四、随机变量的数字特征(答案)

合集下载

四随机变量的数字特征-文档资料

注意：X,Y相互独立为上述5个条件中任何一个成立的充分条件，但非必要条件.
考点与例题分析
考点一：数学期望和方差的计算考点二：随机变量函数的数学期望与方差考点三：协方差、相关系数，独立性与相关性
考点一：数学期望和方差的计算
1.对分布已知的情形，按定义求； 2.对由随机试验给出的随机变量，先求出分布，再按定义计算； 3.利用期望、方差的性质以及常见分布的期望和方差计算； 4.对较复杂的随机变量,将其分解为简单随机变量, 特别是分解为(0,1)分布的随机变量和进行计算.
例1 一台设备由三大部件构成,在设备运转中各
部件需要调试整的概率相应为0.1,0.2,0.3,假设各部件的状态相互独立,以X表示同时需要调整的部
件数,试求X的E(X)和D(X).
（二）方差 1.定义 D(X)=E{[X-E(X)]2}
均方差或标准差：(X)D (X)
2.计算 (1) 离散型： D (X ) [x k E (X )2p ]k.
(2)连续型： D (X )k [xE (X )]2f(x)d x.
(3) 常用计算公式：D(X)=E(X2)-E2(X).
(5)(6) XY 1; (6)(7)XY 1 X与Y以概率1线性相关,即存在a,b
且a≠0,使 P (Y a X b ) 1 .
(8)
1 P (Ya X b ) 1 (a0 ), XY
1 P (Ya X b ) 1 (a0 ), XY
（四）矩与混合矩
3.随机变量函数的数学期望
（1）X为随机变量，y=g(x)为实变量x的函数.
离散型：E (Y)E [g(X )] g(xk)p k;
连续型：E (Y ) E [g (X )] k g (x )f(x )d x .

（完整版）概率论习题答案随机变量的数字特征

（完整版）概率论习题答案随机变量的数字特征第3章随机变量的数字特征1，在下列句⼦中随机地取⼀单词，以X 表⽰取到的单词所包含的字母个数，试写出X 的分布律并求)(X E .“They found Peking greatly changed ”解：根据题意，有1/5的可能性取到5个单词中的任意⼀个。

它们的字母数分别为4，5，6，7，7。

所以分布律为5/29)77654(51)(=++++=X E .2，在上述句⼦的29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包含的字母数，写出Y 的分布律并求)(Y E 。

解：５个单词字母数还是４，５，６，７，７。

这时，字母数更多的单词更有可能被取到。

分布律为29/175)147665544(291)(=?+?+?+?=Y E .3，在⼀批12台电视机中有2台是次品，若在其中随即地取3台，求取到的电视机中包含的次品数的数学期望。

解：根据古典概率公式，取到的电视机中包含的次品数分别为0，1，2台的概率分别为1163123100==C C p ， 229312210121==C C C p ， 221312110222==C C C p 。

所以取到的电视机中包含的次品数的数学期望为)(21222112290116台=?+?+?=E 。

4，抛⼀颗骰⼦，若得6点则可抛第⼆次，此时得分为6+（第⼆次所抛的点数），否则得分就是第⼀次所抛的点数，不能再抛。

求所得分数的分布律，并求得分的数学期望。

解：根据题意，有1/6的概率得分超过6，⽽且得分为7的概率为两个1/6的乘积（第⼀次6点，第2次1点），其余类似；有5/6的概率得分⼩于6。

分布律为得分的数学期望为)(1249)121110987(361)54321(61点=++++++++++=E 。

5，（1）已知)(~X λπ，}6{}5{===X P X P ，求)(X E 。

（2）设随机变量X 的分布律为Λ,4,3,2,1,6}{22--===k k k X P π，问X 的数学期望是否存在？解：（1）根据)(~X λπ，可得}6{!6!5}5{65=====--X P e e X P λλλλ，因此计算得到6=λ，即)6(~X π。

第四章随机变量的数字特征试题答案

第四章随机变量的数字特征试题答案一、选择（每小题2分）1、设随机变量X 服从参数为2的泊松分布，则下列结论中正确的是（D ） A.E （X ）=0.5，D （X ）=0.5?B.E （X ）=0.5，D （X ）=0.25 C.E （X ）=2，D （X ）=4?D.E （X ）=2，D （X ）=22Y X -=，则34） A C 5A 6、)1=（C ） A ．34?B ．37C ．323?D ．326 7、设随机变量X 服从参数为3的泊松分布，)31,8(~B Y ，X 与Y 相互独立，则)43(--Y X D =（C ）A ．-13?B ．15C ．19?D ．238、已知1)(=X D ，25)(=Y D ，XY ρ=0.4，则)(Y X D -=（B ）A ．6?B ．22C ．30?D ．469、设)31,10(~B X，则)(X E =（C ）A ．31?B ．1C ．310?D ．1010、设)3,1(~2N X ，则下列选项中，不成立的是（B ）A.E （X ）=1?B.D （X ）=3?C.P （X=1）=0?D.P （X<1）=0.511A ．C ．12、XY ρ=（D 13x =(B)A ．14、（C ） A.-15、为（A ．C ．21)(,41)(==X D X E ?D ．41)(,21)(==X D X E 16、设二维随机变量（X ，Y ）的分布律为则)(XY E =（B ）A ．91-?B ．0 C ．91?D ．3117、已知随机变量X 服从参数为2的泊松分布，则随机变量X 的方差为（D ） A18，0.5)，则A 19，则X A 20，则21（B A C 22、设n X X X ,,,21 是来自总体),(2σμN 的样本，对任意的ε>0，样本均值X 所满足的切比雪夫不等式为（B ） A ．{}22εσεμn n X P ≥<-?B ．{}221εσεμn X P -≥<-C ．{}221εσεμn X P -≤≥-?D ．{}22εσεμn n X P ≤≥-23、设随机变量X 的μ=)(X E ，2)(σ=X D ，用切比雪夫不等式估计{}≥<-σ3)(X E X P （C ）A ．91?B ．31C ．98?D ．124、设随机变量X 服从参数为0.5的指数分布，用切比雪夫不等式估计{}≤≥-32X P （C ）A25A 1234且5x =710 67、设随机变量X 服从参数为3的指数分布，则)12(+X D =948、设二维随机变量);,;,(~),(222121ρσσμμN Y X ，且X 与Y 相互独立，则ρ=0 9、设随机变量序列 ,,,,21n X X X 独立同分布，且μ=)(i X E ，0)(2>=σi X D ，,2,1=i ，则对任意实数x ，⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧>-∑=∞→x n n X P n i i n σμ1lim =)(1x Φ- 10、设随机变量X 具有分布51}{==k XP ，5,4,3,2,1=k ，则)(X E =3 11、设随机变量X 在区间(0,1)上服从均匀分布,Y=3X -2,则E?(?Y?)=-0.5 121314、3=，则cov(X 1516大于1724}=0.6826 附：18、-0.5，19的期望E?(Y)=4,D?(Y?)=9,又E?(XY?)=10，则X ，Y 的相关系数XY ρ=31 20、设随机变量X 服从二项分布31,3(B ，则)(2X E =35 三、计算：每小题5分1、某柜台做顾客调查，设每小时到达柜台的顾客数X 服从泊松分布，则)(~λP X ，若已知}2{}1{===X P XP ，且该柜台销售情况Y （千元），满足2212+=X Y。

概率论与数理统计第三版课后习题答案

概率论与数理统计第三版课后习题答案概率论与数理统计是一门应用广泛的数学学科，它研究了随机事件的发生规律和数据的统计分析方法。

而《概率论与数理统计》第三版是一本经典的教材，它系统地介绍了概率论和数理统计的基本理论和方法。

在学习过程中，课后习题是巩固知识、提高能力的重要途径。

下面将为大家提供一些《概率论与数理统计》第三版课后习题的答案，希望能对大家的学习有所帮助。

第一章概率论的基本概念1. 掷一颗骰子，问出现奇数的概率是多少？答：骰子一共有6个面，其中3个面是奇数（1、3、5），所以出现奇数的概率是3/6=1/2。

2. 从一副扑克牌中随机抽取一张牌，问抽到红心的概率是多少？答：一副扑克牌有52张牌，其中有13张红心牌，所以抽到红心的概率是13/52=1/4。

第二章随机变量及其分布1. 设随机变量X的概率密度函数为f(x)=kx，其中0<x<1，求k的值。

答：由概率密度函数的性质可知，对于0<x<1，有∫f(x)dx=∫kxdx=1，解得k=2。

2. 设随机变量X的概率密度函数为f(x)=ce^(-x)，其中x>0，求c的值。

答：由概率密度函数的性质可知，对于x>0，有∫f(x)dx=∫ce^(-x)dx=1，解得c=1。

第三章多维随机变量及其分布1. 设随机变量(X,Y)服从二维正态分布，其概率密度函数为f(x,y)=1/(2πσ1σ2√(1-ρ^2))e^(-(1/(2(1-ρ^2)))(x^2/σ1^2-2ρxy/(σ1σ2)+y^2/σ2^2))，其中-∞<x,y<∞，求常数σ1、σ2和相关系数ρ之间的关系。

答：由二维正态分布的性质可知，对于-∞<x,y<∞，有∫∫f(x,y)dxdy=1，解得σ1σ2√(1-ρ^2)=1。

2. 设随机变量(X,Y)服从二维均匀分布，其概率密度函数为f(x,y)=1/(b-a)(d-c)，其中a<x<b，c<y<d，求常数a、b、c、d之间的关系。

概率论与数理统计第四章随机变量的数字特征习题解答

习题4-11、设随机变量X 服从参数为p 的01-分布，求()E X 。

解：据题意知，X 的分布律为根据期望的定义，得()0(1)1E X p p p =⋅-+⋅=。

2、袋中有n 张卡片，记有号码1,2,,n 。

现从中有放回地抽出k 张卡片，求号码之和X 的数学期望。

解：设i X 表示第i 次取到的卡片的号码（1,2,,i k =），则12k X X X X =+++。

因为是有放回地抽出卡片，所以i X 之间相互独立。

所以第i 次抽到号码为m 的卡片的概率为1{},(1,2,,;1,2,,)i P X m m n i k n====，即i X 的分布律为1{},(1,2,,)i P X m m n n===，所以11()(12)2i n E X n n+=+++=，所以，1(1)()()2k k n E X E X X +=++=。

注：求复杂随机变量期望时可先引入若干个简单的随机变量，再根据期望的性质即可。

3、某产品的次品率为0.1，检验员每天检验4次。

每次随机地抽取10件产品进行检验，如果发现其中的次品数多于1，就去调整设备，以X 表示一天中调整设备的次数，试求()E X 。

（设诸产品是否是次品是相互独立的。

）解：令Y 表示一次抽检的10件产品的次品数，据题意知，~(10,0.1)Y b ，00101191010{1}1{0}{1}10.10.90.10.90.2639p P Y P Y P Y C C =>=-=-==--=，因此，~(4,0.2639)X b ，从而()40.2639 1.0556E X np ==⋅=。

注：此题必须先求出一天中调整设备的概率。

即p 值。

4、据统计，一位60岁的健康（一般体检未发生病症）者，在5年内仍然活着或自杀身亡的概率为p （01p <<，p 为已知），在五年内非自杀身亡的概率为1p -。

保险公司开办5年人寿保险，条件是参保者需缴纳人寿保费a 元（a 已知），若5年内非自杀死亡，保险公司赔偿b 元（b a >）。

随机变量的数字特征试题答案

第四章随机变量的数字特征试题答案一、选择（每小题2分）1、设随机变量X 服从参数为2的泊松分布，则下列结论中正确的是（D ） A. E （X ）=，D （X ）= B. E （X ）=，D （X ）=C. E （X ）=2，D （X ）=4D. E （X ）=2，D （X ）=2 2、设随机变量X 与Y 相互独立，且X~N （1，4），Y~N （0，1），令Y X Z -=，则D （Z ）= （C ）A. 1B. 3C. 5D. 6 3、已知D （X ）=4，D （Y ）=25，cov （X ，Y ）=4，则XY ρ =（C ） A. 0.004 B. C. D. 44、设X ，Y 是任意随机变量，C 为常数，则下列各式中正确的是（D ） A ． D （X+Y ）=D （X ）+D （Y ） B ． D （X+C ）=D （X ）+C C ． D （X-Y ）=D （X ）-D （Y ） D ． D （X-C ）=D （X ）5、设随机变量X 的分布函数为⎪⎪⎩⎪⎪⎨⎧≥<≤-<=4,142,122,0)(x x x x x F ，则E(X)=（D ）A ．31 B ． 21 C ．23D ． 3 6、设随机变量X 与Y 相互独立，且)61,36(~B X ，)31,12(~B Y ，则)1(+-Y X D =（C ）A ． 34B ． 37C ． 323D ． 3267、设随机变量X 服从参数为3的泊松分布，)31,8(~B Y ，X 与Y 相互独立，则)43(--Y X D =（C ）A ． -13B ． 15C ． 19D ． 238、已知1)(=X D ，25)(=Y D ，XY ρ=，则)(Y X D -=（B ） A ． 6 B ． 22 C ． 30 D ． 46 9、设)31,10(~B X ，则)(X E =（C ） A ．31 B ． 1 C ． 310 D ． 10 10、设)3,1(~2N X ，则下列选项中，不成立的是（B ）A. E （X ）=1B. D （X ）=3C. P （X=1）=0D. P （X<1）=11、设)(X E ，)(Y E ，)(X D ，)(Y D 及),cov(Y X 均存在，则)(Y X D -=（C ） A ． )(X D +)(Y D B ． )(X D -)(Y DC ．)(XD +)(Y D -2),cov(Y X D ．)(X D +)(Y D +2),cov(Y X12、设随机变量)21,10(~B X ，)10,2(~N Y ，又14)(=XY E ，则X 与Y 的相关系数XY ρ=（D ） A ． B ． -0.16 C ． D ． 13、已知随机变量X 的分布律为25.025.012p P xX i-，且E （X ）=1，则常数x =( B)A ． 2B ． 4C ． 6D ． 814、设随机变量X 服从参数为2的指数分布，则随机变量X 的数学期望是（C ） A. B. 0 C. D. 215、已知随机变量X 的分布函数为F(x)=⎩⎨⎧>--otherx e x12，则X 的均值和方差分别为（D ） A ．4)(,2)(==X D X E B ． 2)(,4)(==X D X E C ．21)(,41)(==X D X E D ．41)(,21)(==X D X E 16则)(XY E =（B ） A ． 91-B ． 0C ． 91D ． 31 17、已知随机变量X 服从参数为2的泊松分布，则随机变量X 的方差为（D ）A ． 2-B ． 0C ．D 218、设随机变量X 与Y 相互独立，X 服从参数为2的指数分布，Y ～B(6，，则E(X-Y)=( A) A ． 5.2- B ． 0.5 C ． 2 D ． 5 19、设二维随机变量(X ，Y)的协方差cov(X ，Y)=61，且D(X)=4，D(Y)=9，则X 与Y 的相关系数XY ρ为（B ） A ．2161 B ． 361 C ． 61 D ． 1 20、设随机变量X 与Y 相互独立，且X ～N(0，9)，Y ～N(0，1)，令Z=X-2Y ，则D(Z)=（D ） A ． 5 B ． 7 C ． 11 D 13 21、设(X ，Y)为二维随机变量，且D(X)>0，D(Y)>0，则下列等式成立的是（B ） A ． )()()(Y E X E XY E = B ． )()(),cov(Y D X D Y X XY ⋅=ρC ． )()()(YD X D Y X D +=+ D ． ),cov(2)2,2cov(Y X Y X =22、设n X X X ,,,21Λ是来自总体),(2σμN 的样本，对任意的ε>0，样本均值X 所满足的切比雪夫不等式为（B ） A ． {}22εσεμn n X P ≥<- B ． {}221εσεμn X P -≥<- C ． {}221εσεμn X P -≤≥- D ．{}22εσεμn n X P ≤≥-23、设随机变量X 的μ=)(X E ，2)(σ=X D ，用切比雪夫不等式估计{}≥<-σ3)(X E X P （C ）A ．91 B ． 31 C ． 98D ． 1 24、设随机变量 X 服从参数为的指数分布，用切比雪夫不等式估计{}≤≥-32X P （C ） A ．91 B ． 31 C ． 94 D 21 25、已知随机变量X ～N(0，1)，则随机变量Y=2X-1的方差为（D ） A ． 1 B ．2 C ．3 D4 二、填空（每小题2分） 1、设X~)21,4(B ，则)(2X E =52、设E （X ）=2，E （Y ）=3，E （XY ）=7，则cov （X ，Y ）=13、已知随机变量X 满足1)(-=X E ，2)(2=X E ，则)(X D =1 4、设随机变量X ，Y 的分布列分别为216131321iP X414121101iP Y - 且X ，Y 相互独立，则E （XY ）= 2413-5、随机变量X 的所有可能取值为0和x ，且3.0}0{==X P ，1)(=X E ，则x =710 6、设随机变量X 的分布律为4.03.02.01.02101iP X -，则)(X D =17、设随机变量X 服从参数为3的指数分布，则)12(+X D =948、设二维随机变量);,;,(~),(222121ρσσμμN Y X ，且X 与Y 相互独立，则ρ=0 9、设随机变量序列ΛΛ,,,,21n X X X 独立同分布，且μ=)(i X E ，0)(2>=σi X D ，Λ,2,1=i ，则对任意实数x ，⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧>-∑=∞→x n n X P n i i n σμ1lim =)(1x Φ-10、设随机变量X 具有分布51}{==k X P ，5,4,3,2,1=k ，则)(X E =3 11、设随机变量X 在区间(0,1)上服从均匀分布,Y=3X-2, 则E(Y)= 12、已知随机变量X 的分布律为2.03.05.0501iP X -，则)}({X E X P <=13、已知E （X ）= -1，D （X ）=3,则)23(2-X E =1014、设1X ，2X ，Y 均为随机变量，已知1),cov(1-=Y X ，3),cov(2=Y X ，则),2cov(21Y X X +=515、设)1,0(~N X ，)21,16(~B Y ，且X ，Y 相互独立，则)2(Y X D +=816、将一枚均匀硬币连掷100次，则利用中心极限定理可知，正面出现的次数大于60的概率近似为（附：Φ（2）=） 17、设随机变量X~B （100，），应用中心极限定理计算P{16X24}= 附：Φ（1）=18、设随机变量X ，Y 的期望和方差分别为E(X)=，E(Y)=，D(X)=D(Y)=，E(XY)=0，则X ，Y 的相关系数XY ρ=31 19、设随机变量X 的期望E(X)=2，方差D(X)=4，随机变量Y 的期望E(Y)=4, D(Y)=9, 又E(XY)=10，则X ，Y 的相关系数XY ρ=31 20、设随机变量X 服从二项分布)31,3(B ，则)(2X E =35 三、计算：每小题5分1、某柜台做顾客调查，设每小时到达柜台的顾客数X 服从泊松分布，则)(~λP X ，若已知}2{}1{===X P X P ，且该柜台销售情况Y （千元），满足2212+=X Y 。

第四章随机变量的数字特征

第四章随机变量的数字特征」、选择题1 .X 为随机变量，E(X) = —1,D(X)=3，则 ERxfao = ( D ) A. 18B.9C.30D. 322.设二维随机向量(X,Y)的概率密度函数为A. 0B.1/2C.2D. 13. ( X,Y )是二维随机向量，与C OV (X ,Y )=0不等价的是(D ).C. D (X _Y )= DX DYD. X 与 Y 独立4. X,Y 独立，且方差均存在，则D(2X -3Y) =( C ). A. 2DX -3DY B. 4DX -9DY C.5.若X,Y 独立，则(C ). A. D(X -3Y) = DX -9DY B. C. E {[ x-EX ][Y -EY ]} =0 D.6.若Cov(X,Y)=0,则下列结论中正确的是(C ). A. X,Y 独立 B. D(XY)=DX DYC. D(X Y)=DX DYD.D(X-Y) = DX-DY7. X,Y 为两个随机变量,且 E[(X -EX )(Y -EY)] =0,则 X,Y( D ).A.独立B. 不独立C. 相关D. 不相关8. 设D(X Y^DX DY,则以下结论正确的是(A ).A. X,Y 不相关B. X,Y 独立C.6y=1 D.•一 1f (x, y)e" y),0 :::x ：：：：：,0 ：：：则 E(XY)=(D).A. E(XY)二 EX EYB.D(X Y)二 DX DY4DX 9DY D. 2DX 3DYD(XY) = DX DY P{Y 二 aX b} = 19. 下式中恒成立的是（C ）.C. Cov(X,aX b)=aDXD.10. 下式中错误的是(D ). A. D(X Y)二 DX DY 2Cov(X,Y) B. Cov(X,Y)二E(XY) — EX EY1C.Cov(X,Y) [D(X Y) - DX - DY]2D. D(2X -3Y)=4DX 9DY -6Cov(X,Y) 11.下式中错误的是（B ).A. EX 2 = DX (EX)2B. D(2X 3) =2DXC.E(3Y b) =3EY bD.D(EX) = 012.设X 服从二项分布，EX 二 2.4,DX二1.44,则二项分布的参数为（A ）.A.n = 6, p = 0.4 B. n = 6, p = 0.1C. n = 8, p 二 0.3D.n = 24, p = 0.113.设X 是一随机变量,EX ",DX 八2,二0,则对任何常数C,必有（D ）. A.E(X -c) = EX -C 2B. E(X _c)2 = E(X _ J )2C. E(X -c)2: DX D.E(X -c)2 一二 2M.XS,则鵲=(B )A. nB.1 - pC.pD.11 - pA. E(XY)二 EX EYB. D(X _Y)二 DX DY D(X 1) = DX 115.随机变量X 的概率分布律为P{X 二k} = 1 ,k =1,2,||(, n,则D(X) =n(B ).17.设X 与Y 相互独立，均服从同一正态分布，数学期望为 0,方差为1，贝U( X, Y )的概率密度为(A )18. X 服从［0,2］上的均匀分布,则DX=( B ). A.1B.1C.1D.12361219. X ~ N(0,1),Y = X 3,贝U EY=( C ).A. 2B. 3Vn C. 0D.〈n4320.若丫 =X1 X 2,X i ~N(0,1),i =1,2,则(A ).A. EY=0B. DY=2C. 丫〜N(0,1)D. 丫〜N(0,2) 21.设 xLb( n,p),Y_N(・点2)，则(B ). A. D(X Y)二 np(1-p)二2 B. E(X Y)二 np - J22.将n 只球放入到 M 只盒子中去，设每只球落在各个盒中是等可能的，设X 表示有球的盒子数，则EX 值为(A ).A. 1?(n 2 1)B.卩2")1C. 12(n 1)2D. (n-1)21216. 随机变量X~f(x )」1：e0,4 A. - 1 B.104 10 14X 0,则 E(2X 1)=( C ).x _0C. 21D. 20A.1心2)f(x,y) 一 e 2B.2兀C. 1 严)2f (x,y F e D.f(x, y)(x 2 -y 2)1x 2 4y 2f(x,沪勿「丁C. E(X 2 Y 2) = n 2p 2D. D(XY) = np(1 - pF 2-21A. M[1-(1 -)n] B.MX 服从参数为23.已知 n 1、nn! B. M[1 一()] D. nMMM n■ '的泊松分布，且E[(X -1)(X -2)^1,则■).A. 124.设 X i1D. 丄24,X 2 , X 3相互独立，其中X 1服从［0,6］上的均匀分布，X 2B.-2C.服从正态分布N(0,22),X 3服从参数为3的泊松分布，记丫 = Xi -2X 2 3X 3,则 DY=( B ).A. 14B.46C.20D. 925.设X 服从参数为1的指数分布,则E(X e^X )=( D ). 1 D. 电 33为随机变量,EX ",DX = ；2,则P{| X 」|_3「}满足A. 1B.0C.26.设(A A. < 927.设).<1 3X,Y 独立同分布 B.1 1--D.一丄93，记U = X -Y,^ X Y,贝y U 与V 满足C.D. A. 28.EX i A. C. 29. ).不独立 B. 独立 C.相关系数不为0 D.相关系数为0设随机变量 X 1,x,|2ix 相互独立，且= 1,DX j =2(i =1,2,川,10)，则下列不等式正确的是(C ).10P{Z Xi -^4 >1-i=1 10P{5： X i —10 < 号 K 1 —20Ei =1B.利用正态分布有关结论10P{S X i -im ::} -1-10P{2； X i —10 CE }兰1 —20EiT」X -2)2(x 2 -4x 4)e2dx =(A ).30.设（X,Y ）服从区域D =｛（ x,y ）：0< x, y < a ｝上的均匀分布,则E|X -丫|的值为（C ）.32.某班有n 名同学，班长将领来的学生证随机地发给每个人「-1, X ：： 033.设X 服从区间［-1,2］上的均匀分布，丫二0, X=0,则DY=（1, X 0A. 2B. 1C.833934.某种产品表面上的疵点数服从泊松分布，平均每件上有疵点,若规定疵点数不超过1的为一等品，价值10元；疵点数大于1不多于3的为二等品，价值8元;3个以上者为废品，则产品的废品率为（B ）. A. -B.1 - § C. 1」 D. 3e3e 2e_5_ 2e35.接上题，任取一件产品，设其价值为X,则EX 为（A ）.A. 1B.0C.2D. -1 A. 0 B.C. D.31. 1a 4下列叙述中正确的是 (D ).A.D (JEX)=1DXB.貸 ~N(0,1)C. EX 2 =(EX)2D. EX 2 二 DX (EX)2A. 1设X 表示恰好领到自己学生证的人数，则EX 为（A ）. n （n 1） 2B.C.D.n -1 n).CD. 1A. 763eB.兰C.3e9D. 636.设X ~ f (x)=丿 '2x, 01x<J,以Y 表示对X 的三次独立重复观0, ■-其他察中“ X 兰1 ”出现的次数，则 DY=( A).A . 9 B.16 C. -D.41694337.设(X,Y)为连续型随机向量，其联合密度为f (x,y),两个边缘概率密度分别为f x (x)与f Y (y),则下式中错误的是(D ). *-be—-be -beA. EX xf X (x)dxB.EX xf(x, y)dxdy—o -be -be o—-be -beC. EY 2y f (x, y)dxdy D. E(XY)xyf X (x) f Y (y)dxdyJO-O0 --O0二、填空题2/e2 .已知离散型随机变量 X 可能取到的值为： -1 , 0, 1，且E(X) = 0.1,E X ) 0,贝U X 的概率密度是 ____________ . _______3. 设随机变量X~N(・/2)，则X 的概率密度f(x)二 __________________EX 二 ____ ； DX 二若Y =-^^-，贝U Y 的概率密度 f(y)二EY = ______ ； DY 二4. 随机变量X 〜N(=4),且E(X 2)=5 ,则X 的概率密度函数为5.若随机变量X 服从均值为3，方差为匚2的正态分布，且P(2 VX £4)=0.3 贝U P(X V2)=______6 .已知随机变量X 的分布律为：1 .随机变量X 服从参数为，的泊松分布，且 D(X) =2，贝U p 〈X =1/ =则E(x)= 7/4 _____ , D(X)=121/48, E(_2X 1)= -5/2 .7 .设DX =4,DY =9, P X Y =0.5,则D(2X —3Y)= ________________ .618. 抛掷n颗骰子，骰子的每一面出现是等可能的，则出现的点数之和的方差为35/12 . ___________9. 设随机变量X和Y独立，并分别服从正态分布N(2, 25)和N(3,49)，求随机变量Z =4X -3Y 5的概率密度函数为10. 设X表示10次独立重复射击命中目标的次数，每次击中目标的概率为0.4，则X2的数学期望E ( X2) = 18.4 .11. 已知离散型随机变量X服从参数为2的泊松分布，则随机变量Z=3X-2的数学期望 E (Z) = 4 .。

《概率论与数理统计答案》第三章

第三章
习题参考答案与提示
第三章随机变量的数字特征习题参考答案与提示
1．设随机变量 X 的概率分布为
X
－3 0.1
0 0.2
1 0.3
5 0.4
pk 试求 EX 。
答案与提示： EX = 2 。 2．已知随机变量 X 的分布列为
X
0 0.1
1
p
2 0.4
3 0.2
Pk
答案与提示：（1）由归一性， p = 0.3 ；（2） EX = 1.7 ；（3） DX = 0.81 3．已知随机变量 X 的分布列为
后
答
D X −Y = 1−
26．设灯管使用寿命 X 服从指数分布，已知其平均使用寿命为 3000 小时，现有
—5—
案
若一周 5 个工作日里无故障可获利 10 万元，发生一次故障仍获利 5 万元，发生二次2π网
。
ww w
3 ； 2
.k
hd a
EZ =
1 ， DZ = 3 ； 2
w. c
解：（1）由数学期望、方差的性质及相关系数的定义( ρ XY =
第三章
习题参考答案与提示
求：（1） Y = 2 X 的数学期望；（2） Y = e −2 X 的数学期望。答案与提示：（1） EY = E 2 X = 2 ；（2） EY = Ee −2 X = 1/ 3 。
1 11．试证明事件在一次试验中发生的次数的方差不超过。 4
答案与提示：事件在 n 次独立重复试验中发生的次数服从参数为 n ， p 的二项分布 B ( n, p ) ，当然在一次试验中发生的次数应服从 B (1, p ) ，即为(0-1)分布。
f ( x) = 1 − x− β e 2α

随机变量的数字特征

随机变量的数字特征
随机变量的数字特征包括均值、方差、标准差、偏度和峰度等。

其中，均值是衡量随机变量中心位置的指标，是所有取值的平均数；方差是随机变量离均值的距离平方的平均数；标准差是方差的算术平方根，也是随机变量离均值距离的度量，具有与随机变量相同的量纲；偏度是随机变量概率分布的偏斜程度，为其分布的非对称程度的度量；峰度则是随机变量概率分布的尖锐程度，衡量随机变量的概率分布在平均值附近的峰值高低。

可以通过计算公式来求解以上数字特征，例如均值的计算公式为所有取值的总和除以取值的数量；方差的计算公式为将每个取值与均值的差值平方后的总和除
以取值的数量；标准差的计算公式则是方差的算术平方根；偏度的计算公式为三阶中心矩与标准差的比值；峰度的计算公式为四阶中心矩与标准差的四次幂的比值。

了解随机变量的数字特征有助于描绘随机变量的特征与规律，进而分析和预测其行为。

同时，对于特定应用领域，也需要针对性地选择数字特征进行分析，以
更好地满足应用的需求。

天津理工大学概率论与数理统计第四章习题答案详解.doc

第 4 章随机变量的数字特征一、填空题1、设X为北方人的身高，Y 为南方人的身高，则“北方人比南方人高”相当于E( X ) E(Y)2、设X为今年任一时刻天津的气温，Y 为今年任一时刻北京的气温，则今年天津的气温变化比北京的大，相当于D(X) D(Y) .3、已知随机变量X 服从二项分布，且E(X ) 2.4, D(X) 1.44 ，则二项分布的参数n= 6 , p= .4、已知X服从(x ) 1 e x2 2x 1，则 . E(X)=1 , D(X)=1/2.5、设X的分布律为X 1 0 1 2P 1 1 1 1 8 4 2 8则 E(2X 1) 9/4 .6、设X ,Y相互独立，则协方差cov( X ,Y ) 0 .这时， X ,Y 之间的相关系数XY 0 .7 、若XY是随机变量 (X,Y)的相关系数，则 | XY| 1的充要条件是P Y aX b 1 .8、XY是随机变量 ( X ,Y ) 的相关系数，当XY 0时，X与Y 不相关，当| XY | 1 时，X 与 Y 几乎线性相关 .9、若D(X) 8, D(Y ) 4 ，且X ,Y相互独立，则 D (2X Y ) 36 .10、若a, b为常数，则D (aX b) a2 D ( X ) .11、若X ,Y相互独立，E( X ) 0, E(Y) 2 ，则 E(XY ) 0 .12、若随机变量X 服从[0,2 ]上的均匀分布，则E( X )π.13、若D(X) 25, D(Y ) 36, XY 0.4 ，则 cov( X ,Y ) 12 ， D(X Y) 85，D ( X Y ) 37 .14、已知E( X ) 3，D(X) 5，则E(X 2)2 30 .15、若随机变量X 的概率密度为e x x 0，(x)x，则 E(2X ) 20 0E (e 2 X ) 1/3 .二、计算题1、五个零件中有 1 个次品，进行不放回地检查，每次取 1 个，直到查到次品为止。

概率论与数理统计第四章随机变量的数字特征

第四章随机变量的数字特征前面讨论了随机变量的分布函数，我们知道分布函数全面地描绘了随机变量的统计特性.但是在实际问题中，一方面由于求分布函数并非易事；另一方面，往往不需要去全面考察随机变量的变化情况而只需知道随机变量的某些特征就够了.例如，在考察一个班级学生的学习成绩时，只要知道这个班级的平均成绩及其分散程度就可以对该班的学习情况作出比较客观的判断了.这样的平均值及表示分散程度的数字虽然不能完好地描绘随机变量，但能更突出地描绘随机变量在某些方面的重要特征，我们称它们为随机变量的数字特征.本章将介绍随机变量的常用数字特征：数学期望、方差、相关系数和矩.第一节数学期望1.数学期望的定义粗略地说，数学期望就是随机变量的平均值.在给出数学期望的概念之前，先看一个例子.要评判一个射手的射击程度，需要知道射手平均命中环数.设射手A 在同样条件下进展射击，命中的环数X 是一随机变量，其分布律如下：表4-1由X 的分布律可知,假设射手A 共射击N 次,根据频率的稳定性,所以在N 次射击中,大约有0.1×N 次击中10环,0.1×N 次击中9环,0.2×N 次击中8环,0.3×N 次击中7环,0.1×N 次击中6环,0.1×N 次击中5环,0.1×N 次脱靶.于是在N 次射击中，射手A 击中的环数之和约为10×0.1N +9×0.1N +8×0.2N +7×0.3N +6×0.1N +5×0.1N +0×0.1N .平均每次击中的环数约为N1〔10×0.1N +9×0.1N +8×0.2N +7×0.3N +6×0.1N +5×0.1N +0×0.1N 〕 =10×0.1+9×0.1+8×0.2+7×0.3+6×0.1+5×0.1+0×0.1 =6.7〔环〕.由这样一个问题的启发，得到一般随机变量的“平均数〞，应是随机变量所有可能取值与其相应的概率乘积之和，也就是以概率为权数的加权平均值，这就是所谓“数学期望的概念〞.一般地，有如下定义：定义4.1 设离散型随机变量X 的分布律为P {X =x k }=p k k =1,2,…，假设级数∑∞=1k k kp x绝对收敛，那么称级数∑∞=1k k kp x为随机变量X 的数学期望〔Mathematical expectation 〕，记为E 〔X 〕.即E 〔X 〕=∑∞=1k k kp x. 〔4.1〕设连续型随机变量X 的概率密度为f 〔x 〕，假设积分⎰+∞∞-x x xf d )(绝对收敛，那么称积分⎰+∞∞-x x xf d )(的值为随机变量X 的数学期望，记为E 〔X 〕.即E 〔X 〕=⎰+∞∞-x x xf d )(. 〔4.2〕数学期望简称期望，又称为均值.例4.1 某商店在年末大甩卖中进展有奖销售，摇奖时从摇箱摇出的球的可能颜色为：红、黄、蓝、白、黑五种，其对应的奖金额分别为：10000元、1000元、100元、10元、1元.假定摇箱内装有很多球，其中红、黄、蓝、白、黑的比例分别为：0.01%,0.15%,1.34%,10%,88.5%,求每次摇奖摇出的奖金额X 的数学期望. 解每次摇奖摇出的奖金额X 是一个随机变量，易知它的分布律为因此，E 〔X 〕=10000×0.0001+1000×0.0015+100×0.0134+10×0.1+1×0.885=5.725. 可见，平均起来每次摇奖的奖金额缺乏6元.这个值对商店作方案预算时是很重要的.例4.2 按规定，某车站每天8点至9点，9点至10点都有一辆客车到站，但到站的时刻是随机的，且两者到站的时间互相独立.其分布律为一旅客8点20分到车站，求他候车时间的数学期望.解设旅客候车时间为X 分钟，易知X 的分布律为表4-4在上表中p k 的求法如下，例如P {X =70}=P 〔AB 〕=P 〔A 〕P 〔B 〕=1/6×3/6=3/36，其中A 为事件“第一班车在8:10到站〞，B 为事件“第二班车在9:30到站〞，于是候车时间的数学期望为E 〔X 〕=10×3/6+30×2/6+50×1/36+70×3/36+90×2/36=27.22〔分钟〕.例4.3 有5个互相独立工作的电子装置，它们的寿命X k 〔k =1，2，3，4，5〕服从同一指数分布，其概率密度为f 〔x 〕=⎪⎩⎪⎨⎧≤>-.00,0,1/x ,x x θθe〔1〕假设将这5个电子装置串联起来组成整机，求整机寿命N 的数学期望；〔2〕假设将这5个电子装置并联组成整机，求整机寿命M 的数学期望.解 X k 〔k =1，2，3，4，5〕的分布函数为F 〔x 〕=⎩⎨⎧≤>--.0,0,0,1/x x x θe〔1〕串联的情况由于当5个电子装置中有一个损坏时，整机就停顿工作，所以这时整机寿命为N =min{X 1，X 2，X 3，X 4，X 5}.由于X 1，X 2，X 3，X 4，X 5是互相独立的，于是i=min{X 1，X 2，X 3，X 4，X 5}的分布函数为F N 〔x 〕=P {N ≤x }=1-P {N ＞x }=1-P {X 1＞x ，X 2＞x ，X 3＞x ，X 4＞x ，X 5＞x }=1-P {X 1＞x }·P {X 2＞x }·P {X 3＞x }·P {X 4＞x }·P {X 5＞x }=1-［1-)(1x F X ］［1- )(2x F X ］［1-)(3x F X ］［1-)(4x F X ］［1-)(5x F X ］ =1-［1-F 〔x 〕］5=⎪⎩⎪⎨⎧≤>--.0,0,0,15x x xθe 因此N 的概率密度为f N 〔x 〕=⎪⎩⎪⎨⎧≤>-.0,0,0,55x x xθθe那么N 的数学期望为E 〔N 〕=55)(5θθθ==-∞+∞-∞+∞-⎰⎰x xx x xf xN d ed〔2〕并联的情况由于当且仅当5个电子装置都损坏时，整机才停顿工作，所以这时整机寿命为M =max{X 1，X 2，X 3，X 4，X 5}.由于X 1，X 2，X 3，X 4，X 5互相独立，类似可得M 的分布函数为F M 〔x 〕=［F 〔x 〕］5=⎪⎩⎪⎨⎧≤>--.0,0,0,)1(5x x x θe因此M 的概率密度为f M 〔x 〕=⎪⎩⎪⎨⎧≤>---.0,0,0,]1[54x x x x θθθe e于是M 的数学期望为E 〔M 〕=.60137)1(5)(0max θθθ=-=-∞+∞-∞+⎰⎰x xx x xf xd e d 这说明：5个电子装置并联联接工作的平均寿命要大于串联联接工作的平均寿命.例4.4 设随机变量X 服从柯西〔Cauchy 〕分布，其概率密度为f 〔x 〕=)1(12x +π，-x <x <+∞，试证E 〔X 〕不存在.证由于,)1(1)(2⎰⎰+∞∞-+∞∞-∞=+=x x xx x f x d πd 故E 〔X 〕不存在.2.随机变量函数的数学期望在实际问题与理论研究中，我们经常需要求随机变量函数的数学期望.这时，我们可以通过下面的定理来实现.定理4.1 设Y 是随机变量X 的函数Y =g 〔X 〕〔g 是连续函数〕. 〔1〕 X 是离散型随机变量，它的分布律为P 〔X =x k 〕=p k ，k =1，2，…，假设kk kpx g ∑∞=1)(绝对收敛，那么有E 〔Y 〕=E ［g 〔X 〕］=kk kpx g ∑∞=1)(. 〔4.3〕〔2〕 X 是连续型随机变量，它的概率密度为f 〔x 〕，假设⎰+∞∞-x x f x g d )()(绝对收敛，那么有E 〔Y 〕=E ［g 〔X 〕］=⎰+∞∞-x x f x g d )()(. 〔4.4〕定理4.4的重要意义在于当我们求E 〔Y 〕时，不必知道Y 的分布而只需知道X 的分布就可以了.当然，我们也可以由的X 的分布，先求出其函数g 〔X 〕的分布，再根据数学期望的定义去求E ［g 〔X 〕］，然而，求Y =g 〔X 〕的分布是不容易的，所以一般不采用后一种方法.定理4.1的证明超出了本书的范围，这里不证.上述定理还可以推广到二个或二个以上随机变量的函数情形. 例如，设Z 是随机变量X ，Y 的函数，Z =g 〔X ，Y 〕〔g 是连续函数〕，那么Z 也是一个随机变量，当〔X ，Y 〕是二维离散型随机变量，其分布律为P {X =x i ，Y =y j }=p ij 〔i ，j =1，2，…〕时，假设∑∑ijijiipy x g ),(绝对收敛，那么有E 〔Z 〕=E ［g 〔X ，Y 〕］=∑∑ijijiipy x g ),(. 〔4.5〕当〔X ，Y 〕是二维连续型随机变量，其概率密度为f 〔x ，y 〕时，假设⎰⎰+∞∞-+∞∞-yx y x f y z g d d ),(),(绝对收敛，那么有E 〔Z 〕=E ［g 〔X ，Y 〕］=⎰⎰+∞∞-+∞∞-y x y x f y z g d d ),(),(. 〔4.6〕特别地有E 〔X 〕=⎰⎰+∞∞-+∞∞-y x y x xf d d ),(=⎰+∞∞-.)(x x xf X dE 〔Y 〕=⎰⎰+∞∞-+∞∞-y x y x yf d d ),(=⎰+∞∞-.)(y y yf Y d例4.5 设随机变量X 的分布律为表4-5求E 〔X 〕，E 〔-2x +1〕.解由〔4.5〕式得E 〔X 2〕=〔-1〕2×18+02×14+22×38+32×14=318， E 〔-2X +1〕=［-2×〔-1〕+1］×18+［-2×0+1］×14+［-2×2+1］×38+［-2×3+1］×14= -74. 例4.6 对球的直径作近似测量，设其值均匀分布在区间［a ，b ］内，求球体积的数学期望.解设随机变量X 表示球的直径，Y 表示球的体积，依题意，X 的概率密度为f 〔x 〕=⎪⎩⎪⎨⎧≤≤-.,0,,1其他b x a a b球体积Y =361X π，由〔4.6〕式得 E 〔Y 〕=x a b x X E ba d ππ-=⎰161)61(33=).)((24)(6223b a b a x x a b ba++=-⎰πd π例4.7 设国际市场每年对我国某种出口商品的需求量X 〔吨〕服从区间[2000，4000]上的均匀分布.假设售出这种商品1吨，可挣得外汇3万元，但假设销售不出而囤积于仓库，那么每吨需保管费1万元.问应预备多少吨这种商品，才能使国家的收益最大？解设预备这种商品y 吨〔2000≤y ≤4000〕，那么收益〔万元〕为g 〔X 〕=⎩⎨⎧<--≥.),(3,,3y X X y X y X y那么 E [g 〔X 〕]=⎰⎰-⋅=+∞∞-40002000200040001)()()(x x g x x f x g d d=[]⎰⎰+--40002000320001)(320001y y x y x x y x d d =)1047000(1000162⨯-+-y y . 当y =3500吨时，上式到达最大值.所以预备3500吨此种商品能使国家的收益最大，最大收益为8250万元.例4.8 设二维随机变量〔X ，Y 〕在区域A 上服从均匀分布，其中A 为x 轴，y 轴及直线x +2y=1所围成的三角区域，求E 〔X 〕，E 〔Y 〕，E 〔XY 〕. 解由于〔X ，Y 〕在A 内服从均匀分布，所以其概率密度f 〔x ，y 〕=⎪⎩⎪⎨⎧⎩⎨⎧∉∈=∉∈.),(,0,),(,1,),(,0,),(,1A y x A y x A y x A y x A 的面积 E 〔X 〕=12(1)001(,)d d d d d d ;3x Axf x y x y x x y x x y +∞+∞--∞-∞===⎰⎰⎰⎰⎰⎰E 〔Y 〕=2122(,)d d d d d d ;3y Ayf x y x y y x y y y x +∞+∞--∞-∞===⎰⎰⎰⎰⎰⎰E 〔XY 〕=;61)1(2),()1(2010210⎰⎰⎰⎰⎰+∞∞-+∞∞--=-==x x x x y y x x y x y x xyf d d d d d3.数学期望的性质下面讨论数学期望的几条重要性质.定理4.2 设随机变量X ，Y 的数学期望E 〔X 〕，E 〔Y 〕存在. 1°E 〔c 〕=c ，其中c 是常数； 2°E 〔cX 〕=cE 〔X 〕；3°E 〔X +Y 〕=E 〔X 〕+E 〔Y 〕；4°假设X ，Y 是互相独立的，那么有E 〔XY 〕=E 〔X 〕E 〔Y 〕.证就连续型的情况我们来证明性质3°、4°，离散型情况和其他性质的证明留给读者. 3°设二维随机变量〔X ，Y 〕的概率密度为f 〔x ，y 〕，其边缘概率密度为f X 〔x 〕，f Y 〔y 〕，那么E 〔X +Y 〕=⎰⎰+∞∞-+∞∞-+y x y x f y x d d ),()(=⎰⎰⎰⎰+∞∞-+∞∞-+∞∞-+∞∞-+y x y x yf y x y x xf d d d d ),(),(=)()()()(Y E X E y y yf x x xf Y X +=+⎰⎰+∞∞-+∞∞-d d .4°又假设X 和Y 互相独立，此时f 〔x ，y 〕=f X 〔x 〕f Y 〔y 〕，故E 〔XY 〕=⎰⎰⎰⎰+∞∞-+∞∞-+∞∞-+∞∞-=y x y f x xyf y x y x xyf Y X d d d d )()(),(=).()()()(Y E X E y y yf x x xf Y X =⋅⎰⎰+∞∞-+∞∞-d d性质3°可推广到任意有限个随机变量之和的情形；性质4°可推广到任意有限个互相独立的随机变量之积的情形.例4.9 设一电路中电流I 〔安〕与电阻R 〔欧〕是两个互相独立的随机变量，其概率密度分别为g 〔i 〕=⎩⎨⎧≤≤.,0,10,2其他i i h 〔r 〕=⎪⎩⎪⎨⎧≤≤.,0,30,92其他r r试求电压V =IR 的均值.解 E 〔V 〕=E 〔IR 〕=E 〔I 〕E 〔R 〕=2392)()(303102=⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡⎰⎰⎰⎰∞+∞-∞+∞-r r i i r r rh i i ig d d d d 〔伏〕. 例4.10 设对某一目的进展射击，命中n 次才能彻底摧毁该目的，假定各次射击是独立的，并且每次射击命中的概率为p ，试求彻底摧毁这一目的平均消耗的炮弹数.解设X 为n 次击中目的所消耗的炮弹数，X k 表示第k -1次击中后至k 次击中目的之间所消耗的炮弹数，这样，X k 可取值1，2，3，…，其分布律见表4-6.表4-61X =X 1+X 2+…+X n .由性质3°可得E 〔X 〕=E 〔X 1〕+E 〔X 2〕+…+E 〔X n 〕=nE 〔X 1〕. 又 E〔X 1〕=,111pkpq k k =∑∞=- 故 E 〔X 〕=pn . 4.常用分布的数学期望〔1〕两点分布那么X 的数学期望为E 〔X 〕=0×〔1-p 〕+1×p =p .〔2〕二项分布设X 服从二项分布，其分布律为P {X =k }=kn k k n p p --)1(C , 〔k =0,1,2,…,n 〕，〔0<p <1〕.那么X 的数学期望为E 〔X 〕=∑∑==----=-nk nk k n k kn kknp p k n k n kp p k 0)1()!(!!)1(C=[]∑=----------nk k n k p pk n k n np)]1()1[(1)1(!)1()1()!1()!1(,令k -1=t ，那么E 〔X 〕=[]∑-=------10])1[()1(!)1(!)!1(n t t n t p p t n t n np=np [p +〔1-p 〕]n -1=np .假设利用数学期望的性质，将二项分布表示为n 个互相独立的0-1分布的和，计算过程将简单得多.事实上，假设设X 表示在n 次独立重复试验中事件A 发生的次数，X i 〔i =1,2,…,n 〕表示A 在第i 次试验中出现的次数，那么有X =1nii X=∑.显然，这里X所以E 〔X i 〕=p ,i =1,2,…,n .由定理4.2的性质3°有E 〔X 〕=∑∑===⎪⎭⎫ ⎝⎛ni i n i i X E X E 11)( =np .〔3〕泊松分布设X 服从泊松分布，其分布律为P {X =k }=λλ-e !k k，〔k =0,1,2,…〕，〔λ>0〕.那么X 的数学期望为E 〔X 〕=∑∑∞=--∞=--=11)!1(!k k k kk k k λλλλλee,令k -1=t ，那么有E 〔X 〕=.!0λλλλλλλ=⋅=-∞=-∑e e ek tt .〔4〕均匀分布设X 服从[a ,b ]上的均匀分布，其概率密度函数为f 〔x 〕=⎪⎩⎪⎨⎧≤≤-.,0,,1其他b x a a b那么X 的数学期望为E 〔X 〕=.2)(ba x ab x x x xf ba +=-=⎰⎰+∞∞-d d . 〔5〕指数分布设X 服从指数分布，其分布密度为f 〔x 〕=⎩⎨⎧<≥-.0,0,0,x x x λλe那么X 的数学期望为E 〔X 〕=1()d e d x xf x x x x λλλ+∞+∞--∞-∞==⎰⎰.〔6〕正态分布设X ~N 〔μ,σ2〕，其分布密度为f 〔x 〕=222)(21σμσ--x e π，那么X 的数学期望为E 〔X 〕=22()2()d ed ,x xf x x x x μσ--+∞+∞-∞-∞=⎰令σμ-x =t ，那么E 〔X 〕=⎰∞+∞--+t t t d e π22)(21σμ 注意到t t d eπ⎰∞+∞--222μ=μ,t σt t d e π⎰∞+∞--2221=0，故有E 〔X 〕=μ.第二节方差1.方差的定义数学期望描绘了随机变量取值的“平均〞.有时仅知道这个平均值还不够.例如，有A ，B 两名射手，他们每次射击命中的环数分别为X ，Y ，X ，Y 的分布律为：由于E 〔X 〕=E 〔Y 〕=9〔环〕，可见从均值的角度是分不出谁的射击技术更高，故还需考虑其他的因素.通常的想法是：在射击的平均环数相等的条件下进一步衡量谁的射击技术更稳定些.也就是看谁命中的环数比较集中于平均值的附近，通常人们会采用命中的环数X 与它的平均值E 〔X 〕之间的离差｜X -E 〔X 〕｜的均值E ［｜X -E 〔X 〕｜］来度量，E ［｜X -E 〔X 〕｜］愈小，说明X 的值愈集中于E 〔X 〕的附近，即技术稳定；E ［｜X -E 〔X 〕｜］愈大，说明X 的值很分散，技术不稳定.但由于E ［｜X -E 〔X 〕｜］带有绝对值，运算不便，故通常采用X 与E 〔X 〕的离差｜X -E 〔X 〕｜的平方平均值E ［X -E 〔X 〕］2来度量随机变量X 取值的分散程度.此例中，由于E ［X -E 〔X 〕］2=0.2×〔8-9〕2+0.6×〔9-9〕2+0.2×〔10-9〕2=0.4， E ［Y -E 〔Y 〕］2=0.1×〔8-9〕2+0.8×〔9-9〕2+0.1×〔10-9〕2=0.2.由此可见B 的技术更稳定些.定义4.2 设X 是一个随机变量，假设E ［X -E 〔X 〕］2存在，那么称E ［X -E 〔X 〕］2为X 的方差〔Variance 〕，记为D 〔X 〕，即D 〔X 〕=E ［X -E 〔X 〕］2. 〔4.7〕称)(X D 为随机变量X 的标准差〔Standard deviation 〕或均方差〔Mean square deviation 〕，记为σ〔X 〕.根据定义可知，随机变量X 的方差反映了随机变量的取值与其数学期望的偏离程度.假设X 取值比较集中，那么D 〔X 〕较小，反之，假设X 取值比较分散，那么D 〔X 〕较大. 由于方差是随机变量X 的函数g 〔X 〕=［X -E 〔X 〕］2的数学期望.假设离散型随机变量X 的分布律为P {X =x k }=p k ，k =1，2，…，那么D 〔X 〕=k k kp X E x∑∞=-12)]([. 〔4.8〕假设连续型随机变量X 的概率密度为f 〔x 〕，那么D 〔X 〕=⎰+∞∞--.)()]([2x x f X E x d 〔4.9〕由此可见，方差D 〔X 〕是一个常数，它由随机变量的分布惟一确定.根据数学期望的性质可得：D 〔X 〕=E ［X -E 〔X 〕］2=E ［X 2-2X ·E 〔X 〕+［E 〔X 〕］2］=E 〔X 2〕-2E 〔X 〕·E 〔X 〕+［E 〔X 〕］2=E 〔X 2〕-［E 〔X 〕］2.于是得到常用计算方差的简便公式D 〔X 〕=E 〔X 2〕-［E 〔X 〕］2. 〔4.10〕例4.11 设有甲，乙两种棉花，从中各抽取等量的样品进展检验，结果如下表：其中X ，Y 分别表示甲，乙两种棉花的纤维的长度〔单位：毫米〕，求D 〔X 〕与D 〔Y 〕，且评定它们的质量.解由于E 〔X 〕=28×0.1+29×0.15+30×0.5+31×0.15+32×0.1=30， E 〔Y 〕=28×0.13+29×0.17+30×0.4+31×0.17+32×0.13=30，故得D 〔X 〕=〔28-30〕2×0.1+〔29-30〕2×0.15+〔30-30〕2×0.5+〔31-30〕2×0.15+〔32-30〕2×0.1=4×0.1+1×0.15+0×0.5+1×0.15+4×0.1=1.1，D 〔Y 〕=〔28-30〕2×0.13+〔29-30〕2×0.17+〔30-30〕2×0.4+〔31-30〕2×0.17+〔32-30〕2×0.13=4×0.13+1×0.17+0×0.4+1×0.17+4×0.13=1.38.因D 〔X 〕＜D 〔Y 〕，所以甲种棉花纤维长度的方差小些，说明其纤维比较均匀，故甲种棉花质量较好.例4.12 设随机变量X 的概率密度为f 〔x 〕=⎪⎩⎪⎨⎧<≤-<≤-+.,0,10,1,01,1其他x x x x求D 〔X 〕.解 E 〔X 〕=⎰⎰-++-11)1()1(x x x x x x d d =0，E 〔X 2〕=⎰⎰-++-12012)1()1(x x x x x x d d =1/6，于是 D 〔X 〕=E 〔X 2〕-［E 〔X 〕］2=1/6.2.方差的性质方差有下面几条重要的性质.设随机变量X 与Y 的方差存在，那么 1°设c 为常数，那么D 〔c 〕=0；2°设c 为常数，那么D 〔cX 〕=c 2D 〔X 〕； 3°D 〔X ±Y 〕=D 〔X 〕+D 〔Y 〕±2E ［〔X -E 〔X 〕〕〔Y -E 〔Y 〕〕］； 4°假设X ，Y 互相独立，那么D 〔X ±Y 〕=D 〔X 〕+D 〔Y 〕； 5°对任意的常数c ≠E 〔X 〕，有D 〔X 〕<E [〔X -c 〕2]. 证仅证性质4°，5°. 4°D 〔X ±Y 〕=E ［〔X ±Y 〕-E 〔X ±Y 〕］2=E ［〔X -E 〔X 〕〕±〔Y -E 〔Y 〕〕］2=E ［X -E 〔X 〕］2±2E ［〔X -E 〔X 〕〕〔Y -E 〔Y 〕〕］+E ［Y -E 〔Y 〕］2 =D 〔X 〕+D 〔Y 〕±2E ［〔X -E 〔X 〕〕〔Y -E 〔Y 〕〕］.当X 与Y 互相独立时，X -E 〔X 〕与Y -E 〔Y 〕也互相独立，由数学期望的性质有E ［〔X -E 〔X 〕〕〔Y -E 〔Y 〕〕］=E 〔X -E 〔X 〕〕E 〔Y -E 〔Y 〕〕=0.因此有D 〔X ±Y 〕=D 〔X 〕+D 〔Y 〕.性质4°可以推广到任意有限多个互相独立的随机变量之和的情况.5°对任意常数c ，有E [〔X -c 〕2]=E [〔X -E 〔X 〕+E 〔X 〕-c 〕2]=E [〔X -E 〔X 〕〕2]+2〔E 〔X 〕-c 〕·E [X -E 〔X 〕]+〔E 〔X 〕-c 〕2=D 〔X 〕+〔E 〔X 〕-c 〕2.故对任意常数c ≠EX ,有DX <E [〔X -c 〕2].例4.13 设随机变量X 的数学期望为E 〔X 〕，方差D 〔X 〕=σ2〔σ＞0〕，令Y =σ)(X E X -，求E 〔Y 〕，D 〔Y 〕.解 E 〔Y 〕=[],0)()(1)]([1)(=-=-=⎥⎦⎤⎢⎣⎡-X E X E X E X E X E X E σσσ D 〔Y 〕=.1)(1)]([1)(2222===-=⎥⎦⎤⎢⎣⎡-σσσσσX D X E X D X E X D 常称Y 为X 的标准化随机变量.例4.14 设X 1，X 2，…，X n 互相独立，且服从同一〔0-1〕分布，分布律为P {X i =0}=1-p ,P {X i =1}=p , i =1,2，…，n .证明 X =X 1+X 2+…+X n 服从参数为n ，p 的二项分布，并求E 〔X 〕和D 〔X 〕.解 X 所有可能取值为0，1，…，n ，由独立性知X 以特定的方式〔例如前k 个取1，后n -k 个取0〕取k 〔0≤k ≤n 〕的概率为p k 〔1-p 〕n -k,而X 取k 的两两互不相容的方式共有knC 种，故P {X =k }=kn C p k 〔1-p 〕n -k , k =0，1，2，…，n ,即X 服从参数为n ，p 的二项分布. 由于E 〔X i 〕=0×〔1-p 〕+1×p =p ，D 〔X i 〕=〔0-p 〕2×〔1-p 〕+〔1-p 〕2×p =p 〔1-p 〕， i =1，2，…，n ，故有E 〔X 〕=.)(11np X E X E ni i n i i ==⎪⎭⎫ ⎝⎛∑∑==由于X 1，X 2，…，X n 互相独立，得D 〔X 〕= ).1()(11p np X D X D ni i n i i -==⎪⎭⎫ ⎝⎛∑∑==3.常用分布的方差〔1〕〔0-1〕分布设X 服从参数为p 的0-1分布，其分布律为由例4.14知，D 〔X 〕=p 〔1-p 〕. 〔2〕二项分布设X 服从参数为n ,p 的二项分布，由例4.14知，D 〔X 〕=np 〔1-p 〕. 〔3〕泊松分布设X 服从参数为λ的泊松分布，由上一节知E 〔X 〕=λ，又E 〔X 2〕=E [X 〔X -1〕+X ]=E [X 〔X -1〕]+E 〔X 〕=∑∑∞=--∞=-+-=+-2220)!2(!)1(k k k kk k k k λλλλλλλee=λ2e -λ·e λ+λ=λ2+λ,从而有D 〔X 〕=E 〔X 2〕-[E 〔X 〕]2=λ2+λ -λ2=λ.〔4〕均匀分布设X 服从[a ,b ]上的均匀分布，由上一节知E 〔X 〕=2ba +，又 E 〔X 2〕=3222b ab a x a b x ba ++=-⎰d , 所以D 〔X 〕=E 〔X 2〕-[E 〔X 〕]2=12)()(41)(312222a b b a b ab a -=+-++.〔5〕指数分布设X 服从参数为λ的指数分布，由上一节知.E 〔X 〕=1/λ，又E 〔X 2〕=222λλλ=⎰-bax x x d e ,所以D 〔X 〕=E 〔X 2〕-[E 〔X 〕]2=.112222λλλ=⎪⎭⎫⎝⎛-〔6〕正态分布设X ~N 〔μ,σ2〕，由上一节知E 〔X 〕=μ，从而D 〔X 〕=[]⎰⎰∞+∞--∞+∞--=--d e πd x x x x f X E x x 222)(2221)()()(σμσμ令σμ-x =t 那么D 〔X 〕=)(22222222222⎰⎰∞+∞--∞+∞--∞+∞--+-=t t t t t t t d eeπd eπσσ=)20(22ππ+σ =σ2.由此可知：正态分布的概率密度中的两个参数μ和σ分别是该分布的数学期望和均方差.因此正态分布完全可由它的数学期望和方差所确定.再者，由上一章第五节例3.17知道，假设X i ~N 〔μi ,σi 2〕,i =1,2,…,n ，且它们互相独立，那么它们的线性组合c 1X 1+c 2X 2+…+c n X n 〔c 1，c 2，…，c n 是不全为零的常数〕仍然服从正态分布.于是由数学期望和方差的性质知道：c 1X 1+c 2X 2+…+c n X n ~⎪⎭⎫⎝⎛∑∑==n i ni i i i i c c N 1122,σμ.这是一个重要的结果.例4.15 设活塞的直径〔以cm 计〕X ~N 〔22.40,0.032〕，气缸的直径Y ~N 〔22.50,0.042〕，X ，Y 互相独立，任取一只活塞，任取一只气缸，求活塞能装入气缸的概率. 解按题意需求P {X <Y }=P {X -Y <0}. 令Z =X -Y ，那么E 〔Z 〕=E 〔X 〕-E 〔Y 〕=22.40-22.50=-0.10, D 〔Z 〕=D 〔X 〕+D 〔Y 〕=0.032+0.042=0.052,即Z ~N 〔-0.10,0.052〕, 故有P {X <Y }=P {Z <0}=⎪⎭⎫⎝⎛Φ=⎭⎬⎫⎩⎨⎧--<--05.010.005.0)10.0(005.0)10.0(Z P =Φ〔2〕=0.9772.第三节协方差与相关系数对于二维随机变量〔X ，Y 〕，数学期望E 〔X 〕，E 〔Y 〕只反映了X 和Y 各自的平均值，而D 〔X 〕，D 〔Y 〕反映的是X 和Y 各自偏离平均值的程度，它们都没有反映X 与Y 之间的关系.在实际问题中，每对随机变量往往互相影响、互相联络.例如，人的年龄与身高；某种产品的产量与价格等.随机变量的这种互相联络称为相关关系，它们也是一类重要的数字特征，本节讨论有关这方面的数字特征.定义4.3 设〔X ，Y 〕为二维随机变量，称E {［X -E 〔X 〕］［Y -E 〔Y 〕］}为随机变量X ，Y 的协方差〔Covariance 〕，记为Cov 〔X ，Y 〕，即Cov 〔X ，Y 〕=E {［X -E 〔X 〕］［Y -E 〔Y 〕］}. 〔4.11〕而)()(),cov(Y D X D Y X 称为随机变量X ，Y 的相关系数〔Correlation coefficient 〕或标准协方差〔Standard covariance 〕，记为ρXY ，即ρXY =)()(),cov(Y D X D Y X . 〔4.12〕特别地，Cov 〔X ,X 〕=E {[X -E 〔X 〕][X -E 〔X 〕]}=D 〔X 〕， Cov 〔Y ,Y 〕=E {[Y -E 〔Y 〕][Y -E 〔Y 〕]}=D 〔Y 〕.故方差D 〔X 〕，D 〔Y 〕是协方差的特例.由上述定义及方差的性质可得D 〔X ±Y 〕=D 〔X 〕+D 〔Y 〕±2Cov 〔X ,Y 〕.由协方差的定义及数学期望的性质可得以下实用计算公式Cov 〔X ，Y 〕=E 〔XY 〕-E 〔X 〕E 〔Y 〕. 〔4.13〕假设〔X ，Y 〕为二维离散型随机变量，其结合分布律为P {X =x i ，Y =y j }=p ij ，i ，j =1，2，…，那么有Cov 〔X ，Y 〕=[][]∑∑--ijijiipY E y X E x )()(. 〔4.14〕假设〔X ，Y 〕为二维连续型随机变量，其概率密度为f 〔x ，y 〕，那么有Cov 〔X ，Y 〕=[][]⎰⎰+∞∞-+∞∞---y x y x f Y E y X E x d d ),()()(. 〔4.15〕例4.16 设〔X ，Y 〕的分布律为表4-120＜p ＜1,求Cov 〔X ,Y 〕和XY .解易知X 的分布律为P {X =1}=p ,P {X =0}=1-p ，故 E 〔X 〕=p , D 〔X 〕=p 〔1-p 〕.同理E 〔Y 〕=p ,D 〔Y 〕=p 〔1-p 〕,因此Cov 〔X ,Y 〕=E 〔XY 〕-E 〔X 〕·E 〔Y 〕=p -p 2=p 〔1-p 〕，而ρXY =1)1()1()1(),cov(=-⋅--=⋅p p p p p p DY DX Y X例4.17 设〔X ，Y 〕的概率密度为f 〔x ，y 〕=⎩⎨⎧<<<<+.,0,10,10,其他y x y x求Cov 〔X ，Y 〕.解由于f X 〔x 〕=⎪⎩⎪⎨⎧<<+,,0,10,21其他x x f Y 〔y 〕=⎪⎩⎪⎨⎧<<+.,0,10,21其他y y E 〔X 〕=127)21(10=+⎰x x x d ，E 〔Y 〕=127)21(10=+⎰y y y d ，E 〔XY 〕=31)(10102101021010=+=+⎰⎰⎰⎰⎰⎰y x xy y x y x y x y x xy d d d d d d因此 Cov 〔X ，Y 〕=E 〔XY 〕-E 〔X 〕E 〔Y 〕=144112712731-=⨯-. 协方差具有以下性质：1°假设X 与Y 互相独立，那么Cov 〔X ，Y 〕=0； 2°Cov 〔X ，Y 〕=Cov 〔Y ，X 〕； 3°Cov 〔aX ，bY 〕=ab Cov 〔X ，Y 〕；4°Cov 〔X 1+X 2，Y 〕=Cov 〔X 1，Y 〕+Cov 〔X 2，Y 〕. 证仅证性质4°，其余留给读者.Cov 〔X 1+X 2，Y 〕 =E ［〔X 1+X 2〕Y ］-E 〔X 1+X 2〕E 〔Y 〕=E 〔X 1Y 〕+E 〔X 2Y 〕-E 〔X 1〕E 〔Y 〕-E 〔X 2〕E 〔Y 〕 =［E 〔X 1Y 〕-E 〔X 1〕E 〔Y 〕］+［E 〔X 2Y 〕-E 〔X 2〕E 〔Y 〕］ =Cov 〔X 1，Y 〕+Cov 〔X 2，Y 〕.下面给出相关系数ρXY 的几条重要性质，并说明ρXY 的含义.定理4.3 设D 〔X 〕＞0，D 〔Y 〕＞0，ρXY 为〔X ，Y 〕的相关系数，那么 1°假设X ，Y 互相独立，那么ρXY =0； 2°｜ρXY ｜≤1；3°｜ρXY ｜=1的充要条件是存在常数a ，b 使P {Y =aX +b }=1〔a ≠0〕. 证由协方差的性质1°及相关系数的定义可知1°成立. 2°对任意实数t ，有D 〔Y -tX 〕=E ［〔Y -tX 〕-E 〔Y -tX 〕］2=E ［〔Y -E 〔Y 〕〕-t 〔X -E 〔X 〕〕］2 =E [Y -E 〔Y 〕]2-2tE ［Y -E 〔Y 〕］［X -E 〔X 〕］+t 2E ［X -E〔X 〕］2=t 2D 〔X 〕-2t Cov 〔X ，Y 〕+D 〔Y 〕=[])(),cov()()(),cov()(22X D Y X Y D X D Y X t X D -+⎥⎦⎤⎢⎣⎡-. 令t =)(),cov(X D Y X =b ，于是D 〔Y -bX 〕=[][]).1)(()()(),cov(1)()(),cov()(222XY Y D Y D X D Y X Y D X D Y X Y D ρ-=⎥⎦⎤⎢⎣⎡-=-由于方差不能为负，所以1-2XY ρ≥0，从而｜ρXY ｜≤1.性质3°的证明较复杂，从略.当ρXY =0时，称X 与Y 不相关，由性质1°可知，当X 与Y 互相独立时，ρXY =0，即X 与Y 不相关.反之不一定成立，即X 与Y 不相关，X 与Y 却不一定互相独立.例4.18 设X 服从[0,2π]上均匀分布，Y =cos X ,Z =cos 〔X +a 〕，这里a 是常数.求ρYZ .解 E 〔Y 〕=⎰⋅πd π2021cos x x =0, E 〔Z 〕= ⎰+πd π20)cos(21x a x =0, D 〔Y 〕=E {[Y -E 〔Y 〕]2}=21cos 21202=⎰πd πx x , D 〔Z 〕=E {[Z -E 〔Z 〕]2}=21)(cos 21202=+⎰πd πx a x , Cov 〔Y ,Z 〕=E {[Y -E 〔Y 〕][Z -E 〔Z 〕]}= a x a x x cos 21)cos(cos 2120=+•⎰πd π, 因此 ρYZ =.cos 2121cos 21)()(),cov(a a Z D Y D Z Y =⋅=⋅ ① 当a =0时，ρYZ =1，Y =Z ，存在线性关系；② 当a=π时，ρYZ =-1，Y =-Z ，存在线性关系； ③ 当a =2π或23π时，ρYZ =0，这时Y 与Z 不相关，但这时却有Y 2+Z 2=1，因此，Y 与Z不独立.这个例子说明：当两个随机变量不相关时，它们并不一定互相独立，它们之间还可能存在其他的函数关系.定理4.3 告诉我们，相关系数ρXY 描绘了随机变量X ，Y 的线性相关程度，｜ρXY ｜愈接近1，那么X 与Y 之间愈接近线性关系.当｜ρXY ｜=1时，X 与Y 之间依概率1线性相关.不过，下例说明当〔X ，Y 〕是二维正态随机变量时，X 和Y 不相关与X 和Y 互相独立是等价的.例4.19 设〔X ，Y 〕服从二维正态分布，它的概率密度为f 〔x ，y 〕=⨯-221121ρσσπ⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡-+------2222212121212)())((2)()1(21exp σμσσμμρσμρy y x x 求Cov 〔X ，Y 〕和ρXY .解可以计算得〔X ，Y 〕的边缘概率密度为f X 〔x 〕=21212)(121σμσ--x e π，-∞＜x ＜+∞，f Y 〔y 〕=22222)(221σμσ--x e π，-∞＜y ＜+∞，故E 〔X 〕=μ1，E 〔Y 〕=μ2， D 〔X 〕=σ12，D 〔Y 〕=σ22. 而Cov 〔X ，Y 〕=⨯-=--⎰⎰+∞∞-+∞∞-22121121),()()(ρσπσμμy x y x f y x d dy x y x x y x d d ee-2112222121)1(212)(21)()(⎥⎦⎤⎢⎣⎡------∞+∞-∞+∞---⎰⎰σμρσμρσμμμ令t =⎪⎪⎭⎫⎝⎛----1122211σμρσμρx y ，u =11σμ-x ，那么 Cov 〔X ，Y 〕=⎰⎰∞+∞-∞+∞---+-u t u tu t u d d e π2222122122)1(21σρσρσσ =⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛⎰⎰∞+∞--∞+∞--t e u u t u d d e π22221222ρσσ +⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫⎝⎛-⎰⎰∞+∞--∞+∞--t t u u t u d e d eπ222212221ρσσ =.2222121σρσσρσ=⋅πππ于是ρXY=ρ.这说明二维正态随机变量〔X ，Y 〕的概率密度中的参数ρ就是X 和Y 的相关系数，从而二维正态随机变量的分布完全可由X ，Y 的各自的数学期望、方差以及它们的相关系数所确定.由上一章讨论可知，假设〔X ，Y 〕服从二维正态分布，那么X 和Y 互相独立的充要条件是ρ=0，即X 与Y 不相关.因此，对于二维正态随机变量〔X ，Y 〕来说，X 和Y 不相关与X 和Y 互相独立是等价的.第四节矩、协方差矩阵数学期望、方差、协方差是随机变量最常用的数字特征，它们都是特殊的矩〔Moment 〕.矩是更广泛的数字特征.定义4.4 设X 和Y 是随机变量，假设E 〔X k 〕，k =1，2，…存在，称它为X 的k 阶原点矩，简称k 阶矩.假设 E ［X -E 〔X 〕］k , k =1，2，… 存在，称它为X 的k 阶中心矩.假设 E 〔X k Y l 〕, k ，l =1，2，… 存在，称它为X 和Y 的k +l 阶混合矩.假设 E {［X -E 〔X 〕］k ［Y -E 〔Y 〕］l } 存在，称它为X 和Y 的k +l 阶混合中心矩.显然，X 的数学期望E 〔X 〕是X 的一阶原点矩，方差D 〔X 〕是X 的二阶中心矩，协方差Cov 〔X ，Y 〕是X 和Y 的1+1阶混合中心矩.当X 为离散型随机变量，其分布律为P {X =x i }=p i ，那么E 〔X k〕=∑∞=1i i kip x,E ［X -E 〔X 〕］k=1[()]kii i x E X p ∞=-∑.当X 为连续型随机变量，其概率密度为f 〔x 〕，那么E 〔X k 〕=⎰+∞∞-x x f x k d )(,E ［X -E 〔X 〕］k =⎰+∞∞--x x f X E x k d )()]([.下面介绍n 维随机变量的协方差矩阵.设n 维随机变量〔X 1，X 2，…，X n 〕的1+1阶混合中心矩σij =Cov 〔X i ，X j 〕=E {［X i -E 〔X i 〕］［X j -E 〔X j 〕］}, i ，j =1，2，…，n都存在，那么称矩阵Σ=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n n n σσσσσσσσσ 212222111211 为n 维随机变量〔X 1，X 2，…，X n 〕的协方差矩阵. 由于σij =σji 〔i ，j =1，2，…，n 〕，因此Σ是一个对称矩阵. 协方差矩阵给出了n 维随机变量的全部方差及协方差，因此在研究n 维随机变量的统计规律时，协方差矩阵是很重要的.利用协方差矩阵还可以引入n 维正态分布的概率密度. 首先用协方差矩阵重写二维正态随机变量〔X 1，X 2〕的概率密度. f 〔x 1，x 2〕=221121ρσσ-π×.)())((2)()1(21exp 22222212211212112⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡-+------σμσσμμρσμρx x x x 令X =⎪⎪⎭⎫⎝⎛21x x ，μ=⎪⎪⎭⎫⎝⎛21μμ，〔X 1，X 2〕的协方差矩阵为 Σ=.2121212122211211⎪⎪⎭⎫⎝⎛=⎪⎪⎭⎫ ⎝⎛σσρσσρσσσσσσ 它的行列式｜Σ｜=σ12σ22〔1-ρ2〕,逆阵Σ-1=.121212122⎪⎪⎭⎫⎝⎛--σσρσσρσσ∑ 由于〔X -μ〕T Σ-1〔X -μ〕= .),(12211212121222211⎪⎪⎭⎫⎝⎛--⎪⎪⎭⎫ ⎝⎛----μμσσρσσρσσμμx x x x ∑ =,)())((2)(1122222212211212112⎥⎦⎤⎢⎣⎡-+-----σμσσμμρσμρx x x x , 因此〔X 1,X 2〕的概率密度可写成f 〔x 1,x 2〕=.)()(21exp 211⎭⎬⎫⎩⎨⎧----μ∑μ∑X X T π上式容易推广到n 维的情形.设〔X 1,X 2,…,X n 〕是n 维随机变量,令X =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛n x x x 21, μ=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛)()()(2121n n X E X E X E μμμ，定义n 维正态随机变量〔X 1,X 2,…,X n 〕的概率密度为f 〔x 1,x 2,…,x n 〕=111exp ()().2(2T nX X πμμ-⎧⎫--∑-⎨⎬⎩⎭其中Σ是〔X 1,X 2,…,X n 〕的协方差矩阵.n 维正态随机变量具有以下几条重要性质: 1°n 维随机变量〔X 1，X 2，…，X n 〕服从n 维正态分布的充要条件是X 1，X 2，…，X n的任意的线性组合l 1X 1+l 2X 2+…+l n X n服从一维正态分布.〔其中l 1,l 2,…,l n 不全为零〕.2°假设〔X 1，X 2，…，X n 〕服从n 维正态分布,设Y 1,Y 2,…，Y k 是X 1，X 2，…，X n 的线性函数，那么〔Y 1，Y 2，…，Y k 〕服从k 维正态分布.3°设〔X 1，X 2，…，X n 〕服从n 维正态分布，那么X 1，X 2，…，X n 互相独立的充要条件是X 1，X 2，…，X n 两两不相关.小结随机变量的数字特征是由随机变量的分布确定的，能描绘随机变量某一个方面的特征的常数.最重要的数字特征是数学期望和方差.数学期望E〔X〕描绘随机变量X取值的平均大小，方差D〔X〕=E{[X-E〔X〕]2}描绘随机变量X与它自己的数学期望E〔X〕的偏离程度.数学期望和方差虽不能像分布函数、分布律、概率密度一样完好地描绘随机变量，但它们能描绘随机变量的重要方面或人们最关心方面的特征，它们在应用和理论上都非常重要.要掌握随机变量的函数Y=g〔X〕的数学期望E〔Y〕=E[g〔X〕]的计算公式〔4.3〕和〔4.4〕.这两个公式的意义在于当我们求E〔Y〕时，不必先求出Y=g〔X〕的分布律或概率密度，而只需利用X的分布律或概率密度就可以了，这样做的好处是明显的.我们常利用公式D〔X〕=E〔X2〕-[E〔X〕]2来计算方差D〔X〕，请注意这里E〔X2〕和[E〔X〕]2的区别.要掌握数学期望和方差的性质，提请读者注意的是：〔1〕当X1，X2独立或X1，X2不相关时，才有E〔X1X2〕=E〔X1〕·E〔X2〕；〔2〕设c为常数，那么有D〔cX〕=c2D〔X〕；〔3〕D〔X1±X2〕=D〔X1〕+D〔X2〕±2Cov〔X1，X2〕，当X1，X2独立或不相关时才有D〔X1+X2〕=D〔X1〕+D〔X2〕.例如：假设X1，X2独立，那么有D〔2X1-3X2〕=4D〔X1〕+9D〔X2〕.相关系数ρXY有时也称为线性相关系数，它是一个可以用来描绘随机变量〔X，Y〕的两个分量X，Y之间的线性关系严密程度的数字特征.当|ρXY|较小时X，Y的线性相关的程度较差；当ρXY=0时称X，Y不相关.不相关是指X，Y之间不存在线性关系，X，Y不相关，它们还可能存在除线性关系之外的关系〔参见第3节例4.18〕，又由于X，Y互相独立是指X，Y的一般关系而言的，因此有以下的结论：X，Y互相独立那么X，Y一定不相关；反之，假设X，Y不相关那么X，Y不一定互相独立.特别，对于二维正态变量〔X，Y，〕，X和Y不相关与X和Y互相独立是等价的.而二元正态变量的相关系数ρXY就是参数ρ.于是，用“ρ=0〞是否成立来检验X，Y是否互相独立是很方便的.重要术语及主题数学期望随机变量函数的数学期望数学期望的性质方差标准差方差的性质协方差相关系数相关系数的性质X,Y不相关矩协方差矩阵分布名称分布律或概率密度期望方差参数范围两点分布P{X=1}=p, P{X=0}=q p pq 0<p<1q=1-p二项分布X~B〔n,p〕P{X=k}=knkknqpC〔k=0,1,2,…,n〕np npq 0<p<1q=1-pn为自然数习题四求E 〔X 〕，E 〔X 〕，E 〔2X +3〕.2.100个产品中有10个次品，求任意取出的5个产品中的次品数的数学期望、方差. 1234.袋中有N 只球，其中的白球数X 为一随机变量，E 〔X 〕=n ，问从袋中任取1球为白球的概率是多少？5.设随机变量X 的概率密度为f 〔x 〕=⎪⎩⎪⎨⎧≤≤-<≤.,0,21,2,10,其他x x x x求E 〔X 〕，D 〔X 〕.6.设随机变量X ，Y ，Z 互相独立，且E 〔X 〕=5，E 〔Y 〕=11，E 〔Z 〕=8，求以下随机变量的数学期望.〔1〕 U =2X +3Y +1；〔2〕 V =YZ -4X .7.设随机变量X ，Y 互相独立，且E 〔X 〕=E 〔Y 〕=3，D 〔X 〕=12，D 〔Y 〕=16，求E 〔3X -2Y 〕，D 〔2X -3Y 〕.8.设随机变量〔X ，Y 〕的概率密度为f 〔x ，y 〕=⎩⎨⎧<<<<.,0,0,10,其他x y x k试确定常数k ，并求E 〔XY 〕.9.设X ，Y 是互相独立的随机变量，其概率密度分别为f X 〔x 〕=⎩⎨⎧≤≤;,0,10,2其他x x f Y 〔y 〕=⎩⎨⎧>--.,0,0,)5(其他y y e 求E 〔XY 〕.10.设随机变量X ，Y 的概率密度分别为f X 〔x 〕=⎩⎨⎧≤>-;0,0,0,22x x x e f Y 〔y 〕=⎩⎨⎧≤>-.0,0,0,44y y y e 求〔1〕 E 〔X +Y 〕;〔2〕 E 〔2X -3Y 2〕.11.设随机变量X 的概率密度为f 〔x 〕=⎪⎩⎪⎨⎧<≥-.0,0,0,22x x cx xke求〔1〕系数c ;〔2〕 E 〔X 〕;〔3〕 D 〔X 〕.12.袋中有12个零件，其中9个合格品，3个废品.安装机器时，从袋中一个一个地取出〔取出后不放回〕，设在取出合格品之前已取出的废品数为随机变量X ，求E 〔X 〕和D 〔X 〕. 13.一工厂消费某种设备的寿命X 〔以年计〕服从指数分布，概率密度为f 〔x 〕=⎪⎩⎪⎨⎧≤>-.0,0,0,414x x xe为确保消费者的利益，工厂规定出售的设备假设在一年内损坏可以调换.假设售出一台设备，工厂获利100元，而调换一台那么损失200元，试求工厂出售一台设备赢利的数学期望. 14.设X 1，X 2，…，X n 是互相独立的随机变量，且有E 〔X i 〕=μ，D 〔X i 〕=σ2，i =1，2，…，n ，记∑==n i i S X n X 12,1，S 2=∑=--ni i X X n 12)(11. 〔1〕验证)(X E =μ，)(X D =n2σ；〔2〕验证S 2=)(11122∑=--ni i X n X n ；〔3〕验证E 〔S 2〕=σ2.15.对随机变量X 和Y ，D 〔X 〕=2，D 〔Y 〕=3，Cov 〔X ,Y 〕=-1, 计算：Cov 〔3X -2Y +1，X +4Y -3〕.16.设二维随机变量〔X ，Y 〕的概率密度为f 〔x ，y 〕=⎪⎩⎪⎨⎧≤+.,0,1122其他y x ，π试验证X 和Y 是不相关的，但X 和Y 不是互相独立的.验证X 和Y 是不相关的，但X 和Y 不是互相独立的. 18.设二维随机变量〔X ，Y 〕在以〔0，0〕，〔0，1〕，〔1，0〕为顶点的三角形区域上服从均匀分布，求Cov 〔X ，Y 〕，ρXY . 19.设〔X ，Y 〕的概率密度为f 〔x ，y 〕=⎪⎩⎪⎨⎧≤≤≤≤+.0,20,20),sin(21其他,y x y x ππ求协方差Cov 〔X ，Y 〕和相关系数ρXY . 20.二维随机变量〔X ，Y 〕的协方差矩阵为⎥⎦⎤⎢⎣⎡4111，试求Z 1=X -2Y 和Z 2=2X -Y 的相关系数. 21.对于两个随机变量V ，W ，假设E 〔V 2〕，E 〔W 2〕存在，证明：［E 〔VW 〕］2≤E 〔V 2〕E 〔W 2〕.这一不等式称为柯西许瓦兹〔Couchy -Schwarz 〕不等式.22.假设一设备开机后无故障工作的时间X 服从参数λ=1/5的指数分布.设备定时开机，出现故障时自动关机，而在无故障的情况下工作2小时便关机.试求该设备每次开机无故障工作的时间Y 的分布函数F 〔y 〕. 〔2002研考〕 23.甲、乙两箱中装有同种产品，其中甲箱中装有3件合格品和3件次品，乙箱中仅装有3件合格品.从甲箱中任取3件产品放乙箱后，求：〔1〕乙箱中次品件数Z 的数学期望；〔2〕从乙箱中任取一件产品是次品的概率. 〔2003研考〕 24.假设由自动线加工的某种零件的内径X 〔毫米〕服从正态分布N 〔μ,1〕，内径小于10或大于12为不合格品，其余为合格品.销售每件合格品获利，销售每件不合格品亏损，销售利润T 〔单位：元〕与销售零件的内径X 有如下关系T =⎪⎩⎪⎨⎧>-≤≤<-.12,5,1210,20,10,1X X X 若若若问：平均直径μ取何值时，销售一个零件的平均利润最大？〔1994研考〕25.设随机变量X 的概率密度为f 〔x 〕=⎪⎩⎪⎨⎧≤≤.,0,0,2cos 21其他πx x对X 独立地重复观察4次，用Y 表示观察值大于π/3的次数，求Y 2的数学期望.〔2002研考〕26.两台同样的自动记录仪，每台无故障工作的时间T i 〔i =1,2〕服从参数为5的指数分布，首先开动其中一台，当其发生故障时停用而另一台自动开启.试求两台记录仪无故障工作的总时间T =T 1+T 2的概率密度f T 〔t 〕，数学期望E 〔T 〕及方差D 〔T 〕. 〔1997研考〕 27.设两个随机变量X ，Y 互相独立，且都服从均值为0，方差为1/2的正态分布，求随机变量|X -Y |的方差. 〔1998研考〕 28.某流水消费线上每个产品不合格的概率为p 〔0<p <1〕，各产品合格与否互相独立，当出现一个不合格产品时，即停机检修.设开机后第一次停机时已消费了的产品个数为X ，求E 〔X 〕和D 〔X 〕. 〔2000研考〕 29.设随机变量X 和Y 的结合分布在点〔0，1〕，〔1，0〕及〔1，1〕为顶点的三角形区域上服从均匀分布.〔如图〕，试求随机变量U =X +Y 的方差. 〔2001研考〕 30.设随机变量U 在区间[-2,2]上服从均匀分布，随机变量X =⎩⎨⎧->-≤-，U ，U 1,11,1若若 Y =⎩⎨⎧>≤-.1,11,1U ，U 若若试求〔1〕X 和Y 的结合概率分布；〔2〕D 〔X +Y 〕. 〔2002研考〕 31.设随机变量X 的概率密度为f 〔x 〕=x-e 21，〔-∞<x <+∞〕〔1〕求E 〔X 〕及D 〔X 〕；〔2〕求Cov 〔X ,|X |〕,并问X 与|X |是否不相关？〔3〕问X 与|X |是否互相独立，为什么？〔1993研考〕 32.随机变量X 和Y 分别服从正态分布N 〔1，32〕和N 〔0，42〕，且X 与Y 的相关系数ρXY =-1/2，设Z =23YX +. 〔1〕求Z 的数学期望E 〔Z 〕和方差D 〔Z 〕；〔2〕求X 与Z 的相关系数ρXZ ；〔3〕问X 与Z 是否互相独立，为什么？〔1994研考〕33.将一枚硬币重复掷n 次，以X 和Y 表示正面向上和反面向上的次数.试求X 和Y 的相关系数ρXY . 〔2001研考〕 Y X -1 0 10 10.07 0.18 0.15 0.08 0.32 0.20试求X 和Y 的相关系数. 〔2002研考〕 35.对于任意两事件A 和B ，0<P 〔A 〕<1，0<P 〔B 〕<1,那么称。

概率论与数理统计(理工类,第四版)吴赣昌主编课后习题答案第四章

第四章随机变量的数字特征4.1 数学期望习题1设随机变量X服从参数为p的0-1分布，求E(X).解答：依题意，X的分布律为由E(X)=∑i=1∞xipi,有E(X)=0⋅(1-p)+1⋅p=p.习题2袋中有n张卡片，记有号码1,2,…,n.现从中有放回抽出k张卡片来，求号码之和X的期望.分析：.解答：设Xi表示第i次取得的号码，则X=∑i=1kXi,且P{Xi=m}=1n,其中m=1,2,⋯,n,i=1,2,⋯,k,故E(Xi)=1n(1+2+⋯+n)=n+12,i=1,2,⋯,k,从而E(X)=∑i=1kE(Xi)=k(n+1)2.习题3某产品的次品率为0.1,检验员每天检验4次. 每次随机地抽取10件产品进行检验，如发现其中的次品数多于1，就去调整设备. 以X表示一天中调整设备的次数，试求E(X)(设诸产品是否为次品是相互独立的).解答：X的可能取值为0,1,2,3,4,且知X∼b(4,p),其中p=P{调整设备}=1-C101×0.1×0.99-0.910≈0.2639,所以E(X)=4×p=4×0.2639=1.0556.习题4据统计，一位60岁的健康(一般体检未发生病症)者，在5年之内仍然活着和自杀死亡的概率为p(0<p<1,p为已知),在5年之内非自杀死亡的概率为1-p,保险公司开办5年人寿保险，条件是参加者需交纳人寿保险费a元(a已知),若5年内非自杀死亡，公司赔偿b元(b>a),应如何确定b才能使公司可期望获益，若有m人参加保险，公司可期望从中收益多少？解答：令X=“从一个参保人身上所得的收益”，由X的概率分布为求E(X),E(X2),E(3X2+5).解答：E(X)=-2×0.4+2×0.3=-0.2,E(X2)=(-2)2×0.4+22×0.3=2.8,E(3X2+5)=[3×(-2)2+5]×0.4+(3×02+5)×0.3+(3×22+5)×0.3=13.4.习题7设连续型随机变量X的概率密度为f(x)={kxa,0<x<10,其它,其中k,a>0,又已知E(X)=0.75,求k,a的值.解答：\because∫-∞+∞f(x)dx=1,∫-∞+∞xf(x)dx=0.75,∴∫01kxadx=1,∫01x⋅kxadx=0.75,即ka+1xa+1∣01=1,ka+2xa+2∣01=0.75,即{ka+1=1ka+2=0.75,∴k=3,a=2.习题8设随机变量X的概率密度为f(x)={1-∣1-x∣,0<x<20,其它,求E(X).解答：f(x)={x,0<x<12-x,1≤x<20,其它,所以E(X)=1×0.4+2×0.2+3×0.4=2.0,E(Y)=-1×0.3+0×0.4+1×0.3=0.(2)可以利用X,Y的联合分布先求出Z的分布律，然后求E(Z),也可以利用定理直接求E(Z),下面采取直接求法.E(Z)=E(YX)=∑i∑jyjxipij=(-1×0.2+1×0.1)+(-12×0.1+12×0.1)+(-13×0+13×0.1)=-115.(3)E(Z)=E[(X-Y)2]=∑i∑j(xi-yj)2pij=(1-(-1))2×0.2+(1-0)2×0.1+(1-1)2×0.1+32×0.1+22×0.0+12×0.1+42×0.0+32×0.3+22×0.1=5.也可以利用期望的性质求E(Z),得E[(X-Y)2]=E(X2-2XY+Y2)=E(X2)-2E(XY)+E(Y2)=(12×0.4+22×0.2+32×0.4)-2[-1×0.2+1×0.1+(-2)×0.1+2×0.1+(-3)×0.0+3×0.1]+(-1)2×0.3+12×0.3=5.习题12设(X,Y)的概率密度为f(x,y)={12y2,0≤y≤x≤10,其它,求E(X),E(Y),E(XY),E(X2+Y2).解答：如右图所示.E(X)=∫-∞+∞∫-∞+∞xf(x,y)dxdy=∫01dx∫0xx⋅12y2dy=45,E(Y)=∫-∞+∞∫-∞+∞yf(x,y)dxdy=∫01dx∫0xy⋅12y2dy=35,E(XY)=∫-∞+∞∫-∞+∞xyf(x,y)dxdy=∫01dx∫0xxy⋅12y2dy=12,E(X2+Y2)=∫-∞+∞∫-∞+∞(x2+y2)f(x,y)dxdy=∫01dx∫0x(x2+y2)⋅12y2dy=23+615=1615.习题13设X和Y相互独立，概率密度分别为ϕ1(x)={2x,0≤x≤10,其它,ϕ2(y)={e-(y-5),y>50,其它,求E(XY).解答：解法一由独立性.E(XY)=E(X)⋅E(Y)=∫01x⋅2xdx∫0+∞ye-(y-5)dy=23×6=4.解法二令z=y-5,则E(XY)=E(X)⋅E(Y)=∫01x⋅2xdx⋅E(z+5)=23×(1+5)=4.4.2 方差习题1设随机变量X服从泊松分布，且P(X=1)=P(X=2),求E(X),D(X).解答：由题设知，X的分布律为P{X=k}=λkk!e-λ(λ>0)由P{X=1}=P{X=2},得λ11!e-λ=λ22!e-λ，即λ=0(舍去),λ=2.所以E(X)=2,D(X)=2.习题2下列命题中错误的是().(A)若X∼p(λ),则E(X)=D(X)=λ;(B)若X服从参数为λ的指数分布，则E(X)=D(X)=1λ;(C)若X∼b(1,θ),则E(X)=θ,D(X)=θ(1-θ);(D)若X服从区间[a,b]上的均匀分布，则E(X2)=a2+ab+b23.解答：应选(B).E(X)=1λ,D(X)=1λ2.习题3设X1,X2,⋯,Xn是相互独立的随机变量，且都服从正态分布N(μ,σ2)(σ>0),则ξ¯=1n∑i=1nξi服从的分布是¯.解答：由多维随机变量函数的分布知：有限个相互独立的正态随机变量的线性组合仍然服从正态分布，且E(X¯)=μ,D(X¯)=σ2n.习题4若Xi∼N(μi,σi2)(i=1,2,⋯,n),且X1,X2,⋯,Xn相互独立，则Y=∑i=1n(aiXi+bi)服从的分布是 .解答：应填N(∑i=1n(aiμi+bi),∑i=1nai2σi2).由多维随机变量函数的分布知：有限个相互独立的正态随机变量的线性组合仍然服从正态分布，且E(Y)=∑i=1n(aiμi+bi),D(Y)=∑i=1nai2σi2.习题5设随机变量X服从泊松分布，且3P{X=1}+2P{X=2}=4P{X=0},求X的期望与方差.解答：试问哪家工厂生产的灯泡质量较好？解答：哪家工厂的灯泡寿命期望值大，哪家的灯泡质量就好.由期望的定义有E(X)=900×0.1+1000×0.8+1100×0.1=1000,E(Y)=950×0.3+1000×0.4+1050×0.3=1000.今两厂灯泡的期望值相等：E(X)=E(Y)=1000,即甲，乙两厂的生产水平相当. 这就需要进一步考察哪家工厂灯泡的质量比较稳定，即看哪家工厂的灯泡寿命取值更集中一些，这就需要比较其方差.方差小的，寿命值较稳定，灯泡质量较好，则方差的定义式得D(X)=(900-1000)2×0.1+(1000-1000)2×0.8+(1100-1000)2×0.1=2200,D(Y)=(950-1000)2×0.3+(1000-1000)2×0.4+(1050-1000)2×0.3=1500.因D(X)>D(Y),故乙厂生产的灯泡质量较甲厂稳定.习题7已知X∼b(n,p),且E(X)=3,D(X)=2,试求X的全部可能取值，并计算P{X≤8}.解答：\becauseE(X)=np,D(X)=np(1-p),∴{np=3np(1-p)=2,即{n=9p=13,∴X的取值为：0,1,2,⋯,9,P{X≤8}=1-P{X=9}=1-(13)9.习题8设X∼N(1,2),Y服从参数为3的(泊松)分布，且X与Y独立，求D(XY).解答：\becauseD(XY)=E(XY)2-E2(XY)=E(X2Y2)-E2(X)2(Y),又\becauseE(X2Y2)=∫-∞+∞∫-∞+∞x2y2f(x,y)dxdy=∫-∞+∞x2fX(x)dx∫-∞+∞y2fY(y)dy =E(X2)E(Y2),∴D(XY)=E(X2)E(Y2)-E2(X)E2(Y)=[D(X)+E2(X)][D(Y)+E2(Y)]-E2(X)E2(Y)=D(X)D(Y)+D(X)E2(Y)+D(Y)E2(X)=2×3+2×32+3×12=27.习题9设随机变量X1,X2,X3,X4相互独立，且有E(Xi)=i,D(Xi)=5-i,i=1,2,3,4,又设Y=2X1-X2+3X3-12X4,求E(Y),D(Y).解答：E(Y)=E(2X1-X2+3X3-12X4)=2E(X1)-E(X2)+3E(X3)-12E(X4)=2×1-2+3×3-12×4=7,D(Y)=4D(X1)+D(X2)+9D(X3)+14D(X4)=4×4+3+9×2+14×1=37.25.习题105家商店联营，它们每两周售出的某种农产品的数量(以kg计)分别为X1,X2,X3,X4,X5.已知X1∼N(200,225),X2∼N(240,240),X3∼N(180,225),X4∼N(260,265),X5∼N(320,270),X1,X2,X3,X4,X5相互独立.(1)求5家商店两周的总销售量的均值和方差；(2)商店每隔两周进货一次，为了使新的供货到达前商店不会脱销的概率大于0.99，问商店的仓库应至少储存该产品多少千克？解答：(1)设总销售量为X,由题设条件知X=X1+X2+X3+X4+X5,于是E(X)=∑i=15E(Xi)=200+240+180+260+320=1200,D(X)=∑i=15D(X i)=225+240+225+265+270=1225.(2)设商店的仓库应至少储存y千克该产品，为使P{X≤y}>0.99,求y.由(1)易知，X∼N(1200,1225),P{X≤y}=P{X-≤y-=Φ(y-)>0.99.查标准正态分布表得y-=2.33,y=2.33×1225+1200≈1282(kg).习题11设随机变量X1,X2,⋯,Xn相互独立，且都服从数学期望为1的指数分布，求Z=min{X1,X2,⋯,Xn}的数学期望和方差.解答：Xi(i=1,2,⋯,n)的分布函数为F(x)={1-e-x,x>00,其它,Z=min{X1,X2,⋯,Xn}的分布函数为FZ(z)=1-[1-F(z)]n={1-e-nz,z>00,其它,于是E(Z)=∫0∞zne-nzdz=-ze-nz∣0∞+e-nzdz=1n,而E(Z2)=∫0∞z2ne-nzdz=2n2,于是D(Z)=E(Z2)-(E(Z))2=1n2.4.3 协方差与相关系数习题1设(X,Y)服从二维正态分布，则下列条件中不是X,Y相互独立的充分必要条件是().(A)X,Y不相关；(B)E(XY)=E(X)E(Y);(C)cov(X,Y)=0;(D)E(X)=E(Y)=0.解答：应选（D）。

第4章随机变量的数字特征

1. 袋中有 20 个同样的球，其中 12 个标上数字 1，8 个标上数字 2，现在从袋中任取一球并记住球上的数字后再放回，这样一共进行了 4 次，记 X 为数字 1 出现的次数，则 E(X) = （）． (A) 1.6 (B) 0.4 (C) 2.4 (D) 9.6
⎧ax + b, 0 ≤ x ≤ 1 2. 设随机变量 X 的密度函数 f ( x ) = ⎨ ，且 E ( X ) = 7 / 12 ，则（其它 ⎩ 0,
9. 二维随机向量 ( X , Y ) 满足 E ( XY ) = E ( X ) E (Y ) ，则（ (A) D ( XY ) = D ( X ) D (Y ) (C) X 与 Y 独立
）．
(B) D ( X + Y ) = D ( X − Y ) (D) X 与 Y 不独立
）．
10. 设 X ~ N(3,2),Y ~ U(2,8) ，且 X 与 Y 相 5 (C) 11 (D) 1
）．
(A) -1 (B) 4 (C) 2 (D) 7 ． 4. 如果随机变量 X 存在二阶原点矩，则下列表达式正确的是（） (A) E ( X 2 ) < [ E ( X )] 2 (C) E ( X 2 ) ≥ E ( X ) (B) E ( X 2 ) ≥ [ E ( X )] 2 (D) E ( X 2 ) < E ( X )
Y=
1 n ∑ X i ，则（ n i =1
(A) Cov( X 1 , Y ) =
）．
σ2
n
(B) Cov( X 1 , Y ) = σ 2
(C) D( X 1 + Y ) =
n+2 2 σ n
(D) D( X 1 − Y ) =

理学席第讲随机变量数字特征

若 g(xi , y j ) pij
i, j
期望存在，而且有
绝对收敛，则Z的数学
E(Z ) E[g( X,Y )] g(xi , y j ) pij
i, j
（2）设二维连续型随机变量(X, Y)的联合密度为 f (x, y), Z= g(X,Y)也是连续型随机变量
若
g( x, y) f ( x, y)dxdy
如果 xk pk 绝对收敛，则称它为X的数学期望 k 1
或均值，记为E(X), 即
E( X ) xk pk
k 1
若
xk pk 发散，则称X 的数学期望
k
不存在。
例2：已知X 的分布如下
X
100 200
P
0.01 0.99
求E(X) 解
E:( X ) 100 0.01 200 0.99
•
测量结•a•• •
甲仪器测量结果
•••• •a•• •••
乙仪器测量结果
••
较好
若让你就上述结果评价一下两台仪器的优劣，你认为哪台仪器好一些呢？
因为乙仪器的测量结果集中在均值附近
又如,甲、乙两门炮同时向一目标射击10发炮弹，其落点距目标的位置如图：
• •
中•心 ••
•
•
•
••中•••心•• •••
••
甲炮射击结果
乙炮射击结果
乙炮
你认为哪门炮射击效果好一些呢?
因为乙炮的弹着点较集中在中心附近 .
为此需要引进另一个数字特征,用它来度量随机变量取值在其中心附近的离散程度.
这个数字特征就是我们下面要介绍的方差
§4-2 方差
一. 方差的概念
定义设随机变量 X 的数学期望为 E(X), 若 E(XE(X))2存在, 则称它为X 的方差（此时，也称 X的方差存在），记为D(X)或Var(X),即

概率论习题

第四章、随机变量的数字特征检测题一、单项选择题,在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填写在表格中。

错选、多选或未选均无分。

1.设离散随机变量X 的分布列为，则D （X ）＝（）A.0.21B.0.6C.0.84D.1.22．设随机变量X ～B （30，61），则E （X ）＝( ) A.61B. 65C. 625 D.53.已知随机变量X 和Y 相互独立，且它们分别在区间[-1，3]和[2，4]上服从均匀分布，则E(XY)=（） A. 3B. 6C. 10D. 124.设二维随机向量（X,Y ）~N(μ1，μ2，ρσσ,,2221)，则下列结论中错误．．的是（） A.X~N （21,1σμ），Y~N （222,σμ）B.X 与Y 相互独立的充分必要条件是ρ=0C.E （X+Y ）=21μ+μD.D （X+Y ）=2221σ+σ5.设随机变量X ，Y 都服从区间[0，1]上的均匀分布，则E （X+Y ）=（） A.61B.21 C.1D.26.设X 为随机变量，其方差存在，c 为任意非零常数，则下列等式中正确的是（）A.D(X+c)=D(X)B.D(X+c)=D(X)+cC.D(X-c)=D(X)-cD.D(cX)=cD(X)7.设E （X ）=E （Y ）=2，Cov(X,Y)=，61-则E （XY ）=（） A.61-B.623C.4D.625 8.设随机变量X ～U(0，2)，又设Y=e -2X ，则E(Y)=( ). A. 21(1-e -4) B.41(1-e -4) C.41D. -41e -4 9．设（X ，Y ）为二维连续随机向量，则X 与Y 不相关．．．的充分必要条件是（） A ．X 与Y 相互独立B ．E （X ＋Y ）＝E （X ）＋E （Y ）C ．E （XY ）＝E （X ）E （Y ）D ．（X ，Y ）～N （μ1，μ2，21σ，22σ，0）10．设二维随机向量（X ，Y ）～N （1，1，4，9，21），则Cov （X ，Y ）＝（） A ．21 B ．3 C ．18D ．3611．已知二维随机向量（X ，Y ）的联合分布列为（）则E （X ）＝ A ．0.6 B ．0.9 C ．1D ．1.612.设随机变量X 与Y 相互独立，且它们分别在区间[-1，3]和[2，4]上服从均匀分布，则E （XY ）=（）A.1B.2C.3D.413.设随机变量X 服从参数为2的泊松分布，则下列结论中正确的是（） A.E （X ）=0.5，D （X ）=0.5 B.E （X ）=0.5，D （X ）=0.25 C.E （X ）=2，D （X ）=4D.E （X ）=2，D （X ）=214.设随机变量X 与Y 相互独立，且X ~N （1，4），Y ~N （0，1），令Z=X -Y ，则E （Z 2）=（）A.1B.4C.5D.615.已知D （X ）=4，D （Y ）=25，Cov （X ，Y ）=4，则ρXY =（）A.0.004B.0.04C.0.4D.416．设随机变量X~N （1,22），Y~N （1，2），已知X 与Y 相互独立，则3X-2Y 的方差为（） A ．8 B ．16 C ．28D ．44二、填空题,不写解答过程，将正确的答案写在每小题的空格内。

第四章随机变量的数字特征(有答案)

第四章随机变量的数字特征1. (2016)设随机变量X 的概率密度函数2,01(),0,x x f x <<⎧=⎨⎩其他则2()E X =0.5 .2. (2016)设随机变量X 与Y 满足()1,()2,()4,()9,0.5XY E X E Y D X D Y ρ=====, 则()E XY = 5 .3. (2016)设二维随机变量(,)X Y 的联合分布律为(1) 求,X Y 的边缘分布律; (2) 求,X Y 的相关系数XY ρ; (3) 判断,X Y 是否相关、是否独立？解答: （1）X 与Y分分（2）2()()3E X E Y ==, 4()()9D X D Y ==, 2()9E XY =, 因此故 1.2XY ρ===- …...................................4分（3）X 与Y 相关, 不独立. ...............................................................................2分4.(2016)设A 与B 是两个随机事件, 随机变量1,,0,A X A ⎧=⎨⎩出现不出现 1,,0,B Y B ⎧=⎨⎩出现不出现证明: 随机变量X 与Y 不相关的充分必要条件是A 与B 相互独立.证明: X故 ()()E X P A =, 同理, ()()E Y P B =.XY故 ()()E XY P AB =. ...........................................................................................3分XY ρ==因此 X 与Y 不相关0XY ρ⇔=()()()E XY E X E Y ⇔=()()()P AB P A P B ⇔= 即 X 与Y 不相关的充分必要条件是A 与B 相互独立. ..................................2分 5. (2015)设随机变量X 服从参数为2的泊松分布, 则期望2[(1)]E X +=11 . 6. (2015)设随机变量X 服从正态分布2(1,3)N , Y 服从正态分布2(0,4)N , X 与Y的相关系数12XY ρ=-, 设32X YZ =+, 求:(1) Z 数学期望()E Z 及方差()D Z ;(2) X 与Z 的协方差cov(,)X Z 及相关系数XZ ρ. 解答：（1）111()()()323E Z E X E Y =+=;()()32X YD Z D =+1111()()29432XY D X D Y ρ=++⋅⋅2211111342()34394322=⋅+⋅+⋅⋅⋅-⋅⋅=. …...................................…6分（2）cov(,)cov(,)32X YX Z X =+ 11cov(,)cov(,)32X X X Y =+11()32XY D X ρ=+21113(0322=⋅+-=. 故 0XZ ρ=. ............................................................................................……...4分 7. (2014)对球的半径做近似测量, 设测量值均匀分布在区间(2,3)上, 则球的体积的数学期望为653π . 8. (2014)设随机变量X 与Y 的方差均为4, 相关系数12XY ρ=, 2Z X Y =+, 则协方差cov(,)X Z = 8 .9. (2014)设X ,Y 为随机变量, 下列选项中, 不是()()()E XY E X E Y =的充要条件的是 D . (A) cov(,)0X Y = (B) ()D X Y DX DY -=+ (C) X 与Y 不相关(D) X 与Y 独立10. (2014)设连续型随机变量X 的概率密度函数为,01()0,Ax x f x <<⎧=⎨⎩，其他. （1）求常数A ;（2）设随机变量2Y X =, 求Y 的概率密度函数()Y f y ;（3）设随机变量11,,210,.2X Z X ⎧≥⎪⎪=⎨⎪<⎪⎩, 求()E Z .解答：（1）+-()d 1f x x ∞∞=⎰，即+d 1Ax x ∞-∞=⎰，得2A =. ……………………3分（2）法1：2y x =的反函数为x =(01,()0,X XYf f yf y⎧+<<⎪=⎨⎪⎩其它.0,01,0,y⎧+<<⎪=⎨⎪⎩其它.1,01,0,y<<⎧=⎨⎩其它.…………………4分法2：2(){}{}YF y P Y y P X y=≤=≤当0y≤时：()0YF y=，当01y<<时：(){dYF y P X x x y=≤≤==⎰，当1y≥时：()1YF y=.因此1,01,()()0,Y Yyf y F y<<⎧'==⎨⎩其它.……………………………………4分（3）11213{1}{}2d24P Z P X x x==≥==⎰，故3()4E Z=. ………………………3分11.(2014)设某厂生产的某种设备的寿命（单位: 年）X服从指数分布, 其概率密度函数为141e, 0,()40,0.xxf xx-⎧>⎪=⎨⎪≤⎩工厂规定: 若出售的设备在一年内损坏, 则可予以调换. 工厂售出一台设备后, 若在一年内未损坏, 厂方可获利100元, 若在一年内损坏, 厂方则亏损200元.试求厂方售出一台设备的平均利润.解答：设Y为厂方售出一台设备的利润，有114411{1}e d1e4xP X x--<==-⎰，……………………3分则Y平均利润111444()100e200(1e)300e200E Y---=--=-. (3)分。

概率论与数理统计第四章习题及答案

概率论与数理统计习题第四章随机变量的数字特征习题4-1 某产品的次品率为，检验员每天检验 4次，每次随机地取 10件产品进行检验，如发现其中的次品数多于1个，就去调整设备，以 X 表示一天中调整设备的次数，试求E(X)(设诸产品是否为次品是相互独立的)解：设表示一次抽检的 10件产品的次品数为1 —=.从而E ( X )=np =4X =的数学期望不存在. 解:3j—)不绝对收敛，由数学期望的定义知， X 的数学期望不存在.J求 E(X), E(X 2), E(3X 25).解 E (X )=(-2) +0 +2习题4-3 设随机变量 X 的分布律为P =P (调整设备)=P ( E >1)=1 — P ( E W 1)= 1 -[P ( E =0)+ P ( E =1)］查二项分布表因此X 表示一天调整设备的次数时4P ( X =1)= XX =, P ( X =2)=1 4P ( X =3)= XX =, P ( X =4)=X 〜巳4,. 4XX =2 4XX =P ( X =0)=XX习题4-2 设随机变量 X 的分布律为P X23j ，1,2,,说明X由于.13j (1)j 勺一P(X j(1)j1-)-，而级数2 j 1 j• 1 3j- 1)j1- P(X ( 1)j由关于随机变量函数的数学期望的定理，知E(X2)=(-2) 2小2 小2+0 +2E(3X2+5)=[32 2 2(-2) +5] +[3 0 +5] +[3 2+5]如利用数学期望的性质, 则有E(3X2+5)=3E(X2)+5=3 +5=E(X)2 E(X ) E(3X22 0.4 020.3 0.30.2,习题求（1）Y22(2) 0.4 225) 3E(X ) 54-4 设随机变量2X; (2)Y e 2X0.3 2.8,13.4X的概率密度为f（X）的数学期望.(I)E( Y) E(2X) 2xf(x)dx2( 0dx2( xe 0 e x dx) 2e(II )E(Y) E(e 2X) 2x x .e e dx3x dx习题4-5 设（X,Y）的概率密度为f(x,y)求 E(X), E(Y), E(XY), E(X2 Y2).解各数学期望均可按照E[g（X, Y）]在有限区域G:｛（x,y）|0E(X)E(Y) 0,xe3xx 0,x 0dx)12y2, 0,y x 1, 其它g(x, y) f (x, y)dxdy 计算。