∞+∞-ππππx x x x x f x X E ，故2112)]([)()(222-=-=πX E X E X D ．7．设随机变量X 具有密度函数⎪⎩⎪⎨⎧<<-≤<=其他．,0,21,2,10,)(x x x x x f 求)(X E 及)(X D ．解：1d )2(d d )()(2112=-+==⎰⎰⎰∞+∞-x x x x x x x f x X E ，67d )2(d d )()(2121322=-+==⎰⎰⎰∞+∞-x x x x x x x f x X E ，61)]([)()(22=-=X E X E X D ．8．设随机变量X 在)21,21(-上服从均匀分布，求)sin(X Y π=的数学期望与方差．解：由题可知X 的密度函数为⎪⎩⎪⎨⎧<<-=其他．,0,2121,1)(x x f 则0d 1sin d )(sin )][sin()(2121=⋅===⎰⎰-∞+∞-x x x x f x X E Y E πππ，21d 1sin d )(sin )]([sin )(21212222=⋅===⎰⎰-∞+∞-x x x x f x X E Y E πππ，21)]([)()(22=-=Y E Y E Y D ．9．某正方形场地，按照航空测量的数据，它的边长的数学期望为350m ，又知航空测量的误差随机变量X 的分布列为X (m)30-20-10-0102030P05.008.016.042.016.008.005.0而场地边长随机变量Y 等于边长的数学期望与测量误差之和，即X Y +=350，求场地面积的数学期望．解：设场地面积为S ，则2Y S =，16.01042.0016.0)10(08.0)20(05.030)(⨯+⨯+⨯-+⨯-+⨯-=X E 005.03008.020=⨯+⨯+，16.01042.0016.0)10(08.0)20(05.0)30()(222222⨯+⨯+⨯-+⨯-+⨯-=X E 18605.03008.02022=⨯+⨯+，故)350700(])350[()()(2222++=+==X X E X E Y E S E 122686350)(700)(22=++=X E X E ．10．A ，B 两台机床同时加工零件，每生产一批较大的产品时，出次品的概率如下表所示：A 机床次品数X 0123概率P7.02.006.004.0B 机床次品数X 0123概率P8.006.004.010.0问哪一台机床加工质量较好．解：44.004.0306.022.017.00)(=⨯+⨯+⨯+⨯=X E ，8.004.0306.022.017.00)(22222=⨯+⨯+⨯+⨯=X E ，6064.0)]([)()(22=-=X E X E X D ，44.010.0304.0206.018.00)(=⨯+⨯+⨯+⨯=Y E ，12.110.0304.0206.018.00)(22222=⨯+⨯+⨯+⨯=Y E ，9264.0)]([)()(22=-=Y E Y E Y D ，)()(Y E X E =，但)()(Y D X D <，故A 机床加工质量较好．11．设随机变量X 与Y 相互独立，且方差存在，试证：22)]()[()()]([)()()(Y E X D Y D X E Y D X D XY D ++=，由此得出)()()(Y D X D XY D ≥．证：22)]([])[()(XY E XY E XY D -=222)]()([)(Y E X E Y X E -=2222)]([)]([)()(Y E X E Y E X E -=2222)]([)]([})]([)(}{)]([)({Y E X E Y E Y D X E X D -++=22)]()[()()]([)()(Y E X D Y D X E Y D X D ++=．因为)(X D ，)(Y D ，2)]([X E ，2)]([Y E 非负，所以)()()(Y D X D XY D ≥．12．已知随机变量X 的密度函数为⎩⎨⎧≤≤++=其他．,010,)(2x c bx x a x f又已知5.0)(=X E ，15.0)(=X D ，求a ，b ，c ．解：c b a x c bx x a x x f ++=++==⎰⎰∞+∞-2131d )(d )(1102，c b a x c bx x a x x x f x X E 213141d )(d )()(5.0102++=++===⎰⎰∞+∞-，⎰⎰++-=-==∞+∞-1222d )()5.0(d )()]([)(15.0xc bx x a x x x f X E x X D 41314151-++=c b a ，解之得12=a ，12-=b ，3=c ．13．设),(Y X 的分布律为(1)求)(X E 及)(Y E ；(2)设XYZ =，求)(Z E ；(3)设2)(Y X Z -=，求)(Z E ．解：(1)2)13.00(3)1.001.0(2)1.01.02.0(1)(=++⨯+++⨯+++⨯=X E ，0)1.01.01.0(1)3.001.0(0)01.02.0()1()(=++⨯+++⨯+++⨯-=Y E ，(2)1.01)3.001.0(00)31(1.021(2.01)(⨯+++⨯+⨯-+⨯-+⨯-=Z E 1511.0311.021-=⨯+⨯+，(3)1.0)01(0)]1(3[1.0)]1(2[2.0)]1(1[)(2222⨯-+⨯--+⨯--+⨯--=Z E 51.0)13(1.0)12(1.0)11(3.0)03(0)02(22222=⨯-+⨯-+⨯-+⨯-+⨯-+．14．设随机变量),(Y X 的概率密度函数为⎪⎩⎪⎨⎧≤≤≤≤+=其他．,0,10,20,3),(y x yx y x f求)(X E ，)(Y E ，)(Y X E +及)(22Y X E +．解：⎰⎰∞+∞-∞+∞-=y x y x f x X E d d ),()(911d d 31020=+⋅=⎰⎰y x y x x ，⎰⎰∞+∞-∞+∞-=y x y x yf Y E d d ),()(95d d 31020=+⋅=⎰⎰y x y x y ，⎰⎰∞+∞-∞+∞-+=+y x y x f y x Y X E d d ),()()(916d d 3)(1020=+⋅+=⎰⎰y x y x y x ，⎰⎰∞+∞-∞+∞-+=+y x y x f y x Y X E d d ),()()(2222613d d 3)(102022=+⋅+=⎰⎰y x y x y x ．15．),(Y X 在区域}1,0,0|),{(≤+≥≥=y x y x y x D 上服从均匀分布，求)(X E ，)23(Y X E -及)(XY E ．解：由题可知),(Y X 的联合密度函数为⎩⎨⎧≤≤-≤≤=其他．,0,10,10,2),(y y x y x f ⎰⎰∞+∞-∞+∞-=y x y x f x X E d d ),()(31d d 21010==⎰⎰-yy x x ，⎰⎰∞+∞-∞+∞--=-y x y x f y x Y X E d d ),()23()23(31d d )23(21010=-=⎰⎰-yy x y x ，⎰⎰∞+∞-∞+∞-=y x y x xyf XY E d d ),()(121d d 21010==⎰⎰-y y x xy ．16．设二维随机变量),(Y X 的概率密度函数为⎪⎩⎪⎨⎧>+≤+=．1,0,1,1),(2222y x y x y x f π证明：随机变量X 与Y 不相关，也不相互独立．证：⎰⎰⎰⎰⋅=⋅=∞+∞-∞+∞-πθθππ201d d cos 1d d 1)(r r r y x x X E ，同理，0)(=Y E ，⎰⎰⎰⎰⋅⋅=⋅=∞+∞-∞+∞-πθθθππ201d d sin cos 1d d 1)(r r r r y x xy XY E ，0)()()(),cov(=-=Y E X E XY E Y X ，故随机变量X 与Y 不相关．当11≤≤-x 时，ππ21112d 1d ),()(22x y y y x f x f x x X -===⎰⎰---∞+∞-，其他，0)(=x f X ，故⎪⎩⎪⎨⎧≤≤--=其他．,0,11,12)(2x x x f X π同理，⎪⎩⎪⎨⎧≤≤--=其他．,0,11,12)(2y y y f Y π易得)()(),(y f x f y x f Y X ≠，故随机变量X 与Y 不相互独立．17．设随机变量1X ，2X 的概率密度分别为⎩⎨⎧≤>=-．0,0,0,e 2)(21x x x f x ，⎩⎨⎧≤>=-．0,0,0,e 4)(42y y y f y 试用数学期望的性质求：(1))(21X X E +及)32(221X X E -；(2)又设1X ，2X 相互独立，求)(21X X E ．解：由题可知1X ～)2(E ，2X ～)4(E ，则21)(1=X E ，41)(2=X E ，161)(2=X D ，81)]([)()(22222=+=X E X D X E ．(1)43)()()(2121=+=+X E X E X X E ，85)(3)(2)32(221221=-=-X E X E X X E ．(2)81)()()(2121==X E X E X X E ．18．(1)设1X ，2X ，3X 及4X 独立同在)1,0(上服从均匀分布，求)51(41∑=k k kX D ；(2)已知随机变量X ，Y 的方差分别为25和36，相关系数为4.0，求Y X U 23+=的方差．解：(1)由题易得121)(=i X D ，)51(41∑=k k kX D )(5141∑==k kkX D )](4)(3)(2)([514321X D X D X D X D +++=21)4321(121512222=+++⋅=．(2)由已知25)(=X D ，36)(=Y D ，4.0)()(),cov(==Y D X D Y X XY ρ，得12),cov(=Y X ，)2,3cov(2)2()3()23()(Y X Y D X D Y X D U D ++=+=513),cov(232)(2)(322=⋅⋅++=Y X Y D X D ．19．一民航送客车载有20位旅客自机场开出，旅客有10个车站可以下车，如果到达一个车站没有旅客下车就不停车，以X 表示停车的次数，求)(X E (设每位旅客在各个车站下车是等可能的，并设各旅客是否下车相互独立)．解：引入随机变量⎩⎨⎧=站无人下车．，在第站有人下车；，在第i i X i 01，10,,2,1 =i ．易知1021X X X X +++= ．按题意，任一旅客在第i 站不下车的概率为9.0，因此20位旅客都不在第i 站下车的概率为209.0，在第i 站有人下车的概率为209.01-，也就是209.0)0(==i X P ，209.01)1(-==i X P ，10,,2,1 =i ．由此209.01)(-=i X E ，10,,2,1 =i ．进而)()()()()(10211021X E X E X E X X X E X E +++=+++= 784.8)9.01(1020=-=(次)．20．将n 只球(1～n 号)随机地放进n 只盒子(1～n 号)中去，一只盒子装一只球．若一只球装入与球同号的盒子中，称为一个配对，记X 为总的配对数，求)(X E ．解：引入随机变量⎩⎨⎧=号盒子．号球未放入第第号盒子号球放入第第i i i i X i ,0,,1，n i ,,2,1 =，则n X X X X +++= 21，显然n X P i 1)1(==，则nX P i 11)0(-==，n i ,,2,1 =，从而nX E i 1)(=，n i ,,2,1 =，于是1)()()()()(2121=+++=+++=n n X E X E X E X X X E X E ．21．设随机变量),(Y X 的分布律为试验证X 和Y 是不相关的，但X 和Y 不是相互独立的．证：0)25.00(2)025.0(1)025.0()1()25.00(2)(=+⨯++⨯++⨯-++⨯-=X E ，5)25.00025.0(4)025.025.00(1)(=+++⨯++++⨯=Y E ，0)4(25.0)8(0225.0125.0)1(02)(⨯-+⨯-+⨯+⨯+⨯-+⨯-=XY E 025.0804=⨯+⨯+，所以0)()()(),cov(=-=Y E X E XY E Y X ，故X 与Y 不相关．易知25.025.00)2(=+=-=X P ，5.0025.025.00)1(=+++==Y P ，0)1,2(==-=Y X P ，有)1()2()1,2(=-=≠=-=Y P X P Y X P ，故X 与Y 不相互独立．22．设二维随机变量),(Y X 的概率密度为⎩⎨⎧≤≤≤≤+=其他．,0,10,10,),(y x y x y x f 求)(X E ，)(Y E ，)(X D ，)(Y D ，)(XY E ，),cov(Y X 及XY ρ．解：127d d )(d d ),()(1010=+==⎰⎰⎰⎰∞+∞-∞+∞-y x y x x y x y x f x X E ，125d d )(d d ),()(1010222=+==⎰⎰⎰⎰∞+∞-∞+∞-y x y x x y x y x f x X E ，14411)]([)()(22=-=X E X E X D ，由轮换对称性，得127)(=Y E ，14411)(=Y D ，31d d )(d d ),()(1010=+==⎰⎰⎰⎰∞+∞-∞+∞-y x y x xy y x y x xyf XY E ，1441)()()(),cov(-=-=Y E X E XY E Y X ，111)()(),cov(-==Y D X D Y X XY ρ．23．设X ～),(2σμN ，Y ～),(2σμN ，且X ，Y 相互独立．求Y X Z βα+=1和Y X Z βα-=2的相关系数(α，β是不为0的常数)．解：由题可知μ==)()(Y E X E ，2)()(σ==Y D X D ，则2222)]([)()(σμ+=+=X E X D X E ，2222)]([)()(σμ+=+=Y E Y D Y E ，μβαβα)()()(1+=+=Y X E Z E ，μβαβα)()()(2-=-=Y X E Z E ，222221)()()()()(σβαβαβα+=+=+=Y D X D Y X D Z D ，222222)()()()()(σβαβαβα+=+=-=Y D X D Y X D Z D ，)()])([()(222221Y X E Y X Y X E Z Z E βαβαβα-=-+=))(()()(22222222σμβαβα+-=-=Y E X E ，222212121)()()()(),cov(σβα-=-=Z E Z E Z Z E Z Z ，22222121)()(),cov(21βαβαρ+-==Z D Z D Z Z Z Z ．24．设),(Y X 的联合概率密度为⎩⎨⎧≤≤≤≤--=.,0,10,10,2),(其他y x y x y x f (1)求),cov(Y X ，XY ρ和)32(Y X D -；11(2)X 与Y 是否独立？解：(1)125d d )2(d d ),()(1010=--==⎰⎰⎰⎰∞+∞-∞+∞-y x y x x y x y x f x X E ，41d d )2(d d ),()(1010222=--==⎰⎰⎰⎰∞+∞-∞+∞-y x y x x y x y x f x X E ，61d d )2(d d ),()(1010=--==⎰⎰⎰⎰∞+∞-∞+∞-y x y x xy y x y x xyf XY E ，14411)]([)()(22=-=X E X E X D ，由轮换对称性，125)(=Y E ，14411)(=Y D ，1441)()()(),cov(-=-=Y E X E XY E Y X ，111)()(),cov(-==Y D X D Y X XY ρ，)3,2cov(2)3()2()32(Y X Y D X D Y X D -+-+=-144155),cov(12)(3)(222=-+=Y X Y D X D ．(2)当10≤≤x 时，x y y x y y x f x f X -=--==⎰⎰∞+∞-23d )2(d ),()(10，其他，0)(=x f X ，故⎪⎩⎪⎨⎧≤≤-=其他．,0,10,23)(x x x f X 同理，⎪⎩⎪⎨⎧≤≤-=其他．,0,10,23)(y y y f Y 因为)()(),(y f x f y x f Y X ≠，故X 与Y 不相互独立．。

概率论与数理统计第4章

《概率论与数理统计》第四章考点手册

概率论与数理统计第四章

概率论与数理统计教程(茆诗松)第4章

概率论与数理统计第四章二维随机变量及其分布

北京理工大学《概率论与数理统计》课件-第4章随机变量的数字特征

《概率论与数理统计》第04章习题解答

概率论与数理统计-第4章-第2讲-随机变量函数的数学期望

概率论与数理统计第4章 随机变量的数字特征与极限定理

概率论与数理统计第4章复习

概率论与数理统计 第4章 随机变量的数字特征

概率论与数理统计第四章_几种重要的分布

概率论与数理统计 第4章

概率论与数理统计第4章

概率论与数理统计(叶慈南 刘锡平 科学出版社)第4章 多维随机变量(r.v.)及其分布

概率论与数理统计 第四章

概率论与数理统计 第四章

概率论与数理统计第四章数学期望

概率论与数理统计第四章期末复习

概率论与数理统计第四章课后习题及参考答案

概率论与数理统计第4章随机变量的数字特征与极限定理

概率论与数理统计第4章随机变量的数字特征

概率论与数理统计第4章

概率论与数理统计(叶慈南刘锡平科学出版社)第4章多维随机变量(r.v.)及其分布

概率论与数理统计第四章

概率论与数理统计第四章