概率论与数理统计第四章

合集下载

概率论与数理统计 --- 第四章{随机变量的数字特征} 第一节：数学期望

32 30 17 21 0 1 2 3 1.27 100 100 100 100
这个数能否作为 X的平均值呢？
若统计100天,
可以想象, 若另外统计100天, 车工小张不出废品, 这另外100天每天的平均废品数也不一定是1.27. 一般来说, 若统计n天 ,
(假定小张每天至多出三件废品)
又设飞机机翼受到的正压力W 是V 的函数 : W kV 2 ( k 0, 常数), 求W 的数学期望.
解: 由上面的公式
1 1 2 E (W ) kv f (v )dv kv dv ka a 3 0
2 2

a
例7 设二维连续型随机变量（X , Y）的概率密度为
A sin( x y ) 0 x , 0 y f ( x, y) 2 2 0 其它 (1)求系数A , ( 2)求E ( X ), E ( XY ).
x f ( x )x
i i i
i
阴影面积近似为
这正是:

f ( xi )xi

x f ( x )dx
的渐近和式.
小区间[xi, xi+1)
定义: 设X是连续型随机变量, 其密度函数为 f (x), 如果积分: xf ( x )dx
概率论

绝对收敛, 则称此积分值为X的数学期望, 即:
2. 设二维连续型随机变量 (X, Y) 的联合概率密度为 f (x, y), 则： E ( X )
E (Y )

xf X ( x )dx

yfY
( y )dy

xf ( x , y )dxdy,

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

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.。

海南大学《概率论与数理统计》课件第四章随机变量及其分布

例如：X 0 取出的n个产品中没有次品；
X 3 取出的n个产品中至多有3个次品；
X 3 取出的n个产品中有超过3个的次品.
8
关于随机变量的补充说明
• 引入随机变量之后, 可以更方便地表示事件。 • 随机变量的确定不仅与样本空间有关, 也与试验
的研究目的有关。 • 随机变量满足函数的单值对应关系。 • 随机变量不仅有取值的不同, 取到这些值的概率
②正则性： p( xi ) 1 . i 1
这两条性质也是随机变量分布列的充要条件。
由概率的意义和随机变量的完备性容易证明。
25
二、离散型随机变量的分布函数
由分布列可以写出其分布函数 F ( x) P( xi ) xi x
它的图形是有限（或无穷）级数的阶梯函数〔右连续〕
F(x)
1
0
x
26
27
X的分布列为
X1 2 3 P 0.6 0.3 0.1
X的分布函数为
0, x 1; 0.6, 1 x 2; F ( x) 0.9, 2 x 3; 1 , x 3.
注意：由分布列求分布函数是概率累加的过程.
并且，总有：当x xmin时，F ( x) 0; 当x xmax时，F ( x) 1.
解 (1) 根据分布函数的性质可知
F() 1, F() 0
依题意可得
18
F() A π B 1 2
F() A π B 0 2
联立上面两个方程可以解得 A 1,B 1 2π
(2) 随机变量 X 落在(-1,1)内的概率可以表示为
P{1 X 1} F (1 0) F (1)
P{a X b} F(b 0) F(a 0);
P{a X b} F(b 0) F(a).

《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(茆诗松)第四章讲义

⎡ T eit ( X − x1 ) − eit ( X − x2 ) ⎤ e − itx1 − e − itx2 ( ) ϕ t dt E dt ⎥ = ⎢ ∫−T ∫−T it it ⎦ ⎣
T
⎡ T cos t ( X − x1 ) + i sin t ( X − x1 ) − cos t ( X − x2 ) − i sin t ( X − x2 ) ⎤ dt ⎥ = E ⎢∫ it ⎦ ⎣ −T cos t ( X − x1 ) − cos t ( X − x2 ) ⎤ ⎡ T sin t ( X − x1 ) − sin t ( X − x2 ) dt ⎥ = E ⎢∫ −i −T t t ⎦ ⎣ ⎡ T sin t ( X − x1 ) − sin t ( X − x2 ) ⎤ dt ⎥ ， = E ⎢2∫ t ⎦ ⎣ 0
itx 0
+∞
−λ x
dx = ∫ λ e
0
+∞
−( λ −it ) x
e −( λ −it ) x λ ； dx = λ ⋅ = − (λ − it ) 0 λ − it
x2
+∞
1 −2 （6）标准正态分布 N (0, 1)：密度函数 p ( x) = e , − ∞ < x < +∞ ，特征函数为 2π
1 1 e itx dx = ⋅ ϕ (t ) = ∫ e ⋅ a b−a b − a it
b itx b
=
a
e ibt − e iat ； it (b − a )
⎧λ e − λx , （5）指数分布 Exp(λ)：密度函数 p ( x) = ⎨ ⎩0,
x > 0; x ≤ 0.

《概率论与数理统计》第4-7 章复习与自测题

《概率论与数理统计》第4－7章复习第四章随机变量的数字特征常用分布的期望与方差第五章大数定律及中心极限定理第六章数理统计的基本概念第七章参数估计常用概率分布的参数估计表自测题第四章﹑数字特征1. 设随机变量X 的密度函数f(x)= ⎩⎨⎧5x 4 0≤x ≤1 0 其他, 求数学期望EX 。

2.设随机变量X ～N (-1，3)，Y ～N (0，5)，Cov(X ,Y )=0.4，求D (X +Y )的值。

3. 设随机变量X 和Y 的密度函数分别为f X (x)= ⎩⎨⎧0.5， 1≤x ≤30，其它，f Y (y)= ⎩⎨⎧3e -3y ， y>00， y ≤0，若X ，Y 相互独立，求： E(XY)4. 设 X 服从参数为 λ 的普阿松分布(λ>0)，则下列6个等式中那几个是错误的。

DX=1λ, E(X)D(X) =1 , E(X 2)=E(X)[E(X)+1] , E(X) = λ , E (X - λ)2 = 0, EX=λ2+λ5．设随机变量的联合分布律为⎣⎢⎡⎦⎥⎤X ╲Y 1 2 0 1/4 1/12 2 1/6 1/2 求：(1) E(X), E(Y)；(2)D(X), D(Y)；(3) ρxy 。

6．设二维随机变量(X ，Y)的联合分布律为⎣⎢⎡⎦⎥⎤X ╲Y 0 1 3 0 0.1 0.2 0.1 1 0.2 0.4 0，求(1)E(XY); (2)Cov(X,Y)。

试问：X 与Y 是否相互独立？为什么？7. 设随机变量X 的分布律为 ⎣⎡⎦⎤X -2 0 1 2P 0.2 0.3 0.4 0.1.记Y =X 2，求：(1)D (X )，D (Y )；(2)Cov(X,Y ), ρxy .8. 已知投资某短期项目的收益率R 是一随机变量，其分布为：⎣⎡⎦⎤R -2% 0% 3% 10%P 0.1 0.1 0.3 0.5 。

(1) 求R 的数学期望值E(R)与方差D(R)；(2) 若一位投资者在该项目上投资100万元，求他预期获得多少收益(纯利润)(万元)？9. 假定暑假市场上对冰淇淋的需求量是随机变量X 盒，它服从区间[200，400]上的均匀分布，设每售出一盒冰淇淋可为小店挣得1元，但假如销售不出而屯积于冰箱，则每盒赔3元。

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四版课后学习资料第四章

(4.1)
i,j 1, 2, 3,
则有E(Z) E g(X, Y) g(x i ,y j )p ij , (4.2) (假设级数绝对收敛)
例. 设随机变量(X, Y)的概率密度为 3 , 1 y x.x 1 x 3 2 f(x,y) 2x y 0, 其它, 1 试求 : E(Y),E( ) XY
e
1 x
dx
1 t x
2

0
t 2 e t dt 22 ,
D(X) E(X2 ) -[ E(X)]2 2 .
30 正态分布: 设X~N(, 2 ), 则
解 : E(X)

2

t2 2
1

xe
t2 2
-
(x )2 22
例. 二项分布的均值的计算: 设X~b(n,p),引入r.v.Xi(i=1, 2, …, n), 它们是相互独立的且都服从0--1分布: P{Xi=1}=p, P{Xi=0}=q, X表示n次独立重复试验中A发生的次数,Xi表示第i次试验的结果:Xi=1表示A发生, Xi=0表示A不发生, 所以
解: 计算X1的均值, 由定义有 E(X1) =00+1 0.2+2 0.8=1.8 E(X2)=00.6+1 0.3+2 0.1=0.5
显然,乙的成绩比甲的差.
例2. 有2个相互独立工作的电子装置, 它们的寿命Xk (k 1, 2 )服从同一指数分布, 其概率密度为:
x 1 e , x 0, f(x) θ 0, 0, x 0,
i
n
故 E(X) np D(X) npq.

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PPT课件第四章数学期望与方差

回归分析
在回归分析中，数学期望和方差等统计指标用于描述因变量和自变量之间的关系，以及预测未来
的趋势。
假设检验
在假设检验中，数学期望和方差等统计指标用于比较两组数据或样本的差异，判断是否具有显著性。
方差分析
方差分析利用数学期望和方差等统计指标，分析不同组别或处理之间的差异，确定哪些因素对数据变化有显著影响。
质量控制
统计分析
在统计分析中，方差分析是一种常用的统计方法，通过比较不同组数据的方差，可以判断它们是否存在显著差异。
在生产过程中，方差用于度量产品质量波动的程度，通过控制产品质量指标的方差，可以提高产品质量稳定性。
03
期望与方差的关系
期望与方差的关系式
期望值是随机变量取值的平均数，表示随机变量的“中心趋势”
方差的性质
方差具有可加性
当两个随机变量相互独立时，它们组合而成的随机变量的方差等于它们各自方差的线性组合。
方差与期望值的关系
方差与期望值之间存在一定的关系，如方差等于期望值减去偏差的平方和再求平均值。
方差的应用
风险评估
在金融和经济学中，方差被用来度量投资组合的风险，通过计算投资组合中各个资产的方差和相关系数，可以评估投资组合的整体风险。
期望与方差的拓展
期望与方差在金融中的应用
金融风险评估
利用数学期望和方差计算金融资产的风险，评估投资组合的风险和回报。
资产定价
利用数学期望和方差等统计指标，对金融资产进行定价，确定其内在价值。
保险精算
通过数学期望和方差等统计方法，评估保险产品的风险和回报，制定合理的保费和赔付方案。
期望与方差在统计学中
期望与方差在其他领域的应用

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（茆诗松）第二版课后第四章习题参考答案

第四章大数定律与中心极限定理习题4.11．如果X X Pn →，且Y X Pn →．试证：P {X = Y } = 1．证：因 | X − Y | = | −(X n − X ) + (X n − Y )| ≤ | X n − X | + | X n − Y |，对任意的ε > 0，有⎭⎬⎫⎩⎨⎧≥−+⎭⎬⎫⎩⎨⎧≥−≤≥−≤2||2||}|{|0εεεY X P X X P Y X P n n ，又因X X Pn →，且Y X Pn →，有02||lim =⎭⎬⎫⎩⎨⎧≥−+∞→εX X P n n ，02||lim =⎭⎫⎩⎨⎧≥−+∞→εY X P n n ，则P {| X − Y | ≥ ε} = 0，取k 1=ε，有01||=⎭⎬⎫⎩⎨⎧≥−k Y X P ，即11||=⎭⎬⎫⎩⎨⎧<−k Y X P ，故11||lim1||}{1=⎭⎬⎫⎩⎨⎧<−=⎭⎬⎫⎩⎨⎧⎭⎬⎫⎩⎨⎧<−==+∞→+∞=k Y X P k Y X P Y X P k k I ． 2．如果X X Pn →，Y Y Pn →．试证：（1）Y X Y X Pn n +→+；（2）XY Y X Pn n →．证：（1）因 | (X n + Y n ) − (X + Y ) | = | (X n − X ) + (Y n − Y )| ≤ | X n − X | + | Y n − Y |，对任意的ε > 0，有⎭⎫⎩⎨⎧≥−+⎭⎬⎫⎩⎨⎧≥−≤≥+−+≤2||2||}|)()({|0εεεY Y P X X P Y X Y X P n n n n ，又因X X P n →，Y Y P n →，有02||lim =⎭⎫⎩⎨⎧≥−+∞→εX X P n n ，02||lim =⎭⎬⎫⎩⎨⎧≥−+∞→εY Y P n n ，故0}|)()({|lim =≥+−++∞→εY X Y X P n n n ，即Y X Y X Pn n +→+；（2）因 | X n Y n − XY | = | (X n − X )Y n + X (Y n − Y ) | ≤ | X n − X | ⋅ | Y n | + | X | ⋅ | Y n − Y |，对任意的ε > 0，有⎭⎬⎫⎩⎨⎧≥−⋅+⎭⎬⎫⎩⎨⎧≥⋅−≤≥−≤2||||2||||}|{|0εεεY Y X P Y X X P XY Y X P n n n n n ，对任意的h > 0，存在M 1 > 0，使得4}|{|1h M X P <≥，存在M 2 > 0，使得8}|{|2hM Y P <≥，存在N 1 > 0，当n > N 1时，8}1|{|h Y Y P n <≥−，因| Y n | = | (Y n − Y ) + Y | ≤ | Y n − Y | + | Y |，有4}|{|}1|{|}1|{|22h M Y Y Y P M Y P n n <≥+≥−≤+≥，存在N 2 > 0，当n > N 2时，4)1(2||2h M X X P n <⎭⎬⎫⎩⎨⎧+≥−ε，当n > max{N 1, N 2}时，有244}1|{|)1(2||2||||22h h h M Y P M X X P Y X X P n n n n =+<+≥+⎭⎬⎫⎩⎨⎧+≥−≤⎭⎬⎫⎩⎨⎧≥⋅−εε，存在N 3 > 0，当n > N 3时，42||1hM Y Y P n <⎭⎬⎫⎩⎨⎧≥−ε，有244}|{|2||2||||11h h h M X P M Y Y P X Y Y P n n =+<≥+⎭⎬⎫⎩⎨⎧≥−≤⎭⎬⎫⎩⎨⎧≥⋅−εε，则对任意的h > 0，当n > max{N 1, N 2, N 3} 时，有h h h Y Y X P Y X X P XY Y X P n n n n n =+<⎭⎬⎫⎩⎨⎧≥−⋅+⎭⎬⎫⎩⎨⎧≥⋅−≤≥−≤222||||2||||}|{|0εεε，故0}|{|lim =≥−+∞→εXY Y X P n n n ，即XY Y X Pn n →．3．如果X X Pn →，g (x )是直线上的连续函数，试证：)()(X g X g Pn →．证：对任意的h > 0，存在M > 0，使得4}|{|h M X P <≥，存在N 1 > 0，当n > N 1时，4}1|{|h X X P n <≥−，因| X n | = | (X n − X ) + X | ≤ | X n − X | + | X |，则244}|{|}1|{|}1|{|h h h M X P X X P M X P n n =+<≥+≥−≤+≥，因g (x ) 是直线上的连续函数，有g (x ) 在闭区间 [− (M + 1), M + 1] 上连续，必一致连续，对任意的ε > 0，存在δ > 0，当 | x − y | < δ 时，有 | g (x ) − g ( y ) | < ε ，存在N 2 > 0，当n > N 2时，4}|{|hX X P n <≥−δ，则对任意的h > 0，当n > max{N 1, N 2} 时，有{}}|{|}1|{|}|{|}|)()({|0M X M X X X P X g X g P n n n ≥+≥≥−≤≥−≤U U δεh hh h M X P M X P X X P n n =++<≥++≥+≥−≤424}|{|}1|{|}|{|δ，故0}|)()({|lim =≥−+∞→εX g X g P n n ，即)()(X g X g Pn →．4．如果a X P n →，则对任意常数c ，有ca cX Pn →．证：当c = 0时，有c X n = 0，ca = 0，显然ca cX Pn →；当c ≠ 0时，对任意的ε > 0，有0||||lim =⎭⎬⎫⎩⎨⎧≥−+∞→c a X P n n ε，故0}|{|lim =≥−+∞→εca cX P n n ，即ca cX Pn →．5．试证：X X P n →的充要条件为：n → +∞ 时，有0||1||→⎟⎟⎠⎞⎜⎜⎝⎛−+−XX X X E n n ．证：以连续随机变量为例进行证明，设X n − X 的密度函数为p ( y )，必要性：设X X Pn →，对任意的ε > 0，都有0}|{|lim =≥−+∞→εX X P n n ，对012>+εε，存在N > 0，当n > N 时，εεε+<≥−1}|{|2X X P n ，则∫∫∫≥<∞+∞−+++=+=⎟⎟⎠⎞⎜⎜⎝⎛−+−εε||||)(||1||)(||1||)(||1||||1||y y n n dy y p y y dy y p y y dy y p y y XX X X E εεεεεεεεεεεεε=+++<≥−+<−+=++≤∫∫≥<11}|{|}|{|1)()(12||||X X P X X P dy y p dy y p n n y y ，故n → +∞ 时，有0||1||→⎟⎟⎠⎞⎜⎜⎝⎛−+−XX X X E n n ；充分性：设n → +∞ 时，有0||1||→⎟⎟⎠⎞⎜⎜⎝⎛−+−XX X X E n n ，因∫∫∫≥≥≥++≤++==≥−εεεεεεεεεε||||||)(||1||1)(11)(}|{|y y y n dy y p y y dy y p dy y p X X P ⎟⎟⎠⎞⎜⎜⎝⎛−+−+=++≤∫∞+∞−||1||1)(||1||1X X X X E dy y p y y n n εεεε，故0}|{|lim =≥−+∞→εX X P n n ，即X X Pn →．6．设D (x )为退化分布：⎩⎨⎧≥<=.0,1;0,0)(x x x D试问下列分布函数列的极限函数是否仍是分布函数？（其中n = 1, 2, …．）（1）{D (x + n )}；（2）{D (x + 1/n )}；（3）{D (x − 1/n )}．解：（1）对任意实数x ，当n > −x 时，有x + n > 0，D (x + n ) = 1，即1)(lim =++∞→n x D n ，则 {D (x + n )} 的极限函数是常量函数f (x ) = 1，有f (−∞) = 1 ≠ 0，故 {D (x + n )} 的极限函数不是分布函数；（2）若x ≥ 0，有01>+n x ，11=⎟⎠⎞⎜⎝⎛+n x D ，即11lim =⎟⎠⎞⎜⎝⎛++∞→n x D n ，若x < 0，当x n 1−>时，有01<+n x ，01=⎟⎠⎞⎜⎝⎛+n x D ，即01lim =⎟⎠⎞⎜⎝⎛++∞→n x D n ，则⎩⎨⎧≥<=⎟⎠⎞⎜⎝⎛++∞→.0,1;0,01lim x x n x D n 这是在0点处单点分布的分布函数，满足分布函数的基本性质，故⎭⎬⎫⎩⎨⎧⎟⎠⎞⎜⎝⎛+n x D 1的极限函数是分布函数；（3）若x ≤ 0，有01<−n x ，01=⎟⎠⎞⎜⎝⎛−n x D ，即01lim =⎟⎠⎞⎜⎝⎛−+∞→n x D n ，若x > 0，当x n 1>时，有01>−n x ，11=⎟⎠⎞⎜⎝⎛−n x D ，即11lim =⎟⎠⎞⎜⎝⎛−+∞→n x D n ，则⎩⎨⎧>≤=⎟⎠⎞⎜⎝⎛−+∞→.0,1;0,01lim x x n x D n 在x = 0处不是右连续，故⎭⎬⎫⎩⎨⎧⎟⎠⎞⎜⎝⎛−n x D 1的极限函数不是分布函数．7．设分布函数列 {F n (x )} 弱收敛于连续的分布函数F (x )，试证：{F n (x )} 在 (−∞, +∞) 上一致收敛于分布函数F (x )．证：因F (x ) 为连续的分布函数，有F (−∞) = 0，F (+∞) = 1，对任意的ε > 0，取正整数ε2>k ，则存在分点x 1 < x 2 < … < x k −1，使得1,,2,1,)(−==k i kix F i L ，并取x 0 = −∞，x k = +∞，可得k k i k x F x F i i ,1,,2,1,21)()(1−=<=−−L ε，因 {F n (x )} 弱收敛于F (x )，且F (x ) 连续，有 {F n (x )} 在每一点处都收敛于F (x )，则存在N > 0，当n > N 时，1,,2,1,2|)()(|−=<−k i x F x F i i n L ε，且显然有20|)()(|00ε<=−x F x F n ，20|)()(|ε<=−k k n x F x F ，对任意实数x ，必存在j ，1 ≤ j ≤ k ，有x j −1 ≤ x < x j ，因2)()()()(2)(11εε+<≤≤<−−−j j n n j n j x F x F x F x F x F ，则εεεε−=−−>−−>−−222)()()()(1x F x F x F x F j n ，且εεεε=+<+−<−222)()()()(x F x F x F x F j n ，即对任意的ε > 0和任意实数x ，总存在N > 0，当n > N 时，都有 | F n (x ) − F (x ) | < ε ，故 {F n (x )} 在 (−∞, +∞) 上一致收敛于分布函数F (x )．8．如果X X Ln →，且数列a n → a ，b n → b ．试证：b aX b X a Ln n n +→+．证：设y 0是F aX + b ( y ) 的任一连续点，则对任意的ε > 0，存在h > 0，当 | y − y 0 | < h 时，4|)()(|0ε<−++y F y F b aX b aX ，又设y 是满足 | y − y 0 | < h 的F aX + b ( y ) 的任一连续点，因⎟⎠⎞⎜⎝⎛−=⎭⎬⎫⎩⎨⎧−≤=≤+=+a b y F a b y X P y b aX P y F X b aX }{)(，有a b y x −=是F X (x )的连续点，且X X L n→，有)()(lim x F x F X X n n =+∞→，存在N 1，当n > N 1时，4|)()(|ε<−x F x F X X n ，即4|)()(|ε<−++y F y F b aX b aX n ，则当n > N 1且 | y − y 0 | < h 时，2|)()(||)()(||)()(|00ε<−+−≤−++++++y F y F y F y F y F y F b aX b aX b aX b aX b aX b aX n n ，因X 的分布函数F X (x ) 满足F X (−∞) = 0，F X (+∞) = 1，F X (x ) 单调不减且几乎处处连续，存在M ，使得F X (x ) 在x = ± M 处连续，且41)(ε−>M F X ，4)(ε<−M F X ，因X X Ln →，有41)()(lim ε−>=+∞→M F M F X X n n ，4)()(lim ε<−=−+∞→M F M F X X n n ，则存在N 2，当n > N 2时，41)(ε−>M F n X ，4)(ε<−M F n X ，可得2)(1)(}|{|ε<−+−=>M F M F M X P n n X X n ，因数列a n → a ，b n → b ，存在N 3，当n > N 3时，M h a a n 4||<−，4||h b b n <−，可得当n > max{N 2, N 3}时，⎭⎫⎩⎨⎧>−+−=⎭⎬⎫⎩⎨⎧>+−+2|)()(|2|)()(|h b b X a a P h b aX b X a P n n n n n n n2}|{|24||42||||||ε<>=⎭⎬⎫⎩⎨⎧>+⋅≤⎭⎬⎫⎩⎨⎧>−+⋅−≤M X P h h X M hP h b b X a a P nn n n n ，则⎭⎬⎫⎩⎨⎧⎭⎬⎫⎩⎨⎧>+−+⎭⎬⎫⎩⎨⎧+≤+≤≤+=+2|)()(|2}{)(000h b aX b X a h y b aX P y b X a P y F n n n n n n n n b X a n n n U222|)()(|200ε+⎟⎠⎞⎜⎝⎛+<⎭⎬⎫⎩⎨⎧>+−++⎭⎬⎫⎩⎨⎧+≤+≤+h y F h b aX b X a P h y b aX P b aX n n n n n n ，且⎭⎬⎫⎩⎨⎧⎭⎬⎫⎩⎨⎧>+−+≤+≤⎭⎬⎫⎩⎨⎧−≤+=⎟⎠⎞⎜⎝⎛−+2|)()(|}{22000h b aX b X a y b X a P h y b aX P h y F n n n n n n n n b aX n U2)(2|)()(|}{00ε+<⎭⎬⎫⎩⎨⎧>+−++≤+≤+y F h b aX b X a P y b X a P n n n b X a n n n n n n n ，即22)(22000εε+⎟⎠⎞⎜⎝⎛+<<−⎟⎠⎞⎜⎝⎛−+++h y F y F h y F b aX b X a b aX n n n n n ，因当n > N 1且 | y − y 0 | < h 时，2)()(2)(00εε+<<−+++y F y F y F b aX b aX b aX n ，在区间⎟⎠⎞⎜⎝⎛++h y h y 00,2取F aX + b ( y ) 的任一连续点y 1，满足 | y 1 − y 0 | < h ，当n > max{N 1, N 2, N 3}时，εεε+<+≤+⎟⎠⎞⎜⎝⎛+<++++)(2)(22)(0100y F y F h y F y F b aX b aX b aX b X a n n n n n ，在区间⎟⎠⎞⎜⎝⎛−−2,00h y h y 取F aX + b ( y ) 的任一连续点y 2，满足 | y 2 − y 0 | < h ，当n > max{N 1, N 2, N 3}时，εεε−>−≥−⎟⎠⎞⎜⎝⎛−>++++)(2)(22)(0200y F y F h y F y F b aX b aX b aX b X a n n n n n ，即对于F aX + b ( y ) 的任一连续点y 0，当n > max{N 1, N 2, N 3}时，ε<−++|)()(|00y F y F b aX b X a n n n ，故)()(y F y F b aX Wb X a n n n ++→，b aX b X a Ln n n +→+． 9．如果X X Ln →，a Y Pn →，试证：a X Y X Ln n +→+．证：设y 0是F X + a ( y ) 的任一连续点，则对任意的ε > 0，存在h > 0，当 | y − y 0 | < h 时，4|)()(|0ε<−++y F y F a X a X ，又设y 是满足 | y − y 0 | < h 的F X + a ( y )的任一连续点，因F X + a ( y ) = P {X + a ≤ y } = P {X ≤ y − a } = F X ( y − a )，有x = y − a 是F X (x )的连续点，且X X Ln →，有)()(lim x F x F X X n n =+∞→，存在N 1，当n > N 1时，4|)()(|ε<−x F x F X X n ，即4|)()(|ε<−++y F y F a X a X n ，则当n > N 1且 | y − y 0 | < h 时，2|)()(||)()(||)()(|00ε<−+−≤−++++++y F y F y F y F y F y F a X a X a X a X a X a X n n ，因a Y Pn →，有02||lim =⎭⎫⎩⎨⎧>−+∞→h a Y P n n ，存在N 2，当n > N 2时，22||ε<⎭⎬⎫⎩⎨⎧>−h a Y P n ，则⎭⎬⎫⎩⎨⎧⎭⎫⎩⎨⎧>−⎭⎬⎫⎩⎨⎧+≤+≤≤+=+2||2}{)(000h a Y h y a X P y Y X P y F n n n n Y X n n U222||200ε+⎟⎠⎞⎜⎝⎛+<⎭⎬⎫⎩⎨⎧>−+⎭⎬⎫⎩⎨⎧+≤+≤+h y F h a Y P h y a X P a X n n n ，且⎭⎬⎫⎩⎨⎧⎭⎫⎩⎨⎧>−≤+≤⎭⎬⎫⎩⎨⎧−≤+=⎟⎠⎞⎜⎝⎛−+2||}{22000h a Y y Y X P h y a X P h y F n n n n a X n U2)(2||}{00ε+<⎭⎬⎫⎩⎨⎧>−+≤+≤+y F h a Y P y Y X P n n Y X n n n ，即22)(22000εε+⎟⎠⎞⎜⎝⎛+<<−⎟⎠⎞⎜⎝⎛−+++h y F y F h y F a X Y X a X n n n n ，因当n > N 1且 | y − y 0 | < h 时，2)()(2)(00εε+<<−+++y F y F y F a X a X a X n ，在区间⎟⎠⎞⎜⎝⎛++h y h y 00,2取F X + a ( y ) 的任一连续点y 1，满足 | y 1 − y 0 | < h ，当n > max{N 1, N 2}时，εεε+<+≤+⎟⎠⎞⎜⎝⎛+<++++)(2)(22)(0100y F y F h y F y F a X a X a X Y X n n n n ，在区间⎟⎠⎞⎜⎝⎛−−2,00h y h y 取F X + a ( y ) 的任一连续点y 2，满足 | y 2 − y 0 | < h ，当n > max{N 1, N 2}时，εεε−>−≥−⎟⎠⎞⎜⎝⎛−>++++)(2)(22)(0200y F y F h y F y F a X a X a X Y X n n n n ，即对于F X + a ( y ) 的任一连续点y 0，当n > max{N 1, N 2}时，ε<−++|)()(|00y F y F a X Y X n n ，故)()(y F y F a X WY X n n ++→，a X Y X Ln n +→+． 10．如果X X Ln →，0Pn Y →，试证：0Pn n Y X →．证：因X 的分布函数F X (x ) 满足F X (−∞) = 0，F X (+∞) = 1，F X (x ) 单调不减且几乎处处连续，则对任意的h > 0，存在M ，使得F X (x ) 在x = ± M 处连续，且41)(h M F X −>，4)(hM F X <−，因X X L n →，有41)()(lim h M F M F X X n n −>=+∞→，4)()(lim h M F M F X X n n <−=−+∞→，则存在N 1，当n > N 1时，41)(h M F n X −>，4)(hM F n X <−，可得2)(1)(}|{|hM F M F M X P n n X X n <−+−=>，因0Pn Y →，对任意的ε > 0，有0||lim =⎭⎬⎫⎩⎨⎧>+∞→M Y P n n ε，存在N 2，当n > N 2时，2||h M Y P n <⎭⎬⎫⎩⎨⎧>ε，则当n > max{N 1, N 2}时，有h M Y P M X P M Y M X P Y X P n n n n n n <⎭⎬⎫⎩⎨⎧>+>≤⎭⎬⎫⎩⎨⎧⎭⎬⎫⎩⎨⎧>>≤>εεε||}|{|||}|{|}|{|U ，故0}|{|lim =>+∞→εn n n Y X P ，即0Pn n Y X →．11．如果X X Ln →，a Y Pn →，且Y n ≠ 0，常数a ≠ 0，试证：aXY X L n n →．证：设y 0是F X / a ( y ) 的任一连续点，则对任意的ε > 0，存在h > 0，当 | y − y 0 | < h 时，4|)()(|0//ε<−y F y F a X a X ，又设y 是满足 | y − y 0 | < h 的F X / a ( y ) 的任一连续点，因)(}{)(/ay F ay X P y a X P y F X a X =≤=⎭⎬⎫⎩⎨⎧≤=，有x = ay 是F X (x )的连续点，且X X Ln →，有)()(lim x F x F X X n n =+∞→，存在N 1，当n > N 1时，4|)()(|ε<−x F x F X X n ，即4|)()(|//ε<−y F y F a X a X n ，则当n > N 1且 | y − y 0 | < h 时，2|)()(||)()(||)()(|0////0//ε<−+−≤−y F y F y F y F y F y F a X a X a X a X a X a X n n ，因X 的分布函数F X (x )满足F X (−∞) = 0，F X (+∞) = 1，F X (x )单调不减且几乎处处连续，存在M ，使得F X (x ) 在x = ± M 处连续，且121)(ε−>M F X ，12)(ε<−M F X ，因X X Ln →，有121)()(lim ε−>=+∞→M F M F X X n n ，12)()(lim ε<−=−+∞→M F M F X X n n ，则存在N 2，当n > N 2时，121)(ε−>M F n X ，12)(ε<−M F n X ，可得6)(1)(}|{|ε<−+−=>M F M F M X P n n X X n ，因0≠→a Y Pn ，有02||lim =⎭⎬⎫⎩⎨⎧>−+∞→h a Y P n n ，存在N 3 > 0，当n > N 3时，62||||ε<⎭⎬⎫⎩⎨⎧>−a a Y P n ，有62||||ε<⎭⎬⎫⎩⎨⎧<a Y P n ，且64||2ε<⎭⎬⎫⎩⎨⎧>−M h a a Y P n ，可得当n > max{N 1, N 2, N 3}时，⎭⎬⎫⎩⎨⎧>⋅−⋅=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧>−=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧>−2||||||||2)(2h Y a a Y X P h aY Y a X P h a X Y X P n n n n n n n n n ⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎭⎬⎫⎩⎨⎧<⎭⎬⎫⎩⎨⎧>−>≤2||||4||}|{|2a Y M h a a Y M X P n n n U U22||||4||}|{|2ε<⎭⎬⎫⎩⎨⎧<+⎭⎬⎫⎩⎨⎧>−+>≤a Y P M h a a Y P M X P n n n ，则⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎪⎭⎪⎫⎪⎩⎪⎨⎧>−⎭⎬⎫⎩⎨⎧+≤≤⎭⎬⎫⎩⎨⎧≤=22)(000/h a X Y X h y a XP y Y X P y F n n n n n n Y X n n U22220/0ε+⎟⎠⎞⎜⎝⎛+<⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧>−+⎭⎬⎫⎩⎨⎧+≤≤h y F h a X Y X P h y a X P a X n n n n n ，且⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧>−⎭⎬⎫⎩⎨⎧≤≤⎭⎬⎫⎩⎨⎧−≤=⎟⎠⎞⎜⎝⎛−222000/h a X Y X y Y X P h y a X P h y F n n n nn n a X n U2)(20/0ε+<⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧>−+⎭⎬⎫⎩⎨⎧≤≤y F h a X Y X P y Y X P n n Y X n n n n n ，即22)(220/0/0/εε+⎟⎠⎞⎜⎝⎛+<<−⎟⎠⎞⎜⎝⎛−h y F y F h y F a X Y X a X n n n n ，因当n > N 1且 | y − y 0 | < h 时，2)()(2)(0//0/εε+<<−y F y F y F a X a X a X n ，在区间⎟⎠⎞⎜⎝⎛++h y h y 00,2取F X / a ( y ) 的任一连续点y 1，满足 | y 1 − y 0 | < h ，当n > max{N 1, N 2, N 3}时，εεε+<+≤+⎟⎠⎞⎜⎝⎛+<)(2)(22)(0/1/0/0/y F y F h y F y F a X a X a X Y X n n n n ，在区间⎟⎠⎞⎜⎝⎛−−2,00h y h y 取F X / a ( y ) 的任一连续点y 2，满足 | y 2 − y 0 | < h ，当n > max{N 1, N 2, N 3}时，εεε−>−≥−⎟⎠⎞⎜⎝⎛−>)(2)(22)(0/2/0/0/y F y F h y F y F a X a X a X Y X n n n n ，即对于F X / a ( y ) 的任一连续点y 0，当n > max{N 1, N 2, N 3}时，ε<−|)()(|0/0/y F y F a X Y X n n ，故)()(//y F y F a X WY X n n →，aX Y X L n n →． 12．设随机变量X n 服从柯西分布，其密度函数为+∞<<∞−+=x x n nx p n ,)1π()(22．试证：0Pn X →．证：对任意的ε > 0，)arctan(π2)arctan(π1)1π(}|{|22εεεεεεn nx dx x n n X P n ==+=<−−∫，则12ππ2)arctan(lim π2}|0{|lim =⋅==<−+∞→+∞→εεn X P n n n ，故0Pn X →．13．设随机变量序列{X n }独立同分布，其密度函数为⎪⎩⎪⎨⎧<<=.,0;0,1)(其他ββx x p其中常数β > 0，令Y n = max{X 1, X 2, …, X n }，试证：βPn Y →．证：对任意的ε > 0，P {| Y n − β | < ε} = P {β − ε < Y n < β + ε} = P {max{X 1, X 2, …, X n } > β − ε}= 1 − P {max{X 1, X 2, …, X n } ≤ β − ε} = 1 − P {X 1 ≤ β − ε} P {X 2 ≤ β − ε} … P {X n ≤ β − ε}n⎟⎟⎠⎞⎜⎜⎝⎛−−=βεβ1，则11lim }|{|lim =⎥⎥⎦⎤⎢⎢⎣⎡⎟⎟⎠⎞⎜⎜⎝⎛−−=<−+∞→+∞→nn n n Y P βεβεβ，故βPn Y →．14．设随机变量序列{X n }独立同分布，其密度函数为⎩⎨⎧<≥=−−.,0;,e )()(a x a x x p a x 其中Y n = min{X 1, X 2, …, X n }，试证：a Y Pn →．证：对任意的ε > 0，P {| Y n − a | < ε} = P {a − ε < Y n < a + ε} = P {min{X 1, X 2, …, X n } < a + ε}= 1 − P {min{X 1, X 2, …, X n } ≥ a + ε} = 1 − P {X 1 ≥ a + ε} P {X 2 ≥ a + ε} … P {X n ≥ a + ε}εεεn na a x n a a x dx −∞++−−∞++−−−=⎟⎠⎞⎜⎝⎛−−=⎟⎠⎞⎜⎝⎛−=∫e 1e 1e 1)()(，则1)e 1(lim }|{|lim =−=<−−+∞→+∞→εεn n n n a Y P ，故a Y Pn →．15．设随机变量序列{X n }独立同分布，且X i ~ U(0, 1)．令nni i n X Y 11⎟⎟⎠⎞⎜⎜⎝⎛=∏=，试证明：c Y P n →，其中c 为常数，并求出c ．证：设∑∏===⎟⎟⎠⎞⎜⎜⎝⎛==n i i n i i n n X n X n Y Z 11ln 1ln 1ln ，因X i ~ U (0, 1)，则1)ln (ln )(ln 101−=−==∫x x x xdx X E i ，2)2ln 2ln (ln )(ln 12122=+−==∫x x x x x xdx X E i ，1)](ln [)(ln )Var(ln 22=−=i i i X E X E X ，可得1)(ln 1)(1−==∑=n i i n X E n Z E ，n X nZ ni in 1)Var(ln 1)Var(12==∑=，由切比雪夫不等式，可得对任意的ε > 0，221)Var(}|)({|εεεn Z Z E Z P n n n =≤≥−，则01lim }|)({|lim 02=≤≥−≤+∞→+∞→εεn Z E Z P n n n n ，即0}|)({|lim =≥−+∞→εn n n Z E Z P ，1)(−=→n P n Z E Z ，因n Z n Y e =，且函数e x 是直线上的连续函数，根据本节第3题的结论，可得1e e −→=PZ n n Y ，故c Y Pn →，其中1e −=c 为常数．16．设分布函数列{F n (x )}弱收敛于分布函数F (x )，且F n (x ) 和F (x ) 都是连续、严格单调函数，又设 ξ 服从(0, 1)上的均匀分布，试证：)()(11ξξ−−→F F Pn．证：因F (x ) 为连续的分布函数，有F (−∞) = 0，F (+∞) = 1，则对任意的h > 0，存在M > 0，使得21)(h M F −>，2)(h M F <−，因F (x ) 是连续、严格单调函数，有F −1( y ) 也是连续、严格单调函数，可得F −1( y ) 在区间 [F (− M − 1), F (M + 1)] 上一致连续，对任意的ε > 0，存在δ > 0，当y , y * ∈ [F (− M − 1), F (M + 1)] 且 | y − y * | < δ 时，| F −1( y ) − F −1( y *) | < ε，设y * 是 [F (−M ), F (M )] 中任一点，记x * = F −1( y *)，有x * ∈ [−M , M ]，不妨设0 < ε < 1，则对任意的x 若满足 ε≥−|*|x x ，就有 δ≥−|*)(|y x F ，根据本节第7题的结论知，{F n (x )} 在 (−∞, +∞) 上一致收敛于分布函数F (x )，则对δ > 0和任意实数x ，总存在N > 0，当n > N 时，都有 | F n (x ) − F (x ) | < δ，因当n > N 时，δ<−|)()(|x F x F n 且δ≥−|*(|y x F ，有*)(y x F n ≠，即*)(1y F x n −≠，则对任意的0 < ε < 1，当n > N 时，*)(1y F n −满足ε<−=−−−−|*)(*)(||**)(|111y F y F x y F n n ，可得对任意的0 < ε < 1，当n > N 时，h M F M F P F F P n −>−∈≥<−−−1)]}(),([{}|)()({|11ξεξξ由h 的任意性可知1}|)()({|lim 11=<−−−+∞→εξξF F P n n ，故)()(11ξξ−−→F F Pn．17．设随机变量序列{X n }独立同分布，数学期望、方差均存在，且E (X n ) = µ，试证：µP n k k X k n n →⋅+∑=1)1(2．证：令∑=⋅+=nk k n X k n n Y 1)1(2，并设Var (X n ) = σ 2，因µµµ=+⋅+=+=∑=)1(21)1(2)1(2)(1n n n n k n n Y E nk n ，且222212222)1(324)12)(1(61)1(4)1(4)Var(σσσ++=++⋅+=+=∑=n n n n n n n n k n n Y nk n ，则由切比雪夫不等式可得，对任意的ε > 0，222)1(3241)Var(1}|{|1σεεεµ++−=−≥<−≥n n n Y Y P n n ，因1)1(3241lim 22=⎥⎦⎤⎢⎣⎡++−+∞→σεn n n n ，由夹逼准则可得1}|{|lim =<−+∞→εµn n Y P ，故µP n k kn X k n n Y →⋅+=∑=1)1(2． 18．设随机变量序列{X n }独立同分布，数学期望、方差均存在，且E (X n ) = 0，Var (X n ) = σ 2．试证：E (X n ) = 0，Var (X n ) = σ 2．试证：2121σP n k k X n →∑=．注：此题与第19题应放在习题4.3中，需用到4.3节介绍的辛钦大数定律．证：因随机变量序列}{2n X 独立同分布，且222)]([)Var()(σ=+=n n n X E X X E 存在，故}{2nX 满足辛钦大数定律条件，}{2nX 服从大数定律，即2121σP n k k X n →∑=．19．设随机变量序列{X n }独立同分布，且Var (X n ) = σ 2存在，令∑==n i i X n X 11，∑=−=n i i n X X n S 122)(1．试证：22σPnS →．证：2122112122122121)2(1)(1X X n X n X X X n X X X X n X X n S n i i ni i n i i n i i i n i i n−=⎟⎟⎠⎞⎜⎜⎝⎛+−=+−=−=∑∑∑∑∑=====，设E(X n ) = µ，{X n }满足辛钦大数定律条件，{X n }服从大数定律，即µP nk k X n X →=∑=11，则根据本节第2题第（2）小问的结论知，22µPX →，因随机变量序列}{2n X 独立同分布，且2222)]([)Var()(µσ+=+=n n n X E X X E 存在，则}{2nX 满足辛钦大数定律条件，}{2nX 服从大数定律，即22121µσ+→∑=P n k k X n ，故根据本节第2题第（1）小问的结论知，22222122)(1σµµσ=−+→−=∑=P n i i nX X n S ．20．将n 个编号为1至n 的球放入n 个编号为1至n 的盒子中，每个盒子只能放一个球，记⎩⎨⎧=.,0;,1反之的盒子的球放入编号为编号为i i X i 且∑==ni i n X S 1，试证明：0)(Pn n n S E S →−．证：因n X P i 1}1{==，nX P i 11}0{−==，且i ≠ j 时，)1(1}1{−==n n X X P j i ，)1(11}0{−−==n n X X P j i ，则n X E i 1)(=，⎟⎠⎞⎜⎝⎛−=n n X i 111)Var(，且i ≠ j 时，)1(1)(−=n n X X E j i ，)1(11)1(1)()()(),Cov(22−=−−=−=n n n n n X E X E X X E X X j i j i j i ，有1)()(1==∑=ni i n X E S E ，1)1(1)1(11),Cov(2)Var()Var(211=−⋅−+−=+=∑∑≤<≤=n n n n n X X X S nj i j i ni i n ，可得0)]()([1)(=−=⎥⎦⎤⎢⎣⎡−n n n n S E S E n n S E S E ，221)Var(1)(Var n S n n S E S n n n ==⎥⎦⎤⎢⎣⎡−，由切比雪夫不等式，可得对任意的ε > 0，2221)(Var 1)()(εεεn n S E S n S E S E n S E S P n n n n n n =⎥⎦⎤⎢⎣⎡−≤⎭⎬⎫⎩⎨⎧≥⎥⎦⎤⎢⎣⎡−−−，则01lim )()(lim 022=≤⎭⎬⎫⎩⎨⎧≥⎥⎦⎤⎢⎣⎡−−−≤+∞→+∞→εεn n S E S E n S E S P n n n n n n ，故0)(Pn n nS E S →−．习题4.21．设离散随机变量X 的分布列如下，试求X 的特征函数．1.02.03.04.03210PX解：特征函数ϕ (t ) = e it ⋅ 0 × 0.4 + e it ⋅ 1 × 0.3 + e it ⋅ 2 × 0.2 + e it ⋅ 3 × 0.1 = 0.4 + 0.3 e it + 0.2 e 2it + 0.1 e 3it ．2．设离散随机变量X 服从几何分布P {X = k } = (1 − p ) k − 1 p ， k = 1, 2, … ．试求X 的特征函数．并以此求E (X ) 和Var (X )．解：特征函数ititk k ititk k itk p p p p p p t e)1(1e )]1([ee)1(e )(1111−−=−=−⋅=∑∑+∞=−+∞=−ϕ；因22]e )1(1[e ]e )1(1[]e )1([e ]e )1(1[e )(it it it it it it it p ip p i p p p i p t −−=−−⋅−−⋅−−−⋅⋅=′ϕ，有)()0(2X iE pip ip ===′ϕ，故pX E 1)(=；因332]e )1(1[]e )1(1[e ]e )1([]e )1(1[e 2]e )1(1[e )(it it it itit itit itp p p i p p ip p i ip t −−−+−=⋅−−⋅−−−−−⋅⋅=′′−−ϕ，有)(2)2()0(2223X E i pp p p p =−−=−−=′′ϕ，可得222)(p p X E −=，故222112)Var(p pp p p X −=⎟⎟⎠⎞⎜⎜⎝⎛−−=． 3．设离散随机变量X 服从巴斯卡分布rk r p p r k k X P −−⎟⎟⎠⎞⎜⎜⎝⎛−−==)1(11}{，k = r , r + 1, …试求X 的特征函数．解：特征函数∑∑+∞=−−+∞=−−+−−−=−⎟⎟⎠⎞⎜⎜⎝⎛−−⋅=r k r k it r k itr r r k r k r itkp r k k r p p p r k t )(e)1)(1()1()!1(e )1(11e )(L ϕ ∑∑+∞=−=−−−+∞=−=−−=+−−−=r k p x r k r r it rk p x r k r it ititdx x d r p x r k k r p e )1(111e )1()()!1()e ()1()1()!1()e (L itit it p x r r it p x r r r it p x k k r r r it x r r p x dx d r p x dx d r p e )1(e )1(11e )1(1111)1()!1()!1()e (11)!1()e ()!1()e (−=−=−−−=+∞=−−−−−⋅−=⎟⎠⎞⎜⎝⎛−⋅−=⎟⎟⎠⎞⎜⎜⎝⎛⋅−=∑rit itr it r it p p p p ⎥⎦⎤⎢⎣⎡−−=−−=e )1(1e ]e )1(1[)e (． 4．求下列分布函数的特征函数，并由特征函数求其数学期望和方差．（1）)0(,e 2)(||1>=∫∞−−a dt a x F x t a ；（2）)0(,1π)(222>+=∫∞−a dt at a x F x ．解：（1）因密度函数||11e 2)()(x a ax F x p −=′=，故⎥⎥⎦⎤⎢⎢⎣⎡−++=⎥⎦⎤⎢⎣⎡+=⋅=+∞−∞−+∞+−∞−+∞+∞−−∫∫∫0)(0)(0)(0)(||1e e 2e e 2ee 2)(ait a it a dx dx a dx a t x a it x a it x a it x a it x a itx ϕ 222112at a a it a it a +=⎟⎠⎞⎜⎝⎛−−+=；因222222221)(22)()(a t ta t a t a t +−=⋅+−=′ϕ，有)(0)0(1X iE ==′ϕ，故E (X ) = 0；因32242242222222221)(26)(2)(22)(2)(a t a t a a t t a t t a a t a t +−=+⋅+⋅−+⋅−=′′ϕ，有)(22)0(222641X E i a a a =−=−=′′ϕ，可得222)(a X E =，故222202)Var(aa X =−=；（2）因密度函数22221π)()(ax a x F x p +⋅=′=，则∫+∞∞−+⋅=dx a x a t itx 2221e π)(ϕ，由第（1）小题的结论知∫∞+∞−=+=dx x p a t a t itx )(e )(12221ϕ，根据逆转公式，可得∫∫∞+∞−−∞+∞−−−+⋅===dt at a dt t a x p itx itx x a 2221||1e π21)(e π21e 2)(ϕ，可得||||222e πe 2π21e y a y a itya a a dt a t −−−+∞∞−=⋅=+⋅∫，故||||222e e ππ1e π)(t a t a itx a a dx ax a t −−+∞∞−=⋅=+⋅=∫ϕ；因⎩⎨⎧>−<=′−,0,e ,0,e )(2t a t a t atat ϕ 有a a −=+′≠=−′)00()00(22ϕϕ，即)0(2ϕ′不存在，故E (X ) 不存在，Var (X ) 也不存在．5．设X ~ N (µ, σ 2)，试用特征函数的方法求X 的3阶及4阶中心矩．解：因X ~ N (µ, σ 2)，有X 的特征函数是222e)(t t i t σµϕ−=，则)(e)(2222t i t t t i σµϕσµ−⋅=′−，)(e)(e )(222222222σσµϕσµσµ−⋅+−⋅=′′−−t t i t t i t i t ，因)()(3e)(e)(2223222222σσµσµϕσµσµ−⋅−⋅+−⋅=′′′−−t i t i t t t i t t i ，有ϕ″′(0) = e 0 ⋅ (i µ )3 + e 0 ⋅ 3i µ ⋅ (−σ 2) = − i µ 3 − 3i µσ 2 = i 3E (X 3) = − i E (X 3)，故E (X 3) = µ 3 + 3µσ 2；又因2222222422)4()(3e)()(6e)(e)(222222σσσµσµϕσµσµσµ−⋅+−⋅−⋅+−⋅=−−−t t i t t i t t i t i t i t ，有ϕ (4)(0) = e 0 ⋅ (i µ )4 + e 0 ⋅ 6(i µ)2 ⋅ (−σ 2) + e 0 ⋅ 3σ 4 = µ 4 + 6µ 2σ 2 + 3σ 4 = i 4E (X 4) = E (X 4)，故E (X 4) = µ 4 + 6µ 2σ 2 + 3σ 4．6．试用特征函数的方法证明二项分布的可加性：若X ~ b (n , p )，Y ~ b (m , p )，且X 与Y 独立，则X + Y ~ b (n + m , p )．证：因X ~ b (n , p )，Y ~ b (m , p )，且X 与Y 独立，有X 与Y 的特征函数分别为ϕ X (t ) = ( p e it + 1 − p ) n ，ϕ Y (t ) = ( p e it + 1 − p ) m ，则X + Y 的特征函数为ϕ X + Y (t ) = ϕ X (t ) ⋅ϕ Y (t ) = ( p e it + 1 − p ) n + m ，这是二项分布b (n + m , p )的特征函数，故根据特征函数的唯一性定理知X + Y ~ b (n + m , p )．7．试用特征函数的方法证明泊松分布的可加性：若X ~ P (λ1)，Y ~ P (λ2)，且X 与Y 独立，则X + Y ~ P (λ1 + λ2)．证：因X ~ P (λ1)，Y ~ P (λ2)，且X 与Y 独立，有X 与Y 的特征函数分别为)1(e1e )(−=itt X λϕ，)1(e2e )(−=itt Y λϕ，则X + Y 的特征函数为)1)(e(21e )()()(−++==itt t t Y X Y X λλϕϕϕ，这是泊松分布P (λ1 + λ2)的特征函数，故根据特征函数的唯一性定理知X + Y ~ P (λ1 + λ2)．8．试用特征函数的方法证明伽马分布的可加性：若X ~ Ga (α1, λ)，Y ~ Ga (α2, λ)，且X 与Y 独立，则X + Y ~ Ga (α1 + α2 , λ)．证：因X ~ Ga (α1, λ)，Y ~ Ga (α2, λ)，且X 与Y 独立，有X 与Y 的特征函数分别为11)(αλϕ−⎟⎠⎞⎜⎝⎛−=it t X ，21)(αλϕ−⎟⎠⎞⎜⎝⎛−=it t Y ，则X + Y 的特征函数为)(211)()()(ααλϕϕϕ+−+⎟⎠⎞⎜⎝⎛−==it t t t Y X Y X ，这是伽马分布Ga (α1 + α2 , λ)的特征函数，故根据特征函数的唯一性定理知X + Y ~ Ga (α1 + α2 , λ)．9．试用特征函数的方法证明χ 2分布的可加性：若X ~ χ 2 (n )，Y ~ χ 2 (m )，且X 与Y 独立，则X + Y ~ χ 2 (n + m )．证：因X ~ χ 2 (n )，Y ~ χ 2 (m )，且X 与Y 独立，有X 与Y 的特征函数分别为2)21()(n X it t −−=ϕ，2)21()(m Y it t −−=ϕ，则X + Y 的特征函数为2)21()()()(m n Y X Y X it t t t +−+−==ϕϕϕ，这是χ 2分布χ 2 (n + m )的特征函数，故根据特征函数的唯一性定理知X + Y ~ χ 2 (n + m )．10．设X i 独立同分布，且X i ~ Exp(λ)，i = 1, 2, …, n ．试用特征函数的方法证明：),(~1λn Ga X Y ni i n ∑==．证：因X i ~ Exp (λ)，i = 1, 2, …, n ，且X i 相互独立，有X i 的特征函数为11)(−⎟⎠⎞⎜⎝⎛−=−=λλλϕit it t i X ，则∑==ni i n X Y 1的特征函数为nni X Y it t t i n −=⎟⎠⎞⎜⎝⎛−==∏λϕϕ1)()(1，这是伽马分布Ga (n , λ)的特征函数，故根据特征函数的唯一性定理知Y n ~ Ga (n , λ)．11．设连续随机变量X 的密度函数如下：+∞<<∞−−+⋅=x x x p ,)(π1)(22µλλ，其中参数λ > 0, −∞ < µ < +∞，常记为X ~ Ch (λ, µ )．（1）试证X 的特征函数为exp{i µ t − λ | t |}，且利用此结果证明柯西分布的可加性；（2）当µ = 0, λ = 1时，记Y = X ，试证ϕ X + Y (t ) = ϕ X (t ) ⋅ϕ Y (t )，但是X 与Y 不独立；（3）若X 1, X 2, …, X n 相互独立，且服从同一柯西分布，试证：)(121n X X X n+++L 与X 1同分布．证：（1）根据第4题第（2）小题的结论知：若X *的密度函数为22π1)(*xx p +⋅=λλ，即X * ~ Ch (λ, 0)，则X *的特征函数为ϕ * (t ) = e −λ | t |，且X = X * + µ 的密度函数为22)(π1)(µλλ−+⋅=x x p ，故X 的特征函数为ϕ X (t ) = e i µ t ϕ * (t ) = e i µ t ⋅ e −λ | t | = e i µ t −λ | t |；若X 1 ~ Ch (λ1, µ1)，X 2 ~ Ch (λ2, µ2)，且相互独立，有X 1与X 2的特征函数分别为||111e )(t t i X t λµϕ−=，||222e )(t t i X t λµϕ−=，则X 1 + X 2的特征函数为||)()(21212121e )()()(t t i X X X X t t t λλµµϕϕϕ+−++==，这是柯西分布Ch (λ1 + λ2, µ1 + µ2)的特征函数，故根据特征函数的唯一性定理知X 1 + X 2 ~ Ch (λ1 + λ2, µ1 + µ2)；（2）当µ = 0, λ = 1时，X ~ Ch (1, 0)，有X 的特征函数为ϕ X (t ) = e −| t |，又因Y = X ，有Y 的特征函数为ϕ Y (t ) = e −| t |，且X + Y = 2X ，故X + Y 的特征函数为ϕ X + Y (t ) = ϕ 2X (t ) = ϕ X (2t ) = e −| 2t | = e −| t | ⋅ e −| t | =ϕ X (t ) ⋅ϕ Y (t )；但Y = X ，显然有X 与Y 不独立；（3）因X i ~ Ch (λ, µ )，i = 1, 2, …, n ，且X i 相互独立，有X i 的特征函数为||e )(t t i X t i λµϕ−=，则)(121n n X X X nY +++=L 的特征函数为 )(e e )()(1||111t n t t t X t t i n t n ti n ni X ni X nY i in ϕϕϕϕλµλµ===⎟⎠⎞⎜⎝⎛==−⎟⎟⎠⎞⎜⎜⎝⎛⋅−⋅==∏∏，故根据特征函数的唯一性定理知)(121n X X X n+++L 与X 1同分布． 12．设连续随机变量X 的密度函数为p (x )，试证：p (x ) 关于原点对称的充要条件是它的特征函数是实的偶函数．证：方法一：根据随机变量X 与−X 的关系充分性：设X 的特征函数ϕ X (t )是实的偶函数，有ϕ X (t ) = ϕ X (−t )，则−X 的特征函数ϕ −X (t ) = ϕ X (−t ) = ϕ X (t )，根据特征函数的唯一性定理知−X 与X 同分布，因X 的密度函数为p (x )，有−X 的密度函数为p (−x )，故由−X 与X 同分布可知p (−x ) = p (x )，即p (x ) 关于原点对称；必要性：设X 的密度函数p (x ) 关于原点对称，有p (−x ) = p (x )，因−X 的密度函数为p (−x )，即−X 与X 同分布，则−X 的特征函数ϕ −X (t ) = ϕ X (−t ) = ϕ X (t )，且)(][e ][e ][e )()()(t E E E t t X itX itX X it X X ϕϕ=====−−−，故X 的特征函数ϕ X (t )是实的偶函数．方法二：根据密度函数与特征函数的关系充分性：设连续随机变量X 的特征函数ϕ X (t )是实的偶函数，有ϕ X (t ) = ϕ X (−t )，因∫+∞∞−−=dt t x p itx )(e π21)(ϕ，有∫∫+∞∞−+∞∞−−−==−dt t dt t x p itxx it )(e π21)(e π21)()(ϕϕ，令t = −u ，有dt = −du ，且当t → −∞时，u → +∞；当t → +∞时，u → −∞，则)()(e π21)(e π21))((e π21)()(x p du u du u du u x p iuxiux x u i ==−=−−=−∫∫∫+∞∞−−+∞∞−−−∞∞+−ϕϕϕ，故p (x ) 关于原点对称；必要性：设X 的密度函数p (x ) 关于原点对称，有p (−x ) = p (x )，因∫+∞∞−−==dx x p E t itxitX)(e )(e)(ϕ，有∫∫+∞∞−−+∞∞−−==−dx x p dx x p t itx xt i )(e )(e)()(ϕ，令x = −y ，有dx = −dy ，且当x → −∞时，y → +∞；当x → +∞时，y → −∞，则)()(e )(e ))((e )()(t dy y p dy y p dy y p t X ity ity y it X ϕϕ==−=−−=−∫∫∫+∞∞−+∞∞−−∞∞+−−，且)(][e ][e ][e )()()(t E E E t t X itX itX X t i X X ϕϕ====−=−−，故X 的特征函数ϕ X (t )是实的偶函数．13．设X 1, X 2, …, X n 独立同分布，且都服从N(µ , σ 2)分布，试求∑==ni i X n X 11的分布．证：因X i ~ N (µ , σ 2)，i = 1, 2, …, n ，且X i 相互独立，有X i 的特征函数为222e)(t t i X t i σµϕ−=，则∑==n i i X n X 11的特征函数为nt t i n t n t i n ni X n i X n X n t t t i i 2211112222ee)()(σµσµϕϕϕ−⎥⎥⎦⎤⎢⎢⎣⎡⎟⎠⎞⎜⎝⎛−⋅====⎟⎠⎞⎜⎝⎛==∏∏，这是正态分布⎟⎟⎠⎞⎜⎜⎝⎛n N 2,σµ的特征函数，故根据特征函数的唯一性定理知⎟⎟⎠⎞⎜⎜⎝⎛=∑=n N X n X ni i 21,~1σµ． 14．利用特征函数方法证明如下的泊松定理：设有一列二项分布{b (k , n , p n )}，若λ=→∞n n np lim ，则L ,2,1,0,e !),,(lim ==−∞→k k p n k b kn n λλ．证：二项分布b (n , p n )的特征函数为ϕ n (t ) = ( p n e it + 1 − p n ) n = [1 + p n (e it − 1)] n ，且n → ∞时，p n → 0，因)1(e)1(e )1(e 1e )]1(e 1[lim )]1(e 1[lim )(lim −−⋅−→→∞→∞=−+=−+=itit n it n n np p itn p n it n n n n p p t λϕ，。

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04章随机变量的数字特征第2讲

| x-m |
2
| x - m | e 2
e
2
f ( x) d x
2
s 2 ( x - m ) f ( x) d x 2 . e - e
此不等式也可写为:
s P{| X - m | e } 1 - 2 e
2
(2.10)
16
这个不等式给出了, 在随机变量X的分布未知的情况下事件{|X-m|<e}的概率的下限估计. 例如, 在(2.10)式中分别取e=3s, 4s得到 P{|X-m|<3s}0.8889, P{|X-m|<4s}0.9375. 在书末附表1中列出了多种常用的随机变量的数学期望和方差, 供读者查用.
2 2
2
4
方差的几个重要性质 (1) 设C是常数, 则D(C)=0. (2) 设X是随机变量, C是常数, D(CX)=C2D(X).
(3) 对任意两个随机变量X,Y, D(X+Y)=D(X)+D(Y) +2E{[X-E(X)][Y-E(Y)]} (2.5) 特别, 若X,Y相互独立, 则 D(X+Y)=D(X)+D(Y) (2.6) (4) D(X)=0的充要条件是X以概率1取以cm计)X~N(22.40, 0.032), 气缸的直径Y~N(22.50, 0.042), X,Y相互独立. 任取一只活塞, 任取一只气缸, 求活塞能装入气缸的概率. 解按题意须求P{X<Y}=P{X-Y<0}. 由于 X-Y~N(-0.10, 0.0025), 故有 P{X<Y}=P{X-Y<0}
概率论与数理统计
第四章随机变量的数字特征
第2讲
1
例1 设随机变量X具有数学期望E(X)=m, 方差 D(X)=s20. 记X *=(X-m)/s . 1 1 * 则 E ( X ) E ( X - m ) [ E ( X ) - m ] 0; s s 2 X - m * *2 * 2 D( X ) E ( X ) - [ E ( X )] E s

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

概率论与数理统计 --- 第四章{随机变量的数字特征} 第一节：数学期望

概率论与数理统计第四章

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

海南大学《概率论与数理统计》课件 第四章 随机变量及其分布

《概率论与数理统计》第04章习题解答

概率论与数理统计(茆诗松)第四章讲义

《概率论与数理统计》第4-7 章复习与自测题

概率论与数理统计第4章复习

概率论与数理统计第四版课后学习资料第四章

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PPT课件第四章数学期望与方差

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（茆诗松）第二版课后第四章习题参考答案

概率论与数理统计 第4章

概率论与数理统计 第四章

概率论与数理统计第04章随机变量的数字特征第2讲

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

海南大学《概率论与数理统计》课件第四章随机变量及其分布

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

概率论与数理统计第四章

概率论与数理统计第四章