概率论与数理统计4

合集下载

概率论与数理统计第四章

E (b) b E (aX ) aE ( X )
2. E(X+Y) = E(X)+E(Y);
推广 : E [ X i ] E ( X i )
i 1 i 1 n n
E ( ai X i ) ai E ( X i )
i 1 i 1
n
n
3. 设X、Y独立，则 E(XY)=E(X)E(Y);
例2.（X,Y）服从二维正态分布，其概率密度为 1 f ( x, y ) 2 21 2 1
1 y 1 2 x 1 y 2 y 2 2 exp{ [( ) 2 ( )( )( ) ]} 2 1 1 2 2 (1 )
证明： XY
Cov(kX, kY)=k2Cov(X,Y)
■相关系数
定义设D(X)>0, D(Y)>0, 称
XY
Cov( X , Y ) X EX Y EY E[ ] D( X ) D(Y ) DX DY
为随机变量X和Y的相关系数（标准协方差）
X Y E( X Y ) XY
练习
1.设离散型随机变量(Ｘ,Y)的分布列为 Y 0 1 2 X 则E(XY)=( ) 0 1/3 1/6 1/9 1 0 1/6 1/9 2 0 0 1/9
2.设随机变量Ｘ的概率密度为
e x f ( x) 0 x0 其它
Y=e-2X,则EY=( )
■数学期望的性质
1. 设a,b是常数，则E(aX+b)=aE(X)+b;
对正态分布而言，X、Y相互独立与互不相关是等价的。
例4.设随机变量(X,Y)~N(1, 1, 9, 16, -0.5) 令
第四章随机变量的数字特征

概率论与数理统计第四版习题答案全

概率论与数理统计习（第四版）题解答第一章随机事件及其概率·样本空间·事件的关系及运算一、任意抛掷一颗骰子，观察出现的点数。

设事件A 表示“出现偶数点”，事件B 表示“出现的点数能被3整除”．（1）写出试验的样本点及样本空间；（2）把事件A 及B 分别表示为样本点的集合；（3）事件B A AB B A B A ,,,,分别表示什么事件？并把它们表示为样本点的集合．解：设i ω表示“出现i 点”)6,,2,1( =i ，则（1）样本点为654321,,,,,ωωωωωω；样本空间为}.,,,,,{654321ωωωωωω=Ω （2）},,{642ωωωA =； }.,{63ωωB = （3）},,{531ωωωA =，表示“出现奇数点”；},,,{5421ωωωωB =，表示“出现的点数不能被3整除”；},,,{6432ωωωωB A =⋃，表示“出现的点数能被2或3整除”；}{6ωAB =，表示“出现的点数能被2整除且能被3整除”；},{B A 51ωω= ，表示“出现的点数既不能被2整除也不能被3整除”二、写出下列随机试验的样本空间及各个事件中的样本点：（1）同时掷三枚骰子，记录三枚骰子的点数之和．A —“点数之和大于10”，B —“点数之和小于15”．（2）一盒中有5只外形相同的电子元件，分别标有1，2，3，4，5．从中任取3只，A —“最小为1”．解：(1) 设i ω表示“点数之和等于i ”)18,,4,3( =i ，则},,,{1843ωωω =Ω；},,,{181211ωωωA =；}.,,,{1443ωωωB =(2) 设ijk ω表示“出现为k j i ,,”);5,,2,1,,(k j i k j i ≠≠= ，则},,,,,,,,,{345245235234145135134125124123ωωωωωωωωωω=Ω }.,,,,,{145135134125124123ωωωωωωA =三、设C B A ,,为三个事件，用事件之间的运算表示下列事件： (1) A 发生, B 与C 都不发生； (2) C B A ,,都发生；(3) C B A ,,中至少有两个发生； (4) C B A ,,中至多有两个发生．解：(1) C B A ；(2) ABC ；(3) ABC C AB C B A BC A ⋃⋃⋃或CA BC AB ⋃⋃(4) BC A C B A C AB C B A C B A C B A C B A ⋃⋃⋃⋃⋃⋃或C B A ⋃⋃或.ABC四、一个工人生产了n 个零件，以i A 表示他生产的第 i 个零件是合格品（n i ≤≤1）．用i A 表示下列事件：（1）没有一个零件是不合格品；（2）至少有一个零件是不合格品；（3）仅有一个零件是不合格品；（4）至少有一个零件不是不合格品．解：(1) n A A A 21；(2) n A A A 21或n A A A ⋃⋃⋃ 21； (3) n n n A A A A A A A A A 212121⋃⋃⋃ (4) n A A A ⋃⋃⋃ 21或.21n A A A第二章概率的古典定义·概率加法定理一、由七个数字组成，每个数字可以是0，1，2，…，9中的任一个数（但第一个数字不能为0），由完全不同的数字组成的概率．解：基本事件总数为611011011011011011019109⨯=C C C C C C C 有利事件总数为456789214151617181919⨯⨯⨯⨯⨯=C C C C C C C 设A 表示“是由完全不同的数字组成”，则0605.0109456789)(62≈⨯⨯⨯⨯⨯⨯=A P 二、把十本书任意地放在书架上，求其中指定的三本书放在一起的概率．解：基本事件总数为!101010=A 指定的三本书按某确定顺序排在书架上的所有可能为!777=A 种；这三本书按确定的顺序放在书架上的所以可能的位置共818=C 种；这三本书的排列顺序数为!333=A ；故有利事件总数为!3!8!38!7⨯=⨯⨯(亦可理解为)3388P P设A 表示“指定的三本书放在一起”，则067.0151!10!3!8)(≈=⨯=A P三、为了减少比赛场次，把二十个队任意分成两组（每组十队）进行比赛，求最强的两个队被分在不同组的概率．解：20个队任意分成两组（每组10队）的所以排法，构成基本事件总数1020C ；两个最强的队不被分在一组的所有排法，构成有利事件总数91812C C 设A 表示“最强的两队被分在不同组”，则526.01910)(102091812≈==C C C A P四、某工厂生产的产品共有100个，其中有5个次品．从这批产品中任取一半来检查，求发现次品不多于1个的概率．解：设i A 表示“出现的次品为i 件”)5,4,3,2,1,0(=i ，A 表示“取出的产品中次品不多于 1个”，则 .10A A A ⋃=因为V A A =10，所以).()()(10A P A P A P +=而0281.0979942347)(5010050950≈⨯⨯⨯==C C A P 1529.09799447255)(501004995151≈⨯⨯⨯⨯==C C C A P 故 181.01529.00281.0)(=+≈A P五、一批产品共有200件, 其中有6件废品．求 (1) 任取3件产品恰有1件是废品的概率; (2) 任取3件产品没有废品的概率; (3) 任取3件产品中废品不少于2件的概率．解：设A 表示“取出的3件产品中恰有1件废品”；B 表示“取出的3件产品中没有废品”；C 表示“取出的3件产品中废品不少于2件”，则 (1) 0855.019819920019319418)(3200219416≈⨯⨯⨯⨯==C C C A P (2) 912.0198199200192193194)(32003194≈⨯⨯⨯⨯==C C B P(3) 00223.019819920012019490)(3200019436119426≈⨯⨯⨯⨯=+=C C C C C C P六、设41)( ,0 ,31)()()(======BC P P(AC)P(AB)C P B P A P ．求A , B , C 至少有一事件发生的概率．解：因为0==P(AC)P(AB)，所以V AC V AB ==,，从而V C AB =)(可推出0)(=ABC P设D 表示“A , B , C 至少有一事件发生”，则C B A D ⋃⋃=，于是有)()()()()()()()()(ABC P CA P BC P AB P C P B P A P C B A P D P +---++=⋃⋃= 75.04341313131==-++=第三章条件概率与概率乘法定理·全概率公式与贝叶斯公式一、设,6.0)|(,4.0)(,5.0)(===B A P B P A P 求)|(,)(B A A P AB P ．解：因为B A AB B B A A +=+=)(，所以)()()(B A P AB P A P +=，即14.06.0)4.01(5.0)()()()()()(=⨯--=-=-=B A P B P A P B A P A P AB P68.074.05.036.0)4.01(5.05.0)()()()()()]([)|(≈=--+=-+==B A P B P A P A P B A P B A A P B A A P二、某人忘记了的最后一个数字，因而他随意地拨号，求他拨号不超过两次而接通所需的概率．若已知最后一个数字是奇数，那么此概率是多少？解：设A 表示“第一次拨通”，B 表示“第二次拨通”，C 表示“拨号不超过两次而拨通”（1）2.0101101)()()(19111101911011=+=⋅+=+=C C C C C C A B P A P C P（2）4.05151)()()(2511141511=+=+=+=A A A A A A B P A P C P三、两台车床加工同样的零件，第一台出现废品的概率是0.03，第二台出现废品的概率是0.02．加工出来的零件放在一起，并且已知第一台加工的零件比第二台加工的零件多一倍．（1）求任意取出的零件是合格品的概率；（2）如果任意取出的零件是废品，求它是第二台车床加工的概率．解：设i A 表示“第i 台机床加工的零件”)2,1(=i ；B 表示“出现废品”；C 表示“出现合格品”（1）)()()()()()()()(22112121A C P A P A C P A P C A P C A P C A C A P C P +=+=+= 973.0)02.01(31)03.01(32≈-⨯+-⨯=（2）25.002.03103.03202.031)()()()()()()()()(22112222=⨯+⨯⨯=+==A B P A P A B P A P A B P A P B P B A P B A P四、猎人在距离100米处射击一动物，击中的概率为0.6；如果第一次未击中，则进行第二次射击，但由于动物逃跑而使距离变为150米；如果第二次又未击中，则进行第三次射击，这时距离变为200米．假定击中的概率与距离成反比，求猎人三次之击中动物的概率．解：设i A 表示“第i 次击中”)3,2,1(=i ，则由题设，有1006.0)(1kA P ==，得60=k ，从而有4.015060150)(2===k A P ，.3.020060200)(3===k A P设A 表示“三次之击中”，则321211A A A A A A A ++=，故有)()()()()()()(321211A P A P A P A P A P A P A P ++=832.03.0)4.01()6.01(4.0)6.01(6.0=⨯-⨯-+⨯-+= （另解）设B 表示“猎人三次均未击中”，则168.0)3.01)(4.01)(6.01()(=---=B P故所求为 832.0)(1)(=-=B P B P五、盒中放有12个乒乓球，其中有9个是新的．第一次比赛时从其中任取3个来用，比赛后仍放回盒中．第二次比赛时再从盒中任取3个，求第二次取出的都是新球的概率．解：设i A 表示“第一次取得i 个新球”)3,2,1,0(=i ，则2201)(312330==C C A P 22027)(31219231==C C C A P 220108)(31229132==C C C A P 22084)(31239033==C C C A P 设B 表示“第二次取出的都是新球”，则312363123731238312393022084220108220272201)()()(C C C C C C C C A B P A P B P i i i ⋅+⋅+⋅+⋅==∑=146.0532400776161112208444722010855142202755212201≈=⋅+⋅+⋅+⋅=第四章随机事件的独立性·独立试验序列一、一个工人看管三台车床，在一小时车床不需要工人照管的概率：第一台等于0.9，第二台等于0.8，第三台等于0.7．求在一小时三台车床中最多有一台需要工人照管的概率．解：设i A 表示“第i 台机床不需要照管”)3,2,1(=i ，则9.0)(1=A P 8.0)(2=A P 7.0)(3=A P再设B 表示“在一小时三台车床中最多有一台需要工人照管”，则321321321321A A A A A A A A A A A A B +++=于是有)()()()()()()()()()()()()(321321321321A P A P A P A P A P A P A P A P A P A P A P A P B P +++= )7.01(8.09.07.0)8.01(9.07.08.0)9.01(7.08.09.0-⨯⨯+⨯-⨯+⨯⨯-+⨯⨯=902.0=．（另解）设i B 表示“有i 台机床需要照管”)1,0(=i ，B 表示“在一小时三台车床中最多有一台需要工人照管”，则10B B B +=且0B 、1B 互斥，另外有 504.07.08.09.0)(0=⨯⨯=B P398.0)7.01(8.09.07.0)8.01(9.07.08.0)9.01()(1=-⨯⨯+⨯-⨯+⨯⨯-=B P 故902.0398.0504.0)()()()(1010=+=+=+=B P B P B B P B P ．二、电路由电池a 与两个并联的电池b 及c 串联而成．设电池c b a ,,损坏的概率分别是0.3、0.2、0.2，求电路发生间断的概率．解：设1A 表示“a 损坏”；2A 表示“b 损坏”；3A 表示“c 损坏”；则3.0)(1=A P 2.0)()(32==A P A P又设B 表示“电路发生间断”，则321A A A B +=于是有)()()()()(321321321A A A P A A P A P A A A P B P -+=+=)()()()()()(321321A P A P A P A P A P A P -+= 328.02.02.03.02.02.03.0=⨯⨯-⨯+=．三、三个人独立地去破译一个密码，他们能译出的概率分别为51、31、41，求能将此密码译出的概率．解：设A 表示“甲能译出”；B 表示“乙能译出”；C 表示“丙能译出”，则51)(=A P 31)(=B P 41)(=C P设D 表示“此密码能被译出”，则C B A D ⋃⋃=，从而有)()()()()()()()()(ABC P CA P BC P AB P C P B P A P C B A P D P +---++=⋃⋃=)()()()()()()()()()()()(C P B P A P A P C P C P B P B P A P C P B P A P +---++=6.0413151415141513151413151=⨯⨯+⨯-⨯-⨯-++=．（另解）52)411)(311)(511()()()()()(=---===C P B P A P C B A P D P ，从而有6.053521)(1)(==-=-=D P D P四、甲、乙、丙三人同时对飞机进行射击，三人的命中概率分别为7.0,5.0,4.0．飞机被一人击中而被击落的概率为2.0，被两人击中而被击落的概率为6.0，若三人都击中，则飞机必被击落．求飞机被击落的概率．解：设1A 表示“甲命中”；2A 表示“乙命中”；3A 表示“丙命中”；则4.0)(1=A P5.0)(2=A P 7.0)(3=A P设i B 表示“i 人击中飞机” )3,2,1,0(=i ，则09.0)7.01)(5.01)(4.01()())(()()(3213210=---===A P A P A P A A A P B P)()(3213213211A A A A A A A A A P B P ++=)()()(321321321A A A P A A A P A A A P ++=)()()()()()()()()(321321321A P A P A P A P A P A P A P A P A P ++=36.07.0)5.01)(4.01()7.01(5.0)4.01()7.01)(5.01(4.0=⨯--+-⨯⨯-+--⨯=)()(3213213212A A A A A A A A A P B P ++= )()()(321321321A A A P A A A P A A A P ++=)()()()()()()()()(321321321A P A P A P A P A P A P A P A P A P ++=41.07.0)5.01)(4.01()7.01(5.0)4.01()7.01)(5.01(4.0=⨯--+-⨯⨯-+--⨯=14.07.05.04.0)()()()()(3213213=⨯⨯===A P A P A P A A A P B P 设A 表示“飞机被击落”，则由题设有0)(0=B A P 2.0)(1=B A P 6.0)(2=B A P 1)(3=B A P故有458.0114.06.041.02.036.0009.0)()()(30=⨯+⨯+⨯+⨯==∑=i i i B A P B P A P ．五、某机构有一个9人组成的顾问小组，若每个顾问贡献正确意见的概率都是0.7，现在该机构就某事可行与否个别征求每个顾问的意见，并按多数人意见作出决策，求作出正确决策的概率．解：设i A 表示“第i 人贡献正确意见”，则7.0)(=i A P )9,,2,1( =i ．又设m 为作出正确意见的人数，A 表示“作出正确决策”，则 )9()8()7()6()5()5()(99999P P P P P m P A P ++++=≥=+⋅⋅+⋅⋅+⋅⋅=277936694559)3.0()7.0()3.0()7.0()3.0()7.0(C C C 9991889)7.0()3.0()7.0(⋅+⋅⋅+C C+⋅⋅+⋅⋅+⋅⋅=273645)3.0()7.0(36)3.0()7.0(84)3.0()7.0(126918)7.0()3.0()7.0(9+⋅⋅+0403.01556.02668.02668.01715.0++++= 901.0=．六、每次试验中事件A 发生的概率为p ，为了使事件A 在独立试验序列中至少发生一次的概率不小于p ，问至少需要进行多少次试验？解：设做n 次试验，则n p A P A P )1(1}{1}{--=-=一次都不发生至少发生一次要p p n ≥--)1(1，即要p p n -≤-1)1(，从而有.1)1(log )1(=-≥-p n p 答：至少需要进行一次试验．第五章离散随机变量的概率分布·超几何分布·二项分布·泊松分布一、一批零件中有9个合格品与3个废品．安装机器时从这批零件中任取1个．如果每次取出的废品不再放回去，求在取得合格品以前已取出的废品数的概率分布．解：设X 表示“在取得合格品以前已取出的废品数”，则X 的概率分布为即亦即二、自动生产线在调整以后出现废品的概率为p ．生产过程中出现废品时立即进行调整．求在两次调整之间生产的合格品数的概率分布．解：设X 表示“在两次调整之间生产的合格品数”，且设p q -=1，则ξ的概率分布为三、已知一批产品共20个，其中有４个次品．（１）不放回抽样．抽取６个产品，求样品中次品数的概率分布；（２）放回抽样．抽取６个产品，求样品中次品数的概率分布．解：（1）设X 表示“取出的样本中的次品数”，则X 服从超几何分布，即X 的概率函数为)4,3,2,0()(6206164===-x C C C x X P xx从而X 的概率分布为即（2）设X 表示“取出的样本中的次品数”，则X 服从超几何分布，即X 的概率函数为)6,5,4,3,2,0()2.01()2.0()(66=-==-x C x X P xx x从而X即四、总机为300个用户服务．在一小时每一用户使用的概率等于0.01，求在一小时有4个用户使用的概率（先用二项分布计算，再用泊松分布近似计算，并求相对误差）．解：（1）用二项分布计算)01.0(=p168877.0)01.01()01.0()1()4(2964430029644300≈-=-==C p p C ξP（2）用泊松分布计算)301.0300(=⨯==np λ168031355.0!43)4(34≈==-e ξP相对误差为.5168877.0168031355.0168877.0000≈-=δ五、设事件A 在每一次试验中发生的概率为0.3，当A 发生次数不少于3次时，指示灯发出信号．现进行了5次独立试验，求指示灯发出信号的概率．解：设X 表示“事件A 发生的次数”，则3.0)(==p A P ，5=n ，).3.0,5(~B X 于是有)5()4()3()3(=+=+==≥X P X P X P X P5554452335)1()1(p C p p C p p C +-+-=16308.000243.002835.01323.0≈++≈（另解） )2()1()0(1)3(1)3(=-=-=-=<-=≥X P X P X P X P X P322541155005)1()1()1(11p p C p p C p p C ------= 16308.0≈六、设随机变量X 的概率分布为2, 1, ,0 , !)(===k k ak X P kλ；其中λ>0为常数，试确定常数a ．解：因为∑∞===01)(k k X P ，即∑∞==01!k kk λa ，亦即1=λae ，所以.λe a -=第六章随机变量的分布函数·连续随机变量的概率密度一、函数211x +可否是连续随机变量X 的分布函数？为什么？如果X 的可能值充满区间：（1）（∞+∞- ,）；（2）（0,∞-）．解：（1）设211)(xx F +=，则1)(0<<x F 因为0)(lim =-∞→x F x ，0)(lim =+∞→x F x ，所以)(x F 不能是X 的分布函数．（2）设211)(x x F +=，则1)(0<<x F 且0)(lim =-∞→x F x ，1)(lim 0=-→x F x因为)0( 0)1(2)('22<>+-=x x xx F ，所以)(x F 在（0,∞-）上单增．综上述，故)(x F 可作为X 的分布函数．二、函数x x f sin )(=可否是连续随机变量X 的概率密度？为什么？如果X 的可能值充满区间：（1）⎥⎦⎤⎢⎣⎡2,0π；（2）[]π,0；（3）⎥⎦⎤⎢⎣⎡23,0π．解：（1）因为⎥⎦⎤⎢⎣⎡∈2,0πx ，所以0sin )(≥=x x f ；又因为1cos )(2020=-=⎰ππx dx x f ，所以当⎥⎦⎤⎢⎣⎡∈2,0πx 时，函数x x f sin )(=可作为某随机变量X 的概率密度．（2）因为[]πx ,0∈，所以0sin )(≥=x x f ；但12cos )(00≠=-=⎰ππx dx x f ，所以当[]πx ,0∈时，函数x x f sin )(=不可能是某随机变量X 的概率密度．（3）因为⎥⎦⎤⎢⎣⎡∈23,0πx ，所以x x f sin )(=不是非负函数，从而它不可能是随机变量X 的概率密度．二、一批零件中有9个合格品与3个废品．安装机器时从这批零件中任取1个．如果每次取出的废品不再放回去，求在取得合格品以前已取出的废品数的分布函数，并作出分布函数的图形．解：设X 表示“取出的废品数”，则X 的分布律为于是，⎪⎩>3,1x四、（柯西分布）设连续随机变量X 的分布函数为+∞<<∞-+=x x B A x F ,arctan )(．求：（1）系数A 及B ；（2）随机变量X 落在区间)1 ,1(-的概率；(3) X 的概率密度．解：(1) 由0)2()(lim =-⋅+=-∞→πB A x F x ，12)(lim =⋅+=-∞→πB A x F x ，解得.1,21πB A ==即)( ,arctan 121)(+∞<<-∞+=x x πx F ．(2) .21)]1arctan(121[]1arctan 121[)1()1()11(=-+-+=--=<<-ππF F X P (3) X 的概率密度为)1(1)()(2x x F x f +='=π．五、（拉普拉斯分布）设随机变量X 的概率密度为+∞<<∞-=-x Ae x f x,)(．求：（1）系数A ；（2）随机变量X 落在区间)1,0(的概率；（3）随机变量X 的分布函数．解：(1) 由1)(⎰+∞∞-=dx x f ，得1220⎰⎰+∞∞-+∞--===A dx e A dx Ae xx ，解得21=A ，即有).( ,21)(+∞<<-∞=-x e x f x(2) ).11(21)(2121)()10(101010ee dx e dx xf X P x x -=-===<<--⎰⎰(3) 随机变量X 的分布函数为⎪⎩⎪⎨⎧>-≤===-∞--∞-⎰⎰021102121)()(x e x e dx e dx x f x F x xx xx ．第七章均匀分布·指数分布·随机变量函数的概率分布一、公共汽车站每隔5分钟有一辆汽车通过．乘客到达汽车站的任一时刻是等可能的．求乘客候车时间不超过3分钟的概率．解：设随机变量X 表示“乘客的候车时间”，则X 服从]5,0[上的均匀分布，其密度函数为⎩⎨⎧∉∈=]5,0[,0]5,0[,51)(x x x f 于是有.6.053)()30(3===≤≤⎰dx x f X P二、已知某种电子元件的使用寿命X (单位:h)服从指数分布，概率密度为⎪⎩⎪⎨⎧≤>=-.0,0;0,8001)(800x x e x f x任取３个这种电子元件，求至少有１个能使用1000h 以上的概率．解：设A 表示“至少有１个电子元件能使用1000h 以上”；321A 、A 、A 分别表示“元件甲、乙、丙能使用1000h 以上”．则287.08001)1000()()()(4510008001000800321≈=-==>===-∞+-∞+-⎰e e dx e X P A P A P A P xx)()()()()()()()()(321313221321321A A A P A A P A A P A A P A P A P A P A A A P A P +---++=⋃⋃=638.0287.0287.03287.0332≈+⨯-⨯=（另解）设A 表示“至少有１个电子元件能使用1000h 以上”．则287.08001)1000(4510008001000800≈=-==>-∞+-∞+-⎰ee dx e X P xx从而有713.01)1000(1)1000(45≈-=>-=≤-eX P X P ，进一步有638.0713.01)]1000([1)(33≈-≈≤-=X P A P三、(1) 设随机变量X 服从指数分布)(λe ．证明：对于任意非负实数s 及t ，有).()(t X P s X t s X P ≥=≥+≥这个性质叫做指数分布的无记忆性．(2) 设电视机的使用年数X 服从指数分布)10(．e ．某人买了一台旧电视机，求还能使用５年以上的概率．解：（１）因为)(~λe X ，所以R x ∈∀，有xex F λ--=1)(，其中)(x F 为X 的分布函数．设t s X A +≥=，t X B ≥=．因为s 及t 都是非负实数，所以B A ⊂，从而A AB =．根据条件概率公式，我们有)(1)(1)()()()()()()()(s X P t s X P s X P t s X P B P A P B P AB P B A P s X t s X P <-+<-=≥+≥====≥+≥tst s e e e λλλ--+-=----=]1[1]1[1)(．另一方面，我们有t t e e t F t X P t X P t X P λλ--=--=-=≤-=<-=≥)1(1)(1)(1)(1)(．综上所述，故有)()(t X P s X t s X P ≥=≥+≥．（２）由题设，知X 的概率密度为⎩⎨⎧≤>=-．，；，0001.0)(1.0x x e x f x 设某人购买的这台旧电视机已经使用了s 年，则根据上述证明的（１）的结论，该电视机还能使用5年以上的概率为6065.01.0)()5()5(5.051.051.05≈=-===≥=≥+≥-∞+-∞+-∞+⎰⎰e e dx e dx xf X P s X s X P xx ．答：该电视机还能使用5年以上的概率约为6065.0．四、设随机变量X 服从二项分布)4.0 ,3(B ，求下列随机变量函数的概率分布：（1）X Y 211-=；（2）2)3(2X X Y -=．解：X 的分布律为（1）X Y 211-=的分布律为（2）2)3(2X X Y -=的分布律为即五、设随机变量X 的概率密度为⎪⎩⎪⎨⎧≤>+=.0,0;0,)1(2)(2x x x x f π求随机变量函数X Y ln =的概率密度．解：因为)()()(ln )()(yX yY e F e X P y X P y Y P y F =<=<=<= 所以随机变量函数X Y ln =的概率密度为)( )1(2)()()()(2''+∞<<-∞+====y e e e e f e e F y F y f yyyyyyXYY π，即 )( )1(2)(2+∞<<-∞+=y e e y f y yY π．第八章二维随机变量的联合分布与边缘分布一、把一颗均匀的骰子随机地掷两次．设随机变量X 表示第一次出现的点数，随机变量Y 表示两次出现点数的最大值，求二维随机变量),(Y X 的联合概率分布及Y 的边缘概率分布．解：二维随机变量),(Y X 的联合概率分布为Y 的边缘概率分布为二、设二维随机变量（X ，Y ）的联合分布函数)3arctan )(2arctan (),(yC x B A y x F ++=．求：（1）系数A 、B 及C ；（2）（X ，Y ）的联合概率密度：（3）边缘分布函数及边缘概率密度．解：（1）由0)0,(,0),0(,1),(=-∞=∞-=∞+-∞F F F ，得⎪⎪⎪⎩⎪⎪⎪⎨⎧=-=--=++0)2(0)2)(0(1)2)(2(πB AC πC B A πC πB A 解得2πC B ==，.12πA = （2）因为)3arctan 2)(2arctan 2(1),(2yx y x F ++=πππ，所以（X ，Y ）的联合概率密度为.)9)(4(6),(),(222"y x y x F y x f xy ++==π（3）X 及Y 的边缘分布函数分别为xx x X x dx x dy y x f dx x F ∞-∞-∞-+∞∞-=+==⎰⎰⎰2arctan 1)4(2),()(2ππ 2arctan 121xπ+=yx y Y y dy y dx y x f dy x F ∞-∞-∞-+∞∞-=+==⎰⎰⎰3arctan 1)9(3),()(2ππ 3arctan 121yπ+=X 及Y 的边缘概率密度分别为⎰⎰⎰+∞+∞∞-+∞∞-++⋅=++==0222222)9(1)4(112)9)(4(6),()(dy y x dy y x dy y x f x f X ππ )4(2)3arctan 31()4(1122022x y x +=+⋅=∞+ππ ⎰⎰⎰+∞+∞∞-+∞∞-++=++==022222241)9(12)9)(4(6),()(dx x y dx y x dx y x f y f Y ππ)9(3)2arctan 21()9(122022y x y +=+=∞+ππ三、设),(Y X 的联合概率密度为⎩⎨⎧>>=+-., 00;0,,Ae ),(3y)(2x 其它y x y x f求：（1）系数A ；（2）),(Y X 的联合分布函数；（3）X 及Y 的边缘概率密度；（4）),(Y X落在区域R ：632 ,0 ,0<+>>y x y x 的概率．解：（1）由1),(=⎰⎰+∞∞-+∞∞-dy dx y x f ，有16132==⎰⎰∞+∞+--A dy e dx e A y x ，解得.6=A （2）),(Y X 的联合分布函数为⎪⎩⎪⎨⎧>>==⎰⎰⎰⎰--∞-∞-其它0,06),(),(0032y x dy e dx e dy y x f dx y x F x y y x xy⎩⎨⎧>>--=--其它0,0)1)(1(32y x e e y x （3）X 及Y 的边缘概率密度分别为⎩⎨⎧≤>=⎪⎩⎪⎨⎧≤>==-+∞--∞+∞-⎰⎰00020006),()(2032x x ex x dy e e dy y x f x f x y x X⎩⎨⎧≤>=⎪⎩⎪⎨⎧≤>==-+∞--∞+∞-⎰⎰00030006),()(3032y y ex x dx e e dx y x f y f y y x Y（4）⎰⎰⎰⎰---==∈x y xR dy e dx edxdy y x f R Y X P 32203326),(}),{(6306271)(2---⎰-=-=e dx e e x四、设二维随机变量),(Y X 在抛物线2x y =与直线2+=x y 所围成的区域R 上服从均匀分布．求：(1) ),(Y X 的联合概率密度；(2) 概率)2(≥+Y X P ．解：(1) 设),(Y X 的联合概率密度为⎩⎨⎧∉∈=.),(, 0;),(,),(R y x R y x C y x f 则由129)322()2(21322122212==-+=-+==--+-⎰⎰⎰⎰⎰C x x x C dx x x C dy dx C Cdxdy x x R解得92=C ．故有⎪⎩⎪⎨⎧∉∈=.),(, 0;),(,92),(R y x R y x y x f(2) ⎰⎰⎰⎰⎰⎰++-≥++==≥+x x x x y x dy dx dy dx dxdy y x f Y X P 2212210229292),()2(⎰⎰-++=21210)2(92292dx x x xdx481.02713)322(92922132102≈=-++=x x x x ．第九章随机变量的独立性·二维随机变量函数的分布一、设X 与Y 是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;0,21)(2y y e y f yY求 (1) ),(Y X 的联合概率密度; (2) 概率)(X Y P ≥．解: (1)X 的概率密度为⎩⎨⎧∉∈=)1,0(,0)1,0(,1)(x x x f X ，),(Y X 的联合概率密度为（注意Y X ,相互独立）⎪⎩⎪⎨⎧><<==-其它,00,10,21)()(),(2y x e y f x f y x f yY X（2）dx edx edy e dx dxdy y x f X Y P x xyxyxy ⎰⎰⎰⎰⎰⎰-∞+-∞+-≥=-===≥1021022102)(21),()(7869.0)1(2221122≈-=-=--e e x二、设随机变量X 与Y 独立，并且都服从二项分布：.,,2 ,1 ,0 ,)(; ,,2 ,1 ,0 ,)(212211n j qp C j p n i q p C i p jn jj n Y i n i in X ====--证明它们的和Y X Z +=也服从二项分布．证明: 设j i k +=, 则ik n i k i k n ki i n i i n k i Y X Z q p C q p C i k P i P k Z P k P +---=-=∑∑=-===22110)()()()( ∑=-+=ki k n n k i n in q p C C2121)( 由knm ki ik nk m C C C +=-=∑, 有k n n ki in i n C C C21210+==∑. 于是有 ),,2,1,0( )(212121n n k q p C k P kn n k i n n Z +==-++ 由此知Y X Z +=也服从二项分布.三、设随机变量X 与Y 独立，并且X 在区间[0，1]服从均匀分布，Y 在区间[0，2]服从辛普森分布：⎪⎩⎪⎨⎧><≤<-≤≤=.20 0,; 2 1 ,2;10 ,)(y y y y y y y f Y 或求随机变量Y X Z +=的概率密度．解: X 的概率密度为 ⎩⎨⎧∉∈=]1,0[,0]1,0[,1)(x x y f ξ . 于是),(Y X 的联合概率密度为⎪⎩⎪⎨⎧≤<≤≤-≤≤≤≤=. 0, 2 1,10 ,210,10,),(其它当当y x y y x y y x fY X Z +=的联合分布函数为}),{(}{}{)(D y x P z Y X P z Z P z F Z ∈=≤+=≤=，其中D 是zy x ≤+与),(y x f 的定义域的公共部分.故有 ⎪⎪⎪⎩⎪⎪⎪⎨⎧≤<+-≤<-+-≤≤><=3229321212331023,00)(222z z z z z z z zz z z F Z 从而随机变量Y X Z +=的概率密度为⎪⎪⎩⎪⎪⎨⎧≤<-≤<+-≤≤><=3232132103,00)(z z z z z z z z z f Z三、电子仪器由六个相互独立的部件ij L （3,2,1;2,1==j i ）组成，联接方式如右图所示．设各个部件的使用寿命ij X 服从相同的指数分布)(λe ，求仪器使用寿命的概率密度．解: 由题设，知ij X 的分布函数为⎩⎨⎧≤>-=-0,00,1x x e F x X ij λ 先求各个并联组的使用寿命)3,2,1( =i Y i 的分布函数.因为当并联的两个部件都损坏时,第i 个并联组才停止工作,所以有)3,2,1(),m ax (21==i Y i i i ξξ从而有)3,2,1( =i Y i 的分布函数为⎩⎨⎧≤>-==-0,00,)1()(221y y e F F y F y X X Y i i i λ 设Z "仪器使用寿命".因为当三个并联组中任一个损坏时,仪器停止工作.所以有),,min(321Y Y Y Z =.从而有Z 的分布函数为⎩⎨⎧≤>---=⎩⎨⎧≤>----=-0,00,])1(1[10,00)],(1)][(1)][(1[1)(32321z z e z z z F z F z F z F z Y Y Y Z λ 故Z 的概率密度为⎩⎨⎧≤>--=---0,00,)2)(1(6)(23z z e e e z f z z z Z λλλλ第十章随机变量的数学期望与方差一、一批零件中有9个合格品与3个废品．安装机器时从这批零件中任取一个．如果取出的废品不再放回去，求在取得合格品以前已取出的废品数的数学期望、方差与标准差．解：设X 表示“在取得合格品以前已取出的废品数”，则X 的概率分布为即1103322013220924491430=⨯+⨯+⨯+⨯=EX 即3.0004.03041.02205.0175.00≈⨯+⨯+⨯+⨯=EX2X 的分布为2X0 1 4 9即于是有229220192209444914302=⨯+⨯+⨯+⨯=EX 即4091.0004.09041.04205.0175.002≈⨯+⨯+⨯+⨯=EX从而有3191.013310042471)11033(229)(222≈=-=-=EX EX DX 565.03191.0≈==DX Xσ二、对某一目标进行射击，直至击中为止．如果每次射击命中率为p ，求射击次数的数学期望及方差．解：设X 表示“第i 次击中”),2,1( =i ，则X 的分布为p q p q q p q p iqp ipqEX i i i i i i 1)1()1()(211111=-='-='===∑∑∑∞=∞=-∞=- 2X p pp p q q p q p q q p pqi EX i i i ii i 122)1()1()(])([223111122-=-=-+='=''==∑∑∑∞=∞=∞=- 进一步有p pp p p EX EX DX 11)1(12)(22222-=--=-=三、设离散型随机变量X 的概率函数为,,2,1,21]2)1([ ==-=k k X P k k k问X 的数学期望是否存在？若存在，请计算)(X E ；若不存在，请解释为什么．解：因为∑∑∑∑∞=∞=∞=∞=-=⋅-=-=-==1111)1(212)1(]2)1([2)1()(k k k k k k k k k k ki i i k k k X P k x X P x 不绝对收敛，所以ξ没有数学期望．四、设随机变量X 的概率密度为⎪⎩⎪⎨⎧≥<-=.1, 0;1,11)(2x x xx f π 求数学期望)(X E 及方差)(X D ．解：011)()(112=-⋅==⎰⎰-+∞∞-dx xx dx x xf X E πdx x x dx x x dx x f x X D ⎰⎰⎰-=-⋅==-∞+∞-1022112221211)()(πππ21]arcsin 2112[2102=+--=x x x π五、（拉普拉斯分布）设随机变量X 的概率密度为 )( ,21)(+∞<<-∞=-x e x f x．求数学期望)(X E 及方差)(X D ．解：021)(===⎰⎰+∞∞--+∞∞-dx xe dx x xf EX x2!2)3(21)(0222==Γ====⎰⎰⎰+∞-+∞∞--+∞∞-dx e x dx e x dx x f x DX x x（分部积分亦可）第十一章随机变量函数的数学期望·关于数学期望与方差的定理一、设随机变量X 服从二项分布)4.0,3(B ，求2)3(X X Y -=的数学期望及方差．解：X 的概率分布为Y 的概率分布为2Y 的分布为72.072.0128.00=⨯+⨯=EY 72.072.0128.002=⨯+⨯=EY2016.0)72.0(72.0)(222=-=-=EY EY DY二、过半径为R 的圆周上一点任意作这圆的弦，求所有这些弦的平均长度．解：在圆周上任取一点O ，并通过该点作圆得直径OA ．建立平面直角坐标系，以O 为原点，且让OA 在x 轴的正半轴上．通过O 任作圆的一条弦OB ，使OB 与x 轴的夹角为θ，则θ服从]2,2[ππ-上的均匀分布，其概率密度为⎪⎩⎪⎨⎧-∉-∈=]2,2[,0]2,2[,1)(ππθππθπθf ．弦OB 的长为 ]2,2[cos 2)(ππθθθ-∈=R L ，故所有弦的平均长度为⎰⎰-∞+∞-⋅==22cos 21)()()]([ππθθπθθθθd R d L f L EπθπθθπππRR d R4sin 4cos 42020===⎰．三、一工厂生产的某种设备的寿命X （以年计）服从指数分布，概率密度为⎪⎩⎪⎨⎧≤>=-. 0,0 ;0 ,41)(4x x e x f x工厂规定，出售的设备若在售出一年之损坏可予以调换．若工厂售出一台设备赢利100元，调换一台设备厂方需花费300元．试求厂方出售一台设备的平均净赢利．解：由题设，有⎰⎰---∞--=-===<104110441141)()1(e e dx e dx x f X P x x进而有 41)1(1)1(-=<-=≥eX P X P设Y 表示“厂方出售一台设备获得的净赢利”，则Y 的概率分布为从而有64.33200300100)1(200414141≈-⨯=⨯+-⨯-=---ee e EY答：厂方出售一台设备获得的平均净赢利约为64.33元．四、设随机变量n X X X ,,21相互独立，并且服从同一分布，数学期望为μ，方差为2σ．求这些随机变量的算术平均值∑==ni i X n X 11的数学期望与方差．解：因为μ=)(i X E ，2)(σ=i X D ，且随机变量n X X X ,,21相互独立．所以有μμ=====∑∑∑∑====ni n i i ni i n i i n X E n X E n X n E X E 11111)(1)(1)1()(，nn X D n X D n X n D X D ni ni in i i n i i 2122121211)(1)(1)1()(σσ=====∑∑∑∑====．五、一民航送客车载有20位旅客自机场开出，沿途有10个车站可以下车，到达一个车站时如没有旅客下车就不停车．假设每位旅客在各车站下车是等可能的，且各旅客是否下车相互独立．求该车停车次数的数学期望．解: 设i X 表示"第i 站的停车次数" (10,,2,1 =i ). 则i X 服从"10-"分布. 其中⎩⎨⎧=站有人下车若在第站无人下车若在第i i X i ,1,0 于是i X 的概率分布为设∑==ni iXX 1, 则X 表示沿途停车次数, 故有]})10110(1[1)10110(0{10)(2020101101--⨯+-⨯===∑∑==i i i i EX X E EX748.8)9.01(1020≈-= 即停车次数的数学期望为748.8.第十二章二维随机变量的数字特征·切比雪夫不等式与大数定律一、设二维随机变量),(Y X 的联合概率密度为()(). 1,222++=y xAy x f求：（1）系数A ；（2）数学期望)(X E 及)(Y E ，方差)(X D 及)(Y D ，协方差),cov(Y X ．解: (1) 由⎰⎰+∞∞-+∞∞-=1),(dxdy y x f . 有()()⎰⎰⎰⎰∞+∞-∞+∞-∞+==+=++1112022222A dr rrd A dxdy y xAπθπ解得, π1=A .(2) ()011),()(222⎰⎰⎰⎰∞+∞-∞+∞-∞+∞-∞+∞-=++==dx y xxdy dxdy y x xf X E π.由对称性, 知 0)(=Y E .⎰⎰+∞∞-+∞∞-==-=dxdy y x f x EX EX X E X D ),(])[()(222()⎰⎰∞+∞-∞+∞-++=dx y xx dy 222211π()()+∞=+++=+-+=+=∞+∞+∞+⎰⎰⎰022022220223]11)1ln([1)1(211r r dr r rr r dr rr d πθπ同理, 有 +∞=)(Y D .)()])([(),cov(XY E EY Y Ex X E Y X =--=⎰⎰+∞∞-+∞∞-=dxdy y x xyf ),(()011),(222⎰⎰⎰⎰∞+∞-∞+∞-∞+∞-∞+∞-=++==dx y xxydy dxdy y x xyf π.二、设二维随机变量),(Y X 的联合概率密度为⎩⎨⎧<<<=其它．,0;10,,1),(x x y y x f求(1) ),cov(Y X ；(2) X 与Y 是否独立，是否相关，为什么？解: (1) 因为 ⎰⎰⎰⎰⎰====-∞+∞-∞+∞-1210322),(dx x dy xdx dxdy y x xf EX x x0),(1===⎰⎰⎰⎰-+∞∞-+∞∞-xx ydy dx dxdy y x yf EY0),()(1===⎰⎰⎰⎰-+∞∞-+∞∞-xx ydy xdx dxdy y x xyf XY E所以有])32[()])([(),cov(Y X E EY Y EX X E Y X -=--=⎰⎰+∞∞-+∞∞-=dxdy y x xyf ),(010==⎰⎰-xxydy xdx ．(2) 当)1,0(∈x 时,有 ⎰⎰+∞∞--===x dy dy y x f x f xxX 2),()(; 当)1,0(∉x 时, 有0)(=x f X .即⎩⎨⎧∉∈=)1,0(0)1,0(2)(X x x x x f 同理有 ⎩⎨⎧∉+∈-=⎪⎩⎪⎨⎧∉∈=⎰⎰-)1,0(1)1,0(1)1,0()1,0()(11Y x y x y x dx x dx y f y y因为 ),()()(y x f y f x f Y X ≠, 所以X 与Y 不是独立的．又因为0),cov(=Y X , 所以X 与Y 是不相关的．三、利用切比雪夫不等式估计随机变量X 与其数学期望)(X E 的差的绝对值大于三倍标准差)(X σ的概率．解：91)3()3(2=≤>-ξξξξξD D D E P ．四、为了确定事件A 的概率，进行10000次重复独立试验．利用切比雪夫不等式估计：用事件A在10000次试验中发生的频率作为事件A 的概率的近似值时，误差小于0.01的概率．解：设ξ表示“在10000次试验中事件A 的次数”，则)5.0,10000(~B ξ且有50005.010000=⨯==np E ξ 2500)5.01(5.010000=-⨯⨯==npq D ξ于是有npqp npq p np m P p n m P 22)01.0(1)01.0(1)01.0()01.0(-=-≥<-=<- 75.025.011=-=-=pq五、样检查产品质量时，如果发现次品多于10个，则认为这批产品不能接受．应该检查多少个产品，可使次品率为10%的一批产品不被接受的概率达到0.9？解：设ξ表示“发现的次品件数”，则)1.0,(~n B ξ，现要求.nn ξE 1.0= n ξD 09.0=要使得9.0)10(=>ξP ，即9.0)10(=≤<n ξP ，因为9.0)10(=≤<n ξP ，所以)3.01.03.01.03.01.010()10(nn n n n ξn n P ξD ξE n ξD ξE ξξD ξE P -≤-<-=-≤-<-)3.01.010()3()33.01.03.01.010(1,01,0nn n n n n ξn n P --≈≤-<-=ΦΦ1)3.0101.0()3(1,01,0--+nn n ΦΦ （德莫威尔—Laplace 定理）因为10>n ，所以53>n ，从而有1)3(1,0≈n Φ，故9.0)3.0101.0(1,0≈-nn Φ．查表有8997.0)28.1(1,0=Φ，故有28.13.0101.0≈-nn ，解得.146≈n答：应该检查约146个产品，方可使次品率为10%的一批产品不被接受的概率达到0.9．第十三章正态分布的概率密度、分布函数、数学期望与方差一、设随机变量X 服从正态分布)2,1(2N ，求（1）)8.56.1(<≤-X P ；（2）)56.4(≥X P ．解：(1) )4.2213.1()8.416.2()8.56.1(<-≤-=<-≤-=<≤-X P X P X P 8950.09032.019918.0)]3.1(1[)4.2()3.1()4.2(1,01,01,01,0=+-=--=--=ΦΦΦΦ(2) )78.12178.2(1)56.4(1)56.4(<-<--=<-=≥X P X P X P )]78.2(1)78.1(1)]78.2()78.1([11,01,01,01,0ΦΦΦΦ-+-=---=.0402.09973.09625.02=--二、已知某种机械零件的直径X （mm ）服从正态分布)6.0,100(2N ．规定直径在2.1100±（mm ）之间为合格品，求这种机械零件的不合格品率．解：设p 表示这种机械零件的不合格品率，则)2.1100(1)2.1100(≤--=>-=X P X P p ．而)26.01002()6.02.16.01006.02.1()2.1100(≤-≤-=≤-≤-=≤-X P X P X P 1)2(2)]2(1[)2()2()2(-Φ=Φ--Φ=-Φ-Φ= 9544.019772.02=-⨯= 故0456.09544.01=-=p ．三、测量到某一目标的距离时发生的误差X (m)具有概率密度3200)20(22401)(--=x ex f π求在三次测量中至少有一次误差的绝对值不超过30m 的概率．解：三次测量中每次误差绝对值都超过30米可表为}30{}30{}30{>⋃>⋃>=ξξξD 第三次第二次第一次因为)40,20(~2N ξ，所以由事件的相互独立性，有31,01,033)]25.0(1)25.1([})3030{(})30{()(ΦΦ-+-=>+-<=>=ξξP ξP D P13025.05069.0)8944.05987.02(33≈=--= 于是有86975.013025.01)(1}30{=-=-=<D P P 米至少有一次绝对值三次测量中ξ．四、设随机变量),(~2σμN X ，求随机变量函数Xe Y =的概率密度（所得的概率分布称为对数正态分布）．解：由题设，知X 的概率密度为)(21)(222)(+∞<<-∞=--x ex f x X σμσπ从而可得随机变量Y 的分布函数为)()()(y e P y Y P y F X Y ≤=≤=．当0≤y 时，有0)(=y F Y ；此时亦有0)(='y F Y ．当0>y 时，有dx ey X P y F yx Y ⎰∞---=≤=ln 2)(2221)ln ()(σμσπ．此时亦有222)(ln 21)(σμσπ--='y Y eyy F ．从而可得随机变量Y 的概率密度为⎪⎩⎪⎨⎧>≤=--.0,21;0,0)(222)(ln y e yy y f y Y σμσπ五、设随机变量X 与Y 独立，),(~211σμN X ，),(~222σμN Y ，求：(1) 随机变量函数bY aX Z +=1的数学期望与方差，其中a 及b 为常数； (2) 随机变量函数XY Z=2的数学期望与方差．解：由题设，有211)(,)(σμ==X D X E ；222)(,)(σμ==Y D Y E ．从而有(1)211)()()()()()(μμb a Y bE X aE bY E aX E bY aX E Z E +=+=+=+=； 222212221)()()()()()(σσb a Y D b X D a bY D aX D bY aX D Z D +=+=+=+=． (2)212)()()()(μμ===Y E X E XY E Z E ；)()()()()()()()(22222222Y E X E Y E X E XY E Y X E XY D Z D -=-== )()()]()()][()([2222Y E X E Y E Y D X E X D -++= )()()()()()(22X E Y D Y E X D Y D X D ++= 212222212221μσμσσσ++=．第十四章二维正态分布·正态随机变量线性函数的分布中心极限定理一、设二维随机变量),(Y X 服从二维正态分布，已知0)()(==Y E X E ，16)(=X D ，25)(=Y D ，并且12),cov(=Y X ，求),(Y X 的联合概率密度．解：已知0==y x μμ，416==x σ，525==y σ，53),cov(),(===y x Y X Y X r σσ．从而 2516)53(1122=-=-r ，5412=-r ．进一步按公式])())((2)([)1(21222222121),(yy y x y x x x y y x r x r y x ery x f σμσσμμσμσπσ-+-------=，可得),(Y X 的联合概率密度为)2550316((322522321),(y xy x e y x f +--=π．。

概率论与数理统计复习4-5章

+∞
∑ g ( x ) p 绝对收敛,则Y的期望为 ∞
k =1 k k
∑ g(x
k =1
k
) pk
(2) 设X是连续型随机变量,概率密度为 f ( x) , 如果积分 ∫−∞ g ( x) f ( x)dx 绝对收敛,则Y的期望为
E (Y ) = E[ g ( X )] = ∫ g ( x ) f ( x )dx
例设X的概率分布律为
X −1
0 12
1
2
p 1 3 1 6 1 6 1 12 1 4
试求Y=－X+1及 Z = X 2 的期望和方差。 X －1 0 1/2 解由于 P 1/3 1/6 1/6 Y =－X+1 2 1 1/2 Z = X2 1 0 1/4
1 1 1 1 1 1 2 E (Y ) = ( −1) ⋅ + 0 ⋅ + ⋅ + 1⋅ + 2 ⋅ = 4 12 2 6 6 3 3
2 2
D( Z ) = E ( Z 2 ) + [ E ( Z )]2 = 2.23264
1 + x − 1 < x < 0 例设随机变量X的概率密度为 f ( x ) = 1 − x 0 ≤ x < 1 1)求D(X）, 2)求 D ( X 2 )
解 (1) E ( X ) = ∫ x(1 + x)dx + ∫ x(1 − x)dx
第四章随机变量的数字特征
离散型随机变量的数学期望连续型随机变量的数学期望数学期望的性质及随机变量函数的期望方差及其性质
4.1数学期望数学期望
数学期望——描述随机变量取值的平均特征数学期望——描述随机变量取值的平均特征一、离散型随机变量的数学期望定义设离散型随机变量X的概率分布为

概率论与数理统计》课后习题答案第四章

习题4.11．设10个零件中有3个不合格．现任取一个使用，若取到不合格品，则丢弃重新抽取一个，试求取到合格品之前取出的不合格品数X 的数学期望．解可得X 的概率分布为0123~77711030120120X ⎡⎤⎢⎥⎢⎥⎣⎦于是X 的数学期望为7771()012310301201204531208E X =⨯+⨯+⨯+⨯==2．.某人有n 把外形相似的钥匙，其中只有1把能打开房门，但他不知道是哪一把，只好逐把试开．求此人直至将门打开所需的试开次数X 的数学期望．解可得X 的概率分布为12~111n X nn n ⎡⎤⎢⎥⎢⎥⎣⎦于是X 的数学期望为111()121(1)122E X n n n nn n n n =⨯+⨯++⨯++==3．设5次重复独立试验中每次试验的成功率为0.9，若记失败次数为X ，求X 的数学期望。

解由题意~(5,0.1)X B ，则X 的数学期望为 ()50.10.E X =⨯= 4．设某地每年因交通事故死亡的人数服从泊松分布．据统计，在一年中因交通事故死亡一人的概率是死亡两人的概率的21，求该地每年因交通事故死亡的平均人数。

解设该地每年因交通事故死亡的人数为X ，由题意X 服从泊松分布() (0)P λλ>.因1{1}{2}2P X P X === 即121 41!22!ee λλλλλ--=⇒= 于是X 的数学期望为()4E X λ== 所以地每年因交通事故死亡的平均人数为4人。

5．设随机变量X 在区间(1,7)上服从均匀分布，求2{()}P X E X <. 解因X 在区间(1,7)上服从均匀分布，故X 的数学期望为17()42E X +== 于是22{()}{4}1 {22}6P X E X P X P X <=<=<-<<=6．设连续型随机变量X 的概率密度为01() (,0)0 b ax x p x a b ⎧<<=>⎨⎩其它又知()0.75E X =,求,a b 的值解由密度函数的性质可得()1p x dx +∞-∞=⎰即1111b aax dx b =⇒=+⎰又由()0.75E X =，可得1()0.75b xp x dx x ax dx +∞-∞=⋅=⎰⎰即0.752ab =+ 求解110.752ab a b ⎧=⎪⎪+⎨⎪=⎪+⎩可得 3,2a b ==.7．设随机变量X 的概率密度为0<1()2 120 x x p x x x <⎧⎪=-≤<⎨⎪⎩其它求数学期望()E X解1201331221()() (2) ()133E X xp x dxx xdx x x dx x x x +∞-∞==⋅+⋅-=+-=⎰⎰⎰8.设随机变量X 的概率分布为X -2 -1 0 1 P 0.2 0.3 0.1 0.4 求 (1)(21)E X -；（2）2()E X .解 (1) (21)2()1E X E X -=- 其中()20.210.3010.40.3E X =-⨯-⨯++⨯=-则(21)2()12(0.3)1 1.6E X E X -=-=⨯--=-(2）22222()0.2(2)0.3(1)0.100.41 1.5E X =⨯-+⨯-+⨯+⨯=9．假设一部机器在一天内发生故障的概率为0.2，机器发生故障时全天停止工作。

概率论与数理统计期末复习4

概率论与数理统计期末复习（四）大数定律与中心极限定理一、大数定律1. 辛钦大数定律（表达形式1，2）对于......,21k X X X 是相互独立且满足同一分布的随机变量序列，且()(),...2,1,==k X E k μ，作该序列前n 个变量的平均值0,1>∀∑=εnk k X n 1： 111lim =⎭⎬⎫⎩⎨⎧<-∑=+∞→εμn k kn X n P （利用切比雪夫不等式证明）. 或者称∑==n k k X n X 11依概率P 收敛于μ.即μ−→−=∑=Pn k k X n X 11.2. 伯努利大数定律（解释频率的稳定性）设A f 是n 次独立重复试验中事件A 发生的频数，p 是每次试验中事件A 发生的概率，对于0>∀ε，有：1lim =⎭⎬⎫⎩⎨⎧<-→∞εp n f P A n ；或01lim =⎭⎬⎫⎩⎨⎧≥-∞→p n f P A n . 伯努利大数定律的意义：对于0>∀ε，只要独立重复试验的次数n 足够大，那么ε≥-p n f A 就是一个小概率事件.这一事件几乎不发生，那么ε<-p nfA 就是必然要发生了.⇔在试验次数足够大时，对于0>∀ε，频率nf A和概率p 的偏差小于ε就是一个必然事件. 故试验次数很大时，可以用频率来代替该事件的概率.（可能考到，留意！．．．．．．．．）二、中心极限定理1. 独立同分布的中心极限定理：n X X X ...,21相互独立；n X X X ...,21服从同一分布；}()1,01N n n X Y nk k n −−−→−-=⇒∑=近似地σμ()()()n k X D X E k k ,...,2,1,2===σμ；∞→n .定理1的结论：()()1,011,011N nX n N n n X Y n k k nk k n −−−→−-⇔−−−→−-=∑∑==近似地近似地σμσμ1()⎪⎪⎭⎫ ⎝⎛−−−→−⇔−−−→−-⇔n N X N nX 2,1,01σμσμ近似地近似地 2. 只独立，而不同分布的中心极限定理：（李雅普诺夫定理）n X X X ...,21相互独立；()()()n k X D X E k k k k ,...,2,10,2=>==σμ；}⇒()1,011211N B X B X Z nn k nk kk nn k nk kk n −−→−-=-=∑∑∑∑====近似μμ()∑===nk kn n k B 122,...,2,1σ；∞→n . 3. 满足同二项分布的中心极限定理（定理一的特例，重点）（棣莫夫—拉普拉斯定理）()p n b X n ,~，()()10，近似地N p np npX n −−−→−--1；∞→n .【例1-1】对于一个学生而言，来参加家长会的家长人数是一个随机变量，设一个学生没有家长、1名家长、2名家长来参加会议的概率分别是0.05，0.8，0.15. 若学校共有400名学生，设各个学生来参加会议的家长人数相互独立，且服从同一分布. （1）求参加会议的家长人数X 超过450的概率；（2）求有一名家长来参加会议的学生人数不超过340的概率.【例1-2】一保险公司有10000个投保人，每个投保人索赔金额的数学期望为280美元，标准差为800美元，求索赔总金额超过2700000美元的概率.【例2】一公寓有200户住户，每户拥有汽车辆数X 的分布律为0.95.【例3-1】一复杂系统由100个相互独立起作用的元件组成，在整个运行过程中每个部件损坏的概率都是0.10，为了使整个系统起作用，至少有85个部件正常工作，求整个系统起作用的概率.【例3-2】一工人修理一台机器需两个阶段，第一阶段所需时间（小时）服从均值为0.2的指数分布；第二阶段所需时间服从均值为0.3的指数分布. 且与第一阶段相互独立. 求他在8小时内完成工作的概率.【练习】1. 一食品店有三种蛋糕出售，由于出售哪种蛋糕是随机的，因而售出一只蛋糕的价格是一个随机变量. 它取1元，1.2元，1.5元各个值的概率分别为0.3，0.2，0.5.若售出300只蛋糕. （1）求收入至少为400元的概率；（2）求售出价格为1.2元的蛋糕多于60只的概率.2.随机选取两组学生，每组80人，分别在两个实验室内测量某种化合物的pH 值. 各人测量的结果是相互独立的随机变量，且服从同一分布，数学期望为5，方差为0.3，以Y X ,分别表示第一组和第二组所得结果的算术平均. （1）求{}.1.59.4<<X P （2）求{}.1.01.0<-<-Y X P3. 有一批建筑房屋用的木柱，其中80%的长度不小于3m ，现从这批木柱里面随机抽取100根，求其中至少有30根短于3m 的概率.4.某保险公司在一年人身保险业务中规定：被保险人每年需交保费160元，一年内发生重大人身事故可获2万赔偿金. 该市一年发生重大事故的概率为0.005. 现有5000人参保，问保险公司一年从此项业务中所得收益在20万到40万的概率是多少.5. 假设一批种子的良种率为31，在其中任选600粒，求着600粒种子中，良种所占比例值与31之差的绝对值不超过0.02的概率.6. 甲乙两个电影院在竞争1000名观众，假设每位观众的选择设随机的，且彼此相互独立，问甲电影院至少设置多少个座位才能使得观众因无座位而离开的概率小于1%.7. 试用大数定律说明频率和概率的关系.。

概率论与数理统计4-2 方差

2 *
X

,
为X的标准化变量
E ( X ), D( X )。 X 1 * ) E( X ) 0 解 E( X ) E( X 2 * * 2 * 2 E[( ) ] D( X ) E([ X ] ) [ E( X )] 1 1 2 D( X ) 1 E[( X ) ] 2
推论
若 X i (i 1, 2,...n)相互独立，则有： D( X 1 X 2 ... X n ) D( X 1 ) D( X 2 ) ... D( X n ) 进一步有：D( Ci X i ) [C D( X i )]
i 1 i 1 2 i n n
4. D(X)=0

P{X= C}=1 , 这里C=E(X)
下面我们的举例说明方差性质应用 .
例7 设X~B(n,p)，求E(X)和D(X). 解
X~B(n,p), 则X表示n重努里试验中的
“成功” 次数 .
1 如第i次试验成功 i=1,2，…，n 若设 X i 0 如第i次试验失败
则X
1 fZ ( z) e 3 2
( z 5)2 18
.
四、切比雪夫不等式
定理设随机变量X具有数学期望 E ( X ) , 方差 D( X ) 2 , 则对于任意正数，有不等式
事件{|X-E(X)|< }的概率越大，即随机变量X 集
P{| X E ( X ) | } 2 2 或 P{| X E ( X ) | } 1 2 由切比雪夫不等式可以看出，若 2 越小，则
b 2
2
b a ab E( X ) , D( X ) 2 12

概率论与数理统计第四章

)
(
)
(
)
,
(
Y
D
X
Dபைடு நூலகம்
Y
X
Cov
xy
=
r
=4[E(WV)]2-4E(W2)×E(V2)≤0
01
得到[E(WV)]2≤E(W2)×E(V2). →(8)式得到证明.
02
设W=X-E(X),V=Y-E(Y),那么
03
其判别式
由(9)式知, |ρ xy|=1 等价于 [E(WV)]2=E(W2)E(V2). 即 g(t)= E[tW-V)2] =t2E(W2)-2tE(WV)+E(V2) =0 (10) 由于 E[X-E(X)]=E(x)-E(X) =0, E[Y-E(Y)]=E(Y)-E(Y) =0.故 E(tW-V)=tE(W)-E(V)=tE[X-E(X)]-E[Y-E(Y)]=0 所以 D(tW-V)=E{[tW-V-E(tW-V)]2}=E[(tW-V)2]=0 (11) 由于数学期望为0,方差也为0,即(11)式成立的充分必要条件是 P{tW-V=0}=1
随机变量X的数学期望是随机变量的平均数.它是将随机变量 x及它所取的数和相应频率的乘积和.
=
(1)
)
2
3
(
)
(
-
=
ò
µ
µ
-
dx
x
x
E
j
x
可见均匀分布的数学期望为区间的中值.
例2 计算在区间[a,b]上服从均匀分布的随机变量的数学期望
泊松分布的数学期望和方差都等于参数λ.
其他
02
f(x)=
01
（4-6）
03
（4）指数分布

概率论与数理统计（经管类）第四章课后习题答案.

概率论与数理统计（经管类）第四章课后习题答案.习题4.11. 设随机变量X 的概率密度为(1f x 2x,0 x 1,0,其他; (2 f xe | |, ∞ ∞求E(X 解: (1E Xxf x dx ∞∞ x·2xdx 2·10(2 E X xf x dx x ·e | | ∞∞ ∞∞0 2. 设连续型随机变量X 的分布函数为 F x 0,x 1, a b ·arcsinx, 1 x 1,1,x 1.试确定常数a,b,并求E(X. 解:(1 f x F x√, 1 x 10,其他f x dxb√1 xdx∞∞b ·arcsinx 11 1, 即b 1π⼜因当 1 x 1时 F X f x dx 1π·1√1 xdx 1π·arcsinx x 1X1π·arcsinx 1, 即a 1(2 E X xf x dxπ·3. 设轮船横向摇摆的随机振幅X 的概率密度为f x 1σe σ,x 0,0,x 0. 求E(X. 解: E Xxf x dx ∞∞σ x ·eσ dx∞14. 设X 1, X 2,….. X n 独⽴同分布,均值为µ,且设Y∑X ,求E(Y.解: E Y E∑XE ∑X·n µ µ5. 设(X,Y的概率密度为f x,y e ,0 x 1,y 0,0,其他.求E(X+Y.解:E X Y x y f x,y dxdy ∞∞ ∞∞ x y e dxdy∞·e y ·e dy6. 设随机变量X 1, X 2相互独⽴,且X 1, X 2的概率密度分别为f x 2e ,x 0,0,x 0,f x3e0,x 0,求: 1 E 2X 3X ; 2 E 2X 3X ; 3 E X X . 解: 1 E 2X 3X 2E X 3E X 2322 E 2X 3X 2E X 3E X1 3x ∞3e dx1 3x ∞d e1 3 x·e∞0 e ∞dx1 3 0 e ·2x ∞dx1 3 23e ·3x ∞dx1 32 11 3 E X X E X E X7.求E(X.解:E X ∑∑x p 0 0.1 0 0.3 1 0.2 1 0.1 2 0.1 2 0.2 0.9 8. 设随机变量X 的概率密度为f x cx α,0 x 1,0,其他.且E(X=0.75,求常数c 和α.解: E X xf x dx x ·cx αdx 0.75∞ ∞习题4.21. 设离散型随机变量X 的分布律为X ‐1 0 0.51 2P 0.1 0.5 0.1 0.1 0.2 求E X ,E X ,D X .解: E X 1 0.1 0 0.5 0.5 0.1 1 0.1 2 0.2 0.45E X 1 0.1 0 0.5 0.5 0.1 1 0.1 2 0.2 1.025D X 1 0.45 0.1 0 0.45 0.5 0.5 0.45 0.1 1 0.45 0.12 0.45 0.2 0.8225 2. 盒中有5个球,其中有3个⽩球,2个⿊球,从中任取两个球,求⽩球数X 的期望和⽅差. 解: X 的可能取值为0,1,2 P X 0 C C 0.1P X 1 C·CC0.6 P X 2CC0.3 E X 0 0.1 1 0.6 2 0.3 1.2D X 0 1.2 0.1 1 1.2 0.6 2 1.2 0.3 0.144 0.024 0.192 0.36 3. 设随机变量X,Y 相互独⽴,他们的概率密度分别为 f X x 2e,x 0,0,x 0, f Y y4,0,0,其他,求D(X+Y.解: D X Y D X D Y4. 设随机变量X 的概率密度为f X xe | |, ∞ ∞,求D(X 解: E Xe | |dxE Xx2e | | dx 2 x2ex e 2D X =E X E X 25. 设随机变量X 与Y 相互独⽴,且D(X=1,D(Y=2,求D(X ‐Y. 解: D X Y D X D Y 1 2 36. 若连续型随机变量X的概率密度为f x ax bx c,0 1,0,其他,且E(X=0.5,D(X=0.15.求常数a,b,c.解:E X x axbx cdx a 4 b 3 c2 0.5E Xxax bx cdx a 5 b 4 c3 0.15 0.5 0.4f x dxax 2 bx c 10dxa 3 b2c 1 解得a=12,b=‐12,c=3.习题4.31. 设两个随机变量X,Y 相互独⽴,⽅差分别为4和2,则随机变量3X ‐2Y 的⽅差是 D . A. 8 B. 16 C. 28 D. 442. 设⼆维随机变量(X,Y的概率密度为 f x,y 18 x y , 0 x 2,0 y 2,0, 其他求Cov(X,Y. 解:E X x8 x y dydx x 8·y x 8·y 2 20dx 76E Yy8x y dxdy 76E XYxy8 x y dydx 43 Cov X,Y E XY E X E Y4 7 7 13. 设⼆维随机变量(X,Y的概率密度为f x,yye , x 0, 0,求X 与Y 的相关系数ρxy. 解:E Xxy e dy ∞ ∞dx 1E Yy e dx ∞∞dyy e e dx ∞∞dyy e ∞dyy ∞d ey e∞0e ∞ d y 0e ·2y ∞dy2e ·y ∞dy 2E XYxy e dy ∞∞dx 2Cov X,Y E XY E X E Y 2 2 1 0 所以ρxy Cov X,YD X D Y 04. 设⼆维随机变量(X,Y服从⼆维正态分布,且E(X=0, E(Y=0, D(X=16, D(Y=25, Cov(X,Y=12,求(X,Y的联合概率密度函数f(x,y. 解:f x,ye ρ µσρ µ µ σσµσE X 0,E Y 0µ1 0,µ2 0, D X 16,D Y 25 σ1 4,σ2 5 Cov X,Y 12ρ Cov X,Y D X D Y 12 3f x,y 132πe 2532 x 216 3xy50 y 2255.证明D(X‐Y=D(X+D(Y‐2Cov(X,Y.证:D X YE X Y E X YE X E X Y E YE X E X 2E X E X ·E Y E Y E Y E YD X D Y 2Cov X,Y6.设(X,Y的协⽅差矩阵为C 4 339,求X与Y的相关系数ρxy.解: C 4 339Cov X,Y 3,D X 4,D Y 9ρxyCov X,YD X D Y31⾃测题4⼀、选择题1.设随机变量X服从参数为0.5的指数分布,则下列各项中正确的是 B .A. E(X=0.5, D(X=0.25B. E(X=2, D(X=4C. E(X=0.5, D(X=4D. E(X=2, D(X=0.25解: 指数分布的E Xλ,D Xλ2. 设随机变量X,Y相互独⽴,且X~B(16,0.5,Y服从参数为9的泊松分布,则D(X‐2Y+1= C .A.‐14B. 13C. 40D. 41解: D X npq 16 0.5 0.5 4,D Y λ 9D X 2Y 1 D X 4D Y D 1 4 4 9 0 403. 已知D(X=25,D(Y=1, ρxy=0.4, 则D(X‐Y= B .A.6B. 22C. 30D. 464. 设(X,Y为⼆维连续随机变量,则X与Y不相关的充分必要条件是 C .A. X与Y相互独⽴B. E(X+Y=E(X+E(YC. E(XY= E(XE(YD. (X,Y~N(µ ,µ ,σ ,σ ,0解: X与Y不相关ρxy 0, Cov X,Y 0E XY E X E Y5.设⼆维随机变量(X,Y~N(1,1,4,9,,则Cov(X,Y= B .A.B. 3C. 18D. 36解: ρxy 12 Cov X,YD X D Y Cov X,Y2 3, Cov X,Y 36. 已知随机变量X 与Y 相互独⽴,且它们分别在区间[‐1,3]和[2,4]上服从均匀分布,则E(XY= A .A. 3B. 6C. 10D. 12解: X~U 1,3 ,Y~U 2,4E Xa b 1 3 1,E Y 2 4 3 E XY E X E Y 1 3 37. 设⼆维随机变量(X,Y~N(0,0,1,1,0,?(x为标准正态分布函数,则下列结论中错误的是 C .A. X 与Y 都服从N(0,1正态分布B. X 与Y 相互独⽴C. Cov(X,Y=1D. (X,Y的分布函数是Φ x ·Φ y⼆、填空题 1. 若⼆维随机变量(X,Y~N(µ ,µ,σ ,σ ,0,且X 与Y 相互独⽴,则ρ=0 .解: Cov(X,Y=02. 设随机变量X 的分布律为 3 .X ‐1 0 1 2P 0.1 0.2 0.3 0.4令Y=2X+1,则E(Y= 3 .解: E(2X+1=(2*‐1+1*0.1+(2*0+1*0.2+(2*1+1*0.3+(2*2+1*0.4=33. 已知随机变量X 服从泊松分布,且D(X=1,则P{X=1}= e .解: D X λ 1P X 1 λ e λ1!e 4. 设随机变量X 与Y 相互独⽴,且D(X= D(Y=1,则D(X ‐Y = 2 .5. 已知随机变量X 服从参数为2的泊松分布, E X = 6 .解: E X λ 2,D X λ 2,E X E X D X 4 2 66. 设X 为随机变量,且E(X=2, D(X=4,则E X = 8 .7. 已知随机变量X 的分布函数为F x 0, x 0x 4, 0 x 41, x 4则E(X = 2 .解: f x F " x, 0 x 40, 其他 E X x 440dx 08. 设随机变量X 与Y 相互独⽴,且D(X=2, D(Y=1,则D(X ‐2Y+3= 6 .三、设随机变量X 的概率密度函数为f x 32x , 1 x 1,0, 其他。

概率论与数理统计第四章习题参考答案

=
⎡ E⎢
1
⎢⎣ n −1
n i =1
(Xi
−
⎤ X )2 ⎥
⎥⎦
=
1 n −1
⎡ E⎢
⎢⎣
n i =1
X
2 i
−
nX
2⎤ ⎥ ⎥⎦
=
1 n −1
⎡n ⎢ ⎢⎣ i=1
E
(
X
2 i
)
−
nE( X
2⎤ )⎥ ⎥⎦
∑[ ] [ ] =
1 n −1
⎧ ⎨ ⎩
n i =1
D(X i ) + E 2 (X i )
X −µ 3/2
<
⎫ 1.96⎬
=
0.95
⎭
故，正态总体均值 µ 的 95%的置信区间为 (X − 2.94, X + 2.94)
代入样本值得正态总体均值 µ 的 95%的置信区间为（-2.565，3.315）。
（2）当σ 未知时，由 T = X − µ ~ t(n − 1) 即T = X − µ ~ t(3) ，所以
n
−a n
=0 =0
无解。由此不能求得
a,
b
的极大似然估计量。
⎩ ∂b
b−a
解：X
的概率密度为
f
(x)
=
⎪⎧ ⎨b
1 −
a
,
a
≤
x
≤
b
，
⎪⎩ 0, 其它
似然函数为 L(a, b) = 1 , θ1 ≤ xi ≤ θ 2 ,i = 1,2,L, n ， (b − a)n
对于给定的样本值 (x1 , x2 ,L, xn )
−
n
D(

概率论与数理统计第4章随机变量的数字特征

解：
1 (5 0.5x)( 3 x2 x)dx
0
2
4.65(元)
2021/7/22
21
4.1.2 随机变量函数的数学期望
将定理4.1推广到二维随机变量的情形．
定理4.2 设Z是随机变量X，Y的函数Z = g(X，Y)， g是连续函数．
(1) 若(X，Y)是二维离散型随机变量，其分布律
为P{X xi ,Y yj } pij, i, j 1,2,, 则有
解：由于 P{ X k} k e ，k = 0，1，2，…，
k!
因而
E( X ) kP{ X k} k k e
k0
k0 k!
k e
k1 (k 1)!
e
k 1
k1 (k 1)!
e k ee k0 k!
2021/7/22
12
4.1.1 数学期望的概念
2. 连续型随机变量的数学期望
2021/7/22
18
4.1.2 随机变量函数的数学期望
定理4.1 设Y为随机变量X的函数:Y = g(X) (g是连续
函数).
(1) 设X是离散型随机变量，其分布律为
P{X xk } pk , k 1,2,
若级数 g( xk ) pk绝对收敛,则 E(Y ) E[g( X )] g( xk ) pk
f ( x) 25( x 4.2)， 4 x 4.2，
0，
其它.
求pH值X的数学期望E(X).
解：
E( X ) xf ( x)dx
4
4.2
x 25( x 3.8)dx x (25)(x 4.2)dx
3.8
4
4
2021/7/22
15

概率论与数理统计(第四版) pdf

概率论与数理统计(第四版)pdf
《概率论与数理统计（第四版）》是一本经典的数学教材，主要讲述了概率论和数理统计的基本理论和方法。

以下是该书的主要内容概述：
1.概率论部分：介绍了概率的基本概念和性质，包括概率空间、随机事件、条件概率、独立性、随机变量、概率密度函数、离散型分布和连续型分布等。

还包括大数定律和中心极限定理等重要的概率理论。

2.数理统计部分：介绍了统计学的基本概念和方法，包括总体和样本、随机抽样、点估计、区间估计、假设检验等。

还包括常见的参数估计方法（最大似然估计、矩估计等）、假设检验原理和方法（Z检验、T检验、卡方检验等）以及回归分析和方差分析等内容。

3.实例和习题：书中还提供了大量的实例和习题，旨在帮助读者理解和应用所学的概率论和数理统计知识，培养解决实际问题的能力。

《概率论与数理统计（第四版）》是一本经典的教材，适合数学、统计学、工程、计算机科学等专业的本科生或研究生使用。

通过学习这本教材，读者可以系统地学习和掌握概率论和数理统计的基本理论和方法，为后续深入学习或应用打下坚实的基础。

概率论与数理统计第4章

dx 令t
t2 2
x

，得
E( X )
1 2

( t )e
dt
1-91
31
1 E( X ) x e 2
( x )2 2 2
dx 令t
t2 2
x

，得
E( X )
1 2

( t )e
t2 2
得
从而
的概率密度为:
1-91
21
故所求数学期望分别为
1-91
22
三.数学期望的性质
性质1: 设 C 为常数，则性质2: 设 C 为常数，X 为随机变量，则有性质3: 设 X , Y 为任意两个随机变量, 则有为 n 个随机变量，
推论1 设
为常数，则
1-91
23
性质4 设X 和Y 是相互独立的随机变量，则有
证: 因为 X 和 Y 相互独立，所以于是
推广:
1-91 24
例7. 将 n只球随机放入M 只盒子中去，设每只球落入各个盒子是等可能的，求有球的盒子数 X 的均值解引入随机变量
显然有
1-91
25
例7. 将 n只球随机放入M 只盒子中去，设每只球落入各个盒子是等可能的，求有球的盒子数 X 的均值
1-91
18
例5. 设某公共汽车站于每小时的10分, 50分发车, 乘客在每小时内任一时刻到达车站是随机的。求乘客到达车站等车时间的数学期望。
解: 设T 为乘客到达车站的时刻，则
其概率密度为
设Y 为乘客等车时间，则
1-91
19
已知
1-91

概率论与数理统计课后答案第4章

概率论与数理统计课后答案第第4章大数定律与中心极限定理4.1设D(x)为退化分布:讨论下列分布函数列的极限是否仍是分布函数？1 1 卄亠(1){D(x n)}; (2){D(x )}；(3){D(x 0},其中n =1,2;n n解：(1) (2)不是；(3)是。

4.2设分布函数F n(x)如下定义：‘0x 兰-nl /、x + nF n (x)=」---- 一n c x 兰n2n1 x > n问F(x) =lim F n(x)是分布函数吗？n_)pC解：不是。

4.3设分布函数列{ F n(x)}弱收敛于分布函数F(x)，且F(x)为连续函数，则{F n(x)}在(」：，：：)上一致收敛于F(x)。

证：对任意的；.0,取M充分大，使有1 —F(x) ：：；, —x _ M; F(x) ：：；,—x^ -M对上述取定的M，因为F(x)在［-M,M］上一致连续，故可取它的k分点：捲- -M :: X2 ：…X k4 ：：X k = M ，使有F(X j .J - F(xJ ：：；,1 一i ：：k ，再令x° - - ：：, X k 1 =：:，则有F(X i J —FW) ：：：；,0 G ：：k 1(1)这时存在N，使得当n • N时有| F n(X i) —F(X i)|：：；,0 叮牛 1(2)成立，对任意的X •(-：：,：：)，必存在某个i(0 _i 一k)，使得x・(X i,X i 1)，由(2) 知当n •N时有F n (X)— F n (X i i ) ：：： F(X j .J ；F n (X)_ F n (X i ) . F(X i )-；(4) 由( 1), (3), (4)可得F n (x) -F(x)：：： F(X i 1)-F(x) , F(X i i )-F(X i )；：：：2；,F n (x) - F (x) F (X i ) - F (x) - ； _ F (X i ) - F (X i .1)- ； -2 ；,即有F n （x ）-F （x ）名成立，结论得证4.5设随机变量序列「鳥同时依概率收敛于随机变量 •与，证明这时必有P （二）二1。

第四章4 第四版概率论与数理统计答案

900 0.1 950 0.3
1000 0.8 1000 0.4
1100 0.1 1050 0.3
14
4、（3分）设一次试验成功的概率为 p，进行100次独立重复试验，当 p = __________ 时，成功次数的标准差的值最大，其最大值为 __________ __ 。
15
其它
xf ( x ) dx = ∫
2
0
3( 2 x − x2 ) x⋅ dx = 1 4
⎧ 2 3 ( 2 x − x2 ) ⎪ dx = 1, 0 < x < 2 ⎪ ∫0 x ⋅ 4 E(X ) = ⎨ ⎪ 0 0 ⋅ xdx + +∞ 0 ⋅ xdx = 0, 其它 ∫2 ⎪ ∫−∞ ⎩
7
4.设X～N(μ,σ2), 求E(X2)：用如下两种方法 (1)E(X2)=D(X)+[E(X)]2=σ2+μ2； (2) E(X2)=E(X.X)=E(X). E(X)=μ2；两种结果不一样，哪一种错？为什么？ 5.设X和Y为两随机变量，且已知D(X)=6, D(Y)=7, 则D(X－Y)=D(X)－D(Y)=6－7=－1<0,这与任意一个随机变量的方差都不小于零相矛盾，为什么？ 6. D(X-Y)=D(X)+D(Y)-2Cov(X,Y)对吗？
X n )服从n维正态分布 + ln X n 服从一维正态分布
X n的任意线性组合l1 X 1 + l2 X 2 +
3. 若( X 1 , X 2 , X j ( j = 1, 2,
X n )服从n维正态分布，设Y1 , Y2 , n)的线性函数，则(Y1 , Y2 ,
Yk 是
Yk )也服从多维正态分布；

概率论与数理统计第四章

可见,方差是二阶中心矩,协方差是二阶混合中心
矩，它们都是随机变量函数的数学期望。
河南理工大学精品课程
概率论与数理统计
【例3】[P.115:eg6]
〖解〗设X为随机取一球的标号,则r.v.X等可能地取值1,2,3,4,5,6;
又Y=g(X),且
g(1)= g(2)= g(3)=1; g(4)= g(5)=2, g(6)=5. 故随机摸一球得分的期望为
河南理工大学精品课程概率论与数理统计
显然, 方差D(X)就是随机变量X的函数 g ( X ) [ X E( X )]2 的数学期望.因此,当X的分布律 p 或概率密度 k 已知时,有
2 [ x E ( X )] pk , 离散型 k k 1 D ( X ) [ x E ( X )]2 f ( x)dx, 连续型
1500 (分) □
河南理工大学精品课程概率论与数理统计
二、随机变量函数的数学期望利用随机变量函数的分布可以证明下列两定理: 定理1 设Y=g(X)是随机变量X的连续函数，则 Y 也是随机变量，且其数学期望为
离散型 g ( xk ) pk , k 1 E (Y ) E[ g ( X )] g ( x) f ( x)dx, 连续型
X2 Pk 3X2+5 Pk 0 0.3 5 0.3 4 0.7 17 0.7
于是,
E(X)=(-2)×0.4+0×0.3+2×0.3=-0.2;
河南理工大学精品课程概率论与数理统计
例6-续
E(X2)=0×0.3+4×0.7=2.8; E(3X2+5)=5×0.3+17×0.7=13.4.
方法2(定义+性质法) 因为 E(X)=(-2)×0.4+0×0.3+2×0.3=-0.2; E(X2)=(-2)2×0.4+02×0.3+22×0.3=2.8; 所以, E(3X2+5)=3E(X2)+5=3×2.8+5=13.4. □

概率论与数理统计总结之第四章

概率论与数理统计总结之第四章第四章概率论与数理统计总结第四章是概率论与数理统计中的重要章节，主要介绍了概率分布以及随机变量的性质和应用。

本章内容相对较为复杂，需要掌握一定的数学基础知识，但是只要我们认真学习并进行实践，就能够掌握其中的核心概念和方法。

本章的重点内容包括：离散型随机变量及其概率分布、连续型随机变量及其概率密度函数、随机变量的函数分布、两个随机变量的联合分布、随机变量的独立性等。

首先，我们需要了解离散型随机变量及其概率分布。

离散型随机变量是一种取有限或可数个数值的随机变量，其概率分布可以通过概率分布列或概率质量函数进行描述。

常见的离散型随机变量有二项分布、泊松分布等。

我们需要掌握这些分布的定义、性质以及应用，能够计算其均值、方差以及分布函数等。

接着，我们学习了连续型随机变量及其概率密度函数。

连续型随机变量是一种取连续数值的随机变量，其概率分布可以通过概率密度函数进行描述。

常见的连续型随机变量有均匀分布、正态分布等。

我们需要了解这些分布的定义、性质以及应用，能够计算其期望、方差以及分位数等。

随后，我们学习了随机变量的函数分布。

通过对随机变量进行函数变换，可以得到新的随机变量，其概率分布可以通过原始随机变量的概率分布进行推导。

我们需要了解函数分布的计算方法，能够根据随机变量的分布函数和概率密度函数计算新的随机变量的分布函数和概率密度函数。

然后，我们学习了两个随机变量的联合分布。

对于两个随机变量，我们可以通过联合分布来描述它们的联合概率分布。

对于离散型随机变量，我们可以通过联合分布列来描述；对于连续型随机变量，我们可以通过联合概率密度函数来描述。

我们需要掌握联合概率分布的计算方法，能够计算两个随机变量的联合概率、边缘概率以及条件概率等。

最后，我们学习了随机变量的独立性。

当两个随机变量的联合概率分布可以通过各自的边缘概率分布表示时，我们称它们是独立的。

我们需要了解独立性的定义和性质，能够判断两个随机变量是否独立，并能够计算独立随机变量的联合概率分布。

概率论与数理统计第四章第四节大数定理与中心极限定理

第四节大数定理与中心极限定理概率论与数理统计是研究随机现象统计规律性的学科. 而随机现象的规律性在相同的条件下进行大量重复试验时会呈现某种稳定性. 例如, 大量的抛掷硬币的随机试验中, 正面出现频率; 在大量文字资料中, 字母使用频率; 工厂大量生产某种产品过程中, 产品的废品率等. 一般地, 要从随机现象中去寻求事件内在的必然规律, 就要研究大量随机现象的问题.在生产实践中, 人们还认识到大量试验数据、测量数据的算术平均值也具有稳定性. 这种稳定性就是我们将要讨论的大数定律的客观背景. 在这一节中，我们将介绍有关随机变量序列的最基本的两类极限定理----大数定理和中心极限定理.教学目标：了解大数定理与中心极限定理。

教学重点：大数定理与中心定理。

教学难点：中心定理。

教学内容：一、依概率收敛与微积分学中的收敛性的概念类似, 在概率论中, 我们要考虑随机变量序列的收敛性.定义1 设 ,,,,21n X X X 是一个随机变量序列, a 为一个常数,若对于任意给定的正数ε,有 ,1}|{|lim =<-∞→εa X P n n 则称序列 ,,,,21n X X X 依概率收敛于a , 记为).(∞→−→−n a X Pn定理1 设,,b Y a X Pn P n −→−−→−又设函数),(y x g 在点),(b a 连续, 则),(),(b a g Y X g Pn n −→−.二、切比雪夫不等式定理2设随机变量X 有期望μ=)(X E 和方差2)(σ=X D ,则对于任给0>ε, 有22}|{|εσεμ≤≥-X P .上述不等式称切比雪夫不等式.注：(i) 由切比雪夫不等式可以看出,若2σ越小, 则事件}|)({|ε<-X E X的概率越大, 即, 随机变量X 集中在期望附近的可能性越大. 由此可见方差刻划了随机变量取值的离散程度.(ii) 当方差已知时,切比雪夫不等式给出了X 与它的期望的偏差不小于ε的概率的估计式.如取,3σε= 则有.111.09}3|)({|22≈≤≥-σσσX E X P故对任给的分布,只要期望和方差2σ存在, 则随机变量X 取值偏离)(X E 超过σ3的概率小于0.111.三、大数定理1．切比雪夫大数定律定理3 (切比雪夫大数定律)设 ,,,,21n X X X 是两两不相关的随机变量序列,它们数学期望和方差均存在, 且方差有共同的上界, 即,,2,1,)( =≤i K X D i 则对任意0>ε, 有1)(11lim 11=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧<-∑∑==∞→εn i i n i i n X E n X n P 注: 定理表明: 当n 很大时,随机变量序列}{n X 的算术平均值∑=ni i X n 11依概率收敛于其数学期望∑=ni i X E n 1)(1.2．伯努利大数定理定理4 (伯努利大数定律)设A n 是n 重伯努利试验中事件A 发生的次数, p 是事件A 在每次试验中发生的概率, 则对任意的0>ε, 有1lim =⎭⎬⎫⎩⎨⎧<-→∞εp n n P A n 或 0l i m =⎭⎬⎫⎩⎨⎧≥-→∞εp n n P A n . 注：(i) 伯努利大数定律是定理1的推论的一种特例, 它表明: 当重复试验次数n 充分大时, 事件A 发生的频率nn A依概率收敛于事件A 发生的概率p .定理以严格的数学形式表达了频率的稳定性. 在实际应用中, 当试验次数很大时,便可以用事件发生的频率来近似代替事件的概率.(ii) 如果事件A 的概率很小，则由伯努利大数定律知事件A 发生的频率也是很小的，或者说事件A 很少发生. 即“概率很小的随机事件在个别试验中几乎不会发生”，这一原理称为小概率原理，它的实际应用很广泛. 但应注意到，小概率事件与不可能事件是有区别的. 在多次试验中，小概率事件也可能发生.3．辛钦大数定理定理5 (辛钦大数定律) 设随机变量 ,,,,21n X X X 相互独立, 服从同一分布,且具有数学期望,,2,1,)( ==i X E i μ 则对任意0>ε, 有11lim 1=⎭⎬⎫⎩⎨⎧<-∑=∞→εμn i i n X n P . 注: (i) 定理不要求随机变量的方差存在;(ii) 伯努利大数定律是辛钦大数定律的特殊情况;(iii) 辛钦大数定律为寻找随机变量的期望值提供了一条实际可行的途径. 例如, 要估计某地区的平均亩产量, 可收割某些有代表性的地块, 如n 块,计算其平均亩产量, 则当n 较大时,可用它作为整个地区平均亩产量的一个估计. 此类做法在实际应用中具有重要意义.四、中心极限定理在实际问题中, 许多随机现象是由大量相互独立的随机因素综合影响所形成, 其中每一个因素在总的影响中所起的作用是微小的. 这类随机变量一般都服从或近似服从正态分布. 以一门大炮的射程为例, 影响大炮的射程的随机因素包括: 大炮炮身结构的制造导致的误差, 炮弹及炮弹内炸药在质量上的误差, 瞄准时的误差, 受风速、风向的干扰而造成的误差等. 其中每一种误差造成的影响在总的影响中所起的作用是微小的, 并且可以看成是相互独立的, 人们关心的是这众多误差因素对大炮射程所造成的总影响. 因此需要讨论大量独立随机变量和的问题.中心极限定理回答了大量独立随机变量和的近似分布问题, 其结论表明: 当一个量受许多随机因素(主导因素除外) 的共同影响而随机取值, 则它的分布就近似服从正态分布.1．林德伯格—勒维定理定理6 (林德伯格—勒维) 设 ,,,,21n X X X 是独立同分布的随机变量序列, 且,,,2,1,)(,)(2n i X D X E i i ===σμ则 ⎰∑∞--=∞→=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧≤-x t n i i n dt e x n n X P 2/1221lim πσμ 注: 定理6表明: 当n 充分大时, n 个具有期望和方差的独立同分布的随机变量之和近似服从正态分布. 虽然在一般情况下, 我们很难求出n X X X +++ 21的分布的确切形式, 但当n 很大时, 可求出其近似分布. 由定理结论有.1),/,(~)1,0(~/1)1,0(~1211∑∑∑====⇒-⇒-n i i ni i ni i X n X n N X N nX n N n n X σμσμσμ近似近似故定理又可表述为: 均值为μ, 方差的02>σ的独立同分布的随机变量 ,,,,21n X X X 的算术平均值X , 当n 充分大时近似地服从均值为μ,方差为n /2σ的正态分布. 这一结果是数理统计中大样本统计推断的理论基础.2. 棣莫佛—拉普拉斯定理在第二章中，作为二项分布的正态近似，我们曾经介绍了棣莫佛—拉普拉斯定理，这里再次给出，并利用上述中心极限定理证明之.定理7（棣莫佛—拉普拉斯定理）设随机变量n Y 服从参数p n ,)10(<<p 的二项分布, 则对任意x , 有)(21)1(lim 22x dt e x p np np Y P x tn n Φ==⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤--⎰∞--∞→π注: 易见，棣莫佛—拉普拉斯定理就是林德伯格—勒维定理的一个特殊情况.3．用频率估计概率的误差设n μ为n 重贝努里试验中事件A 发生的频率, p 为每次试验中事件A 发生的概率,,1p q -=由棣莫佛—拉普拉斯定理,有⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧<-<-=⎭⎬⎫⎩⎨⎧<-pq n npqnp pq nP p n P n n εμεεμ .12-⎪⎪⎭⎫ ⎝⎛Φ=⎪⎪⎭⎫ ⎝⎛-Φ-⎪⎪⎭⎫ ⎝⎛Φ≈pq n pq n pq n εεε这个关系式可用解决用频率估计概率的计算问题:4. 李雅普诺夫定理定理8（李雅普诺夫定理）设随机变量 ,,,,21n X X X 相互独立, 它们具有数学期望和方差: ,2,1,0)(,)(2=>==i X D X E kk k k σμ，记.122∑==nk k nB σ 若存在正数δ, 使得当∞→n 时,,0}|{|1122→-∑=++nk k knXE Bδδμ则随机变量之和∑=n k k X 1的标准化变量:nnk kn k kn k k n k k nk k n B X X D X E X Z ∑∑∑∑∑=====-=⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛-=11111μ的分布函数)(x F n 对于任意x , 满足).(21lim )(lim 2/112x dt e x B X P x F x t n n k k n k k n n n Φ==⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤-=⎰∑∑∞--==∞→∞→πμ注：定理8表明, 在定理的条件下, 随机变量.11nnk kn k kn B X Z ∑∑==-=μ当n 很大时,近似地服从正态分布)1,0(N . 由此, 当n 很大时,∑∑==+=nk k n n nk k Z B X 11μ近似地服从正态分布⎪⎪⎭⎫ ⎝⎛∑=21,n n k k B N μ.这就是说,无论各个随机变量),2,1( =k X k 服从什么分布,只要满足定理的条件,那么它们的和∑=nk k X 1当n 很大时,就近似地服从正态分布.这就是为什么正态随机变量在概率论中占有重要地位的一个基本原因.在很多问题中,所考虑的随机变量可以表示成很多个独立的随机变量之和,例如,在任一指定时刻,一个城市的耗电量是大量用户耗电量的总和;一个物理实验的测量误差是由许多观察不到的、可加的微小误差所合成的,它们往往近似地服从正态分布.例题选讲：切比雪夫不等式例1(讲义例1)在每次试验中, 事件A发生的概率为0.75, 利用切比雪夫不等式求: 事件A出现的频率在0.74~0.76之间的概率至少为0.90?中心极限定理例2(讲义例2) 一盒同型号螺丝钉共有100个,已知该型号的螺丝钉的重量是一个随机变量,期望值是100g标准差是10g, 一盒螺丝钉的重量超过10.2kg的概率.例3 (讲义例3)计算机在进行数学计算时，遵从四舍五入原则。

概率论与数理统计第四章数学期望

定义1 设X是离散型随机变量，它的分布律是:
如果 | xk | pk 有限,定义X的数学期望
k 1

P(X=xk)=pk , k=1,2,…

E ( X ) xk pk
k 1
也就是说,离散型随机变量的数学期望是一个绝对收敛的级数的和.
分赌本问题 A 期望所得的赌金即为 X 的数学期望
因此彩票发行单位发行 10 万张彩票的创收利润为
击中环数概率击中环数概率 8 9 10
0 . 3 0 .1 0 . 6
8 9 10
乙射手
0 .2 0 .5 0 .3
试问哪个射手技术较好?
解设甲、乙射手射中的环数分别为 X 1 , X 2 . 甲射手
击中环数概率 8 9 10
0 . 3 0 .1 0 . 6
E ( X 1 ) 8 0.3 9 0.1 10 0.6 9.3(环),
200
即为 X 的可能值与其概率之积的累加.
引例2 射击问题设某射击手在同样的条件下, 瞄准靶子相继射击90次,(命中的环数是一个随机变量).射中次数记录如下命中环数 k 0 1 2 3
命中次数 nk
2 13 15
4 20
5
10
30
2 13 15 nk 10 20 30 频率 90 90 90 n 90 90 90 试问:该射手每次射击平均命中靶多少环?
1 3 200 0 4 4
50(元).
若设随机变量 X 为:在 A 胜2局 B 胜1局的前提下, 继续赌下去 A 最终所得的赌金.
0 3 1 其概率分别为: 4 4 因而A期望所得的赌金即为X的 “期望”值, 3 1 200 0 150(元). 等于 4 4

概率论与数理统计第四章期末复习

概率论与数理统计第四章期末复习(一)随机变量的数学期望1.数学期望的定义定义1设离散随机变量X 的分布律为)()(i i i x X P x p p ===， ,2,1=i ．若+∞<∑+∞=1i i i p x ，则称∑+∞==1)(i i i p x X E 为随机变量X 的数学期望，或称为该分布的数学期望，简称期望或均值．定义2设连续随机变量X 的密度函数为)(x f ．若+∞<⎰∞+∞-x x f x d )(，则称xx xf X E d )()(⎰∞+∞-=为随机变量X 的数学期望，或称为该分布的数学期望，简称期望或均值．2.随机变量函数的数学期望定理1设随机变量Y 是随机变量X 的连续函数：)(X g Y =．设X 是离散型随机变量，其分布律为)(i i x X P p ==， ,2,1=i ，若∑+∞=1)(i i i p x g 绝对收敛，则有∑+∞===1)()]([)(i i i p x g X g E Y E ．设X 是连续型随机变量，其概率密度为)(x f ，若⎰∞+∞-x x f x g d )()(绝对收敛，则有x x f x g X g E Y E d )()()]([)(⎰∞+∞-==．【例1】设随机变量X 的分布律为X 2-1-0123P1.02.025.02.015.01.0求随机变量X 的函数2X Y =的数学期望．【解】1.0315.022.0125.002.0)1(1.0)2()(222222⨯+⨯+⨯+⨯+⨯-+⨯-=Y E 3.2=．【例2】设随机变量X 具有概率密度⎪⎩⎪⎨⎧≤≤=，其他．；，001)(ππx x f X ，求X Y sin =的数学期望．【解】x x f x g X g E Y E d )()()]([)(⎰∞+∞-==πππ2d 1sin 0=⋅=⎰x x ．【例3】某公司经销某种原料，根据历史资料表明：这种原料的市场需求量X (单位：吨)服从)500,300(上的均匀分布．每售出1吨该原料，公司可获利1.5(千元)；若积压1吨，则公司损失0.5(千元)．问公司应该组织多少货源，可使平均收益最大？【解】设该公司应该组织a 吨货源，则显然应该有500300≤≤a ．又记Y 为在a 吨货源条件下的收益额(单位：千元)，则收益额Y 为需求量X 的函数，即)(X g Y =．由题设条件知：当a X ≥时，此a 吨货源全部售出，共获利a 5.1．当a X <时，则售出X 吨(获利X 5.1)，且还有X a -吨积压(获利)(5.0X a --)，所以共获利a X X a X 5.02)(5.05.1-=--．由此知⎩⎨⎧<-≥=．，；，a X a X a X a X g 5.025.1)(则x x g x x f x g Y E X 2001)(d )()()(500300⎰⎰==∞+∞-]d 5.1d )5.02([2001500300x a x a x a a ⎰⎰+-=)300900(200122-+-=a a ．易知，当450=a 时，能使)(Y E 达到最大，即公司应该组织450吨货源．定理2设随机变量Z 是随机变量X ，Y 的连续函数：),(Y X g Z =．设),(Y X 是二维离散型随机变量，其联合分布律为),(j i ij y Y x X P p ===，,2,1,=j i ，若∑∑+∞=+∞=11),(i j ij j i p y x g 收敛，则有∑∑+∞=+∞===11),()],([)(i j ij j i p y x g Y X g E Z E ．设),(Y X 是二维连续型随机变量，其联合概率密度函数为),(y x f ，若y x y x f y x g d d ),(),(⎰⎰∞+∞-∞+∞-收敛，则有y x y x f y x g Y X g E Z E d d ),(),()],([)(⎰⎰∞+∞-∞+∞-==．【例4】设随机变量),(Y X 的联合概率密度为⎩⎨⎧<<<<--=其他．，，，，010102),(y x y x y x f 求)(X E ，)(XY E ．【解】⎰⎰∞+∞-∞+∞-=y x y x f x X E d d ),()(125d d )2(1010=--=⎰⎰y x y x x ，⎰⎰∞+∞-∞+∞-=y x y x f xy XY E d d ),()(61d d )2(1010=--=⎰⎰y x y x xy ．3.数学期望的性质性质1若a 是常数，则a a E =)(．性质2对任意常数a ，有)()(X aE aX E =．性质3对任意的两个函数)(1x g 和)(2x g ，有)]([)]([)]()([2121X g E X g E X g X g E +=+．性质4设),(Y X 是二维随机变量，则有)()()(Y E X E Y X E +=+．推广到n 维随机变量场合，即)()()()(2121n n X E X E X E X X X E +++=+++ ．性质5若随机变量X 与Y 相互独立，则有)()()(Y E X E XY E =．推广到n 维随机变量场合，即若1X ，2X ，…，n X 相互独立，则有)()()()(2121n n X E X E X E X X X E =．【例5】设随机变量X 与Y 相互独立，X ～)4,1(-N ，Y ～)2,1(N ，则=-)2(Y X E ．【解析】因为X ～)4,1(-N ，Y ～)2,1(N ，所以1)(-=X E ，1)(=Y E ，故3)(2)()2(-=-=-Y E X E Y X E ．(二)随机变量的方差1.方差的定义定义1设X 是一个随机变量，若})]({[2X E X E -存在，则称})]({[2X E X E -为X 的方差，记为)(X D ，即})]({[)(2X E X E X D -=．称方差的平方根)(X D 为随机变量X 的标准差，记为)(X σ或X σ．定理1(方差的计算公式)【例1】设随机变量X 的概率密度为⎪⎩⎪⎨⎧<≤-<<-+=其他．，；，；，0101011)(x x x x x f ，求)(X D ．【解】0d )1(d )1()(101=-++=⎰⎰-x x x x x x X E ，61d )1(d )1()(120122=-++=⎰⎰-x x x x x x X E ，所以61)]([)()(22=-=X E X E X D ．2.方差的性质性质1常数的方差为0，即0)(=c D ，其中c 是常数．性质2若a ，b 是常数，则)()(2X D a b aX D =+．性质3若随机变量X 与Y 相互独立，则有)()()(Y D X D Y X D +=±．推广到n 维随机变量场合，即若1X ，2X ，…，n X 相互独立，则有)()()()(2121n n X D X D X D X X X D +++=±±± ．【例2】已知2)(-=X E ，5)(2=X E ，求)31(X D -．【解】9})]([)({9)()3()31(222=-=-=-X E X E X D X D ．(三)常见随机变量的数学期望、方差1.两点分布X ～),1(p b p X E =)(，)1()(p p X D -=．2.二项分布X ～),(p n b np X E =)(，)1()(p np X D -=．3.泊松分布X ～)(λP λ=)(X E ，λ=)(X D ．4.均匀分布X ～),(b a U )(21)(b a X E +=，12)()(2a b X D -=．5.指数分布X ～)(λE λ1)(=X E ，21)(λ=X D ．6.正态分布X ～),(2σμN μ=)(X E ，2)(σ=X D ．【例1】设X ～),(p n b 且6)(=X E ，6.3)(=X D ，则下列结论正确的是()A ．15=n ，4.0=pB ．20=n ，3.0=pC ．10=n ，6.0=p D ．12=n ，5.0=p 【解析】6)(==np X E ，6.3)1()(=-=p np X D ，解之得15=n ，4.0=p ．正确选项为A ．【例2】若X ～)5,2(N ，Y ～)1,3(N ，且X 与Y 相互独立，则=)(XY E ()A ．6B ．2C ．5D ．15【解析】因为X ～)5,2(N ，所以2)(=X E ，因为Y ～)1,3(N ，3)(=Y E ，故6)()()(==Y E X E XY E ，正确选项为A ．【例3】X 与Y 相互独立，X ～)2(P ，Y ～)1(E ，则=-)2(Y X D ．【解析】因为X ～)2(P ，所以2)(=X D ，因为Y ～)1(E ，所以1)(=Y D ，又因为随机变量X 与Y 相互独立，所以9)()1()(2)2(22=-+=-Y D X D Y X D ．(四)协方差、相关系数与矩1.协方差定义1设),(Y X 是一个二维随机变量，若)]}()][({[Y E Y X E X E --存在，则称其为X 与Y 的协方差，记为),(Cov Y X ．即)]}()][({[),(Cov Y E Y X E X E Y X --=．定理1)()()(),(Cov Y E X E XY E Y X -=．【例1】设二维随机变量),(Y X 的联合分布律为：求协方差),(Cov Y X ．【解】由题易得32)(=X E ，0)(=Y E ，0311131003111)(=⨯⨯+⨯⨯+⨯⨯-=XY E ．于是0)()()(),(Cov =-=Y E X E XY E Y X ．定理2若X 与Y 相互独立，则0),(Cov =Y X ，反之不然．定理3对任意二维随机变量),(Y X ，有),(Cov 2)()()(Y X Y D X D Y X D ±+=±．关于协方差的计算，还有下面四条有用的性质．性质1协方差),(Cov Y X 的计算与X ，Y 的次序无关，即),(Cov ),(Cov X Y Y X =．性质2任意随机变量X 与常数a 的协方差为零，即0),(Cov =a X ．性质3对任意常数a ，b ，有),(Cov ),(Cov Y X ab bY X a =．性质4设X ，Y ，Z 是任意三个随机变量，则),(Cov ),(Cov ),(Cov Z Y Z X Z Y X +=+．2.相关系数定义2设),(Y X 是一个二维随机变量，且()0D X >，()0D Y >，则称Y X XY Y X Y D X D Y X σσρ),(Cov )()(),(Cov ==为X 与Y 的相关系数．性质11≤XY ρ．性质21=XY ρ的充要条件是X 与Y 间几乎处处有线性关系，即存在)0(≠a 与b ，使得1)(=+=b aX Y P ．其中当1=XY ρ时，有0>a ；当1-=XY ρ时，有0<a ．性质3设随机变量X 与Y 独立，则它们的相关系数等于零，即0=XY ρ．【例2】设1)()(==Y D X D ，21=XY ρ，则=+)(Y X D 3．【解析】因为21)()(),(Cov ==Y D X D Y X XY ρ，所以)()(21Y D X D XY =ρ21=，故),(Cov 2)()()(Y X Y D X D Y X D ++=+3=．【例3】已知1)(-=X E ，3)(=X D ，则=-)]2(3[2X E 6．【解析】)]2([3)]2(3[22-=-X E X E }2)]([)({32-+=X E X D 6=．【例5】设随机变量),(Y X 的概率密度函数为⎪⎩⎪⎨⎧≤≤≤≤+=其他．，，，，02020)(81),(y x y x y x f 求),(Cov Y X ，)(Y X D +和XY ρ．【解】⎰⎰+∞∞-+∞∞-=y x y x f x X E d d ),()(67d d )(822=+=⎰⎰y x y x x ，⎰⎰+∞∞-+∞∞-=y x y x f x X E d d ),()(2235d d )(820202=+=⎰⎰y x y x x ，⎰⎰+∞∞-+∞∞-=y x y x f xy XY E d d ),()(34d d )(82020=+=⎰⎰y x y x xy ，由轮换对称性，有67)(=Y E ，35)(=Y E ，361)()()(),(Cov -=-=Y E X E XY E Y X ，3611)]([)()()(22=-==X E X E X D Y D ，95),(Cov 2)()()(=++=+Y X Y D X D Y X D ，111)()(),Cov(-==Y D X D Y X XY ρ．。

概率论与数理统计第四章课后习题及参考答案

概率论与数理统计第四章课后习题及参考答案1．在下列句子中随机地取一个单词，以X 表示取到的单词包含的字母的个数，试写出X 的分布律，并求)(X E ．Have a good time解：本题的随机试验属于古典概型．所给句子共4个单词，其中有一个单词含一个字母，有3个单词含4个字母，则X 的所有可能取值为1，4，有41)1(==X P ，43)4(==X P ，从而413434411)(=⋅+⋅=X E ．2．在上述句子的13个字母中随机地取一个字母，以Y 表示取到的字母所在的单词所含的字母数，写出Y 的分布律，并求)(Y E ．解：本题的随机试验属于古典概型．Y 的所有可能取值为1，4，样本空间Ω由13个字母组成，即共有13个样本点，则131)1(==Y P ，1312)4(==Y P ，从而1349131241311)(=⋅+⋅=Y E ．3．一批产品有一、二、三等品及废品4种，所占比例分别为60%，20%，10%和10%，各级产品的出厂价分别为6元、8.4元、4元和2元，求产品的平均出厂价．解：设产品的出厂价为X (元)，则X 的所有可能取值为6，8.4，4，2，由题设可知X 的分布律为X 68.442P6.02.01.01.0则16.51.021.042.08.46.06)(=⨯+⨯+⨯+⨯=X E (元)．4．设随机变量X 具有分布：51)(==k X P ，5,4,3,2,1=k ，求)(X E ，)(2X E 及2)2(+X E ．解：3)54321(51)(=++++=X E ，11)54321(51)(222222=++++=X E ，274)(4)()44()2(222=++=++=+X E X E X X E X E ．5．设离散型随机变量X 的分布列为k k kk X P 21)!2)1((=-=， ,2,1=k ，问X 是否有数学期望．解：因为∑∑∞=∞==⋅-111212)1(k k k k kkk 发散，所以X 的数学期望不存在．6．设随机变量X 具有密度函数⎪⎩⎪⎨⎧≤≤-=其他．,0,22,cos 2)(2πππx x x f 求)(X E 及)(X D ．解：因为x x 2cos 在]2,2[ππ-上为奇函数，所以0d cos 2d )()(222=⋅==⎰⎰-∞+∞-πππx x x x x f x X E ，2112d cos 2d )()(2222222-=⋅==⎰⎰-∞+∞-ππππx x x x x f x X E ，故2112)]([)()(222-=-=πX E X E X D ．7．设随机变量X 具有密度函数⎪⎩⎪⎨⎧<<-≤<=其他．,0,21,2,10,)(x x x x x f 求)(X E 及)(X D ．解：1d )2(d d )()(2112=-+==⎰⎰⎰∞+∞-x x x x x x x f x X E ，67d )2(d d )()(2121322=-+==⎰⎰⎰∞+∞-x x x x x x x f x X E ，61)]([)()(22=-=X E X E X D ．8．设随机变量X 在)21,21(-上服从均匀分布，求)sin(X Y π=的数学期望与方差．解：由题可知X 的密度函数为⎪⎩⎪⎨⎧<<-=其他．,0,2121,1)(x x f 则0d 1sin d )(sin )][sin()(2121=⋅===⎰⎰-∞+∞-x x x x f x X E Y E πππ，21d 1sin d )(sin )]([sin )(21212222=⋅===⎰⎰-∞+∞-x x x x f x X E Y E πππ，21)]([)()(22=-=Y E Y E Y D ．9．某正方形场地，按照航空测量的数据，它的边长的数学期望为350m ，又知航空测量的误差随机变量X 的分布列为X (m)30-20-10-0102030P05.008.016.042.016.008.005.0而场地边长随机变量Y 等于边长的数学期望与测量误差之和，即X Y +=350，求场地面积的数学期望．解：设场地面积为S ，则2Y S =，16.01042.0016.0)10(08.0)20(05.030)(⨯+⨯+⨯-+⨯-+⨯-=X E 005.03008.020=⨯+⨯+，16.01042.0016.0)10(08.0)20(05.0)30()(222222⨯+⨯+⨯-+⨯-+⨯-=X E 18605.03008.02022=⨯+⨯+，故)350700(])350[()()(2222++=+==X X E X E Y E S E 122686350)(700)(22=++=X E X E ．10．A ，B 两台机床同时加工零件，每生产一批较大的产品时，出次品的概率如下表所示：A 机床次品数X 0123概率P7.02.006.004.0B 机床次品数X 0123概率P8.006.004.010.0问哪一台机床加工质量较好．解：44.004.0306.022.017.00)(=⨯+⨯+⨯+⨯=X E ，8.004.0306.022.017.00)(22222=⨯+⨯+⨯+⨯=X E ，6064.0)]([)()(22=-=X E X E X D ，44.010.0304.0206.018.00)(=⨯+⨯+⨯+⨯=Y E ，12.110.0304.0206.018.00)(22222=⨯+⨯+⨯+⨯=Y E ，9264.0)]([)()(22=-=Y E Y E Y D ，)()(Y E X E =，但)()(Y D X D <，故A 机床加工质量较好．11．设随机变量X 与Y 相互独立，且方差存在，试证：22)]()[()()]([)()()(Y E X D Y D X E Y D X D XY D ++=，由此得出)()()(Y D X D XY D ≥．证：22)]([])[()(XY E XY E XY D -=222)]()([)(Y E X E Y X E -=2222)]([)]([)()(Y E X E Y E X E -=2222)]([)]([})]([)(}{)]([)({Y E X E Y E Y D X E X D -++=22)]()[()()]([)()(Y E X D Y D X E Y D X D ++=．因为)(X D ，)(Y D ，2)]([X E ，2)]([Y E 非负，所以)()()(Y D X D XY D ≥．12．已知随机变量X 的密度函数为⎩⎨⎧≤≤++=其他．,010,)(2x c bx x a x f又已知5.0)(=X E ，15.0)(=X D ，求a ，b ，c ．解：c b a x c bx x a x x f ++=++==⎰⎰∞+∞-2131d )(d )(1102，c b a x c bx x a x x x f x X E 213141d )(d )()(5.0102++=++===⎰⎰∞+∞-，⎰⎰++-=-==∞+∞-1222d )()5.0(d )()]([)(15.0xc bx x a x x x f X E x X D 41314151-++=c b a ，解之得12=a ，12-=b ，3=c ．13．设),(Y X 的分布律为(1)求)(X E 及)(Y E ；(2)设XYZ =，求)(Z E ；(3)设2)(Y X Z -=，求)(Z E ．解：(1)2)13.00(3)1.001.0(2)1.01.02.0(1)(=++⨯+++⨯+++⨯=X E ，0)1.01.01.0(1)3.001.0(0)01.02.0()1()(=++⨯+++⨯+++⨯-=Y E ，(2)1.01)3.001.0(00)31(1.021(2.01)(⨯+++⨯+⨯-+⨯-+⨯-=Z E 1511.0311.021-=⨯+⨯+，(3)1.0)01(0)]1(3[1.0)]1(2[2.0)]1(1[)(2222⨯-+⨯--+⨯--+⨯--=Z E 51.0)13(1.0)12(1.0)11(3.0)03(0)02(22222=⨯-+⨯-+⨯-+⨯-+⨯-+．14．设随机变量),(Y X 的概率密度函数为⎪⎩⎪⎨⎧≤≤≤≤+=其他．,0,10,20,3),(y x yx y x f求)(X E ，)(Y E ，)(Y X E +及)(22Y X E +．解：⎰⎰∞+∞-∞+∞-=y x y x f x X E d d ),()(911d d 31020=+⋅=⎰⎰y x y x x ，⎰⎰∞+∞-∞+∞-=y x y x yf Y E d d ),()(95d d 31020=+⋅=⎰⎰y x y x y ，⎰⎰∞+∞-∞+∞-+=+y x y x f y x Y X E d d ),()()(916d d 3)(1020=+⋅+=⎰⎰y x y x y x ，⎰⎰∞+∞-∞+∞-+=+y x y x f y x Y X E d d ),()()(2222613d d 3)(102022=+⋅+=⎰⎰y x y x y x ．15．),(Y X 在区域}1,0,0|),{(≤+≥≥=y x y x y x D 上服从均匀分布，求)(X E ，)23(Y X E -及)(XY E ．解：由题可知),(Y X 的联合密度函数为⎩⎨⎧≤≤-≤≤=其他．,0,10,10,2),(y y x y x f ⎰⎰∞+∞-∞+∞-=y x y x f x X E d d ),()(31d d 21010==⎰⎰-yy x x ，⎰⎰∞+∞-∞+∞--=-y x y x f y x Y X E d d ),()23()23(31d d )23(21010=-=⎰⎰-yy x y x ，⎰⎰∞+∞-∞+∞-=y x y x xyf XY E d d ),()(121d d 21010==⎰⎰-y y x xy ．16．设二维随机变量),(Y X 的概率密度函数为⎪⎩⎪⎨⎧>+≤+=．1,0,1,1),(2222y x y x y x f π证明：随机变量X 与Y 不相关，也不相互独立．证：⎰⎰⎰⎰⋅=⋅=∞+∞-∞+∞-πθθππ201d d cos 1d d 1)(r r r y x x X E ，同理，0)(=Y E ，⎰⎰⎰⎰⋅⋅=⋅=∞+∞-∞+∞-πθθθππ201d d sin cos 1d d 1)(r r r r y x xy XY E ，0)()()(),cov(=-=Y E X E XY E Y X ，故随机变量X 与Y 不相关．当11≤≤-x 时，ππ21112d 1d ),()(22x y y y x f x f x x X -===⎰⎰---∞+∞-，其他，0)(=x f X ，故⎪⎩⎪⎨⎧≤≤--=其他．,0,11,12)(2x x x f X π同理，⎪⎩⎪⎨⎧≤≤--=其他．,0,11,12)(2y y y f Y π易得)()(),(y f x f y x f Y X ≠，故随机变量X 与Y 不相互独立．17．设随机变量1X ，2X 的概率密度分别为⎩⎨⎧≤>=-．0,0,0,e 2)(21x x x f x ，⎩⎨⎧≤>=-．0,0,0,e 4)(42y y y f y 试用数学期望的性质求：(1))(21X X E +及)32(221X X E -；(2)又设1X ，2X 相互独立，求)(21X X E ．解：由题可知1X ～)2(E ，2X ～)4(E ，则21)(1=X E ，41)(2=X E ，161)(2=X D ，81)]([)()(22222=+=X E X D X E ．(1)43)()()(2121=+=+X E X E X X E ，85)(3)(2)32(221221=-=-X E X E X X E ．(2)81)()()(2121==X E X E X X E ．18．(1)设1X ，2X ，3X 及4X 独立同在)1,0(上服从均匀分布，求)51(41∑=k k kX D ；(2)已知随机变量X ，Y 的方差分别为25和36，相关系数为4.0，求Y X U 23+=的方差．解：(1)由题易得121)(=i X D ，)51(41∑=k k kX D )(5141∑==k kkX D )](4)(3)(2)([514321X D X D X D X D +++=21)4321(121512222=+++⋅=．(2)由已知25)(=X D ，36)(=Y D ，4.0)()(),cov(==Y D X D Y X XY ρ，得12),cov(=Y X ，)2,3cov(2)2()3()23()(Y X Y D X D Y X D U D ++=+=513),cov(232)(2)(322=⋅⋅++=Y X Y D X D ．19．一民航送客车载有20位旅客自机场开出，旅客有10个车站可以下车，如果到达一个车站没有旅客下车就不停车，以X 表示停车的次数，求)(X E (设每位旅客在各个车站下车是等可能的，并设各旅客是否下车相互独立)．解：引入随机变量⎩⎨⎧=站无人下车．，在第站有人下车；，在第i i X i 01，10,,2,1 =i ．易知1021X X X X +++= ．按题意，任一旅客在第i 站不下车的概率为9.0，因此20位旅客都不在第i 站下车的概率为209.0，在第i 站有人下车的概率为209.01-，也就是209.0)0(==i X P ，209.01)1(-==i X P ，10,,2,1 =i ．由此209.01)(-=i X E ，10,,2,1 =i ．进而)()()()()(10211021X E X E X E X X X E X E +++=+++= 784.8)9.01(1020=-=(次)．20．将n 只球(1～n 号)随机地放进n 只盒子(1～n 号)中去，一只盒子装一只球．若一只球装入与球同号的盒子中，称为一个配对，记X 为总的配对数，求)(X E ．解：引入随机变量⎩⎨⎧=号盒子．号球未放入第第号盒子号球放入第第i i i i X i ,0,,1，n i ,,2,1 =，则n X X X X +++= 21，显然n X P i 1)1(==，则nX P i 11)0(-==，n i ,,2,1 =，从而nX E i 1)(=，n i ,,2,1 =，于是1)()()()()(2121=+++=+++=n n X E X E X E X X X E X E ．21．设随机变量),(Y X 的分布律为试验证X 和Y 是不相关的，但X 和Y 不是相互独立的．证：0)25.00(2)025.0(1)025.0()1()25.00(2)(=+⨯++⨯++⨯-++⨯-=X E ，5)25.00025.0(4)025.025.00(1)(=+++⨯++++⨯=Y E ，0)4(25.0)8(0225.0125.0)1(02)(⨯-+⨯-+⨯+⨯+⨯-+⨯-=XY E 025.0804=⨯+⨯+，所以0)()()(),cov(=-=Y E X E XY E Y X ，故X 与Y 不相关．易知25.025.00)2(=+=-=X P ，5.0025.025.00)1(=+++==Y P ，0)1,2(==-=Y X P ，有)1()2()1,2(=-=≠=-=Y P X P Y X P ，故X 与Y 不相互独立．22．设二维随机变量),(Y X 的概率密度为⎩⎨⎧≤≤≤≤+=其他．,0,10,10,),(y x y x y x f 求)(X E ，)(Y E ，)(X D ，)(Y D ，)(XY E ，),cov(Y X 及XY ρ．解：127d d )(d d ),()(1010=+==⎰⎰⎰⎰∞+∞-∞+∞-y x y x x y x y x f x X E ，125d d )(d d ),()(1010222=+==⎰⎰⎰⎰∞+∞-∞+∞-y x y x x y x y x f x X E ，14411)]([)()(22=-=X E X E X D ，由轮换对称性，得127)(=Y E ，14411)(=Y D ，31d d )(d d ),()(1010=+==⎰⎰⎰⎰∞+∞-∞+∞-y x y x xy y x y x xyf XY E ，1441)()()(),cov(-=-=Y E X E XY E Y X ，111)()(),cov(-==Y D X D Y X XY ρ．23．设X ～),(2σμN ，Y ～),(2σμN ，且X ，Y 相互独立．求Y X Z βα+=1和Y X Z βα-=2的相关系数(α，β是不为0的常数)．解：由题可知μ==)()(Y E X E ，2)()(σ==Y D X D ，则2222)]([)()(σμ+=+=X E X D X E ，2222)]([)()(σμ+=+=Y E Y D Y E ，μβαβα)()()(1+=+=Y X E Z E ，μβαβα)()()(2-=-=Y X E Z E ，222221)()()()()(σβαβαβα+=+=+=Y D X D Y X D Z D ，222222)()()()()(σβαβαβα+=+=-=Y D X D Y X D Z D ，)()])([()(222221Y X E Y X Y X E Z Z E βαβαβα-=-+=))(()()(22222222σμβαβα+-=-=Y E X E ，222212121)()()()(),cov(σβα-=-=Z E Z E Z Z E Z Z ，22222121)()(),cov(21βαβαρ+-==Z D Z D Z Z Z Z ．24．设),(Y X 的联合概率密度为⎩⎨⎧≤≤≤≤--=.,0,10,10,2),(其他y x y x y x f (1)求),cov(Y X ，XY ρ和)32(Y X D -；11(2)X 与Y 是否独立？解：(1)125d d )2(d d ),()(1010=--==⎰⎰⎰⎰∞+∞-∞+∞-y x y x x y x y x f x X E ，41d d )2(d d ),()(1010222=--==⎰⎰⎰⎰∞+∞-∞+∞-y x y x x y x y x f x X E ，61d d )2(d d ),()(1010=--==⎰⎰⎰⎰∞+∞-∞+∞-y x y x xy y x y x xyf XY E ，14411)]([)()(22=-=X E X E X D ，由轮换对称性，125)(=Y E ，14411)(=Y D ，1441)()()(),cov(-=-=Y E X E XY E Y X ，111)()(),cov(-==Y D X D Y X XY ρ，)3,2cov(2)3()2()32(Y X Y D X D Y X D -+-+=-144155),cov(12)(3)(222=-+=Y X Y D X D ．(2)当10≤≤x 时，x y y x y y x f x f X -=--==⎰⎰∞+∞-23d )2(d ),()(10，其他，0)(=x f X ，故⎪⎩⎪⎨⎧≤≤-=其他．,0,10,23)(x x x f X 同理，⎪⎩⎪⎨⎧≤≤-=其他．,0,10,23)(y y y f Y 因为)()(),(y f x f y x f Y X ≠，故X 与Y 不相互独立．。

概率论与数理统计4

概率论与数理统计第四章

概率论与数理统计第四版习题答案全

概率论与数理统计复习4-5章

概率论与数理统计》课后习题答案第四章

概率论与数理统计 期末复习4

概率论与数理统计4-2 方差

概率论与数理统计第四章

概率论与数理统计（经管类）第四章课后习题答案.

概率论与数理统计第四章习题参考答案

概率论与数理统计 第4章 随机变量的数字特征

概率论与数理统计(第四版) pdf

概率论与数理统计 第4章

概率论与数理统计课后答案第4章

第四章4 第四版 概率论与数理统计答案

概率论与数理统计 第四章

概率论与数理统计总结之第四章

概率论与数理统计第四章第四节 大数定理与中心极限定理

概率论与数理统计第四章数学期望

概率论与数理统计第四章期末复习

概率论与数理统计第四章课后习题及参考答案

概率论与数理统计期末复习4

概率论与数理统计第4章随机变量的数字特征

概率论与数理统计第4章

第四章4 第四版概率论与数理统计答案

概率论与数理统计第四章

概率论与数理统计第四章第四节大数定理与中心极限定理