概率论与数理统计(茆诗松)第二版课后第二章习题参考答案

合集下载

概率论与数理统计第二章习题参考答案]

概率论与数理统计第二章习题参考答案]

(1)设
X
服从二项分布,其分布律为 P{X
=
k}=
C
k n
pk (1−
)p n−k
K=0,1,2,……n,问 K 取何值时 P{X = k}最大?
(2)设 X 服从泊松分布,其分布率为 p{X = k} = λke−λ ,k=0,1,2……
k!
问 K 取何值时 P{X = k}最大?
(1)
解: M
=
N 试确定常数 a
(2)设随机变量 X 的分布律为 P{X = k} = b ⋅ ⎜⎛ 2 ⎟⎞k , k = 1,2.....
⎝3⎠
试确定常数 b
(3)设随机变量 X 的分布律为 P{X = k} = c ⋅ λk , k = 0,1,2......λ > 0 为常数,
k!
试确定常数 c
N
解:(1) ∑ P{X
6、设随机变量 X 的分布律为 P{X = k} = k , k = 1,2,3,4,5
15
其分布函数为 F (x) ,试求:
(1)
P⎨⎧ ⎩
1 2
<
X
<
5 2
⎫ ⎬ ⎭

(2) P{1 ≤ X ≤ 2},
(3) F ⎜⎛ 1 ⎟⎞ ⎝5⎠
解:(1)
P⎨⎧ ⎩
1 2
<
X
<
5⎫
2
⎬ ⎭
=
P{X
= 1}+
0
2
1
x
xdx+
0
1
(2−
x)dx=
2x

x2
/
2−1
0< x ≤1 1< x≤2

概率论与数理统计第二版课后答案

概率论与数理统计第二版课后答案

概率论与数理统计第二版课后答案第一章:概率论的基本概念与性质1.1 概率的定义及其性质1.概率的定义:概率是对随机事件发生的可能性大小的度量。

在概率论中,我们将事件A的概率记为P(A),其中P(A)的值介于0和1之间。

2.概率的基本性质:–非负性:对于任何事件A,其概率满足P(A) ≥ 0。

–规范性:对于样本空间Ω中的全部事件,其概率之和为1,即P(Ω) = 1。

–可列可加性:对于互不相容的事件序列{Ai}(即Ai∩Aj = ∅,i ≠ j),有P(A1∪A2∪…) = P(A1) + P(A2) + …。

1.2 随机事件与随机变量1.随机事件:随机事件是指在一次试验中所发生的某种结果。

–基本事件:对于只包含一个样本点的事件,称为基本事件。

–复合事件:由一个或多个基本事件组成的事件称为复合事件。

2.随机变量:随机变量是将样本空间Ω上的每个样本点赋予一个实数的函数。

随机变量可以分为两种类型:–离散型随机变量:其取值只可能是有限个或可列无穷个实数。

–连续型随机变量:其取值在某个区间内的任意一个值。

1.3 事件的关系与运算1.事件的关系:事件A包含于事件B(记作A ⊆ B)指的是事件B发生时,事件A一定发生。

如果A ⊆ B且B ⊆ A,则A与B相等(记作A = B)。

–互不相容事件:指的是两个事件不能同时发生,即A∩B = ∅。

2.事件的运算:对于两个事件A和B,有以下几种运算:–并:事件A和事件B至少有一个发生,记作A∪B。

–交:事件A和事件B同时发生,记作A∩B。

–差:事件A发生而事件B不发生,记作A-B。

第二章:条件概率与独立性2.1 条件概率与乘法定理1.条件概率:在事件B发生的条件下,事件A发生的概率称为事件A在事件B发生的条件下的条件概率,记作P(A|B)。

–条件概率的计算公式:P(A|B) = P(A∩B) / P(B)。

2.乘法定理:对于任意两个事件A和B,有P(A∩B) = P(A|B) * P(B) =P(B|A) * P(A)。

概率论与数理统计第二版参考答案

概率论与数理统计第二版参考答案

习题2参考答案2.1 X 23456789101112P1/36 1/18 1/12 1/95/36 1/6 5/36 1/91/12 1/18 1/362.2解:根据1)(0==∑∞=k k X P ,得10=∑∞=-k kae,即1111=---eae。

故 1-=e a2.3解:用X 表示甲在两次投篮中所投中的次数,X~B(2,0.7) 用Y 表示乙在两次投篮中所投中的次数, Y~B(2,0.4) (1) 两人投中的次数相同P{X=Y}= P{X=0,Y=0}+ P{X=1,Y=1} +P{X=2,Y=2}=11220202111120202222220.70.30.40.60.70.30.40.60.70.30.40.60.3124CC C C C C ⨯+⨯+⨯=(2)甲比乙投中的次数多P{X >Y}= P{X=1,Y=0}+ P{X=2,Y=0} +P{X=2,Y=1}=12211102200220112222220.70.30.40.60.70.30.40.60.70.30.40.60.5628CC C C C C ⨯+⨯+⨯=2.4解:(1)P{1≤X ≤3}= P{X=1}+ P{X=2}+ P{X=3}=12321515155++=(2) P{0.5<X<2.5}=P{X=1}+ P{X=2}=12115155+=2.5解:(1)P{X=2,4,6,…}=246211112222k +++ =11[1()]1441314kk lim →∞-=-(2)P{X ≥3}=1―P{X <3}=1―P{X=1}- P{X=2}=1111244--=2.6解:设i A 表示第i 次取出的是次品,X 的所有可能取值为0,1,212341213124123{0}{}()(|)(|)(|)P X P A A A A P A P A A P A A A P A A A A ====18171615122019181719⨯⨯⨯=1123412342341234{1}{}{}{}{}2181716182171618182161817162322019181720191817201918172019181795P X P A A A A P A A A A P A A A A P A A A A ==+++=⨯⨯⨯+⨯⨯⨯+⨯⨯⨯+⨯⨯⨯=12323{2}1{0}{1}1199595P X P X P X ==-=-==--=2.7解:(1)设X 表示4次独立试验中A 发生的次数,则X~B(4,0.4)34314044(3)(3)(4)0.40.60.40.60.1792P X P X P X CC ≥==+==+= (2)设Y 表示5次独立试验中A 发生的次数,则Y~B(5,0.4)345324150555(3)(3)(4)(5)0.40.60.40.60.40.60.31744P X P X P X P X CC C ≥==+=+==++=2.8 (1)X ~P(λ)=P(0.5×3)= P(1.5) 01.51.5{0}0!P X e-=== 1.5e -(2)X ~P(λ)=P(0.5×4)= P(2)122222{2}1{0}{1}1130!1!P X P X P X e ee---≥=-=-==--=-2.9解:设应配备m 名设备维修人员。

概率论与数理统计第二章课后习题及参考答案

概率论与数理统计第二章课后习题及参考答案
{ X k} A1 A2 Ak 1 Ak ,
于是
P ( X k ) p (1 p ) k 1 ,
所以 X 的分布律为 P ( X k ) p (1 p ) k 1 , k 1,2, . (2) Y 的所有可能取值为 0,1,2,…, k ,…,于是
Y 的分布律为 P (Y k ) p (1 p ) k 1 , k 0,1,2, .
2
P ( X 0) P ( A1 A2 ) P ( A1 ) P ( A2 ) 0.36 , X 的分布律为 X P
1000000 0.16
60000 0.24
40000 0.24
0 0.36
5.对某目标进行独立射击,每次射中的概率为 p ,直到射中为止,求: (1) 射击次数 X 的分布律;(2) 脱靶次数 Y 的分布律. 解:(1) 由题设, X 所有可能的取值为 1,2,…, k ,…, 设 Ak {射击时在第 k 次命中目标},则
由题知, { X k} A B , AB ,则
P ( A) p k 1 (1 p ) , P ( B ) (1 p ) k 1 p , P ( X k ) P ( A B ) P ( A) P ( B ) p k 1 (1 p ) (1 p ) k 1 p ,

x 0, 0, 2 2x x F ( x ) 2 ,0 x a , . a a x a. 1, a a 1 1 (3) P ( X a ) F (a ) F ( ) 1 (1 ) . 2 2 4 4
12.设随机变量 X 在 [2,6] 上服从均匀分布,现对 X 进行三次独立观察,试求至 少有两次观测值大于 3 的概率. 解:由题意知

概率论与数理统计2.第二章练习题(答案)

概率论与数理统计2.第二章练习题(答案)

第二章练习题(答案)一、单项选择题1.已知连续型随机变量X 的分布函数为⎪⎩⎪⎨⎧≥<≤+<=ππx x b kx x x F ,10,0,0)( 则常数k 和b 分别为 ( A )(A )0,1==b k π (B )π1,0b k = (C )0,21==b k π (D )π21,0==b k . 2.下列函数哪个是某随机变量的分布函数 ( A )A. f (x )={xa e −x 22a,x ≥01, x <0(a >0); B. f (x )={12cosx, 0< x <π0, 其他C. f (x )={cosx, −π2< x <π20, 其他D. f (x )={sinx, −π2< x <π20, 其他3.若函数()f x 是某随机变量X 的概率密度函数,则一定成立的是 ( C ) A. ()f x 的定义域是[0,1] B. ()f x 的值域为[0,1] C. ()f x 非负 D. ()f x 在(,)-∞+∞内连续4. 设)1,1(~N X ,密度函数为)(x f ,则有( C ) A.{}{}00>=≤X P X P B. )()(x f x f -= C. {}{}11>=≤X P X P D. )(1)(x F x F --=5. 设随机变量()16,~μN X ,()25,~μN Y ,记()41-<=μX P p ,()52+>=μY P p ,则正确的是 ( A ).(A )对任意μ,均有21p p = (B )对任意μ,均有21p p < (C )对任意μ,均有21p p > (D )只对μ的个别值有21p p = 6. 设随机变量2~(10,)X N ,则随着的增加{10}P X ( C )A.递增B.递减C.不变D.不能确定7.设F 1(x )与F 2(x )分别为随机变量X 1、X 2的分布函数,为使F (x )=aF 1(x )-bF 2(x )是某一随机变量的分布函数,在下列给定的多组数值中应取 ( A )A . a =53, b =52-; B . a =32, b =32;C . 21-=a , 23=b ; D . 21=a , 23-=b .8.设X 1与X 2是任意两个相互独立的连续型随机变量,它们的概率密度函数分别为f 1(x )和f 2(x ),分布函数分别为F 1(x )和F 2(x ),则 ( D ) (A) f 1(x )+f 2(x ) 必为某个随机变量的概率密度; (B )f 1(x )•f 2(x ) 必为某个随机变量的概率密度; (C )F 1(x )+F 2(x ) 必为某个随机变量的分布函数; (D) F 1(x ) •F 2(x ) 必为某个随机变量的分布函数。

茆诗松《概率论与数理统计教程》(第2版)笔记和课后习题(含考研真题)详解-第1章 随机事件与概率【圣

茆诗松《概率论与数理统计教程》(第2版)笔记和课后习题(含考研真题)详解-第1章 随机事件与概率【圣

③对立事件一定是互不相容的事件,即 A∩B=∅.但互不相容的事件不一定是对立事件.
_
④A-B 可以记为 AB.
7.事件的运算性质
5 / 85
圣才电子书

(1)交换律
十万种考研考证电子书、题库视频学习平台
A∪B=B∪A,AB=BA
(2)结合律
(A∪B)∪C=A∪(B∪C)
n r 1
次所得的组合,此种重复组合总数为
r
,这里的 r 也允许大于 n.
上述四种排列组合及其总数计算公式在使用中要注意识别有序与无序、重复与不重复.
3.确定概率的频率方法 (1)确定概率的频率方法 在大量重复试验中,用频率的稳定值去获得概率的一种方法,其基本思想是: ①与考察事件 A 有关的随机现象可大量重复进行.
4.随机变量 定义:表示随机现象结果的变量,常用大写字母 X,Y,Z 表示. 注意:很多事件都用随机变量表示时,应写明随机变量的含义.在同一个随机现象中, 不同的设置可获得不同的随机变量,如何设置可按需要进行.
5.事件间的关系 假设在同一个样本空间 Ω(即同一个随机现象)中进行.事件间的关系与集合间关系
2.排列与组合公式 排列与组合都是计算“从 n 个元素中任取 r 个元素”的取法总数公式. 区别:组合公式是不讲究取出元素间的次序,否则用排列公式.而所谓讲究元素间的次 序,可以从实际问题中得以辨别,例如两个人相互握手是不讲次序的;而两个人排队是讲次 序的,因为“甲右乙左”与“乙右甲左”是两件事.
7 / 85
_
1-1-5),或用概率论的语言说“A 不发生”,即A=Ω-A.
_
图 1-1-5 A 的对立事件A
注意:
_
_
①对立事件是相互的,即 A 的对立事件是A,而A的对立事件是 A.必然事件 Ω 与不可

概率论与数理统计(茆诗松)第二章讲义(PDF)

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 < p < 1,称X 服从两点分布(Two-point Distribution )或0-1分布,记为X ~ (0-1).分布列为⎟⎟⎠⎞⎜⎜⎝⎛−p p110. 两点分布实际背景是一次伯努利试验.通常描述为:X 表示一次伯努利试验中事件A 发生的次数.非负性:p (0) = 1 − p > 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 < p < 1, 则称X 服从二项分布(Binomial Distribution ),记为X ~ b (n , p ).二项分布的实际背景是n 重伯努利试验. 当n = 1时,二项分布就是两点分布.非负性:0)1()(>−⎟⎟⎠⎞⎜⎜⎝⎛=−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 − 1).如果(n + 1) p 不是正整数,取k 0 = [(n + 1) p ],有k 0 < (n + 1) p ,即p (k 0) > 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 − 1).如果λ 不是正整数,取k 0 = [λ ] ,有k 0 < λ ,即p (k 0) > 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 − 1). 如果21)1(+++N M n 不是正整数,取21)1[(0+++=N M n k ,有21)1(0+++<N M n k ,即p (k 0) > 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。

概率论与数理统计答案第二章

概率论与数理统计答案第二章

= 1 e 1.2 e 1.6 (5)P{恰好 2.5 分钟}= P (X=2.5)=0
0, x 1, 18.[十七] 设随机变量 X 的分布函数为 FX ( x) ln x,1 x e, , 1, x e.
求(1)P (X<2), P {0<X≤3}, P (2<X< 5 2 ); (2)求概率密度 fX (x). 解: (1)P (X≤2)=FX (2)= ln2, P (0<X≤3)= FX (3)-FX (0)=1,
第二章
随机变量及其分布
1.[一] 一袋中有 5 只乒乓球,编号为 1、2、3、4、5,在其中同时取三只,以 X 表示取出的三只球中的最大号码,写出随机变量 X 的分布律 解:X 可以取值 3,4,5,分布律为
2 1 C2 3 C5
P ( X 3) P (一球为3号, 两球为 1,2号)
P( X 1) 1 P( X 0) 1 0.59049 0.40951
[五] 一房间有 3 扇同样大小的窗子,其中只有一扇是打开的。有一只鸟自开着的 窗子飞入了房间,它只能从开着的窗子飞出去。鸟在房子里飞来飞去,试图飞出房间。 假定鸟是没有记忆的,鸟飞向各扇窗子是随机的。 (1)以 X 表示鸟为了飞出房间试飞的次数,求 X 的分布律。 (2)户主声称,他养的一只鸟,是有记忆的,它飞向任一窗子的尝试不多于一次。 以 Y 表示这只聪明的鸟为了飞出房间试飞的次数,如户主所说是确实的,试求 Y 的分布 律。 (3)求试飞次数 X 小于 Y 的概率;求试飞次数 Y 小于 X 的概率。
38 81
8.[八] 甲、乙二人投篮,投中的概率各为 0.6, 0.7,令各投三次。求 (1)二人投中次数相等的概率。 记 X 表甲三次投篮中投中的次数 Y 表乙三次投篮中投中的次数 由于甲、乙每次投篮独立,且彼此投篮也独立。 P (X=Y)=P (X=0, Y=0)+P (X=2, Y=2)+P (X=3, Y=3) = P (X=0) P (Y=0)+ P (X=1) P (Y=1)+ P (X=2) P (Y=2)+ P (X=3) P (Y=3)

茆诗松《概率论与数理统计教程》课后习题

茆诗松《概率论与数理统计教程》课后习题

茆诗松《概率论与数理统计教程》课后习题本书是详解研究生入学考试指定考研参考书目为茆诗松《概率论与数理统计教程》的配套题库,每章包括以下四部分:第一部分为考研真题及详解。

本部分按教材章节从历年考研真题中挑选具有代表性的部分,并对其进行了详细的解答。

所选考研真题既注重对基础知识的掌握,让学员具有扎实的专业基础;又对一些重难点部分(包括教材中未涉及到的知识点)进行详细阐释,以使学员不遗漏任何一个重要知识点。

第二部分为课后习题及详解。

本部分对茆诗松编写的《概率论与数理统计教程》(第2版)教材每一章的课后习题进行了详细的分析和解答,并对个别知识点进行了扩展。

课后习题答案经过多次修改,质量上乘,特别适合应试作答和临考冲刺。

第三部分为章节题库及详解。

本部分严格按照茆诗松编写的《概率论与数理统计教程》(第2版)教材内容进行编写,每一章都精心挑选经典常见考题,并予以详细解答。

熟练掌握本书考题的解答,有助于学员理解和掌握有关概念、原理,并提高解题能力。

第四部分为模拟试题及详解。

参照茆诗松编写的《概率论与数理统计教程》(第2版)教材,根据历年考研真题的命题规律及热门考点精心编写了两套考前模拟试题,并提供详尽的解答。

通过模拟试题的练习,学员既可以用来检测学习该考试科目的效果,又可以用来评估对自己的应试能力。

本书提供电子书及打印版,方便对照复习。

目录第一部分考研真题第1章随机事件与概率第2章随机变量与分布第3章多维随机变量及其分布第4章大数定律与中心极限定理第5章统计量及其分布第6章参数估计第7章假设检验第8章方差分析与回归分析第二部分课后习题第1章随机事件与概率第2章随机变量及其分布第3章多维随机变量及其分布第4章大数定律与中心极限定理第5章统计量及其分布第6章参数估计第7章假设检验第8章方差分析与回归分析第三部分章节题库第1章随机事件与概率第2章随机变量与分布第3章多维随机变量及其分布第4章大数定律与中心极限定理第5章统计量及其分布第6章参数估计第7章假设检验第8章方差分析与回归分析第四部分模拟试题茆诗松《概率论与数理统计教程》(第2版)配套模拟试题及详解(一)茆诗松《概率论与数理统计教程》(第2版)配套模拟试题及详解(二)。

数理统计第二章课后习题参考答案

数理统计第二章课后习题参考答案

第二章 参数估计2.4 设子样1.3,0.6,1.7,2.2,0.3,1.1是来自具有密度函数()1f x ββ=;,0x β<<的总体,试用矩法估计总体均值、总体方差及参数β. 解: 1.30.6 1.7 2.20.3 1.1 1.26X μ+++++===.()()()()()()()22222222111 1.3 1.20.6 1.2 1.7 1.2 2.2 1.20.3 1.2 1.1 1.26ni i X X n σ=⎡⎤=-=-+-+-+-+-+-⎣⎦∑ ()222222210.10.60.510.90.10.4076σ=+++++==. ()()0112E X x f x dx xdx ββββ+∞-∞===⎰⎰;.令()E X X =,则12X β=,即2X β=.参数β的矩估计量为ˆ22 1.2 2.4X β==⨯=.2.6 设总体X 的密度函数为()f x θ;,1X ,2X ,…,n X 为其样本,求下列情况下θ的MLE.(iii )()()100x x e x f x ααθθαα--⎧>⎪=⎨⎪⎩,;,其它α已知解:当0i X >()12i n = ,,,时,似然函数为: ()()()()111111ni i i n n n x n x i i i i i i L f x x e x eαααθθαθθθαθα=----===∑⎛⎫=== ⎪⎝⎭∏∏∏;.()()11ln ln ln 1ln n ni i i i L n n x x αθθααθ===++--∑∑.由()1ln 0ni i L nx αθθθ=∂=-=∂∑,得θ的MLEˆθ,即1ˆnii nxαθ==∑.2.7 设总体X 的密度函数为()()1f x x ββ=+,01x <<,1X ,2X ,…,n X 为其子样,求参数β的MLE 及矩法估计。

今得子样观察值为0.3,0.8,0.27,0.35,0.62及0.55,求参数β的估计值。

概率论与数理统计(茆诗松)第二版课后第二章习题参考答案批注版

概率论与数理统计(茆诗松)第二版课后第二章习题参考答案批注版
1
(3) AB ; (4) A U B . 解: (1) A B = {0.25 ≤ X ≤ 0.5} U {1 < X < 1.5} ; (2) A U B = {0 ≤ X ≤ 2} = Ω ; (3) AB = {0 ≤ X ≤ 0.5} U {1 < X ≤ 2} = A ; (4) A U B = {0 ≤ X < 0.25} U {1.5 ≤ X ≤ 2} = B . 6. 检查三件产品,只区分每件产品是合格品(记为 0)与不合格品(记为 1) ,设 X 为三件产品中的不合 格品数,指出下列事件所含的样本点: A =“X = 1” ,B =“X > 2” ,C =“X = 0” ,D =“X = 4” . 解:A = {(1, 0, 0),(0, 1, 0),(0, 0, 1)},B = {(1, 1, 1)},C = {(0, 0, 0)},D = ∅. 7. 试问下列命题是否成立? (1)A − (B − C ) = (A − B )∪C; (2)若 AB = ∅且 C ⊂ A,则 BC = ∅; (3)(A∪B ) − B = A; (4)(A − B )∪B = A. 解: (1)不成立, A − ( B − C ) = A − BC = A BC = A( B U C ) = AB U AC = ( A − B ) U AC ≠ ( A − B ) U C ; B A C A − (B − C ) (2)成立,因 C ⊂ A,有 BC ⊂ AB = ∅,故 BC = ∅; (3)不成立,因 ( A U B ) − B = ( A U B ) B = AB U BB = AB = A − B ≠ A ; (4)不成立,因 ( A − B ) U B = AB U B = ( A U B )( B U B ) = A U B ≠ A . 8. 若事件 ABC = ∅,是否一定有 AB = ∅? 解:不能得出此结论,如当 C = ∅时,无论 AB 为任何事件,都有 ABC = ∅. 9. 请叙述下列事件的对立事件: (1)A =“掷两枚硬币,皆为正面” ; (2)B =“射击三次,皆命中目标” ; (3)C =“加工四个零件,至少有一个合格品” . 解: (1) A = “掷两枚硬币,至少有一个反面” ; (2) B = “射击三次,至少有一次没有命中目标” ; (3) C = “加工四个零件,皆为不合格品” . 10.证明下列事件的运算公式: (1) A = AB U AB ; (2) A U B = A U A B .

概率论与数理统计答案 第二章1-2节

概率论与数理统计答案  第二章1-2节
P { X = 0} = P( A1 A 2 A3 ) = (1 − p )3
1 P { X = 1} = P( A1 A 2 A3 ∪ A1 A 2 A3 ∪ A1 A 2 A3 ) = C3 p1 (1 − p)3−1
P { X = 2} = P ( A1 A 2 A3 ∪ A1 A 2 A3 ∪ A1 A 2 A3 ) = C32 p 2 (1 − p)3− 2
同时可知: lim P { X ≥ 1} = 1
n →∞
上式的意义为:若p较小,p≠0,只要n充分大,至少有 一次命中的概率很大。即“小概率事件”在大量试验 中“至少有一次发生”几乎是必然的。
17
例4:有80台同类型设备,各台工作是相互独立的,发生故障 的概率都是0.01,且一台设备的故障能由一个人处理。 考虑两种配备维修工人的方法: 其一是由4个人维护,每人负责20台; 其二是由3个人共同维护80台。 试比较这两种方法在设备发生故障时不能及时维修的概率 的大小。
P{X=k}<0.001, 当k≥11时
16
例3:某人独立射击n次,设每次命中率为p,0<p<1, 设命中X次,(1) 求X的概率分布律; (2) 求至少有一次命中的概率。
解:这是n重伯努利试验 ⇒ X ~ b ( n , p ) ∼
(1) P { X = k} = Cnk p k (1 − p)n−k ,k = 0,1, ⋅⋅⋅, n 2 ) P { X ≥ 1} = 1 − P { X = 0} = 1 − (1 − p) n (
随机变量离散型随机变量分布律连续型随机变量概率密度概率分布函数重伯努利实验二项分布泊松分布均匀分布正态分布指数分布随机变量的函数的分布随机变量离散型随机变量分布律连续型随机变量概率密度概率分布函数重伯努利实验二项分布泊松分布均匀分布正态分布指数分布随机变量的函数的分布23定义1随机变量例1

概率论与数理统计第二章课后习题答案

概率论与数理统计第二章课后习题答案

概率论与数理统计课后习题答案第二章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)133{},{1},{1},{12}222P X P 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 ========== 故X 的分布律为(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)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 ============故X 的分布律为分布函数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 a kλ,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e a 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)(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)=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 kk 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)8.已知在五重贝努里试验中成功的次数X 满足P {X =1}=P {X =2},求概率P {X =4}. 【解】设在每次试验中成功的概率为p ,则故所以4451210(4)C ()33243P X ===. 9.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 -=≥==∑10.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 -≥=-==-11.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 ≥=-==--=≈ 12.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 -=≈=13.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==- 14.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%以上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%15.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||01e 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 -⎧<⎪⎪=⎨⎪-≥⎪⎩16.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 xf t t f t t -∞=+⎰⎰2100100100d 1xt t x==-⎰故1001,100()0,x F x xx ⎧-≥⎪=⎨⎪<⎩17.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 xxxx 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<⎧⎪⎪=≤≤⎨⎪>⎪⎩ 18.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 =+=19.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 ----==-=≥=-==--=20.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.21.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=322.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=-+-=-=23.一工厂生产的电子管寿命X (小时)服从正态分布N (160,σ2),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≤=24.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)1eP 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-⎧≥'==⎨<⎩25.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00()()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 <⎧⎪⎪≤<⎪=⎨⎪-+-≤<⎪⎪≥⎩26.设随机变量X 的密度函数为(1)f (x )=a e - |x |,λ>0;(2) f (x )=⎪⎩⎪⎨⎧<≤<<.,0,21,1,10,2其他x xx 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||21ed 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 2x λ-=-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00()()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 xxF 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 ≤⎧⎪⎪<<⎪=⎨⎪-≤<⎪⎪≥⎩27.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>=即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=求Y =X 的分布律.【解】Y 可取的值为0,1,4,91(0)(0)5117(1)(1)(1)615301(4)(2)511(9)(3)30P Y P X P Y P X P X P Y P X P Y P X =======-+==+====-=====29.设P {X =k }=(2)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 =-=-==30.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 )xY F y P Y y P y P X y =≤=≤=≤ln ()d yX 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 ⎛-⎛⎫=≤=≤≤ ⎪ ⎝⎭⎝()d X 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 -=> 31.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 zP X P X -=≤-=≥/21/2ed 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 -⎧>⎪=⎨⎪≤⎩032.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201π()0,Y y f y ⎧<<⎪=⎨⎪⎩其他 33.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。

概率论第二章课后习题答案

概率论第二章课后习题答案

概率论与数理统计第二章习题[])()()()()式,有利用(显然)()(则若))(()()(从而)()()()(的可加性,有:互不相容,因此由概率与而)(则解:AB P A P AB A P B A P A AB AB A P B A P A B B P A P B A P B A P B P B A B P A P B A B C A B A A B -=-=-⊂-=-⊄-=--+=-=--=⊂**.132)(1)()()(1)()()()|()4(2.05.01.0)()()|()3(25.04.01.0|)2(8.0)1(.2=--=--=========-+=B P AB P A P B P B A P B P B A P B A P A P AB P A B P B P AB P B A P AB P B P A P B A P )()()()()()()(解:7.0)(1)|(1)|()4(4.0)(1)|(1)|()3(72.0)()()()()()()()()2(3.0)()()()()()()|(1.3=-=-==-=-==⋅-+=-+===⋅==A PB A P B A P B P A B P A B P B P A P B P A P AB P B P A P B A P B P B P B P A P B P AB P B A P )解:()()()()()(”成立时“或当)()(”成立时“)(当)()()()()()()(解:B P A P B A P A P AB P A AB B A B AB P A P B A A AB P B A P B P A P AB P B P A P B A P +≤≤≤∴⊆=∅==≤∴⊆==≥+∴-+= 0.4)()()()()()()()()()()()()()()()()()()()()()()()()()()()()()()()()()()()()()()()()解:(C P B A P C P B A P C P B P A P C B A P C B A P C P AB P C P B P A P ABC P C AB P B A P C P AB P B P A P C P B P A P B P A P C P C P B P A P C P B P C P A P ABC P BC P AC P BC AC P C B A P ⋅-=⋅=⋅⋅==-⋅=⋅⋅===-+=-+=-+=-+==][][3][2][][][1.7832.04.03.06.03.04.03.06.04.06.03.04.06.0)()()()()()()()()(3.04.0200150)(4.06.0150100)(6.020*******.8=⨯⨯+⨯-⨯-⨯-++=+---++===⨯==⨯======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 D C B A )(“击中目标”米处射击”“相距米处射击”“相距米处射击”“相距解:设2112632112|31812|6)2(3.0185|8)1(.9222222222222111111111=++++============ )()()()()()()(”“点数和大于“点数和为奇数”)()()()()(”“点数和为“点数和为偶数”解:B P B A P B A P A P B A P A B P B A A P B P A P B A P A B P B A5360160126047514131413141513151413151413151.10=+-=⨯⨯+⨯-⨯-⨯-++=+---++=======)()()()()()()()()(,)(,)(“丙破译密码”“乙破译密码”“甲破译密码”解:ABC P BC P AC P AB P C P B P A P C B A P C P B P A P C B A61|1011|.11110=====)()()()()()(解:B P AB P B A P C A P AB P A B P1025515510530520|12C C C C C A B P A P AB P B A ⋅⋅=⋅===)()()(球各半”“第二次取出的黄、白球”“第一次取出的全是黄。

概率论与数理统计(茆诗松)第二版课后第二章习题参考答案_百度讲解

概率论与数理统计(茆诗松)第二版课后第二章习题参考答案_百度讲解

(2)正态分布N (µ, σ 2 ;(3)对数正态分布LN (µ, σ 2 .解:(1)因 X 服从区间 (a, b上的均匀分布,则0.5 = P{ X ≤ x0.5 } = P{a < X ≤ x0.5 } = 故中位数x0.5 = a + 0.5(b − a = (2)因 X 服从正态分布N (µ, σ 2 ,x0.5 − a ,b−a a+b ; 2 x −µ⎛x −µ⎞ =0,则 0.5 = P{ X ≤ x0.5 } = F ( x0.5 = Φ⎜ 0.5 ⎟,即0.5 σ ⎝ σ ⎠故中位数 x0.5 = µ;(3)因 X 服从对数正态分布LN (µ, σ 2 ,有 ln X 服从正态分布 N (µ, σ 2 ,ln x0.5 − µ ⎛ ln x0.5 − µ ⎞ =0,则0.5 = P{ X ≤ x0.5 } = P{ln X ≤ ln x0.5 } = F (ln x0.5 = Φ⎜⎟,即σ σ ⎝⎠故中位数 x0.5 = e µ. 4.设 X ~ Ga (α , λ ,对 k = 1, 2, 3,求µ k = E (X k 与ν k = E [X − E (X ] k.解:因Ga (α , λ 的密度函数为⎧λα α −1 − λ x ⎪ x e , x ≥ 0, p X ( x = ⎨ Γ(α ⎪ x < 0. ⎩0, 由正则性知∫ +∞ +∞ +∞ Γ(α λα α −1 − λ x x e dx = 1 ,可得∫ x α −1 e −λ x dx = α ,0 Γ(α λ 0 故µ1 = ∫ 0 x⋅ λα α −1 − λ x λα+ ∞ α −λ x λα Γ(α + 1 α x e dx = x e dx = ⋅ = ;λ Γ(α Γ(α ∫0 Γ(α λα +1 λα α −1 −λ x λα + ∞ α +1 − λ x λα Γ(α + 2 α (α + 1 e = ⋅ = x e dx = x dx ;Γ(α Γ(α ∫0 Γ(α λα + 2 λ2 λα α −1 − λ x λα + ∞ α + 2 −λ x λα Γ(α + 3 α (α + 1(α + 2 e = ⋅ = x e dx = x dx ;Γ(α Γ(α ∫0 Γ(α λα + 3 λ3 µ2 = ∫ µ3 = ∫ +∞ 0 x2 ⋅ +∞ 0 x3 ⋅ ν 1 = E [X − E (X ] = 0;α (α + 1 α 2 α − 2 = 2 ;λ2 λ λ α (α + 1(α + 2 α (α + 1 α α 3 2α .3 2 − ⋅ + = ν 3 =E[ X − E ( X ]3 = µ 3 − 3µ 2 µ1 + 2µ13 = λ λ3 λ2 λ3 λ3 5.设X ~ Exp(λ,对 k = 1, 2, 3, 4,求µ k = E (X k 与ν k = E [X − E (X ] k ,进一步求此分布的变异系数、偏ν 2 = E[ X − E ( X ] 2 = µ 2 − µ12 = 度系数和峰度系数.解:因 X 的密度函数为⎧λ e − λ x , x ≥ 0, p X ( x = ⎨ x < 0. ⎩0, 41且 k 为正整数时,∫ 故µ1 = ∫ +∞ 0 +∞ 0 x k −1 e − λ x dx = +∞ Γ(k λ k = (k − 1! λk 1 ,; x ⋅ λ e −λ x dx = λ ∫ 0 x e −λ x dx = λ ⋅ λ 2 = 2! 1 λ = = = µ 2 = ∫ x 2 ⋅ λ e −λ x dx = λ ∫ x 2 e −λ x dx = λ ⋅ 0 0 +∞ +∞ 2 λ λ 3 λ2 6 ;;;µ 3 = ∫ x 3 ⋅ λ e − λ x dx = λ ∫ x 3 e − λ x dx = λ ⋅ 0 0 +∞ +∞ 3! 4 λ3 24 µ 4 = ∫ x 4 ⋅ λ e −λ x dx = λ ∫ x 4 e −λ x dx = λ ⋅ 0 0 +∞ +∞ 4! λ 1 5 λ4 ν 1 = E [X − E (X ] = 0;ν 2 = E[ X − E ( X ] 2 = µ 2 −µ12 = 2 λ 2 − 1 λ 2 = λ2 6 3 ;ν 3 = E[ X − E ( X ]3 = µ 3 − 3µ 2 µ1 + 2µ13 = λ −3 2 λ 2 ⋅ 1 λ 4 +2 −4 1 λ 6 3 = ⋅ 1 2 λ3 ;ν 4 = E[ X − E ( X ] 4 = µ 4 − 4 µ 3 µ1 + 6µ 2µ12 − 3µ14 = 变异系数C v ( X = 24 λ λ 3 λ +6 2 λ 2 ⋅ 1 λ 2 −3 1 λ 4 = 9 λ3 ; Var( X E( X =2;= ν2 =1; µ1 偏度系数β 1 = ν3 (ν 2 3 / 2 峰度系数β 2 = ν4 −3=9−3=6.(ν 2 2 6.设随机变量 X 服从正态分布 N (10, 9,试求 x0.1 和 x0.9.x − 10 ⎛ x − 10 ⎞解:因F ( x 0.1 = Φ⎜ 0.1 = 1.2816 ,故 x0.1 = 6.1552;⎟ = 0.1 ,得− 0.1 3 3 ⎝⎠ x − 10 ⎛ x − 10 ⎞又因F ( x 0.9 = Φ⎜ 0.9 = 1.2816 ,故 x0.9 = 13.8448.⎟ = 0.9 ,得0.9 3 3 ⎝⎠ x − 10 x 0.1 − 10 = 1.28 ,故 x0.1 = 6.16; 0.9 = 1.28 ,故 x0.9 = 13.84)3 3 7.设随机变量 X 服从双参数韦布尔分布,其分布函数为(或查表可得− m ⎧⎪⎪⎛ x⎞⎫⎟⎜ F ( x = 1 − exp ⎨− ⎜⎟⎬, η ⎭⎪⎩⎝⎠⎪ x>0,其中η > 0, m > 0.试写出该分布的 p 分位数 xp 的表达式,且求出当m = 1.5, η = 1000 时的 x0.1 , x0.5 , x0.8 的值.⎧⎪⎛ xp 解:因F ( x p = 1 − exp⎨− ⎜⎜η ⎪⎩⎝故x p = η[−ln(1 − p ] m ; 1 ⎞⎟⎟⎠ m ⎫⎪⎬= p,⎪⎭ 42当m = 1.5, η = 1000 时, x 0.1 = 1000(− ln 0.9 1 1.5 1 = 223.0755 ; x 0.5 = 1000(− ln 0.5 1 1.5 = 783.2198 ;x 0.8 = 1000(− ln 0.2 1.5 = 1373.3550 . 8.自由度为 2 的χ 2 分布的密度函数为p ( x = 1 −2 e , 2 x x>0,试求出其分布函数及分位数x0.1 , x0.5 , x0.8 .解:设 X 服从自由度为 2 的χ 2 分布,当 x < 0 时,F (x = P{X ≤ x} = P (∅ = 0,当x ≥ 0 时,F ( x = P{ X ≤ x} = ∫ 故 X 的分布函数为 x ⎧ − ⎪1 − e2 , x ≥ 0, F ( x = ⎨⎪ x < 0. ⎩0, x − − 1 −2 e du = (− e 2 = 1 − e 2 ; 2 0 u u x x 0 因 F (x p = 1 − e − xp 2 = p ,有xp = −2 ln (1 − p,故x0.1 = −2 ln 0.9 = 0.2107;x0.5 = −2 ln 0.5 = 1.3863;x0.8 = −2 ln 0.2 = 3.2189. 9.设随机变量 X 的分布密度函数 p(x 关于 c 点是对称的,且 E (X 存在,试证(1)这个对称点 c 既是均值又是中位数,即 E (X = x0..5 = c;(2)如果 c = 0,则xp = −x1 − p .证:设 f (x = p (x + c,因 p (x 关于 c 点对称,有 f (x 为偶函数,(1)E ( X = ∫ xp( xdx = ∫ ( x − c p ( xdx + ∫ cp( xdx = ∫ up (u + cdu + c = ∫ uf (u du + c −∞ −∞ −∞ −∞ −∞ +∞ +∞ +∞ +∞ +∞ = 0 + c = c;因 f (x 为偶函数,有∫ 则F (c = ∫ c −∞ 0 −∞ 0 f ( xdx = 1 +∞ f ( xdx = 0.5 ,2 ∫− ∞ 0 p( x dx = ∫ p (u + cdu = ∫ −∞ −∞ f (u du = 0.5 ,可得 x0..5 = c;故 E (X = x0..5 = c;(2)如果 c = 0,有 p (x 为偶函数,则 F (x p = ∫ xp −∞ p ( xdx = ∫ −xp +∞ p(−u ⋅ (−du = ∫ +∞ −xp p(u du = 1 − ∫ −xp −∞ p(u du = 1 − F (− x p = p ,可得 F (−xp = 1 − p,故−xp = x1 − p ,即xp = −x1 − p . 10.试证随机变量 X 的偏度系数与峰度系数对位移和改变比例尺是不变的,即对任意的实数a, b (b ≠ 0, Y = a + b X 与 X 有相同的偏度系数与峰度系数.证:因 Y = a + bX,有 E (Y = E (a + bX = a + bE (X ,可得Y − E (Y = a + b X − a − bE (X = b[X − E (X ],则ν 2 (Y = E [Y − E (Y ]2 = E{b2[X − E (X ]2} = b2 E [X − E (X ]2 = b2ν 2 (X ,ν 3 (Y = E [Y − E (Y ]3 = E{b3[X − E (X ]3} = b3 E [X − E (X ]3 = b3ν 3 (X ,ν 4 (Y = E [Y − E (Y ]4 =E{b4[X − E (X ]4} = b4 E [X − E (X ]4 = b4ν 4 (X ,故偏度系数β 1 (Y = ν 3 (Y [ν 2 (Y ] 3/ 2 = b 3ν 3 ( X [b ν 2 ( X ] 2 3/ 2 = b 3ν 3 ( X b [ν 2 ( X ] 3 3/ 2 = ν 3 (X [ν 2 ( X ]3 / 2 = β1 ( X ; 43峰度系数β 2 (Y = b 4ν 4 ( X b 4ν 4 ( X ν 4 (Y ν (X−3 = − 3 = −3= 4 − 3 = β2(X .2 2 2 4 2 [ν 2 (Y ] [b ν 2 ( X ] b [ν 2 ( X ] [ν 2 ( X ] 2 11.设某项维修时间 T(单位:分)服从对数正态分布LN (µ, σ 2 .(1)求 p 分位数 tp;(2)若µ =4.127,求该分布的中位数;(3)若µ = 4.127,σ = 1.0364,求完成 95%维修任务的时间.解:(1)因 T 服从对数正态分布LN (µ, σ 2 ,有 ln T 服从正态分布 N (µ, σ 2 ,ln t p − µ ⎛ ln t p − µ ⎞⎟则p = P{T ≤ t p } = P{ln T ≤ ln t p } = Φ⎜ = up ,ln tp = µ + σ ⋅ up,⎜σ ⎟,即σ ⎝⎠故tp = e µ +σ ⋅u p ;(2)中位数 t0.5 = e µ +σ ⋅u0.5 = e 4.1271+0 = 61.9979 ;(3)t0.95 = e µ +σ ⋅u0.95 = e4.1271+1.0364×1.6449 = 340.9972 . 12.某种绝缘材料的使用寿命 T(单位:小时)服从对数正态分布LN (µ, σ 2 .若已知分位数 t0.2 = 5000 小时,t0.8 = 65000 小时,求µ和σ.解:因 T 服从对数正态分布LN (µ, σ 2 ,有 ln T 服从正态分布N (µ, σ 2 ,由第 11 题可知t p = e µ +σ ⋅u p ,则t0.2 = e µ +σ ⋅u0.2 = e µ−0.8416σ = 5000 ,t0.8 = e µ +σ ⋅u0.8 = e µ +0.8416σ = 65000 ,可得µ − 0.8416σ = ln 5000 = 8.5172,µ + 0.8416σ = ln 65000 = 11.0821,故µ = 9.7997,σ =1.5239. 13.某厂决定按过去生产状况对月生产额最高的 5%的工人发放高产奖.已知过去每人每月生产额 X(单位:千克)服从正态分布 N (4000, 602 ,试问高产奖发放标准应把生产额定为多少?解:因 X 服从正态分布 N (4000, 602 ,x − 4000 ⎛ x − 4000 ⎞ = u0.95 = 1.6449 ,则0.95 = P{ X ≤ x0.95 } = F ( x0.95 = Φ⎜0.95 ⎟,即 0.95 60 60 ⎝⎠故高产奖发放标准应把生产额定为 x0.95 = 4000 + 60 ×1.6449 = 498.6940 千克. 44。

概率论与数理统计(茆诗松)第二版课后第二章习题参考答案

概率论与数理统计(茆诗松)第二版课后第二章习题参考答案
1
2× 2 4 1× 2 2 = , P{Y = 5} = 2 = , 2 6 36 6 36 故 Y 的分布列为 P{Y = 4} =
Y P
0 6 36
1 10 36
2 8 36
3 6 36
4 4 36
5 2 . 36
3. 口袋中有 7 个白球、3 个黑球. (1)每次从中任取一个不放回,求首次取出白球的取球次数 X 的概率分布列; (2)如果取出的是黑球则不放回,而另外放入一个白球,此时 X 的概率分布列如何. 解: (1)X 的全部可能取值为 1, 2, 3, 4,
且 P{ X = 1} =
X P
1 2 3 4 . 0.7 0.24 0.054 0.006
4. 有 3 个盒子,第一个盒子装有 1 个白球、4 个黑球;第二个盒子装有 2 个白球、3 个黑球;第三个盒 子装有 3 个白球、2 个黑球.现任取一个盒子,从中任取 3 个球.以 X 表示所取到的白球数. (1)试求 X 的概率分布列; (2)取到的白球数不少于 2 个的概率是多少? 解:设 A1 , A2 , A3 分别表示“取到第一个、第二个、第三个盒子” , (1)X 的全部可能取值为 0, 1, 2, 3, 且 P{X = 0} = P (A1) P{X = 0 | A1} + P (A2) P{X = 0 | A2} + P (A3) P{X = 0 | A3}且 P{ X = 1}Fra bibliotek=X P
1 11 36
2 9 36
3 7 36
4 5 36
5 3 36
6 1 ; 36
(2)Y 的全部可能取值为 0, 1, 2, 3, 4, 5, 且 P{Y = 0} =
6 6 5 × 2 10 = , P{Y = 1} = 2 = , 6 2 36 6 36 4× 2 8 3× 2 6 P{Y = 2} = 2 = , P{Y = 3} = 2 = , 6 36 6 36

概率论与数理统计教程(茆诗松)第2章

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,⋯ ⋯
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第二章 随机变量及其分布习题2.11. 口袋中有5个球,编号为1, 2, 3, 4, 5.从中任取3只,以X 表示取出的3个球中的最大号码.(1)试求X 的分布列;(2)写出X 的分布函数,并作图. 解:(1)X 的全部可能取值为3, 4, 5,且1.0101351}3{==⎟⎟⎠⎞⎜⎜⎝⎛==X P ,3.01033523}4{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ,6.01063524}5{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P , 故X 的分布列为6.03.01.0543P X;(2)因分布函数F (x ) = P {X ≤ x },分段点为x = 3, 4, 5,当x < 3时,F (x ) = P {X ≤ x } = P (∅) = 0,当3 ≤ x < 4时,F (x ) = P {X ≤ x } = P {X = 3} = 0.1,当4 ≤ x < 5时,F (x ) = P {X ≤ x } = P {X = 3} + P {X = 4} = 0.1 + 0.3 = 0.4,当x ≥ 5时,F (x ) = P {X ≤ x } = P {X = 3} + P {X = 4} + P {X = 5} = 0.1 + 0.3 + 0.6 = 1,故X 的分布函数⎪⎪⎩⎪⎪⎨⎧≥<≤<≤<=.5,1;54,4.0;43,1.0;3,0)(x x x x x F2. 一颗骰子抛两次,求以下随机变量的分布列:(1)X 表示两次所得的最小点数;(2)Y 表示两次所得的点数之差的绝对值. 解:(1)X 的全部可能取值为1, 2, 3, 4, 5, 6,且3611656}1{222=−==X P ,369645}2{222=−==X P , 367634}3{222=−==X P ,365623}4{222=−==X P , 363612}5{22=−==X P ,36161}6{2===X P ,故X 的分布列为3613633653673693611654321PX ; (2)Y 的全部可能取值为0, 1, 2, 3, 4, 5,且36666}0{2===Y P ,3610625}1{2=×==Y P , 368624}2{2=×==Y P ,366623}3{2=×==Y P ,364622}4{2=×==Y P ,362621}5{2=×==Y P ,故Y 的分布列为 3623643663683610366543210PY . 3. 口袋中有7个白球、3个黑球.(1)每次从中任取一个不放回,求首次取出白球的取球次数X 的概率分布列;(2)如果取出的是黑球则不放回,而另外放入一个白球,此时X 的概率分布列如何. 解:(1)X 的全部可能取值为1, 2, 3, 4,且107}1{==X P ,30797103}2{=×==X P , 12078792103}3{=××==X P ,1201778192103}4{=×××==X P , 故X 的概率分布列为120112073071074321PX ; (2)X 的全部可能取值仍为1, 2, 3, 4,且7.0107}1{===X P ,24.0108103}2{=×==X P , 054.010*******}3{=××==X P ,006.01010101102103}4{=×××==X P ,故X 的概率分布列为006.0054.024.07.04321P X .4. 有3个盒子,第一个盒子装有1个白球、4个黑球;第二个盒子装有2个白球、3个黑球;第三个盒子装有3个白球、2个黑球.现任取一个盒子,从中任取3个球.以X 表示所取到的白球数. (1)试求X 的概率分布列;(2)取到的白球数不少于2个的概率是多少?解:设A 1 , A 2 , A 3分别表示“取到第一个、第二个、第三个盒子”,(1)X 的全部可能取值为0, 1, 2, 3,且P {X = 0} = P (A 1) P {X = 0 | A 1} + P (A 2) P {X = 0 | A 2} + P (A 3) P {X = 0 | A 3}610301304031353331353431=++=×+⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛×+⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛×=, P {X = 1} = P (A 1) P {X = 1 | A 1} + P (A 2) P {X = 1 | A 2} + P (A 3) P {X = 1 | A 3}2130330630635221331352312313524131=++=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛×+⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛×+⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛××=, P {X = 2} = P (A 1) P {X = 2 | A 1} + P (A 2) P {X = 2 | A 2} + P (A 3) P {X = 2 | A 3}10330630303512233135132231031=++=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛×+⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛×+×=, P {X = 3} = P (A 1) P {X = 3 | A 1} + P (A 2) P {X = 3 | A 2} + P (A 3) P {X = 3 | A 3}30130100353331031031=++=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛×+×+×=, 故X 的概率分布列为30110321613210PX ; (2)所求概率为3130********}3{}2{}2{==+==+==≥X P X P X P . 5. 掷一颗骰子4次,求点数6出现的次数的概率分布.解:设X 表示点数6出现的次数,有X 的全部可能取值为0, 1, 2, 3, 4,且试验次数n = 4,每次掷骰子点数6出现的概率61=p ,则1296625656104}0{40=⎟⎠⎞⎜⎝⎛×⎟⎠⎞⎜⎝⎛×⎟⎟⎠⎞⎜⎜⎝⎛==X P ,1296500656114}1{31=⎟⎠⎞⎜⎝⎛×⎟⎠⎞⎜⎝⎛×⎟⎟⎠⎞⎜⎜⎝⎛==X P , 1296150656124}2{22=⎟⎠⎞⎜⎝⎛×⎟⎠⎞⎜⎝⎛×⎟⎟⎠⎞⎜⎜⎝⎛==X P ,129620656134}3{13=⎟⎠⎞⎜⎝⎛×⎟⎠⎞⎜⎝⎛×⎟⎟⎠⎞⎜⎜⎝⎛==X P , 12961656144}4{04=⎟⎠⎞⎜⎝⎛×⎟⎠⎞⎜⎝⎛×⎟⎟⎠⎞⎜⎜⎝⎛==X P , 故X 的概率分布列为1296112962012961501296500129662543210PX . 6. 从一副52张的扑克牌中任取5张,求其中黑桃张数的概率分布. 解:设X 表示黑桃张数,有X 的全部可能取值为0, 1, 2, 3, 4, 5,则2215.02598960575757552539013}0{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ,4114.025989601069263552439113}1{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ,2743.02598960712842552339213}2{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ,0815.02598960211926552239313}3{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ,0107.0259896027885552139413}4{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ,0005.025989601287552039513}5{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P , 故X 的概率分布列为0005.00107.00815.02743.04114.02215.0543210P X .7. 一批产品共有100件,其中10件是不合格品.根据验收规则,从中任取5件产品进行质量检验,假如5件中无不合格品,则这批产品被接受,否则就要重新对这批产品逐个检验. (1)试求5件产品中不合格品数X 的分布列; (2)需要对这批产品进行逐个检验的概率是多少? 解:(1)这5件产品中不合格品数X 的全部可能取值为0, 1, 2, 3, 4, 5,则583752.075287520439492685100590010}0{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ,339391.075287520255519005100490110}1{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P , 070219.07528752052866005100390210}2{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ,006384.0752875204806005100290310}3{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P , 000251.075287520189005100190410}4{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ,000003.0752875202525100090510}5{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ,故X 的分布列为000003.0000251.0006384.0070219.0339391.0583752.0543210P X;(2)所求概率为P {X > 0} = 1 − P {X = 0} = 1 − 0.583752 = 0.416248. 8. 设随机变量X 的分布函数为⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧≥<≤<≤<≤<=.6,1;63,21;31,31;10,41;0,0)(x x x x x x F试求X 的概率分布列及P {X < 3},P {X ≤ 3},P {X > 1},P {X ≥ 1}. 解:X 的全部可能取值为其分布函数F (x ) 的分段点0, 1, 3, 6,且41041)00()0(}0{=−=−−==F F X P ,1214131)01()1(}1{=−=−−==F F X P ,613121)03()3(}3{=−=−−==F F X P ,21211)06()6(}6{=−=−−==F F X P , 故X 的概率分布列为2161121413210PX ; 且31)03(}3{=−=<F X P ;21)3(}3{==≤F X P ;32311)1(1}1{1}1{=−=−=≤−=>F X P X P ; 43411)01(1}1{1}1{=−=−−=<−=≥F X P X P .9. 设随机变量X 的分布函数为⎪⎩⎪⎨⎧≥<≤<=.e ,1e;1,ln ;1,0)(x x x x x F试求P {X < 2},P {0 < X ≤ 3},P {2 < X < 2.5}.解:P {X < 2} = F (2 − 0) = ln 2;P {0 < X ≤ 3} = F (3) − F (0) = 1 − 0 = 1;P {2 < X < 2.5} = F (2.5 − 0) − F (2) = ln 2.5 − ln 2 = ln 1.25.10.若P {X ≥ x 1} = 1 − α ,P {X ≤ x 2} = 1 − β ,其中x 1 < x 2 ,试求P {x 1 < X < x 2}. 注:此题有误,应改为“试求P {x 1 ≤ X ≤ x 2}”解:P {x 1 ≤ X ≤ x 2} = P {X ≤ x 2} − P {X < x 1} = P {X ≤ x 2} + P {X ≥ x 1} − 1 = 1 − β + 1 − α − 1 = 1 − α − β . 11.从1, 2, 3, 4, 5五个数字中任取三个,按大小排列记为x 1 < x 2 < x 3 ,令X = x 2 ,试求(1)X 的分布函数;(2)P {X < 2}及P {X > 4}. 解:(1)X 的全部可能取值为2, 3, 4,且3.01033531}2{==⎟⎟⎠⎞⎜⎜⎝⎛×==X P ,4.01043522}3{==⎟⎟⎠⎞⎜⎜⎝⎛×==X P ,3.01033513}4{==⎟⎟⎠⎞⎜⎜⎝⎛×==X P , 因分布函数F (x ) = P {X ≤ x },分段点为x = 2, 3, 4, 当x < 2时,F (x ) = P {X ≤ x } = P (∅) = 0,当2 ≤ x < 3时,F (x ) = P {X ≤ x } = P {X = 2} = 0.3,当3 ≤ x < 4时,F (x ) = P {X ≤ x } = P {X = 2} + P {X = 3} = 0.3 +0.4 = 0.7, 当x ≥ 4时,F (x ) = P {X ≤ x } = P (Ω) = 1,故X 的分布函数⎪⎪⎩⎪⎪⎨⎧≥<≤<≤<=;4,1;43,7.0;32,3.0;2,0)(x x x x x F(2)P {X < 2} = P (∅) = 0,P {X > 4} = P (∅) = 0. 12.设随机变量X 的密度函数为⎩⎨⎧≤≤−−=.,0;11|,|1)(其他x x x p试求X 的分布函数.解:分布函数F (x ) = P {X ≤ x },分段点为x = −1, 0, 1,当x < −1时,F (x ) = P {X ≤ x } = P (∅) = 0,当−1 ≤ x < 0时,21221122)](1[)()(22121++=⎟⎠⎞⎜⎝⎛+−−+=⎟⎟⎠⎞⎜⎜⎝⎛+=−−==−−∞−∫∫x x x x u u du u du u p x F xxx, 当0 ≤ x < 1时,xxxu u u u du u du u du u p x F 021200122)1()](1[)()(⎟⎟⎠⎞⎜⎜⎝⎛−+⎟⎟⎠⎞⎜⎜⎝⎛+=−+−−==−−∞−∫∫∫21202211022++−=−⎟⎟⎠⎞⎜⎜⎝⎛−+⎟⎠⎞⎜⎝⎛+−−=x x x x , 当x ≥ 1时,F (x ) = P {X ≤ x } = P (Ω) = 1,故X 的分布函数⎪⎪⎪⎩⎪⎪⎪⎨⎧≥<≤++−<≤−++−<=.1,1;10,212;01,212;1,0)(22x x x x x x x x x F13.如果X 的密度函数为⎪⎩⎪⎨⎧<≤−<≤=.,0;21,2;10,)(其他x x x x x p试求P {X ≤ 1.5}. 解:872325.13021222)2()(}5.1{25.112125.11105.1=−⎟⎟⎠⎞⎜⎜⎝⎛−+−=⎟⎟⎠⎞⎜⎜⎝⎛−+=−+==≤∫∫∫∞−x x xdx x xdx dx x p X P . 14.设随机变量X 的密度函数为⎪⎩⎪⎨⎧>≤=.2π||,0;2π||,cos )(x x x A x p 试求(1)系数A ;(2)X 落在区间 (0, π /4) 内的概率. 解:(1)由密度函数正则性知122πsin 2πsinsin cos )(2π2π2π2π==⎟⎠⎞⎜⎝⎛−−===−−∞+∞−∫∫A A A xA xdx A dx x p , 故21=A ; (2)所求概率为4204πsin 21sin 21cos 21}4π0{4π04π0=−===<<∫x xdx X P . 15.设连续随机变量X 的分布函数为⎪⎩⎪⎨⎧≥<≤<=.1,1;10,;0,0)(2x x Ax x x F试求(1)系数A ;(2)X 落在区间 (0.3, 0.7) 内的概率; (3)X 的密度函数.解:(1)由连续随机变量分布函数的连续性知A A x F F F x =⋅==−==−→211)(lim )01()1(1,故A = 1; (2)所求概率为P {0.3 < X < 0.7} = F (0.7) − F (0.3) = 0.7 2 − 0.3 2 = 0.4;(3)密度函数p (x ) = F ′(x ),当x < 0时,F (x ) = 0,有p (x ) = F ′(x ) = 0,当0 ≤ x < 1时,F (x ) = x 2,有p (x ) = F ′(x ) = 2x , 当x ≥ 1时,F (x ) = 1,有p (x ) = F ′(x ) = 0,故X 的密度函数为⎩⎨⎧<≤=.,0;10,2)(其他x x x p 16.学生完成一道作业的时间X 是一个随机变量,单位为小时.它的密度函数为⎩⎨⎧≤≤+=.,0;5.00,)(2其他x x cx x p (1)确定常数c ;(2)写出X 的分布函数;(3)试求在20min 内完成一道作业的概率; (4)试求10min 以上完成一道作业的概率. 解:(1)由密度函数正则性知1812423)()(5.00235.002=+=⎟⎟⎠⎞⎜⎜⎝⎛+=+=∫∫∞+∞−c x x c dx x cx dx x p ,故c = 21; (2)分布函数F (x ) = P {X ≤ x },分段点为x = 0, 0.5,当x < 0时,F (x ) = P {X ≤ x } = P (∅) = 0,当0 ≤ x < 0.5时,2727)21()()(2302302x x u u du u u du u p x F xxx+=⎟⎟⎠⎞⎜⎜⎝⎛+=+==∫∫∞−, 当x ≥ 0.5时,F (x ) = P {X ≤ x } = P (Ω) = 1,故X 的分布函数⎪⎪⎩⎪⎪⎨⎧≥<≤+<=;5.0,1;5.00,27;0,0)(23x x x x x x F(3)所求概率为5417181277312131731}316020{23=+=⎟⎠⎞⎜⎝⎛×+⎟⎠⎞⎜⎝⎛×=⎟⎠⎞⎜⎝⎛==≤F X P ; (4)所求概率为1081037212167161216171611}616010{23=−−=⎟⎠⎞⎜⎝⎛×−⎟⎠⎞⎜⎝⎛×−=⎟⎠⎞⎜⎝⎛−==≥F X P . 17.某加油站每周补给一次油.如果这个加油站每周的销售量(单位:千升)为一随机变量,其密度函数为⎪⎩⎪⎨⎧<<⎟⎠⎞⎜⎝⎛−=.,0;1000,100105.0)(4其他x x x p试问该油站的储油罐需要多大,才能把一周内断油的概率控制在5%以下?解:设这个加油站每周的销售量为X 千升,储油罐的储油量为a 千升,有P {X > a } ≤ 0.05,则05.010011001100105.0)(}{510051004≤⎟⎠⎞⎜⎝⎛−=⎟⎠⎞⎜⎝⎛−−=⎟⎠⎞⎜⎝⎛−==>∫∫∞+a x dx x dx x p a X P aaa, 故0720.45)05.01(1005=−≥a .18.设随机变量X 和Y 同分布,X 的密度函数为⎪⎩⎪⎨⎧<<=.,0;20,83)(2其他x x x p 已知事件A = {X > a }和B = {Y > a }独立,且P (A ∪B ) = 3/4,求常数a . 解:由于事件A 和B 独立,且显然有P (A ) = P (B ),则43)]([)(2)()()()()()()()(2=−=−+=−+=A P A P B P A P B P A P AB P B P A P B A P U , 可得21)(=A P 或23)(=A P (舍去), 显然0 < a < 2,有218181d 83}{)(32322=−===>=∫a x x x a X P A P a a , 故34=a .19.设连续随机变量X 的密度函数p (x ) 是一个偶函数,F (x ) 为X 的分布函数,求证对任意实数a > 0,有(1)∫−=−=−adx x p a F a F 0)(5.0)(1)(;(2)P {| X | < a } = 2F (a ) − 1;(3)P {| X | > a } = 2[1 − F (a )]. 证:(1)因p (x ) 为偶函数,有∫∫+∞−∞−=a a dx x p dx x p )()(且5.0)(0=∫∞−dx x p ,则∫∫∫∫+=+==∞−∞−a aa dx x p dx x p dx x p dx x p a F 0)(5.0)()()()(,故∫∫∫∫−=−=−===−∞−+∞−∞−aa aadx x p a F dx x p dx x p dx x p a F 0)(5.0)(1)(1)()()(;(2)P {| X | < a } = P {−a < X < a } = F (a ) − F (−a ) = F (a ) − [1 − F (a )] = 2 F (a ) − 1; (3)P {| X | > a } = 1 − P {| X | ≤ a } = 1 − P {| X | < a } = 1 − [2 F (a ) − 1] = 2 − 2 F (a ).习题2.21. 设离散型随机变量X 的分布列为3.03.04.0202P X −试求E (X ) 和E (3X + 5).解:E (X ) = (−2) × 0.4 + 0 × 0.3 + 2 × 0.3 = −0.2;E (3X + 5) = (−1) × 0.4 + 5 × 0.3 + 11 × 0.3 = 4.4. 2. 某服装店根据历年销售资料得知:一位顾客在商店中购买服装的件数X 的分布列为04.009.013.031.033.010.0543210P X试求顾客在商店平均购买服装件数.解:平均购买服装件数为E (X ) = 0 × 0.10 + 1 × 0.33 + 2 × 0.31 + 3 × 0.13 + 4 × 0.09 + 5 × 0.04 = 1.9. 3. 某地区一个月内发生重大交通事故数X 服从如下分布002.0006.0026.0087.0216.0362.0301.06543210P X试求该地区发生重大交通事故的月平均数. 解:月平均数E (X ) = 0 × 0.301 + 1 × 0.362 + 2 × 0.216 + 3 × 0.087 + 4 × 0.026 + 5 × 0.006 + 6 × 0.002 = 1.201. 4. 一海运货船的甲板上放着20个装有化学原料的圆桶,现已知其中有5桶被海水污染了.若从中随机抽取8桶,记X 为8桶中被污染的桶数,试求X 的分布列,并求E (X ). 解:X 的全部可能取值为0, 1, 2, 3, 4, 5,且0511.01259706435820815}0{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ,2554.01259703217582071515}1{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P , 3973.01259705005082061525}2{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ,2384.01259703003082051535}3{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P , 0542.0125970682582041545}4{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ,0036.012597045582031555}5{==⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P , 故X 的分布列为0036.00542.02384.03973.02554.00511.0543210P X且E (X ) = 0 × 0.0511 + 1 × 0.2554 + 2 × 0.3973 + 3 × 0.2384 + 4 × 0.0542 + 5 × 0.0036 = 2. 5. 用天平称某种物品的质量(砝码仅允许放在一个盘中),现有三组砝码:(甲)1, 2, 2, 5, 10(g );(乙)1, 2, 3, 4, 10(g );(丙)1, 1, 2, 5, 10(g ),称重时只能使用一组砝码.问:当物品的质量为1g 、2g 、…、 10g 的概率是相同的,用哪一组砝码称重所用的平均砝码数最少?解:设X 1 , X 2 , X 3分别表示使用甲、乙、丙组砝码称重时需要的砝码个数,当物品的质量为1g 、2g 、…、10g 时,有X 1 = 1、1、2、2、1、2、2、3、3、1,即P {X 1 = 1} = 0.4,P {X 1 = 2} = 0.4,P {X 1 = 3} = 0.2, X 2 = 1、1、1、1、2、2、2、3、3、1,即P {X 2 = 1} = 0.5,P {X 2 = 2} = 0.3,P {X 2 = 3} = 0.2, X 3 = 1、1、2、3、1、2、2、3、4、1,即P {X 3 = 1} = 0.4,P {X 3 = 2} = 0.3,P {X 3 = 3} = 0.2,P {X 3 = 4} = 0.1,则平均砝码数E (X 1 ) = 1 × 0.4 + 2 × 0.4 + 3 × 0.2 = 1.8,E (X 2 ) = 1 × 0.5 + 2 × 0.3 + 3 × 0.2 = 1.7, E (X 3 ) = 1 × 0.4 + 2 × 0.3 + 3 × 0.2 + 4 × 0.1 = 2, 故用乙组砝码称重所用的平均砝码数最少.6. 假设有十只同种电器元件,其中有两只不合格品.装配仪器时,从这批元件中任取一只,如是不合格品,则扔掉重新任取一只;如仍是不合格品,则扔掉再取一只,试求在取到合格品之前,已取出的不合格品只数的数学期望.解:设X 表示在取到合格品之前已取出的不合格品只数,X 的全部可能取值为0, 1, 2,则54108}0{===X P ,45898102}1{=×==X P ,4518891102}2{=××==X P , 故9245124581540)(=×+×+×=X E .7. 对一批产品进行检查,如查到第a 件全为合格品,就认为这批产品合格;若在前a 件中发现不合格品即停止检查,且认为这批产品不合格.设产品的数量很大,可以认为每次查到不合格品的概率都是p .问每批产品平均要查多少件?解:设X 表示检查一批产品要查的件数,X 的全部可能取值为1, 2, …, a – 1, a ,则P {X = 1} = p ,P {X = 2} = (1 – p )p ,…,P {X = a – 1} = (1 – p ) a − 2 p ,P {X = a } = (1 – p ) a − 1, 即E (X ) = 1 ⋅ p + 2 (1 – p ) p + … + (a – 1) (1 – p ) a − 2 p + a (1 – p ) a − 1,有(1 – p )E (X ) = 1 ⋅ (1 – p ) p + 2 (1 – p )2 p + … + (a – 2) (1 – p ) a − 2 p + (a – 1) (1 – p ) a − 1 p + a (1 – p ) a , 得E (X ) – (1 – p )E (X ) = p + (1 – p ) p + … + (1 – p ) a − 2 p + a (1 – p ) a − 1 – (a – 1) (1 – p ) a − 1 p – a (1 – p ) a ,即)]1()1([)1()1(1])1(1[)(11p a p a a p p p p X pE a a −−−−−+−−−−=−−= 1 – (1 – p ) a − 1 + (1 – p ) a − 1 ⋅ p = 1 – (1 – p ) a − 1 ⋅ (1 – p ) = 1 – (1 – p ) a ,故pp X E a)1(1)(−−=.8. 某人参加“答题秀”,一共有问题1和问题2两个问题,他可以自行决定回答这两个问题的顺序.如果他先回答问题i ,那么只有回答正确,他才被允许回答另一题.如果他有60%的把握答对问题1,而答对问题1将获得200元奖励;有80%的把握答对问题2,而答对问题2将获得100元奖励.问他应该先回答哪个问题,才能使获得奖励的期望值最大化?解:设答对问题i 记为事件A i ,记为他先回答问题i 获得的奖励金额为X i 元,i = 1, 2,有X 1的全部可能取值为0, 200, 300,X 2的全部可能取值为0, 100, 300,且4.0)(}0{11===A P X P ,12.0)(}200{211===A A P X P ,48.0)(}300{211===A A P X P ,2.0)(}0{22===A P X P ,32.0)(}100{122===A A P X P ,48.0)(}300{122===A A P X P ,则E (X 1) = 0.4 × 0 + 0.12 × 200 + 0.48 × 300 = 168,E (X 2) = 0.2 × 0 + 0.32 × 100 + 0.48 × 300 = 176, 故E (X 1) < E (X 2),他应该先回答问题2.9. 某人想用10000元投资于某股票,该股票当前价格是2元/股,假设一年后该股票等可能的为1元/股和4元/股.而理财顾问给他的建议是:若期望一年后所拥有的股票市值达到最大,则现在就购买;若期望一年后所拥有股票数量达到最大,则一年以后购买.试问理财顾问的建议是否正确?为什么? 解:设X 表示一年后该股票的价格,X 的全部可能取值为1, 4,若现在就购买股票所拥有的股票数量为5000股,一年后的股票市值为5000X 元,若一年以后购买股票所拥有的股票数量为X10000股,股票市值为10000元, 因E (5000X) = 0.5 × 5000 × 1 + 0.5 × 5000 × 4 = 12500 > 10000,故现在就购买股票,则一年后所拥有的股票市值的数学期望达到最大;因500062504100005.01100005.010000>=×+×=⎟⎠⎞⎜⎝⎛X E , 故一年以后购买股票,则所拥有的股票数量的数学期望达到最大.10.保险公司的某险种规定:如果某个事件A 在一年内发生了,则保险公司应付给投保户金额a 元,而事件A 在一年内发生的概率为p .如果保险公司向投保户收取的保费为ka 元,则问k 为多少,才能使保险公司期望收益达到a 的10%?解:设X 表示保险公司的收益,X 的全部可能取值为ka , ka − a ,则E (X ) = (1 − p ) × ka + p × (ka − a ) = (k − p ) a = 0.1a , 故k = p + 0.1.11.某厂推土机发生故障后的维修时间T 是一个随机变量(单位:h ),其密度函数为⎩⎨⎧≤>=−.0,0;0,e 02.0)(02.0t t t p t 试求平均维修时间. 解:平均维修时间5002.0e e e )e (e 02.0)(002.0002.0002.0002.0002.0=−=+−=−=⋅=+∞−∞+−∞+−∞+−∞+−∫∫∫tttt t dt t d t dt t T E .12.某新产品在未来市场上的占有率X 是仅在区间 (0, 1) 上取值的随机变量,它的密度函数为⎩⎨⎧<<−=.,0;10,)1(4)(3其他x x x p 试求平均市场占有率.解:5154342)412124()1(4)(10543210432103=⎟⎠⎞⎜⎝⎛−+−=−+−=−⋅=∫∫x x x x dx x x x x dx x x X E .13.设随机变量X 的密度函数如下,试求E (2 X + 5).⎩⎨⎧≤>=−.0,0;0,e )(x x x p x 解:7e 25e 2e )52()e )(52(e )52()52(0=−=++−=−+=+=++∞−+∞−+∞−+∞−+∞−∫∫∫xx xx x dx x d x dx x X E .14.设随机变量X 的分布函数如下,试求E ( X ).⎪⎪⎪⎩⎪⎪⎪⎨⎧≥−<≤<=−−.1,e 211;10,21;0,2e )()1(21x x x x F x x解:因分布函数F (x ) 是连续函数,有X 为连续型,密度函数p (x ) = F ′(x ),当x < 0时,2e )()(xx F x p =′=,当0 < x < 1时,p (x ) = F ′(x ) = 0,当x > 1时,)1(21e 41)()(−−=′=x x F x p ,∫∫∞+−−∞−⎟⎠⎞⎜⎝⎛−⋅+⋅=1)1210][e 21)(e 21x x d x d x 则∫∫∫∫∫∞+−−∞−∞+−−∞−∞+∞−+=⋅+⋅==1)12101)1(210e 41e 21e 412e )()(dx x dx x dx x dx x dx x xp X E x x x x , 因1e 0e e )(e e 00000−=−=−⋅=⋅=∞−∞−∞−∞−∞−∫∫∫xx xx x dx x d x dx x , 6e42e2e2][e2e1)1211)1(211)1(211)1(211)1(21=−=+−=⋅−=+∞−−∞+−−+∞−−∞+−−∞+−−∫∫∫x x x x x dx x d x dx x ,故1641)1(21)(=×+−×=X E . 15.设随机变量X 的密度函数为⎩⎨⎧≤≤+=.,0;10,)(2其他x bx a x p如果32)(=X E ,求a 和b . 解:由正则性得133)()(103102=+=⎟⎟⎠⎞⎜⎜⎝⎛⋅+=+=∫∫∞+∞−b a x b ax dx bx a dx x p , 又324242)()()(1042102=+=⎟⎟⎠⎞⎜⎜⎝⎛⋅+⋅=+==∫∫∞+∞−b a x b x a dx bx a x dx x xp X E , 故2,31==b a .16.某工程队完成某项工程的时间X (单位:月)是一个随机变量,它的分布列为1.02.03.04.013121110PX(1)试求该工程队完成此项工程的平均月数;(2)设该工程队所获利润为Y = 50(13 – X ),单位为万元.试求该工程队的平均利润; (3)若该工程队调整安排,完成该项工程的时间X (单位:月)的分布为1.04.05.0121110PX则其平均利润可增加多少?解:(1)平均月数E (X ) = 10 × 0.4 + 11 × 0.3 + 12 × 0.2 + 13 × 0.1 = 11.(2)平均利润为E (Y ) = E [50 (13 – X )] = 150 × 0.4 + 100 × 0.3 + 50 × 0.2 + 0 × 0.1 = 100(万元); (3)因E (Y 1) = E [50 (13 – X 1)] = 150 × 0.5 + 100 × 0.4 + 50 × 0.1 = 120,有E (Y 1) – E (Y ) = 20,故平均利润增加20万元.17.设随机变量X 的概率密度函数为⎪⎩⎪⎨⎧≤≤=.,0π;0,2cos 21)(其他x x x p 对X 独立重复观察4次,Y 表示观察值大于π /3的次数,求Y 2的数学期望.解:Y 的全部可能取值为0, 1, 2, 3, 4,因216πsin 2πsin2sin2cos 21}3π{π3ππ3π=−===>=∫x dx x X P p , 则161)1(}0{4=−==p Y P ,164)1(14}1{3=−⋅⎟⎟⎠⎞⎜⎜⎝⎛==p p Y P ,166)1(24}2{22=−⋅⎟⎟⎠⎞⎜⎜⎝⎛==p p Y P , 164)1(34}1{3=−⋅⎟⎟⎠⎞⎜⎜⎝⎛==p p Y P ,161}4{4===p Y P , 故5168016141643166216411610)(222222==×+×+×+×+×=Y E . 18.设随机变量X 的密度函数为⎪⎩⎪⎨⎧<<=.,0;20,83)(2其他x x x p 试求21X 的数学期望. 解:438383112020222==⋅=⎟⎠⎞⎜⎝⎛∫∫dx dx x x X E .19.设X 为仅取非负整数的离散随机变量,若其数学期望存在,证明(1)∑+∞=≥=1}{)(k k X P X E ;(2))]()([21}{20X E X E k X kP k −=>∑+∞=.证:(1))(}{}{}{}{11111X E n X nP n X P n X P k X P n n nk k kn k =======≥∑∑∑∑∑∑+∞=+∞==+∞=+∞=+∞=;(2)∑∑∑∑∑∑+∞=+∞=−=+∞=+∞+=+∞==−=====>1111}{)1(21}{}{}{n n n k k k n k n X P n n n X kP n X P kk X kP)]()([21}{}{212112X E X E n X nP n X P n n n −=⎥⎦⎤⎢⎣⎡=−==∑∑+∞=+∞=. 20.设连续随机变量X 的分布函数为F (x ),且数学期望存在,证明:∫∫∞−+∞−−=0)()](1[)(dx x F dx x F X E .证:设X 的密度函数为p (x ),有∫∫∫∞−+∞+∞∞−+==0)()()()(dx x xp dx x xp dx x xp X E ,因∫∫∫∫∫∫∫∫+∞+∞+∞+∞+∞+∞+∞⋅===⎟⎠⎞⎜⎝⎛=0000000)()()()()(y y x x x F dy dx x p dy dy x p dx dx x p dy dx x xp ∫∫+∞+∞−=−=0)](1[)](1[dx x F dy y F ,且∫∫∫∫∫∫∫∫∞−∞−∞−∞−∞−∞−∞−⋅−=−=−=⎟⎠⎞⎜⎝⎛−=0000000)()()()()(yy x xx F dy dx x p dy dy x p dx dx x p dy dx x xp ∫∫∞−∞−−=−=00)()(dx x F dy y F ,故∫∫∞−+∞−−=0)()](1[)(dx x F dx x F X E .21.设X 为非负连续随机变量,若E (X n )存在,试证明:(1)∫+∞>=0}{)(dx x X P X E ;(2)∫+∞−>=01}{)(dx x X P nx X E n n .证:设X 的密度函数为p (x ),分布函数为F (x ),当x < 0时,p (x ) = 0,(1)∫∫∫∫∫∫∫∫+∞+∞+∞+∞+∞+∞+∞⋅===⎟⎠⎞⎜⎝⎛==0000000)()()()()()(y y x x x F dy dx x p dy dy x p dx dx x p dy dx x xp X E ∫∫+∞+∞>=−=0}{)](1[dx x X P dy y F ;(2)∫∫∫∫∫∫∫+∞+∞−+∞−+∞−+∞==⎟⎠⎞⎜⎝⎛==010010010)()()()()(y n xn x n n n dx x p ny dy dy x p ny dx dx x p dy ny dx x p x X E ∫∫∫+∞−+∞−+∞+∞−>=−=⋅=010101}{)](1[)(dx x X P nx dy y F ny x F ny dy n n yn .习题2.31. 设随机变量X 满足E (X ) = Var (X ) = λ ,已知E [(X − 1) (X − 2)] = 1,试求λ . 解:因E (X ) = Var (X ) = λ ,有E (X 2) = Var (X ) + [E (X )]2 = λ + λ 2 ,则E [(X − 1) (X − 2)] = E (X 2 – 3X + 2) = E (X 2) – 3E (X ) + 2 = λ + λ 2 – 3λ + 2 = λ 2 – 2λ + 2 = 1, 故 (λ – 1)2 = 0,即λ = 1.2. 假设有10只同种电器元件,其中有两只不合格品.装配仪器时,从这批元件中任取一只,如是不合格品,则扔掉重新任取一只;如仍是不合格品,则扔掉再取一只,试求在取到合格品之前,已取出的不合格品数的方差.解:设X 表示在取到合格品之前已取出的不合格品只数,X 的全部可能取值为0, 1, 2,则54108}0{===X P ,45898102}1{=×==X P ,4518891102}2{=××==X P , 得9245124581540)(=×+×+×=X E ,且154451245124581540)(2222==×+×+×=X E ,故4058892154)]([)()Var(222=⎟⎠⎞⎜⎝⎛−=−=X E X E X . 3. 已知E (X ) = –2,E (X 2) = 5,求Var (1 – 3X ).解:因Var (X ) = E (X 2) – [E (X )]2 = 5 – (–2) 2 = 1,故Var (1 – 3X ) = (–3)2 Var (X ) = 9 × 1 = 9. 4. 设P {X = 0} = 1 – P {X = 1},如果E (X ) = 3Var (X ),求P {X = 0}.解:因P {X = 0} + P {X = 1} = 1,有X 的全部可能取值为0, 1,设P {X = 1} = p ,P {X = 0} = 1 – p ,则E (X ) = 0 × (1 – p ) + 1 × p = p ,E (X 2) = 02 × (1 – p ) + 12 × p = p ,即Var (X ) = p – p 2,因E (X ) = 3Var (X ),有p = 3(p – p 2),可得2p – 3p 2 = 0,即32=p 或p = 0, 故311}0{=−==p X P 或1. 5. 设随机变量X 的分布函数为⎪⎪⎪⎩⎪⎪⎪⎨⎧≥−<≤<=−−.1,e 211;10,21;0,2e )()1(21x x x x F x x试求Var (X ).解:因分布函数F (x ) 是连续函数,有X 为连续型,密度函数p (x ) = F ′(x ),当x < 0时,2e )()(xx F x p =′=,当0 < x < 1时,p (x ) = F ′(x ) = 0, 当x > 1时,)1(21e 41)()(−−=′=x x F x p ,则∫∫∫∫∫∞+−−∞−∞+−−∞−∞+∞−+=⋅+⋅==1)12101)1(21e 41e 21e 412e )()(dx x dx x dx x dx x dx x xp X E x x x x ,因1e 0e e )(e e 00000−=−=−⋅=⋅=∞−∞−∞−∞−∞−∫∫∫xx xx x dx x d x dx x ,6e42e2e2][e2e1)1211)1(211)1(211)1(211)1(21=−=+−=⋅−=+∞−−∞+−−+∞−−∞+−−∞+−−∫∫∫x x x x x dx x d x dx x ,可得1641)1(21)(=×+−×=X E , 且∫∫∫∫∫∞+−−∞−∞+−−∞−∞+∞−+=⋅+⋅==1)1(212021)1(2120222e 41e 21e 412e )()(dx x dx x dx x dx x dx x p x X E x x x x因2e 202e e )(e e 00020202=−=⋅−⋅=⋅=∫∫∫∫∞−∞−∞−∞−∞−dx x xdx x d x dx x x x xx x ,∫∫∫∞+−−+∞−−∞+−−∞+−−⋅+−=⋅−=1)1(211)1(2121)1(2121)1(2122e2e2][e2exdx x d x dx x x x x x26642e421)1(21=×+=+=∫∞+−−dx x x ,可得2152641221)(2=×+×=X E , 故2131215)]([)()Var(222=−=−=X E X E X .6. 设随机变量X 的密度函数为⎪⎩⎪⎨⎧≤<−≤<−+=.,0;10,1;01,1)(其他x x x x x p试求Var (3X + 2).解:因061613232)1()1()()(13201321001=+−=⎟⎟⎠⎞⎜⎜⎝⎛−+⎟⎟⎠⎞⎜⎜⎝⎛+=−++==−−∞+∞−∫∫∫x x x x dx x x dx x x dx x xp X E , 且611211214343)1()1()()(14301431021222=+=⎟⎟⎠⎞⎜⎜⎝⎛−+⎟⎟⎠⎞⎜⎜⎝⎛+=−++==−−∞+∞−∫∫∫x x x x dx x x dx x x dx x p x X E , 则61)]([)()Var(22=−=X E X E X , 故23619)Var(9)23Var(=×==+X X .7. 设随机变量X 的密度函数为⎩⎨⎧<<+=.,0;10,)(2其他x bx ax x p如果已知E (X ) = 0.5,试计算Var (X ).解:由正则性得13232)()(132102=+=⎟⎟⎠⎞⎜⎜⎝⎛⋅+⋅=+=∫∫∞+∞−b a x b x a dx bx ax dx x p , 又5.04343)()()(143102=+=⎟⎟⎠⎞⎜⎜⎝⎛⋅+⋅=+==∫∫∞+∞−b a x b x a dx bx ax x dx x xp X E ,则a = 6,b = −6,因3.056465646)66()()(154102222=−=⎟⎟⎠⎞⎜⎜⎝⎛⋅−⋅=−==∫∫∞+∞−x x dx x x x dx x p x X E , 故Var (X ) = E (X 2) − [E (X )]2 = 0.3 − 0.52 = 0.05.8. 设随机变量X 的分布函数为0,e 1)(2>−=−x x F x ,试求E (X )和Var (X ).解:因密度函数0,e 2)()(2>=′=−x x x F x p x ,故2πe e)e(e2)()(0002222=+−=−=⋅==∫∫∫∫∞+−+∞−∞+−∞+−∞+∞−dx x xd dx x x dx x xp X E x x x x ; 因∫∫∫∫+∞−+∞−+∞−+∞−+∞∞−⋅+−=−=⋅==02202222e e)e(e2)()(2222xdx x d x dx x x dx x p x X E x x x x1e002=−=+∞−x ,故4π12π1)]([)()Var(222−=⎟⎟⎠⎞⎜⎜⎝⎛−=−=X E X E X . 9. 试证:对任意的常数c ≠ E (X ),有Var (X ) = E (X – E (X ))2 < E (X – c )2.证:因E (X – c )2 = E (X 2 – 2cX + c 2) = E (X 2) – 2c E (X ) + c 2 = E (X 2) – [E (X )]2 + [E (X )]2 – 2c E (X ) + c 2= E (X – E (X ))2 + [E (X ) – c ]2 > E (X – E (X ))2 = Var (X ).10.设随机变量X 仅在区间 [a , b ] 上取值,试证a ≤ E (X ) ≤ b ,22)Var(⎟⎠⎞⎜⎝⎛−≤a b X .证:因X ≥ a ,有X – a ≥ 0,得E (X – a ) = E (X ) – a ≥ 0,即E (X ) ≥ a ,又因X ≤ b ,同理可得E (X ) ≤ b ,故a ≤ E (X ) ≤ b ;因a ≤ X ≤ b ,有222a b b a X a b −≤+−≤−−,得2222⎟⎠⎞⎜⎝⎛−≤⎟⎠⎞⎜⎝⎛+−a b b a X , 则022222222≤⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛+−=⎥⎥⎦⎤⎢⎢⎣⎡⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛+−a b b a X E a b b a X E ,即2222⎟⎠⎞⎜⎝⎛−≤⎟⎠⎞⎜⎝⎛+−a b b a X E ,故22222))(()Var(⎟⎠⎞⎜⎝⎛−≤⎟⎠⎞⎜⎝⎛+−≤−=a b b a X E X E X E X .11.设随机变量X 取值x 1 ≤ … ≤ x n 的概率分别是p 1 , …, p n ,11=∑=nk k p .证明212)Var(⎟⎠⎞⎜⎝⎛−≤x x X n .证:因x 1 ≤ X ≤ x n ,有222111x x x x X x x n n n −≤+−≤−−,得212122⎟⎠⎞⎜⎝⎛−≤⎟⎠⎞⎜⎝⎛+−x x x x X n n ,故2121212222))(()Var(⎟⎠⎞⎜⎝⎛−=⎟⎠⎞⎜⎝⎛−≤⎟⎠⎞⎜⎝⎛+−≤−=x x x x E x x X E X E X E X n n n .12.设g (x ) 为随机变量X 取值的集合上的非负不减函数,且E (g (X )) 存在,证明:对任意的ε > 0,有)())((}{εεg X g E X P ≤>.注:此题应要求g (ε ) ≠ 0.证:以连续型随机变量为例加以证明,设连续型随机变量X 的密度函数为p (x ),因g (x ) 为非负不减函数,当x > ε 时,有g (x ) ≥ g (ε ) > 0,即1)()(≥εg x g , 故)())(()()()()()()()()()(}{εεεεεεεg X g E g X g E dx x p g x g dx x p g x g dx x p X P =⎟⎟⎠⎞⎜⎜⎝⎛=≤≤=>∫∫∫∞+∞−∞+∞+. 13.设X 为非负随机变量,a > 0.若E (e aX)存在,证明:对任意的x > 0,有axaX E x X P e)(e }{≤≥. 证:以连续型随机变量为例加以证明,设连续型随机变量X 的密度函数为p(x ),故ax aX ax aX ax au xax auxE E du u p du u p du u p x X P e )(e e e )(e e )(e e )(}{=⎟⎟⎠⎞⎜⎜⎝⎛=≤≤=≥∫∫∫∞+∞−∞+∞+. 14.已知正常成人男性每升血液中的白细胞数平均是7.3 × 10 9,标准差是0.7 × 10 9.试利用切比雪夫不等式估计每升血液中的白细胞数在5.2 × 10 9至9.4 × 10 9之间的概率的下界.解:设X 表示每升血液中的白细胞数,有E (X ) = 7.3 × 10 9,Var (X ) = (0.7 × 10 9) 2 = 0.49 × 10 18,则P {5.2 × 10 9 ≤ X ≤ 9.4 × 10 9} = P {–2.1 × 10 9 ≤ X – 7.3 × 10 9 ≤ 2.1 × 10 9} = P { | X – E (X ) | ≤ 2.1 × 10 9}989111041.41049.01)101.2()Var(1181829=−=××−=×−≥X , 故所求概率的下界为98.习题2.41. 一批产品中有10%的不合格品,现从中任取3件,求其中至多有一件不合格品的概率. 解:设X 表示取到的不合格品个数,有X 服从二项分布b (3, 0.1),故所求概率为972.09.01.0139.0}1{}0{}1{23=××⎟⎟⎠⎞⎜⎜⎝⎛+==+==≤X P X P X P . 2. 一条自动化生产线上产品的一级品率为0.8,现检查5件,求至少有2件一级品的概率. 解:设X 表示检查到的一级品个数,有X 服从二项分布b (5, 0.8),故所求概率为99328.02.08.0152.01}1{}0{1}2{45=××⎟⎟⎠⎞⎜⎜⎝⎛−−==−=−=≥X P X P X P . 3. 某优秀射手命中10环的概率为0.7,命中9环的概率为0.3.试求该射手三次射击所得的环数不少于29环的概率.解:设X 表示三次射击所中的10环次数,有X 服从二项分布b (3, 0.7),故所求概率为784.07.03.07.023}3{}2{}2{32=+××⎟⎟⎠⎞⎜⎜⎝⎛==+==≥X P X P X P .4. 经验表明:预定餐厅座位而不来就餐的顾客比例为20%.如今餐厅有50个座位,但预定给了52位 顾客,问到时顾客来到餐厅而没有座位的概率是多少?解:设X 表示到时来到餐厅的顾客人数,有X 服从二项分布b (52, 0.8),故所求概率为0001279.08.02.08.05152}52{}51{}51{5251=+××⎟⎟⎠⎞⎜⎜⎝⎛==+==≥X P X P X P .5. 设随机变量X ~ b (n , p ),已知E (X ) = 2.4,Var (X ) = 1.44,求两个参数n 与p 各为多少? 解:因X ~ b (n , p ),有E (X ) = np = 2.4,Var (X ) = np (1 – p ) = 1.44,有6.04.244.11==−p , 故p = 0.4,64.04.2==n . 6. 设随机变量X 服从二项分布b (2, p ),随机变量Y 服从二项分布b (4, p ).若P {X ≥ 1} = 8/9,试求P {Y ≥ 1}.解:因X 服从二项分布b (2, p ),有98)1(1}0{1}1{2=−−==−=≥p X P X P ,即32=p ,故8180311)1(1}0{1}1{44=⎟⎠⎞⎜⎝⎛−=−−==−=≥p Y P Y P .7. 一批产品的不合格率为0.02,现从中任取40件进行检查,若发现两件或两件以上不合格品就拒收这批产品.分别用以下方法求拒收的概率: (1)用二项分布作精确计算; (2)用泊松分布作近似计算.解:设X 表示发现的不合格品个数,有X 服从二项分布b (40, 0.02),(1)所求概率为1905.098.002.014098.01}1{}0{1}2{3940=××⎟⎟⎠⎞⎜⎜⎝⎛−−==−=−=≥X P X P X P ; (2)因n = 40较大,p = 0.02很小,取λ = np = 0.8,有)8.0(~P X &,故查表可得所求概率为191.0809.01}1{1}2{=−=≤−=≥X P X P .。

相关文档
最新文档