概率统计2-4
《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。
概率与统计中的二项分布
概率与统计中的二项分布概率与统计是数学中的重要分支，涉及到随机事件的概率计算和统计数据的分析。
在这个领域中，二项分布是一种常见且重要的概率分布。
一、二项分布的定义及特点二项分布是离散型概率分布的一种，用于描述在一系列独立重复的伯努利试验中成功次数的概率分布。
伯努利试验指的是只有两个可能结果的随机试验，如抛硬币的正反面或者某产品合格与否等。
二项分布的特点如下：1. 每次试验的结果只有两个可能，记为成功（S）和失败（F）。
2. 每次试验的成功概率为p，失败概率为1-p。
3. 每次试验独立重复进行，试验次数记为n。
4. 求得成功次数k的概率。
二、二项分布的概率计算对于二项分布而言，可以通过以下公式来计算成功次数k的概率：P(X=k) = C(n, k) * p^k * (1-p)^(n-k)其中，P(X=k)表示成功次数为k的概率，即二项分布的概率质量函数；C(n, k)表示从n次试验中取出k次成功的组合数；p^k表示k次成功的概率；(1-p)^(n-k)表示n-k次失败的概率。
三、二项分布的应用举例1. 投掷硬币的例子假设我们有一枚均匀硬币，投掷10次，成功定义为出现正面，失败定义为出现反面。
设定成功概率p为0.5，那么可以利用二项分布计算出在10次投掷中出现k次正面的概率。
2. 测试产品合格率的例子假设某产品的合格率为0.8，现从中抽取20个样本进行测试，成功定义为抽取的产品合格，失败定义为抽取的产品不合格。
可以利用二项分布计算出在20个样本中有k个合格产品的概率。
四、二项分布的性质二项分布具有以下重要性质：1. 期望与方差：二项分布的概率分布的期望值和方差分别为E(X) = np，Var(X) = np(1-p)。
其中，E(X)表示成功次数的平均值，Var(X)表示成功次数的方差。
2. 定理：当试验次数n足够大，成功概率p足够小（或足够大），则二项分布可以近似为泊松分布或正态分布。
五、总结在概率与统计中，二项分布是一种常见的离散型概率分布，适用于描述在多次独立重复的伯努利试验中成功次数的概率分布。
概率统计2-4
X pk 3
-1
1 8
0
1 8
1
1 4
2
1 2
Ch2-92
1 8
1 0
1 8
1
1 4
4
1 2
1 2
1 8
0
1 8
1
1 4
4
1 8
3 8
1 2
Ch2-93 例2 已知 X 的概率分布为 P( X = k ) = pqk , k = 0,1,2,⋯ 2 其中 p + q = 1, 0 < p < 1, 求 Y = Sin X 的概率分布 ∞ ∞ π p 2m 解 P(Y = 0) = ∑ P( X = 2m⋅ ) = ∑ pq = 2 1− q2 m=0 m=0
y =1− x
3
在R上是单调的，且 x = h(y) = (1 - y)3
x′ = 3(1− y)2
fY ( y) = f X (x)⋅ | x′ | = f X [(1− y)3 ]⋅ | 3(1− y)2 |
3(1− y)2 = ,−∞ < y < +∞ 6 π[1+ (1− y) ]
Ch2-99
∫
f X ( x ) d x ] ′ = f X [h( y)] ⋅ h′( y)
当y≥β时，F(y)=P(Y≤y)=1 所以结论成立
f ( y) = F′( y) = 0
例5 设 求 f Y (y) 解
1 f X (x) = , 2 π (1+ x )
Ch2-98
− ∞ < x < +∞
Y =1− 3 X
Ch2-94
0 F ( y) = * Y 1
《概率论与数理统计》1-4全概公式
365 400 97 146097
146097 20871 7
20871 52 400 71 P B 400 400
方法二 利用全概公式
A 表示平年,
则 A, A 构成一划分
B 表示有53个星期天
P A 97 400
1 2 P B | A , P B | A 7 7
125 198
注 : 一定要写清事件, 公式 , 不得只写算式.
p 2500 2000 1500 5% 3% 1% 3.3% X 6000 6000 6000
全概率公式和贝叶斯公式是概率论中的两个重要公式,
有着广泛的应用.若把事件Ai 理解为‘原因’, 而把 B理 解为‘结果’ P, 则 B| A 是原因 Ai
为 0.01, 各车间的产品数量分别为2500, 2000, 1500件 . 出厂时 , 三车间的产品完全混合, 现从中任取一产品, 求该 产品是次品的概率. 若已知抽到的产品是次品, 求该产品 是一车间的概率.
解 : 设 Ai 为取到第 i个车间的产品, B为取到次品 由全概率公式得:
P( B) P( Ai ) P( B Ai )
i 1
3
P( A1 ) P( B A1 ) P( A2 ) P( B A2 ) P( A3 ) P( B A3 )
2500 2000 1500 5% 3% 1% 3.3% 6000 6000 6000
由贝叶斯公式得:
P A1 B
P A1 P B A1 P B
P B P BA1 P BA2 P BA3 P A1 P B | A1 P A2 P B | A2 P A3 P B | A3
北京理工大学《概率论与数理统计》课件-第4章
解：X 的分布函数为依题意，当x <0时，当0≤x ≤2时，当x >2时，F (x )=P (X ≤x )F (x )=P (X ≤x )=0F (x )=P (X ≤x )=P (X <0)+P (0≤X ≤x )=0+kx 2=kx 2F (x )=P (X ≤x )=1例1.一个靶子是半径为2米的圆盘，设击中靶上任一同心圆盘上的点的概率与该盘的面积成正比，并设射击都能中靶.以X 表示弹着点与圆心的距离，试求随机变量X 的分布函数.当0≤x ≤2时，F (x )=P (X ≤x )=kx 2另外依题意F (2)=P (X ≤2)=k.22=1所以k 14=x x F x x x 20,0(),0241,2<⎧⎪⎪=≤≤⎨⎪>⎪⎩10.80.60.40.2-0.2-2-101234解得说明，存在一个非负可积函数f (x )，使得下式成立易知x x F x x x 20,0(),0241,2<⎧⎪⎪=≤≤⎨⎪>⎪⎩x x F x f x ,02()()20⎧≤≤⎪'==⎨⎪⎩其他()()xF x f t dt-∞=⎰1.定义：设随机变量X 的分布函数为F (x )，如果存在一个非负可积函数f (x )，使对任意的实数x ，均有则称X 是连续型随机变量(Continuous Random Variable )，称f (x )是X 的概率密度函数，简称概率密度(Probability Density Function ).()()xF x f t dt-∞=⎰连续型随机变量X的分布函数F(x)和概率密度f(x)统称为X的概率分布，简称X的分布.易知此时分布函数F(x)是连续函数，即连续型随机变量的分布是连续函数.2.概率密度函数的性质（1）f (x ) ≥ 0（2）这两条性质是判定一个函数f (x )是否为某r.v.X 的概率密度函数的充要条件.f (x )xo 面积为1+()1f x dx ∞-∞=⎰（3）P (a <X ≤b )=F (b )-F (a )如 f (x )xo a b （4）()()GP X G f x dx∈=⎰()()b a f x dx f x dx -∞-∞=-⎰⎰()baf x dx =⎰()()a P X a f x dx+∞>=⎰（5）在f (x )的连续点x 处，有f (x )=F '(x )（6）设x 为f (x )的连续点，当∆x 较小，则有P (x< X ≤x+∆x )故X 的密度f (x )在x 这一点的值，恰好是X 落在区间(x ,x +∆x ]上的概率与区间长度∆x 之比.它反映了X 在x 附近单位长区间上取值的概率.x xx f t dt f x x()()+∆=≈⎰∆连续型随机变量密度函数的性质与离散型随机变量分布律的性质非常相似，但是，密度函数不是概率！（7）P (X =x 0)=F (x 0)-F (x 0-0)P (a <X ≤b )=P (a ≤X ≤b )=P (a <X <b )=P (a ≤X <b )密度函数f (x )在某点处a 的函数值f (a )，并不等于X 取值为a 的概率.但是，这个值f (a )越大，则X 在a 附近取值的概率f (a )∆x 就越大.也可以说，在某点密度曲线的函数值反映了概率集中在该点附近的程度，即X 在该点附近取值的密集程度.=0()ba f x dx=⎰=F (b )-F (a )若X 为连续型随机变量，概率密度f (x )唯一确定了分布函数F (x )；若随机变量X 的分布函数F (x )满足：(1)F (x )连续；(2)存在x 1<x 2<…<x n (n ≥0)，除这些点外，F (x )可导，且导函数F '(x )连续；令F x F x f x F x (),()()0,()''⎧=⎨'⎩当存在当不存在则f (x )必是X 的概率密度.例2.设随机变量X 的概率密度为求(1)常数k 的值；(2)X 的分布函数；(3)P (1<X <7/2).解：(1)由解得kx x f x x x ,03()2/2,340,≤<⎧⎪=-≤≤⎨⎪⎩其他+1()f x dx ∞-∞=⎰3403(2)2x kxdx dx =+-⎰⎰k 16=k 9124=+解:(2)当x <0时，当0≤x <3时，当3≤x <4时，020()()0612x x t x F x f t dt dt dt -∞-∞==+=⎰⎰⎰03203()()0(2)32624x xt t x F x f t dt dt dt dt x -∞-∞==++-=-+-⎰⎰⎰⎰()()0x F x f t dt -∞==⎰求（2）X 的分布函数；()()xF x f t dt-∞=⎰6,03()2/2,340,x x f x x x ≤<⎧⎪=-≤≤⎨⎪⎩其他当x ≥4时，所以()()1xF x f t dt -∞==⎰x x x F x x x x x 220,0/12,03()32/4,341,4<⎧⎪≤<⎪=⎨-+-≤<⎪⎪≥⎩求（2）X 的分布函数；6,03()2/2,340,x x f x x x ≤<⎧⎪=-≤≤⎨⎪⎩其他P X F F 7741(1)()(1)2248<<=-=72723113741(1)()(2)26248x x P X f x dx dx dx <<==+-=⎰⎰⎰求(3)P (1<X <7/2)解:(3)6,03()2/2,340,x x f x x x ≤<⎧⎪=-≤≤⎨⎪⎩其他在上例中，当x ∉[0,4]时，f (x )=0，所以P (X ∉[0,4])=0，为了方便，我们说X 只在[0,4]上取值.g x a x b f x ()0,()0,>≤≤⎧=⎨⎩其他我们就说X 只在[a , b ]上取值.一般地，若随机变量X 的概率密度f (x )是如下分段函数：6,03()2/2,340,x x f x x x ≤<⎧⎪=-≤≤⎨⎪⎩其他例3.设连续型随机变量X 的分布函数为求(1)常数C 值；(2)X 取值于(0.3,0.7)内的概率；(3)X 的密度函数.解：(1)应用连续型随机变量X 的分布函数的连续性，有所以C =1x F x Cx x x 20,0(),011,1<⎧⎪=≤<⎨⎪≥⎩x F F x C11(1)lim ()→-===x x f x F x 2,01()()0,<<⎧'==⎨⎩其他解：20,0(),011,1x F x x x x <⎧⎪=≤<⎨⎪≥⎩(2)P (0.3<X <0.7)=F (0.7)−F (0.3)=0.72−0.32=0.4求(2)P (0.3<X <0.7);(3)X 的密度函数.(3)随机变量的分类：离散型随机变量连续型随机变量.非离散型随机变量非连续非离散型随机变量.（1）若随机变量X 的概率密度为1.均匀分布(Uniform Distribution )则称X 在[a , b ]上服从均匀分布，记为X~U [a , b ]1,()0,a x b f x b a ⎧≤≤⎪=-⎨⎪⎩其他[,]1a b I b a =-[,][,]1,[,]()0,[,]a b a b x a b I I x x a b ∈⎧==⎨∉⎩区间[a ,b ]上的示性函数类似地，我们可以定义区间[a , b )、(a , b ]和(a , b )上的均匀分布一般地，设D 是数轴上一些不相交的区间之和，若X 的概率密度为x D f x D x D 1()0⎧∈⎪=⎨⎪∉⎩，的长度，则称X 在D 上服从均匀分布.若X ~U [a , b ]，X 的分布函数为对于满足a ≤c <d ≤b 的任意的c 、d ，有0(),1,x a x a F x a x bb a<⎧⎪-⎪=≤≤⎨-⎪⎪⎩，其他()d c P c X d b a-<≤=-例1.设公共汽车站从上午7时起每隔15分钟来一班车，如果某乘客到达此站的时间是7:00到7:30之间的均匀随机变量.试求该乘客候车时间不超过5分钟的概率.解：设该乘客于7时X 到达此站，则X 服从[0, 30]上的均匀分布令B ={候车时间不超过5分钟}1530102511130303dx dx =+=⎰⎰()(1015)(2530)P B P X P X =≤≤+≤≤1030()300x f x ⎧≤≤⎪=⎨⎪⎩其它2.指数分布(Exponential Distribution )若随机变量X 的概率密度为其中常数λ>0，则称X 服从参数为λ的指数分布.,0()0,0x e x f x x λλ-⎧>=⎨≤⎩易求得X 的分布函数为1,0()0,0x e x F x x λ-⎧->=⎨≤⎩指数分布的另一种等价定义定义：设连续型随机变量X 的概率密度为1,0()0,0x e x f x x θθ-⎧>⎪=⎨⎪≤⎩其中θ>0为常数，则称X 服从参数为θ的指数分布.服从指数分布的随机变量X 具有以下性质：事实上无记忆性或无后效性(|)()P X s t X s P X t >+>=>(,)(|)()P X s t X s P X s t X s P X s >+>>+>=>()()P X s t P X s >+=>1()1()F s t F s -+=-()s t t s e e e λλλ-+--==1()()F t P X t =-=>1,0()0,0x e x F x x λ-⎧->=⎨≤⎩即对于任意s , t >0，有如果X 表示某仪器的工作寿命，无后效性的解释是：当仪器工作了s 小时后再能继续工作t 小时的概率等于该仪器刚开始就能工作t 小时的概率.说明该仪器的使用寿命不随使用时间的增加发生变化，或说仪器是“永葆青春”的.(|)()P X s t X s P X t >+>=>一般来说，电子元件等具备这种性质，它们本身的老化是可以忽略不计的，造成损坏的原因是意外的高电压等等.3.正态分布(Normal Distribution )若随机变量X 的概率密度为其中μ, σ均为常数，且σ>0，则称X 服从参数为μ和σ的正态分布.记作X ~N (μ, σ2)正态分布最初由高斯（Gauss ）在研究偏差理论时发现，又叫高斯分布.22()21(),2x f x e x μσσπ--=-∞<<∞X 的分布函数为22()21()2t xF x e dtμσσπ---∞=⎰N (10, 32)0-50.10.20.30.40.50.60.70.80.910510152025正态分布N(μ,σ2)密度函数图形的特点f(x)μa.正态分布的密度曲线是一条关于μ对称的钟形曲线.f(μ+c)=f(μ−c )特点是“两头小，中间大，左右对称”.b .μ决定了图形的中心位置，称为位置参数；σ决定了图形中峰的陡峭程度，称为形状参数或者刻度参数μ2μ1μ3x f (x )f (x )0xc .在x =μ处达到最大值：1()2f μπσ=d .曲线f (x )向左右伸展时，越来越贴近x 轴，即f (x )以x 轴为渐近线.当x →±∞时，f (x )→0e .x=μ±σ为f (x )的两个拐点的横坐标.说明X 落在μ附件的概率最大，或者说X 的取值在μ附件最密集.22()21(),2x f x e x μσσπ--=-∞<<∞μf (x )年降雨量、同龄人身高、在正常条件下各种产品的质量指标——如零件的尺寸；纤维的强度和张力、农作物的产量，小麦的穗长、株高、测量误差、射击目标的水平或垂直偏差、信号噪声等等，都服从或近似服从正态分布.标准正态分布(Standard Normal Distribution )μ=0，σ=1的正态分布称为标准正态分布.其密度函数和分布函数常用φ(x )和Ф(x )表示：)(x Φ)(x ϕ221(),2x x e x ϕπ-=-∞<<∞221()2t x x e dt π--∞Φ=⎰注意：Φ(0)=0.5,Φ(-x )=1-Φ(x )若X ~N (0, 1)，对任意的实数x 1，x 2(x 1< x 2)，有人们已编制了Φ(x )的函数表，可供查用.P (X≤x 1)=Φ(x 1)P (X>x 1)=1-Φ(x 1)P (x 1≤X≤x 2)=Φ(x 2)-Φ(x 1)221()2x t x e dt π--∞Φ=⎰−x x Φ(x )x4-40.40.2正态分布的计算()x μσ-=Φ对任意的实数x 1，x 2(x 1< x 2)，有211221()()()()()x x P x X x F x F x μμσσ--<≤=-=Φ-Φ222()()22()22x t xu F x e dt e du μσμσπσπ-----∞-∞==⎰⎰111()()()x P X x F x μσ-≤==Φ111()1()1()x P X x F x μσ->=-=-Φ例2.设X ~N (μ,σ2)，求P (|X −μ|<k σ)的值，k =1, 2, 3.解：当k =1时当k =2时当k =3时(||)()P X k P k X k μσμσμσ-<=-<<+()()F k F k μσμσ=+--()()k k μσμμσμσσ+---=Φ-Φ()()k k =Φ-Φ-()[1()]2()1k k k =Φ--Φ=Φ-(||)2(1)10.6826P X μσ-<=Φ-=(||2)2(2)10.9544P X μσ-<=Φ-=(||3)2(3)10.9974P X μσ-<=Φ-=质量控制中的3σ原则设在正常生产的情况下，某零件的尺寸X服从正态分布N(μ,σ2)，为了在生产过程中随时检查有无系统性误差出现，人们画了一个质量控制图.每隔一定时间，对产品尺寸进行检查，测量的产品的尺寸应落在上、下控制线之内.如果超出控制线，则很有可能是生产出现了异常情况，应该暂停生产进行检查.当然也可能虚报，但虚报的可能性比较小.214y x=π因此，需要求某些随机变量的函数的分布.在某些实际问题中，我们所关心的随机变量不能直接测量得到，而它却是某个能够直接测量的随机变量的函数.例如，考察一批圆轴的截面面积Y ，我们能够直接测量的是直径X ，且当直径X 取x 值时，截面面积Y 的取值为一般地，设X、Y是两个随机变量，y=g(x)是一个已知函数，如果当X取值x时，Y取值为g(x)，则称Y是随机变量X的函数，记为Y=g(X).问题是：如何由已知的随机变量X的概率分布去求它的函数Y=g(X)的概率分布.解：求Y =(X –1)2的分布律.Y 所有可能的取值为0，1，4，而且(0)(1)0.1P Y P X ====(1)(0)(2)0.7P Y P X P X ===+==(4)(1)0.2P Y P X ===-=例1.设随机变量X 的分布律为X −10 1 2P0.20.3 0.1 0.4一、离散型随机变量X 的函数Y =g (X )的分布所以，Y 的分布律为Y0 1 4P0.10.7 0.2X−1 0 1 2 Y= (X–1)24101 P0.20.3 0.1 0.4所以，Y 的分布律为Y0 1 4P0.10.7 0.2一般地，若X 的分布律为则Y =g (X )的分布律为如果g (x k )中有一些值是相等的，则它们是Y 可能取的同一个值.此时，在Y 的分布律中，只需列出一个，然后把对应于这些相同值的概率相加，作为Y 取这个可能值的概率.X x 1 x 2 … x k …Pp 1 p 2 … p k…Y g (x 1) g (x 2)… g (x k ) …Pp 1 p 2 … p k…二、连续型随机变量X 的函数Y =g (X )的分布例2.设随机变量X 的概率密度为令求Y 的分布.解：2,01()0,x x f x <<⎧=⎨⎩其他1,1/20,1/2X Y X ≤⎧=⎨>⎩(1)P Y =(1/2)P X =≤1/2124xdx ==⎰所以Y 的分布为13(0)1(1)144P Y P Y ==-==-=Y0 1P 3/4 1/4例3.设连续型随机变量X 的概率密度函数为求Y =2X +8的概率密度.解：设X 和Y 的分布函数分别为F X (x )和F Y (y ).F Y (y )=P (Y≤y )=P (2X +8≤y )于是Y 的密度函数/8,04()0,X x x f x <<⎧=⎨⎩其它88()()22X y y P X F --=≤=()81()()22Y Y X dF y y f y f dy -==⋅故当8<y <16时，当y ≤8或y ≥16时，81()()22Y X y f y f -=⋅/8,04()0,X x x f x <<⎧=⎨⎩其它88()216X y y f --=8()02X y f -=8,816()320,Y y y f y -⎧<<⎪=⎨⎪⎩其它方法：1.先求Y=g(X)分布函数F(y)；Y2.求分布函数F Y (y)的导数，即为密度函数f Y(y).关键步骤：F(y)=P(Y≤y)=P(g(X)≤y)=P(X∈D)Y。
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
概率论与数理统计习题及答案第二章
习题2-21. 设A 为任一随机事件, 且P (A )=p (0<p <1). 定义随机变量1,,0,A X A =⎧⎨⎩发生不发生.写出随机变量X 的分布律.解 P {X =1}=p , P {X =0}=1-p . 或者！2. 已知随机变量X 只能取-1,0,1,2四个值, 且取这四个值的相应概率依次为cc c c 167,85,43,21. 试确定常数c , 并计算条件概率}0|1{≠<X X P . 解 由离散型随机变量的分布律的性质知，13571,24816c c c c+++= 所以3716c=. 所求概率为 P {X <1| X0≠}=258167852121}0{}1{=++=≠-=cc c c X P X P . 3. 设随机变量X 服从参数为2, p 的二项分布, 随机变量Y 服从参数为3, p 的二项分布, 若{P X ≥51}9=, 求{P Y ≥1}.解 注意p{x=k}=kk n k n C p q -,由题设5{9P X =≥21}1{0}1,P X q =-==-故213qp =-=. 从而{P Y ≥32191}1{0}1().327P Y =-==-=,4. 在三次独立的重复试验中, 每次试验成功的概率相同, 已知至少成功一次的概率为1927, 求每次试验成功的概率.解 设每次试验成功的概率为p , 由题意知至少成功一次的概率是2719，那么一次都没有成功的概率是278. 即278)1(3=-p , 故 p =31. 5. 若X 服从参数为λ的泊松分布, 且{1}{3}P X P X ===, 求参数λ.解 由泊松分布的分布律可知6=λ.6. 一袋中装有5只球, 编号为1,2,3,4,5. 在袋中同时取3只球, 以X 表示取出的3只球中的最大号码, 写出随机变量X 的分布律.解 从1，2，3，4，5中随机取3个，以X 表示3个数中的最大值，X 的可能取值是3，4，5，在5个数中取3个共有1035=C 种取法.{X =3}表示取出的3个数以3为最大值，P{X =3}=2235C C =101;{X =4}表示取出的3个数以4为最大值，P{X =4}=1033523=C C ;{X =5}表示取出的3个数以5为最大值，P{X =5}=533524=C C .X 的分布律是1. 设X 、求分布函数F (x ), 并计算概率P {X <0}, P {X <2}, P {-2≤X <1}.解 (1) F (x )=0,1,0.15,10,0.35,01,1,1.x x x x <-⎧⎪-<⎪⎨<⎪⎪⎩≤≤≥(2) P {X <0}=P {X =-1}=;(3) P {X <2}= P {X =-1}+P {X =0}+P {X =1}=1; (4) P {-2≤x <1}=P {X =-1}+P {X =0}=. 2. 设随机变量X 的分布函数为F (x ) = A +B arctan x -∞<x <+∞.试求: (1) 常数A 与B ; (2) X 落在(-1, 1]内的概率.解 (1) 由于F (-∞) = 0, F (+∞) = 1, 可知()0112,.2()12A B A B A B πππ⎧+-=⎪⎪⇒==⎨⎪+=⎪⎩ /于是11()arctan ,.2F x x x π=+-∞<<+∞ (2){11}(1)(1)P X F F -<=--≤1111(arctan1)(arctan(1))22ππ=+-+-11111().24242ππππ=+⋅---=3. 设随机变量X 的分布函数为F (x )=0, 0,01,21,1,,x xx x <<⎧⎪⎪⎨⎪⎪⎩ ≤ ≥求P {X ≤-1}, P { <X <}, P {0<X ≤2}.解 P {X 1}(1)0F -=-=≤,P {<X <}=F -F {}-P {X =}=,P {0<X ≤2}=F (2)-F (0)=1.…5. 假设随机变量X 的绝对值不大于1;11{1},{1}84P X P X =-===; 在事件{11}X -<<出现的条件下, X 在(-1,1)内任一子区间上取值的条件概率与该区间的长度成正比. (1) 求X 的分布函数(){F x P X =≤x }; (2) 求X 取负值的概率p .解 (1) 由条件可知, 当1x <-时, ()0F x =; 当1x =-时,1(1)8F -=;当1x =时, F (1)=P {X ≤1}=P (S )=1. 所以115{11}(1)(1){1}1.848P X F F P X -<<=---==--=易见, 在X 的值属于(1,1)-的条件下, 事件{1}X x -<<的条件概率为{1P X -<≤|11}[(1)]x X k x -<<=--,取x =1得到 1=k (1+1), 所以k =12. 因此{1P X -<≤|11}12x X x -<<=+. |于是, 对于11x -<<, 有{1P X -<≤}{1x P X =-<≤,11}x X -<<{11}{1|11}≤P X P X x X =-<<-<-<< 5155.8216x x ++=⨯=对于x ≥1, 有() 1.F x = 从而0,1,57(),11,161,1.x x F x x x <-+=-<<⎧⎪⎪⎨⎪⎪⎩≥ (2) X 取负值的概率7{0}(0){0}(0)[(0)(0)](0).16p P X F P X F F F F =<=-==---=-=习题2-41. 选择题 》(1) 设2, [0,],()0, [0,].x x c f x x c ∈=∉⎧⎨⎩ 如果c =( ), 则()f x 是某一随机变量的概率密度函数. (A)13. (B) 12. (C) 1. (D) 32. 解 由概率密度函数的性质()d 1f x x +∞-∞=⎰可得02d 1cx x =⎰, 于是1=c , 故本题应选(C ).(2) 设~(0,1),X N 又常数c 满足{}{}P X c P X c =<≥, 则c 等于( ).(A) 1. (B) 0. (C) 12. (D) -1. 解 因为{}{}P X c P X c =<≥, 所以1{}{}P X c P X c -<=<,即2{}1P X c <=, 从而{}0.5P X c <=,即()0.5c Φ=, 得c =0. 因此本题应选(B).(3) 下列函数中可以作为某一随机变量的概率密度的是( ).(A)cos ,[0,],()0,x x f x π∈=⎧⎨⎩其它. (B) 1,2,()20,x f x <=⎧⎪⎨⎪⎩其它.(C) 22()2,0,()0,0.≥x x f x x μσ--=<⎧⎩ (D) e ,0,()0,0.≥x x f x x -=<⎧⎨⎩ 、解 由概率密度函数的性质()1f x dx +∞-∞=⎰可知本题应选(D).(4) 设随机变量2~(,4)X N μ, 2~(,5)Y N μ, 1{X P P =≤4μ-}, {2P P Y =≥5μ+}, 则( ).(A) 对任意的实数12,P P μ=. (B) 对任意的实数12,P P μ<. (C) 只对实数μ的个别值, 有12P P =. (D) 对任意的实数12,P P μ>. 解 由正态分布函数的性质可知对任意的实数μ, 有12(1)1(1)P P ΦΦ=-=-=. 因此本题应选(A).(5) 设随机变量X 的概率密度为()f x , 且()()f x f x =-, 又F (x )为分布函数, 则对任意实数a , 有( ).>(A)()1d ()∫aF a x f x -=-. (B) 01()d 2()∫aF a x f x -=-.(C) ()()F a F a -=. (D) ()2()1F a F a -=-.解 由分布函数的几何意义及概率密度的性质知答案为(B). (6) 设随机变量X服从正态分布211(,)N μσ,Y服从正态分布222(,)N μσ,且12{1}{1},P X P Y μμ-<>-< 则下式中成立的是( ).(A) σ1 < σ2. (B) σ1 > σ2. (C) μ1 <μ2. (D) μ1 >μ2.解 答案是(A).(7) 设随机变量X 服从正态分布N (0,1), 对给定的正数)10(<<αα, 数αu 满足{}P X u αα>=, 若{}P X x α<=, 则x 等于( ).(A)2u α . (B) 21α-u. (C)1-2u α. (D) α-1u .解 答案是(C).2. 设连续型随机变量X 服从参数为λ的指数分布, 要使1{2}4P kX k <<=成立,应当怎样选择数k *解 因为随机变量X 服从参数为λ的指数分布, 其分布函数为1e ,0,()0,0.≤x x F x x λ-->=⎧⎨⎩ 由题意可知221{2}(2)()(1e )(1e )e e 4k k k k P k X k F k F k λλλλ----=<<=-=---=-.于是ln 2k λ=.3. 设随机变量X 有概率密度34,01,()0,x x f x <<=⎧⎨⎩其它, 要使{}{}≥P X a P X a =<(其中a >0)成立, 应当怎样选择数a解 由条件变形,得到1{}{}P X a P X a -<=<,可知{}0.5P X a <=, 于是304d 0.5a x x =⎰,因此a =4. 设连续型随机变量X 的分布函数为.20,0,()01,1,1,,≤≤x F x x x x <=>⎧⎪⎨⎪⎩求: (1) X 的概率密度; (2){0.30.7}P X <<.解 (1) 根据分布函数与概率密度的关系()()F x f x '=,可得2,01,()0,其它.x x f x <<⎧=⎨⎩ (2)22{0.30.7}(0.7)(0.3)0.70.30.4P X F F <<=-=-=.5. 设随机变量X 的概率密度为f (x )＝2,01,0,x x ⎧⎨⎩≤≤ 其它, 求P {X ≤12}与P {14X ＜≤2}.解{P X ≤12201112d 2240}x x x ===⎰;1{4P X <≤12141152}2d 1164x x x ===⎰. 【6. 设连续型随机变量X 具有概率密度函数,01,(),12,0,x x f x A x x <=-<⎧⎪⎨⎪⎩≤≤其它.求: (1) 常数A ；(2) X 的分布函数F (x ).解 (1) 由概率密度的性质可得12221121111d ()d []122x x A x x xAx x A =+-=+-=-⎰⎰,于是2A =；(2) 由公式()()d x F x f x x -∞=⎰可得当x ≤0时,()0F x =;当0x <≤1时, 201()d 2xF x x x x ==⎰;当1x <≤2时, 2101()d (2)d 212x x F x x x x x x =+-=--⎰⎰;，当x >2时,()1F x =.所以220,0,1()221, 2.1,021,12x F x x x x x x x =->⎧⎪⎪<⎪⎨⎪-<⎪⎪⎩≤≤,≤,7. 设随机变量X 的概率密度为1(1),02,()40,x x f x ⎧⎪⎨⎪⎩+<<=其它,对X 独立观察3次, 求至少有2次的结果大于1的概率.解 根据概率密度与分布函数的关系式{P a X <≤}()()()d bab F b F a f x x =-=⎰,可得2115{1}(1)d 48P X x x >=+=⎰.所以, 3次观察中至少有2次的结果大于1的概率为—223333535175()()()888256C C +=. 8. 设~(0,5)X U , 求关于x 的方程24420x Xx ++=有实根的概率.解 随机变量X 的概率密度为105,()50,,x f x <=⎧⎪⎨⎪⎩≤其它,若方程有实根, 则21632X -≥0, 于是2X ≥2. 故方程有实根的概率为 P {2X ≥2}=21{2}P X -<1{P X =-<<1d 5x =-15=-.9. 设随机变量)2,3(~2N X .、(1) 计算{25}P X <≤, {410}P X -<≤, {||2}P X >, }3{>X P ；(2) 确定c 使得{}{};P X c P X c >=≤(3) 设d 满足{}0.9P X d >≥, 问d 至多为多少 解 (1) 由P {a <x ≤b }=P {33333}()()22222a Xb b a ΦΦ-----<=-≤公式, 得到P {2<X ≤5}=(1)(0.5)0.5328ΦΦ--=, P {-4<X ≤10}=(3.5)(3.5)0.9996ΦΦ--=,{||2}P X >={2}P X >+{2}P X <-=123()2Φ--+23()2Φ--=,}3{>X P =133{3}1()1(0)2P X ΦΦ-=-=-≤= . (2) 若{}{}≤P X c P X c >=,得1{}{}P X c P x c -=≤≤,所以{{}0.5P X c =≤由(0)Φ=0推得30,2c -=于是c =3. (3){}0.9≥P X d > 即13()0.92d Φ--≥, 也就是 3()0.9(1.282)2d ΦΦ--=≥,因分布函数是一个不减函数, 故(3)1.282,2d --≥ 解得 32( 1.282)0.436d +⨯-=≤.10. 设随机变量2~(2,)X N σ, 若{04}0.3P X <<=, 求{0}P X <.解 因为()~2,X N σ2,所以~(0,1)X Z N μσ-=. 由条件{04}0.3P X <<=可知02242220.3{04}{}()()X P X P ΦΦσσσσσ---=<<=<<=--,于是22()10.3Φσ-=, 从而2()0.65Φσ=.！所以{{}2020}P P X X σσ==--<<22()1()0.35ΦΦσσ-=-=.习题2-51. 选择题(1) 设X 的分布函数为F (x ), 则31Y X =+的分布函数()G y 为( ).(A) 11()33F y -. (B) (31)F y +.(C)3()1F y +. (D)1133()F y -. 解 由随机变量函数的分布可得, 本题应选(A).(2) 设()~01,X N ,令2Y X =--, 则~Y ( ).(A)(2,1)N --. (B)(0,1)N . (C)(2,1)N -. (D)(2,1)N .解 由正态分布函数的性质可知本题应选(C). ！2. 设~(1,2),23X N Z X =+, 求Z 所服从的分布及概率密度.解 若随机变量2~(,)X N μσ, 则X 的线性函数Y aX b =+也服从正态分布, 即2~(,()).Y aX b N a b a μσ=++这里1,μσ==, 所以Z ~(5,8)N .概率密度为()f z=2(5)16,x x ---∞<<+∞.3. 已知随机变量X 的分布律为(1) 求解 (1)(2)4. ()X f x ＝1142ln 20x x <<⎧⎪⎨⎪⎩， ， ， 其它，且Y ＝2－X , 试求Y 的概率密度.解 先求Y 的分布函数)(y F Y :)(y F Y ={P Y ≤}{2y P X =-≤}{y P X =≥2}y -1{2}P Xy =-<-=1-2()d yX f x x --∞⎰.于是可得Y 的概率密度为()(2)(2)Y X f y f y y '=---=12(2)ln 20,.,124,其它y y -⎧<-<⎪⎨⎪⎩…即121,2(2)ln 20, ,()其它.Y y y f y -<<-⎧⎪=⎨⎪⎩5. 设随机变量X 服从区间(-2,2)上的均匀分布, 求随机变量2YX =的概率密度.解 由题意可知随机变量X 的概率密度为()0,.1,22,4其它X f x x =⎧-<<⎪⎨⎪⎩因为对于0<y <4,(){Y F y P Y =≤2}{y P X =≤}{y P =X(X X F F =-.于是随机变量2YX =的概率密度函数为()Y fy (X X f f =+0 4.y =<<即()04,0,.其它f y y =<<⎩总习题二/1. 一批产品中有20%的次品, 现进行有放回抽样, 共抽取5件样品. 分别计算这5件样品中恰好有3件次品及至多有3件次品的概率.解 以X 表示抽取的5件样品中含有的次品数. 依题意知~(5,0.2)X B .(1) 恰好有3件次品的概率是P {X =3}=23358.02.0C .(2) 至多有3件次品的概率是k k k k C-=∑5358.02.0.2. 一办公楼装有5个同类型的供水设备. 调查表明, 在任一时刻t 每个设备被使用的概率为. 问在同一时刻(1) 恰有两个设备被使用的概率是多少 (2) 至少有1个设备被使用的概率是多少 (3) 至多有3个设备被使用的概率是多少 (4) 至少有3个设备被使用的概率是多少解 以X 表示同一时刻被使用的设备的个数，则X ~B (5,,P {X =k }=k kkC -559.01.0,k =0,1, (5)(1) 所求的概率是P {X =2}=0729.09.01.03225=C ;(2)所求的概率是P {X ≥1}=140951.0)1.01(5=--;(3) 所求的概率是 P {X ≤3}=1-P{X =4}-P {X =5}=; (4) 所求的概率是P {X ≥3}=P {X =3}+P {X =4}+P {X =5}=. 3. 设随机变量X 的概率密度为e ,0,()00,≥，x k x f x x θθ-=<⎧⎪⎨⎪⎩且已知1{1}2P X>=, 求常数k , θ.解 由概率密度的性质可知e d 1xkx θθ-+∞=⎰得到k =1.由已知条件111e d 2xx θθ-+∞=⎰, 得1ln 2θ=.4. 某产品的某一质量指标2~(160,)X N σ, 若要求{120P ≤X ≤200}≥, 问允许σ最大是多少解 由{120P ≤X ≤}200120160160200160{}X P σσσ---=≤≤=404040()(1())2()1ΦΦΦσσσ--=-≥,得到40()Φσ≥, 查表得40σ≥, 由此可得允许σ最大值为.5. 设随机变量X 的概率密度为φ(x ) = A e -|x |, -∞<x <+∞.试求: (1) 常数A ; (2) P {0<X <1}; (3) X 的分布函数.解 (1) 由于||()d e d 1,x x x A x ϕ+∞+∞--∞-∞==⎰⎰即02e d 1x A x +∞-=⎰故2A = 1, 得到A =12.所以 φ(x ) =12e -|x |.(2) P {0<X <1} =111111e e d (e )0.316.0222xxx ----=-=≈⎰(3) 因为||1()e d ,2xx F x x --∞=⎰ 得到 当x <0时, 11()e d e ,22x x xF x x -∞==⎰当x ≥0时, 00111()e d e d 1e ,222x x x xF x x x ---∞=+=-⎰⎰所以X的分布函数为1,0,2()11,0.2xxxF xx-⎧<⎪⎪=⎨⎪-⎪⎩ee≥:。
概率统计公式大全
概率统计公式大全概率统计是研究随机现象及其规律性的一门学科，其核心就是用数学方法来描述和分析随机现象。
在概率统计的理论体系中，有很多重要的公式和定理，下面对一些常用的公式进行介绍。
1.概率公式：(1)加法规则：P(A∪B)=P(A)+P(B)-P(A∩B)，其中A和B为事件，P(A)和P(B)分别是事件A和事件B发生的概率，P(A∩B)表示事件A和事件B同时发生的概率。
(2)乘法规则：P(A∩B)=P(A)×P(B，A)，其中P(A∩B)表示事件A和事件B同时发生的概率，P(A)表示事件A发生的概率，P(B，A)表示在事件A发生的条件下事件B发生的概率。
2.条件概率公式：(1)贝叶斯定理：P(A，B)=P(B，A)×P(A)/P(B)，其中P(A，B)表示在事件B发生的条件下事件A发生的概率，P(B，A)表示在事件A发生的条件下事件B发生的概率，P(A)和P(B)分别是事件A和事件B发生的概率。
(2)全概率公式：P(B)=ΣP(Ai)×P(B，Ai)，其中B是一个事件，Ai是样本空间的一个划分，即Ai是互不相容且并集为样本空间的一组事件。
3.期望公式：(1) 离散型随机变量的期望：E(X) = ΣxiP(X=xi)，其中X是一个离散型随机变量，xi是X的取值，P(X=xi)是X取值为xi的概率。
(2) 连续型随机变量的期望：E(X) = ∫xf(x)dx，其中X是一个连续型随机变量，f(x)是X的概率密度函数。
4.方差公式：(1) 离散型随机变量的方差：Var(X) = Σ(xi-E(X))^2P(X=xi)，其中Var(X)表示随机变量X的方差，xi是X的取值，E(X)是X的期望，P(X=xi)是X取值为xi的概率。
(2) 连续型随机变量的方差：Var(X) = ∫(x-E(X))^2f(x)dx，其中Var(X)表示随机变量X的方差，E(X)是X的期望，f(x)是X的概率密度函数。
概率论与数理统计(第二版-刘建亚)习题解答-第1章
概率论与数理统计（第二版.刘建亚）习题解答——第一章1－1解：（1）C AB ；（2）ABC ；（3）C B A ；（4）C AB C B A BC A ； （5）C B A ；（6）C B A C B A C B A C B A 。
1－2 解：（1）A B ；（2）AB ；（3）ABC ；（4）AB C ()。
1－3解：1＋1＝2点，…，6＋6＝12点，共11种； 样本空间的样本点数：n ＝6×6＝12， 和为2，1,1A ，1An ，1()36An P A n ， …… 和为6，1,5;2,4;3,3;4,2;5,1A，5An ，5()36A n P A n， 和为(2＋12)/2=7，1,6;2,5;3,4;4,3;5,2;6,1A ，6An ，61()366A n P A n , 和为8，2,6;3,5;4,4;5,3;6,2A ，5An ，5()36A n P A n， …… 和为12，6,6A，1An ，1()36A n P A n ， ∴ 出现7点的概率最大。
1－4解：只有n ＝133种取法，设事件A 为取到3张不同的牌，则313A n A ，（1）31333131211132()1313169AA n P A n；（2）37()1()169P A P A 。
1－5解： （1）()()()()()0.450.100.080.030.30P ABC P A P AB P AC P ABC（2）()()()0.100.030.07P ABC P AB P ABC（3）∵ ,,ABC ABC ABC 为互不相容事件，参照（1）有()()()()()()()()()()()()()()()()()()()2[()()()]3()0.450.350.302(0.100.080.05)0.090.73P ABCABCABC P ABC P ABC P ABC P A P AB P AC P ABC P B P AB P BC P ABC P C P AC P BC P ABC P A P B P C P AB P BC P AC P ABC（4）∵ ,,ABC ABC ABC 为互不相容事件，参照（2）有()()()()()()()3()0.100.080.0530.030.14P ABC ABC ABC P ABC P ABC P ABC P AB P AC P BC P ABC（5）()()()()()()()3()0.450.350.300.100.080.0530.030.90P A B C P A P B P C P AB P AC P BC P ABC（6）()1()10.900.10P A B C P A B C 。
概率统计课后习题答案
4%，2%，如从该厂产品中抽取一件，得到的是次品，求它依次是车间 生产的概率。
解 为方便计，记事件为车间生产的产品，事件{次品}，因此
10．设 因，由独立性有 从而 导致 再由 ，有 所以 。最后得到 12．甲、乙、丙三人同时独立地向同一目标各射击一次，命中率分 别为1/3，1/2，2/3，求目标被命中的概率。 解 记 {命中目标}，{甲命中}，{乙命中}，{丙命中}，则 ，因而 13．设六个相同的元件，如下图所示那样安置在线路中，设每个元 件不通达的概率为，求这个装置通达的概率。假定各个元件通达与否是 相互独立的。 解 记 {通达}，
(ⅳ) 有利于的样本点数，故 . 3．一个口袋中装有6只球，分别编上号码1至6，随机地从这个口袋 中取2只球，试求：(1) 最小号码是3的概率；(2) 最大号码是3的概率。 解 本题是无放回模式，样本点总数. (ⅰ) 最小号码为3，只能从编号为3，4，5，6这四个球中取2只，且 有一次抽到3，因而有利样本点数为，所求概率为 . (ⅱ) 最大号码为3，只能从1，2，3号球中取，且有一次取到3，于是 有利样本点数为，所求概率为 . 4．一个盒子中装有6只晶体管，其中有2只是不合格品，现在作不放 回抽样，接连取2次，每次取1只，试求下列事件的概率： (1) 2只都合格； (2) 1只合格，1只不合格； (3) 至少有1只合格。 解 分别记题(1)、(2)、(3)涉及的事件为，则 注意到，且与互斥，因而由概率的可加性知 5．掷两颗骰子，求下列事件的概率： (1) 点数之和为7；(2) 点数之和不超过5；(3) 点数之和为偶数。 解 分别记题(1)、(2)、(3)的事件为,样本点总数 (ⅰ)含样本点,(1,6),(6,1),(3,4),(4,3) (ⅱ)含样本点(1,1),(1,2),(2,1),(1,3),(3,1),(1,4),(4,1),(2,2),(2,3),(3,2)
概率论与数理统计2_3连续型随机变量
《概率统计》
返回
下页
结束
若不计高阶无穷小，有
f ( x)
f (a)1ຫໍສະໝຸດ oP{ x X x x } f ( x )x
的概率近似等于
a
x
它表示随机变量 X 取值于 ( x, x x ]
x)) x x ff ((x
在连续型随机变量理论中所起的作用与
P X xk pk
x2 , f ( x) A, 0, 0 x 1 1 x 2 其它
求 (1)常数A; ( 2) P{0 X 3};
(3)分布函数F(x).
2
解: (1)由于f(x)是一个密度函数,
由
f ( x)dx 1, 得
2 2 1
x dx
0
1
Adx 1
《概率统计》
返回
下页
结束
例3.设随机变量X在[2，8]上服从均匀分布，求二次方程 y2+2Xy+9=0 有实根的概率.
解：由于X服从均匀分布，故X的概率密度为
1 , 2 x8 f ( x) 6 0, 其它
方程有实根等价于4X236≥0 , 即X≥3或X≤3. 从而， P{y2+2Xy+9=0 有实根}=P{X≥3}+P{X≤3}
1 f ( x) e 2
( x )2 2 2
f(x)
, x
其中μ,σ(σ>0)为常数，则称X服从参 数为μ,σ2的正态分布或高斯（Gauss） 分布,记作 X～ N（μ,σ2）
0
x
分布函数
F(x)
x 1 e 2 ( t )2 2 2
F ( x)
概率与数理统计2-4
四. 超几何分布
1、定义 N 件产品中,有M件次品,不放回地 任取 n 件产品, 其中含有 次品的件数X的 概率分布为
P( X k ) C C
k M
nk N M
/ C , k 0,1, 2,..., r
n N
其中 M N , n N , r min{M , n} ，则称 X服从超几何分布。记为 X ~ H (n, N , M )
有放回抽样.
2 、 0 – 1 分布 (两点分布)
X P
1 0 p 1-p
k 1 k
0<p<1来自或P( X k ) p (1 p) , k 0, 1
注: 0–1 分布是 n = 1时 的二项分布, 即b(1, p) 应用 凡试验只有两个结果, 常用0 – 1 场合 分布描述, 如产品是否合格、人 口性别统计、系统是否正常、电力消耗 是否超标等等.
解 令X 表示5000次射击中的命中次数, 则 X ~ b( 5000, 0.001 ) 令 np 5 5 5 5 5 5 4995 P( X 5) C5000 (0.001) (0.999) e 5!
5 5 P( X 1) 1 P( X 0) 1 e 0.993. 0! 注: 此结果可直接查 P421 附表1 泊松 分布表得到，它与用二项分布算得的结果 仅相差万分之几.
• 0
x
设 X ~ b(10, 0.2)
0 1 2 3 4 5 6 7 8 9 10 .107 .268 .302 .201 .088 .027 .0.006 .001 < .001 P
0.302
由图表可见 , 当 k 2 时， 分布概率值最大
P 10 (2) 0.302
概率论与数理统计第二章习题与答案
概率论与数理统计习题 第二章 随机变量及其分布习题2-1 一袋中装有5只球，编号为1，2，3，4，5.在袋中同时取3只，以X 表示取出的3只球中的最大，写出X 随机变量的分布律.解：X 可以取值3，4，5，分布律为1061)4,3,2,1,5()5(1031)3,2,1,4()4(1011)2,1,3()3(352435233522=⨯====⨯====⨯===C C P X P C C P X P C C P X P 中任取两球再在号一球为中任取两球再在号一球为号两球为号一球为也可列为下表 X ： 3， 4，5 P ：106,103,101习题2-2 进行重复独立试验，设每次试验成功的概率为p ，失败的概率为p -1)10(<<p .（1）将试验进行到出现一次成功为止，以X 表示所需的试验次数，求X 的分布律.（此时称X 服从以p 为参数的几何分布.）（2）将试验进行到出现r 次成功为止，以Y 表示所需的试验次数，求Y 的分布律.（此时称Y 服从以p r ,为参数的巴斯卡分布.）（3）一篮球运动员的投篮命中率为%45.以X 表示他首次投中时累计已投篮的次数，写出X 的分布律，并计算X 取偶数的概率.解：（1）P (X=k )=q k －1pk=1,2,……（2）Y=r+n={最后一次实验前r+n －1次有n 次失败，且最后一次成功},,2,1,0,)(111Λ===+=-+--+n p q C p p q C n r Y P r n n n r r n n n r 其中 q=1－p ， 或记r+n=k ，则 P {Y=k }=Λ,1,,)1(11+=----r r k p p C rk r r k（3）P (X=k ) = (0.55)k －10.45k=1,2…P (X 取偶数)=311145.0)55.0()2(1121===∑∑∞=-∞=k k k k X P习题2-3 一房间有同样大小的窗子，其中只有一扇是打开的。
数学三概率论考试范围
数学三概率论考试范围数学三概率论是考研数学的一部分，主要考察学生对概率论和数理统计的理解和应用能力。
概率论研究的是随机现象，与确定性现象的高数相比，它的研究对象是不确定的，这可能会让一些学生感到困扰。
然而，概率论的题型相对固定，解题思路也比较单一，计算技巧要求较低，因此，只要掌握了解题方法，学生在考试中取得好成绩的概率较大。
一、考试范围数学三概率论考试范围主要包括以下几个方面：1. 随机事件与概率：本章需要掌握概率统计的基本概念和公式，包括概率的基本运算、条件概率、全概率公式和贝叶斯公式等。
2. 随机变量及其分布：考察随机变量的概念、性质和运算，包括离散型随机变量和连续型随机变量的分布、期望、方差等。
3. 多维随机变量及其分布：主要考察二维随机变量的联合分布、边缘分布和条件分布，以及随机变量的独立性。
4. 随机变量的数字特征：考察随机变量的期望、方差、协方差、相关系数等数字特征的计算和应用。
5. 大数定律和中心极限定理：了解大数定律和中心极限定理的概念及意义。
6. 数理统计：掌握数理统计的基本概念和方法，包括抽样分布、参数估计、假设检验等。
二、考试重点在复习数学三概率论时，需要注意以下考试重点：1. 概率论的基本概念和公式：加法公式、乘法公式、条件概率公式、全概率公式和贝叶斯公式等。
2. 随机变量的分布和数字特征：掌握各种随机变量的分布和期望、方差、协方差等数字特征的计算方法。
3. 高数与概率论相结合：在求解随机变量的分布和数字特征时，会运用到高数的理论与方法，如微积分、级数等。
4. 解题方法：熟练掌握概率论题型的解题方法，包括分布函数法、概率密度法、随机变量变换法等。
5. 数理统计的应用：了解数理统计的基本方法，能够运用数理统计的知识解决实际问题。
三、复习建议1. 打牢基础：加强对概率论基本概念、公式和方法的理解和记忆。
2. 多做习题：通过大量练习，熟练掌握各种题型的解题方法，提高计算能力。
3. 联系实际：运用概率论和数理统计的知识解决实际问题，提高应用能力。
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
概率统计4-2
50
常见随机变量的方差(P.131 ) 分布
参数为p 的 0-1分布 B(n,p) P()
概率分布
P( X 1) p P( X 0) 1 p
方差
p(1-p)
nk
P( X k ) C p (1 p)
k n k
k
k 0,1,2,, n
np(1-p)
e P( X k ) k! k 0,1,2,
Y
有相同的 期望方差 但是分布 却不相同
-2
0
2
P
0.025 0.95 0.025
64
E (Y ) 0, D(Y ) 0.2
标准化随机变量 设随机变量 X 的期望E(X )、方差D(X )都存在, 且D(X ) 0, 则称
X E( X ) D( X ) 为 X 的标准化随机变量. 显然， X
§4.2 方差 引例 甲、乙两射手各打了6 发子弹,每发子弹击中的环数分别为： 有 五 甲 10, 7, 9, 8, 10, 6, 个 有 不 四 乙 8, 7, 10, 9, 8, 8, 同 个 问哪一个射手的技术较好？ 数 不 同 乙 = 8.3 甲 = 8.3, 解 首先比较平均环数 数 再比较稳定程度 甲： 2 (10 8.3)2 (9 8.3)2 (8 8.3)2 (7 8.3)2 (6 8.3)2 13.34 乙： (10 8.3)2 (9 8.3)2 3 (8 8.3) 2 (7 8.3) 2 5.34 乙比甲技术稳定，故乙技术较好. 进一步比较平均偏离平均值的程度
D(Y ) D(1 2 X ) 4 D( X ) 4 3 12
1 fY ( y ) e 2 6
概率统计例题
例1 设随机变量X 具有以下是的分布律，试求Y=(X-1)2的分布律。
解 Y 所有可能的取值为0，1，4。
由P{Y=O}= P{(X-1)2=0}= P{X=1}=0.1 P{Y=1}= P{X=0}+ P{X=2}=0.7 P{Y=4}= P{X=-1}=0.2, 例2 设随机变量X 具有概率密度x/8 ，0＜x ＜4f X （x ）=0 , 其他 求随机变量Y=2X+8的概率密度。
解 分别记X,Y 的分布函数为F X （x ），F Y （y ）。
下面先求F Y （x ）。
F Y （y ）=P{Y ≤y}=P{2X+8≤y}=P{X ≤(y-8)/2}= F X {(y-8)/2}。
将F Y （x ）关于y 求导数，得Y=2X+8的概率密度为f Y （y ）= f X （x/2-4）/21/8×(y-8)/2×1/2, 0＜(y-8)/2＜4=0 ,其他 （y-8）/32, 8＜y ＜16=0 ,其他例3 设随机变量X 具有概率密度f X （x ），求Y=X 2的概率密度。
解 分别记X ，Y 的分布函数为F X （x ），F Y （y ）。
先求Y 的分布函数F Y （y ）。
由于Y=X 2≥0，故当y ≤0时F Y （y ）=0。
当y ＞0时有F Y （y ）=P{Y ≤y} =P{X 2≤y}=P{-√y ≤X ≤√y} =F X （√y ）-F X （-√y ）将F Y （y ）关于y 求导数，即得Y 的概率密度为1/(2√y)[ f X （√y ）+f X （-√y ）],y ＞0f Y （y ）=0 ,y ≤0 例如，设X ～N(0，1)，其概率密度为φ=√2π−x 2/2,−∞<x <+∞由上得Y=X 2的概率密度为√2π−1/2e−y/2,y>0fY（y）=0 ,y≤0例4 设随机变量X～N(μ，σ2)。
试证明X的线性函数Y=aX+b(a≠0)也服从正态分布。
概率统计题4.2-4.3
概率统计题4.2-4.3习题4.21、某动物由出生算起活到20岁以上的概率为0.8，活到25岁以上的概率为0.4，如果现在有一只20岁的这种动物，问它能活到25岁以上的概率是多少？2、有一批同型号的产品，已知其中由一厂生产的占25%，由二厂生产的占35%，由三厂生产的占40%，又知这3个厂的产品次品率分别为4%，2%，1%，求（1）从这批产品中任取一件是次品的概率；（2）抽取的一件是次品，该产品是一厂生产的概率。
3、生产某零件要经过甲乙两台机器加工，每台机器正常运转的概率是0.85，两台机器正常运转的概率是0.72，求两台机器中至少有一台正常运转的概率。
4、制造一种零件可采用两种工艺，第一种工艺有3道工序，其废品率分别为0.1,0.2,0.3；第二种工艺有2道工序，其废品率都是0.3.若采用第一种工艺，在合格品中一级品的概率为0.9；而采用第二种工艺，在合格品中一级品的概率为0.8.问采用哪种工艺能保证得到一级品的概率较大？5、已知某地区男女比例为1:1，男女色盲的概率分别为0.04、0.01，现随机挑选一人，求（1）该人是色盲的概率；（2）如果该人是色盲，该人是男性的概率。
6、4人独立地解一道题，他们能解答出来的概率分别是1/5,1/3，1/4,1/3，求这道题能被解出的概率。
习题4.31、填空：（1）若随机变量的分布列为1234P则常数a的值为____________.（2）设随机变量X～,且P（X=2）= P（X=3）,则=____________.（3）设随机变量X～B(2，p), 随机变量Y～B(3，p),若,则（4）设X服从两点分布，其分布律为____________.（5）随机变量X的概率分布为P（X=k）=b,k=1,2，…，其中b>0,则为____________.二、计算;1、某连锁总店每天向10家分店供应货物，每家分店订货与否相互独立，且每家分店订货的概率均为0.4，求10家分店中订货家数X 的分布列。
- 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)。
pq
m 0
2m
p 2 1 q
k P( X k ) pq , 2
k 0,1,2,
3 P(Y 1) P ( X 2m ) 2 m 0 P ( X (4m 3) ) 2 m 0 3 pq 4 m 3 pq 4 1 q m 0
-1
pq 3 1 q4
故 Y 的概率分布为 Y
0
p 1 q2
1
pq 1 q4
pi
二、连续型随机变量函数的分布
例3
x / 8, 0 x 4 设 X ~ fX ( x) 0, 其它
求 Y=2X+8 的概率密度.
解：第一步 先求Y=2X+8 的分布函数。 设Y的分布函数为 FY(y)，
从上述例子中可以看到，在求P(Y≤y) 的过 程中，关键的一步是设法从{ g(X) ≤ y }中解出X, 从而得到与 {g(X) ≤ y }等价的X的不等式 .
例如，用{ X 用 {
y 8} 2 yX
代替 {2X+8 ≤ y }
y}
代替{ X2 ≤ y }
这样做是为了利用已知的 X的分布，从 而求出相应的概率.
2x 2 , 0 x f X ( x) 0, 其他
FY ( y) FX (arcsin y) FX (0) FX ( ) FX ( arcsin y)
1 2 arcsin y 2( arcsin y ) fY ( y ) 2 2 2 1 y 2 2 1 y
1 e 2 | a |
Y ~ N ( a +b, a22 )
( y ba ) 2 2 a 2 2
y
特别地 ，若 X ~ N ( , 2) , 则
X Y ~ N (0,1)
例5 已知 X ~ N (0,1) , Y = X 2 , 求 f Y (y) 解 先求分布函数 FY ( y ) P(Y y )
例7
v 所以反函数为 θ h(v ) arcsin , A
h(v )
1 , 2 2 A v
f [h(v )] | h' (v ) |, A v A fV (v ) 其它 0,
f [h(v )] | h' (v ) |, A v A fV (v ) 其它 0,
1 4 1 1 2 4
一般，若X是离散型 r.v ，X的概率函数为
x1 X ～ p1
x2 xn p2 pn
g( x2 ) g( xn ) p2 pn
g ( x1 ) 则 Y=g(X) ～ p1
如果g(xk)中有一些是相同的，把它们作适当并项即可. 设 r.v. X 的分布律为
P( X xk ) pk ,
k 1,2,
Y=g(X) 的概率分布为
P(Y yi )
k : g ( x k ) yi
pk ,
i 1,2,
例2 已知 X 的概率分布为
k P( X k ) pq , 2
解
其中 p + q = 1, 0 < p < 1,
k 0,1,2,
例8 设 X 的概率密度为
2x , 0 x 2 f X ( x) 0, 其他 求Y sin X 的概率密度
解 由图可知, Y 的取 值范围为(0,1) 故当 y 0 或 y 1 时 f Y (y) = 0
y sin x(0 x ) y•
注意到 Y=X2 0，故当 y 0时，FY ( y) 0 FY ( y ) P( X 2 y ) 当 y > 0 时，
P( y X y )
FX ( y ) FX ( y )
y
[
[ y [
0, y0 FY ( y ) FX ( y ) FX ( y ), y 0
求 Y = Sin X 的概率分布
P(Y
4 m1 pq P ( X (4m 1) ) pq 4 1 q 2 m 0 m 0
P(Y 1) P ( X 2m ) 2 m 0
0) P ( X m 2m 2 ) m 0
fY y f X h1 y h1 y fX
2 2
h y h y f h y h y
X n n
例6 设随机变量X在(0,1)上服从均匀分布，求 Y=-2lnX的概率密度. 解： 在区间(0,1)上,函数lnx<0, 2 故 y=-2lnx>0, y 0 于是 y在区间(0,1)上单调下降，有反函数
1 ( y b) 1 FX a
1 ( y b) 1 1 FX f Y ( y ) f X ( y b) a a a X 1 ( y b) 当a < 0 时， FY ( y ) P a
一 离散型随机变量函数的分布
例1 设 X 的分布律为
X
求 Y X 2 的分布律. p
解
1 0 1 2 1 1 1 1 4 4 4 4
0, 1, 4.
( 1)2 , 02 , 12 , 22 ; 即 Y 的可能值为 1 2 P{Y 0} P{ X 0} P{ X 0} , 4 P{Y 1} P{ X 2 1} P{( X 1) ( X 1)} 1 1 1 P{ X 1} P{ X 1} , 4 4 2 1 2 P{Y 4} P{ X 4} P{ X 2} , 4 Y 0 1 故 Y 的分布律为 p 4
x h( y) e
y/2
x
由前述定理得
y/2 ) y / 2 d (e f X (e ) , y0 fY ( y ) dy 0, 其它
注意取 绝对值
已知X在(0,1)上服从均匀分布，
1, 0 x 1 fX ( x) 其它 0,
代入 fY ( y ) 的表达式中
这是求r.v的函数的分布的一种常用方法.
特殊方法 当 y=g(x) 是单调函 数 若随机变量 X具有概率密度 f (x)，其在(a, b)上 定理 X
取非零值，又 y =g (x) 是严格单调的可导函数，则Y
=g (X)是连续型随机变量，其概率密度为
f X [h( y )] | h' ( y ) |, y fY ( y ) 其它 0,
例4 已知 X 的 概率密度为
f X ( x), Y aX b,
解 FY ( y ) P(Y y ) P(aX b y ) 1 当a > 0 时， FY ( y) P X ( y b)
a
a, b为常数，且 a 0, 求 fY ( y )
其中 x = h(y) 是 y =g(x) 的反函数，(，)是
y =g(x), a < x < b 的值域。
推广定理 若 g ( x ) 在不相叠的区间 I1 , I 2 , I n
上逐段严格单调，其反函数分别为
h1 y , h2 y , hn ( y )
均为连续可导函数，那么Y = g ( x ) 是连续型 随机变量，其概率密度为
f ( 0)28
X
y
f ( )28 16
X
y y 8
注意到 0 < x < 4 时， f X ( x ) 0
y8 fX ( )0 即 8 < y < 16 时， 2 y8 y8 ) 此时 f X ( 2 16
故
y8 , 8 y 16 fY ( y) 32 0, 其它
d (e y / 2 ) f X (e y / 2 ) , y0 fY ( y ) dy 0, 其它
得
1 y/2 e , y0 fY ( y) 2 0, 其它
即Y服从参数为1/2的指数分布.
设电压 V A sin Θ , 其中 A 是一个已知的正 π π 常数 , 相角 Θ 是一个随机变量, 且有Θ ~ U ( , ), 2 2 试求电压 V 的概率密度. 解 π π 因为 v g(θ ) A sin θ 在( , )上恒有 2 2 g(θ ) ( A, A) g(θ ) A cos θ 0,
y ]
y
0, y0 FY ( y ) FX ( y ) FX ( y ), y 0
故
fY (y)
0,
1 2
y0
X
f y
( y ) f X ( y ) ,
y0
fY (y)
0,
1 e 1/ 2 2 y
y 2
y0
, y0
1 1 f Y ( y ) f X ( y b) a a
故
1 1 ( y b) fY ( y ) fX | a| a
例如 设 X ~ N ( ,2) , Y = a X +b, 则
1 1 fY ( y ) f X ( y b) |a| a
y sin x(0 x ) 1 y• x 0 arcsiny - arcsiny
1 0.8 0.6 0.4 0.2 0.5 1 1.5 2 2.5 3
FY ( y) FX (arcsin y) FX (0) FX ( ) FX ( arcsin y)