概率论与数理统计补充2讲

合集下载

概率论与数理统计第二章补充题与答案

《概率论与数理统计》第二单元补充题一、填空题：1、函数()f x 为连续型随机变量X 的概率密度函数的充要条件是12），）2、随机变量X 的分布律为5110321210PX ，则2X 的分布律为__________,2X +1的分布律为__________3、设离散型随机变量X 的分布律为 ,2,1,21}{===k k X P k，则随机变量XY 2sin π=的分布律为4、设离散型随机变量X 的分布律为 k =1, 2, 3,…，则c= .5、设随机变量X 的概率密度函数为，则P (0<X <3π/4)= .6、随机变量)31,10(~b X ，则{}0P X ==，{}1P X ≥=7、随机变量X 的分布律为{}1,2,3,4,5)5a P X k k ===，（，则a =，(2.5)F =8、随机变量X 服从(0,)b 上的均匀分布，且{}1133P X <<=，则b =9、已知随机变量X 服从参数为2的泊松分布，则{}1P X ==，{}1P X ≤=二、选择题：1、下列命题正确的是。

（ A ）连续型随机变量的密度函数是连续函数（ B ）连续型随机变量的密度函数()0()1f x f x ≤≤满足（ C ）连续型随机变量的分布函数是连续函数（ D ）两个概率密度函数的乘积仍是密度函数2、设)(1x F 与)(2x F 分别为随机变量1X 与2X 的分布函数，则为使12()()()F x aF x bF x =-是某随机变量的分布函数，下列结果正确的是________（ A ） 32,55a b ==- （ B ） 22,33a b ==- ( C ） 13,22a b =-= （ D ） 13,22a b =-=-三、计算题1、已知随机变量ξ只能取-1,0,1,2四个值, 相应概率依次为cc c c 167,85,43,21, 确定常数c 并计算P{ξ<1|ξ≠0}.2、已知ξ~⎩⎨⎧<<=其它0102)(x x x ϕ, 求P{ξ≤0.5}; P(ξ=0.5);F(x).3、设连续型随机变量ξ的分布函数为:⎪⎩⎪⎨⎧≥<≤<=111000)(2x x Axx x F 求：（1）、系数A; （2）、P (0.3<ξ<0.7); （3）、概率密度φ(x ).4、设随机变量X 的密度函数⎩⎨⎧<<=其他0102)(x x x f 用Y 表示对X 的三次独立重复观察中事件}21{≥X 出现的次数，求（1）P {Y =2}；（2）P {Y ≥1}.5、已知离散型随机变量X 的概率分布为 ,2,1,32}{===n n X P n，求随机变量X Y )1(1-+=的分布律和分布函数.6、（1）、已知随机变量X 的概率密度函数为1(),2xX f x e x -=-∞<<+∞，求X 的分布函数。

《概率论与数理统计》补充习题参考解题过程

《概率论与数理统计》补充习题参考解题过程第一章1、 10个考签中有4个难签，3个人参加抽签考试，不重复地抽取，每人一次，甲先，乙次，丙最后。

证明3人抽到难签的概率相同。

证明：令A ，B ，C 分别表示甲，乙，丙抽到了难签。

则4()0.410P A ==， 344636()()()()()0.491091090P B P B A P A P B A P A =+=+== ()()()()()()()()()P C P C AB P AB P C AB P AB P C AB P AB P C AB P AB =+++234346364456360.4891089108910891090=+++== ＃2、 12个乒乓球中有9个新，3个旧，第一次比赛取出了3个，用完了放回去，第二次比赛又取出3个，求第二次取出的3个球中有2个新球的概率。

（0.455）解：因为第二次取出的3个球中有两个是新的概率跟第一次取出的球的新旧有关，故令 A ，B ，C ，D 分别表示第一次取出的三个球有3个旧的，2旧1新，1新2旧和全都新的；令E 表示第二次取出的3个球中有2个新球。

则()()()()()()()()()P E P E A P A P E B P B P E C P C P E D P D=+++ 21212121122103938439753966393333333312121212121212121C C C C C C C C C C C C C C C C C C C C C C =+++ 271282721*53*915*62127*67115*3210.4551101101101101101101101101105555110=+++=+≈3、一个机床有1/3的时间加工零件A ，其余时间加工零件B 。

加工零件A 时，停机的概率是0.3，加工零件B 时，停机的概率时0.4，求这个机床停机的概率。

第二章2《概率论与数理统计教程》PPT课件

4 -5
联合概率函数的性质
1) p(xi , yj ) 0,
2) p(xi , yj )1;
ij
3) P(X,Y)D p(xi , yj ); (xi ,yj )D
若二维随机r.v.的联合概率函数 p(xi , yj )知道，则联合概率分布函数为
F(xy, )p(i,xyj) xix yjy
4 -6
y
注：若将二维随机变量（X，Y）看作是平面上的随机点的坐标，
（x，y）
则分布函数在点（x，y）处的函数值，就是随机点（X，Y）落在如图所示的以点（x，y）为顶点而位于该点左下方的无穷矩形区域4内- 3的概率
O
x
联合分布函数的性质
1) 0F(x,y)1
2）F（x，y）分别是变量x，y的单调不减函数； 3）对任意x，y，有
例1. 将一枚均匀的硬币抛掷4次, X表示正面向上的次数, Y表示反面朝上次数, 求(X,Y)的联合概率分布.
例2. 设随机变量Y~U（0，1），令
0, |Y|1 0, |Y|2 X1 1, |Y|1,X2 1, |Y|2
求（X1，X2）的联合概率分布。例3. 二维随机向量(X,Y)的联合概率分布为:
XY 0 1
-1 0.05 0.1
0
0.1 0.2
4-7 1
a 0.2
2
求:(1)常数a的取值;
0.1
(2)P(X≥0,Y≤1);
0.1
0.05 (3) P(X≤1,Y≤1)
二维连续随机变量的联合概率密度

定义:
P (xX x x ,y Y y y)
f(x ,y)lim
y x 0 0
x y
若此极限存在，则称此极限为二维连续随机变量（X，Y）的联合概率密度。

概率论与数理统计（茆诗松）第二章讲义（PDF）

第二章随机变量及其分布上一章研究内容：事件（集合A ）→ 概率（数）．本章将用函数研究概率，函数是数与数的关系，即需要用数反映事件——随机变量．事件（数）→ 概率（数）．§2.1 随机变量及其分布2.1.1.随机变量的概念随机试验的样本点有些是定量的：如掷骰子掷出的点数，电子元件使用寿命的小时数．有些是定性的：如掷硬币正面或反面，检查产品合格或不合格．对于定性的结果也可以规定其数量性质：如掷硬币，正面记为1，反面记为0；检查产品，合格记为1，不合格记为0．随机试验中，可将每一个样本点ω 都对应于一个实数X (ω)，称为随机变量（Random Variable ），常用大写英文字母X , Y , Z 等表示随机变量，而随机变量的具体取值通常记为小写英文字母x , y , z ．对于随机变量首先应掌握它的全部可能取值：如掷硬币，⎩⎨⎧=反面正面,0,1X ，X 的全部可能取值为0, 1；掷两枚骰子，X 表示掷出的点数之和，X 的全部可能取值为2, 3, 4, … , 12 ；观察某商店一小时内的进店人数X ，X 的全部可能取值为0, 1, 2, … ；电子元件使用寿命，用X 表示使用的小时数，X 的全部可能取值为 ),0[∞+；一场足球比赛（90分钟），用X 表示首次进球时间（分钟），若为0:0，记X = 100，X 的全部可能取值为 (0, 90 )∪{100}；注意：1. 每个样本点都必须对应于一个实数，2．不同样本点可以对应于同一个实数，3．随机变量的每一取值或取值范围都表示一个事件．应掌握将随机变量的取值或取值范围描述为事件，又能将事件用随机变量表达的方法．例掷一枚骰子，用X 表示出现的点数，则 X = 1表示出现1点；X > 4表示点数大于4，即出现5点或6点；X ≤ 0为不可能事件．又出现奇数点，即X = 1, 3, 5；点数不超过3，即X ≤ 3．例 X 表示商店一天中某商品的销售件数（顾客的需求件数），则 X = 0表示没有销售；X ≤ 10表示销售不超过10件．又销售5件以上（不含5件）即X > 5；若该商店准备了a 件该商品，事件“能满足顾客需要”，即X ≤ a ．例 X 表示一只电子元件的使用寿命（小时），则 X = 1000表示该元件恰好使用了1000小时，X ≥ 800表示该元件使用寿命在800小时以上．例 90分钟足球比赛，X 表示首次进球时间（分钟），且0:0时，记X = 100，则 X = 10表示上半场第10分钟首次进球．又上半场不进球即X > 45；开场1分钟内进球即X ≤ 1．如果随机变量X 的全部可能取值是有限个或可列个，则称为离散型随机变量．（注：可列个即可以排成一列，一个一个往下数，如非负整数0, 1, 2, 3, … ）离散型随机变量的全部可能取值是实数轴上一些离散的点，而连续型随机变量的全部可能取值是实数轴上一个区间或多个区间的并，如电子元件使用寿命X （小时），全部可能取值是),0[∞+．下面按离散型和连续型分别进行讨论．2.1.2. 离散随机变量的概率分布列对于随机变量还应该掌握它的每一取值或取值范围表示事件的概率．定义如果随机变量X 的全部可能取值是有限个或可列个，则称为离散型随机变量．设离散型随机变量X 的全部可能取值为x 1, x 2, …, x k , …，则X 取值x k 的概率p k = p (x k ) = P {X = x k }, k = 1, 2, …… 称为离散型随机变量的概率分布函数（Probability Distribution Function ，PDF ），简称概率分布或概率函数．直观上，又写为L LLL)()()(2121k kx p x p x p Px x x X 或 ⎟⎟⎠⎞⎜⎜⎝⎛L L L L)()()(~2121k k x p x p x p x x x X ，称为X 的概率分布列．如掷一枚骰子，X 表示出现的点数，X 的分布列为616161616161654321PX ．概率函数基本性质：（1）非负性 p (x k ) ≥ 0 , k = 1, 2, ……；（2）正则性1)(1=∑∞=k kxp ．这是因为事件X = x 1 , X = x 2 , … , X = x k , … 是一个完备事件组，故P {X = x 1} + P {X = x 2} + … + P {X = x k } + … = P (Ω) = 1，即p (x 1) + p (x 2) + … + p (x k ) + … = 1．例设盒中有2个红球3个白球，从中任取3球，以X 表示取得的红球数．求X 的分布列．解：X 的全部可能取值0, 1, 2 ，样本点总数为1035=⎟⎟⎠⎞⎜⎜⎝⎛=n ，X = 0表示“取到3个白球”，所含样本点个数为1330=⎟⎟⎠⎞⎜⎜⎝⎛=k ，有1.0101)0(==p ， X = 1表示“取到1个红球2个白球”，所含样本点个数为612231=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛=k ，有6.0106)1(==p ， X = 2表示“取到2个红球1个白球”，所含样本点个数为322132=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛=k ，有3.0103)2(==p ．故X 的分布列为3.06.01.0210P X．求离散型随机变量X 的概率分布步骤：（1）找出X 的全部可能取值，（2）将X 的每一取值表示为事件，（3）求出X 的每一取值的概率．例现有10件产品，其中有3件不合格．若不放回抽取，每次取一件，直到取得合格品为止．用X 表示抽取次数，求X 的概率分布．解：X 的全部可能取值1, 2, 3, 4 ，X = 1表示“第1次就取得合格品”，有107)1(=p ， X = 2表示“第2次取得合格品且第1次是不合格品”，有30797103)2(=⋅=p ， X = 3表示“第3次取得合格品且前两次是不合格品”，有12078792103)3(=⋅⋅=p ， X = 4表示“第4次取得合格品且前三次是不合格品”，有1201778192103)4(=⋅⋅⋅=p ，故X 的分布列为120112073071074321PX ．例上例若改为有放回地抽取，又如何？解：X 的全部可能取值1 , 2 , … , n , … ，7.0107)1(==p ，21.0107103)2(=⋅=p ，7.03.0)3(2×=p ，…，7.03.0)(1×=−k k p ，…，故X 的概率函数为L ,2,1,7.03.0)(1=×=−k k p k ；X 的分布列为LL L L 7.03.07.03.021.07.032112××−k PkX ．例若离散型随机变量的概率函数为kCk p =)(，k = 1, 2, 3, 4，且C 为常数．求：（1）C 的值，（2）P {X = 3}，（3）P {X < 3}．解：（1）由正则性知：1432)4()3()2()1(=+++=+++CC C C p p p p ，即11225=C ，故2512=C ．（2）254)3(}3{===p X P ，（3）25182562512)2()1(}3{=+=+=<p p X P ． 2.1.3.随机变量的分布函数连续型随机变量在单个点取值概率为零，如电子元件使用寿命恰好为1000小时这个事件的概率就等于零，因此连续型随机变量不能考虑概率函数．为了用单独一个变量表示一个区间，特别地取区间 (−∞, x ]．定义随机变量X 与任意实数x ，称F (x ) = P {X ≤ x }，−∞ < x < +∞为X 的累积分布函数（Cumulative Distribution Function ，CDF ），简称分布函数．P {a < X ≤ b } = P {X ≤ b } − P {X ≤ a } = F (b ) − F (a )，P {X > a } = 1 − P {X ≤ a } = 1 − F (a )，由概率的连续性知)0()(lim }{lim }{−==≤=<−−→→a F x F x X P a X P ax ax ，且P {X = a } = P {X ≤ a } − P {X < a } = F (a ) − F (a – 0)，可见X 在任一区间上或任一点取值的概率都可用分布函数表示．例已知随机变量X 的分布列为3.05.02.0210PX ，求X 的分布函数．解：X 的全部可能取值为0, 1, 2，当x < 0时，F (x ) = P {X ≤ x } = P (∅) = 0，当0 ≤ x < 1时，F (x ) = P {X ≤ x } = p (0) = 0.2，当1 ≤ x < 2时，F (x ) = P {X ≤ x } = p (0) + p (1) = 0.7，当x ≥ 2时，F (x ) = P {X ≤ x } = P (Ω ) = 1，故⎪⎪⎩⎪⎪⎨⎧≥<≤<≤<=.2,1,21,7.0,10,2.0,0,0)(x x x x x F若离散型随机变量的全部可能取值为x 1, x 2, ……，概率函数p (x k ) = p k ，k = 1, 2, ……，则分布函数∑≤=≤=xx kk xp x X P x F )(}{)(．且离散型随机变量的分布函数F (x )是单调不减的阶梯形函数，X 的每一可能取值x k 是F (x )的跳跃点，跳跃高度是相应概率p (x k )．例已知某离散型随机变量X 的分布函数为⎪⎪⎪⎩⎪⎪⎪⎨⎧≥<≤<≤<≤−−<=,5,1,52,6.0,20,4.0,01,3.01,0)(x x x x x x F 求X 的分布列．解：X 的全部可能取值是F (x )的跳跃点，即 −1, 0, 2, 5，跳跃高度依次为：p (−1) = 0.3 − 0 = 0.3； p (0) = 0.4 − 0.3 = 0.1； p (2) = 0.6 − 0.4 = 0.2； p (5) = 1 − 0.6 = 0.4．故X 的分布列为4.02.01.03.05201PX −．分布函数的基本性质：（1）单调性，F (x ) 单调不减，即x 1 < x 2时，F (x 1) ≤ F (x 2)；（2）正则性，F (−∞) = 0，F (+∞) = 1；（3）连续性，F (x ) 右连续，即)()(lim 00x F x F x x =+→．证：（1）当x 1 < x 2时，{X ≤ x 1} ⊂ {X ≤ x 2}，有F (x 1) ≤ F (x 2)；（2）F (−∞) = P {X < −∞} = P (∅) = 0，F (+∞) = P {X < +∞} = P (Ω ) = 1；（3）任取单调下降且趋于x 0的数列{x n }，有}{}{}{lim 01x X x X x X n n n n ≤=≤=≤∞=∞→I ，根据概率的连续性知}{}{}{lim 01x X P x X P x X P n n n n ≤=⎟⎟⎠⎞⎜⎜⎝⎛≤=≤∞=∞→I ，即)()(lim 00x F x F x x =+→．但F (x )不一定左连续，任取单调增加且趋于x 0的数列{x n }，有}{}{}{lim 01x X x X x X n n n n <=≤=≤∞=∞→U ，得}{}{}{lim 01x X P x X P x X P n n n n <=⎟⎟⎠⎞⎜⎜⎝⎛≤=≤∞=∞→U ，故}{)(}{)(lim 0000x X P x F x X P x F x x =−=<=−→．2.1.4. 连续随机变量的概率密度函数离散型随机变量的全部可能取值是有限或可列个点，连续型随机变量的全部可能取值是实数区间．但连续型随机变量在单独一个点取值的概率为0，其概率函数无实际意义，对于连续随机变量通常考虑其在某个区间上取值的概率，这就需要讨论分布函数．连续型随机变量的分布函数是连续函数．注意：概率为0的事件不一定是不可能事件．定义随机变量X 的分布函数F (x )，若存在函数p (x )，使 ∫∞−=xdu u p x F )()(，则称X 为连续型随机变量，p(x )为X 的概率密度函数（可以理解为：p (u )为概率密度，p (u )du 为X 在该小区间内取值的概率，∫∞−x 为从−∞ 到x 无限求和．几何意义：在平面上作出密度函数p (x )的图形，则阴影部分的面积即为F (x )的值．密度函数基本性质：（1）非负性 p (x ) ≥ 0；（2）正则性 1)(=∫∞+∞−dx x p ．因)()(x F du u p x =∫∞−，有1)()(=+∞=∫∞+∞−F dx x p ．连续型随机变量的性质：设连续型随机变量X 的概率密度函数为p (x )，分布函数为F (x )，则有（1）∫=−=≤<21)()()(}{1221x x dx x p x F x F x X x P ；（2）当p (x ) 连续时，p (x ) = F ′(x )；因∫∞−=x du u p x F )()(，当p (x ) 连续时，有)(])([)(x p du u p x F x=′=′∫∞−（3）X 在单独一个点取值的概率为0，其分布函数为连续函数；（4）P {x 1 < X ≤ x 2} = P {x 1 ≤ X ≤ x 2} = P {x 1 < X < x 2} = P {x 1 ≤ X < x 2}，即连续型．．．随机变量在某区间内的概率与区间开闭无关，离散型则不成立；（5）只在有限个点上取值不相同的密度函数对应于同一个分布函数，一般，只在概率为0的数集上取值不相同的密度函数都对应于同一个分布函数．例设F (x ) = A + B arctan x 为某连续型随机变量X 的分布函数．求：（1）A , B ；（2）}31{≤≤−X P ；（3）密度函数p (x )．解：（1）由正则性 F (−∞) = 0，F (+∞) = 1，得：02π)arctan (lim =−=+−∞→B A x B A x ，12π)arctan (lim =+=++∞→B A x B A x ，故21=A ，π1=B ；（2）x x F arctan π121)(+=，得1274ππ1213ππ121)1()3(}31{=⎥⎦⎤⎢⎣⎡⎟⎠⎞⎜⎝⎛−⋅+−⎟⎠⎞⎜⎝⎛⋅+=−−=≤≤−F F X P ．（3）密度函数)1π(1)()(2x x F x p +=′=．例已知⎩⎨⎧<<−=,,0,10),()(32其它x x x C x p是某连续型随机变量X 的密度函数，求：（1）C ，（2）}211{<<−X P ，（3）分布函数F (x )．解：（1）由正则性：1)(=∫∞+∞−dx x p ，得1120)4131()43()(10431032==−−=−=−∫C C x x C dx x x C ，故C = 12；（2）165)641241(12)43(12)(12)(}211{2104321032211=−=−=−==<<−∫∫−x x dx x x dx x p X P ；（3）X 的全部可能取值为 [0, 1]，分段点0, 1，当x < 0时，0)()(==∫∞−xdu u p x F ，当0 ≤ x < 1时，4304303234)43(12)(12)()(x x u u du u u du u p x F xxx−=−=−==∫∫∞−，当x ≥ 1时， 1)(12)()(132=−==∫∫∞−du u u du u p x F x，故⎪⎩⎪⎨⎧≥<≤−<=.1,1,10,34,0,0)(43x x x x x x F例已知⎩⎨⎧<<−=,,0,11|,|)(其它x x x p是某连续型随机变量X 的密度函数，求分布函数F (x )．解：分段点−1, 0, 1，当x < −1时，0)()(==∫∞−xdu u p x F ；当−1 ≤ x < 0时， 212122)()()(22121x x u du u du u p x F xxx−=+−=−=−==−−∞−∫∫；当0 ≤ x < 1时，21221022)()()(220212001x x u u udu du u du u p x F xxx+=++=+−=+−==−−∞−∫∫∫；当x ≥ 1时， 1)()()(101=+−==∫∫∫−∞−udu du u du u p x F x．故⎪⎪⎪⎩⎪⎪⎪⎨⎧≥<≤+<≤−−<=.1,1,10,21,01,21,0,0)(22x x x x xx x F§2.2 随机变量的数学期望对于随机变量，还应当掌握反映其平均值、分散程度等的指标，这就需要引入数学期望和方差等概念． 2.2.1.数学期望的概念例甲、乙两个射击选手，在射击训练中甲射了10次，其中3次10环，1次9环，4次8环，2次7环；乙射了15次，其中2次10环，9次9环，2次8环，2次7环．问谁的表现更好？分析：比较他们射中的平均环数甲共射中3 × 10 + 1 × 9 + 4 × 8 + 2 × 7 = 85环，平均每次射中5.81085=环；乙共射中2 × 10 + 9 × 9 + 2 × 8 + 2 × 7 = 131环，平均每次射中73.815131=&环．故乙的表现更好．一般地，若在n 次试验中，出现了m 1次x 1，m 2次x 2，…，m k 次x k ，（其中m 1 + m 2 + … + m k = n ），则平均值为∑==+++ki i i k k n mx n x m x m x m 12211L ，即平均值等于取值与频率乘积之和．因n 很大时，频率稳定在概率附近，即平均值将稳定在取值与概率乘积之和附近． 2.2.2.数学期望的定义定义设离散型随机变量X 的分布列是⎟⎟⎠⎞⎜⎜⎝⎛L L L L )()()(~2121k kx p x p x p x x x X ，如果级数∑∞=1)(k k k x p x 绝对收敛，则称之为X 的数学期望（Expectation ），记为E (X )．数学期望的实际意义是反映随机变量的平均取值，是其全部可能取值以相应概率为权数的加权平均．如X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛−2.04.01.03.04102，则E (X) = (−2) × 0.3 + 0 × 0.1 + 1 × 0.4 + 4 × 0.2 = 0.6．例某人有4发子弹，现在他向某一目标射击，若命中目标就停止射击，否则直到子弹用完为止．设每发子弹命中率为0.4，以X 表示射击次数，求E (X )．解：先求X 的分布列，X 的全部可能取值为1, 2, 3, 4，X = 1，第一枪就命中， p (1) = 0.4；X = 2，第一枪没有命中，第二枪命中，p (2) = 0.6 × 0.4 = 0.24； X = 3，前两枪没有命中，第三枪命中，p (3) = 0.6 2 × 0.4 = 0.144； X = 4，前三枪没有命中， p (4) = 0.6 3 = 0.216．则X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛216.0144.024.04.04321，故E (X ) = 1 × 0.4 + 2 × 0.24 + 3 × 0.144 + 4 × 0.216 = 2.176．例若X 的概率函数为L ,2,1,21)2(==⎟⎟⎠⎞⎜⎜⎝⎛−k kp k k，求E (X )．解：因∑∑∞=∞=−=⋅−11)1(21)2(k kk k k k k 收敛但不是绝对收敛，故E (X ) 不存在．离散型随机变量的数学期望是取值乘概率求和：∑∞=1)(k k k x p x ，类似可定义连续型随机变量的数学期望是取值乘密度积分：∫+∞∞−dx x xp )(．定义设连续型随机变量X 的密度函数为p (x )．如果广义积分∫+∞∞−dx x xp )(绝对收敛，则称之为X 的数学期望，记为E (X )．例已知连续型随机变量X 的密度函数为⎩⎨⎧<<=.,0,10,2)(其它x x x p 求E (X )．解：32322)()(1310=⋅=⋅==∫∫∞+∞−x xdx x dx x xp X E ．例已知X 的密度函数为⎩⎨⎧<<+=.,0,20,)(其它x bx a x p 且32)(=X E ，求a , b ．解：由正则性得122)2()()(2220=+=⋅+=+=∫∫∞+∞−b a x b ax dx bx a dx x p ，又32382)32()()()(20322=+=⋅+⋅=+==∫∫∞+∞−b a x b x a dx bx a x dx x xp X E ，故21,1−==b a ．例已知X 的密度函数为+∞<<∞−+=x x x p ,)1π(1)(2，求E (X )．解：因+∞∞−+∞∞−+∞∞−+∞∞−+=⋅+=+=∫∫∫)1ln(π21)(21)1π(1)1π()(2222x x d x dx x x dx x xp 发散，故E (X )不存在． 2.2.3.数学期望的性质设X 为随机变量，g (x ) 为函数，则称Y = g (X ) 为随机变量函数，Y 也是一个随机变量．下面不加证明地给出随机变量函数的数学期望计算公式．定理设X 为随机变量，Y = g (X ) 为随机变量函数，则（1）若X 为离散型随机变量，概率函数为p(x k ), k = 1, 2, …，则∑∞===1)()()]([)(k k k x p x g X g E Y E ；（2）若X 为连续型随机变量，密度函数为p (x )，则∫+∞∞−==dx x p x g X g E Y E )()()]([)(．数学期望具有以下性质：（1）常数的期望等于其自身，即E (c ) = c ；（2）常数因子可移到期望符号外，即E (aX ) = a E (X )；（3）随机变量和的期望等于期望的和，即E [g 1 (X ) + g 2 (X )] = E [g 1 (X )] + E [g 2 (X )]．证明：（1）将常数c 看作是单点分布p (c ) = 1，故E (c ) = c p (c ) = c ；（2）以连续型为例加以证明，)()()()(X aE dx x xp a dx x axp aX E ===∫∫+∞∞−+∞∞−；（3）以连续型为例加以证明，∫∫∫+∞∞−+∞∞−+∞∞−+=+=+dx x p x g dx x p x g dx x p x g x g X g X g E )()()()()()]()([)]()([212121= E [g 1 (X )] + E [g 2 (X )]．由性质（2）、（3）知随机变量线性组合的期望等于期望的线性组合，可见数学期望具有线性性质．例设X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛−3.04.01.02.02101，求E (2X +1)，E (X 2)．解：E (2X +1) = −1 × 0.2 + 1 × 0.1 + 3 × 0.4 + 5 × 0.3 = 2.6；E (X 2) = 1 × 0.2 + 0 × 0.1 + 1 × 0.4 + 4 × 0.3 = 1.8．例已知圆的半径X 是一个随机变量，密度函数为⎪⎩⎪⎨⎧<<=.,0,31,21)(其他x x p 求圆面积Y 的数学期望．解：圆面积Y = π X 2，故3π1332π21π)(π)(3133122=⋅=⋅==∫∫∞+∞−xdx x dx x p x Y E ．例设国际市场对我国某种出口商品的需求量X （吨）的密度函数为⎪⎩⎪⎨⎧<<=.,0,40002000,20001)(其他x x p 设每售出一吨，可获利3万美元，但若销售不出，每积压一吨将亏损1万美元，问如何计划年出口量，能使国家获利的期望最大．解：设计划年出口量为a 吨，每年获利Y 万美元．当X ≥ a 时，销售a 吨，获利3a 万美元；当X < a 时，销售X 吨，积压a − X 吨，获利3X − (a − X ) = 4X − a 万美元；即⎩⎨⎧<≤−≤≤==.2000,4,4000,3)(a X a X X a a X g Y则4000200024000200020003)2(2000120001320001)4()()()(aa a a x a ax x dx a dx a x dx x p x g Y E +−=⋅+⋅−==∫∫∫+∞∞− 8250)3500(10001400071000122+−−=−+−=a a a ，故计划年出口量为3500吨时，使国家获利的期望最大．§2.3 随机变量的方差与标准差数学期望反映平均值，方差反映波动程度．如甲、乙两台包装机，要求包装重量为每袋500克，现各取5袋，重量为甲：498，499，500，501，502；乙：490，495，500，505，510．二者平均值相同都是500克，但显然甲比乙好．此时比较的是它们的偏差（即取值与平均值之差）．偏差：甲：−2，−1，0，1，2；乙：−10，−5，0，5，10． 2.3.1.方差的定义定义随机变量X 与其数学期望E (X ) 之差X − E (X ) 称为偏差．偏差有大有小，可正可负，比较时需要去掉符号，但绝对值函数进行微积分处理不方便，因此考虑偏差平方的数学期望．定义随机变量X ，若E [X − E (X )]2存在，则称之为X 的方差（Variance ），记为Var (X ) 或D (X )．即Var (X ) = E [X − E (X )]2．显然方差Var (X ) ≥ 0，称)Var(X 为X 的标准差（Standard Deviation ）．在实际问题中，标准差与随机变量有相同的量纲．方差与标准差反映波动程度．方差越大，取值越分散；方差越小，取值越集中．例设X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛4.04.02.0321，求E (X ), Var (X )．解：E (X ) = 1 × 0.2 + 2 × 0.4 + 3 × 0.4 = 2.2；Var (X ) = (−1.2)2 × 0.2 + (−0.2)2 × 0.4 + 0.82 × 0.4 = 0.56．例已知X 的密度函数为⎩⎨⎧<<=.,0,10,2)(其他x x x p求E (X ), Var (X )．解：32322)()(1310=⋅=⋅==∫∫∞+∞−x xdx x dx x xf X E ； 181949821949842)98382()()32()Var(1023410232=+−=⎟⎠⎞⎜⎝⎛+−=+−=−=∫∫∞+∞−x x x dx x x x dx x p x X ．例已知X 的全部可能取值为0, 1, 2，且E (X ) = 1.3，Var (X ) = 0.81．求X 的分布列．解：设X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛c b a 210，由正则性得：a + b + c = 1，且E (X ) = 0 × a + 1 × b + 2 × c = b + 2c = 1.3，Var (X ) = (−1.3)2 × a + (−0.3)2 × b + 0.72 × c = 1.69a + 0.09b + 0.49c = 0.81，解得a = 0.3，b = 0.1，c = 0.6，故X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛6.01.03.0210．2.3.2. 方差的性质方差具有以下性质：（1）方差计算公式：Var (X ) = E (X 2) − [E (X )]2；（2）常数的方差等于零，即Var (c ) = 0；（3）设a , b 为常数，则Var (a X + b ) = a 2 Var (X )．证：（1）Var (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；（2）Var (c ) = E [c − E (c )]2 = E (c − c )2 = E (0) = 0；（3）Var (a X + b ) = E [(a X + b ) − E (a X + b )]2 = E [a X + b − a E (X ) − b ]2 = a 2 E [X − E (X )]2 = a 2 Var (X )．由性质（1），显然有以下推论：推论对于随机变量X ，如果E (X 2) 存在，则E (X 2) ≥ [E (X )]2．以后常利用方差计算公式Var (X ) = E (X 2) − [E (X )]2计算随机变量的方差．通常用公式计算比直接用定义计算方差要方便．例设X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛4.04.02.0321，求Var (X )．解：前面已求得E (X ) = 2.2，因E (X 2) = 1 2 × 0.2 + 2 2 × 0.4 + 3 2 × 0.4 = 5.4，故Var (X ) = E (X 2) − [E (X )]2 = 5.4 − 2.22 = 0.56．例已知X 的密度函数为⎩⎨⎧<<=.,0,10,2)(其他x x x p 求Var (X )．解：前面已求得32)(=X E ，因21422)(141022=⋅=⋅=∫x xdx x X E ，故1813221)]([)()Var(222=⎟⎠⎞⎜⎝⎛−=−=X E X E X ．对于随机变量X ，若方差Var (X ) 存在，且Var (X ) > 0．令)Var()(*X X E X X −=，有0)]()([)Var(1)]([)Var(1)Var()(*)(=−=−=⎟⎟⎠⎞⎜⎜⎝⎛−=X E X E X X E X E X X X E X E X E ； 1)Var()Var(1)](Var[)Var(1)Var()(Var *)Var(==−=⎟⎟⎠⎞⎜⎜⎝⎛−=X X X E X X X X E X X ．称X *为X 的标准化随机变量．2.3.3. 切比雪夫不等式方差反映随机变量的分散程度，切比雪夫不等式给出其定量标准．切比雪夫不等式表明大偏差概率的上限与方差成正比．定理设X 为随机变量，且方差Var (X ) 存在，则对于任何正数ε ，都有2)Var(}|)({|εεX X E X P ≤≥−．证明：以连续型随机变量为例证明，设X 的密度函数为p (x )，有∫≥−=≥−εε|)(|)(}|)({|X E x dx x p X E X P ，且∫∞+∞−−=−=dx x p X E x X E X E X )()]([)]([1)Var(22222εεε，故222|)(|22)Var()()]([)()]([}|)({|εεεεεX dx x p X E x dx x p X E x X E X P X E x =−≤−≤≥−∫∫∞+∞−≥−，得证．注：切比雪夫不等式的等价形式2)Var(1}|)({|εεX X E X P −≥<−．如随机变量X 的数学期望为E (X ) = 10，方差Var (X ) = 1，则由切比雪夫不等式可得43211}2|10{|}128{2=−≥<−=<<X P X P ．例设随机变量X 的全部可能取值为),0[∞+，且数学期望E (X ) 存在，试证：对任何正数a ，都有)(1}{X E aa X P ≤≥．证明：以连续型随机变量为例证明，设X 的密度函数为p (x )，有∫+∞=≥a dx x p a X P )(}{，且∫∫+∞+∞∞−==0)()(1)(1dx x p a x dx x xp a X E a ，故)(1)()(}{0X E adx x p a x dx x p a x a X P a =≤≤≥∫∫+∞+∞，得证．定理设随机变量X 的方差存在，则Var (X ) = 0的充分必要条件是存在常数b ，使得X 几乎处处收敛于b ，即P {X = b } = 1．证：充分性，设存在常数b ，使得P {X = b } = 1，有P {X ≠ b } = 0，即E (X ) = b P {X = b } = b ，故Var (X ) = E [X − E (X )]2 = E (X − b )2 = 0 × P {X = b } = 0；必要性，设X 的方差Var (X ) = 0，因事件U +∞=+∞→⎭⎫⎩⎨⎧≥−=⎭⎬⎫⎩⎨⎧≥−=>−11|)(|lim 1|)(|}0|)({|n n n X E X n X E X X E X ，则01)Var(lim 1|)(|lim 1|)(|}0|)({|21=⎟⎠⎞⎜⎝⎛≤⎭⎬⎫⎩⎨⎧≥−=⎟⎟⎠⎞⎜⎜⎝⎛⎭⎬⎫⎩⎨⎧≥−=>−+∞→+∞→+∞=n X n X E X P n X E X P X E X P n n n U ，可得P {| X − E (X )| > 0} = 0，即P {| X − E (X )| = 0} = 1，取b = E (X )，有b 为常数，故P {X = b } = 1．注：如果P {X = b } = 1，记为X = b , a.e.（或a.s.），称为X = b 几乎处处成立（或几乎必然成立）．这里，a.e.就是almost everywhere 的缩写，a.s.就是almost surely 的缩写．意味着不成立的情况是一个测度（或概率）等于零的集合（或事件）．§2.4 常用离散分布对于一个给定的函数，只要满足概率函数的两条基本性质：非负性、正则性，都可以成为某个离散随机变量的概率函数．但绝大多数在实际工作中并不常见，下面是几种常用的概率函数． 2.4.1.两点分布与二项分布一．两点分布两点分布只可能在两个点取值，通常就是0或1．定义随机变量的可能取值只有两个：0或1，且概率函数为p (0) = 1 − p ，p (1) = p ，其中0 0，p (1) = p > 0；正则性：(1 − p ) + p = 1．两点分布的数学期望为E (X ) = 0 × (1 − p ) + 1 × p = p ．又因E (X 2 ) = 02 × (1 − p ) + 12 × p = p ，故方差为Var (X ) = E (X 2 ) − [E (X )]2 = p − p 2 = p (1 − p )．二．二项分布在n 重伯努利试验中，以X 表示事件A 的发生次数，则X 的全部可能取值为0, 1, 2, …, n ，且kn k p p k n k X P −−⎟⎟⎠⎞⎜⎜⎝⎛==)1(}{．定义若离散型随机变量X 的概率函数为kn k p p k n k p −−⎟⎟⎠⎞⎜⎜⎝⎛=)1()(， k = 0, 1, 2, …, n ；0 −⎟⎟⎠⎞⎜⎜⎝⎛=−kn k p p k n k p ；正则性：1)]1([)1()(11=−+=−⎟⎟⎠⎞⎜⎜⎝⎛=∑∑=−=nnk k n k nk p p p p k n k p ．例掷三枚硬币，X 表示正面朝上的次数，求X 的概率分布．解：X 的全部可能取值为0, 1, 2, 3 ，将掷每一枚硬币看作一次试验．每次试验两种结果：正面A ，反面A ；每次试验相互独立；每次试验概率5.0)(=A P ．即n 重伯努利试验，n = 3，5.0=p ，有X ~ b (3, 0.5)，p (0) = 0.5 3 = 0.125，375.05.05.013)1(21=××⎟⎟⎠⎞⎜⎜⎝⎛=p ， 375.05.05.023)2(12=××⎟⎟⎠⎞⎜⎜⎝⎛=p ， p (3) = 0.5 3 = 0.125．例现有5台机床，每台机床一小时内平均开动18分钟，且是否开动相互独立，以X 表示同一时刻开动的机床数，求X 的概率分布．解：X 的全部可能取值为0, 1, 2, 3, 4, 5 ，将每台机床是否开动看作一次试验．每次试验两种结果：开动A ，不开动A ；每次试验相互独立；每次试验概率P (A ) = 0.3．即n 重伯努利试验，n = 5，p = 0.3，有X ~ b (5, 0.3)．p (0) = 0.7 5 = 0.16807，36015.07.03.015)1(41=××⎟⎟⎠⎞⎜⎜⎝⎛=p ， 3087.07.03.025)2(32=××⎟⎟⎠⎞⎜⎜⎝⎛=p ， 1323.07.03.035)3(23=××⎟⎟⎠⎞⎜⎜⎝⎛=p ， 02835.07.03.045)4(14=××⎟⎟⎠⎞⎜⎜⎝⎛=p ， p (5) = 0.3 5 = 0.00243 ．一般地，如果随机变量X 服从二项分布，概率函数值p (k ) 将随着k 的增加，先逐渐增加，达到最大值后，又逐渐减少．通常，一个随机变量X 的概率函数或密度函数的最大值点称为X 的最可能值．二项分布b (n , p )的最可能值为⎩⎨⎧+−++++=.)1(,1)1()1(,)1(],)1[(0是正整数时当或不是正整数时当p n p n p n p n p n k 这里[x ]表示不超过x 的最大整数．如[2.3] = 2，[3.14] = 3，[−1.2] = −2．证：若X ~ b (n , p )，有n k p p k n k n p p k n k p k n k kn k ≤≤−−=−⎟⎟⎠⎞⎜⎜⎝⎛=−−0,)1()!(!!)1()(，则11)1()!1()!1(!)1()!(!!)1()(+−−−−+−−−−−=−−k n k k n k p p k n k n p p k n k n k p k p ⎟⎠⎞⎜⎝⎛+−−−⋅−−−=−−11)1()!()!1(!1k n p k pp p k n k n k n k)1()1()1()!()!1(!1+−−+⋅−−−=−−k n k k p n p p k n k n k n k ，当k < (n + 1) p 时，有p (k ) > p (k − 1)；当k > (n + 1) p 时，有p (k ) p (k 0 − 1)；且k 0 + 1 > (n + 1) p ，即p (k 0 + 1) < p (k 0)．故p (k 0) 为最大值．如果(n + 1) p 是正整数，取k 0 = (n + 1) p ，即p (k 0) = p (k 0 − 1)，故p (k 0) 和p (k 0 − 1) 都是最大值．如X ~ B (3, 0.5)，有(n + 1) p = 4 × 0.5 = 2是正整数，最可能值k 0 = 2或1；X ~ B (5, 0.3)，有(n + 1) p = 6 × 0.3 = 1.8不是正整数，最可能值k 0 = [1.8] = 1．三．二项分布的数学期望和方差组合数公式⎟⎟⎠⎞⎜⎜⎝⎛−−⋅=−⋅−−⋅=−⋅=⎟⎟⎠⎞⎜⎜⎝⎛11)!()!1()!1()!(!!k n k n k n k n k n k n k n k n ，（n ≥ k > 0）．二项分布b (n , p )的数学期望为∑∑∑=−−=−=−−⎟⎟⎠⎞⎜⎜⎝⎛−−=−⎟⎟⎠⎞⎜⎜⎝⎛−−⋅⋅=−⎟⎟⎠⎞⎜⎜⎝⎛⋅=nk k n k n k kn k nk k n k p p k n np p p k n k n k p p k n k X E 1110)1(11)1(11)1()( = np [ p + (1 − p )]n − 1 = np ．又因∑∑∑=−=−=−−⎟⎟⎠⎞⎜⎜⎝⎛⋅+−⎟⎟⎠⎞⎜⎜⎝⎛−−⋅−=−⎟⎟⎠⎞⎜⎜⎝⎛⋅=nk k n k n k k n k nk k n k p p k n k p p k n k k p p k n k X E 002022)1()1(11)()1()( )()1(22)1()1()(22X E p p k n k k n n k k nk k n k+−⎟⎟⎠⎞⎜⎜⎝⎛−−−−⋅−=∑=− np p p k n pn n nk kn k +−⎟⎟⎠⎞⎜⎜⎝⎛−−−=∑=−−222)1(22)1( = n (n − 1) p 2 [ p + (1 − p )]n − 2 + np = (n 2 − n ) p 2 + np ，故方差为Var (X ) = E (X 2 ) − [E (X )]2 = (n 2 − n ) p 2 + np − (np )2 = − np 2 + np = np (1 − p )．2.4.2.泊松分布一．泊松分布泊松分布是一种理论推导的极限分布（成立的条件和推导过程见附录）．定义若随机变量X 的概率函数为λλ−=e !)(k k p k， k = 0, 1, 2, …… ；λ > 0，则称X 服从参数为 λ 的泊松分布（Poisson’s Distribution ），记为X ~ P (λ)．泊松分布的实际背景是已知平均发生次数为常数λ ，实际发生次数的概率分布．如足球比赛进球数，商店进店人数，电话接听次数等．非负性：λ > 0时，0e !>−λλk k；正则性：1e e e !=⋅=⋅−∞=−∑λλλλk kk ．例已知一场足球比赛的进球数X 服从参数λ = 2.3的泊松分布，求比分为0:0, 1:0以及总进球数超过5个的概率．解：因X ~ P(2.5)，则3.2e !3.2)(−=k k p k ， k = 0, 1, 2, ……．比分0:0，即X = 0，100.0e e !03.2)0(3.23.20===−−p （查表）；比分1:0，即X = 1，231.0100.0331.0e 3.2e !13.2)1(3.23.21=−===−−p （查表）；总进球数超过5个，即X > 5，030.0970.01e !3.21e!3.2}5{53.263.2=−=−==>∑∑=−∞=−k k k k k k X P （查表）．例已知某公用电话每小时内打电话的人数X 服从参数为λ = 8的泊松分布．求某一小时内无人打电话的概率，恰有10人打电话的概率，至少有10人打电话的概率．解：因X ~ P(8)，有8e !8}{−==k k X P k ．无人打电话的概率0003.0e e !08}0{880====−−X P ，恰有10人打电话的概率099.0717.0816.0e !108}10{810=−===−X P （查表），至少有10人打电话的概率283.0717.01}9{1e !8}10{108=−=≤−==≥∑∞=−X P k X P k k （查表）．例已知某商店一天中某种贵重商品的销售件数X 服从泊松分布P (7)，问该商店每天应该准备多少件该商品才能以99.9%以上的概率满足顾客需要？解：设准备了a 件该商品，X ~ P(7)，则7e !7)(−=k k p k ．事件“满足顾客需要”，即X ≤ a ，有P {X ≤ a } ≥ 0.999，故查表可得a = 16．泊松分布P (λ )的最可能值为⎩⎨⎧−=.,1,],[0是正整数时当或不是正整数时当λλλλλk 证：若X ~ P(λ)，有L ,2,1,0,e !)(==−k k k p kλλ，故k k k k k k k k p k p k k k k−⋅−=⎟⎠⎞⎜⎝⎛−⋅−=−−=−−−−−−−−−λλλλλλλλλλe )!1(1e )!1(e)!1(e !)1()(111，当k < λ 时，有p (k ) > p (k − 1)；当k > λ 时，有p (k ) p (k 0 − 1)；且k 0 + 1 > λ ，即p (k 0 + 1) < p (k 0)．故p (k 0) 为最大值．如果λ 是正整数，取k 0 = λ ，即p (k 0) = p (k 0 − 1)，故p (k 0) 和p (k 0 − 1) 都是最大值．二．泊松分布的数学期望和方差泊松分布P (λ )的数学期望为λλλλλλλλλλλ=⋅=−⋅=−=⋅=−∞=−−∞=−∞=−∑∑∑e e )!1(e e)!1(e!)(111k k k kk kk k k k X E ，即泊松分布的参数 λ 反映平均发生次数．又因)()!2(e e!e!)(e!)(222222X E k k k k k k k k X E k k k kk kk k+−⋅=⋅+⋅−=⋅=∑∑∑∑∞=−−∞=−∞=−∞=−λλλλλλλλλ= λ 2 e −λ ⋅ e λ + λ = λ 2 + λ ，故方差为Var (X ) = E (X 2 ) − [E (X )]2 = λ 2 + λ − (λ )2 = λ ．三．二项分布的泊松近似二项分布与泊松分布的实际背景都是反映发生次数问题．下面的定理说明了二者之间的联系，泊松分布是二项分布的一种极限分布．定理（泊松定理）在n 重伯努利试验中，记事件A 在每次试验中发生的概率为与试验次数n 有关的数p n ，如果当n → +∞ 时，有n p n → λ ，则λλ−−+∞→=−⎟⎟⎠⎞⎜⎜⎝⎛e !)1(lim k p p k n k k n n k n n ．证：记λ n = n p n ，有λλ=+∞→n n lim ，因nk n n n kn n k n n n n n n p )(11)1(−−⋅−−−⎟⎠⎞⎜⎝⎛−+=⎟⎠⎞⎜⎝⎛−=−λλλλ，且e 1lim =⎟⎠⎞⎜⎝⎛−+−+∞→nnn n n λλ，λλ−=−−+∞→n k n n n )(lim ，则λλλλ−−−⋅−+∞→−+∞→=⎟⎠⎞⎜⎝⎛−+=−e 1lim )1(lim )(n k n n n n k n n n n n n p ，又因⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−=+−−=⎟⎟⎠⎞⎜⎜⎝⎛n k n k n k k n n n k n k 1111!!)1()1(L L ，且11111lim =⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−+∞→n k n n L ，故⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−−=−⎟⎟⎠⎞⎜⎜⎝⎛−+∞→−+∞→n k n p p k n p p k n k n nk n k n k n n k n n 1111)1(!lim )1(lim L λλ−+∞→−+∞→+∞→=⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−⋅−⋅=e !1111lim )1(lim !)(lim k n k n p k np k n k n n n k n n L ．此定理表明对于二项分布b (n , p )，当n 很大，p 很小时，可用泊松分布P (λ ) 近似，其中λ = n p ．例某地区每年人口意外死亡率为0.0001，现有60000人投保人身意外保险，求一年内因投保人意外死亡恰好赔付8人的概率以及赔付不超过5人的概率．解：设X 表示“一年内因投保人意外死亡而赔付的人数”，X ~ B (60000, 0.0001)．则5999289999.00001.0860000}8{××⎟⎟⎠⎞⎜⎜⎝⎛==X P ，∑=−××⎟⎟⎠⎞⎜⎜⎝⎛=≤50600009999.00001.060000}5{k kk k X P ，但显然计算很繁琐，为便于计算，用泊松分布近似．因n = 60000很大，p = 0.0001很小，λ = np = 6，有)6(~P X &，故103.0744.0847.0e !86}8{68=−=≈=−X P ，446.0e !6}5{506=≈≤∑=−k k k X P ．2.4.3. 超几何分布一．超几何分布在N 件产品中，有M 件次品，从中不放回地取n 件，以X 表示取得的次品数．设X 取值为k ，一方面，显然有k ≤ n 且k ≤ M ，即k ≤ min{n , M }，另一方面，有k ≥ 0且n − k ≤ N − M ，可得k ≥ M + n − N ，即k ≥ max{0, M + n − N }．这样X 的全部可能取值为l , l + 1, …, L ，其中l = max{0, M + n − N }，L = min{n , M }，且⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛==n N k n M N k M k X P }{．定义若随机变量X 的概率函数为⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛=n N k n M N k M k p )(，k = l , l + 1, …, L ，l = max(0, n + M − N )，L = min(M , n )，M < N ，n < N ，则称X 服从超几何分布（Hypergeometric Distribution ），记为X ~ h (n , N , M )．超几何分布的实际背景是古典概型中的不放回抽样检验问题．注：有放回检验抽样问题对应的是二项分布．非负性：0>⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛n N k n M N k M ；正则性：10=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛∑∑==n N n N n N k n M N k M n N k n M N k M Ll k L k ．注：比较(1 + x )M(1 + x )N − M与(1 + x )N中x n的系数可以证明⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛∑=n N k n M N k M Ll k ．例一袋中有3个红球，2个白球，不放回地取出3个球，X 表示取得的红球数．求X 的概率分布．解：不放回抽样，N = 3，M = 2，n = 3，则X ~ h (3, 5, 3)．故X 的全部可能取值为1, 2, 3， (l = max (0, n + M − N ) = 1，L = min(n , M ) = 3)，3.0352213}1{=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ，6.0351223}2{=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ，1.0350233}3{=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ．超几何分布h (n , N , M )的最可能值为⎪⎩⎪⎨⎧+++−++++++++++++=.21)1(,121)1(21)1(,21)1(],21)1[(0是正整数时当或不是正整数时当N M n N M n N M n N M n N M n k证：若X ~ h (n , N , M)，有)!()!()!()!(!!1)(k n M N k n M N k M k M n N n N k n M N k M k p +−−−−⋅−⋅⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛=，故p (k ) − p (k − 1))!1()!1()!1()!1()!(!)!()!()!(!)!(!−+−−+−+−−⎟⎟⎠⎞⎜⎜⎝⎛−−+−−−−⎟⎟⎠⎞⎜⎜⎝⎛−=k n M N k n k M k n N M N M k n M N k n k M k n N M N M)]()1)(1[()!()!1()!1(!)!(!k n M N k k n k M k n M N k n k M k n N M N M +−−−+−+−+−−+−+−⎟⎟⎠⎞⎜⎜⎝⎛−=)]2()1)(1[()!()!1()!1(!)!(!+−+++−−+−+−⎟⎟⎠⎞⎜⎜⎝⎛−=N k n M k n M N k n k M k n N M N M ．当21)1(+++<N M n k 时，有p (k ) > p (k − 1)；当21)1(+++>N M n k 时，有p (k ) p (k 0 − 1)；且21)1(10+++>+N M n k ，即p (k 0 + 1) < p (k 0)．故p (k 0) 为最大值．如果21)1(+++N M n 是正整数，取21)1(0+++=N M n k ，即p (k 0) = p (k 0 − 1)，故p (k 0) 和p (k 0 − 1) 都是最大值．二．超几何分布的数学期望和方差超几何分布h (n , N , M )的数学期望为N nM n N k n M N k M N nM n N n N k n M N k M k M k n N k n M N k M k X E Ll k L lk L l k =⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−⋅=⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−⋅=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛⋅=∑∑∑===11111111)(，又因∑∑∑===⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛⋅+⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛⋅−=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛⋅=L lk L l k Ll k n N k n M N k M k n N k n M N k M k k n N k n M N k M k X E )()(222 ∑=+⎟⎟⎠⎞⎜⎜⎝⎛−−−−⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−−−⋅−=Llk X E n N n n N N k n M N k M k k M M k k )(22)1()1(22)1()1()(2N nM N N M M n n N nM n N k n M N k M N N M M n n Ll k +−−−=+⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−⋅−−−=∑=)1()1()1(2222)1()1()1(，故方差为)1())(()1()1)(1()]([)()Var(222222−−−=−+−−−=−=N N n N M N nM N M n N nM N N M n nM X E X E X ．为了便于记忆，可将超几何分布与二项分布的数学期望和方差进行比较．二项分布b (n , p )：数学期望E (X ) = np ，方差Var (X ) = np (1 − p )；超几何分布h (n , N , M )：数学期望N M nX E =)(，方差11)Var(−−⎟⎠⎞⎜⎝⎛−=N n N N M N M n X ；可见分布h (n , N , M )中的N M 相当于二项分布b (n , p )中的p ，方差修正因子为1−−N nN ．三．超几何分布的二项近似直观上，当抽样个数n 远小于M 及N − M 时，不放回抽样问题可近似看作有放回抽样问题，也就是此时超几何分布可用二项分布近似．定理如果当N → +∞ 时，p NM→， (0 < p < 1)，则k n k N p p k n n N k n M N k M −+∞→−⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛)1(lim ．证：因⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−=+−−=⎟⎟⎠⎞⎜⎜⎝⎛N n N n N n n N N N n N n 1111!!)1()1(L L ，且⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−=⎟⎟⎠⎞⎜⎜⎝⎛M k M k M k M k 1111!L ，⎟⎠⎞⎜⎝⎛−−−−⎟⎠⎞⎜⎝⎛−−−−=⎟⎟⎠⎞⎜⎜⎝⎛−−−M N k n M N k n M N k n M N kn 1111)!()(L ，故⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−⎟⎠⎞⎜⎝⎛−−−−⎟⎠⎞⎜⎝⎛−−−−⋅⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−+∞→+∞→N n N n N M N k n M N k n M N M k M k M n N k n M N k M n k n k N N 1111!1111)!()(1111!lim lim L L L ⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−⎟⎠⎞⎜⎝⎛−−−−⎟⎠⎞⎜⎝⎛−−⋅⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−⋅−⋅−=−+∞→N n N M N k n M N M k M N M N M k n k n nk n k N 111111111111)()!(!!lim L L L ⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−⎟⎠⎞⎜⎝⎛−−−−⎟⎠⎞⎜⎝⎛−−⋅⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−⋅⎟⎠⎞⎜⎝⎛−⎟⎠⎞⎜⎝⎛⋅⎟⎟⎠⎞⎜⎜⎝⎛=+∞→−+∞→N n N M N k n M N M k M N M N M k n N kn k N 111111111111lim 1lim L L L。

(完整版)《概率论与数理统计》讲义

第一章随机事件和概率第一节基本概念1、排列组合初步（1）排列组合公式)!(!n m m P n m -= 从m 个人中挑出n 个人进行排列的可能数。

)!(!!n m n m C n m -=从m 个人中挑出n 个人进行组合的可能数。

例1．1：方程xx x C C C 76510711=-的解是 A ． 4 B ． 3 C ． 2 D ． 1例1．2：有5个队伍参加了甲A 联赛，两两之间进行循环赛两场，试问总共的场次是多少？(2)加法原理（两种方法均能完成此事）：m+n某件事由两种方法来完成，第一种方法可由m 种方法完成，第二种方法可由n 种方法来完成，则这件事可由m+n 种方法来完成。

(3)乘法原理（两个步骤分别不能完成这件事）：m ×n某件事由两个步骤来完成，第一个步骤可由m 种方法完成，第二个步骤可由n 种方法来完成，则这件事可由m ×n 种方法来完成。

例1．3：从5位男同学和4位女同学中选出4位参加一个座谈会，要求与会成员中既有男同学又有女同学，有几种不同的选法？例1．4：6张同排连号的电影票，分给3名男生和3名女生，如欲男女相间而坐，则不同的分法数为多少？例1．5：用五种不同的颜色涂在右图中四个区域里，每一区域涂上一种颜色，且相邻区域的颜色必须不同，则共有不同的涂法A．120种B．140种 C．160种D．180种(4)一些常见排列①特殊排列②相邻③彼此隔开④顺序一定和不可分辨例1．6：晚会上有5个不同的唱歌节目和3个不同的舞蹈节目，问：分别按以下要求各可排出几种不同的节目单？①3个舞蹈节目排在一起；②3个舞蹈节目彼此隔开；③3个舞蹈节目先后顺序一定。

例1．7：4幅大小不同的画，要求两幅最大的排在一起，问有多少种排法？例1．8：5辆车排成1排，1辆黄色，1辆蓝色，3辆红色，且3辆红车不可分辨，问有多少种排法？①重复排列和非重复排列（有序）例1．9：5封不同的信，有6个信箱可供投递，共有多少种投信的方法？②对立事件例1．10：七人并坐，甲不坐首位，乙不坐末位，有几种不同的坐法？例1．11：15人中取5人，有3个不能都取，有多少种取法？例1．12：有4对人，组成一个3人小组，不能从任意一对中取2个，问有多少种可能性？③ 顺序问题例1．13：3白球，2黑球，先后取2球，放回，2白的种数？（有序）例1．14：3白球，2黑球，先后取2球，不放回，2白的种数？（有序）例1．15：3白球，2黑球，任取2球，2白的种数？（无序）2、随机试验、随机事件及其运算（1）随机试验和随机事件如果一个试验在相同条件下可以重复进行，而每次试验的可能结果不止一个，但在进行一次试验之前却不能断言它出现哪个结果，则称这种试验为随机试验。

概率论与数理统计第二章

k =0
k 1− k
n
服从参数为n和的二项分布的二项分布，称 r.v X 服从参数为和p的二项分布，记作 X~b(n,p) 显然，当 n=1 时 X ~ B(1， p) 此时有 P {X = k } = p (1 − p )
, k = 0,1
(0 <
p < 1)
即（0-1）分布是二项分布的一个特例. ）
第二章随机变量及其分布
Random Variable and Distribution 在前面的学习中,我们用字母A 在前面的学习中,我们用字母A、B、 C...表示事件并视之为样本空间S 表示事件， C...表示事件，并视之为样本空间S的子针对等可能概型主要研究了用排可能概型，集；针对等可能概型，主要研究了用排列组合手段计算事件的概率手段计算事件的概率。列组合手段计算事件的概率。本章，将引入随机变量表示随机事件，本章，将引入随机变量表示随机事件，随机变量表示随机事件以便采用高等数学的方法描述、高等数学的方法描述以便采用高等数学的方法描述、研究随机现象。机现象。
设 P { A} = p , 则 P { A} = 1 − p
抛硬币：出现正面” 抛硬币：“出现正面”，“出现反面” 出现反面”
例如: 例如
抽验产品：是正品” 抽验产品：“是正品”，“是次品” 是次品”
将伯努利试验E独立地重复地进行次将伯努利试验E独立地重复地进行n次 ,则称这一串重复的独立试验为n重伯努利试验重复的独立试验为一串重复的独立试验为重伯努利试验 . 次试验中P(A)= p 保持不变保持不变. “重复”是指这 n 次试验中重复” 独立” “独立”是指各次试验的结果互不影响 .
依题意, 可取值可取值0, 解: 依题意 X可取值 1, 2, 3,4.以p表示每组信号以表示每组信号灯禁止汽车通过的概率设 Ai={第i个信号灯禁止汽车通过 i=1,2,3,4 个信号灯禁止汽车通过}, 第个信号灯禁止汽车通过

概率论与数理统计--第二章

变量 X 如下：
X
1, 0,
w 合格品； w 不合格品.
例2 一射手对目标进行射击，击中目标记为1分，未中目标记为0分.设X表示该射手在一次射击中的得分，它是一个随机变量，可以表示为
1, w 击中； X 0, w 未中.
例3 观察一个电话交换台在一段时间（0，T）内接到的呼叫次数．如果用X表示呼叫次数，那么 {X k} (k 0,1,2, )表示一随机事件，显然 {X k} (k 0,1,2, )也表示一随机事件．
第二章一维随机变量及其分布
第一节第二节第三节第四节第五节
随机变量离散型随机变量随机变量的分布函数连续型随机变量及其概率密度随机变量的函数的分布
第一节随机变量
定义设X ＝X (w )是定义在样本空间W上的实值函
数，称X ＝X (w )为随机变量.
随机变量通常用大写字母X，Y，Z，W，...等表示．
第二节离散型随机变量
定义如果随机变量的全部可能取的值只有有限个或可列无限多个，则称这种随机变量为离散型随机变量.
一般地，设离散型随机变量 X 所有可能取的值为
xk (k 1,2, )
X 取各个可能值的概率，即事件{X xk }, 2,L 称（1）式为离散型随机变量X的分布律 .
与第二台机器发生故障的概率分别为0.1，0.2，以X 表示系统中发生故障的机器数，求X 的分布律．
解设Ai表示事件“第i台机器发生故障”，i 1,2
P{X 0} P( A1 A2 ) 0.9 0.8 0.72
P{X 1} P(A1 A2 ) P(A1A2 ) 0.1 0.8 0.9 0.2 0.26 P{X 2} P(A1A2 ) 0.1 0.2＝0.02

概率论与数理统计-第1章-第2讲-古典概率与几何概率

19
概率论与数理统计
学海无涯，祝你成功！
主讲教师 |
20
概率论与数理统计
第1章随机事件与概率
第2讲古典概率与几何概率
主讲教师 |
本章内容
01 古典概率 02 几何概率
02 古典概率
在概率论发展的历史上，最早研究的一类最直观、最简单的问题是等可能摡型，在这类问题中，样本空间中每个样本点出现的可能性是相等的.
例如抛掷一枚均匀的硬币，或抛掷一颗均匀的骰子，这类随机试验，它们都有如下的两个特点：
10
02 古典概率
例 “分房模型”的应用
某班级有 k (k≤365)个人，求k 个人的生日均不相同的概率. 恰有 k 个盒子中各有一球
P( A)
C
k 365
k
!
365k
Ak 365
365k
问：如何求“至少有两人同生日”的概率？
下一讲揭晓
11
02 古典概率
几何概型 (古典概型的推广)
古典概型考虑了样本空间仅包含有限个样本点的等可能概率模型，但等可能概型还有其它类型，如样本空间为一线段、平面或空间区域等，这类等可能概型称为几何概型，思路如下：
(n k 1) n! (n k)!
从n个不同元素中任取 k个的不同排列总数
（4）组合公式
C
k n
n(n 1)
(n k 1) n!
ห้องสมุดไป่ตู้
k!
(n k)!k!
从n个不同元素中任取 k个的不同组合总数
5
02 古典概率
典型例题
例设有N件产品，其中有M件次品，现从这N件中任取n件，求其中恰有k件次品的概率.
9
02 古典概率

概率论与数理统计第二章补充题及答案

《概率论与数理统计》第二单元补充题一、填空题：1、函数()f x 为连续型随机变量X 的概率密度函数的充要条件是12），）2、随机变量X 的分布律为5110321210PX ，则2X 的分布律为__________,2X +1的分布律为__________3、设离散型随机变量X 的分布律为Λ,2,1,21}{===k k X P k，则随机变量X Y 2sin π=的分布律为4、设离散型随机变量X 的分布律为 k =1,2, 3,…，则c= .5、设随机变量X 的概率密度函数为，则P (0<X <3π/4)= .6、随机变量)31,10(~b X ，则{}0P X ==，{}1P X ≥=7、随机变量X 的分布律为{}1,2,3,4,5)5a P X k k ===，（，则a =，(2.5)F =8、随机变量X 服从(0,)b 上的均匀分布，且{}1133P X <<=，则b =9、已知随机变量X 服从参数为2的泊松分布，则{}1P X ==，{}1P X ≤=二、选择题：1、下列命题正确的是。

（ A ）连续型随机变量的密度函数是连续函数（ B ）连续型随机变量的密度函数()0()1f x f x ≤≤满足（ C ）连续型随机变量的分布函数是连续函数（ D ）两个概率密度函数的乘积仍是密度函数2、设)(1x F 与)(2x F 分别为随机变量1X 与2X 的分布函数，则为使12()()()F x aF x bF x =-是某随机变量的分布函数，下列结果正确的是________（ A ） 32,55a b ==- （ B ） 22,33a b ==- ( C ） 13,22a b =-= （ D ） 13,22a b =-=-三、计算题1、已知随机变量ξ只能取-1,0,1,2四个值, 相应概率依次为cc c c 167,85,43,21, 确定常数c 并计算P{ξ<1|ξ≠0}.2、已知ξ~⎩⎨⎧<<=其它0102)(x x x ϕ, 求P{ξ≤0.5}; P(ξ=0.5);F(x).3、设连续型随机变量ξ的分布函数为:⎪⎩⎪⎨⎧≥<≤<=111000)(2x x Axx x F 求：（1）、系数A; （2）、P (0.3<ξ<0.7); （3）、概率密度φ(x ).4、设随机变量X 的密度函数⎩⎨⎧<<=其他0102)(x x x f 用Y 表示对X 的三次独立重复观察中事件}21{≥X 出现的次数，求（1）P {Y =2}；（2）P {Y ≥1}.5、已知离散型随机变量X 的概率分布为Λ,2,1,32}{===n n X P n，求随机变量X Y )1(1-+=的分布律和分布函数.6、（1）、已知随机变量X 的概率密度函数为1(),2xX f x e x -=-∞<<+∞，求X 的分布函数。

《概率论与数理统计》第二补充题答案解读

《概率论与数理统计》第二章补充题答案1.一袋中有5只乒乓球，编号为1，2，3，4，5，在其中同时取3只，以X 表示取出的3只球中的最大号码，写出随机变量X 的分布律. 【解】353524353,4,51(3)0.1C 3(4)0.3C C (5)0.6C X P X P X P X ==========2.设在15只同类型零件中有2只为次品，在其中取3次，每次任取1只，作不放回抽样，以X 表示取出的次品个数，求：（1） X 的分布律；（2） X 的分布函数并作图； (3)13{},{1},{12}22P X P X P X ≤<≤<<.【解】313315122133151133150,1,2.C 22(0).C 35C C 12(1).C 35C 1(2).C 35X P X P X P X ==========（2）当x <0时，F （x ）=P （X ≤x ）=0当0≤x <1时，F （x ）=P （X ≤x ）=P (X =0)=2235当1≤x <2时，F （x ）=P （X ≤x ）=P (X =0)+P (X =1)=3435当x ≥2时，F （x ）=P （X ≤x ）=1 故X 的分布函数0,022,0135()34,12351,2x x F x x x <⎧⎪⎪≤<⎪=⎨⎪≤<⎪⎪≥⎩(3)1122()(),2235333434(1)()(1)0223535341(12)(2)(1)(2)10.3535P X F P X F F P X F F P X ≤==<≤=-=-=<<=--==--=3.射手向目标独立地进行了3次射击，每次击中率为0.8，求3次射击中击中目标的次数的分布律及分布函数，并求3次射击中至少击中2次的概率. 【解】设X 表示击中目标的次数.则X =0，1，2，3.31232233(0)(0.2)0.008(1)C 0.8(0.2)0.096(2)C (0.8)0.20.384(3)(0.8)0.512P X P X P X P X ============0,00.008,01()0.104,120.488,231,3x x F x x x x <⎧⎪≤<⎪⎪=≤<⎨⎪≤<⎪≥⎪⎩(2)(2)(3)0.896P X P X P X ≥==+==4.（1）设随机变量X 的分布律为P {X =k }=!k akλ，其中k =0，1，2，…，λ＞0为常数，试确定常数a . （2）设随机变量X 的分布律为P {X =k }=a/N ， k =1，2，…，N ，试确定常数a . 【解】（1）由分布律的性质知1()e !kk k P X k a a k λλ∞∞======∑∑故 ea λ-=(2) 由分布律的性质知111()NNk k aP X k a N======∑∑即 1a =.5.甲、乙两人投篮，投中的概率分别为0.6,0.7,今各投3次，求：（1）两人投中次数相等的概率; （2）甲比乙投中次数多的概率.【解】分别令X 、Y 表示甲、乙投中次数，则X~b （3，0.6）,Y~b (3,0.7)(1) ()(0,0)(1,1)(2,2)P X Y P X Y P X Y P X Y ====+==+==+(3,3)P X Y ==33121233(0.4)(0.3)C 0.6(0.4)C 0.7(0.3)=++22223333C (0.6)0.4C (0.7)0.3(0.6)(0.7)+0.32076=(2) ()(1,0)(2,0)(3,0)P X Y P X Y P X Y P X Y >===+==+==+ (2,1)(3,1)(3,2)P X Y P X Y P X Y ==+==+==12322333C 0.6(0.4)(0.3)C (0.6)0.4(0.3)=++ 33221233(0.6)(0.3)C (0.6)0.4C 0.7(0.3)++ 31232233(0.6)C 0.7(0.3)(0.6)C (0.7)0.3+=0.2436.设某机场每天有200架飞机在此降落，任一飞机在某一时刻降落的概率设为0.02，且设各飞机降落是相互独立的.试问该机场需配备多少条跑道，才能保证某一时刻飞机需立即降落而没有空闲跑道的概率小于0.01(每条跑道只能允许一架飞机降落)？【解】设X 为某一时刻需立即降落的飞机数，则X ~b (200,0.02)，设机场需配备N 条跑道，则有()0.01P X N ><即 2002002001C(0.02)(0.98)0.01k k k k N -=+<∑利用泊松近似2000.02 4.np λ==⨯= 41e 4()0.01!kk N P X N k -∞=+≥<∑ 查表得N ≥9.故机场至少应配备9条跑道.7.有一繁忙的汽车站，每天有大量汽车通过，设每辆车在一天的某时段出事故的概率为0.0001,在某天的该时段内有1000辆汽车通过，问出事故的次数不小于2的概率是多少（利用泊松定理）？【解】设X 表示出事故的次数，则X ~b （1000，0.0001）(2)1(0)(1)P X P X P X ≥=-=-=0.10.11e0.1e --=--⨯8.设事件A 在每一次试验中发生的概率为0.3，当A 发生不少于3次时，指示灯发出信号，（1）进行了5次独立试验，试求指示灯发出信号的概率；（2）进行了7次独立试验，试求指示灯发出信号的概率. 【解】（1）设X 表示5次独立试验中A 发生的次数，则X ~6（5，0.3）5553(3)C (0.3)(0.7)0.16308kk k k P X -=≥==∑(2) 令Y 表示7次独立试验中A 发生的次数，则Y~b （7，0.3）7773(3)C (0.3)(0.7)0.35293k k k k P Y -=≥==∑9.某公安局在长度为t 的时间间隔内收到的紧急呼救的次数X 服从参数为（1/2）t 的泊松分布，而与时间间隔起点无关（时间以小时计）.（1）求某一天中午12时至下午3时没收到呼救的概率；（2）求某一天中午12时至下午5时至少收到1次呼救的概率. 【解】（1）32(0)eP X -== (2) 52(1)1(0)1eP X P X -≥=-==-10.设P {X =k }=kkkp p --22)1(C , k =0,1,2P {Y =m }=mmmp p --44)1(C , m =0,1,2,3,4分别为随机变量X ，Y 的概率分布，如果已知P {X ≥1}=59，试求P {Y ≥1}.【解】因为5(1)9P X ≥=，故4(1)9P X <=. 而 2(1)(0)(1)P X P X p <===-故得 24(1),9p -=即 1.3p =从而 465(1)1(0)1(1)0.8024781P Y P Y p ≥=-==--=≈ 11.某教科书出版了2000册，因装订等原因造成错误的概率为0.001，试求在这2000册书中恰有5册错误的概率.【解】令X 为2000册书中错误的册数，则X~b (2000,0.001).利用泊松近似计算,20000.0012np λ==⨯=得 25e 2(5)0.00185!P X -=≈= 12.进行某种试验，成功的概率为34，失败的概率为14.以X 表示试验首次成功所需试验的次数，试写出X 的分布律，并计算X 取偶数的概率. 【解】1,2,,,X k =113()()44k P X k -==(2)(4)(2)P X P X P X k =+=++=+321131313()()444444k -=++++213141451()4==- 13.有2500名同一年龄和同社会阶层的人参加了保险公司的人寿保险.在一年中每个人死亡的概率为0.002，每个参加保险的人在1月1日须交12元保险费，而在死亡时家属可从保险公司领取2000元赔偿金.求：（1）保险公司亏本的概率;（2）保险公司获利分别不少于10000元、20000元的概率. 【解】以“年”为单位来考虑.（1）在1月1日，保险公司总收入为2500×12=30000元. 设1年中死亡人数为X ，则X~b (2500,0.002)，则所求概率为(200030000)(15)1(14)P X P X P X >=>=-≤由于n 很大，p 很小，λ=np =5，故用泊松近似，有514e 5(15)10.000069!kk P X k -=>≈-≈∑(2) P (保险公司获利不少于10000)(30000200010000)(10)P X P X =-≥=≤510e 50.986305!kk k -=≈≈∑即保险公司获利不少于10000元的概率在98%P （保险公司获利不少于20000）(30000200020000)(5)P X P X =-≥=≤55e 50.615961!kk k -=≈≈∑即保险公司获利不少于20000元的概率约为62%14.已知随机变量X 的密度函数为f (x )=A e -|x |, -∞<x <+∞,求：（1）A 值；（2）P {0<X <1}; (3) F (x ). 【解】（1）由()d 1f x x ∞-∞=⎰得||1e d 2e d 2x x A x A x A ∞∞---∞===⎰⎰故 12A =. (2) 11011(01)e d (1e )22x p X x --<<==-⎰(3) 当x <0时，11()e d e 22x x x F x x -∞==⎰ 当x ≥0时，0||0111()e d e d e d 222x x x x x F x x x x ---∞-∞==+⎰⎰⎰ 11e 2x-=-故 1e ,02()11e 02xx x F x x -⎧<⎪⎪=⎨⎪-≥⎪⎩15.设某种仪器内装有三只同样的电子管，电子管使用寿命X 的密度函数为f (x )=⎪⎩⎪⎨⎧<≥.100,0,100,1002x x x求：（1）在开始150小时内没有电子管损坏的概率；（2）在这段时间内有一只电子管损坏的概率；（3） F （x ）. 【解】（1） 15021001001(150)d .3P X x x ≤==⎰ 33128[(150)]()327p P X =>==(2) 1223124C ()339p ==(3) 当x <100时F （x ）=0当x ≥100时()()d xF x f t t -∞=⎰100100()d ()d x f t t f t t -∞=+⎰⎰2100100100d 1xt t x==-⎰ 故 1001,100()0,0x F x xx ⎧-≥⎪=⎨⎪<⎩ 16.在区间［0，a ］上任意投掷一个质点，以X 表示这质点的坐标，设这质点落在［0，a ］中任意小区间内的概率与这小区间长度成正比例，试求X 的分布函数. 【解】由题意知X ~∪[0,a ]，密度函数为1,0()0,x af x a⎧≤≤⎪=⎨⎪⎩其他故当x <0时F （x ）=0 当0≤x ≤a 时01()()d ()d d xx xx F x f t t f t t t a a-∞====⎰⎰⎰当x >a 时，F （x ）=1即分布函数0,0(),01,x x F x x a a x a<⎧⎪⎪=≤≤⎨⎪>⎪⎩ 17.设随机变量X 在[2，5]上服从均匀分布.现对X 进行三次独立观测，求至少有两次的观测值大于3的概率. 【解】X ~U [2,5]，即1,25()30,x f x ⎧≤≤⎪=⎨⎪⎩其他5312(3)d 33P X x >==⎰故所求概率为22333321220C ()C ()33327p =+= 18.设顾客在某银行的窗口等待服务的时间X （以分钟计）服从指数分布1()5E .某顾客在窗口等待服务，若超过10分钟他就离开.他一个月要到银行5次，以Y 表示一个月内他未等到服务而离开窗口的次数，试写出Y 的分布律，并求P {Y ≥1}. 【解】依题意知1~()5X E ，即其密度函数为51e ,0()50,xx f x -⎧>⎪=⎨⎪≤⎩x 0 该顾客未等到服务而离开的概率为25101(10)e d e 5x P X x -∞->==⎰2~(5,e )Y b -,即其分布律为225525()C (e )(1e ),0,1,2,3,4,5(1)1(0)1(1e )0.5167kk k P Y k k P Y P Y ----==-=≥=-==--=19.某人乘汽车去火车站乘火车，有两条路可走.第一条路程较短但交通拥挤，所需时间X 服从N （40，102）；第二条路程较长，但阻塞少，所需时间X 服从N （50，42）. （1）若动身时离火车开车只有1小时，问应走哪条路能乘上火车的把握大些？（2）又若离火车开车时间只有45分钟，问应走哪条路赶上火车把握大些？【解】（1）若走第一条路，X~N （40，102），则406040(60)(2)0.977271010x P X P Φ--⎛⎫<=<== ⎪⎝⎭若走第二条路，X~N （50，42），则506050(60)(2.5)0.993844X P X P Φ--⎛⎫<=<== ⎪⎝⎭++故走第二条路乘上火车的把握大些.（2）若X~N （40，102），则404540(45)(0.5)0.69151010X P X P Φ--⎛⎫<=<== ⎪⎝⎭若X~N （50，42），则504550(45)( 1.25)44X P X P Φ--⎛⎫<=<=- ⎪⎝⎭1(1.25)0.1056Φ=-= 故走第一条路乘上火车的把握大些. 20.设X ~N （3，22），（1）求P {2<X ≤5}，P {-4<X ≤10}，P {｜X ｜＞2}，P {X ＞3}; （2）确定c 使P {X ＞c }=P {X ≤c }. 【解】（1） 23353(25)222X P X P ---⎛⎫<≤=<≤⎪⎝⎭11(1)(1)1220.841310.69150.5328ΦΦΦΦ⎛⎫⎛⎫=--=-+ ⎪ ⎪⎝⎭⎝⎭=-+=433103(410)222X P X P ----⎛⎫-<≤=<≤ ⎪⎝⎭770.999622ΦΦ⎛⎫⎛⎫=--=⎪ ⎪⎝⎭⎝⎭(||2)(2)(2)P X P X P X >=>+<-323323222215151122220.691510.99380.6977X X P P ΦΦΦΦ-----⎛⎫⎛⎫=>+< ⎪ ⎪⎝⎭⎝⎭⎛⎫⎛⎫⎛⎫⎛⎫=--+-=+- ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭=+-=333(3)()1(0)0.522X P X P Φ->=>=-=- (2) c=321.由某机器生产的螺栓长度（cm ）X ~N （10.05,0.062）,规定长度在10.05±0.12内为合格品,求一螺栓为不合格品的概率. 【解】10.050.12(|10.05|0.12)0.060.06X P X P ⎛-⎫->=>⎪⎝⎭1(2)(2)2[1(2)]0.0456ΦΦΦ=-+-=-=22.一工厂生产的电子管寿命X （小时）服从正态分布N （160，2σ），若要求P {120＜X ≤200}≥0.8，允许σ最大不超过多少？【解】120160160200160(120200)X P X P σσσ---⎛⎫<≤=<≤⎪⎝⎭404040210.8ΦΦΦσσσ-⎛⎫⎛⎫⎛⎫=-=-≥⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭故 4031.251.29σ≤= 23.设随机变量X 分布函数为F （x ）=e ,0,(0),00.xt A B x ,x λ-⎧+≥>⎨<⎩（1）求常数A ，B ；（2）求P {X ≤2}，P {X ＞3}；（3）求分布密度f （x ）.【解】（1）由00lim ()1lim ()lim ()x x x F x F x F x →+∞→+→-=⎧⎪⎨=⎪⎩得11A B =⎧⎨=-⎩（2） 2(2)(2)1e P X F λ-≤==-33(3)1(3)1(1e )e P X F λλ-->=-=--=(3) e ,0()()0,0x x f x F x x λλ-⎧≥'==⎨<⎩24.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X 的分布函数F （x ），并画出f （x ）及F （x ）.【解】当x <0时F （x ）=0当0≤x <1时0()()d ()d ()d xxF x f t t f t t f t t -∞-∞==+⎰⎰⎰20d 2xx t t ==⎰当1≤x<2时()()d xF x f t t -∞=⎰111122()d ()d ()d d (2)d 132222212xx f t t f t t f t tt t t tx x x x -∞==+=+-=+--=-+-⎰⎰⎰⎰⎰当x ≥2时()()d 1xF x f t t -∞==⎰故 220,0,012()21,1221,2x x x F x x x x x <⎧⎪⎪≤<⎪=⎨⎪-+-≤<⎪⎪≥⎩25.设随机变量X 的密度函数为（1） f (x )=||x ae-,λ>0;(2) f (x )=⎪⎩⎪⎨⎧<≤<<.,0,21,1,10,2其他x x x bx试确定常数a ,b ，并求其分布函数F （x ）. 【解】（1）由()d 1f x x ∞-∞=⎰知||021e d 2e d x x aa x a x λλλ∞∞---∞===⎰⎰故 2a λ=即密度函数为 e ,02()e 02xx x f x x λλλλ-⎧>⎪⎪=⎨⎪≤⎪⎩当x ≤0时1()()d e d e 22xxx x F x f x x x λλλ-∞-∞===⎰⎰当x >0时0()()d e d e d 22xxx x F x f x x x x λλλλ--∞-∞==+⎰⎰⎰11e 2xλ-=-故其分布函数11e ,02()1e ,02xx x F x x λλ-⎧->⎪⎪=⎨⎪≤⎪⎩(2) 由12201111()d d d 22b f x x bx x x x ∞-∞==+=+⎰⎰⎰得 b =1即X 的密度函数为2,011(),120,x x f x x x<<⎧⎪⎪=≤<⎨⎪⎪⎩其他当x ≤0时F （x ）=0 当0<x <1时0()()d ()d ()d xxF x f x x f x x f x x -∞-∞==+⎰⎰⎰2d 2xx x x ==⎰当1≤x <2时01211()()d 0d d d x xF x f x x x x x x x -∞-∞==++⎰⎰⎰⎰312x=- 当x ≥2时F （x ）=1 故其分布函数为20,0,012()31,1221,2x x x F x x x x ≤⎧⎪⎪<<⎪=⎨⎪-≤<⎪⎪≥⎩26.求标准正态分布的上α分位点，（1）α=0.01，求z α; （2）α=0.003，求z α，/2z α.【解】（1） ()0.01P X z α>=， 1()0.01z αΦ-=即 ()0.09z αΦ= 故 2.33z α= （2）由()0.003P X z α>=得1()0.003z αΦ-= 即 ()0.997z αΦ= 查表得 2.75z α= 由/2()0.0015P X z α>=得/21()0.0015z α-Φ= 即 /2()0.9985z αΦ=查表得 /2 2.96z α=27.设P {X =k }=(12)k, k =1,2,…,令 1,1,.X Y X ⎧=⎨-⎩当取偶数时当取奇数时求随机变量X 的函数Y 的分布律. 【解】(1)(2)(4)(2)P Y P X P X P X k ===+=++=+242111()()()222111()/(1)443k =++++=-=2(1)1(1)3P Y P Y =-=-==28.设X ~N （0，1）.（1）求Y =e X 的概率密度；（2）求Y =2X 2+1的概率密度；（3）求Y =｜X ｜的概率密度.【解】（1）当y ≤0时，()()0Y F y P Y y =≤=当y >0时，()()(e )(ln )x Y F y P Y y P y P X y =≤=≤=≤ln ()dyX f x x -∞=⎰故 2/2ln d ()1()(ln ),0d y Y Y x F y f y f y y y y -===> (2)2(211)1P Y X =+≥=当y ≤1时()()0Y F y P Y y =≤=当y >1时2()()(21)Y F y P Y y P X y =≤=+≤212y P X P X ⎛-⎛⎫=≤=≤ ⎪ ⎝⎭⎝()dX f x x =故 d ()()d Y Y X X f y F y f f y ⎤⎛==+⎥⎥⎝⎦(1)/4,1y y --=>(3) (0)1P Y ≥=当y ≤0时()()0Y F y P Y y =≤=当y >0时()(||)()Y F y P X y P y X y =≤=-≤≤ ()d yX yf x x -=⎰故d()()()()d Y Y X X f y F y f y f y y==+-2/2,0y y -=>29.设随机变量X ~U （0,1），试求：（1） Y =e X 的分布函数及密度函数；（2） Z =-2ln X 的分布函数及密度函数. 【解】（1） (01)1P X <<=故 (1e e )1XP Y <=<= 当1y ≤时()()0Y F y P Y y =≤=当1<y <e 时()(e )(ln )X Y F y P y P X y =≤=≤ln 0d ln yx y ==⎰当y ≥e 时()(e )1X Y F y P y =≤= 即分布函数0,1()ln ,1e 1,e Y y F y y y y ≤⎧⎪=<<⎨⎪≥⎩故Y 的密度函数为11e ,()0,Y y y f y ⎧<<⎪=⎨⎪⎩其他（2）由P （0<X <1）=1知(0)1P Z >=当z ≤0时，()()0Z F z P Z z =≤=当z >0时，()()(2ln )Z F z P Z z P X z =≤=-≤/2(ln )(e )2z z P X P X -=≤-=≥/21/2e d 1e z z x --==-⎰ 即分布函数-/20,0()1-e ,Z z z F z z ≤⎧=⎨>⎩0故Z 的密度函数为/21e ,0()20,z Z z f z z -⎧>⎪=⎨⎪≤⎩030.设随机变量X 的密度函数为f (x )=22,0π,π0,.xx ⎧<<⎪⎨⎪⎩其他试求Y =sin X 的密度函数. 【解】(01)1P Y <<=当y ≤0时，()()0Y F y P Y y =≤=当0<y <1时，()()(sin )Y F y P Y y P X y =≤=≤(0arcsin )(πarcsin π)P X y P y X =<≤+-≤<arcsin π220πarcsin 22d d ππyy x x x x -=+⎰⎰222211arcsin 1πarcsin ππy y =+--（）（） 2arcsin πy =当y ≥1时，()1Y F y = 故Y 的密度函数为22,01π()10,Y y f y y⎧<<⎪=-⎨⎪⎩其他 31.设随机变量X 的分布函数如下：⎪⎩⎪⎨⎧≥<+=.)3(,)2(,)1(,11)(2x x x x F试填上(1),(2),(3)项.【解】由lim ()1x F x →∞=知②填1。

概率论与数理统计2-2-zh

泊松定理
设 0是一个常数, n是任意正整数，
k k e . k!
设n pn , 则对任一固定的非负整数k , 有
lim C pn (1 pn ) n k
n k n
上述定理表明当n很大、p很小时有以下的近似
C p (1 p )
k n
k
n k
e , 其中 np. k!
例4 某人进行射击,设每次射击的命中率为0.02，独立射击400次，试求至少击中两次的概率.
解设 X 表示命中的次数, 则 X ~ b(400,0.02).
k 400
P( X k) C
0.02 0.98
k
400 k
, k 0,1,,400.
P( X 2) 1 P ( X 0) P ( X 1)
引入分布函数的意义
a
b
2. 性质
F ( x ) P ( X x ).
X
(1)F ( x )是一个不减函数，即若x1 x 2 , 则F ( x1 ) F ( x 2 ).
( 2)0 F ( x ) 1,
x

F ( ) lim F ( x ) 0, F ( ) lim F ( x ) 1.
q
k 1

k 1
p p q
k 1

k 1
q 1. p 1 q
(3)概率背景
55页 4 题（1）
例2
某射手每次向靶射击一发子弹，命中的概率是 p (0<p<1) . 今向靶做独立重复射击，直到中靶为止，则他消耗的子弹数 X 是一个随机变量，求 X 的分布律. 解 X 可能取的值是1, 2, … P(X=1) = p， P(X=2) = (1- p) p， P(X=3) = (1- p)2 p， ……. X的分布律为 P(X=k) = (1- p) k-1 p, k=1, 2,…

概率论与数理统计讲义

§2.3连续型随机变量及概率密度（一）连续型随机变量及其概率密度定义若随机变量X的分布函数为其中f(t)≥0。

就是说X是连续型随机变量，并且非负函数f(x)是连续型随机变量X的概率密度函数，简称概率密度。

由连续型随机变量及概率密度函数的定义知概率密度有下列性质（1）（2）（3）（a≤b）前面已曾经证明，由于连续型随机变量是在一个区间或几个区间上连续取值，所以它在任何一点上取值的概率为零，即若X是连续型随机变量则有P(X=x)=0,其中X是任何一个实数。

∴有（4）f(x)≥0证（1）在微积分中已知积分上限的函数对上限x的导数它说明分布函数是概率密度的原函数，并且证明连续型随机变量的分布函数F(x)是处处可导函数，所以连续型随机变量的分布函数F(x)处处连续。

（2）（3）∵P(a<X≤b)=F(b)-F(a)因为F(x)是f(x)的原函数因此，对连续型随机变量X在区间上取值的概率的求法有两种：（1）若F(x)已知，则P(a<X≤b)=F(b)-F(a)（2）若f(x)已知，则P(a<X≤b)=例1 设求（1）c（2）解（1）而时，p(x)=0,（2）例2.设连续函数变量X的分布函数为求：（1）X的概率密度f（x）;（2）X落在区间（0.3，0.7）的概率。

解：（1）（2）有两种解法：或者例2－1 若解：例2－2 若求x~f(x) 解：例2－3，若解：例3.若解：（1）x≤0时，f（x）=0，（2）0＜x＜1时，（3）1≤x时，注2.分段函数要分段求导数，分段求积分。

例4.设某种型号电子元件的寿命X（以小时计）具有以下的概率密度。

现有一大批此种元件，（设各元件工作相互独立），问：（1）任取一只，其寿命大于1500小时的概率是多少？（2）任取四只，四只元件中恰有2只元件的寿命大于1500的概率是多少？（3）任取四只，四只元件中至少有1只元件的寿命大于1500的概率是多少？解：（1）（2）各元件工作相互独立，可看作4重贝努利试验，观察各元件的寿命是否大于1500小时，令Y 表示4个元件中寿命大于1500小时元件个数，则，所求概率为（3）所求概率为3.2 均匀分布与指数分布以下介绍三种最常用的连续型概率分布，均匀分布、指数分布和正态分布，本小节先介绍前两种。

北京理工大学《概率论与数理统计2》课件-第七章总复习

S
S2
1 n1
n i 1
(Xi
X
)2
它反映了总体标准差的信息
37
它反映了总体k
阶矩的信息
3(1) 样本k阶原点矩
an,k
1 n
n
X
k i
,
Байду номын сангаас
k
1,
2,
i1
(2)样本k阶中心矩
它反映了总体k 阶
中心矩的信息
mn,k
1 n
n i1
(Xi
X )k ,k
2, 3,
特别
an,1 X
mn,2
1 n
有时也根据总体分布的类型来称呼总体的名称，如正态总体、二项分布总体、0-1分布总体等等.
11
1.2.2. 样本空间和样本的两重性 1 样本空间
为推断总体分布及各种特征，按一定规则从总体中抽取若干个体进行观察试验，以获得有关总体的信息，这一抽取过程称为 “抽样”
所抽取的部分个体称为样本(或子样). 样本中所包含的个体数目称为样本容量.
设样本X1, X 2 , , X ni.i.d., X1 ~ N (, 2 ), 其中和 2未知.
设样本X1, X 2 , , X ni.i.d., X1 ~ Exp(), 其中未知.
这些未知的量只有通过样本去估计. 统计学上把出现在样本分布中的未知的常数称为参数.
25
在一些问题中，参数虽然未知，但根据参数的性质可以给出参数取值范围.
33
注1：统计量只与样本有关，不能依赖任何未知参数
注2：统计量既然是依赖于样本的，而
后者又是随机变量，即统计量是随机变量
的函数，故统计量是随机变量，具有概率

概率与数理统计,第二章

第一讲Ⅰ 授课题目第二章随机变量及其分布§1 随机变量 §2 离散型随机变量及其分布律 Ⅱ 教学目的与要求1、深刻理解随机变量的意义，熟练掌握用随机变量表示随机试验的结果；2、离散型随机变量的分布律及其表示；3、熟记两点分布、二项分布、泊松分布的分布律或密度函数及性质。

教学方法：发现式为主，讲授式为辅，讲练案结合 Ⅲ 教学重点与难点重点：掌握离散型随机变量及其分布律，如何用分布律求任何事件的概率。

难点：随机变量的概念及离散型随机变量的分布。

Ⅳ 讲授内容：一、引言在随机试验中，人们除对某些特定事件发生的概率感兴趣外，往往还关心某个与随机试验的结果相联系的变量. 由于这一变量的取值依赖于随机试验结果，因而被称为随机变量. 与普通的变量不同，对于随机变量，人们无法事先预知其确切取值，但可以研究其取值的统计规律性. 本章将介绍两类随机变量及描述随机变量统计规律性的分布. 二、§1 随机变量 1、随机变量概念的引入为全面研究随机试验的结果, 揭示随机现象的统计规律性, 需将随机试验的结果数量化，即把随机试验的结果与实数对应起来.1. 在有些随机试验中, 试验的结果本身就由数量来表示.2. 在另一些随机试验中, 试验结果看起来与数量无关,但可以指定一个数量来表示之. 例1 在将一枚硬币抛掷三次, 观察正面H 、反面T 出现情况的试验中, 其样本空间};,,,,,,,{TTT TTH THT HTT THH HTH HHT HHH S =记每次试验出现正面H 的总次数为随机变量X , 则X 作为样本空间S 上的函数定义为1112223XTTTTTH THT HTT THH HTH HHT HHH e例2在抛掷一枚硬币进行打赌时, 若规定出现正面时抛掷者赢1元钱, 出现反面时输1元钱, 则其样本空间为=S {正面, 反面},记赢钱数为随机变量X , 则X 作为样本空间S 的实值函数定义为⎩⎨⎧=-==.,1,,1)(反面正面e e e X例3 在测试灯泡寿命的试验中, 每一个灯泡的实际使用寿命可能是),0[+∞中任何一个实数, 若用X 表示灯泡的寿命（小时），则X 是定义在样本空间}0|{≥=t t S 上的函数，即t t X X ==)(，是随机变量. 2、随机变量的定义定义设随机试验的样本空间为{}=S e ,()e X X =是定义在样本空间S 上的实值单值函数，称)(e X X =为随机变量.随机变量与高等数学中函数的比较:(1) 它们都是实值函数,但前者在试验前只知道它可能取值的范围,而不能预先肯定它将取哪个值; (2) 因试验结果的出现具有一定的概率,故前者取每个值和每个确定范围内的值也有一定的概率.如例1中易见, 使X 取值为})2({2=X 的样本点构成的子集为},,,{THH HTH HHT A =故 ,8/3)(}2{===A P X P 类似地，有.2/1},,,{}1{==≤TTT TTH THT HTT P X P3、引入随机变量的意义随机变量的引入,使得随机试验中的各种事件可通过随机变量的关系式表达出来.由此可见,随机事件这个概念实际上是包容在随机变量这个更广的概念内.也可以说,随机事件是从静态的观点来研究随机现象,而随机变量则以动态的观点来研究之.其关系类似高等数学中常量与变量的关系.随机变量概念的产生是概率论发展史上的重大事件. 引入随机变量后,对随机现象统计规律的研究,就由对事件及事件概率的研究转化为随机变量及其取值规律的研究,使人们可利用数学分析的方法对随机试验的结果进行广泛而深入的研究.随机变量因其取值方式不同, 通常分为离散型和非离散型两类. 而非非离散型随机变量中最重要的是连续型随机变量. 今后，我们主要讨论离散型随机变量和连续型随机变量. 三、 §2 离散型随机变量及其分布律 1、离散型随机变量及其概率分布有些随机变量的取值是有有限个或可列无限多个，称此随机变量为离散型随机变量。

概率论与数理统计02(2)

19. (1)由统计物理学知, 分了运动速度的绝对值X 服从马克斯韦尔(Maxwall)分布, 其概率密度为⎩⎨⎧>=-其他00)(/22x e Ax x f b x ,其中kTm b 2=, k 为Boltzmann 常数, T 为绝对温度, m 是分子的质量,试确定常数A .(2)研究了项格兰在1875年~1951年期间, 矿山发生导致10人或10人以上死亡的事故的频繁程度, 得知相继两次事故之间的时间T (以日计)服从指数分布, 其概率密度为⎪⎩⎪⎨⎧>=-其他002411)(241/t e t f t T .求分布函数F T (t ), 并求概率P (50<T <100). 解: (1)由于⎰+∞∞-=1)(dx x f , 因此有10/22=⎰+∞-dx e Ax b x , 从而解得bb A π4=.(2)⎰⎰⎰--===-∞-tt x x tT T x e dx e dx x f t F 00241/241/)241(2411)()( 241/0241/1|t t x e e ---=-= (t ≥0),故 ⎩⎨⎧<≥-=-0001)(241/t t e t F t T . 24110024150)50()100()10050(---=-=<<e e F F T P T T .20. 某种型号的电子管的寿命X (以小时计)具有以下的概率密度:⎪⎩⎪⎨⎧>=其它010001000)(2x x x f .现有一大批此种管子(设各电子管损坏与否相互独立). 任取5只, 问其中至少有2只寿命大于1500小时的概率是多少？解: 一个电子管寿命大于1500小时的概率为 }1500{1}1500{≤-=>X P X P⎰--=-=15001000150010002)1(1000110001x dx x 32)321(1=--=.用Y 表示任取5只此种电子管中寿命大于1500小时的电子管的个数. 则)32,5(~B Y ,)2(1)2(<-=≥Y P Y P }]1{}0{[1=+=-=Y P Y P])31()32()31[(14155⋅⋅+-=C 243232243111325115=-=⨯+-=.21. 设顾客在某银行的窗口等待服务的时间X (以分计)服从指数分布, 其概率密度为:⎪⎩⎪⎨⎧>=-其它0051)(5x e x F x X .某顾客在窗口等待服务, 若超过10分钟他就离开. 他一个月要到银行5次. 以Y 表示一个月内他未等到服务而离开窗口的次数, 写出Y 的分布律. 并求P (Y ≥1).解: 该顾客一次等待服务未成而离去的概率为21051051051)()10(-∞+-∞+-∞+=-===>⎰⎰e e dx e dx x f X P x x X , 因此Y ~B (5, e -2), 即k k k e e C k Y P ----==5225)1()((k =1, 2, 3, 4, 5).P (Y ≥1)=1-P (Y <1)=1-P (Y =0) 5552)1353363.01(1)389.711(1)1(1--=--=--=-e=1-0.86775=1-0.4833=0.5167.22. 设K 在(0, 5)上服从均匀分布, 求方程4x 2+4xK +K +2=0有实根的概率.解: 因为K 的分布密度为⎪⎩⎪⎨⎧<<-=其他050051)(K K f .要方程有根, 就是要K 满足 (4K )2-4×4×(K +2)≥0.解不等式, 得K ≥2时, 方程有实根, 所以53051)()2(5522=+==≥⎰⎰⎰∞+∞+dx dx dx x f K P .23. 设X~N (3.22).(1)求P (2<X ≤5), P (-4<X ≤10), P (|X|>2), P (X >3); 解: 因为若X~N (μ, σ 2), 则)()()(σμασμββα-Φ--Φ=≤<X P , 所以 )5.0()1()232()235()51(-Φ-Φ=-Φ--Φ=≤<X P=0.8413-0.3085=0.5328,)5.3()5.3()234()235()104(-Φ-Φ=--Φ--Φ=≤<-X P=0.9998-0.0002=0.9996. P (|X |>2)=1-P (|X |<2)= 1-P (-23)=1-P (X ≤3)5.05.01)233(1=-=-Φ-=.(2)确定C 使得P (X >C )=P (X ≤C );解: 因为P (X >C )=1-P (X ≤C )=P (X ≤C ), 得 P (X ≤C )=1/2=0.5.又 5.0)23(}{=-Φ=≤C C X P ,查表可得023=-C , 所以C =3.24. 某地区18岁的女青年的血压(收缩压, 以mm-Hg 计)服从N (110, 122)在该地区任选一18岁女青年, 测量她的血压X . 求: (1)P (X ≤105), P (100<X ≤120); 解: )12110105(}105{-Φ=≤X P=Φ(-0.4167)=1-Φ(0.4167)=1-0.6616=0.3384. )12110100()12110120(}120100{-Φ--Φ=≤<X P1)65(2)65()65(-Φ=-Φ-Φ==2Φ(0.8333)-1=2⨯0.7976-1=0.5952. (2)确定最小的x 使P (X >x )≤0.05. 解: 按要求, 有05.0)12110(1}{1}{≤-Φ-=≤-=>x x X P x X P ,即 95.0)12110(≥-Φx ,查表得 645.112110≥-x ,解得x ≥110+19.74=129.74, 故最小的x =129. 74.25. 由某机器生产的螺栓长度(单位: cm)服从参数为μ=10.05, σ=0.06的正态分布. 规定长度在范围10.05±0.12内为合格品, 求一螺栓为不合格的概率是多少？解: 设螺栓长度为X , 所求概率为 P (X ∉(10.05-0.12, 10.05+0.12)) =1-P (9.93<X <10.17))]06.005.1097.9()06.005.1017.10([1-Φ--Φ-==1-[Φ(2)-Φ(-2)] =1-[0.9772-0.0228] =0.0456.26. 一工厂生产的电子管的寿命X (以小时计)服从参数为μ=160, σ的正态分布, 若要求P (120<X ≤200)≥0.80, 允许σ最大为多少？解: 因为)160120()160200(}200120{σσ-Φ--Φ=≤<X P80.0)40()40(=-Φ-Φ=σσ,又对标准正态分布有Φ(-x )=1-Φ(x ), 所以上式变为 80.0)]40(1[)40(≥Φ--Φσσ,解得9.0)40(≥Φσ. 再查表, 得281.140≥σ, 于是25.31281.140=≤σ.27. 设随机变量X 的分布律为:求Y =X 2的分布律. 解: 由已知分布得再把X 2的取值相同的合并, 并按从小到大排列, 就得函数Y 的分布律为:28. 设随机变量X 在(0, 1)上服从均匀分布. (1)求Y =e X 的分布密度; 解: X 的分布密度为⎩⎨⎧<<=为其他x x x f 0101)(.Y =g (X )=e X 是单调增函数, 又X =h (Y )=ln Y , 反函数存在, 且 α=min{g (0), g (1)}=min{1, e }=1, β=max{g (0), g (1)}=max{1, e }=e , 所以Y 的分布密度为⎪⎩⎪⎨⎧<<⋅=⋅=为其他y ey yy h y h f y 0111|)('|)]([)(ψ. (2)求Y =-2ln X 的概率密度.解: Y =g (X )=-2ln X 是单调减函数, 又2)(Y e Y h X -==反函数存在, 且 α=min{g (0), g (1)}=min{+∞, 0}=0, β=max{g (0), g (1)}=max{+∞, 0}=+∞, 所以Y 的分布密度为⎪⎩⎪⎨⎧+∞<<=-⋅=⋅=--为其他y y e e y h y h f y y y 0121|21|1|)('|)]([)(22ψ.29. 设X~N (0, 1).(1)求Y =e X 的概率密度; 解: X 的概率密度是2221)(x e x f -=π(-∞<x <+∞). Y =g (X )=e X 是单调增函数, 又X =h (Y )=ln Y , 反函数存在, 且 α=min{g (-∞), g (+∞)}=min{0, +∞}=0, β=max{g (-∞), g (+∞)}=max{0, +∞}=+∞, 所以Y 的分布密度为⎪⎩⎪⎨⎧+∞<<⋅=⋅=-为其他y y y e y h y h f y y 00121|)('|)]([)(2)(ln 2πψ. (2)求Y =2X 2+1的概率密度;解: 在这里, Y =2X 2+1在(+∞, -∞)不是单调函数, 没有一般的结论可用.设Y 的分布函数是F Y (y ), 则 F Y (y )=P (Y ≤y )=P (2X 2+1≤y ))2121(-≤≤--=y X y P . 当y <1时F Y (y )=0;当y ≥1时:⎰----=⎪⎭⎫⎝⎛-≤≤--=212122212121)(y y x y dx e y X y P y F π, 故Y 的分布密度ψ(y )是:当y ≤1时, ψ(y )=[F Y (y )]'=(0)'=0;当y >1时,ψ(y )=[F Y (y )]')21(212122'=⎰----y y x dx e π41)1(21---=y e y π.(3)求Y =| X |的概率密度.解: 因为Y 的分布函数为F Y (y )=P (Y ≤y )=P (|X|≤y ), 当y <0时, F Y (y )=0;当y ≥0时, F Y (y )=P (|X|≤y )=P (-y ≤X ≤y )⎰--=yyx dx e 2221π, 所以Y 的概率密度为:当y ≤0时, ψ(y )=[F Y (y )]'=(0)'=0; 当y <0时, ψ(y )=[F Y (y )]'22222)21(y y yx edx e ---='=⎰ππ.30. (1)设随机变量X 的概率密度为f (x )(-∞<x <+∞), 求Y =X 3的概率密度.解: 因为Y =g (X )=X 3是X 单调增函数,又 31)(Y Y h X ==, 反函数存在,且 α=min{g (-∞), g (+∞)}=min{0, +∞}=-∞, β=max{ g (-∞), g (+∞)}=max{0, +∞}=+∞, 所以Y 的分布密度为323131)(|)(|)]([)(-⋅='⋅=y y f y h y h f y ψ (-∞<y <+∞), 但y ≠0, ψ(0)=0.(2)设随机变量X 的概率密度为⎩⎨⎧>=-其它00)(x e x f x , 求Y =X 2的概率密度.解法一: 因为X 的分布密度为⎩⎨⎧≤>=-000)(x x e x f x . y =x 2是非单调函数,当x <0时, y =x 2 ↘, 反函数是y x -=; 当x <0时, y =x 2↗, y x =,所以)(())(()(~+'--=y f y y f y f Y Y ⎪⎩⎪⎨⎧≤>+=-000210y y e y y⎪⎩⎪⎨⎧≤>=-00021y y e y y .解法二: 因为)()()(~y X y P y Y P y F Y Y ≤<-=≤= )()(y X P y X P -≤-≤=⎪⎩⎪⎨⎧≤>+=⎰-0000y y dx e y x⎩⎨⎧≤>-=-001y y e y ,所以⎪⎩⎪⎨⎧≤>=-00021)(~y y e y y f Y y Y .31.设随机变量X 的概率密度为⎪⎩⎪⎨⎧<<=为其他x x x x f 002)(2ππ, 求Y =sin X 的概率密度.解: 因为F Y (y )=P (Y ≤y )=P (sin X ≤y ), 当y <0时, F Y (y )=0; 当0≤y ≤1时,F Y (y )=P (sin X ≤y )=P (0≤X ≤arcsin y 或π-arcsin y ≤X ≤π)⎰⎰-+=ππππy y dx x dx x arcsin 2arcsin 0222; 当1<y 时, F Y (y )=1, 所以Y 的概率密度ψ(y )为当y ≤0时, ψ(y )=[F Y (y )]'=(0)'=0; 当0<y <1时, ψ(y )=[F Y (y )]'2arcsin 2arcsin 0212)22(ydx x dx x yy-='+=⎰⎰-πππππ; 当1≤y 时, ψ(y )=[F Y (y )]'=(1)'=0.32. 设电流I 是一个随机变量, 它均匀分布在9~11A 之间, 若此电流通过2Ω的电阻, 在其上消耗的功率W =2I 2, 求W 的概率密度.解: ⎪⎩⎪⎨⎧<<-=001199111)(i i f I .W =2I 2 ,)2()2()()(22w I P w I P w W P w F W ≤=≤=≤=.当w <0时, F W (w )=0; 当w ≥0时,)22()2()(2w i w P w I P w F W ≤≤-=≤= ⎰⎰⎰⎰=+==--2/92/992/2/2/)()()()(w I w I w I w w I di i f di i f di i f di i f .当9<i <11, 即162<w <242时,)92(2121)29()(2/9-==<<=⎰w di w I P w F w W , 故 ww F w f W W 241)()(='=. 当w ≤162时, F W (w )=0, ϕ(w )=0;当w ≥242时, F W (w )=1, ϕ(w )=0,最后得⎪⎩⎪⎨⎧<<=其他0242162241)(w w w f W .33. 某物体的温度T (︒F )是一个随机变量, 且有T ~N (98.6, 2), 试求θ(︒C )的概率密度. 已知)32(95-=T θ. 解法一: 因为T 的概率密度为22)6.98(2221)(⨯--=t e t f π(-∞<t <+∞), 又)32(95)(-==T T g θ是单调增函数. 3259)(+==θθh T 反函数存在, 且 α=min[g (-∞), g (+∞)]=min(-∞, +∞)=-∞,β=max[g (-∞), g (+∞)]=max(-∞, +∞)=+∞,所以θ的概率密度ψ(θ)为59221|)('|)]([)(4)6.983259(2⋅=⋅=-+-θπθθθψe h h f 100)37(812109--=θπe (-∞<θ<+∞). 解法二: 根据定理: 若X~N (μ, σ2), 则Y =aX+b ~N (a μ+b , a 2σ2), 由于T ~N (98.6, 2), 故⎥⎦⎤⎢⎣⎡⨯⎪⎭⎫ ⎝⎛=⎥⎦⎤⎢⎣⎡⨯⎪⎭⎫ ⎝⎛-⨯-=295,9333295,91606.9895~91609522N N T θ, 故θ的概率密度为100)37(81295293332210929521)(--⨯⎪⎭⎫ ⎝⎛⨯⎪⎭⎫ ⎝⎛--==θθππθψe e (-∞<θ<+∞).。

概率论与数理统计教程(茆诗松)第2章

华东师范大学
第二章随机变量及其分布
第17页 17页
2.2.1 数学期望的概念数学期望的概念
若按已赌局数和再赌下去的“期望” 分，则甲的所得 X 是一个可能取值为0 或100 的随机变量，其分布列为：
X P 0 1/4 100 3/4
甲的“期望” 所得是：0×1/4 +100 × 3/4 = 75.
x2 …… xn …… p2 …… pn ……
华东师范大学
第二章随机变量及其分布
第7页
分布列的基本性质
pi ≥ 0，
(1)
(非负性) (正则性)
(2)
∑pi =1.
i
27 July 2011
华东师范大学
第二章随机变量及其分布
第8页
注意点 (2)
对离散随机变量的分布函数应注意： (1) F(x)是递增的阶梯函数; (2) 其间断点均为右连续的; (3) 其间断点即为X的可能取值点; (4) 其间断点的跳跃高度是对应的概率值.
27 July 2011
华东师范大学
第二章随机变量及其分布
第4页
两类随机变量
若随机变量 X 可能取值的个数为有限个或可列个，则称 X 为离散随机变量. 若随机变量 X 的可能取值充满某个区间 [a, b]，则称 X 为连续随机变量. 前例中的 X, Y, Z 为离散随机变量；而 T 为连续随机变量.
27 July 2011
华东师范大学
第二章随机变量及其分布
第34页 34页
2.4.2 泊松分布
若随机变量 X 的概率分布为
P( X = k) =
λk
k!
e−λ ,
k = 0,1, 2,⋯ ⋯

概率论与数理统计2-3

μ,σ2的正态分布,记为 X的分布函数为
X ~ N (,此2 ).积分不能直
接积分出来
F(x)
1
x
e
(
t )2 2 2
dt(
x
).
2
应用
• 正态分布是概率论中最重要的分布，在实际中，许多随机变量都服从或近似服从这种“两头小中间大” 的正态分布，例如，测一个零件的长度的测量误差，海洋波浪的高度，农作物的单位面积产量，人的身高或体重等服从正态分布。正态分布在理论上也有很重要的意义。
P{X a} 1 P{X a} 1 P{Y a } 1 (a )

例已知 X ~N(0,1)，试求
P{X 3}, P{| X | 1.5}. 例已知 X ~N(1, 4，) 试求
P(a X b) (b) (a)
P{X b} (b)
P{X a} 1 P{X a} 1 (a).
3、若X ~ N(, 2 )，则Y X ~N(0,1),
P{a X b} P{a Y b } (b ) (a )
P{X b} P{Y b } (b )
F
(
x)
1
ex
,
x 0,
0,
x 0.
• 指数分布也被称为寿命分布，如电子元件的寿命，电话通话的时间，随机服务系统
的服务时间等都可近似看作是服从指数分布的。
例4 某元件的寿命 X服从指数分布，已知其参数
1010，0 求 (1)这样的元件使用1000小时以上的概率； (2)3个这样的元件使用1000小时，至少已有一个
注：对分布函数分区间求导，得密度函数
x
F(x) f (t)dt ( x )
注：当密度函数为分段函数时，由于分布函数是定义在整个数轴上的函数，因此，在利用密度函数求解分布函数时应分区间求解。