第三章统计与概率
概率论与数理统计第三章课后习题答案
习题三1.将一硬币抛掷三次，以X 表示在三次中出现正面的次数，以Y 表示三次中出现正面次数与出现反面次数之差的绝对值.试写出X 和Y 的联合分布律. 222⨯⨯222⨯⨯2.盒子里装有3只黑球、2只红球、2只白球，在其中任取4只球，以X 表示取到黑球的只数，以Y 表示取到红球的只数.求X 和Y 的联合分布律. 247C 3C 35= 247C 2C 35= 2247C C 6C 35=112247C C 12C 35=1247C 2C 35= 27C /C =212247C C 6C 35=2247C 3C 35=3.设二维随机变量（X ，Y ）的联合分布函数为F （x ，y ）=⎪⎩⎪⎨⎧≤≤≤≤.,020,20,sin sin 其他ππy x y x求二维随机变量（X ，Y ）在长方形域⎭⎬⎫⎩⎨⎧≤<≤<36,40πππy x 内的概率. 【解】如图πππ{0,}(3.2)463P X Y <≤<≤公式 ππππππ(,)(,)(0,)(0,)434636F F F F --+ππππππsin sinsin sin sin 0sin sin 0sin 4346361).4=--+=题3图说明：也可先求出密度函数，再求概率。
4.设随机变量（X ，Y ）的分布密度f （x ，y ）=⎩⎨⎧>>+-.,0,0,0,)43(其他y x A y x e求：（1） 常数A ；（2） 随机变量（X ，Y ）的分布函数； （3） P {0≤X <1，0≤Y <2}. 【解】（1） 由-(34)0(,)d d e d d 112x y Af x y x y A x y +∞+∞+∞+∞+-∞-∞===⎰⎰⎰⎰得 A =12 （2） 由定义，有 (,)(,)d d y xF x y f u v u v -∞-∞=⎰⎰(34)340012ed d (1e )(1e )0,0,0,0,y yu v x y u v y x -+--⎧⎧-->>⎪==⎨⎨⎩⎪⎩⎰⎰其他(3) {01,02}P X Y ≤<≤<12(34)3800{01,02}12e d d (1e )(1e )0.9499.x y P X Y x y -+--=<≤<≤==--≈⎰⎰5.设随机变量（X ，Y ）的概率密度为f （x ，y ）=⎩⎨⎧<<<<--.,0,42,20),6(其他y x y x k（1） 确定常数k ；（2） 求P {X ＜1，Y ＜3}； （3） 求P {X <1.5}； （4） 求P {X +Y ≤4}. 【解】（1） 由性质有242(,)d d (6)d d 81,f x y x y k x y y x k +∞+∞-∞-∞=--==⎰⎰⎰⎰故 18R =（2） 13{1,3}(,)d d P X Y f x y y x -∞-∞<<=⎰⎰130213(6)d d 88k x y y x =--=⎰⎰ (3) 11.5{ 1.5}(,)d d a (,)d d x D P X f x y x y f x y x y <<=⎰⎰⎰⎰如图1.542127d (6)d .832x x y y =--=⎰⎰(4) 24{4}(,)d d (,)d d X Y D P X Y f x y x y f x y x y +≤+≤=⎰⎰⎰⎰如图b240212d (6)d .83x x x y y -=--=⎰⎰题5图6.设X 和Y 是两个相互独立的随机变量，X 在（0，0.2）上服从均匀分布，Y 的密度函数为f Y （y ）=⎩⎨⎧>-.,0,0,55其他y y e求：（1） X 与Y 的联合分布密度；（2） P {Y ≤X }.题6图【解】（1） 因X 在（0，0.2）上服从均匀分布，所以X 的密度函数为1,00.2,()0.20,.X x f x ⎧<<⎪=⎨⎪⎩其他 而55e ,0,()0,.y Y y f y -⎧>=⎨⎩其他 所以(,),()()X Y f x y X Y f x f y 独立 5515e25e ,00.20,0.20,0,yy x y --⎧⎧⨯<<>⎪==⎨⎨⎩⎪⎩且其他. (2) 5()(,)d d 25e d d y y xDP Y X f x y x y x y -≤≤=⎰⎰⎰⎰如图0.20.2-550-1d 25e d (5e 5)d =e 0.3679.xyx x y x-==-+≈⎰⎰⎰7.设二维随机变量（X ，Y ）的联合分布函数为F （x ，y ）=⎩⎨⎧>>----.,0,0,0),1)(1(24其他y x y x e e求（X ，Y ）的联合分布密度.【解】(42)28e ,0,0,(,)(,)0,x y x y F x y f x y x y -+⎧>>∂==⎨∂∂⎩其他. 8.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）= 4.8(2),01,0,0,.y x x y x -≤≤≤≤⎧⎨⎩其他求边缘概率密度. 【解】()(,)d X f x f x y y +∞-∞=⎰x204.8(2)d 2.4(2),01,=0,.0,y x y x x x ⎧⎧--≤≤⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)dY f y f x y x +∞-∞=⎰12y 4.8(2)d 2.4(34),01,=0,.0,y x x y y y y ⎧-⎧-+≤≤⎪=⎨⎨⎩⎪⎩⎰其他题8图 题9图9.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=⎩⎨⎧<<-.,0,0,其他e y x y求边缘概率密度. 【解】()(,)d X f x f x y y +∞-∞=⎰e d e ,0,=0,.0,y x x y x +∞--⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰0e d e ,0,=0,.0,yy x x y y --⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他题10图10.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=⎩⎨⎧≤≤.,0,1,22其他y x y cx（1） 试确定常数c ；（2） 求边缘概率密度. 【解】（1）(,)d d (,)d d Df x y x y f x y x y +∞+∞-∞-∞⎰⎰⎰⎰如图2112-14=d d 1.21xx cx y y c ==⎰⎰ 得214c =. (2) ()(,)d X f x f x y y +∞-∞=⎰212422121(1),11,d 840,0,.x x x x x y y ⎧⎧--≤≤⎪⎪==⎨⎨⎪⎪⎩⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰5227d ,01,20,0, .x y x y y ⎧⎧≤≤⎪⎪==⎨⎨⎪⎪⎩⎩其他 11.设随机变量（X ，Y ）的概率密度为f （x ，y ）=⎩⎨⎧<<<.,0,10,,1其他x x y求条件概率密度f Y ｜X （y ｜x ），f X ｜Y （x ｜y ）.题11图【解】()(,)d X f x f x y y +∞-∞=⎰1d 2,01,0,.x x y x x -⎧=<<⎪=⎨⎪⎩⎰其他111d 1,10,()(,)d 1d 1,01,0,.y Y y x y y f y f x y x x y y -+∞-∞⎧=+-<<⎪⎪⎪===-≤<⎨⎪⎪⎪⎩⎰⎰⎰其他所以|1,||1,(,)(|)2()0,.Y X X y x f x y f y x xf x ⎧<<⎪==⎨⎪⎩其他|1, 1,1(,)1(|),1,()10,.X Y Y y x y f x y f x y y x f y y⎧<<⎪-⎪⎪==-<<⎨+⎪⎪⎪⎩其他12.袋中有五个号码1，2，3，4，5，从中任取三个，记这三个号码中最小的号码为X ，最大的号码为Y .（1） 求X 与Y 的联合概率分布； （2） X 与Y 是否相互独立？ 【解】（1） X 与Y 的联合分布律如下表(2) 因6161{1}{3}{1,3},101010010P X P Y P X Y ===⨯=≠=== 故X 与Y 不独立（2） X 与Y 是否相互独立？(2) 因{2}{0.4}0.20.8P X P Y ===⨯0.160.15(2,0.4),P X Y =≠=== 故X 与Y 不独立14.设X 和Y 是两个相互独立的随机变量，X 在（0，1）上服从均匀分布，Y 的概率密度为f Y （y ）=⎪⎩⎪⎨⎧>-.,0,0,212/其他y y e （1）求X 和Y 的联合概率密度；（2） 设含有a 的二次方程为a 2+2Xa +Y =0，试求a 有实根的概率.【解】（1） 因1,01,()0,X x f x <<⎧==⎨⎩其他; 21e ,1,()20,yY y f y -⎧>⎪==⎨⎪⎩其他.故/21e01,0,(,),()()20,.y X Y x y f x y X Y f x f y -⎧<<>⎪=⎨⎪⎩独立其他题14图(2) 方程220a Xa Y ++=有实根的条件是2(2)40X Y ∆=-≥故 X 2≥Y ，从而方程有实根的概率为：22{}(,)d d x yP X Y f x y x y ≥≥=⎰⎰21/2001d e d 21(1)(0)]0.1445.x y x y-==-Φ-Φ=⎰⎰15.设X 和Y 分别表示两个不同电子器件的寿命（以小时计），并设X 和Y 相互独立，且服从同一分布，其概率密度为f （x ）=⎪⎩⎪⎨⎧>.,0,1000,10002其他x x求Z =X /Y 的概率密度.【解】如图,Z 的分布函数(){}{}Z XF z P Z z P z Y=≤=≤ (1) 当z ≤0时，()0Z F z =（2） 当0<z <1时，（这时当x =1000时,y =1000z）(如图a) 3366102222101010()d d d d yz Z zx y zF z x y y x x y x y +∞≥==⎰⎰⎰⎰ 33610231010=d 2z zy yzy +∞⎛⎫-= ⎪⎝⎭⎰题15图(3) 当z ≥1时，（这时当y =103时，x =103z ）（如图b ）3366222210101010()d d d d zy Z xy zF z x y y x x yx y +∞≥==⎰⎰⎰⎰ 336231010101=d 12y y zy z +∞⎛⎫-=- ⎪⎝⎭⎰即 11,1,2(),01,20,.Z z z zf z z ⎧-≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他故 21,1,21(),01,20,.Z z z f z z ⎧≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他 16.设某种型号的电子管的寿命（以小时计）近似地服从N （160，202）分布.随机地选取4 只，求其中没有一只寿命小于180的概率.【解】设这四只寿命为X i (i =1,2,3,4)，则X i ~N （160，202），从而123412{min(,,,)180}{180}{180}i P X X X X X P X P X ≥≥≥之间独立34{180}{180}P X P X ≥≥ 1234[1{180}][1{180}][1{180}][1{180}]P X P X P X P X =-<-<-<-< 44144180160[1{180}]120[1(1)](0.158)0.00063.P X ⎡-⎤⎛⎫=-<=-Φ ⎪⎢⎥⎝⎭⎣⎦=-Φ== 17.设X ，Y 是相互独立的随机变量，其分布律分别为P {X =k }=p （k ），k =0，1，2，…， P {Y =r }=q （r ），r =0，1，2，….证明随机变量Z =X +Y 的分布律为P {Z =i }=∑=-ik k i q k p 0)()(，i =0，1，2，….【证明】因X 和Y 所有可能值都是非负整数，所以 {}{}Z i X Y i ==+={0,}{1,1}{,0}X Y i X Y i X i Y =====-==于是0{}{,},i k P Z i P X k Y i k X Y =====-∑相互独立0{}{}ik P X k P Y i k ===-∑()()ik p k q i k ==-∑18.设X ，Y 是相互独立的随机变量，它们都服从参数为n ，p 的二项分布.证明Z =X +Y 服从参数为2n ，p 的二项分布.【证明】方法一：X +Y 可能取值为0，1，2，…，2n .{}{,}ki P X Y k P X i Y k i =+====-∑00202(){}2ki ki n i k i n k ii k k n k i k n kP X i P Y k i n n p q p q i k i n n p qi k i n p q k =---+=-=-===-⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭⎛⎫⎛⎫= ⎪⎪-⎝⎭⎝⎭⎛⎫= ⎪⎝⎭∑∑∑方法二：设μ1,μ2,…,μn ;μ1′,μ2′,…，μn ′均服从两点分布（参数为p ），则X =μ1+μ2+…+μn ，Y =μ1′+μ2′+…+μn ′, X +Y =μ1+μ2+…+μn +μ1′+μ2′+…+μn ′,所以，X +Y 服从参数为（2n ,p )的二项分布.(1) 求P {X =2｜Y =2}，P {Y =3｜X =0}； （2） 求V =max （X ，Y ）的分布律； （3） 求U =min （X ，Y ）的分布律； （4） 求W =X +Y 的分布律. 【解】（1）{2,2}{2|2}{2}P X Y P X Y P Y ======5{2,2}0.051,0.252{,2}i P X Y P X i Y ========∑ {3,0}{3|0}{0}P Y X P Y X P X ======3{0,3}0.011;0.033{0,}j P X Y P X Y j ========∑ （2）{}{max(,)}{,}{,}P V i P X Y i P X i Y i P X i Y i =====<+≤=10{,}{,},i ik k P X i Y k P X k Y i -=====+==∑∑ 0,1,2,3,4,i =所以V 的分布律为(3) {}{min(,)}P U i P X Y i ===351{,}{,}{,}{,}k ik i P X i Y i P X i Y i P X i Y k P X k Y i ==+==≥+>====+==∑∑0,1,2,3i = 于是（1） 求P {Y ＞0｜Y ＞X }；（2） 设M =max{X ，Y }，求P {M ＞0}.题20图【解】因（X ，Y ）的联合概率密度为22221,,(,)π0,.x y R f x y R⎧+≤⎪=⎨⎪⎩其他 （1）{0,}{0|}{}P Y Y X P Y Y X P Y X >>>>=>0(,)d (,)d y y xy xf x y f x y σσ>>>=⎰⎰⎰⎰π2π/405π42π/401d d π1d d πRR r rR r rR θθ=⎰⎰⎰⎰3/83;1/24== (2) {0}{max(,)0}1{max(,)0}P M P X Y P X Y >=>=-≤00131{0,0}1(,)d 1.44x y P X Y f x y σ≤≤=-≤≤=-=-=⎰⎰21.设平面区域D 由曲线y =1/x 及直线y =0，x =1,x=e 2所围成，二维随机变量（X ，Y ）在区域D 上服从均匀分布，求（X ，Y ）关于X 的边缘概率密度在x =2处的值为多少？题21图【解】区域D 的面积为 22e e 0111d ln 2.S x x x===⎰（X ,Y ）的联合密度函数为211,1e ,0,(,)20,.x y f x y x ⎧≤≤<≤⎪=⎨⎪⎩其他（X ，Y ）关于X 的边缘密度函数为1/2011d ,1e ,()220,.x X y x f x x⎧=≤≤⎪=⎨⎪⎩⎰其他 所以1(2).4X f =22.设随机变量X 和Y 相互独立，下表列出了二维随机变量（X ，Y ）联合分布律及关于X 和【解】因21{}{,}j j iji P Y y P P X x Y y ======∑,故11121{}{,}{,},P Y y P X x Y y P X x Y y ====+== 从而11111{,}.6824P X x Y y ===-=而X 与Y 独立，故{}{}{,}i j i i P X x P Y y P X x Y y =====,从而11111{}{,}.624P X x P X x Y y =⨯==== 即：1111{}/.2464P X x === 又1111213{}{,}{,}{,},P X x P X x Y y P X x Y y P X x Y y ====+==+==即1,3111{},4248P X x Y y =++== 从而131{,}.12P X x Y y === 同理21{},2P Y y == 223{,}8P X x Y y ===又31{}1jj P Y y ===∑,故3111{}1623P Y y ==--=. 同理23{}.4P X x == 从而23313111{,}{}{,}.3124P X x Y y P Y y P X x Y y ====-===-=23.设某班车起点站上客人数X 服从参数为λ(λ>0)的泊松分布，每位乘客在中途下车的概率为p （0<p <1），且中途下车与否相互独立，以Y 表示在中途下车的人数，求：（1）在发车时有n 个乘客的条件下，中途有m 人下车的概率；（2）二维随机变量（X ，Y ）的概率分布.【解】(1) {|}C (1),0,0,1,2,m m n mn P Y m X n p p m n n -===-≤≤=.(2) {,}{}{|}P X n Y m P X n P Y m X n ======e C (1),,0,1,2,.!mm n mnnp p n m n n n λλ--=-≤≤=24.设随机变量X 和Y 独立，其中X 的概率分布为X ~⎪⎪⎭⎫⎝⎛7.03.021，而Y 的概率密度为f (y )，求随机变量U =X +Y 的概率密度g (u ).【解】设F （y ）是Y 的分布函数，则由全概率公式，知U =X +Y 的分布函数为(){}0.3{|1}0.7{|2}G u P X Y u P X Y u X P X Y u X =+≤=+≤=++≤=0.3{1|1}0.7{2|2}P Y u X P Y u X =≤-=+≤-=由于X 和Y 独立，可见()0.3{1}0.7{2}G u P Y u P Y u =≤-+≤-0.3(1)0.7(2).F u F u =-+-由此，得U 的概率密度为()()0.3(1)0.7(2)g u G u F u F u '''==-+-0.3(1)0.7(2).f u f u =-+-25. 25. 设随机变量X 与Y 相互独立，且均服从区间[0,3]上的均匀分布，求P {max{X ,Y }≤1}.解：因为随即变量服从[0，3]上的均匀分布，于是有1, 03,()30, 0,3;x f x x x ⎧≤≤⎪=⎨⎪<>⎩ 1, 03,()30, 0, 3.y f y y y ⎧≤≤⎪=⎨⎪<>⎩ 因为X ，Y 相互独立，所以1, 03,03,(,)90, 0,0,3, 3.x y f x y x y x y ⎧≤≤≤≤⎪=⎨⎪<<>>⎩ 推得 1{max{,}1}9P X Y ≤=. 26. 设二维随机变量（X ，Y ）的概率分布为其中a ,b ,c 为常数，且X 的数学期望E (X )= -0.2,P {Y ≤0|X ≤0}=0.5，记Z =X +Y .求： （1） a ,b ,c 的值； （2） Z 的概率分布； （3） P {X =Z }.解 (1) 由概率分布的性质知，a+b+c +0.6=1 即 a+b+c = 0.4. 由()0.2E X =-，可得0.1a c -+=-.再由 {0,0}0.1{00}0.5{0}0.5P X Y a b P Y X P X a b ≤≤++≤≤===≤++,得 0.3a b +=.解以上关于a ，b ，c 的三个方程得0.2,0.1,0.1a b c ===.(2) Z 的可能取值为-2，-1，0，1，2，{2}{1,1}0.2P Z P X Y =-==-=-=，{1}{1,0}{0,1}0.1P Z P X Y P X Y =-==-=+==-=，{0}{1,1}{0,0}{1,1}0.3P Z P X Y P X Y P X Y ===-=+==+==-=，{1}{1,0}{0,1}0.3P Z P X Y P X Y ====+===，{2}{1,1}0.1P Z P X Y =====，即Z 的概率分布为(3) {}{0}0.10.20.10.10.20.4P X Z P Y b ====++=++=.习题四1.设随机变量X 的分布律为求E （X ），E （X ），E （2X +3）. 【解】(1) 11111()(1)012;82842E X =-⨯+⨯+⨯+⨯= (2) 2222211115()(1)012;82844E X =-⨯+⨯+⨯+⨯=(3) 1(23)2()32342E X E X +=+=⨯+=2.已知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. 【解】设任取出的5个产品中的次品数为X ，则X 的分布律为故 ()0.58300.34010.07020.0073E X =⨯+⨯+⨯+⨯+⨯+⨯0.501,= 52()[()]iii D X x E XP ==-∑222(00.501)0.583(10.501)0.340(50.501)00.432.=-⨯+-⨯++-⨯=3.设随机变量且已知E （X ）=0.1,E (X )=0.9,求P 1，P 2，P 3. 【解】因1231P P P ++=……①,又12331()(1)010.1E X P P P P P =-++=-=……②,222212313()(1)010.9E X P P P P P =-++=+=……由①②③联立解得1230.4,0.1,0.5.P P P ===4.袋中有N 只球，其中的白球数X 为一随机变量，已知E （X ）=n ，问从袋中任取1球为白球的概率是多少？【解】记A ={从袋中任取1球为白球}，则(){|}{}Nk P A P A X k P X k ===∑全概率公式1{}{}1().NNk k k P X k kP X k N Nn E X N N========∑∑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 ）.【解】1221()()d d (2)d E X xf x x x x x x x +∞-∞==+-⎰⎰⎰21332011 1.33x x x ⎡⎤⎡⎤=+-=⎢⎥⎢⎥⎣⎦⎣⎦122232017()()d d (2)d 6E X x f x x x x x x x +∞-∞==+-=⎰⎰⎰ 故 221()()[()].6D XE X E X =-=6.设随机变量X ，Y ，Z 相互独立，且E （X ）=5，E （Y ）=11，E （Z ）=8，求下列随机变量的数学期望.（1） U =2X +3Y +1； （2） V =YZ -4X .【解】(1) [](231)2()3()1E U E X Y E X E Y =++=++ 25311144.=⨯+⨯+=(2) [][4][]4()E V E YZ X E YZ E X =-=- ,()()4()Y Z E Y E Z E X -因独立1184568.=⨯-⨯= 7.设随机变量X ，Y 相互独立，且E （X ）=E （Y ）=3，D （X ）=12，D （Y ）=16，求E （3X -2Y ），D （2X -3Y ）. 【解】(1) (32)3()2()3323 3.E X Y E X E Y -=-=⨯-⨯=(2) 22(23)2()(3)412916192.D X Y D X DY -=+-=⨯+⨯= 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 ）. 【解】因11(,)d d d d 1,2xf x y x y x k y k +∞+∞-∞-∞===⎰⎰⎰⎰故k =2 1()(,)d d d 2d 0.25xE XY xyf x y x y x x y y +∞+∞-∞-∞===⎰⎰⎰⎰.9.设X ，Y 是相互独立的随机变量，其概率密度分别为f X （x ）=⎩⎨⎧≤≤;,0,10,2其他x x f Y （y ）=(5)e ,5,0,.y y --⎧>⎨⎩其他求E （XY ）.【解】方法一：先求X 与Y 的均值 12()2d ,3E X x x x==⎰5(5)5()ed5e d e d 51 6.z y y zzE Y y y z zz +∞+∞+∞=-----=+=+=⎰⎰⎰令 由X 与Y 的独立性，得2()()()6 4.3E XY E X E Y ==⨯=方法二：利用随机变量函数的均值公式.因X 与Y 独立，故联合密度为(5)2e ,01,5,(,)()()0,,y X Y x x y f x y f x f y --⎧≤≤>==⎨⎩其他 于是11(5)2(5)552()2e d d 2d e d 6 4.3y y E XY xy x x y x xy y +∞+∞----===⨯=⎰⎰⎰⎰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）. 【解】22-200()()d 2e d [e ]e d x x xX X xf x x x x x x +∞+∞+∞--+∞-∞==-⎰⎰⎰201e d .2x x +∞-==⎰401()()d 4e d y .4yY E Y y f y yy +∞+∞--∞==⎰⎰22242021()()d 4e d .48y Y E Y y f y y y y +∞+∞--∞====⎰⎰从而(1)113()()().244E X Y E X E Y +=+=+=(2)22115(23)2()3()23288E X Y E X E Y -=-=⨯-⨯=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 ）. 【解】(1) 由222()d e d 12k x cf x x cx x k+∞+∞--∞===⎰⎰得22c k =. (2) 2220()()d()2e dk x E X xf x x x k x x +∞+∞--∞==⎰⎰222202e d 2k x kx x k +∞-==⎰(3) 222222201()()d()2e .kxE X x f x x x k x k+∞+∞--∞==⎰⎰故2222214π()()[()].4D X E X E X k k -=-=-=⎝⎭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 ）. 【解】设随机变量X 表示在取得合格品以前已取出的废品数，则X 的可能取值为0，1，2，3.为求其分布律，下面求取这些可能值的概率，易知9{0}0.750,12P X === 39{1}0.204,1211P X ==⨯= 329{2}0.041,121110P X ==⨯⨯= 3219{3}0.005.1211109P X ==⨯⨯⨯=由此可得()00.75010.20420.04130.0050.301.E X =⨯+⨯+⨯+⨯=22222222()075010.20420.04130.0050.413()()[()]0.413(0.301)0.322.E X D X E X E X =⨯+⨯+⨯+⨯==-=-=13.一工厂生产某种设备的寿命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若在一年内损坏可以调换.若售出一台设备，工厂获利100元，而调换一台则损失200元，试求工厂出售一台设备赢利的数学期望. 【解】厂方出售一台设备净盈利Y 只有两个值：100元和 -200元/41/411{100}{1}e d e4x P Y P X x +∞--==≥==⎰1/4{200}{1}1e.P Y P X -=-=<=- 故1/41/41/4()100e (200)(1e )300e 20033.64E Y ---=⨯+-⨯-=-= (元).14.设X 1，X 2，…，X n 是相互独立的随机变量，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=∑=--n i i X X n 12)(11. （1） 验证)(E =μ，)(D =n2σ；（2） 验证S 2=)(11122∑=--ni i X n X n ；（3） 验证E （S 2）=σ2.【证】(1) 1111111()()().n nn i i i i i i E X E X E X E X nu u n n n n ===⎛⎫===== ⎪⎝⎭∑∑∑22111111()()n nni i i ii i i D X D X D X X DX n nn ===⎛⎫== ⎪⎝⎭∑∑∑之间相互独立2221.n n nσσ==(2) 因222221111()(2)2nnnniii ii i i i i XX X X X X X nX X X ====-=+-=+-∑∑∑∑2222112nnii i i X nX X nX X nX ===+-=-∑∑故22211()1ni i S X nX n ==--∑.(3) 因2(),()i i E X u D X σ==,故2222()()().i i i E X D X EX u σ=+=+ 同理因2(),()E X u D X nσ==,故222()E X u nσ=+.从而222221111()()[()()]11n ni i i i E s E X nX E X nE X n n ==⎡⎤=-=-⎢⎥--⎣⎦∑∑221222221[()()]11().1ni i E X nE X n n u n u n n σσσ==--⎡⎤⎛⎫=+-+=⎢⎥ ⎪-⎝⎭⎣⎦∑15.对随机变量X 和Y ，已知D （X ）=2，D （Y ）=3，Cov(X ,Y )= -1,计算：Cov （3X -2Y +1，X +4Y -3） 【解】Cov(321,43)3()10Cov(,)8()X Y X Y D X X Y D Y -++-=+- 3210(1)8328=⨯+⨯--⨯=- (因常数与任一随机变量独立，故Cov(X ,3)=Cov(Y ,3)=0,其余类似). 16.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=221,1,π0,.x y ⎧+≤⎪⎨⎪⎩其他试验证X 和Y 是不相关的，但X 和Y 不是相互独立的. 【解】设22{(,)|1}D x y x y =+≤.2211()(,)d d d d πx y E X xf x y x y x x y +∞+∞-∞-∞+≤==⎰⎰⎰⎰ 2π1001=cos d d 0.πr r r θθ=⎰⎰ 同理E (Y )=0. 而 C o v (,)[()][()](,X Y x E x y E Y f x y x y+∞+∞-∞-∞=--⎰⎰222π1200111d d sin cos d d 0ππx y xy x y r r r θθθ+≤===⎰⎰⎰⎰, 由此得0XY ρ=,故X 与Y 不相关. 下面讨论独立性，当|x |≤1时，1()X f x y 当|y |≤1时，1()Y f y x 显然()()(,).X Y f x f y f x y ≠故X 和Y 不是相互独立的.17.验证X 和Y 是不相关的，但X 和Y 不是相互独立的.【解】联合分布表中含有零元素，X 与Y 显然不独立，由联合分布律易求得X ，Y 及XY 的分布律，其分布律如下表由期望定义易得E（X）=E（Y）=E（XY）=0.从而E(XY)=E(X)·E(Y),再由相关系数性质知ρXY=0, 即X与Y的相关系数为0，从而X和Y是不相关的.又331{1}{1}{1,1}888P X P Y P X Y =-=-=⨯≠==-=-从而X与Y不是相互独立的.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.【解】如图，S D=12，故（X，Y）的概率密度为题18图2,(,),(,)0,x y Df x y∈⎧=⎨⎩其他.()(,)d dDE X xf x y x y=⎰⎰11001d2d3xx x y-==⎰⎰22()(,)d dDE X x f x y x y=⎰⎰112001d2d6xx x y-==⎰⎰从而222111 ()()[()].6318 D X E X E X⎛⎫=-=-=⎪⎝⎭同理11 (),().318 E Y D Y==而 1101()(,)d d 2d d d 2d .12xDDE XY xyf x y x y xy x y x xy y -====⎰⎰⎰⎰⎰⎰所以1111Cov(,)()()()123336X Y E XY E X E Y =-=-⨯=-. 从而112)()XY D Y ρ-===-19.设（X ，Y ）的概率密度为f （x ，y ）=1ππsin(),0,0,2220.x y x y ,⎧+≤≤≤≤⎪⎨⎪⎩其他求协方差Cov （X ，Y ）和相关系数ρXY . 【解】π/2π/21π()(,)d d d sin()d .24E X xf x y x y x xx y y +∞+∞-∞-∞==+=⎰⎰⎰⎰ππ2222201ππ()d sin()d 2.282E X x x x y y =+=+-⎰⎰从而222ππ()()[()] 2.162D XE X E X =-=+-同理 2πππ(),() 2.4162E Y D Y ==+- 又 π/2π/2π()d sin()d d 1,2E XY x xy x y x y =+=-⎰⎰故 2ππππ4C o v (,)()()()1.2444X Y E X Y E X E Y -⎛⎫⎛⎫=-=--⨯=- ⎪ ⎪⎝⎭⎝⎭222222π4(π4)π8π164.πππ8π32π8π32)()2162XY D Y ρ-⎛⎫- ⎪--+⎝⎭===-=-+-+-+- 20.已知二维随机变量（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.【解】由已知知：D (X )=1,D (Y )=4,Cov(X ,Y )=1.从而12()(2)()4()4Cov(,)1444113,()(2)4()()4Cov(,)414414,D Z D X Y D X D Y X Y D Z D X Y D X D Y X Y =-=+-=+⨯-⨯==-=+-=⨯+-⨯=12Cov(,)Cov(2,2)Z Z X Y X Y =--2Cov(,)4Cov(,)Cov(,)2Cov(,)2()5Cov(,)2()215124 5.X X Y X X Y Y Y D X X Y D Y =--+=-+=⨯-⨯+⨯=故122)()Z Z D Z ρ===21.对于两个随机变量V ，W ，若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. 【证】令2(){[]},.g t E V tW t R =+∈显然22220()[()][2]g t E V tW E V tVW t W ≤=+=++222[]2[][],.E V t E VW t E W t R =++∀∈可见此关于t 的二次式非负，故其判别式Δ≤0， 即2220[2()]4()()E VW E W E V ≥∆=- 2224{[()]()()}.E VW E V E W =-故222[()]()()}.E VW E V E W ≤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 ）.【解】设Y 表示每次开机后无故障的工作时间，由题设知设备首次发生故障的等待时间X ~E (λ),E (X )=1λ=5.依题意Y =min(X ,2).对于y <0,f (y )=P {Y ≤y }=0. 对于y ≥2,F (y )=P (X ≤y )=1.对于0≤y <2,当x ≥0时，在(0,x )内无故障的概率分布为 P {X ≤x }=1 -e -λx ,所以F (y )=P {Y ≤y }=P {min(X ,2)≤y }=P {X ≤y }=1 -e -y/5.。
概率论与数理统计课件第三章
f
(x,
y)
1
21 2
1
2
exp
1
2(1 2 )
(x
1)2
2 1
2
(x
1)( y 1 2
2 )
(y
2)2
2 2
其中1、2、1、 2、都是常数，且1 0， 2 0，1 1.
则称（X,Y）服从参数为1、2、1、的二2、维 正态分布，
记为
(X
,Y)
~
N (1,
2
,
2 1
,
2 2
2F(x, y) f (x, y) xy
(5)若(X,Y)为二维连续型随机向量,联合概率密度为f(x,y),则
F(x,y) P{X x,Y y}
返回
X
18
第
页
例5 设二维随机变量（X,Y）的概率密度为
Ae2(x y) , x 0, y 0
f (x, y)
0, 其他
（1）确定常数A；
分别为(X,Y)关于X和Y的边缘分布函数.
返回
X
25
第
页
例1 设二维随机向量（X,Y）的联合分布函数为
(1 e2x )(1 e3y ), x 0, y 0,
F(x, y)
0, 其他.
求边缘分布 FX (x), FY ( y)
当x
0时，FX
(x)
lim (1
y
e2 x
)(1
e3 y
)
1
e2 x
返回
X
14
第
例3 设随机变量Y~N(0，1),令
0, X 1 1,
| Y | 1
0,
|Y
|
概率论与数理统计总结之第三章
第三章 多维随机变量及其分布第一节二维随机变量的概念1.二维随机变量定义：设(X,Y)是二维随机变量，记为:(,){()()}=≤⋂≤F x y P X x Y y (,)=≤≤P X x Y y (,)-∞<<∞-∞<<∞x y称(,)F x y 为X 与Y 的分布函数，或称X 与Y 的联合分布函数}}(){{(,lim (,)→+∞=≤=≤≤+∞=X y F x P X x P X x Y F x y}}(){{,lim (,)→+∞=≤=≤+∞≤=Y x F y P Y y P X Y y F x y分布函数(,)F x y 性质:1）(,)F x y 是变量x 和变量y 的不减函数，(分别关于x 和y 有单调不减性) 2）0(,)1≤≤F x y ，任意一边趋于-∞＝０.F(∞，∞)=1（用来确定未知参数）.3）(,)(0,)(0,0)=+=++F x y F x y F x y ，即(,)F x y 分别关于x 右连续，关于y 也右连续,4）对于任意11221212(,),(,),,,<<x y x y x x y y 下述不等式成立(可用于判定二元函数(,)F x y 是不是某二维随机变量的分布函数):22211112(,)(,)(,)(,)0-+-≥F x y F x y F x y F x y 2.二维离散型随机变量:定义:如果二维随机变量(X,Y)只取有限对或可列无穷多对，则称(X,Y)是二维离散型随机变量其概率{,},,1,2,====i i ij P X x Y y p i j …为二维离散型随机变量(X,Y)的分布律，或随机变量X 和Y 是联合分布律 性质:1.0,(i,j 1.2.....)≥=ij P2.1≤≤=∑∑i i ijx x y yp满足以上两条，即为二维离散型随机变量的分布律. 注；步骤:定取值,求概率,验证1.离散型随机变量X 和Y 的联合分布函数为(,)≤≤=∑∑i i ijx x y yF x y p，其中和式是对一切满足,≤≤i i x x y y 的i,j 来求和的边缘分布定义:对于离散型随机变量(X,Y)，分量X 和Y 的分布律(), 1.2...(), 1.2..的边缘分布律：的边缘分布律：••========∑∑i i ij jJ i ij iX p P X x p i Y p P Y y p i ，0,0(, 1.2....)1•••≥≥===∑∑i j jiip p i j pi p联合确定边缘，但一般情况，边缘不能确定的联合，除非相互独立. 比如；有放回的摸球，就是X ，Y 相互独立. 不放回地摸球，是条件分布.3.二维连续型随机变量的概率密度和边缘概率密度. 对比一维的: 概率密度:()()1∞-∞==⎰f x f x dx ，分布律:{}(),≤≤=⎰b aP a x b f x dx 分布函数:()()-∞=⎰xF x f t dt二维:定义:设二维随机变量(X,Y)的分布函数为(,)F x y ，若存在非负可积函数(,)f x y ，使得对于任意实数x,y 有(,)(,)-∞-∞=⎰⎰xyF x y f u v dudv ，则称(X,Y)为二维连续型随机变量，(,)f x y 称为(X,Y)的概率密度，或联合概率密度.概率密度的性质: 1.(,)F x y ≥0 2.(,)1∞∞-∞-∞=⎰⎰f x y dxdy只要具有以下两条性质，必可作为某二维随机变量的概率密度.3.已知(X,Y)的概率密度(,)f x y ，则(X,Y)在平面区域D 内取值的概率为:{(,)}(,)∈=⎰⎰DP X Y D f x y dxdy (作二重积分)(随机点(X,Y)落在平面区域D 上的概率等于以平面区域D 为底，以曲面(,)=z f x y 顶的典顶的体积) 4.若(,)F x y 在点(x,y)连续，则有2(,)(,)∂=∂∂F x y f x y x y(连续就能根据分布律求概率密度)1） 当求()=P X Y 时，它只是一条线，所以：()0＝=P X Y2） 一个方程有无实根：20++=ax bx c ，即求：22240,40,40,一个实根无实根两个实根+=+<+>b ac b ac b ac均匀分布：定义:设D 为平面上的有界区域，其面积为S ，且0>S ,如果二维随机变量(X,Y)的概率密度为1,(x,y)(,)0,其它⎧∈⎪=⎨⎪⎩Df x y S，则称(X,Y)服从区域D 上的均匀分布(或叫(X,Y)在D 上服从均匀分布，记作（X,Y ）D U . 两种特殊情形:1） D 为矩形，,c )≤≤≤≤a x b y d 时，1,()()(,),c )0,其它⎧⎪--=≤≤≤≤⎨⎪⎩b a dc f x y a x b y d2） D 为圆形，如(X,Y)在以原点为圆心，R 为半径的圆域上服从均匀分布，则(X,Y)的概率密度为:22221,(,))0,其它π⎧⎪=+≤⎨⎪⎩f x y x y R R定义:对连续型随机变量(X,Y),分量X,Y 的概率密度称为(X,Y)关于X 或Y 的边缘概率密度,记作(),X f x ().Y f y X 的分布函数:()(,)(,)∞-∞-∞⎡⎤=∞=⎢⎥⎣⎦⎰⎰xX F x F x f u v dv du （让Ｙ趋于正无穷） Y 的分布函数:()(,)(,)∞-∞-∞⎡⎤=∞=⎢⎥⎣⎦⎰⎰yY F y F y f u v du dv （让Ｘ趋于正无穷） X 的概率密度:()(,),()∞-∞=-∞<<∞⎰X f x f x y dy xY 的概率密度:()(,),()∞-∞=-∞<<∞⎰Y f y f x y dx y（二维的边缘概率密度是直接以联合概率密度在负无穷到正无穷对对应元素积分，其间需要对划分区间的作分别积分）(X,Y)的概率密度:(,)(,)[(,)]-∞-∞-∞-∞==⎰⎰⎰⎰x yx yf x y f u v dudv f u v dv du二维正态分布： 二维正态221212(,)(,,,,)σσρX Y N u u 分布函数的性质:1.211()(,)σX N u ,222()(,)σY N u 边缘服从一维正态分布2.0,ρ=⇔xy X Y 独立（相关系数为Ｏ，则两个随机变量独立）3.212()()σ++k X k Y N u (线性组合按一维正态处理)4. 1212()，±±k X k Y c X c Y 服从二维正态（如：(,)+-X Y X Y ） 条件分布:设(X,Y)是二维离散型随机变量，对于固定的j ，若{}0=>j P Y y ，则称{=i P X x ｜{,}},1,2,{}⋅=======i j ij j j jP X x Y y p Y y i P Y y p …为在=j Y y 条件下随机变量X 的条件分布律同样地，若{}0,=>i P X x 则称{=j P Y y ｜{,}},1,2,{}⋅=======i j ij i i i P X x Y y p X x j P X x p …为=i X x 条件下随机变量Y 的条件分布律 变形，即得求联合分布律的方法.设二维随机变量(X,Y)的概率密度为f(x,y),(X,Y)关于Y 的边缘概率密度为()Y f y .若对于固定的y,()0,>Y f y 则称(,)()Y f x y f y 为在Y=y 的条件下X 的条件概率密度称|(,)(|)()-∞-∞=⎰⎰xxX Y Y f x y f x y dx dx f y 为在Y=y 的条件下，X 的条件分布函数，记为P{X ≤x|Y=y}或|(|)X Y F x y ，即|(,)(|){|}()-∞=≤==⎰x X Y Y f x y F x y P X x Y y dx f y 设F(x,y)及(),()X Y F x F y 分别是二维随机变量(X,Y)的分布函数及边缘分布函数，若对于所有x,y 有P{X ≤x,Y ≤y}=P{X ≤x}P{Y ≤y},即(,)()()=X Y F x y F x F y ，则称随机变量X 和Y 是相互独立的设(X,Y)是连续型随机变量，(,),(),()X Y f x y f x f y 分别为(X,Y)的概率密度和边缘概率密度，则X 和Y 相互独立的条件等价于(,)()()=X Y f x y f x f y 在平面上几乎处处成立(除去面积为0的集合以外，处处成立)第二节随机变量的独立性1. 两个随机变量的独立性 定义:设(,),().()X Y F x y F x F y 分别是二维随机变量(X,Y)的分布函数和两个边缘分布函数，若对任意实数,x y 有(,)().()=X Y F x y F x F y ，则称X 与Y 相互独立.可用于判断独立性(随机变量独立,对任意实数x,y,事件X ,Y ≤≤x y 相互独立) 以上公式等价于:(X ,Y )(X ).()≤≤=≤≤X Y P x y P x P Y y 可类推至多个函数的情况.1)如果X,Y 随机变量独立，().()连续f x g y ，(通过函数作用)则().()f x g y 也独立.(可类推至多个随机变量的情况)例:X,Y 独立，则22,x y 独立.2)如果1212,...,...，ＹＹＹm m X X X 相互独立，12m 121()()...()()()....()和，f x f x f x g y g y g y 也相互独立。
概率论与数理统计第三章课后习题及参考答案
概率论与数理统计第三章课后习题及参考答案1．设二维随机变量),(Y X 只能取下列数组中的值：)0,0(，)1,1(-，31,1(-及)0,2(，且取这几组值的概率依次为61，31，121和125，求二维随机变量),(Y X 的联合分布律．解：由二维离散型随机变量分布律的定义知，),(Y X 的联合分布律为2．某高校学生会有8名委员，其中来自理科的2名，来自工科和文科的各3名．现从8名委员中随机地指定3名担任学生会主席．设X ，Y 分别为主席来自理科、工科的人数，求：(1)),(Y X 的联合分布律；(2)X 和Y 的边缘分布律．解：(1)由题意，X 的可能取值为0，1，2，Y 的可能取值为0，1，2，3，则561)0,0(3833====C C Y X P ，569)1,0(381323====C C C Y X P ，569)2,0(382313====C C C Y X P ，561)3,0(3833====C C Y X P ，283)0,1(382312====C C C Y X P ，289)1,1(38131312====C C C C Y X P ，283)2,1(382312====C C C Y X P ，0)3,1(===Y X P ，563)0,2(381322====C C C Y X P ，563)1,2(381322====C C C Y X P ，0)2,2(===Y X P ，0)3,2(===Y X P ．),(Y X 的联合分布律为：(2)X 的边缘分布律为X 012P1452815283Y 的边缘分布律为Y 0123P285281528155613．设随机变量),(Y X 的概率密度为⎩⎨⎧<<<<--=其他．,0,42,20),6(),(y x y x k y x f 求：(1)常数k ；(2))3,1(<<Y X P ；(3))5.1(<Y P ；(4))4(≤+Y X P ．解：方法1：(1)⎰⎰⎰⎰--==∞+∞-∞+∞-422d d )6(d d ),(1yx y x k y x y x f ⎰--=42202d |)216(y yx x x k k y y k 8d )210(42=-=⎰，∴81=k ．(2)⎰⎰∞-∞-=<<31d d ),()3,1(y x y x f Y X P ⎰⎰--=32102d d )216(yx yx x x ⎰--=32102d |)216(81y yx x x 83|)21211(81322=-=y y ．(3)),5.1()5.1(+∞<<=<Y X P X P ⎰⎰∞+∞-∞---=5.1d d )6(81yx y x ⎰⎰--=425.10d d )6(81y x y x y yx x x d )216(81422⎰--=3227|)43863(81422=-=y y ．(4)⎰⎰≤+=≤+4d d ),()4(y x y x y x f Y X P ⎰⎰---=2042d )6(d 81x y y x x ⎰+-⋅=202d )812(2181x x x 32|)31412(1612032=+-=x x x ．方法2：(1)同方法1．(2)20<<x ，42<<y 时，⎰⎰∞-∞-=yxv u v u f y x F d d ),(),(⎰⎰--=y xv u v u 20d d )6(81⎰--=y xv uv u u 202d |)216(81⎰--=y v xv x x 22d )216(81y xv v x xv 222|)21216(81--=)1021216(81222x xy y x xy +---=，其他，0),,(=y x F ，∴⎪⎩⎪⎨⎧<<<<+---=其他．,0,42,20),1021216(81),(222y x x x xy y x xy y x F 83)3,1()3,1(==<<F Y X P ．(3))42,5.1(),5.1()5.1(<<<=+∞<<=<Y X P Y X P X P )2,5.1()4,5.1(<<-<<=Y X P Y X P 3227)2,5.1()4,5.1(=-=F F ．(4)同方法1．4．设随机变量),(Y X 的概率密度为⎩⎨⎧>>=--其他．,0,0,0,e ),(2y x A y x f y x 求：(1)常数A ；(2)),(Y X 的联合分布函数．解：(1)⎰⎰⎰⎰∞+∞+--∞+∞-∞+∞-==02d d e d d ),(1yx A y x y x f y x ⎰⎰∞+∞+--=02d e d e y x A y x2|)e 21(|)e (020A A y x =-⋅-=∞+-∞+-，∴2=A ．(2)0>x ，0>y 时，⎰⎰∞-∞-=y xv u v u f y x F d d ),(),(⎰⎰--=yxv u vu 02d d e 2yv x u 020|)e 21(|)e (2---⋅-=)e 1)(e 1(2y x ----=，其他，0),(=y x F ，∴⎩⎨⎧>>--=--其他．,0,0,0),e 1)(e 1(),(2y x y x F y x ．5．设随机变量),(Y X 的概率密度为⎩⎨⎧≤≤≤≤=其他．,0,10,10,),(y x Axy y x f 求：(1)常数A ；(2)),(Y X 的联合分布函数．解：(1)2121d d d d ),(11010⋅⋅===⎰⎰⎰⎰∞+∞-∞+∞-A y y x x A y x y x f ，∴4=A ．(2)10≤≤x ，10≤≤y 时，⎰⎰∞-∞-=y xv u v u f y x F d d ),(),(⎰⎰=yxv u uv 0d d 4220202||y x v u yx =⋅=，10≤≤x ，1>y 时，⎰⎰∞-∞-=yx v u v u f y x F d d ),(),(⎰⎰=100d d 4xv u uv 210202||x v u x =⋅=，10≤≤y ，1>x 时，⎰⎰∞-∞-=yx v u v u f y x F d d ),(),(⎰⎰=100d d 4yu v uv 202102||y v u y =⋅=，1>x ，1>y 时，⎰⎰∞-∞-=yx v u v u f y x F d d ),(),(⎰⎰=101d d 4v u uv 1||102102=⋅=v u ，其他，0),(=y x F ，∴⎪⎪⎪⎩⎪⎪⎪⎨⎧>>≤≤>>≤≤≤≤≤≤=其他．,0,1,1,1,10,1,,1,10,,10,10,),(2222y x y x y y x x y x y x y x F ．6．把一枚均匀硬币掷3次，设X 为3次抛掷中正面出现的次数，Y 表示3次抛掷中正面出现次数与反面出现次数之差的绝对值，求：(1)),(Y X 的联合分布律；(2)X 和Y 的边缘分布律．解：由题意知，X 的可能取值为0，1，2，3；Y 的可能取值为1，3．易知0)1,0(===Y X P ，81)3,0(===Y X P ，83)1,1(===Y X P ，0)3,1(===Y X P 83)1,2(===Y X P ，0)3,2(===Y X P ，0)1,3(===Y X P ，81)3,3(===Y X P 故),(Y X 得联合分布律和边缘分布律为：7．在汽车厂，一辆汽车有两道工序是由机器人完成的：一是紧固3只螺栓；二是焊接2处焊点，以X 表示由机器人紧固的螺栓紧固得不牢的数目，以Y 表示由机器人焊接的不良焊点的数目，且),(Y X 具有联合分布律如下表：求：(1)在1=Y 的条件下，X 的条件分布律；(2)在2=X 的条件下，Y 的条件分布律．解：(1)因为)1,3()1,2()1,1()1,0()1(==+==+==+====Y X P Y X P Y X P Y X P Y P 08.0002.0008.001.006.0=+++=，所以43)1()1,0()1|0(=======Y P Y X P Y X P ，81)1()1,1()1|1(=======Y P Y X P Y X P ，101)1()1,2()1|2(=======Y P Y X P Y X P ，401)1()1,3()1|3(=======Y P Y X P Y X P ，故在1=Y 的条件下，X 的条件分布律为X 0123P4381101401(2)因为)2,2()1,2()0,2()2(==+==+====Y X P Y X P Y X P X P 032.0004.0008.002.0=++=，所以85)2()0,2()2,0(=======X P Y X P X Y P ，41)2()1,2()2,1(=======X P Y X P X Y P ，81)2()2,2()2,2(=======X P Y X P X Y P ，故在2=X 的条件下，Y 的分布律为：Y 012P8541818．设二维随机变量),(Y X 的概率密度函数为⎩⎨⎧>>=+-其他．,0,0,0,e ),()2(y x c y x f y x 求：(1)常数c ；(2)X 的边缘概率密度函数；(3))2(<+Y X P ；(4)条件概率密度函数)|(|y x f Y X ，)|(|x y f X Y ．解：(1)⎰⎰⎰⎰∞+∞++-∞+∞-∞+∞-==0)2(d d e d d ),(1yx c y x y x f y x⎰⎰∞+∞+--=02d e d ey x c y x2|)e (|)e 21(002c c y x =-⋅-=∞+-∞+-，∴2=c ．(2)0>x 时，⎰∞+∞-=y y x f x f X d ),()(⎰∞++-=0)2(d e 2y y x x y x 202e 2|)e (e 2-+∞--=-=，0≤x 时，0)(=x f X ，∴⎩⎨⎧≤>=-．0,0,0,e 2)(2x x x f x X ，同理⎩⎨⎧≤>=-．0,0,0,e )(y y y f y Y ．(3)⎰⎰<+=<+2d d ),()2(y x y x y x f Y X P ⎰⎰---=20202d d e 2xy x yx 422202e e 21d e d e 2-----+-==⎰⎰xy x y x ．(4)由条件概率密度公式得，当0>y 时，有⎩⎨⎧>=⎪⎩⎪⎨⎧>==----其他．其他．,0,0,e 2,0,0,e e 2)(),()|(22|x x y f y x f y x f xy y x Y Y X ，同理，当0>x 时，有⎩⎨⎧>=⎪⎩⎪⎨⎧>==----其他．其他．,0,0,e ,0,0,2e e 2)(),()|(22|y y x f y x f x y f yx y x X X Y ．9．设二维随机变量),(Y X 的概率密度函数为⎩⎨⎧<<<<=其他．,0,0,10,3),(x y x x y x f 求：(1)关于X 、Y 的边缘概率密度函数；(2)条件概率密度函数)|(|y x f Y X ，)|(|x y f X Y ．解：(1)10<<x 时，⎰∞+∞-=y y x f x f X d ),()(203d 3x y x x==⎰，其他，0)(=x f X ，∴⎩⎨⎧<<=其他．,0,10,3)(2x x x f X ，密度函数的非零区域为}1,10|),{(}0,10|),{(<<<<=<<<<x y y y x x y x y x ，∴10<<y 时，⎰∞+∞-=x y x f y f Y d ),()()1(23d 321y x x y-==⎰，其他，0)(=y f Y ，∴⎪⎩⎪⎨⎧<<-=其他．,0,10),1(23)(2y y y f Y ．(2)当10<<y 时，有⎪⎩⎪⎨⎧<<-=⎪⎪⎩⎪⎪⎨⎧<<-==其他．其他．,0,1,12,0,1,)1(233)(),()|(22|x y y x x y y xy f y x f y x f Y Y X ．当10<<x 时，有⎪⎩⎪⎨⎧<<=⎪⎩⎪⎨⎧<<==其他．其他．,0,0,1,0,0,33)(),()|(2|x y x x y x x x f y x f x y f X X Y ．10．设条件密度函数为⎪⎩⎪⎨⎧<<<=其他．,0,10,3)|(32|y x y x y x f Y X Y 的概率密度函数为⎩⎨⎧<<=其他．,0,10,5)(4y y y f Y 求21(>X P ．解：⎩⎨⎧<<<==其他．,0,10,15)|()(),(2|y x y x y x f y f y x f Y X Y ，则6447d )(215d d 15d d ),(21(121421211221=-===>⎰⎰⎰⎰⎰>x x x x y y x y x y x f X P xx ．11．设二维随机变量),(Y X 的概率密度为⎪⎩⎪⎨⎧<<<<+=其他．,0,20,10,3),(2y x xyx y x f 求：(1)),(Y X 的边缘概率密度；(2)X 与Y 是否独立；(3))),((D Y X P ∈，其中D 为曲线22x y =与x y 2=所围区域．解：(1)10<<x 时，x x y xy x y y x f x f X 322d )3(d ),()(222+=+==⎰⎰∞+∞-，其他，0)(=x f X ，∴⎪⎩⎪⎨⎧<<+=其他．,0,10,322)(2x x x x f X ，20<<y 时，⎰∞+∞-=x y x f y f Y d ),()(316)d 3(12+=+=⎰y x xy x ，其他，0)(=y f Y ，∴⎪⎩⎪⎨⎧<<+=其他．,0,20,316)(y y y f Y ．(2)∵),()()(y x f y f x f Y X ≠，∴X 与Y 不独立．(3)}22,10|),{(2x y x x y x D ≤≤<<=，∴⎰⎰+=∈102222d d 3()),((xxx y xy x D Y X P 457d )32238(10543=--=⎰x x x x ．12．设二维随机变量),(Y X 的概率密度为⎪⎩⎪⎨⎧>>+=-其他．,0,0,0,e )1(),(2y x y xy x f x试讨论X ，Y 的独立性．解：当0>x 时，xx x X x yx y y x y y x f x f -∞+-∞+-∞+∞-=+-=+==⎰⎰e |11e d )1(e d ),()(002，当0≤x 时，0)(=x f X ，故⎩⎨⎧≤>=-．0,0,0,e )(x x x x f x X ，同理，可得⎪⎩⎪⎨⎧≤>+=．0,0,0,)1(1)(2y y y y f Y ，因为)()(),(y f x f y x f Y X =，所以X 与Y 相互独立．13．设随机变量),(Y X 在区域}|),{(a y x y x g ≤+=上服从均匀分布，求X 与Y 的边缘概率密度，并判断X 与Y 是否相互独立．解：由题可知),(Y X 的联合概率密度函数为⎪⎩⎪⎨⎧≤+=其他．,0,,21),(2a y x a y x f ，当0<<-x a 时，有)(1d 21d ),()(2)(2x a a y a y y x f x f xa x a X +===⎰⎰++-∞+∞-，当a x <≤0时，有)(1d 21d ),()(2)(2x a a y a y y x f x f x a x a X -===⎰⎰---∞+∞-，当a x ≥时，0d ),()(==⎰+∞∞-y y x f x f X ，故⎪⎩⎪⎨⎧≥<-=．a x a x x a a x f X ,0,),(1)(2，同理，由轮换对称性，可得⎪⎩⎪⎨⎧≥<-=．a y a y y a a y f Y ,0,),(1)(2，显然)()(),(y f x f y x f Y X ≠，所以X 与Y 不相互独立．14．设X 和Y 时两个相互独立的随机变量，X 在)1,0(上服从均匀分布，Y 的概率密度为⎪⎩⎪⎨⎧≤>=-．0,0,0,e 21)(2y y y f yY (1)求X 和Y 的联合概率密度；(2)设含有a 的二次方程为022=++Y aX a ，试求a 有实根的概率．解：(1)由题可知X 的概率密度函数为⎩⎨⎧<<=其他．,0,10,1)(x x f X ，因为X 与Y 相互独立，所以),(Y X 的联合概率密度函数为⎪⎩⎪⎨⎧><<==-其他．,0,0,10,e 21)()(),(2y x y f x f y x f y Y X ，(2)题设方程有实根等价于}|),{(2X Y Y X ≤，记为D ，即}|),{(2X Y Y X D ≤=，设=A {a 有实根}，则⎰⎰=∈=Dy x y x f D Y X P A P d d ),()),(()(⎰⎰⎰---==1021002d )e 1(d d e 2122xx y x x y⎰--=12d e12x x ⎰--=12d e 21212x x ππππ23413.01)]0()1([21-=Φ-Φ-=．15．设i X ～)4.0,1(b ，4,3,2,1=i ，且1X ，2X ，3X ，4X 相互独立，求行列式4321X X X X X =的分布律．解：由i X ～)4.0,1(b ，4,3,2,1=i ，且1X ，2X ，3X ，4X 相互独立，易知41X X ～)84.0,16.0(b ，32X X ～)84.0,16.0(b ．因为1X ，2X ，3X ，4X 相互独立，所以41X X 与32X X 也相互独立，又32414321X X X X X X X X X -==，则X 的所有可能取值为1-，0，1，有)1()0()1,0()1(32413241======-=X X P X X P X X X X P X P 1344.016.084.0=⨯=，)1,1()0,0()0(32413241==+====X X X X P X X X X P X P )1()1()0()0(32413241==+===X X P X X P X X P X X P 7312.016.016.084.084.0=⨯+⨯=，)0()1()0,1()1(32413241=======X X P X X P X X X X P X P 1344.084.016.0=⨯=，故X 的分布律为X 1-01P1344.07312.01344.016．设二维随机变量),(Y X 的概率密度为⎩⎨⎧>>=+-其他．,0,0,0,e 2),()2(y x y x f y x 求Y X Z 2+=的分布函数及概率密度函数．解：0≤z 时，若0≤x ，则0),(=y x f ；若0>x ，则0<-=x z y ，也有0),(=y x f ，即0≤z 时，0),(=y x f ，此时，0d d ),()2()()(2==≤+=≤=⎰⎰≤+zy x Z y x y x f z Y X P z Z P z F ．0>z 时，若0≤x ，则0),(=y x f ；只有当z x ≤<0且02>-=xz y 时，0),(≠y x f ，此时，⎰⎰≤+=≤+=≤=zy x Z yx y x f z Y X P z Z P z F 2d d ),()2()()(⎰⎰-+-=zx z y x y x 020)2(d e 2d z z z ----=e e 1．综上⎩⎨⎧≤>--=--．0,0,0,e e 1)(z z z z F z z Z ，所以⎩⎨⎧≤<='=-．0,0,0,e )()(z z z z F z f z Z Z ．17．设X ，Y 是相互独立的随机变量，其概率密度分别为⎩⎨⎧≤≤=其他．,0,10,1)(x x f X ，⎩⎨⎧≤>=-．0,0,0,e )(y y y f y Y 求Y X Z +=的概率密度．解：0<z 时，若0<x ，则0)(=x f X ；若0≥x ，则0<-=x z y ，0)(=-x z f Y ，即0<z 时，0)()(=-x z f x f Y X ，此时，0d )()()(=-=⎰∞+∞-x x z f x f z f Y X Z ．10≤≤z 时，若0<x ，则0)(=x f X ；只有当z x ≤≤0且0>-=x z y 时0)()(≠-x z f x f Y X ，此时，z zx z Y X Z x x x z f x f z f ---∞+∞--==-=⎰⎰e 1d e d )()()(0)(．1>z 时，若0<x ，0)(=x f X ；若1>x ，0)(=x f X ；若10≤≤x ，则0>-=x z y ，此时，0)()(≠-x z f x f Y X ，z x z Y X Z x x x z f x f z f ---∞+∞--==-=⎰⎰e )1e (d e d )()()(1)(．综上，⎪⎩⎪⎨⎧<>-≤≤-=--．0,0,1,e )1e (,10,e 1)(z z z z f z z Z ．18．设随机变量),(Y X 的概率密度为⎪⎩⎪⎨⎧>>+=+-其他．,0,0,0,e)(21),()(y x y x y x f y x (1)X 和Y 是否相互独立？(2)求Y X Z +=的概率密度．解：(1)),()()(y x f y f x f Y X ≠，∴X 与Y 不独立．(2)0≤z 时，若0≤x ，则0)(=x f X ；若0>x ，则0<-=x z y ，0),(=y x f ，此时，0d ),()(=-=⎰∞+∞-x x z x f z f Z ．0≥z 时，若0≤x ，则0)(=x f X ；只有当z x <<0且0>-=x z y 时0),(≠y x f ，此时，⎰∞+∞--=x x z x f z f Z d ),()(⎰+-+=zy x x y x 0)(d e)(21⎰-=z z x z 0d e 21z z -=e 212，所以⎪⎩⎪⎨⎧≤>=-．0,0,0,e 21)(2z z z z f zZ ．19．设X 和Y 时相互独立的随机变量，它们都服从正态分布),0(2σN ．证明：随机变量22Y X Z +=具有概率密度函数⎪⎩⎪⎨⎧<≥=-．0,0,0,e )(2222z z z z f z Z σσ．证：因为X 与Y 相互独立，均服从正态分布),0(2σN ，所以其联合密度函数为2222)(2e 121),(σσπy x y x f +-⋅=，(+∞<<∞-y x ,)当0≥z 时，有⎰⎰≤+=≤+=≤=zy x Z yx y x f z Y X P z Z P z F 22d d ),()()()(22⎰⎰≤++-⋅=zy x y x y x 22222d e 1212)(2σσπ⎰⎰-⋅=πσθσπ2022d ed 12122zr r r ⎰-=zr r r 022d e122σσ，此时，2222e)(σσz Z z z f -=；当0<z 时，=≤+}{22z Y X ∅，所以0)()()(22=≤+=≤=z Y X P z Z P z F Z ，此时，0)(=z f Z ，综上，⎪⎩⎪⎨⎧<≥=-．0,0,0,e )(2222z z z z f z Z σσ．20．设),(Y X 在矩形区域}10,10|),{(≤≤≤≤=y x Y X G 上服从均匀分布，求},min{Y X Z =的概率密度．解：由题可知),(Y X 的联合概率密度函数为⎪⎩⎪⎨⎧≤≤≤≤=其他．,0,20,10,21),(y x y x f ，易证，X ～]1,0[U ，Y ～]2,0[U ，且X 与Y 相互独立，⎪⎩⎪⎨⎧≥<≤<=．1,1,10,,0,0)(x x x x x F X ，⎪⎪⎩⎪⎪⎨⎧≥<≤<=．2,1,20,2,0,0)(y y yy y F Y ，可得)](1)][(1[1)(z F z F z F Y X Z ---=)()()()(z F z F z F z F Y X Y X -+=⎪⎪⎩⎪⎪⎨⎧≥<≤-<=．1,1,10,223,0,02z z z z z ，求导，得⎪⎩⎪⎨⎧<<-=其他．,0,10,23)(z z z f Z ．21．设随机变量),(Y X 的概率密度为⎩⎨⎧+∞<<<<=+-其他．,0,0,10,e ),()(y x b y x f y x (1)试确定常数b ；(2)求边缘概率密度)(x f X 及)(y f Y ；(3)求函数},max{Y X U =的分布函数．解：(1)⎰⎰⎰⎰∞++-∞+∞-∞+∞-==01)(d d e d d ),(1yx b y x y x f y x⎰⎰∞+--=1d e d e y x b y x )e 1(|)e (|)e (1102-+∞---=-⋅=b b y x ，∴1e11--=b ．(2)10<<x 时，1)(1e1e d e e 11d ),()(--∞++--∞+∞--=-==⎰⎰x y x X y y y x f x f ，其他，0)(=x f X ，∴⎪⎩⎪⎨⎧<<-=--其他．,0,10,e 1e )(1x x f xX ，0>y 时，⎰∞+∞-=x y x f y f Y d ),()(y y x x -+--=-=⎰e d e e1110)(1，0≤y 时，0)(=y f Y ，∴⎩⎨⎧≤>=-．0,0,0,e )(y y y f y Y ．(3)0≤x 时，0)(=x F X ，10<<x 时，101e 1e 1d e 1e d )()(----∞---=-==⎰⎰xxt xX X t t t f x F ，1≥x 时，1)(=x F X ，∴⎪⎪⎩⎪⎪⎨⎧≥<<--≤=--．1,1,10,e1e1,0,0)(1x x x x F x X ；0≤y 时，0)(=y F Y ，0>y 时，y yv y Y Y v v v f y F --∞--===⎰⎰e 1d e d )()(0，∴⎩⎨⎧≤>-=-．0,0,0,e 1)(y y y F y Y ，故有)()()(y F x F u F Y X U =⎪⎪⎩⎪⎪⎨⎧≥-<≤--<=---．1,e 1,10,e1e1,0,01u u u uu ．。
【学习课件】第三章概率论与数理统计
解 确定随机变量的取值：
及F(2,2).
p i j P Xi,Yj
F ( x , y) = P { X x , Y y}
{ P X { X i , Y i } j } { Y { X j } i } { Y j } pij
P Y j|X iP X i
xi x yjy
为 X, Y的 分 布 函 数 ， 或 X与 Y的 联 合 分 布 函 数 。
X x ,Y y X x Y y
几 何 意 义 ： 分 布 函 数 Fx0,y0表 示 随 机 点 X,Y落 在 区 域
x,y,xx0,yy0
中 的 概 率 。 如 图 阴 影 部 分 所 示 ：
y
x0, y0
X＝xi ,Y y j
P X＝xi
pij , j＝1, 2, pi
为给定条件X xi时，Y的条件概率分布律。
3、条件概率分布律
给定条件Yyj时，X的条件概率分布律记作：
X|Yyj
P X＝xi |Yyj
pij ,i＝ 1, 2, pj
X |Y yj
P X |Y y j
x1
p1 j
X , Y ～P X＝xi, Y＝y j pij , i, j＝1, 2,
则称 P X＝xi | Y y j
P X＝xi ,Y y j P Y＝y j
pij , i＝1, 2, p j
为给定条件Y y j时，X的条件概率分布律；
P Y＝y j | X＝xi
P
= limPX x,Y y lim Fx, y
y
y
0, x 0; =x2, 0 x 1;
1, 1 x.
FYy PY yPX ,Y y
= limPX x,Y y limFx, y
初中数学课程_第三章统计与概率
初中数学课程_第三章统计与概率第三章统计与概率随着科学技术的迅猛发展，信息化时代的到来，⼈们常常需要收集⼤量的数据，根据所获得的数据提取有价值的信息，作出合理的决策。
统计是研究如何合理收集、整理、描述和分析数据的学科，它可以为⼈们制定决策提供依据，⼜为⼈们认识客观世界提供了重要的思维模式和解决问题的⽅法。
当前，在统计与概率教学中存在的问题：重视繁杂的计算，忽视和淡化统计概率模型的理解、建⽴和应⽤，缺乏问题意识和数据处理能⼒，以教师讲实验、说实验来代替学⽣的实践活动，存在严重的应试倾向，等等。
要想解决这些问题，数学教师要正确理解数学、概率、统计之间的关系，整体把握统计与概率基本知识脉络，正确解释基本概念的含义，树⽴正确的数据分析观念。
⼀、明确教与学的⽬标1. 初步识记初中统计学与数学的联系与区别，初步识记数据分析观念的含义，初步养成⽤数据说话的习惯。
2. 培养以随机的观点来理解世界，形成提出问题、解决问题的能⼒。
3. 领会收集数据的⽅法：调查与实验。
4. 领会统计表及其制作⽅法，并能够利⽤条形图、折线图、扇形图、直⽅图等描述数据，利⽤平均数、加权平均数、⽅差、标准差等分析数据。
5. 正确理解概率的意义，并能够⽤多种⽅法计算概率；6. 学会实验和调查设计，并能够解决实际问题。
⼆、正确选择教与学的⽅式⽅法1 ．恰当使⽤信息技术，激发学⽣的学习兴趣，突出统计量的统计意义。
对于统计的教与学，必须强调统计基本思想和⽅法的认识和理解，⽽不能把统计作为计算统计量的学习。
2. 突出过程。
以统计过程为线索处理统计与概率的内容。
统计学的主要任务是，研究如何以有效的⽅式收集和处理受随机性影响的数据，通过分析数据对所考察的问题做出推断和预测，从⽽为决策和⾏动提供依据和建议。
统计是⼀个包括数据的收集、整理、描述和分析（包括概率）的完整过程。
3 ．强调活动。
通过活动体验统计的思想，建⽴统计的观念。
统计与⽣活实际是密切联系的，在收集数据、处理数据以及利⽤数据进⾏预测、推断和决策的过程中包含着⼤量的活动，完成这些活动需要正确的统计思想观念的指导。
概率论与数理统计第3章课后题答案
概率论与数理统计第3章课后题答案第三章连续型随机变量3.1 设随机变数 的分布函数为F(x)，试以F(x)表示下列概率：（1）P( a)；（2）P( a)；（3）P( a)；（4）P( a) 解：（1）P( a) F(a 0) F(a)；（2）P( a) F(a 0)；（3）P( a)=1-F(a)；（4）P( a) 1 F(a 0)。
3.2 函数F(x) 11 x2是否可以作为某一随机变量的分布函数，如果（1） x（2）0 x ，在其它场合适当定义；（3）- x 0，在其它场合适当定义。
解：（1）F(x)在（- , ）设随机变数 具有对称的分布密度函数p(x)，即p(x) p( x),证明：对任意的a 0,有（1）F( a) 1 F(a)12ap(x)dx；（2）P（ a) 2F(a) 1；（3）P( a) 2 1 F(a) 。
证：（1）F( a)ap(x)dx 1ap(x)dx=1ap( x)dx 1ap(x)dx=1 F(a) 1 （2）P( ap(x)dxap(x)dxa12a0ap(x)dx；ap(x)dx 2 p(x)dx，由（1）知1-F(a)故上式右端=2F(a) 1；12ap(x)dx。
（3）P( a) 1 P( a) 1 [2F(a) 1] 2[1 F(a)]3.5 设F1(x)与F2(x)都是分布函数，又a 0,b 0是两个常数，且a b 1。
证明F(x) aF1(x) b F2(x)也是一个分布函数，并由此讨论，分布函数是否只有离散型和连续型这两种类型？证：因为F1(x)与F2(x1) F2(x2)，于是F(x1) aF1(x1) b F2(x1) aF1(x2) b F2(x2) F(x2)F2(x都是分布函数，当x1 x2时，F1(x1) F1(x2)，又xlimF(x) lim[aF1(x) b F2(x)] 0xlimF(x) lim[aF1(x) b F2(x)] a b 1xxF(x 0) aF1(x 0) b F2(x 0) aF1(x) b F2(x) F(x)所以，F(x)也是分布函数。
概率论与数理统计第三章笔记
概率论与数理统计第三章笔记好的，以下是为您生成的一篇“概率论与数理统计第三章笔记”，希望符合您的需求：---# 概率论与数理统计第三章笔记在学习概率论与数理统计这门课的时候，第三章的内容就像是一座神秘的城堡，充满了新奇和挑战。
这一章主要讲的是多维随机变量及其分布。
一开始，听到这个概念的时候，我的脑袋里就像是被塞进了一团乱麻。
不过，随着深入学习，我逐渐理清了其中的头绪。
先来说说多维随机变量的联合分布函数。
这玩意儿就像是一个神奇的魔法盒子，它能把多个随机变量的可能性都装在一起。
想象一下，有两个随机变量 X 和 Y，它们就像是两个调皮的小精灵，在一个大大的游乐场里到处乱跑。
而联合分布函数 F(x,y) 呢，就能告诉我们这两个小精灵同时出现在某个特定区域的概率。
比如说，X 表示今天的气温，Y 表示湿度，那 F(x,y) 就能告诉我们在气温为 x 度，湿度为 y 的情况下的可能性。
再讲讲多维离散型随机变量。
这可有意思啦！比如说，咱们来假设一个场景，有一家小杂货店，店里卖两种零食，薯片和巧克力。
每天来买零食的顾客人数是随机的，而且他们选择薯片或者巧克力的情况也是随机的。
我们把买薯片的人数设为 X，买巧克力的人数设为 Y。
那么 (X,Y) 就是一个二维离散型随机变量。
我们可以列出它们所有可能的取值以及对应的概率，就像是给这两个调皮的小家伙拍了一张张照片，记录下它们每一个瞬间的样子。
然后是多维连续型随机变量。
这就像是一条流淌不息的河流，没有明显的断点。
还是用上面那个杂货店的例子，不过这次假设每天的销售额是连续变化的。
销售额 X 受到很多因素的影响，比如客流量、顾客的购买欲望等等。
这时候，我们就得用概率密度函数 f(x,y) 来描述它。
想象一下，这个函数就像是一张地图，告诉我们销售额在不同区域的密集程度。
在学习边缘分布的时候，我可真是费了好大的劲。
边缘分布就像是从一个大蛋糕上切下来的一小块。
还是以杂货店为例，如果我们只关心买薯片的人数 X 的分布，不考虑巧克力的情况，那这就是 X 的边缘分布。
田间试验与统计分析第三章概率和概率分布课件
发芽频率 0.9 0.95 0.92 0.93 0.93 0.91 0.92 0.92 0.91 0.92 0.92 0.92
概率的统计定义
在相同条件下进行n次重复试验，如果随机事件A发生 的 次 数 为 m ， 那 么 m/n 称 为 随 机 事 件 A 的 频 率 （frequency）；当试验重复数n逐渐增大时，随机事 件A的频率越来越稳定地接近某一数值p，那么就 把 p 称为随机事件A的概率。
一、统计概率的含义
事件：在试验的结果中所发生的现象
概率：每一事件出现的可能性
随机事件：在相同条件下，对事物或现象所进行的观察， 其试验结果具有以下特点：可以在相同的条件下重复进行； 每次试验结果可能不止一个；试验的所有可能结果在试验 之前是确切知道的，但在试验结束之前，不能确定该次试 验的确切结果。
对于随机事件，如果要研究它的规律性，必须通过大量 重复观察、调查或试验，从而计算在相同条件下发生这
类事件的可能程度大小。
水稻某品种种300 400 500 600 800 1000
发芽粒数 9 19 41 93 141 182 277 365 458 555 733 921
（
）区间内的概率。
在实际应用中，凡计算正态分布区间概率时，先将x
转换为u值，然后查附表2，便可得到x落于这一区间
的概率。
例1：
计算生物统计中的常用的几个概率植： (1) P(μ-σ＜ X ≤ μ+σ) (2) P(μ-2σ＜ X ≤ μ+2σ) (3) P(μ-3σ＜ X ≤ μ+3σ) (4) P(μ-1.96σ＜ X ≤ μ+1.96σ) (5) P(μ-2.58σ＜ X ≤ μ+2.58σ) (6) P(︱X︱≥ μ+1.96σ ) (7) P(︱X︱≥ μ+2.58σ )
概率论与数理统计 第三章
(1 e 2 x )(1 e y ), x 0, y 0, 其它, 0,
例2-续3
(3)求概率P{Y≤X}. 只需在概率密度f的非零 区域与事件区域 G={(x,y)|y≤x} 的交集D上积分. 由公式
0 F ( x, y) 1; ;
F ( x, y )关于x、y均单调不减右连续.
分布函数与离散型二维随机变量分布律、连 续型二维随机变量概率密度的关系[见后].
三、离散型二维随机变量
1、二维均匀分布
两种常见的二维连续型分布
设G为一个平面有界区域,其
二维均匀分布
面积为A.如果二维连续型随机变量(X,Y)的概率密
度为
1 , ( x, y ) G , f ( x, y ) A 0, 其它,
则称(X,Y)服从区域G上的均匀分布,记为(X,Y)~U(G).
2、二维正态分布
域”的概率.
分布函数具有下列基本性质:
对任意点 ( x1 , y1 ), ( x2 , y2 ), x1 x2 , y1 y2 均有：
随机向量落在矩 形区域的概率
P{x1 X x2 , y1 Y y2 }
F ( x1 , y1 ) F ( x2 , y2 ) F ( x1 , y2 ) F ( x2 , y1 ) 0;
D
x
例2-续4
2 e
0
2 x
(1 e )dx [e
x
2 x
2 3 x 2 1 e ] |0 1 . □ 3 3 3
本例是一个典型题.大家应熟练掌握分析与计算 的方法。特别是会根据不同形状的概率密度非零区域 与所求概率的事件区域G来处理这类问题。 就P.73:例3来共同考虑如何分段?应分几段?怎 样计算各段值?(板书)
概率论与数理统计总结之第三章
第三章 多维随机变量及其分布 二维随机变量：一般，设E 是一个随机试验，它的样本空间是S={e}.设X=X(e)和Y=Y(e)是定义在S 上的随机变量，由它们构成的一个向量（X,Y),叫做二维随机向量或二维随机变量。
设（X,Y)是二维随机变量，对于任意实数x,y,二元函数：)}(){(),(y Y x X P y x F ≤⋂≤=),(y Y x X P ≤≤=称为二维随机变量（X,Y ）的分布函数，或称随机变量X 和Y 的联合分布函数分布函数F(x,y)具有以下基本性质： 1.F （x,y)是变量x 和变量y 的不减函数，即对于任意固定的y ，当);,(),(,1212y x F y x F x x ≥> 对于任意固定的x ，当),(),(,1212y x F y x F y y ≥> 2.0≤F(x,y)≤1，且对于任意固定的y ，F （-∞，y)=0, 对于任意固定的x, F （x ，-∞)=0， F （-∞，-∞）=0，F （∞，∞）=13.F(x,y ）=F(x+0,y ），F(x,y+0），即F(x,y ）关于x 右连续，关于y 也右连续4.对于任意,,),,(),,(21212211y y x x y x y x <<下述不等式成立 0),(),(),(),(21111222≥-+-y x F y x F y x F y x F离散型随机变量：如果二维随机变量（X,Y)全部可能取到的不相同的值是有限对或可列无限多对，则称（X,Y ）是离散型随机变量称,2,1,,},{====j i p y Y x X P ij i i ……为二维离散型随机变量（X,Y ）的分布律，或随机变量X 和Y 是联合分布律 表格形式表示联合分布律： Y X1x… i x… 1y11p … 1i p… ………j yj p 1… ij p… ………离散型随机变量X 和Y 的联合分布函数为∑∑≤≤=x x yy ij i i p y x F ),(，其中和式是对一切满足y y x x i i ≤≤,的i,j 来求和的连续型随机变量：对于二维随机变量（X,Y ）的分布函数F （x,y)，如果存在非负的函数f(x,y)使得对于任意x,y 有 ⎰⎰∞-∞-=y xdudv v u f y x F ),(),(，则称（X,Y ）是连续型的二维随机变量，函数f(x,y)称为二维随机变量（X,Y ）的概率密度，或称为随机变量X 和Y 的联合概率密度概率密度的性质： 1.f(x,y)≥0 2.⎰⎰∞∞-∞∞-=∞∞=1),(),(F dxdy y x f3.设G 是xOy 平面上的区域，点（X,Y ）落在G 内的概率为 ⎰⎰=∈Gdxdy y x f G Y X P ),(}),{(4.若f(x,y)在点（x,y ）连续，则有),(),(2y x f y x y x F =∂∂∂一般，设E 是一个随机试验，它的样本空间是S={e},设),(),(2211e X X e X X ==…),(,e X X n n =是定义在S 上的随机变量，由它们构成的一个n 维向量,,(21X X …),n X 叫做n 维随机向量或n 维随机变量对于任意n 个实数n x x x n ,,^,,21元函数},^,{),^,(111n n n x X x X P x x F ≤≤=称为n 维随机变量,,(21X X …),n X 的分布函数或随机变量n X X X ,^,,21的联合分布函数。
概率论与数理统计第三章章节总结
概率论与数理统计第三章章节总结
概率论与数理统计的第三章主要介绍了随机变量及其分布、随机变量的离散概率和连续概率、期望和方差的计算、贝叶斯统计学等内容。
以下是本章的总结:
1. 随机变量及其分布
第三章第一小节介绍了随机变量的定义和性质,并介绍了离散型和连续型随机变量的区别。
然后,章节第二小节介绍了随机变量的分布,其中包括概率分布、密度函数、期望和方差的计算方法。
这些内容对于理解随机变量的分布非常重要。
2. 随机变量的离散概率和连续概率
第三章第三小节介绍了随机变量的离散概率和连续概率。
离散概率讨论的是离散型随机变量在某一范围内的取值概率,而连续概率讨论的是连续型随机变量在某一区间内的概率。
这些概念对于理解随机变量的性质和分布非常重要。
3. 期望和方差的计算
第三章第四小节介绍了期望和方差的计算方法。
期望是指一个随机变量的平均值,可以通过计算各个取值的概率和总和来实现。
方差是指一个随机变量在各个取值之间的差异,可以通过计算各个取值的差值和总和来实现。
这些内容对于计算随机变量的期望和方差非常重要。
4. 贝叶斯统计学
第三章第五小节介绍了贝叶斯统计学的原理和应用。
贝叶斯统计
学可以用来预测未来事件的概率,也可以用于概率模型的建模和优化。
这些内容对于实际应用非常有帮助。
综上所述,概率论与数理统计的第三章主要介绍了随机变量的分布、离散概率和连续概率、期望和方差的计算、贝叶斯统计学等内容,是学习概率论和统计学的重要基础。
《概率论与数理统计》第三章
§1 二维随机变量
定义：设E是一个随机试验，样本空间S={e}； 设X=X(e)和Y=Y(e)是定义
y
X e,Y e
在S上的随机变量，由它们构成的
向量(X,Y)叫做二维随机向量 或二维随机变量。
e S
x
定义：设(X,Y)是二维随机变量对于任意实数x,y，
二元函数
ቤተ መጻሕፍቲ ባይዱ
y
F(x, y) P(X x) (Y y)
1 4
1 i
,
ji
0, j i
(X,Y)的联合分布律为:
YX
1
1
1/4
23 4 1/8 1/12 1/16
2
0 1/8 1/12 1/16
3
0
0 1/12 1/16
4
0
0 0 1/16
例3:设有10件产品，其中7件正品，3件次品。现从中
任取一件产品，取后不放回，令
1 X 0
第一次取到的产品是次品 1
z f (x, y)为顶面的柱体体积。
所以 X,Y 落在面积为零的区域的概率为零。
例3：设二维随机变量(X,Y)具有概率密度：
2e(2x y) , x 0，y 0
y f (x, y) 0,
其他
1 求分布函数F(x, y)；2求P{X 2，Y 3}；
3求P(Y X )的概率
解： (1)当x>0,y>0时
f (x, y)xy
————————
概率微分
(4) f ( x, y)的作用 : 求二维随机变量（X,Y)取值
落在区域G内的事件的概率
P((X ,Y ) G) f ( x, y)dxdy
G
G
注：1在几何上，z f (x, y)表示空间一个曲面，
概率论与数理统计图文课件最新版-第3章-多维随机变量及其分布
比如:
概率统计
比如：
1 x y 0
F( x, y) 0 x y 0
对这二元函数来验证第4条性质。
现找 4 个点如下：
( x2 , y2 ) (1, 1); ( x1, y2 ) (1, 1)
( x2 , y1 ) (1, 1); ( x1, y1 ) (1, 1)
F(1,1) F(1,1) F(1, 1) F(1, 1)
0
x 0, y 0 其它
求: (1) 分布函数 F( x, y)
(2) ( X ,Y )落在G内的概率
其中 G: x y 1 及 x 轴、y 轴所围区域
解: (1) Q
x
F(x, y)
y
f ( x, y)dxdy
当 x 0, y 0 时
xy
F( x, y)
0 dx 0
2,4,8,10,14,16,20这7个 数不能被3整除,但能
被2整除
6,12,18这3个数能被2 整除,又能被3整除
不难验证:
1 1
7473
pi j 0, 0 0 pi j 21 21 21 21 1
概率统计
故 得： (X,Y) 的 联合分布 律为:
XY
0 1
01
7
4
21 21
7
P( x1 X x2 , y1 Y y2 )
F ( x2 , y2 ) F ( x2 , y1 ) F ( x1, y1 ) F ( x1, y2 )
如图:
y
y2 L
y1 L M
M
x
0 x1
x2
概率统计
2. 二维随机变量分布函数 F(x,y) 的性质
性质1 F(x,y) 分别对 x 和 y 单调非减, 即:
概率论与数理统计第三章课后习题答案
概率论与数理统计第三章课后习题答案习题二1■将一硬币抛掷二次，以X表示在二次中出现正面的次数，以Y表示三次中出现正面次数与出现反面次数之差的绝对值.试写出X和丫的联合分布律.【解】X和丫的联合分布律如表:2.盒子里装有3只黑球、2只红球、2只白球，在其中任取4只球，以X表示取到黑球的只数，以Y表示取到红球的只数.求X和Y的联合分布律.【解】X和丫的联合分布律如表:3•设二维随机变量（X, F）的联合分布函数为求二维随机变量（x, y）在长方形域内的概率.4 6 3J【解】如图叫眈怎＜今空^求：（1）常数/；F (x, y)sin xsiny,0,0"岁詣其他.・Tt ■兀・兀■兀=sin —_sin ——sin —_sin ——4 3 4 6二#(dl).斗sin OLfeinK ■八■兀—+sinIksin —3 6JT7说明：也可先求出密度函数，再求概率。
4•设随机变量（X, Y）的分布密度f（兀，y）j e-(3.r+4y)x >0, y >0, 其他.(2) 随机变量(X, Y)的分布函数;(3) P{0 «1, 0之<2}.【解】(1)由 f(x,y)dxdy° °Ae(3x4y)dxdy £ 1得A = 12(2) 由定义，有y xF (x, y)f (u, v)dudvy y(3u 4v)12e dudvo o0,(3) P{0 X 1,0 Y 2}P{0 X 1,0 Y 2}5. 设随机变量（X, Y ）的概率密度为(1 e 3x )(1 e 4y ) y 0,x 0,0,其他212e (3x 04y)dxdy(1 e 3)(1 e 8)0.9499.f(x ，y)=k(6 x y), 0,x 2,2 y 4,其他.(1)确定常数k ；(2)求 P{X v 1, Y v 3};(3)求 P{X<1.5};(4)求 P{X+Y W 4}.【解】(1)由性质有2 4f(x, y)dxdy ° 2 k(6 x y)dydx 8k 1,31-k(6 x y)dydx86.设X和丫是两个相互独立的随机变量，X在（0,0.2）上服从均匀分布，Y的密度函数为求：（1） X与Y的联合分布密度；（2）P{YN}.(2) P{X 1,Y 3} f (x, y)dydx(3)P{X(4)P{X1.5}x 1.5f (x, y)dxdy 如图 a f (x,y)dxdy1.5 4 10 dx -(6 x y)dy82732Y 4}Xf (x, y)dxdy如图 b f (x,y)dxdy(61 ) y)f Y（ y）5e5y, y 0,0, 其他.【解】（1）因X 在（0, 0.2） 上服从均匀分布，所以X 的密度函数为f x (X)10 x 0.2,0.2,0,其他.而f/y)5e 5y , y 0,0,其他.所以f (x, y)X,丫独立 fx(x)gf Y (y)⑵ P(Y X) f (x, y)dxdy 如图 25e 5y dxdyy xD丄 0.2 5e 5y0,25e 5y, 0 x 0.2且 y 0, 0, 其他•0.2 0dx25e -5ydy0.2 5x0 ( 5e5)dx■1=e 0.3679.7.设二维随机变量（X, Y ）的联合分布函数为F （ x ，y ）(1 e 4x)(1 e 2y), x 0,y 0,0,其他.求（X ，Y ）的联合分布密度2［解］ f(x,y)x y8e(4x 2y), x 0,y 0,0, 其他.8.设二维随机变量（X, Y ）的概率密度为f (x, y)=4.8y(2 x), 0 0,x 1,0 y x,其他.求边缘概率密度.【解】f x(x) f (x,y)dyx0 4.8y(2x)dy0,2.4X2(2 x), 0 x 1,0, 其他.f y(y) f (x,y)dx1=y4-8y(2x)dx 2.4y(3 4y y2), 0 y 1,0, 其他.,题8图9.设二维随机变量题9图X, Y)的概率密度为f (x, y) e y, 0 x y,0, 其他.求边缘概率密度.【解】f x(X) f (x, y)d yx0,e y dy xe , x 0,0, 其他.f Y(y) f (x,y)dxy e y dx0,ye x, y 0,0, 其他.y\i■v=xw p题10图10.设二维随机变量（X, Y）2f （x, y）= J试确定常数c;求边缘概率密度的概率密度为x2y 1,其他.(1)(2)【解】(1)f (x, y)dxdy如图Df (x,y)dxdy1 12-1dx x2cx ydy4c211.214f x(X) f(x,y)dy1 212 , xydyx 40, 212。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第三章. 统计与概率第一节统计1.统计表（1）统计表的意义：把统计的数据制成表格，用来反映情况、说明问题。
（2）统计表的分类：统计表可分成两类，一类是单式统计表或简单统计表;另一类是复试统计表或复合统计表。
①单式统计表：只含有一个统计项目的统计表。
②复试统计表：含有两个或两个以上统计项目的统计表。
2.统计图（1）统计图的意义：用点、线、面等来表示相关联之间的数量关系的图形。
（2）统计图的分类：统计图①条形统计图使用一个单位长度表示一定的数量，根据数量的多少画长短不同的直线，然后把这些直线按照一定的顺序排列起来。
从条形统计图中很容易看出各种数量的多少。
②折线统计图使用一个单位长度表示一定的数量，根据数量的多少免描出各点，然后把各点用线段顺次连结起来。
它不但可以表示数量的多少，而且能够清楚地表示出数量增减变化的情况。
③扇形统计图使用整个圆的面积表示总数，用圆中扇形的面积表示部分所占总数的百分数。
它可以清楚地表示出各部分与总数、部分与部分之间的数量关系。
3.平均数、中位数与众数（1）平均数：一组数据的和除以这组数据的个数所得的商叫做这组数据的平均数。
用平均数作为一组数据的代表比较可靠稳定，但它容易受到偏大或偏小数的影响。
（2）中位数：把一组数据按大小顺序排列，位于最中间位置的一个数据（或最中间位置的两个数据的平均数）叫做这组数据的中位数。
一组书籍的中位数只有一个。
用中位数作为一组数据的代表，可靠性比较差，但中位数不受极端数据的影响，当一组数据中个别数据变动较大时，选择中位数表示这组数据的“集中趋势”比较合适。
（3）众数：指一组书籍中出现次数最多的数据。
一组数据的众数可能不止一个，也可能-104-条形统计图折线统计图扇形统计图单式条形统计图复试条形统计图单式折线统计图复试折线统计图有。
用众数作为一组数据的代表，可靠性比较差，但它不受极端数据的影响，并且求法简便。
当一组数据中个别数据变动较大时，适宜选择众数为表示这组数据的“集中趋势”。
新题型例析这组数据的中位数是（），众数是（），平均数是（），用（）表示这个小组同学这次测试成绩的一般水平较合适。
剖析：本题从学生的学习情况入手，主要考查他们对中位数、众数、平均数这三个定义的掌握情况。
中位数就是这组数据按照从大到小（或从小到大）的顺序排列，处在中间的一个数。
如果这组数据的个数是奇数，那么最中间的那个数就是中位数；如果这组数据的个数是偶数，那么中间的两个数的平均数就是中位数。
由于共30人，所以中位数排列后第15个和第16个同学的成绩平均数，观察表可知，中位数是（80+80）÷2=80。
众位即是这组出现次数最多的一个数，即是80.平均数使用30人的总成绩除以总人数30，即是+⨯⨯+95≈+（。
同时，由上面分析可知，用中⨯）2+⨯+⨯÷305578.175708058510757位数或众数表示这个小组同学测试成绩的一般水平都可以。
解：80,80,78.17，中位数（或众数）例2：青少年宫活动中心小组人数情况如下：奥数小组：男生60人，女生40人；口才小组：男生100人，女生90人；英语小组：男生80人，女生80人；美术小组：男生80人，女生50人；作文小组：男生90人，女生120人。
请根据上述信息支撑统计表，再回答问题。
（1）那个小组人数最多？那个小组人数最少？各是多少人？（2）男生人数最多的是哪个小组？女生人数最少的是哪个小组？各是多少人？剖析：这是考查学生根据给定的数据如何制作统计表的问题。
解：青少年宫活动中心小组人数统计表如下：（1）作文小组人数最多，是210人；奥数小组人数最少，是100人。
（2）男生人数最多的口才小组，是100人；女生人数最少的是奥数小组，是40人。
-105-例3：下面是某地2007-2010年小麦产量情况统计表，请你先完成统计表制成条形统计（1）2007-2010年实际平均年产小麦多少万吨？（2）历年来实际产量最高的年份比最低的年份增产几成？剖析：此题主要考查学生能否根据比较量、单位“1”和比较量所占的分率这三个量中的两个求出另一个，以及根据统计表中的数据绘制条形统计图的能力。
（1）实际平均产量用实际总产量除以4.（2）求增产几成，可先求出增产的数量占最低产量的百分之几、然后把百分数化成成数。
解：表中数据：（万吨）（万吨），，90%130117102%12085%12580100=÷=⨯=÷ （1）（万吨））（1184153117102100=÷+++ （2）五成三）（==÷-%53100100153 制图如下：例4：下面是一位病人的体温记录折线统计图，你从张可以看出什么？请你谈谈自己看法。
（至少要说出三点看法）-106 4月7日 4月8日 4月9日剖析：此题主要考查学生对折线统计图涂点的理解能力和挖掘讯息的能力，并通过对折线同居土的观察、分析，从而领悟到折线统计图所表示的意义和作用。
通过对改图的观察分析，我们可以得到以下信息： （1）护士每隔6小时给病人量一次提问。
（2）这位病人的 体温最高是C5.39,最低是C8.36。
（3）这位病人的他iwen 在4月7日6点到12点下降最快，在4月8日18点到4月9日18点比较稳定。
（4）从体温看，这位病人的病情是在好转。
例5：下图是2009年8月8日全国部分城市空气质量预报统计图，通过看图你能提出什么问题？（写两条）得出哪些结论？有何建议？（写两条）剖析：此题主要考查学生能否根据条形统计图所获得的信息，解决一些有价值的实际问题培养学生的认图能力、处理统计信息的能力和综合运用数学知识的能力，教育学生增强环保意识。
从这幅条形统计图中，很容易看出各城市的污染指数。
因为，我们可以提问：（1）哪个城市的污染指数高？（2）哪个城市的污染指数低？说明了什么？我们可以得出结论：沿海城市空气质量较好，内陆城市较差。
可以从环保措施上对污染指数较高的太原提出建议：加强环保工作，多植树，净化空气。
例6：右面是六（1）班最近一次测试情况统计图。
（1）全班得优的15人，全班有（ ）人，得良的有（ ）人。
（2）全班得差的占（ ）%，有（ ）人。
（3）全班得中的占总数的（ ）%，有（ )人。
（4）如果把中及其以上成绩记为合格，合格人数占全班人数的（ ）%，合格的一共有（ ）人。
剖析：这是一个扇形统计图。
把六（1）班学生看做一个整体，得优的占其中的25%，是15人，从而可以求出六（1）班的学生有1560%25=÷（人），得良的就是60（人）。
24%40=⨯全班得差的占1-40%-25%-25%=10%，有606%10=⨯（人）；得良的占全班人数的25%，有6015%25=⨯（人）。
如果把中及其以上成绩记为合格，那么合格人数占全班人数的40%+25%+40%=90%,合格的有6054%90=⨯（人）。
解：（1）60,24； （2）10,6； （3）25,15； （4）90,54。
例7：某种子培育基地用A,B,C,D 四种型号的小麦种子共4000粒进行发芽实验，从-107-中选出发芽率高的种子进行推广，通过实验得知，C 型号种子的发芽率为92.5%，并且培育基地的张叔叔根据实验数据绘制了下面两幅尚不完整的统计图。
各型号种子数的百分比统计图1600 1200A.35% D 800B.20%C.20% 4000 （1）求D 型号种子的粒数；（2）请你将条形统计图补充完整；（3）通过计算，请你替培育基地的张叔叔选一种型号的种子进行推广。
剖析：此题主要考查学生能否根据已知的数据和统计图中的数据获得信息，并将两幅统计图综合起来考虑，从而解决一些实际问题的能力，重在培养学生的认图能力，综合考查解决问题的能力。
（1）从扇形统计图中可看出四中型号的种子，只有D 型号种子数的百分比不知道，可从总数“1”中减去其他三种型号种子数的百分比，再乘实数的种子总数，就可求出D 型号种子的粒数，即（1-35%-20%-20%）⨯4000=1000（粒）（2）用扇形统计图中C 型号种子数的百分比乘实验的种子总数，就可求出实验的C 型号种子粒数，再乘C 型号种子的发芽率，就可求出C 型号种子的发芽率粒数，即4000740%5.92%20=⨯⨯（粒）。
条形统计图补充完整如下： 各型号种子发芽数统计图1600 12008004000 （3）用扇形统计图中各种型号种子数的百分比乘实验的种子总数，求出各种型号的种子数，再除条形统计图中相应型号的发芽数，就可得各种型号种子的发芽率，然后选出发芽率最高的一种即可。
%1004000%351400:=⨯A %904000%20720:=⨯B %5.92:C %941000940:=A-108-新题型精选一、填空1.（1）用统计图表示数量之间的关系比较形象。
常用的统计图有三种，分别是（）、（）和（）。
（2）（）统计图可以很清楚地表示出各种部分同总数之间的关系；（）统计图不但可以表示出各种数量的多少，而且可以清楚地表示出数量增减变化的情况。
（3）要清楚地表示出小明每次考试的成绩，应该绘制（）统计图。
若是表示出他成绩的变化趋势，绘制（）统计图较好。
2. （1）有三位好朋友都参加了绘画比赛，第一位与第二位的平均成绩是17分，第二位与第三位的平均成绩是20分，第三位与第一位的成绩相差（）分。
（2）在一次英语口语比赛中，小明、小伟和小亮三个人的平均分时90分，小明和小伟的平均成绩比小亮的成绩多3分，而小明的成绩又比小伟的成绩多2分。
从以上条件中可知小伟、小明和小亮这次比赛的成绩各式（）分、（）分、（）分。
3.某公司销售部有15人，销售部为了制定某种商品的月销售额，统计了这15人某月的销售量，如下表：（1）这组数据的众数是（），中位数是（）。
（2）这组数据的平局数是（）。
（3）用（）表示该公司销售部人员月销售额的一般水平较合适。
5.下面是李阿姨上周统计的电器的销售情况表，她不小心将两个数字弄污了，看不清。
你能6.80-109-（1）在图上，填出每季度生产电脑的台数。
（2）从图上可以看出从第（ ）季度到第（ ）季度的产量增长最快，增长了（ ）%。
（3）这个电脑公司2010年全年生产电脑（ ）万台。
7.根据下面统计图填写统计表。
某电视机厂2006-2010年产量情况统计图（1）甲车时速是（ ）千米。
（2）甲、乙两车时速只差是（ ）千米。
（3）行半小时两车相距（ )千米。
9.-110- 0 4 5 10 13 19时间. （1）A 站与B 站相距（ ）千米，B 站与C 站相距（ ）千米。
（2）返回时的车速是每小时（ ）千米。
（3）电车往返的平均速度是每小时（ ）千米。
10.下图表示甲、乙、丙三个工人单独完成一项工程各自所需的天数。