数理统计(第一章)
《概率论与数理统计》第01章习题解答
第一章 随机事件及其概率第1章1、解：（1）{}2,3,4,5,6,7S = （2）{} ,4,3,2=S （3）{} ,,,TTH TH H S =（4）{}6,5,4,3,2,1,,T T T T T T HT HH S =2、设A , B 是两个事件，已知81)(,21)(,41)(===AB P B P A P ，求)(B A P ，)(B A P ，)(AB P ，)])([(AB B A P 解：81)(,21)(,41)(===AB P B P A P ∴)()()()(AB P B P A P B A P -+= 85812141=-+=)()()(AB P B P B A P -=838121=-=87811)(1)(=-=-=AB P AB P)])([(AB B A P )]()[(AB B A P -=)()(AB P B A P -= )(B A AB ⊂218185=-=3、解：用A 表示事件“取到的三位数不包含数字1”2518900998900)(191918=⨯⨯==C C C A P 4、在仅由0，1，2，3，4，5组成且每个数字至多出现一次的全体三位数字中，任取一个三位数，（1）该数是奇数的概率；（2）求该数大于330的概率。
解：用A 表示事件“取到的三位数是奇数”，用B 表示事件“取到的三位数大于330”(1) 455443)(2515141413⨯⨯⨯⨯==A C C C C A P =0.48 2） 455421452)(251514122512⨯⨯⨯⨯+⨯⨯=+=A C C C A C B P =0.48 5、袋中有5只白球，4只红球，3只黑球，在其中任取4只，求下列事件的概率（1）4只中恰有2只白球，1只红球，1只黑球； （2）4只中至少有2只红球； （3）4只中没有白球解：用A 表示事件“4只中恰有2只白球，1只红球，1只黑球”（1）412131425)(C C C C A P ==495120=338（2）用B 表示事件“4只中至少有2只红球”16567)(4124418342824=++=C C C C C C B P 或4124838141)(C C C C B P +-==16567495201= （3）用C 表示事件“4只中没有白球”99749535)(41247===C C C P 6、解：用A 表示事件“某一特定的销售点得到k 张提货单”nkn k n MM C A P --=)1()( 7、解：用A 表示事件“3只球至少有1只配对”，B 表示事件“没有配对”（1）3212313)(=⨯⨯+=A P 或321231121)(=⨯⨯⨯⨯-=A P （2）31123112)(=⨯⨯⨯⨯=B P 8、（1）设1.0)(,3.0)(,5.0)(===AB P B P A P ，求(),(),(),(),P A B P B A P A B P A A B(),()P AB A B P A AB ；（2）袋中有6只白球，5只红球每次在袋中任取一只球，若取到白球，放回，并放入1只白球，若取到红球不放回也不再放回另外的球，连续取球四次，求第一、二次取到白球且第三、四次取到红球的概率。
数理统计教程课后重要答案习题
第一章:统计量及其分布19.设母体ξ服从正态分布N(),,2σμξ和2n S 分别为子样均值和子样方差,又设()21,~σμξN n +且与n ξξξ,,,21 独立, 试求统计量111+--+n n S nn ξξ的抽样分布. 解: 因为ξξ-+1n 服从⎪⎭⎫⎝⎛+21,0σn n N 分布. 所以()1,0~121N nn n σξξ+-+ 而()1~222-n nS nχσ且2n S 与ξξ-+1n 独立,, 所以()1~1111--÷+--+n t S n n n n S nnn σξξ分布. 即111+--+n n S nn εε服从()1-n t 分布. 20.(),,,1,,n i i i =ηξ是取自二元正态分布N()ρσσμμ222121,,,的子样,设()∑∑∑===-===n i i i ni n i i n S n n 12111,1,1ξξηηξξξ2,()2121∑=-=n i i n S ηηη和 ()()()()∑∑∑===----=ni i ni ii ni ir 12211ηηξξηηξξ试求统计量()122221--+---n S rS S S ηξηξμμηξ的分布.解: 由于().21μμηξ-=-E ()()=-+=-ηξηξηξ,c o v 2D D D nn nn2122212σσρσσ-+.所以()()n 212221212σρσσσμμηξ-+---服从()1,0N 分布 .()()()()()()()[]211212121222122ηξηξηηξξηηξξ---=----+-=-+∑∑∑∑====i ini i i ni i ni i ni S rS S S ni i ηξ-是正态变量,类似于一维正态变量的情况,可证ηξηξS rS S S 222-+与ηξ-相互独立.()()1~22221222122--+-+n S rS S S n χσρσσσηξηξ, 所以 统计量()122221--+---n S rS S S ηξηξμμηξ()()()()1)2(222122212221222121--+-+-+---=n S rS S S n nσρσσσσρσσσμμηξηξηξ服从()1-n t 分布.第二章：估计量1. 设n ξξ,,1 是来自二点分布的一个子样,试求成功概率p 的矩法估计量.解: p E =ξ ξ=∴pˆ 3. 对容量为n 的子样,求密度函数()()⎪⎩⎪⎨⎧<<-=其它,00,2;2ax x a a a x f 中参数a 的矩法估计3. 对容量为n 的子样,求密度函数 ()()⎪⎩⎪⎨⎧<<-=其它,00,2;2ax x a a a x f 中参数a 的矩法估计量. 解: ()322adx x a ax E a=-=⎰ξ 令ξ=3a 得ξ3ˆ=a . 4. 在密度函数 ()()10,1<<+=x x a x f a中参数a 的极大似然估计量是什么? 矩法估计量是什么? 解: (1) ()()()∏∏==+=+=ni i ni nni x x L 111ααααα ()i i x ∀<<1∴()().ln 1ln ln 1⎪⎪⎭⎫⎝⎛⋅++=∏=n i i x n L ααα令()0ln 1ln 1=++=∂∂∑=i ni x nL ααα， 得 ∑=--=ni iL xn1ln 1ˆα。
数理统计课后题答案完整版
第一章3. 解：因为i i x ay c-=所以 i i x a cy =+11nii x x n ==∑()1111ni i ni i a cy n na cy n ===+⎛⎫=+ ⎪⎝⎭∑∑1nii c a y n a c y==+=+∑所以 x a c y =+ 成立因为 ()2211n x i i s x xn ==-∑()()()22122111ni i ini i nii a cy a c y n cy c y n c y y n====+--=-=-∑∑∑又因为 ()2211n y i i s y yn ==-∑所以 222xys c s = 成立 6. 解：变换()1027i i y x =-11li i i y m y n ==∑()13529312434101.5=-⨯-⨯+⨯+=- 2710yx=+= ()2211lyi i i s m y yn ==-∑()()()()22221235 1.539 1.5412 1.534 1.510440.25⎤=⨯-++⨯-++⨯+++⎡⎣⎦= 221 4.4025100x y s s == 7解：*11li i i x m x n ==∑()1156101601416426172121682817681802100166=⨯+⨯+⨯+⨯+⨯+⨯+⨯=()22*11li i i s m x xn ==-∑()()()()()()()2222222110156166141601662616416628168166100121721668176166218016633.44=⨯-+⨯-+⨯-+⨯-⎡⎣⎤+⨯-+⨯-+⨯-⎦=8解：将子样值重新排列（由小到大） -4，，，，，0，0，，，，，，()()()()()172181203.2147.211.2e n n e nM X X R X X M X X +⎛⎫ ⎪⎝⎭⎛⎫+ ⎪⎝⎭====-=--==== 9解：121211121211n n i j i j n x n x n n x n n ==+=+∑∑112212n x n x n n +=+()12221121n n ii s x x n n +==-+∑()()()1212221122111122121222222111222112212122222211221122112212121222211211122121n n i i n n i ji j x xn n x x n x n x n n n n n s x n sx n x n xn n n n n s n s n x n x n x n x n n n n n n n n n x n n s n sn n +====-++⎛⎫+=- ⎪++⎝⎭+++⎛⎫+=-⎪++⎝⎭⎛⎫+++=+- ⎪+++⎝⎭+++=++∑∑∑()()()()()()22212211222122222112212112212122121222212121122212122n n x n x n x n n n s n s n n x n n x n n x x n n n n n n x x n s n sn n n n +-++++-=+++-+=+++12. 解：()ix P λ i Ex λ= i Dx λ= 1,2,,i n =⋅⋅⋅1122111111n n i i i i nni i i i n E X E x Ex n n n n DX D x Dx n nn n λλλλ============∑∑∑∑13.解：(),ix U a b 2i a b Ex += ()212i b a Dx -= 1,2,,i n =⋅⋅⋅ 在此题中()1,1i x U - 0i Ex = 13i Dx = 1,2,,i n =⋅⋅⋅112111101113n ni i i i nni ii i E X E x Ex n n DX D x Dx n nn ==========∑∑∑∑14.解：因为()2,iXN μσ 0i X Eμσ-= 1i X Dμσ-=所以 ()0,1i X N μσ- 1,2,,in =⋅⋅⋅由2χ分布定义可知()222111nniii i X Y Xμμσσ==-⎛⎫=-= ⎪⎝⎭∑∑服从2χ分布所以 ()2Yn χ15. 解：因为()0,1iX N1,2,,i n =⋅⋅⋅()1230,3X X X N ++0=1=所以()0,1N()221χ同理()221χ由于2χ分布的可加性，故()222123Y χ=+可知 13C =16. 解：（1）因为 ()20,i X N σ 1,2,,i n =⋅⋅⋅()0,1iX N σ所以 ()22121ni i X Y n χσσ=⎛⎫= ⎪⎝⎭∑(){}11122Y Yy F y P Y y P σσ⎧⎫=≤=≤⎨⎬⎩⎭()220yf x dx σχ=⎰()()211'221Y Y y f y F y f χσσ⎛⎫==⨯ ⎪⎝⎭因为 ()2122202200n x n x e x n f x x χ--⎧⎪>⎪⎛⎫=⎨Γ⎪⎪⎝⎭⎪≥⎩所以 ()21122202200ny n nY y e y n f y y σσ--⎧⎪>⎪⎛⎫=⎨Γ⎪⎪⎝⎭⎪≤⎩（2） 因为 ()20,i X N σ 1,2,,i n =⋅⋅⋅()0,1iX N σ所以()22221ni i X nY n χσσ=⎛⎫= ⎪⎝⎭∑(){}()22222220nyY nYny F y P Y y P f x dx σχσσ⎧⎫=≤=≤=⎨⎬⎩⎭⎰()()222'22Y Y ny nf y F y f χσσ⎛⎫== ⎪⎝⎭故 ()221222202200n nny n n Y n y e y n f y y σσ--⎧⎪>⎪⎛⎫=⎨Γ⎪⎪⎝⎭⎪≤⎩（3）因为 ()20,iX N σ 1,2,,i n =⋅⋅⋅()10,1ni N =所以()22311n i Y n χσ=⎛= ⎝(){}()()22333210yn Y Y F y P Y y P y f x dx n σχσ⎧⎫=≤=≤=⎨⎬⎩⎭⎰()()()233'2211Y Y y f y F y f n n χσσ⎛⎫== ⎪⎝⎭()()221000x x f x x χ-⎧>=≤⎩故 ()232000y n Y y f y y σ-⎧>=≤⎩ （4）因为()20,iX N σ 1,2,,i n =⋅⋅⋅所以()()1224210,11ni ni N Y χσ==⎛= ⎝(){}()()()()()224224442210'2211yY Y Y y F y P Y y P f x dxy f y F y f σχχχσσσσ⎧⎫=≤=≤=⎨⎬⎩⎭⎛⎫== ⎪⎝⎭⎰ 故()242000yY y f y y σ-⎧>=≤⎩17.解：因为 ()Xt n存在相互独立的U ，V()0,1UN ()2Vn χ 使X = ()221Uχ则 221U X V n=由定义可知 ()21,F n χ18解：因为 ()20,iX N σ 1,2,,i n =⋅⋅⋅()10,1ni N =()221n mi i n X m χσ+=+⎛⎫ ⎪⎝⎭∑所以()1nniX Yt m ==（2）因为()0,1iX N σ1,2,,i n m =⋅⋅⋅+()()221221ni i n mi i n X n X m χσχσ=+=+⎛⎫ ⎪⎝⎭⎛⎫ ⎪⎝⎭∑∑所以 ()221122211,ni n i ii n mn mi ii n i n X m X n Y F n m X n X mσσ==++=+=+⎛⎫⎪⎝⎭==⎛⎫ ⎪⎝⎭∑∑∑∑19.解：用公式计算()20.010.019090χ=查表得 0.01 2.33U =代入上式计算可得()20.01909031.26121.26χ=+=20.解：因为()2Xn χ 2E n χ= 22D n χ=由2χ分布的性质3可知()0,1N{}P X c P ≤=≤22lim t n P dt -→∞-∞≤==Φ 故 {}PX c ≤≈Φ第 二 章 1.,0()0,0()()1()111x x x x xe xf x x E x f x xdx xe dxxe e d x e xλλλλλλλλλλλλ-+∞+∞--∞+∞+∞--+∞-⎧≥=⎨<⎩=⋅==-+=-==⎰⎰⎰令从而有1x λ∧= 2.()111121).()(1)(1)1111k k x x E x k p p p k p ppp ∞∞--===-=-==⎡⎤--⎣⎦∑∑令1p ＝X所以有1p X ∧=２）．其似然函数为1`11()(1)(1)ni x i i nX nni L P P p p p -=-=∑=-=-∏1ln ()ln ()ln(1)ni i L P n p X n p ==+--∑1ln 1()01ni i d L n X n dp p p ==--=-∑解之得11nii np X X∧===∑３． 解：因为总体Ｘ服从Ｕ（a ，b ）所以()2122!2!!()12ni i a b n E X r n r X X X X a b S X b X =∧∧+=--⎧=⎪⎪⎨-⎪=⎪⎩⎧=⎪⎨⎪=⎩∑222（a-b ）（） D （X ）=12令E （X ）= D （X ）=S ，1S =n a+b 2（）a 4. 解：（1）设12,,n x x x 为样本观察值则似然函数为：111()(),01,1,2,,ln ()ln ln ln ln 0nni i i nii in i i L x x i nL n x d L nx d θθθθθθθθ-====<<==+=+=∏∑∑（-1）解之得：11ln ln nii nii nxnxθθ=∧==-==∑∑（2）母体X 的期望1()()1E x xf x dx x dx θθθθ+∞-∞===+⎰⎰而样本均值为：11()1nii X x n E x X X Xθ=∧===-∑令得5.。
应用数理统计(基于MATLAB实现)第1章 数理统计的基本概念
第1章 数理统计的基本概念
数理统计的基本概念
目录 contents
1 总体与样本 2 样本经验分布函数 3 统计量与估计量 4 抽样分布
2024/4/19
PART 1
总体与样本
前言 数理统计学是探讨随机现象 统计规律性 的一门学科,它以概率论为理论基础， 研究如何以有效的方式收集、整理和分析 随机数据 ，从而对所研究对象进行 统计推断。
2024/4/19
1.2 从样本认识总体的方法 1 频数表
2 直方图
2024/4/19
1.2 从样本认识总体的方法
例3. 由于随机因素的影响，某铅球运动员的铅球出手高度可看成一个随机变量，现有一组出手高度的 统计数据（单位：cm）如下：
200
195
210
211
201
205
185
197
183
177
2024/4/19
引例
引例1：研究一批灯泡的寿命分布，需明确该批灯泡中每个灯泡的寿命长短。 引例2：研究某一湖泊的深度，需测量湖面上每处到湖底的深度。 总体：在数理统计中，我们把研究对象的全体所构成的集合称为总体，而把组成总体的每个元素称为个
体，总体中所包含个体的个数称为总体的容量．
这两张图是大家再熟悉不过的两个成语了：一叶知秋、盲人摸象。
参数
分布的数 字特征
某事件的 概率等
参数
2024/4/19
PART 3
样本的经验分布函数
3 样本经验分布函数 1 经验分布函数的定义
2024/4/19
3 样本经验分布函数 2 例题 例1.2.5
某食品厂生产午餐肉罐头,从生产线上随机抽取5只罐头,称其净重(单位:g)为: 351, 347, 355, 344, 351
01第一章 数理统计的基础知识
为推断总体分布及其各种特征，一般方法是按一定规则从总体中抽取若干 个体进行观察，称为抽样。
2
第一章 数理统计的基础知识
第一节 总体与样本
一 . 总体与样本
定义1：研究的对象称为总体，总体往往以某一项数量指标为其特征。实 际上总体就是一个随机变量 X 。
为推断总体分布及其各种特征，一般方法是按一定规则从总体中抽取若干 个体进行观察，称为抽样。 定义2：从总体中抽取的 n 个个体 (X1,X2,…,Xn) 称为样本，实际上样本就 是一个 n 维随机变量(或向量)。
简单随机样本： (X1,X2,…,Xn) 是相互独立的随机变量(独立性)；且 Xi ~ X (同分布) 。 样本容量 n：样本中所含个体数目，为已知的一个自然数。 样本观察值： (X1,X2,…,Xn) = (x1,x2,…,xn)
上例中，若某次抽样得： (X1,X2,X3,X4,X5) = (0,0,1,0,1)
P(Y 15) f ( y)dy
15
10 0 15 20 y y 1 3 7 dy dy 10 100 100 2 8 8
例3：设总体 X ~ b(1，p)。现从中抽取容量为 2 的样本，得到样本 (X1， X2)，求样本的函数 Y = X12 + X22 的概率分布，并求出事件 P(Y < 15) 的概率。
i 1 n
如上例：总体 X ~ b(1,p)，概率分布为：P(X = x) = (1 – p)1 – x p x (x = 0,1) 则样本 (X1,X2,…,Xn) 的联合分布为：
P( X 1 x1 , X n xn ) p x1 (1 p)1 x1 p xn (1 p)1 xn p i1 (1 p)
概率论与数理统计 第一章 随机事件与概率
推广：
（1）n个事件A1,A2, An至少有一个发生
所构成的事件，称为 A1, A2, An的和或并，
记为
n
A1 A2 An Ai
i1
当A1, A2, An互斥时
n
n
Ai Ai
i1
i1
（2）可列无限多个事件 A1, A2, 至少有一个
（1kn)的不同排列总数为：
n n n nk
例如：从装有4张卡片的盒中 有放回地摸取3张
第1张 第2张 第3张
1 2 34
n=4,k =3
1
1
1
2
2
2 共有4.4.4=43种可能取法
3
3
3
4
4
4
2、组合: 从n个不同元素取 k个
（1kn)的不同组合总数为：
C
k n
Ank k!
n! (n k)!k!
Ai
i1
三．互不相容事件（互斥事件）
若A与B不能同时发生，即 AB 则称A与B
互不相容（或互斥）。S与 互斥。
S
A
B
推广：n个事件 A1,A2, An互斥
A1, A2, An 中任两个互斥，即，
i≠j, i, j=1,2,3 ,……n.
四．事件的和（并） 事件A与B至少有一个发生所构成的事件， 称为A与B的和（并）记为A∪B。当A与B 互斥时，A∪B =A+B。
六. 对立事件（逆事件） 由A不发生所构成的事件，称为A的对立事件
（逆事件）。记为 A
A
A
AA ,A A S,A A.
例1．掷一质地均匀的骰子，A=“出现奇数点”= {1，3，5}，B=“出现偶数点”= {2，4，6}，C=“出现4或6”={4，6}， D=“出现3或5”={3，5}，E=“出现的点 数大于2”={3，4，5，6}， 求 A B,C D,AE,E.
数理统计课后答案-第一章
3
2
5
5
可以看作是有 15 个空位子， 每个班级各有 5 个 解法二 将 15 名新生平均分配到三个班级， 空位子。从这 15 个空位子中任意选 3 个位子放运动员（其余位子自然是放非运动员，可不 考虑） ，共有 C15 种不同做法。 （1） 每个班级各有一名运动员， 相当于从每个班级的 5 个空位子中任意选 1 个位子放运 动员，有 C 5 C 5 C 5 种不同做法，所以，
k =0
a
3 k −3 e ≥ 0.99 。 k =0 k !
a
直接计算或查书后附录中普阿松分布的概率表，可以求得：
8 3 k −3 3 k −3 e ≈ 0 . 988 < 0 . 99 ， e ≈ 0.996 > 0.99 。 ∑ ∑ k = 0 k! k = 0 k! 7
由此可见，月初至少要进货 8 件，才能以 99% 以上的概率满足顾客的需要。 已知随机变量 ξ 的概率密度为 ϕ ( x ) = Ae
1.5 无线通信中，由于随机干扰，当发出信号为“ • ”时，收到信号为“ • ” 、 “不清” 、 “—” 的概率分别为 0.7、0.2 和 0.1；当发出信号为“—”时，收到信号为“—” 、 “不清” 、 “• ” 的概率分别为 0.9、 0.1 和 0.如果整个发报过程中 “• ” 、 “—” 出现的概率分别为 0.6 和 0.4， 当收到信号“不清”时，原发信号是什么？试加以推测. 解 设 A = { 收到“不清”}， B = { 发出“·”}， B = { 发出“-”}，由题意可知，
1 2 C1 C k −1 C k2−1 于 k 的 k − 1 个球中取 2 个球，所以 P{ξ = k} = = （ k = 3, 4, 5 ） 。 3 10 C5
数理统计第一章
n
例1.4 总体X~B(1,p),0<p<1,写出其样本的联合概率函数
总体
样品
X ~ P ( X x ) p ( 1 p ) ( x 0 ,1 )
x 1 x
X ~ P ( X x ) p ( 1 p ) , ( x 0 ,1. i 1,2 , , n )
xi 1 x i i i i
全部信息。 一个好的统计方法，是使由局部推断出的有关整体的信 息尽可能地准确。
第一章
数理统计的基本概念
第一节 随机样本
一.总体与个体
1.总体 在一个统计问题中，把所研究对象的全体称为总体。
构成总体的每个成员称为个体。
如：例一中的一大批灯泡叫总体。而每个灯泡叫做个体。 把含有有限个个体的总体称为有限总体 把含有无限个个体的总体称为无限总体
在数理统计学中，我们总是对随机现象进行有限 次的观察或试验，以获取数据。通过对数据的分析与 推断去寻找隐藏在数据中的统计规律性。 由于是对随机现象进行观察或试验，因此，观察或 试验数据是带有随机性的。为此需要我们从中尽可能地 排除随机性的干扰，以作出合理的推断。 数理统计是研究怎样以有效的方式收集、 整理和分 析带有随机性的数据，在此基础上，对所研究的问题作 出统计推断，直至对可能作出的决策提供依据和建议。
则其简单随机样本的联合分布函数为
F ( x )F ( x )F ( x ) F ( x )
1 2 n
n
（2）若总体X为连续随机变量，概率密度函数为f(x), 样品X i 的概率密度函数为 f ( xi ), (i 1,2,, n)
i 1
i
则样本 ( X1, X 2 , X n ) 的联合概率密度函数为
数理统计题-第一章(答案)
n
n
n
2
即证: n X n X
2
2
显然，左边=右边，得证.
2.设（3,2,3,4,2,3,5,7,9,3）为来自总体 X 的样本，试求经验分布 函数 F10 ( x) . 解：根据定义 函数 Fn ( x) { X 1 ,，X n中小于或等于x的个数} ， - x . 则 n=10. 从而有
（2）解：变形得：
Y2
(X
i 1 mn i m 1
m
m
i
/ )2 / m
i
(X
/ )2 / n
mn
Z1 ( X i / ) 2 ~ 2 ( m ) ， Z 2
i 1
i m 1
(X
i
/ ) 2 ~ 2 ( n)
Z1 , Z 2相互独立 ，则 Y2 ~ F (m, n).
i 1
n
1 (2 )
2 n/2
，b
1 2 2
T , h 只与样本有关， C , b 只与 2 有关
根据定义可知其指数型分布族参数充分完备统计量的构造形式，得 证，即： 4.设总体 是参数 的充分完备统计量。 为来自总体的样本，
， 已知，
证明样本均值 是参数 的充分完备统计量。 证明：样本的联合概率密度函数
0 0.2 0.6
ቤተ መጻሕፍቲ ባይዱ
1 n
x2 2 x3 3 x 4 4 x5 5 x7 7 x9 x9
Fn ( x)
0.7 0.8 0.9 1
3.设总体 是参数
，
为来自总体的样本，证明
的充分完备统计量。
证明：样本的联合概率密度函数
数理统计课后题标准答案
（2）若 未知。
解：n=16, x 2.125, s* 0.017
(1)若已知
0.01(cm)，构造函数u
x
/
n
:
N (0,1)
给定置信概率90%，有 P{u u } 1
即
P(x u
2
0
n
x u
2
0 ) 1 2
n
置信区间为(x u
2
0 )为(2.125 0.0041)
n
（2）若 未知
解：作变换
yi
xi
100, a
100,
y
1 n
i
yi
1 5
0
0
x a y 100
sx2
sy2
1 n
i
yi 2
2
y
1 5
[(8)2
(6)2
32
52
62 ]
0
34
3.设X1,X2,…,Xn是参数为的泊松分布的母体 的一个子样，是子样平均数，试求EX 和 X
D解：x。:
p( ),
Ex
E(1 n
a
cyi
xi (a cyi ), nx na cn y, x a c y
i
i
而sx2
1 n
i
( xi
x)2
1 n
i
(a
cyi
a
c
y)2
c2 n
i
( yi y)2 c2sy2
2. 在五块条件基本相同的田地上种植某种 农作物，亩产量分别为92，94，103，105， 106（单位：斤），求子样平均数和子样方 差。
i
( xi )2 i
i
yi 2
应用数理统计第一章数理统计的基本概念
设 ( X1 , X 2 ,, X n )为总体 X 的一个
T 样本， ( X1, X 2 ,, X n ) 为 ( X1 , X 2, , X n )
的函数，且除依赖于样本外，不依赖于 任何其它的未知量。 则 T ( X1 , X 2 ,, X n ) 称为统计量.
23
例5 设X～N(μ,σ2),μ已知,σ>0未知, (X1，X2,…,Xn)为X的一个样本。则
总体:数量指标 X 所有可能值的全体 个体:数量指标 X 的每一个值 X 可以是一维，也可以是多维 例1 研究某厂生产的一批灯泡使用寿命 例2 研究北京理工大学学生的身高和体重
3
由于每个个体的出现是随机的， 所以相应的数量指标的出现也带有 随机性. 从而可以把这种数量指标
看作一个随机变量.
因此，随机变量的分布就是该数 量指标在总体中的分布.
13
总体(理论分布)？
样本
样本观察值
统计是从手中已有的资料—样本观察 值，去推断总体的情况---总体分布F(x) 的性质. 样本 是联系二者的桥梁
14
2 样本分布
(1)设总体X的分布函数 F ( x) P( X x)
( X1 , X 2 ,, X n ) 的联合分布函数
F x1 , x2 ,, xn P X1 x1 , X 2 x2 ,, X n xn
2
解:由于X N (, ), 其概率密度函数为
2
( x )2 1 f ( x; , 2 ) exp 2 2 2
17
因此，样本 ( X1, X 2 ,, X n ) 的联合概率密 度函数为
f ( xi ; , 2 )
i 1 n
概率论与数理统计第一章习题参考答案
1第一章 随机事件及其概率1．解：（1）{}67,5,4,3,2=S （2）{} ,4,3,2=S （3）{} ,,,TTH TH H S =（4）{}6,5,4,3,2,1,,T T T T T T HT HH S = 2．解：81)(,21)(,41)(===AB P B P A P\)()()()(AB P B P A P B A P -+= 85812141=-+=)()()(AB P B P B A P -==838121=-= 87811)(1)(=-=-=AB P AB P)])([(AB B A P )]()[(AB B A P -=)()(AB P B A P -= )(B A AB Ì 218185=-=3．解：用A 表示事件“取到的三位数不包含数字1” 2518900998900)(191918=´´==C C C A P4、解：用A 表示事件“取到的三位数是奇数”，用B 表示事件“取到的三位数大于330330””(1)455443)(2515141413´´´´==A C C C C A P =0.482）455421452)(251514122512´´´´+´´=+=A C C C A C B P =0.485、解：用A 表示事件“表示事件“44只中恰有2只白球，只白球，11只红球，只红球，11只黑球”， 用B 表示事件“表示事件“44只中至少有2只红球”， 用C 表示事件“表示事件“44只中没有只白球”只中没有只白球” （1）412131425)(C C C C A P ==495120=338（2）4124838141)(C C C C B P +-==16567495201= 或16567)(4124418342824=++=C C C C C C B P（3）99749535)(41247===CC C P6．解：用A 表示事件“某一特定的销售点得到k 张提货单”张提货单” nkn k n MM C A P --=)1()(7、解：用A 表示事件“表示事件“33只球至少有1只配对”，用B 表示事件“没有配对”表示事件“没有配对” （1）3212313)(=´´+=A P 或321231121)(=´´´´-=A P（2）31123112)(=´´´´=B P8、解、解 1.0)(,3.0)(,5.0)(===AB P B P A P（1）313.01.0)()()(===B P AB P B A P ，515.01.0)()()(===A P AB P A B P7.01.03.05.0)()()()(=-+=-+=AB P B P A P B A P)()()()()()]([)(B A P AB P B A P AB A P B A P B A A P B A A P ===757.05.0==717.01.0)()()()])([()(====B A P AB P B A P B A AB P B A AB P1)()()()]([)(===AB P AB P AB P AB A P AB A P（2）设{}次取到白球第i A i = 4,3,2,1=i则)()()()()(32142131214321A A A A P A A A P A A P A P A A A A P =0408.020592840124135127116==´´´=9、解： 用A 表示事件表示事件“取到的两只球中至少有“取到的两只球中至少有1只红球”，用B 表示事件表示事件“两只都是红球”“两只都是红球”方法1651)(2422=-=C C A P ，61)(2422==C C B P ，61)()(==B P AB P516561)()()(===A P AB P A B P方法2 在减缩样本空间中计算在减缩样本空间中计算在减缩样本空间中计算 51)(=A B P1010、解：、解：A 表示事件“一病人以为自己得了癌症”，用B 表示事件“病人确实得了癌症”表示事件“病人确实得了癌症” 由已知得，%40)(%,10)(%,45)(%,5)(====B A P B A P B A P AB P （1）B A AB B A AB A 与,=互斥互斥5.045.005.0)()()()(=+=+==\B A P AB P B A AB P A P同理同理15.01.005.0)()()()(=+=+==B A P AB P B A AB P B P （2）1.05.005.0)()()(===A P AB P A B P（3）2.05.01.0)()()(,5.05.01)(1)(====-=-=A P B A P A B P A P A P（4）17985.045.0)()()(,85.015.01)(1)(====-=-=B P B A P B A P B P B P（5）3115.005.0)()()(===B P AB P B A P1111、解：用、解：用A 表示事件“任取6张，排列结果为ginger ginger””92401)(61113131222==A A A A A A P1212、、解：用A 表示事件“A 该种疾病具有症状”，用B 表示事件“B 该种疾病具有症状”由已知2.0)(=B A P3.0)(=B A P 1.0)(=AB P （1）,B A AB B A B A S=且B A AB B A B A ,,,互斥互斥()6.01.03.02.0)()()(=++=++=\AB P B A P B A P B A P4.06.01)(1)()(=-=-==B A P B A P B A P ()()()4.0)(1=---=AB P B A P B A P B A P（2）()()()6.01.03.02.0)(=++=++=AB P B A P B A P AB B A B A P（3）B A AB B =， B A AB ,互斥互斥4.03.01.0)()()()(=+=+==B A P AB P B A AB P B P )()()(])[()(B P AB P B P B AB P B AB P ==414.01.0==1313、解：用、解：用i A 表示事件“讯号由第i 条通讯线输入”，,4,3,2,1=i B 表示“讯号无误差地被接受”接受”;2.0)(,1.0)(,3.0)(,4.0)(4321====A P A P A P A P9998.0)(1=A B P ，9999.0)(2=A B P ，,9997.0)(3=A B P 9996.0)(4=A B P 由全概率公式得由全概率公式得9996.02.09997.01.09999.03.09998.04.0)()()(41´+´+´+´==å=ii iA B P A P B P99978.0=1414、、解：用A 表示事件“确实患有关节炎的人”，用B 表示事件“检验患有关节炎的人”由已知由已知1.0)(=A P ，85.0)(=A B P ，04.0)(=A B P ， 则9.0)(=A P ，85.0)(=A B P ，96.0)(=A B P ， 由贝叶斯公式得由贝叶斯公式得 017.096.09.015.01.015.01.0)()()()()()()(=´+´´=+=A B P A P A B P A P A B P A P B A P1515、解：用、解：用A 表示事件“程序交与打字机A 打字”，B 表示事件“程序交与打字机B 打字”， C 表示事件“程序交与打字机C 打字”；D 表示事件“程序因计算机发生故障被打坏”坏”由已知得由已知得6.0)(=A P ，3.0)(=B P ，1.0)(=C P ； 01.0)(=A D P ，05.0)(=B D P ，04.0)(=C D P由贝叶斯公式得由贝叶斯公式得)()()()()()()()()(C D P C P B D P B P A D P A P A D P A P D A P ++=24.025604.01.005.03.001.06.001.06.0==´+´+´´=)()()()()()()()()(C D P C P B D P B P A D P A P B D P B P D B P ++=6.05304.01.005.03.001.06.005030==´+´+´´=)()()()()()()()()(C D P C P B D P B P A D P A P C D P C P D A P ++=16.025604.01.005.03.001.06.004.01.0==´+´+´´=1616、解：用、解：用A 表示事件“收到可信讯息”，B 表示事件“由密码钥匙传送讯息”表示事件“由密码钥匙传送讯息”由已知得由已知得 95.0)(=A P ，05.0)(=A P ，1)(=A B P ，001.0)(=A B P由贝叶斯公式得由贝叶斯公式得999947.0001.005.0195.0195.0)()()()()()()(»´+´´=+=A B P A P A B P A P A B P A P B A P1717、解：用、解：用A 表示事件“第一次得H ”，B 表示事件“第二次得H ”， C 表示事件“两次得同一面”表示事件“两次得同一面”则,21)(,21)(==B P A P ,21211)(2=+=C P ,4121)(2==AB P ,4121)(2==BC P ,4121)(2==AC P )()()(),()()(),()()(C P A P AC P C P B P BC P B P A P AB P ===\C B A ,,\两两独立两两独立而41)(=ABC P ，)()()()(C P B P A P ABC P ¹C B A ,,\不是相互独立的不是相互独立的1818、解：用、解：用A 表示事件“运动员A 进球”，B 表示事件“运动员B 进球”， C 表示事件“运动员C 进球”，由已知得由已知得5.0)(=A P ，7.0)(=B P ，6.0)(=C P 则5.0)(=A P ，3.0)(=B P ，4.0)(=C P （1）{})(C B A C B A C B A P P =恰有一人进球)()()(C B A P C B A P C B A P ++= （C B A C B A C B A ,,互斥）互斥） )()()()()()()()()(C P B P A P C P B P A P C P B P A P ++=相互独立）C B A ,,(29.06.03.05.04.07.05.04.03.05.0=´´+´´+´´=（2）{})(C B A BC A C AB P P =恰有二人进球)()()(C B A P BC A P C AB P ++= （C B A BC A C AB ,,互斥）互斥） )()()()()()()()()(C P B P A P C P B P A P C P B P A P ++= 相互独立）C B A ,,(44.06.03.05.06.07.05.04.07.05.0=´´+´´+´´= （3）{})(C B A P P =至少有一人进球)(1C B A P -= )(1C B A P -=)()()(1C P B P A P -=相互独立）C B A ,,( 4.03.05.01´´-=94.0= 1919、解：用、解：用i A 表示事件“第i 个供血者具有+-RHA 血型”， ,3,2,1=iB 表示事件“病人得救”表示事件“病人得救”,4321321211A A A A A A A A A A B=4321321211,,,A A A A A A A A A A 互斥，i A （ ,3,2,1=i ）相互独立）相互独立 ()()(1P A P B P +=\+)21A A )()(4321321A A A A P A A A P +8704.04.06.04.06.04.06.04.032=´+´+´+=2020、解：设、解：设i A 表示事件“可靠元件i ” i=1,2,3,4,5 ，B 表示事件“系统可靠”由已知得p A P i =)(1,2,3,4,5)(i = 54321,,,,A A A A A 相互独立相互独立法1：54321A A A A A B =)()(54321A A A A A P B P =\()()()()()()542154332154321A A A A P A A A P A A A P A A P A P A A P ---++=()54321A A A A A P +543322p p p p p p p +---++= ()相互独立54321,,,,A A A A A543222p p p p p +--+=法2：)(1)(54321A A A A A P B P -=)()()(154321A A P A P A A P -= ()相互独立54321,,,,A A A A A()()]1][1)][(1[154321A A P A P A A P ----=()()()]1][1)][()(1[154321A P A P A P A P A P ----=()相互独立54321,,,,A A A A A()()()221111pp p----=543222p p p p p +--+=2121、解：令、解：令A ：“产品真含杂质”，A ：“产品真不含杂质”“产品真不含杂质” 则4.0)(=A P ，6.0)(=A P2.08.0)|(223´´=C A B P 9.01.0)|(223´´=C A B P \)()|()()|()(A P A B P A P A B P B P +=6.09.01.04.02.08.0223223´´´+´´´=C C\)()|()()|()()|()()()|(A P A B P A P A B P A P A B P B P AB P B A P +==905.028325660901********.02.08.0223223223»=´´´+´´´´´´=C C C第二章习题答案 1、{}()4.04.011´-==-k k Y Pk=1,2,… 2、用个阀门开表示第i A i))()()()()(())((}0{32321321A P A P A P A P A P A A A P X P -+=== 072.0)2.02.02.02.0(2.0=´-+=23213218.02.0)04.02.02.0(8.0])([}1{´+-+===A A A A A A P X P416.0=512.08.0)(}2{3321====A A A P X P 3、()2.0,15~b X{}kkk C k X P -´==15158.02.0 k=0,1,2,……,15（1）{}2501.08.02.03123315=´==C X P（2）{}8329.08.02.08.02.01214115150015=´-´-=³C C X P（3）{}6129.08.02.08.02.08.02.031123315132215141115=´+´+´=££C C C X P（4）{}0611.08.02.01551515=´-=>å=-k kkk C X P4、用X 表示5个元件中正常工作的个数个元件中正常工作的个数9914.09.01.09.01.09.0)3(54452335=+´+´=³C C X P5、设X={}件产品的次品数8000 则X~b(8000,0.001)由于n 很大，P 很小，所以利用)8(p 近似地～X {}3134.0!8768==<å=-k k k eX P6、(1)X~p (10){}{}0487.09513.01!101151151510=-=-=£-=>\å=-k k k eX P X P (2)∵ X~p ( l ) {}{}!01010210ll --==-=>=\e X P X P{}210==\X P21=\-le7.02ln ==\l {}{}1558.08442.01!7.0111217.0=-=-=£-=³\å=-k k k eX P X P或{}{}{}2ln 2121!12ln 21110122ln -=--==-=-=³-e X P X P X P 7、)1( )2(~p X 1353.0!02}0{22====--e e X P )2( 00145.0)1()(24245=-=--eeC p)3( 52)!2(å¥=-=k kk e p8、(1) 由33)(11312k x k dx kx dx x f ====òò¥+¥- 3=\k（2）{}()2713331331231====£òò¥-xdx x dx x f X P（3）64764181321412141321412=-===þýüîí죣òxdx x X P（4）271927813)(321323132232=-====þýüîíì>òò¥+xdx x dx x f X P9、方程有实根04522=-++X Xt t ，则，则 0)45(4)2(2³--=D X X 得.14£³X X 或 有实根的概率有实根的概率937.0003.0003.0}14{104212=+=£³òòdx x dx x X X P10、)1( 005.01|100}1{200110200200122»-=-==<---òeedx ex X P x x)2(=>}52{X P 0|100200525220020052222»-=-=-¥--¥òeedx exx x)3( 25158.0}20{}26{}20|26{200202002622==>>=>>--ee X P X P X X P 11、解：、解： （1）{}()275271942789827194491)(12132121=+--=÷øöçèæ-=-==>òò¥+x x dx x dx x f X P（2）Y~b(10，275){}kk kC k Y P -÷øöçèæ´÷øöçèæ==10102722275k=0,1,2,……,10（3）{}2998.027*******2210=÷øöçèæ´÷øöçèæ==C Y P{}{}{}1012=-=-=³Y P Y P Y P 5778.027222752722275191110100210=÷øöçèæ÷øöçèæ-÷øöçèæ´÷øöçèæ-=C C 12（1）由()()òòò++==-+¥¥-10012.02.01dy cy dy dy y f24.0)22.0(2.01201c y c y y +=++=-2.1=\c ()ïîïíì£<+£<-=\其它102.12.0012.0y yy y f ()()ïïïïîïïïïíì³+<£++<£--<==òòòòòò--¥-¥-12.12.0102.12.02.0012.010)()(100011y dyy y dy y dy y dt y dtdt t f y F y yyyYïïîïïíì³<£++<£-+-<=11102.02.06.0012.02.0102y y y y y y y{}()()25.02.05.06.05.02.02.005.05.002=-´+´+=-=££F F Y P {}()774.01.06.01.02.02.011.011.02=´-´--=-=>F Y P {}()55.05.06.05.02.02.015.015.02=´-´+-=-=>F Y P{}{}{}{}{}7106.0774.055.01.05.01.01.0,5.01.05.0==>>=>>>=>>\Y P Y P Y P Y Y P Y Y P(2) ()()ïïïîïïïíì³<£+<£<==òòòò¥-41428812081002200x x dtt dt x dt x dt t f x F xxxïïïîïïïíì³<£<£<=4142162081002x x x x xx{}()()167811691331=-=-=££F F X P{}()16933==£F X P{}{}{}9716916733131==£££=£³\X P X P X X P 13、解：{}111,-´===n nj Y i X Pn j i j i ，¼¼=¹,2,1,,{}0,===i Y i X P 当n=3时，（X ，Y ）联合分布律为）联合分布律为14、)1(2.0}1,1{===Y X P ，}1,1{}0,1{}1,0{}0,0{}1,1{==+==+==+===££Y X P Y X P Y X P Y X P Y X P42.020.004.008.010.0=+++= )2( 90.010.01}0,0{1=-===-Y X P)3(}2,2{}1,1{}0,0{}{==+==+====Y X P Y X P Y X P Y X P60.030.020.010.0=++= }0,2{}1,1{}2,0{}2{==+==+====+Y X P Y X P Y X P Y X P28.002.020.006.0=++= 15、()()()88104242c ee cdxdy ce dx x f yx y x =-×-===+¥-+¥-+¥+¥+-+¥¥-òòò8=\c{}()()()4402042228,2-+¥-+¥-+¥+-+¥>=-×-===>òòòòe ee dy edxdxdy y x f X P yyxx y x xY X 1 2 31 0 1/6 1/62 1/6 0 1/6 31/6 1/6 0D ：xy x ££¥<£00{}()òò>=>yx dxdy y x f Y X P ,()()dx e e dy edxx yx xy x 0402042028-+¥-+-+¥-×==òòò()ò¥++¥----=÷øöçèæ-=+-=2626323122x x xxe e dx eeD ：xy x -££££101{}()dy edxY X P xyx òò-+-=<+10421081 ()()òò------=-=1422101042222dx eedx eex xx yx()()22104221----=--=e e ex x16、（1）61)2(122=-=òdx x x s ， îíìÎ=其他,0),(,6),(G y x y x f（2）îíì<<==ò其他,010,36)(2222x x dy x f x xXïïïîïïíì<£-=<<-==òò其他,0121),1(66210),2(66),(12y y yY y y dx y y y dx y x f17、（1）Y X0 1 2 P{X=x i } 0 0.10 0.08 0.06 0.24 1 0.04 0.20 0.14 0.38 20.02 0.06 0.300.38 P{Y=y i } 0.16 0.34 0.501（2）D ：+¥<£+¥<£y x x 0或：yx y <£+¥<£00()()ïîïíì£>==\òò+¥-¥+¥-00,x x dye dy y xf x f xy Xîíì£>=-00x x e x()()ïîïíì£>==òò-¥+¥-00,0y y dxe dx y xf y f yy Yîíì£>=--00y y ye y22、（1）Y 1 Y 2 -11-14222qq q =×()q q-124222qq q =×()q q-12()21q -()q q-1214222qq q =×()q q-124222qq q =×且{}{}{}{}1,10,01,121212121==+==+-=-===Y Y P Y Y P Y Y P Y YP()12234142222+-=+-+=q qqqq（2）{}10.00,0===Y X P{}{}0384.000==×=Y P X P 又 {}0,0==Y X P {}{}00=×=¹Y P X P∴X 与Y 不相互独立不相互独立23、()1,0~U X ()ïîïíì<<=其它2108y yy f Y且X 与Y 相互独立相互独立则()()()ïîïíì<<<<=×=其它0210,108,y x yy f x f y x f Y XD ：1210<£<£x y y32|)384()8(8}{21032212=-=-==>òòò>y y dy y y ydxdy Y X P yx24X-2-11 3 k p51 61 51151301112+=X Y 52 1 2 10Y 12 510k p5115161+513011即Y 12 5 10 k p5130751301125、U=|X|，当0)|(|)()(0=£=£=<y X P y Y P y F y U时，1)(2)()()()|(|)()(0-F =--=££-=£=£=³y y F y F y X y P y X P y Y P y F y X X U 时，当故ïîïíì<³==-0,00,2)(||22y y e y f X U y U p的概率概率密度函数为26、（1）X Y =，当0)()()(0=£=£=<y X P y Y P y F y Y 时，)()()()()(022y F y X P y X P y Y P y F y X Y =£=£=£=³时，当故 ïîïíì<³==-0,00,2)(2y y ye y f X Y y Y 的概率概率密度函数为（2）)21(+=X Y ，当0)21()()(0=£+=£=£y X P y Y P y F y Y 时，1)(1)12()12()21()()(01=³-=-£=£+=£=>>y F y y F y X P y X P y Y P y F y Y X Y 时，当时，当故 ïîïíì>>=+=其他的概率概率密度函数为,001,21)(21y y f X Y Y（3）2X Y =，当0)()()(02=£=£=£y X P y Y P y F y Y 时，)()()()()()(02y F y F y X y P y XP y Y P y F y X X Y --=££-=£=£=>时，当故 ïîïíì£>==-0,00,21)(22y y e yy f X Y y Y p 的概率概率密度函数为27、()()ïîïíì<<+=其它201381x x x f X()()p p 4,02,02Î=ÞÎx y x 当y 0£时,()0=y F Yp 40<<y (){}þýüîí죣-=£=p p p y X yP y X P y F Y2()()òò+==-pppyyyx dx x dx x f 01381p 4³y()()113812=+=þýüîí죣-=òdx x y X yP y F Y p p时当p 4,0¹¹\y y ()()ïîïíì><<<×÷÷øöççèæ+×==pp p p 4,0040211381'y y y y yy F y f Y Y()ïîïíì<<+=\其它40161163p p p y yy f Y28、因为X 与 Y 相互独立，且服从正态分布),0(2s N2222221)()(),(sp sy x Y X ey f x f y x f +-==由知，22Y XZ+=0)(0=£z f z Z 时，当时，当0>z òò----=xxx z x z Z z F 2222)(2222221spsy x e+-dydx=2222220202121sspq p sz r zedr rd e---=òòïîïíì³=-其他,0,)()2(222z ez z f z Z ss29、ïîïíì<<-=其他,011,21)(x x f X))1arctan()1(arctan(21)1(21)()()(112--+=+=-=òò+-¥¥-z z dy y dy y f y z f z f z z Y X Z pp30、0)(0=£z f z Z时，当时当0>z2)()()(2302)(z e dy ye edy y f y z f z f zyzyz YX Zll l l l l ----¥¥-==-=òò31、îíì<<=其他,010,1)(x x f X ， íì<<=其他,010,1)(y y f Y ，ïïîïïí죣-=<£==-=òòò-¥¥-其他,021,210,)()()(110z zY X Z z z dy z z dy dy y f y z f z f32 解（1）()()îíì£>=ïîïíì£>==---¥+¥-òò00030023,3203x x e x x dye dy y xf x fxxX()()ïîïí죣=ïîïí죣==òò¥+-¥+¥-其它其它20212023,03y y dx e dx y x f y f xY（2）()()îíì>-£=ïîïíì>£==--¥-òò100030303x e x x dt e x dt t f x F xx txX X()()ïïîïïíì³<£<=ïïîïïíì³<£<==òò¥-21202121202100y y yy y y dt y dt t f y F y yY Y ()(){}()()Z F Z F Z Y X P Z FY X ×=£=\,max max ()ïïîïïíì³-<£-<=--21201210033z e z z ez Z z（3）()÷øöçèæ-=þýüîíìì£<211121max max F F Z P ()21121121233×÷÷øöççèæ---=--e e 233412141--+-=ee33、（1）ïîïíì<<=其他率密度为）上服从均匀分布，概，在（,00,1)(10l x lx f X X（2）两个小段均服从上的均匀分布),0(l ,ïîïíì<<=其他,010,1)(1x lx f X),m i n (21X X Y =, 2)1(1)(ly y F Y --=ïîïíì<<-=其他,00,)(2)(2l y l y l y f Y 34、（1）U 的可能取值是0，1，2，31201}2,3{}1,3{}0,3{}3{12029}2,1{}2,0{}2,2{}1,2{}0,2{}2{32}1,1{}0,1{}1,0{}1{121}0,0{}0{===+==+=======+==+==+==+=======+==+=========Y X P Y X P Y X P U P Y X P Y X P Y X P Y X P Y X P U P Y X P Y X P y X P U P Y X P U P U 0 1 2 3 P12132120291201(2) V 的可能取值为0,1,2}2{4013}1,3{}1,2{}2,1{}1,1{}1{4027}0,3{}0,2{}0,1{}2,0{}1,0{}0,0{}0{=====+==+==+=======+==+==+==+==+====V P Y X P Y X P Y X P Y X P V P Y X P Y X P Y X P Y X P Y X P Y X P V PV 0 1 2 P40274013(3) W 的可能取值是0，1，2，3，4，5 0}5{}4{121}2,1{}1,2{}0,3{}3{125}2,0{}1,1{}0,2{}2{125}1,0{}0,1{}1{121}0,0{}0{=======+==+=======+==+=======+=========W P W P Y X P Y X P Y X P W P Y X P Y X P Y X P W P Y X P Y X P W P Y X P W PW 0 1 2 3 P121125125121概率统计第三章习题解答1、52}7{,51}6{}5{}4{========X P X P X P X P529)(=X E2、2914}7{,296}6{,295}5{,294}4{========Y P Y P Y P Y P29175)(=Y E 3、设X 为取到的电视机中包含的次品数，为取到的电视机中包含的次品数， 2,1,0,}{3123102===-k CC C k X P kkX 0 1 2 p k 221222922121)(=X E4、设X 为所得分数为所得分数 5,4,3,2,1,61}{===k k X P 12,11,10,9,8,7,361}{===k k X P1249)(=X E5、（1）由}6{}5{===X P X P ，则，则l l l l --=e e !6!565 解出6=l ，故6)(==l X E（2）由于åå¥=-¥=--=-11212211)1(66)1(k k k k kkkpp 不是绝对收敛，则)(X E 不存在。
概率论与数理统计第一章课件
所有样本点的平均值
样本方差
描述样本点离散程度的量
无偏估计
样本统计量的值等于总体参数的真实值
t分布与F分布
t分布
用于描述小样本数据的分布情况，也 称学生t分布
F分布
用于描述两个比例的方差之间的比例 关系
04
参数估计
点估计与估计量
点估计
用样本统计量来估计未知参数的 过程。
估计量
用于估计未知参数的样本统计量。
假设检验的分类单侧检验、双侧检验。来自 单侧与双侧检验单侧检验
01
只关注参数的一个方向是否满足假设，如检验平均值是否大于
某个值。
双侧检验
02
关注参数的两个方向是否满足假设，如检验平均值是否在两个
值之间。
单侧与双侧检验的选择
03
根据实际问题需求和数据特征选择合适的检验方式。
显著性检验与P值
显著性检验
通过比较样本数据与理论分布，判断样本数据是否显著地偏离理 论分布。
P值
观察到的数据或更极端数据出现的概率，用于判断是否拒绝或接 受假设。
P值的解读
P值越小，表明数据越显著地偏离理论分布，假设越可能不成立。
第一类错误与第二类错误
1 2
第一类错误
拒绝实际上成立的假设，也称为假阳性错误。
第二类错误
接受实际上不成立的假设，也称为假阴性错误。
3
错误率控制
通过调整临界值的大小，可以控制第一类错误和 第二类错误的概率，从而实现错误率控制。
通过参数估计，还可以对生产过 程进行实时监控和预警，及时发 现并解决生产中的问题，保证生
产的稳定性和可靠性。
假设检验在医学研究中的应用
假设检验是数理统计中的一种 重要方法，在医学研究中有着
《概率论与数理统计》第一章知识点
第一章随机事件及概率1.1随机事件1.1.1随机试验一、人在实际生活中会遇到两类现象：1.确定性现象：在一定条件下实现与之其结果。
2.随机现象（偶然现象）：在一定条件下事先无法预知其结果的现象。
二、随机试验满足条件：1.实验可以在相同条件写可以重复进行；（可重复性）2.事先的所有可能结果是事先明确可知的；（可观察性）3.每次实验之前不能确定哪一个结果一定会出现。
（不确定性）1.1.2样本空间1.样本点：每次随机试验E 的每一个可能的结果，称为随机试验的一个样本点，用w 表示。
2.样本空间：随机试验E 的所有样本点组成的集合成为试验E 的样本空间。
1.1.3随机事件1.随机事件：一随机事件中可能发生也可能不发生的事件称为试验的随机事件。
2.基本事件：试验的每一可能的结果称为基本事件。
一个样本点w 组成的单点集{w}就是随机试验的基本事件。
3.必然事件：每次实验中必然发生的事件称为必然事件。
用Ω表示。
样本空间是必然事件。
4.不可能事件：每次试验中不可能发生的事件称为不可能事件，用空集符号表示。
1.1.4事件之间的关系和运算1.事件的包含及相等“如果事件A 发生必然导致事件B 发生”，则称事件B 包含事件A ，也称事件A 是B 的子事件，记作A B B A ⊃⊂或。
2.事件的和（并⋃）“事件A 与B 中至少有一个事件发生”，这样的事件称为事件A 与B 的和事件，记作B A 。
3.事件的积（交⋂）“事件A 与B 同时发生”，这样的事件称作事件A 与B 的积（或交）事件，记作AB B A 或 。
4.事件的差“事件A 发生而事件B 不发生”，这样的事件称为事件A 与B 的差事件，记作A-B 。
5.事件互不相容（互斥事件）“事件A 与事件B 不能同时发生”，也就是说，AB 是一个不可能事件，即=AB 空集，即此时称事件A 与事件B 是互不相容的（或互斥的）6.对立事件“若A 是一个事件，令A A -Ω=,称A 是A 的对立事件，或称为事件A 的逆事件”事件A 与事件A 满足关系：=A A 空集，Ω=A A 对立事件一定是互斥事件；互斥事件不一定是对立事件。
考研数学(三)概率论与数理统计第一章复习重点总结
2018考研数学（三）：概率论与数理统计第一章复习重点总结一、第一章随机事件与概率1.重点：概率的定义与性质，条件概率与概率的乘法公式，事件之间的关系与运算，全概率公式与贝叶斯公式。
2.难点：随机事件的概率，乘法公式、全概率公式、Bayes公式以及对贝努利概型的事件的概率的计算。
3.常考题型事件、概率与独立性是本章给出的概率论中最基本、最重要的三个概念。
事件关系及其运算是本章的重点和难点，概率计算是本章的重点。
注意事件与概率之间的关系。
本章主要考查随机事件的关系和运算，概率的性质、条件概率和五大公式，注意事件的独立性。
近几年单独考查本章的试题相对较少，但是大多数考题中将本章的内容作为基本知识点来考查。
相当一部分考生对本章中的古典概型感到困难。
大纲只要求对古典概率和几何概率会计算一般难度的题型就可以。
考生不必可以去做这方面的难题，因为古典型概率和几何型概率毕竟不是重点。
应该将本章重点中的有关基本概念、基本理论和基本方法彻底理解和熟练掌握。
【评注】本题是典型的根据全概率公式及条件概率的解题的题型，这类题型一直都是考查的重点。
三、注意事项与线性代数一样，概率也比高数容易，花同样的时间复习概率也更为划算。
但与线代一样，概率也常常被忽视，有时甚至被忽略。
一般的数学考研参考书是按高数、线代、概率的顺序安排的，概率被放在最后，复习完高数和线代以后有可能时间所剩无多；而且因为前两部分分别占60%和20的分值，复习完以后多少会有点满足心理；这些因素都可能影响到概率的复习。
概率这门课如果有难点就应该是“记忆量大”。
在高数部分，公式、定理和性质虽然有很多，但其中相当大一部分都比较简单，还有很多可以借助理解来记忆；在线代部分，需要记忆的公式定理少，而需要通过推导相互联系来理解记忆的多，所以记忆量也不构成难点；但是在概率中，由大量的概念、公式、性质和定理需要记清楚，而且若靠推导来记这些点的话，不但难度大耗时多而且没有更多的用处（因为概率部分考试时对公式定理的内在推导过程及联系并没有什么要求，一般不会在更深的层次上出题）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数理统计学•主讲人: 沈玉波
•办公室地址: 校本部，大黑楼B1005
•办公室电话: 84708351-8205
•E-mail: shenyubo@
•大连理工大学概率统计教研室
常见的离散型随机变量
1.二项分布：()
p B ，”分布“11-0=()
为参数为自然数，其中10<<p n ().的二项分布，服从参数为则称随机变量p n X 显然，当n=1 时
()
()
n k p p C k X P k
n k
k n
，，， 101)(=-==-()
p n B X ，记作~如果随机变量X 的分布律为
()
∑=--n
k k
n k
k
n
p p C
1()[]1
1=-+=n
p p
4.帕斯卡分布(负二项分布)
如果随机变量X 的分布律为
()
，，21,)
1()(11
++=-==---r r r k p
p C k X P r
r
k r k ()
为常数
其中10<<
p 则称随机变量X 服从参数为r , p 的帕斯卡分布．
)
B(r,~p N X 记为：
1）独立重复试验，第r 次成功时实验次数的分布律。
则
独立同分布，且已知),(~,,,)221p G X X X X i r )
,(~21p r NB X X X r +++
1. 概念设X 是一个随机变量，x 是任意实数，函数
)
()(x X P x F ≤=称为X 的分布函数．
2. 分布函数的性质
1
)(0,)
1≤≤∈x F R x 1
)(lim )(,0)(lim )()2==∞==-∞∞
→-∞
→x F F x F F x x 分布函数
.
)(),()0()5是右连续的即x F x F x F =+3) F (x ) 是一个不减的函数．
)()(}{)41221x F x F x X x P -=≤<。