概率论3-2、3
概率论3
P AB PB | AP A
5.3
例3 已知 P( A) 0.5, P( B) 0.6, P( B / A) 0.8.
求 P( AB)与P( A B )
例4 设袋中有r只红求,t只白球.每次自袋中任 取一只球,观察其颜色然后放回,并再放入a只 与所取出的那只球同色的球.若在袋中连续取 球四次,试求第一、二次取到红球且求第三、 四次取到白球的概率.
PBi | A PA | Bi PBi
j j
5.6
5 .7
PA | B PB
j 1
n
i 1,2,,n
P A P A | B 1 P B 1 P A | B 2 P B 2 P A | B n P B n
P( A) P( B) P( A / B) P( B ) P( A / B )
例1 某电子设备制造厂所用的元件是由三家元件 制造厂提供的.根据以往的记录有以下数据:
元件制造厂 1 2 3 次品率 0.02 0.01 0.03 提供元件的份额 0.15 0.80 0.05
设这三家工厂的产品在仓库中是均匀混合的, 且无区别的标志.(1)在仓库中随机地取一只元件, 求它是次品的概率;(2)在仓库中随机地取一只元件, 若已知取到的是次品,分析此次品出自何厂,需求出 由三家工厂生产的概率分别是多少.试求这些概率.
二 乘法定理
乘法定理 其意义是… (5.3)式容易推广到多个事件的情况.
P A1 A2 An PAn A1 A2 An 1 PAn 1 A1 A2 An 2 PA2 A1 P A1 其 中 P A1 A2 An 1 0
设P(A)>0，则有
注 对 任 一 事 件 A, A与 A 构 成 样 本 空 间 Ω 的一个分划。
《概率论与数理统计》3-3 边缘分布
2
2
2
1 arctan x 2
同理 ,
x ,
1 FY y lim F x, y 2 arctan y x 2 2 2
求 :⑴ C , ⑵ P X Y 1 . 解 又 ⑴由性质 :
x, y D,
其它 ,
f x, y d 1.
y
2 1
D1
O
1
x
f x, y d 0 dx0 Cxydy
1 1 2 C x y dx 2C xdx 0 2 0 0 1 2
P X ,Y D f x, y dxdy.
D
注: 注意分块积分. 只对密度函数为正的部分积分.
例1 设 D 是由 x 0, y 0, x 1, y 2 所围成的平面区
域 , 二维随机变量 X , Y 的联合概率密度函数为:
Cxy f x, y 0
fY y
所以
f x, y dx y 1dx 2 2 y,
0 y 1,
其它 .
2 y
2 2 y fY y 0
y
1 yx
y 2 x
O
1
2x
2 , , 定理 3.6 设 X , Y ~ N 1 , 2 , 12 , 2
2 1
,Y
.
证明 :
f X x
y 2
概率论与数理统计第三章习题及答案
概率论与数理统计习题 第三章 多维随机变量及其分布习题3-1 盒子里装有3只黑球、2只红球、2只白球，在其中任取4只球.以X 表示取到黑球的只数，以Y 表示取到红球的只数，求X 和Y 的联合分布律.（X ，Y ）的可能取值为(i , j )，i =0，1，2，3， j =0，12，i + j ≥2，联合分布律为 P {X=0, Y=2 }=351472222=C C C P {X=1, Y=1 }=35647221213=C C C C P {X=1, Y=2 }=35647122213=C C C C P {X=2, Y=0 }=353472223=C C C P {X=2, Y=1 }=351247121223=C C C C P {X=2, Y=2 }=353472223=C C C P {X=3, Y=0 }=352471233=C C C P {X=3, Y=1 }=352471233=C C C P {X=3, Y=2 }=0习题3-2 设随机变量),(Y X 的概率密度为⎩⎨⎧<<<<--=其它,0,42,20),6(),(y x y x k y x f（1） 确定常数k ； （2） 求{}3,1<<Y X P （3） 求{}5.1<X P ； （4） 求{}4≤+Y X P . 分析：利用P {(X , Y)∈G}=⎰⎰⎰⎰⋂=oD G Gdy dx y x f dy dx y x f ),(),(再化为累次积分，其中⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧<<<<=42,20),(y x y x D o解：（1）∵⎰⎰⎰⎰+∞∞-+∞∞---==2012)6(),(1dydx y x k dy dx y x f ，∴81=k （2）83)6(81)3,1(321⎰⎰=--=<<dy y x dxY X P （3）3227)6(81),5.1()5.1(425.10=--=∞<≤=≤⎰⎰dy y x dx Y X P X P （4）32)6(81)4(4020=--=≤+⎰⎰-dy y x dxY X P x习题3-3 将一枚硬币掷3次，以X 表示前2次出现H 的次数，以Y 表示3次中出现H 的次数，求Y X ,的联合分布律以及),(Y X 的边缘分布律。
概率论-2-3 常见离散型随机变量的分布
离散型 连续型
随机变量所取的可能值是有限多个或无限 可列个, 叫做离散型随机变量.
随机变量所取的可能值可以连续地充满某个 区间,叫做连续型随机变量.
引入分布的原因
以认识离散随机变量为例, 我们不仅 要知道 X 取哪些值,而且还要知道它 取这些值的概率各是多少,这就需要 分布的概念.有没有分布是区分一般 变量与随机变量的主要标志.
例 某服装商店经理根据以往经验估计每名顾客购买 服装的概率是0.25，在10个顾客中有3个及3个以上顾 客购买服装的概率是多少？最可能有几个顾客购买服 装？
解 设X 表示购买服装的顾客数目，
则 X ~ B(10,0.25)，所以有 3 个及 3 个以上顾客购买服装的概率为
2
P{X 3} 1 P{X k} 2 k0 1 C1k0 (0.25)k (0.75)10k 0.4744 k 0
k 1, 2,
q 1 p
其中，0<p<1，则称X服从参数为p的几何分布，记做
X G( p).
几何分布可作为描述某个试验 “首次成功”的概率模型.
5、超几何分布
如果随机变量X的概率分布为
P{X
k}
CMk
Cnk N M
CNn
(k 0,1, , min(M , n))
其中N,M,n 均为自然数,则称随机变量X服从超几何分 布，记做 X H (M , N, n).
或
X
0
1
pk 1 p
p
则称 X 服从 0-1 分布或两点分布.
例 200件产品中,有190件合格品，10件不合格 品，现从中随机抽取一件，若规定
X
概率论3
P(X 2) 1 P(X 1) 1 P(X 0) P(X 1) 1 C50 0.4500.555 C510.4510.554 1 0.555 5 0.45 0.554 0.744
例3-1 已知发射一枚地对空导弹可“击中”来犯 敌机的概率是0.96，问在同样条件下需发射多少枚 导弹才能保证至少有一枚导弹击中敌机的概率大于 0.999? 解 设需要发射n枚导弹，则击中敌机的导弹数是随机 变量X~B(n,0.96),则
0
1
k
n
X ~ Cn0 p0qn
Cn1 p1qn1
Cnk pk qnk
Cnn
p
n
q0
n
( px q)n
C
k n
pk
q
nk
xk
k 0
n
n
所以， b(k; n, p) Cnk p k q nk ( p 1 q)n 1n 1
k 0
k 0
特别地，n=1时，二项分布为二值分布，其分布列
射手甲在一次射击中得分X的概率分布为：
0 1 2
e1
X ~ 0 0.2 0.8
e2
射手乙在一次射击中得分Y的概率分布为：
Y
~
0 0.6
1 0.3
2 0.1
Y的概率分布(律)为：
0 Y ~ 0.6
1 0.3
2 0.1
计算Y的分布函数F(x)=P(Y<x):
当x≤0时， F(x)=P(Y<x)=P()=0
X=X (w) w
X=X(w0)=0, X=X(w1)=1, X=X(w2)=2, …, X=X(w100)=100 事件“废品数少于50”={w : X (w) <50}
《概率论与数理统计》课件3-2 二维离散型随机变量
++
(2)规范性
pij = 1
i =1 j =1
边缘分布律
+
P X = xi } = P X = xi ,Y < + } = P{X = xi , Y = yj }
j= 1
+
= pij = pi •
j= 1
(i = 1，2， )
+
} } P Y = yj = P X < + ,Y = yj = P{X = xi , Y = yj } i= 1
+
}=
j=1 P{X = xi , Y = yj } =
pij = pi • (i = 1，2，)
j= 1
+
+
P Y = yi } = P X + ,Y = yi } =
P{X = xi , Y = yj }=
pij =
p •j
(j
=
1，2， )
i =1
i =1
3.2- P63— 1 2 3
A
C
B
D
提交
P
XY
( X, Y)X xi }=P{X xi Y
},
j1
pj
pij P{Y yj } P{X
i1
i 1, 2, ,
j 1, 2, ,
Y yi },
pi p j (X,Y)
X
Y
.
Y X
y1
y2
yj
x1
p 11 p 12
x2
p 21 p 22
p1j
p2 j
xi
pp
i1
且满足P{X1X2 = 0} = 1，则 P X1 = X2 } = ( )。
概率论第三章3-2
P( 2) 1 P( 0) P( 1)
广
1 (1 0.45)5 50.45(1 0.45)4
东 工 业
1
大
0.744
学
上页 下页 返回
例10 有 一 大 批 已 知 次 品 率 为0.05的 产 品 ， 现 从 中 随 机 地抽 出10件 来 ， 求 其 中 至 多 只 有 一 件 次品 的 概 率 。
N
注：在同样的条件下，若作“不放回抽样”，即检验过的
产品不放回而抽下一件检验，这样接连抽取 n 件的检验
就不能视作为 n 重贝努利试验。但是，当总量N 很大时，
抽出小数几件不致影响次品率，故而也可将不放回地接连
广 东
抽取n 件（n 远小于 N ）的检验看成是 n 重贝努利试验。
工 业
大
学
上页 下页 返回
人反应为阳性的概率。
解: 设A =“观察一个人对该接种疫苗试验的反应呈阳性”
则A “观察一个人对该种疫苗的反应呈“阴性”，有
~ B(5,0.45) 于是 (1)的 分 布 律 为
P(
k)
5 k
0.45
k
(1
0.45)
5
k
，其
中k
0,1,2,3,4,5;
（3）至少有2人反应为阳性
解 设同时使用外线的分机数为，则 ~ B(99,0.05) .
（1） 由 定 理2， 又(n 1) p (99 1) 0.05 5为 整 数 ， 故 有4个 或5个 分 机 同 时 使 用 外 线 的 概 率 最大 ， 有
b(4;99,0.05)
b(5;99,0.05)
概率论第三章
若二维随机变量（ 若二维随机变量（X,Y）具有概率密度 ） 1 1 x − µ1 2 f (x, y) = exp{− ) 2 [( 2 2(1− ρ ) σ1 2πσ1σ2 1− ρ x − µ1 y − µ2 y − µ2 2 )( ) +( ) ]} − 2ρ( 其中
µ1, µ2,σ1,σ2, ρ
3.1.2、二维随机变量的联合分布函数 、 维随机变量的联合 联合分布函数
二维随机变量（ 二维随机变量（X,Y） ） ( X , Y )的联合分布函数 )的联合分布函数
一维随机变量X 一维随机变量 X的分布函数 的分布函数
F(x, y) = P(X≤ x,Y ≤ y) − ∞ < x, y < ∞
xi ≤3yj ≤2
求：F(3,2) = P(X≤ 3,Y ≤ 2) = ∑∑pij
1 1 1 1 = + 0+ 0+ + + 0 = 4 8 8 2
例２ 设随机变量 Y ~ E (1) ，随机变量
0 , 若Y ≤ k ( k = 1，） 2 Xk = 1 , 若Y > k 的联合概率分布列。 求 X 1 和 X 2 的联合概率分布列。
第三章 多维随机变量及其分布
到现在为止， 到现在为止，我们只讨论了一维随机变量 及其分布. 及其分布. 但有些随机现象用一个随机变量来 描述还不够， 描述还不够，而需要用几个随机变量来描述 在打靶时, 在打靶时,命中点的位置是由一 对随机变量(两个坐标)来确定的. 对随机变量(两个坐标)来确定的. 飞机的重心在空 中的位置是由三个随 机变量(三个坐标） 机变量(三个坐标）来 确定的等等. 确定的等等.
1/ 4 x 1 1 解: (3)P( X < ,Y < ) = ∫0 [∫0 3xdy]dx 4 2
概率论C和A计算公式
概率论C和A计算公式
C表示组合方法的数量，A表示排列方法的数量。
如果该题中选出的个体没有先后顺序就用组合，如果有先后顺序就用排列。
C表示组合方法的数量
比如：C（3，2），表示从3个物体中选出2个，总共的方法是3种，分别是甲乙、甲丙、乙丙（3个物体是不相同的情况下）。
A表示排列方法的数量。
比如：n个不同的物体，要取出m个（m<=n）进行排列，方法就是A（n，m）种。
也可以这样想，排列放第一个有n种选择，,第二个有n-1种选择，,第三个有n-2种选择，·····，第m个有n+1-m种选择，所以总共的排列方法是n（n-1）（n-2）···（n+1-m），也等于A（n,m）。
注：在具体题目中，看题目需要排列还是组合，也就是单体是否需要顺序，需要就用A，不需要就用C。
贝叶斯定理机率论或概率论是研究随机性或不确定性等现象的数学。
更精确地说，机率论是用来模拟实验在同一环境下会产生不同结果的情状。
典型的随机实验有掷骰子、扔硬币、抽扑克牌概率论以及轮盘游戏等。
感谢您的阅读，祝您生活愉快。
概率论与数理统计课件3-2边际分布和条件分布
解
由上述分布律的表格可得
P{ X 1,Y 0} 0.030 , P{Y 0 X 1} 0.045 P{ X 1} P{ X 1,Y 1} 0.010 , P{Y 1 X 1} 0.045 P{ X 1} P{ X 1,Y 2} 0.005 , P{Y 2 X 1} 0.045 P{ X 1}
Y 的条件概率密度为 1 , 0 x y 1, fY X ( y x ) 1 x 0, 其它.
因此 X 和 Y 的联合概率密度为 f ( x , y ) fY X ( y x ) f X ( x )
1 , 0 x y 1, 1 x 0, 其它. 际 故得Y 的边缘概率密度
P { X xi , Y y j } P {Y y j }
pij p j
, i 1, 2,
为在给定Y y j 条件下 X 的条件分布列.
同理，对于一切使P{ X xi } pij pi 0的 xi , 则称
j 1
p j i P{Y y j X xi }
边际分布 联合分布 条件分布 联合分布
设( X , Y ) 在圆域 x 2 y 2 1 上服从均匀分布, 求条 例3 件概率密度 f X Y ( x y ).
解 由题意知随机变量( X ,Y ) 的概率密度为
1 π , x 2 y 2 1, f ( x, y) 0, 其它,
二
1.边际分布
边际分布和条件分布
问题：已知二维随机变量 (X, Y) 的分布， 如何求出 X 和 Y 各自的分布？
边际分布函数
已知 (X, Y) 的联合分布函数为 F(x, y)，
《概率论》第3章§2边缘分布解析
(关X ,于Y ) 的 第三Y章 多边维缘随密机变度量(及函其数分)布
例 设随机变量 X 和Y 具有联合概率密度
6, x2 y x,
f (x, y) 0,
其他.
求边缘概率密度 fX ( x), fY ( y).
解
fX (x)
f (x, y)d y
y
(1,1)
当 0 x 1时,
y x
p11 p21 pi1
p12 p22 pi 2
p1 j
p2 j pij
P{ X xi } pij , i 1,2,; P{Y y j } pij , j 1,2,.
j 1
i 1
2020年11月24日星期二
§2 边缘分布
6/29
设 从r.v X 四1个, 2数,3,中4 等可能取值,又设
2020年11月24日星期二
例 设( X ,Y ) 的联合密度为
f
(x,
y)
kxy,
0,
0 x y,0 y 1, 其他
其中k 为常数. 求
(1)常数 k ;
(2) P ( X + Y 1) , P ( X < 0.5); (3) 联合分布函数 F (x,y); (4) 边缘密度与边缘分布函数
1
0.5
y
dy 1 y
8xydx
5
/
6.
y
1
y=x
yy 11
0.5 00
y y==x x xx
0
0.5
2020年11月24日星期二
P( X 0.5)
x
0.5
1
0 dxx8xydy 7 /16.
的分段区域 y
x0
概率论3-4节两个随机变量的函数的分布-优质课件
一、问题的引入 二、离散型随机变量函数的分布 三、连续型随机变量函数的分布 四、小结
一、问题的引入
有一大群人,令 X 和 Y 分别表示一个人的 年龄和体重, Z 表示该人的血压,并且已知Z 与 X , Y 的函数关系Z f ( X ,Y ), 如何通过X ,Y 的 分布确定Z 的分布.
1113 22 22 22 22 .
故Z max(X ,Y ) Z 0
1
的分布律为
1
3
P
4
4
三、连续型随机变量函数的分布
1. Z=X+Y 的分布
设( X ,Y )的概率密度为p(x, y), 则Z X Y
的分布函数为
FZ (z) P{Z z} p(x, y) d x d y x yz
解 由于 pX ( x)
1
x2
e 2 , x ,
2
pY ( y)
1
y2
e 2,
2
y ,
由公式
pZ (z) pX (x) pY (z x) d x.
得
pZ (z)
1
x2 ( z x )2
e 2e 2 dx
1
1
3
1
12 12 12
1 2 3
概率 1
12
2
1
12 12
2
0
12
132
12 12 12
0 等价于
2 12 12 2 12 12 12
( X ,Y )
(1,2)
(1,1) (1,0)
1 2
,2
概率论与数理统计-第3章-第2讲-二维离散型随机变量及其分布
求分布律方法：先定值再求概率
Y
X
0
1
2
3
0
0
0
1
0
2
0
取4只球 P{X 0,Y 0} P{X 0,Y 1} P{X 1,Y 0} P{X 3,Y 2} 0
14
03 二维离散型随机变量的边缘分布律
例 盒子里装有3只黑球, 2只红球, 2只白球, 在其中任取4只球, 以 X 表示取 到黑球的只数, 以 Y 表示取到红球的只数, 求(X, Y)的联合分布律.
主讲教师 |
18
由此得 X , Y 的联合分布律为
X Y
0
1
0
0
0
6
1
0
35
1
6
2
35
35
2
3
3
2
35
35
12
2
35
35
3 0
35
16
第2讲 二维离散型随机变量及其分布
本节我们认识了二维离散型随机变量, 以及联合分布律和边 缘分布律, 要求理解它们概念和性质, 并且会求相应的概率.
17
概率论与数理统计
学海无涯, 祝你成功！
3
本讲内容
01 二维离散型随机变量 02 联合分布律 03 二维离散型随机变量的边缘分布律
4
02 联合分布律
2.联合分布律
设( X ,Y )的所有可能的取值为
(xi , y j ), i, j 1,2,
则称
P( X xi ,Y y j ) pij , i, j 1,2,
为二维随机变量( X ,Y ) 的联合概率分布, 简称概率分布或分布律.
7
02 联合分布律 已知联合分布律可以求概率
概率论与数理统计(茆诗松)第二版第三章课后习题3.2-3.3(部分)参考答案
习题3.21． 设二维离散随机变量(X , Y ) 的可能值为(0, 0)，(−1, 1)，(−1, 2)，(1, 0)，且取这些值的概率依次为1/6, 1/3, 1/12, 5/12，试求X 与Y 各自的边际分布列． 解：因X 的全部可能值为−1, 0, 1，且12512131}1{=+=−=X P ， 61}0{==X P ， 125}1{==X P ， 故X 的边际分布列为12561125101PX − 因Y 的全部可能值为0, 1, 2，且12712561}0{=+==X P ， 31}1{==X P ， 121}2{==X P ， 故Y 的边际分布列为12131127210PY2． 设二维随机变量(X , Y ) 的联合密度函数为⎩⎨⎧>>−−−=−−−−−.,0,0,0,e e e 1),(},max{122121其他y x y x F y x y x y x λλλλλ 试求X 与Y 各自的边际分布函数．解：当x ≤ 0时，F (x , y ) = 0，有F X (x ) = F (x , + ∞) = 0，当x > 0时，⎩⎨⎧≤>−−−=−−−−−.0,0,0,e e e 1),(},max{122121y y y x F y x y x y x λλλλλ 有 x y x y x y x y X x F x F 1122121e 1]e e e 1[lim ),()(},max{λλλλλλ−−−−−−+∞→−=−−−=∞+=，故⎩⎨⎧≤>−=−.0,0,0,e 1)(1x x x F x X λ 当y ≤ 0时，F (x , y ) = 0，有F Y ( y ) = F (+ ∞, y ) = 0，当y > 0时，⎩⎨⎧≤>−−−=−−−−−.0,0,0,e e e 1),(},max{122121x x y x F y x y x y x λλλλλ 有 y y x y x y x x Y y F y F 2122121e 1]e e e 1[lim ),()(},max{λλλλλλ−−−−−−+∞→−=−−−=+∞=，故⎩⎨⎧≤>−=−.0,0,0,e 1)(2y y y F y Y λ 3． 试求以下二维均匀分布的边际分布：⎪⎩⎪⎨⎧≤+=.,0,1,π1),(22其他y x y x p解：当x < −1或x > 1时，p X (x ) = 0，当−1 ≤ x ≤ 1时，2111π2π1),()(22x dy dy y x p x p x x X −===∫∫−−−∞+∞−， 故⎪⎩⎪⎨⎧≤≤−−=.,0,11,1π2)(2其他x x x p X当y < −1或y > 1时，p Y ( y ) = 0，当−1 ≤ y ≤ 1时，2111π2π1),()(22y dx dx y x p y p y y Y −===∫∫−−−∞+∞−， 故⎪⎩⎪⎨⎧≤≤−−=.,0,11,1π2)(2其他y y y p Y4． 设平面区域D 由曲线y = 1/ x 及直线y = 0，x = 1，x = e 2所围成，二维随机变量(X , Y ) 在区域D 上服从均匀分布，试求X 的边际密度函数．解：因平面区域D 的面积为2ln 122e 1e 1===∫x dx xS D ， 则(X , Y ) 的联合密度函数为⎪⎩⎪⎨⎧∉∈=.),(,0,),(,21),(D y x D y x y x p 当x < 1或x > e 2时，p X (x ) = 0，当1 ≤ x ≤ e 2时，xdy dy y x p x p x X 2121),()(10===∫∫∞+∞−， 故⎪⎩⎪⎨⎧≤≤=.,0,e 1,21)(2其他x x x p X5． 求以下给出的(X , Y ) 的联合密度函数的边际密度函数p x (x ) 和p y ( y )：（1）⎩⎨⎧<<=−.,0;0,e ),(1其他y x y x p y （2）⎪⎩⎪⎨⎧−<<+=.,0;10),(45),(222其他x y y x y x p（3）⎪⎩⎪⎨⎧<<<=.,0;10,1),(3其他x y x y x p解：（1）当x ≤ 0时，p X (x ) = 0，当x > 0时，x xyxy X dy dy y x p x p −+∞−+∞−+∞∞−=−===∫∫e e e ),()(1，故⎩⎨⎧≤>=−.0,0;0,e )(x x x p x X 当y ≤ 0时，p Y ( y ) = 0， 当y > 0时，y yy Y y dx dx y x p y p −−+∞∞−===∫∫e e ),()(01，故⎩⎨⎧≤>=−.0,0;0,e )(y y y y p y Y （2）当x ≤ −1或x ≥ 1时，p X (x ) = 0，当−1 < x < 1时，)1(85)21(45)(45),()(41022102222x y y x dy y x dy y x p x p x x X −=+=+==−−+∞∞−∫∫，故⎪⎩⎪⎨⎧<<−−=.,0;11),1(85)(4其他x x x p X当y ≤ 0或y ≥ 1时，p Y ( y ) = 0，当0 < y < 1时，y y xy x dx y x dx y x p y p y y yyY −+=+=+==−−−−−−+∞∞−∫∫1)21(65)31(45)(45),()(113112， 故⎪⎩⎪⎨⎧<<−+=.,0;10,1)21(65)(其他y y y y p Y （3）当x ≤ 0或x ≥ 1时，p X (x ) = 0，当0 < x < 1时，111),()(03=⋅===∫∫+∞∞−xx dy x dy y x p x p xX ， 故⎩⎨⎧<<=.,0;10,1)(其他x x p X当y ≤ 0或y ≥ 1时，p Y ( y ) = 0， 当0 < y < 1时，y y x dx xdx y x p y p y y Y ln ln 1ln ln 1),()(1−=−====∫∫+∞∞−， 故⎩⎨⎧<<−=.,0;10,ln )(其他y y y p Y6． 设二维随机变量(X , Y ) 的联合密度函数为⎩⎨⎧<<<<=.,0,10,6),(2其他x y x y x p 试求边际密度函数p x (x ) 和p y ( y )． 解：当x ≤ 0或x ≥ 1时，p X (x ) = 0，当0 < x < 1时，)(66),()(22x x dy dy y x p x p xxX −===∫∫+∞∞−，故⎩⎨⎧<<−=.,0,10),(6)(2其他x x x x p X 当y ≤ 0或y ≥ 1时，p Y ( y ) = 0， 当0 < y < 1时，)(66),()(y y dx dx y x p y p yyY −===∫∫+∞∞−，故⎪⎩⎪⎨⎧<<−=.,0,10),(6)(其他y y y y p Y7． 试验证：以下给出的两个不同的联合密度函数，它们有相同的边际密度函数．⎩⎨⎧≤≤≤≤+=.,0,10,10,),(其他y x y x y x p ⎩⎨⎧≤≤≤≤++=.,0,10,10),5.0)(5.0(),(其他y x y x y x g 证：当x < 0或x > 1时，p X (x ) = 0，当0 ≤ x ≤ 1时，5.0)21()(),()(1021+=+=+==∫∫+∞∞−x y xy dy y x dy y x p x p X ，则⎩⎨⎧≤≤+=.,0,10,5.0)(其他x x x p X 当y < 0或y > 1时，p Y ( y ) = 0， 当0 ≤ y ≤ 1时，5.0)21()(),()(10210+=+=+==∫∫+∞∞−y xy x dx y x dx y x p y p Y ，则⎩⎨⎧≤≤+=.,0,10,5.0)(其他y y y p Y 并且当x < 0或x > 1时，g X (x ) = 0，当0 ≤ x ≤ 1时，5.0)5.0(21)5.0()5.0)(5.0(),()(1021+=+⋅+=++==∫∫+∞∞−x y x dy y x dy y x g x g X ，则⎩⎨⎧≤≤+=.,0,10,5.0)(其他x x x g X 当y < 0或y > 1时，g Y ( y ) = 0，当0 ≤ y ≤ 1时，5.0)5.0()5.0(21)5.0)(5.0(),()(1021+=+⋅+=++==∫∫+∞∞−y y x dx y x dx y x g y g Y ，则⎩⎨⎧≤≤+=.,0,10,5.0)(其他y y y g Y 故它们有相同的边际密度函数．8． 设随机变量X 和Y 独立同分布，且P {X = −1} = P {Y = −1} = P {X = 1} = P {Y = 1} = 1/2，试求P {X = Y }．解：因X 和Y 独立同分布，且P {X = −1} = P {Y = −1} = P {X = 1} = P {Y = 1} = 1/2，则(X , Y ) 的联合概率分布21212141411214141111ji p p X Y ⋅⋅−− 故P {X = Y } = P {X = −1, Y = −1} + P {X = 1, Y = 1} = 1/2．9． 甲、乙两人独立地各进行两次射击，假设甲的命中率为0.2，乙的命中率为0.5，以X 和Y 分别表示甲和乙的命中次数，试求P {X ≤ Y }． 解：因X 的全部可能取值为0, 1, 2，且P {X = 0} = 0.8 2 = 0.64，32.08.02.012}1{=××⎟⎟⎠⎞⎜⎜⎝⎛==X P ，P {X = 2} = 0.2 2= 0.04， 又因Y 的全部可能取值为0, 1, 2，且P {Y = 0} = 0.5 2 = 0.25，5.05.05.012}1{=××⎟⎟⎠⎞⎜⎜⎝⎛==Y P ，P {Y = 2} = 0.5 2= 0.25，则(X , Y ) 的联合概率分布25.05.025.004.001.002.001.0232.008.016.008.0164.016.032.016.00210ji p p X Y ⋅⋅故P {X ≤ Y } = 1 − P {X > Y } = 1 − P {X = 1, Y = 0} − P {X = 2, Y = 0} − P {X = 2, Y = 1} = 0.89． 10．设随机变量X 和Y 相互独立，其联合分布列为3/19/19/121321b x c a x y y y X Y试求联合分布列中的a , b , c ．解：因c a p ++=⋅911，9431912+=++=⋅b b p ，911+=⋅a p ，b p +=⋅912，c p +=⋅313， 根据独立性，知81495919422222++=⎟⎠⎞⎜⎝⎛+⎟⎠⎞⎜⎝⎛+=⋅==⋅⋅b b b b p p b p ， 可得0814942=+−b b ，即0922=⎟⎠⎞⎜⎝⎛−b ， 故92=b ； 再根据独立性，知⎟⎠⎞⎜⎝⎛+=⎟⎠⎞⎜⎝⎛+⎟⎠⎞⎜⎝⎛+=⋅==⋅⋅91969194911221a a b p p p ，可得6191=+a ，故181=a ； 由正则性，知1953191912131=+++=+++++=∑∑==c b a b c a p i j ij ，可得94=++c b a ，故6118394==−−=b ac ． 11．设X 和Y 是两个相互独立的随机变量，X ~ U (0, 1)，Y ~ Exp (1)．试求（1）X 与Y 的联合密度函数；（2）P {Y ≤ X }；（3）P {X + Y ≤ 1}．解：（1）因X 与Y 相互独立，且边际密度函数分别为⎩⎨⎧<<=.,0,10,1)(其他x x p X ⎩⎨⎧<≥=−.0,0,0,e )(y y y p y Y故X 与Y 的联合密度函数为⎩⎨⎧≥<<==−.,0,0,10,e )()(),(其他y x y p x p y x p y Y X （2）1111101e 1e 1)e ()e 1()e (e }{−−−−−−=−+=+=−=−⋅==≤∫∫∫∫x x x y xy x dx dx dy dx X Y P ；（3）11110110101010e )e ()e 1()e (e }1{−−−−−−−=−=−=−⋅==≤+∫∫∫∫x x x y xy x dx dx dy dx Y X P ．12．设随机变量(X , Y ) 的联合密度函数为⎩⎨⎧<<<<=.,0,0,10,3),(其他x y x x y x p 试求（1）边际密度函数p x (x ) 和p y ( y )；（2）X 与Y 是否独立．解：（1）当x ≤ 0或x ≥ 1时，p X (x ) = 0，当0 < x < 1时，2033),()(x xdy dy y x p x p xX ===∫∫+∞∞−，故⎩⎨⎧<<=.,0,10,3)(2其他x x x p X 当y ≤ 0或y ≥ 1时，p Y ( y ) = 0， 当0 < y < 1时，)1(23233),()(2121y x xdx dx y x p y p yyY −====∫∫+∞∞−， 故⎪⎩⎪⎨⎧<<−=.,0,10),1(23)(2其他y y y p Y （2）因⎪⎩⎪⎨⎧<<<<−=.,0,10,10),1(29)()(22其他y x y x y p x p Y X 即p x (x ) p y ( y ) ≠ p (x , y )，故X 与Y 不独立．13．设随机变量(X , Y ) 的联合密度函数为⎩⎨⎧<<<=.,0,10,||,1),(其他y y x y x p 试求（1）边际密度函数p x (x ) 和p y ( y )；（2）X 与Y 是否独立．解：（1）当x ≤ −1或x ≥ 1时，p X (x ) = 0，当−1 < x < 0时，x dy dy y x p x p xX +===∫∫−+∞∞−11),()(1，当0 ≤ x < 1时，x dy dy y x p x p xX −===∫∫+∞∞−11),()(1，故⎪⎩⎪⎨⎧<≤−<<−+=.,0,10,1,01,1)(其他x x x x x p X当y ≤ 0或y ≥ 1时，p Y ( y ) = 0，当0 < y < 1时，y dx dx y x p y p yyY 21),()(===∫∫−+∞∞−，故⎩⎨⎧<<=.,0,10,2)(其他y y y p Y（2）因⎪⎩⎪⎨⎧<<<≤−<<<<−+=.,0,10,10),1(2,10,01),1(2)()(其他y x x y y x x y y p x p Y X 即p x (x ) p y ( y ) ≠ p (x , y )，故X 与Y 不独立．14．设二维随机变量(X , Y ) 的联合密度函数如下，试问X 与Y 是否相互独立？（1）⎩⎨⎧>>=+−.,0;0,0,e ),()(其他y x x y x p y x （2）+∞<<∞−++=y x y x y x p ,,)1)(1(π1),(222；（3）⎩⎨⎧<<<=.,0;10,2),(其他y x y x p （4）⎩⎨⎧<+<<<<<=.,0;10,10,10,24),(其他y x y x xy y x p（5）⎩⎨⎧<<<<−=.,0;10,10),1(12),(其他y x x xy y x p（6）⎪⎩⎪⎨⎧<<=.,0;1,421),(22其他y x y x y x p解：（1）因x e − (x + y ) = x e −x ⋅ e −y 可分离变量，x > 0, y > 0是广义矩形区域，故X 与Y 相互独立；（2）因)1π(1)1π(1)1)(1(π122222y x y x +⋅+=++可分离变量，−∞ < x , y < +∞是广义矩形区域， 故X 与Y 相互独立；（3）因0 < x < y < 1不是矩形区域，故X 与Y 不独立；（4）因0 < x < 1, 0 < y < 1, 0 < x + y < 1不是矩形区域，故X 与Y 不独立；（5）因12xy (1 − x ) = 12x (1 − x ) ⋅ y 可分离变量，0 < x < 1, 0 < y < 1是矩形区域，故X 与Y 相互独立； （6）因x 2 < y < 1不是矩形区域，故X 与Y 不独立．15．在长为a 的线段的中点的两边随机地各取一点，求两点间的距离小于a / 3的概率．解：设X 和Y 分别表示这两个点与线段中点的距离，有X 和Y 相互独立且都服从[0, a / 2]的均匀分布，则(X , Y ) 的联合密度函数为 ⎪⎩⎪⎨⎧<<<<=.,0,20,20,4),(2其他a y a x a y x pa a故所求概率为922321}3{22=⎟⎠⎞⎜⎝⎛⎟⎠⎞⎜⎝⎛×==<+a a S S aY X P DG ． 16．设二维随机变量(X , Y ) 服从区域D = {(x , y ): a ≤ x ≤ b , c ≤ y ≤ d }上的均匀分布，试证X 与Y 相互独立． 证：因(X , Y ) 的联合密度函数为⎪⎩⎪⎨⎧≤≤≤≤−−=.,0;,,))((1),(其他d y c b x a c d a b y x p当x < a 或x > b 时，p X (x ) = 0，当a ≤ x ≤ b 时，a b dy c d a b dy y x p x p d c X −=−−==∫∫+∞∞−1))((1),()(， 则⎪⎩⎪⎨⎧≤≤−=.,0;,1)(其他b x a a b x p X当y < c 或y > d 时，p Y ( y ) = 0，当c ≤ y ≤ d 时，cd dx c d a b dx y x p y p b aY −=−−==∫∫+∞∞−1))((1),()(， 则⎪⎩⎪⎨⎧≤≤−=.,0;,1)(其他d y c c d y p Y因p x (x ) p y ( y ) = p (x , y )， 故X 与Y 相互独立．17．设X 1, X 2, …, X n 是独立同分布的正值随机变量．证明n k n k X X X X E n k ≤=⎟⎟⎠⎞⎜⎜⎝⎛++++,11L L ．证：因X 1, X 2, …, X n 是独立同分布的正值随机变量，则由对称性知),,2,1(1n i X X X niL L =++同分布，且满足101<++<niX X X L ，可得⎟⎟⎠⎞⎜⎜⎝⎛++n i X X X E L 1存在，且⎟⎟⎠⎞⎜⎜⎝⎛++==⎟⎟⎠⎞⎜⎜⎝⎛++=⎟⎟⎠⎞⎜⎜⎝⎛++n n n n X X X E X X X E X X X E L L L L 11211，因11111211=⎟⎟⎠⎞⎜⎜⎝⎛++++=⎟⎟⎠⎞⎜⎜⎝⎛++++⎟⎟⎠⎞⎜⎜⎝⎛+++⎟⎟⎠⎞⎜⎜⎝⎛++n n n n n n X X X X E X X X E X X X E X X X E L L L L L L ， 则n X X X E X X X E X X X E n n n n 111211=⎟⎟⎠⎞⎜⎜⎝⎛++==⎟⎟⎠⎞⎜⎜⎝⎛++=⎟⎟⎠⎞⎜⎜⎝⎛++L L L L ， 故n k n k XX X X E n k≤=⎟⎟⎠⎞⎜⎜⎝⎛++++,11L L ．习题3.31． 设二维随机变量(X , Y ) 的联合分布列为09.007.004.0222.011.007.0120.015.005.00321X Y 试分布求U = max{X , Y } 和V = min{X , Y } 的分布列．解：因P {U = 1} = P {X = 0, Y = 1} + P {X = 1, Y = 1} = 0.05 + 0.07 = 0.12；P {U = 2} = P {X = 0, Y = 2} + P {X = 1, Y = 2} + P {X = 2, Y = 2} + P {X = 2, Y = 1}= 0.15 + 0.11 + 0.07 + 0.04 = 0.37；P {U = 3} = P {X = 0, Y = 3} + P {X = 1, Y = 3} + P {X = 2, Y = 3} = 0.20 + 0.22 + 0.09 = 0.51； 故U 的分布列为51.037.012.0321P U因P {V = 0} = P {X = 0, Y = 1} + P {X = 0, Y = 2} + P {X = 0, Y = 3} = 0.05 + 0.15 + 0.20 = 0.40； P {V = 1} = P {X = 1, Y = 1} + P {X = 1, Y = 2} + P {X = 1, Y = 3} + P {X = 2, Y = 1}= 0.07 + 0.11 + 0.22 + 0.04 = 0.44；P {V = 2} = P {X = 2, Y = 2} + P {X = 2, Y = 3} = 0.07 + 0.09 = 0.16； 故V 的分布列为16.044.040.0210P V2． 设X 和Y 是相互独立的随机变量，且X ~ Exp (λ )，Y ~ Exp (µ )．如果定义随机变量Z 如下⎩⎨⎧>≤=.,0,,1Y X Y X Z 当当 求Z 的分布列．解：因(X , Y ) 的联合密度函数为⎩⎨⎧>>==+−.,0,0,0,e )()(),()(其他y x y p x p y x p y x Y X µλλµ 则∫∫∫+∞+∞+−+∞+∞+−−⋅==≤==0)(0)(e )(e }{}1{xy x xy x dx dy dx Y X P Z P µλµλλλµµλλµλλλµλµλ+=+−==+∞+−+∞+−∫0)(0)(e e xx dx ，µλµ+==−==}1{1}0{Z P Z P ，故Z 的分布列为µλλµλµ++PZ 13． 设随机变量X 和Y 的分布列分别为4/12/14/1101P X − 2/12/110P Y已知P {XY = 0} = 1，试求Z = max{X , Y }的分布列．解：因P {X 1 X 2 = 0} = 1，有P {X 1 X 2 ≠ 0} = 0，即P {X 1 = −1, X 2 = 1} = P {X 1 = 1, X 2 = 1} = 0，可得 (X , Y ) 的联合分布列为因{Z P {Z P 故Z 4．（1）X （2）X 解：（1）(X , 因P {Z = 0} = P {X = 0, Y = 0} = 0.25；P {Z = 1} = 1 − P {Z = 0} = 0.75； 故Z 的分布列为75.025.010P Z（2）因P {Z = k } = P {X = k , Y ≤ k } + P {X < k , Y = k } = P {X = k } P {Y ≤ k } + P {X < k } P {Y = k }p p p p p p p p k k i i kj j k 1111111)1()1()1()1(−−=−=−−−⋅−+−⋅−=∑∑p p p p p p p p p p k k k k 111)1()1(1)1(1)1(1)1(1)1(−−−−⋅−−−−+−−−−⋅−= = (1 − p ) k − 1 p ⋅ [2 − (1 − p ) k − 1 − (1 − p ) k ]故Z = max{X , Y }的概率函数为p z (k ) = (1 − p ) k − 1 p ⋅ [2 − (1 − p ) k − 1 − (1 − p ) k ]，k = 1, 2, …．5． 设X 和Y 为两个随机变量，且73}0,0{=≥≥Y X P ，74}0{}0{=≥=≥Y P X P ， 试求P {max{X , Y } ≥ 0}．解：设A 表示事件“X ≥ 0”，B 表示事件“Y ≥ 0”，有73)(=AB P ，74)()(==B P A P ， 故75737474)()()()(}0},{max{=−+=−+==≥AB P B P A P B A P Y X P U ．6． 设X 与Y 的联合密度函数为⎩⎨⎧>>=+−.,0,0,0,e ),()(其他y x y x p y x 试求以下随机变量的密度函数（1）Z = (X + Y )/2；（2）Z = Y − X ．解：方法一：分布函数法（1）作曲线簇z yx =+2，得z 的分段点为0，当z ≤ 0时，F Z (z ) = 0，当z > 0时，∫∫∫−+−−+−−⋅==z x z y x zx z y x Z dx dy dx z F 2020)(2020)(]e [e )(z z x z z x z z x dx 2202202e )12(1)e e ()e e (−−−−−+−=−−=+−=∫，因分布函数F Z (z ) 连续，有Z = (X + Y )/2为连续随机变量， 故Z = (X + Y )/2的密度函数为⎩⎨⎧≤>=′=−.0,0,0,e 4)()(2z z z z F z p z Z Z （2）作曲线簇y − x = z ，得z 的分段点为0，当z ≤ 0时，∫∫∫∫+∞−−+−+∞−++−+∞−++−−=−⋅==zx z x zz x y x zzx y x Z dx dy dx z F e []e [e )()2(0)(0)(z z z z x z x e 21e e 21e e 21)2(=⎥⎦⎤⎢⎣⎡−−=⎥⎦⎤⎢⎣⎡−=+∞−−+−， 当z > 0时，∫∫∫∫+∞−+−+∞++−+∞++−+−=−⋅==0)2(0)(0)(]e e []e [e )(dx dx dy dx z F x z x z x y x zx y x Zz z x z x −−+∞−+−−=⎥⎦⎤⎢⎣⎡−−=⎥⎦⎤⎢⎣⎡−=e 2111e 21e e 210)2(，因分布函数F Z (z )连续，有Z = Y − X 为连续随机变量，故Z = Y − X 的密度函数为⎪⎩⎪⎨⎧>≤=′=−.0,e 21,0,e 21)()(z z z F z p zzZ Z 方法二：增补变量法 （1）函数2yx z +=对任意固定的y 关于x 严格单调增加，增补变量v = y ，可得⎪⎩⎪⎨⎧=+=,,2y v y x z 有反函数⎩⎨⎧=−=,,2v y v z x 且21012=−=′′′′=vz vzy y x x J ， 则∫∫+∞∞−+∞∞−−=⋅−=dv v v z p dv v v z p z p Z ),2(22),2()(，作曲线簇z yx =+2，得z 的分段点为0， 当z ≤ 0时，p Z (z ) = 0，当z > 0时，z z z Z z dv z p 2202e 4e 2)(−−==∫， 故Z = (X + Y )/2的密度函数为⎩⎨⎧≤>=−.0,0,0,e 4)(2z z z z p z Z（2）函数z = y − x 对任意固定的y 关于x 严格单调增加，增补变量v = y ，可得⎩⎨⎧=−=,,y v x y z 有反函数⎩⎨⎧=−=,,v y z v x 且11011−=−=′′′′=v z vzy y x x J ， 则∫+∞∞−−=dv v z v p z p Z ),()(，作曲线簇y − x = z ，得z 的分段点为0， 当z ≤ 0时，zz v z v Z dv z p e 21e 21e )(0202=−==+∞+−+∞+−∫， 当z > 0时，z zzv z z v Z dv z p −+∞+−+∞+−=−==∫e 21e 21e )(22， 故Z = Y − X 的密度函数为⎪⎩⎪⎨⎧>≤=−.0,e 21,0,e 21)(z z z p zzZ 7． 设X 与Y 的联合密度函数为⎩⎨⎧<<<<=.,0,0,10,3),(其他x y x x y x p 试求Z = X − Y 的密度函数．解：方法一：分布函数法作曲线簇x − y = z ，得z 的分段点为0, 1， 当z < 0时，F Z (z ) = 0，当0 ≤ z < 1时，31203102102123233333)(z z z x x xzdx dx x xdy dx xdy dx z F z z zz z xzx z x Z −=+=+=+=∫∫∫∫∫∫−，当z ≥ 1时，F Z (z ) = 1，因分布函数F Z (z ) 连续，有Z = X − Y 为连续随机变量， 故Z = X − Y 的密度函数为⎪⎩⎪⎨⎧<<−=′=.,0,10),1(23)()(2其他z z z F z p Z Z方法二：增补变量法函数z = x − y 对任意固定的y 关于x 严格单调增加，增补变量v = y ，可得⎩⎨⎧=−=,,y v y x z 有反函数⎩⎨⎧=+=,,v y v z x 且11011==′′′′=vz vzy y x x J ， 则∫+∞∞−+=dv v v z p z p Z ),()(，作曲线簇x − y = z ，得z 的分段点为0, 1，当z ≤ 0或z ≥ 1时，p Z (z ) = 0， 当0 < z < 1时，)1(23)(23)(3)(210210z v z dv v z z p z z Z −=+=+=−−∫， 故Z = X − Y 的密度函数为⎪⎩⎪⎨⎧<<−=.,0,10),1(23)(2其他z z z p Z 8． 某种商品一周的需要量是一个随机变量，其密度函数为⎩⎨⎧≤>=−.0,0,0,e )(1t t t t p t设各周的需要量是相互独立的，试求（1）两周需要量的密度函数p 2 (x )；（2）三周需要量的密度函数p 3 (x )． 解：方法一：根据独立伽玛变量之和仍为伽玛变量设T i 表示“该种商品第i 周的需要量”，因T i 的密度函数为⎪⎩⎪⎨⎧≤>Γ=−−.0,0,0,e )2(1)(121t t t t p t可知T i 服从伽玛分布Ga (2, 1)，（1）两周需要量为T 1 + T 2，因T 1与T 2相互独立且都服从伽玛分布Ga (2, 1)，故T 1 + T 2服从伽玛分布Ga (4, 1)，密度函数为 ⎪⎩⎪⎨⎧≤>=⎪⎩⎪⎨⎧≤>Γ=−−−.0,0,0,e 61.0,0,0,e )4(1)(3142x x x x x x x p x x （2）三周需要量为T 1 + T 2 + T 3，因T 1, T 2, T 3相互独立且都服从伽玛分布Ga (2, 1)，故T 1 + T 2 + T 3服从伽玛分布Ga (6, 1)，密度函数为 ⎪⎩⎪⎨⎧≤>=⎪⎩⎪⎨⎧≤>Γ=−−−.0,0,0,e 1201.0,0,0,e )6(1)(5163x x x x x x x p xx 方法二：分布函数法（1）两周需要量为X 2 = T 1 + T 2，作曲线簇t 1 + t 2 = x ，得x 的分段点为0，当x ≤ 0时，F 2 (x ) = 0，当x > 0时，∫∫∫−−−−−−−−−⋅=⋅=xt x t t t xt x t t t t dt dt t t dt x F 02110221121221121)e e (e e e )( ∫−−+−−=xt x dt t t xt t 0111121]e e )[(1xt t x t t x t t 0121213111e e e 212131⎥⎦⎤⎢⎣⎡−−⎟⎠⎞⎜⎝⎛−−=−−−11)1(e e e 212131233−−−−⎟⎠⎞⎜⎝⎛−−=−−−x x x x x x xxx x x x x x −−−−−−−−=e 61e 21e e 132， 因分布函数F 2 (x )连续，有X 2 = T 1 + T 2为连续随机变量， 故X 2 = T 1 + T 2的密度函数为⎪⎩⎪⎨⎧≤>=′=−.0,0,0,e 61)()(322x x x x F x p x（2）三周需要量为X 3 = T 1 + T 2 + T 3 = X 2 + T 3，作曲线簇x 2 + t 3 = x ，得x 的分段点为0，当x ≤ 0时，F 3 (x ) = 0，当x > 0时，∫∫∫−−−−−−−−−⋅=⋅=x x x t t x x x x t x t x dx dt t x dx x F 003322003332232332232)e e (e 61e e 61)(∫−−+−−=x x x dx x x x x x 0232323242]e e )[(6`12 xx x x x x x x x x x x x 0222324242522222e 6e 6e 3e e 41415161⎥⎦⎤⎢⎣⎡−−−−⎟⎠⎞⎜⎝⎛−−=−−−−− )1(e e e 21e 61e 4141516123455−−−−−−⎟⎠⎞⎜⎝⎛−−=−−−−−x x x x x x x x x x x xx x x x x x x x x x −−−−−−−−−−−−=e 1201e 241e 61e 21e e 15432， 因分布函数F 3 (x ) 连续，有X 3 = T 1 + T 2 + T 3为连续随机变量， 故X 3 = T 1 + T 2 + T 3的密度函数为⎪⎩⎪⎨⎧≤>=′=−.0,0,0,e 1201)()(533x x x x F x p x 方法三：卷积公式（增补变量法）（1）两周需要量为X 2 = T 1 + T 2，卷积公式∫+∞∞−−=2222)()()(21dt t p t x p x p T T ，作曲线簇t 1 + t 2 = x ，得x 的分段点为0， 当x ≤ 0时，p 2 (x ) = 0， 当x > 0时，xxx xxxt t x x t x t dt t xt dt t t x x p −−−−−−=⎟⎠⎞⎜⎝⎛−=−=⋅−=∫∫e 61e3121e )(e e )()(30322202222022)(2222， 故X 2 = T 1 + T 2的密度函数为⎪⎩⎪⎨⎧≤>=−.0,0,0,e 61)(32x x x x p x（2）三周需要量为X 3 = T 1 + T 2 + T 3 = X 2 + T 3，卷积公式∫+∞∞−−=3333)()()(32dt t p t x p x p T X ，作曲线簇x 2 + t 3 = x ，得x 的分段点为0，当x ≤ 0时，p 3 (x ) = 0，21当x > 0时，∫∫−−−−−+−=−=x x xt t x dt t xt t x t x dt t t x x p 03433323233033)(333e )33(61e e )(61)(33 x xx x t x t x t x t −−=⎟⎠⎞⎜⎝⎛−+−=e 1201e 51432161505343233323， 故X 3 = T 1 + T 2 + T 3的密度函数为⎪⎩⎪⎨⎧≤>=−.0,0,0,e 1201)(53x x x x p x9． 设随机变量X 与Y 相互独立，试在以下情况下求Z = X + Y 的密度函数：（1）X ~ U (0, 1)，Y ~ U (0, 1)； （2）X ~ U (0, 1)，Y ~ Exp (1)． 解：方法一：分布函数法（1）作曲线簇x + y = z ，得z 的分段点为0, 1, 2，当z < 0时，F Z (z ) = 0，当0 ≤ z < 1时，2020002121)(1)(z x zx dx x z dy dx z F zz zxz Z =⎟⎠⎞⎜⎝⎛−=−==∫∫∫−，当1 ≤ z < 2时，1121110110110)(211)(111)(−−−−−−−−−=−+=+=∫∫∫∫∫∫z z z z xz z Zx z z dx x z dx dy dx dy dx z F121221)1(21122−−=+−−−=z z z z ， 当z ≥ 2时，F Z (z ) = 1，因分布函数F Z (z ) 连续，有Z = X + Y 为连续随机变量， 故Z = X + Y 的密度函数为⎪⎩⎪⎨⎧<≤−<≤=′=.,0,21,2,10,)()(其他z z z z z F z p Z Z（2）作曲线簇x + y = z ，得z 的分段点为0, 1，当z < 0时，F Z (z ) = 0， 当0 ≤ z < 1时，z z x z zx z zx z y z xz y Z z x dx dx dy dx z F −+−+−−−−−+−=−=−=−⋅==∫∫∫∫e 1)e ()e 1()e (e )(0000，当z ≥ 1时，z z x z x z x z y xz y Z x dx dx dy dx z F −−+−+−−−−−+−=−=−=−⋅==∫∫∫∫e e 1)e ()e 1()e (e )(111110，因分布函数F Z (z ) 连续，有Z = X + Y 为连续随机变量， 故Z = X + Y 的密度函数为⎪⎩⎪⎨⎧<≥−<≤−=′=−−.0,0,1,e )1(e ,10,e 1)()(z z z z F z p z z Z Z方法二：卷积公式（增补变量法） 卷积公式∫+∞∞−−=dy y p y z p z p Y X Z )()()(，（1）作曲线簇x + y = z ，得z 的分段点为0, 1, 2，2当z ≤ 0或z ≥ 2时，p Z (z ) = 0， 当0 < z < 1时，z dy z p zZ ==∫01)(，当1 ≤ z < 2时，z dy z p z Z −==∫−21)(11，故Z = X + Y 的密度函数为⎪⎩⎪⎨⎧<≤−<≤=.,0,21,2,10,)(其他z z z z z p Z（2）作曲线簇x + y = z ，得z 的分段点为0, 1，当z ≤ 0时，p Z (z ) = 0，当0 < z < 1时，z zy z y Z dy z p −−−−=−==∫e 1)e (e )(0，当z ≥ 1时，zz z z z yzz yZ dy z p −+−−−−−−−=+−=−==∫e )1(e ee )e (e)(111，故Z = X + Y 的密度函数为⎪⎩⎪⎨⎧<≥−<≤−=−−.0,0,1,e )1(e ,10,e 1)(z z z z p z z Z10．设随机变量X 与Y 相互独立，试在以下情况下求Z = X /Y 的密度函数：（1）X ~ U (0, 1)，Y ~ Exp (1)； （2）X ~ Exp (λ1)，Y ~ Exp (λ2)． 解：方法一：分布函数法（1）作曲线簇z yx=，即直线簇z x y =，得z 的分段点为0，当z ≤ 0时，F Z (z ) = 0， 当z > 0时，)e 1(e)(e)e (e)(111011zz x zx zx yz x yZ z z dx dx dy dx z F −−−∞+−∞+−−=−==−⋅==∫∫∫∫，因分布函数F Z (z ) 连续，有Z = X /Y 为连续随机变量， 故Z = X /Y 的密度函数为⎪⎩⎪⎨⎧≤>−−=′=−−.0,0;0,e 1e 1)()(11z z z z F z p z z Z Z（2）作曲线簇z yx =，即直线簇z xy =，得z 的分段点为0，当z ≤ 0时，F Z (z ) = 0，当z > 0时，∫∫∫∫∞+−−∞+∞+−−∞+∞+−−⋅=−⋅⋅=⋅=0101021212121ee)e(eee)(dx dx dy dx z F zx xzx yxzx yxZ λλλλλλλλλλ2110)(2110)(12121eeλλλλλλλλλλλ+=+−==+∞+−∞++−∫z z zdx xzxz，因分布函数F Z (z ) 连续，有Z = X /Y 为连续随机变量，zz故Z = X /Y 的密度函数为⎪⎩⎪⎨⎧≤>+=′=.0,0;0,)()()(22121z z z z F z p Z Z λλλλ方法二：增补变量法（1）函数z = x / y 对任意固定的y 关于x 严格单调增加，增补变量v = y ，可得⎩⎨⎧==,,/y v y x z 有反函数⎩⎨⎧==,,v y zv x 且v z v y y x x J vz vz==′′′′=10， 则∫+∞∞−⋅=dv v v zv p z p Z ||),()(，作曲线簇x / y = z ，得z 的分段点为0，当z ≤ 0时，p Z (z ) = 0，当z > 0时，z z z z v z vZ z z v vdv z p 1111010e 1e 11e 11e )1(e )(−−−−−−−=+⎟⎠⎞⎜⎝⎛+−=+−=⋅=∫，故Z = X /Y 的密度函数为⎪⎩⎪⎨⎧≤>−−=−−.0,0;0,e 1e 1)(11z z z z p z z Z（2）作曲线簇x / y = z ，得z 的分段点为0，当z ≤ 0时，p Z (z ) = 0，当z > 0时，+∞+−∞+−−⎥⎦⎤⎢⎣⎡+++−=⋅⋅=∫)(22121210212121e )(1e e )(v z v zv Z z z v vdv z p λλλλλλλλλλλλ 22121)(λλλλ+=z ， 故Z = X /Y 的密度函数为⎪⎩⎪⎨⎧≤>+=.0,0;0,)()(22121z z z z p Z λλλλ 11．设X 1 , X 2 , X 3为相互独立的随机变量，且都服从(0, 1)上的均匀分布，求三者中最大者大于其他两者之和的概率．解：设A i 分别表示X i 大于其他两者之和，i = 1, 2, 3，显然A 1 , A 2 , A 3两两互不相容，且P (A 1) = P (A 2) = P (A 3)， 则P (A 1∪A 2∪A 3) = P (A 1) + P (A 2) + P (A 3) = 3P (A 3) = 3P {X 3 > X 1 + X 2} 因X 1 , X 2 , X 3相互独立且都服从(0, 1)上的均匀分布，则由几何概型知61121131}{213=××=+>X X X P ， 故21}{3)(213321=+>=X X X P A A A P U U ． 12．设随机变量X 1与X 2相互独立同分布，其密度函数为⎩⎨⎧<<=.,0;10,2)(其他x x x p1试求Z = max {X 1, X 2} − min {X 1, X 2}的分布． 解：分布函数法，二维随机变量(X 1, X 2) 的联合密度函数为⎩⎨⎧<<<<=.,0;10,10,4),(212121其他x x x x x x p 因Z = max {X 1, X 2} − min {X 1, X 2} = | X 1 − X 2 |，作曲线簇 | x 1 − x 2 | = z ，得z 的分段点为0, 1， 当z < 0时，F Z (z ) = 0， 当0 ≤ z < 1时，∫∫∫∫+−−=⋅−=−=−−111221311221112211)2(41221421)(11zzz x zzx Z dx x z zx x x x dx dx x x dx z F323823244232414123244142444212123141z z z z z z z z x z zx x z +−=⎟⎟⎠⎞⎜⎜⎝⎛+−+⎟⎟⎠⎞⎜⎜⎝⎛+−−=⎟⎟⎠⎞⎜⎜⎝⎛+−−=，当z ≥ 1时，F Z (z ) = 1，因分布函数F Z (z ) 连续，有Z = max {X 1, X 2} − min {X 1, X 2}为连续随机变量， 故Z = max {X 1, X 2} − min {X 1, X 2}的密度函数为⎪⎩⎪⎨⎧<<+−=′=.,0;10,34438)()(3其他z z z z F z p Z Z13．设某一个设备装有3个同类的电器元件，元件工作相互独立，且工作时间都服从参数为λ 的指数分布．当3个元件都正常工作时，设备才正常工作．试求设备正常工作时间T 的概率分布． 解：设T i 表示“第i 个元件正常工作”，有T i 服从指数分布Exp (λ)，分布函数为3,2,1.0,0,0,e 1)(=⎩⎨⎧≤>−=−i t t t F t i λ，则设备正常工作时间T = min {T 1, T 2, T 3}，分布函数为F (t ) = P {T = min {T 1, T 2, T 3} ≤ t } = 1 − P {min {T 1, T 2, T 3} > t } = 1 − P {T 1 > t }P {T 2 > t }P {T 3 > t }= 1 − [1 − F 1 (t )][1 − F 2 (t )][1 − F 3 (t )]当t ≤ 0时，F (t ) = 0，当t > 0时，F (t ) = 1 − (e − λ t )3 = 1 − e − 3λ t ，故设备正常工作时间T 服从参数为3λ 的指数分布Exp (3λ)，密度函数为⎩⎨⎧≤>=′=−.0,0,0,e 3)()(3t t t F t p t λλ14．设二维随机变量(X , Y ) 在矩形G = {(x , y ) | 0 ≤ x ≤ 2, 0 ≤ y ≤ 1}上服从均匀分布，试求边长分别为X 和Y的矩形面积Z 的密度函数．解：二维随机变量(X , Y ) 的联合密度函数为⎪⎩⎪⎨⎧≤≤≤≤=.,0,10,20,21),(其他y x y x p 方法一：分布函数法矩形面积Z = XY ，作曲线族xy = z ，得z 的分段点为0, 2， 当z ≤ 0时，F Z (z ) = 0，1当0 < z < 2时，∫∫∫∫∫∫+=+=20020102212121)(z z z z Z dx x z dx dy dx dy dx z F x z)ln 2(ln 22ln 222z z z x z z z −+=+=， 当z ≥ 2时，F Z (z ) = 1，因分布函数F Z (z ) 连续，有Z = XY 为连续随机变量， 故矩形面积Z = XY 的密度函数为⎪⎩⎪⎨⎧<<−=′=.,0,20),ln 2(ln 21)()(其它z z z F z p Z Z 方法二：增补变量法矩形面积Z = XY ，函数z = xy 对任意固定的y ≠ 0关于x 严格单调增加，增补变量v = y ， 可得⎩⎨⎧==,,y v xy z 有反函数⎪⎩⎪⎨⎧==,,v y v z x 且v vzv y y x x J vz vz1112=−=′′′′=， 则∫+∞∞−⋅⎟⎠⎞⎜⎝⎛=dv vv v z p z p Z 1,)(， 作曲线族xy = z ，得z 的分段点为0, 2， 当z ≤ 0或z ≥ 2时，p Z (z ) = 0， 当0 < z < 2时，)ln 2(ln 212ln 210ln 2121)(1212z z v dy v z p z zZ −=−===∫， 故矩形面积Z = XY 的密度函数为⎪⎩⎪⎨⎧<<−=.,0,20),ln 2(ln 21)(其它z z z p Zz。
概率论与数理统计 韩旭里 3-2,3,4
dF X ( x ) f X ( x) dx
x
f ( x , y )dy f ( x , y )dx
同理，Y的概率密度为
dFY ( y ) fY ( y ) dy
分别称 f X ( x ), fY ( y )为( X , Y )关于 X和关于 Y的边缘概率密度.
容易想象，这个分布与不加这个条件时的分布会 很不一样. 例如，在条件分布中体重取大值的概率会显著增 加.
1、二维离散型随机变量的条件分布律 定义 设 ( X ,Y ) 是 二 维 离 散 型 随 机 变 , 量 对于固定
的 j , 若 P{Y y j } 0, 则 称 P{ X x i Y y j } P{ X x i , Y y j } P{Y y j } , i 1,2,L
0
设(X,Y)的分布函数为F(x,y)，概率密度为f(x,y)。且 f(x,y)连续和边缘概率密度fY(y)连续，且fY(y)>0，则有：
FX Y ( x y )
x
f (u, y ) du fY ( y )
若记 f X Y ( x y ) 为条件Y=y下X的条件概率密度，则由上 式知：
例3 设随机变量 X 和 Y 具有联合概率密度
6, x 2 y x , f ( x, y) 0, 其他. 求边缘概率密度 f X ( x ), fY ( y ) .
解
f X ( x)
y y x
(1,1)
y x2
O
f ( x, y) d y
f X ( x)
当－1<y<1时有：
1/ 1 2 2 f ( x, y) 2 2 1 y f X Y ( x y) ＝ 1 y fY ( y) 0
概率论与数理统计2-3
P ( x1 < X ≤ x2 ) = F ( x2 ) − F ( x1 ) = ∫ x 2 f ( x )dx 1
x
3) 对任意 P(X=x)=0. 从而对任意实数 b, (a<b), 对任意x, 从而对任意实数a, P (a ≤ X ≤ b) = P (a < X <与数理统计
第二章
随机变量及其概率分布
定理 : 设F ( x ), f ( x )分别为连续随机变量 X的分布函数 和密度函数 .若f ( x )在点x处连续 , 那么 f ( x ) = F ' ( x ). 由该定理和注8可知 可知,若 注9 由该定理和注 可知 若F(x)除至多可数个点外有连续 除至多可数个点外有连续 导数, 导数 那么密度函数 F ' ( x ) 在F ( x )有连续导数处 f ( x) = 任意取值 其他 由注9给出的密度函数可能会有一定差异 给出的密度函数可能会有一定差异,但不影响 注10 由注 给出的密度函数可能会有一定差异 但不影响 分布函数的表示和事件概率的计算. 分布函数的表示和事件概率的计算 这种现象是概率论研 究中的一种特色, 而称这样的密度函数是几乎处处相等的, 究中的一种特色 而称这样的密度函数是几乎处处相等的 对其简单说明如下: 设有随机变量X及函数 及函数g(x),h(x),若 对其简单说明如下 设有随机变量 及函数 若 P ( X ∈ { x : g( x ) = h( x )}) = 1, 几乎处处相等. 称g(x),h(x)几乎处处相等 几乎处处相等
华东师范大学统计系
概率论与数理统计
第二章
随机变量及其概率分布
3 几个常用的连续型分布 1) 均匀分布 设连续型随机变量X具有密度函数 设连续型随机变量 具有密度函数 1 b− a − 1 b− a , a ≤ x ≤ b, f ( x) = 其他 , 0, a b 则称X在区间 在区间[a, 上服从均匀分布 上服从均匀分布. 则称 在区间 b]上服从均匀分布 记作X ~ U (a , b ) F ( x) 分布函数为： 分布函数为： 0 , 1 x < a,
- 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)。
…
pi P{X xi} pij
关于Y的边缘分布
j
第i列之和
Y
y1
y2
y3
…
概率 P.1
P.2
P.3
…
p j P{Y y j} pij
i
第j行之和
二维离散型R.v.的边缘分布
例1 设二维离散型随机变量（X,Y）的联合分布律为
X
Y
0
1
1/3
-1
0
1/3 1/12
0
1/6
0
0
2 5/12 0
——边缘分布问题
边缘分布 marginal distribution
设二维随机变量 (X ,Y ) 的分布函数为 F(x, y) ，
FX (x) P{X x} P{X x,Y } F (x, )
FY ( y) P{Y y} P{X ,Y y} F (, y)
依次称为二维随机变量 (X ,Y )关于 X 和关于 Y
F X
(x)
F
(x,
)
pij
xi x j1
与一维离散型随机变量X的分布函数FX (x)
P{X xi}比较，得X的分布律
xi x
记为
P{X xi} pij pi
j 1
记为
同样，Y的分布律P{Y y j} pij p j
i 1
二维离散型R.v.的边缘分布
如果二维离散型随机变量（X,Y）的联合分布律为
P22
p32
…
P.2
Y3
P13
p23
p33
…
P.3
…………… …
pi. p1. p2. p3. …
关于X的边缘分布 关于Y的边缘分布
pi P{X xi} pij
j
p j P{Y y j} pij
i
二维离散型R.v.的边缘分布律
关于X的边缘分布XBiblioteka x1x2x3
…
概率 P1.
P2.
P3.
1 / 10 7 /10 2 /10
1
二维连续型随机变量的边缘分布
关于 X的边缘分布函数为
x
FX
(x)
F ( x,
)
f
(x,
y)dydx
与一维连续型随机变量X的分布函数
x
FX (x) F (x, ) fX (x)dx
比较，得X的概率密度为
fX (x) f (x, y)dy
关于 Y 的边缘分布函数为
P{X xi ,Y y j} pij i, j 1, 2,3,
即
X
Y
X1 X2 X3 …
Y1 p11 p21 p31 … Y2 p12 p22 p32 … Y3 p13 p23 p33 … ……………
二维离散型R.v.的边缘分布
X
Y
X1
X2
X3
…
P.j
Y1
p11
P21
p31
…
P.1
Y2
P12
及边缘分布律为
样本点 1 2 3 4 5 6 7 8 9 10 D 122 3 2 4 2 4 34 F 011 1 1 2 1 1 12
D
F
1
0 1/10
1
0
2
0
P{D=i} 1/10
2
0 4 /10
0 2 /10
3
0 2 /10
0 3 /10
4 P{F=j}
0
1 / 10 2 /10 4 /10
为(X,Y)关于X和Y的边缘概率密度函数。
例3.设(X,Y)的概率密度为
c x2 y x f (x, y)
0 others
（1）求常数c;(2)求关于X的边缘概率密度
1x
解:(1)由归一性 dx cdy 1 c 6 0 x2
0 x 0 or x 1
(2)
fX (x) f (x, y)dy
所以，关于X的边缘分布密度为
e x
fX
(x)
0
关于Y的边缘分布密度为
y
fY ( y)
f ( x, y)dx
当y≤0时
fY ( y) 0
当y>0时
fY ( y)
y e ydx
0
O
ye y
ye y
所以，关于Y的边缘分布密度为
fY ( y)
0
x0 x0
x
y0 y0
二维正态分布
若r.v.( X ,Y ) 的联合为
的边缘分布函数．
FX ( x) F ( x, ) FY ( y) F (, y)
边缘分布实际上是高维随机变量的某个(某些)低维分 量的分布。
二维离散型R.v.的边缘分布
如果二维离散型随机变量（X,Y）的联合分布律为
P{X xi ,Y y j} pij i, j 1, 2,3,
对于二维离散型随机变量(X,Y)，有
样本点 1 2 3 4 5 6 7 8 9 10
D 1 22 3 2 4 2 4 34 F 0 111 1 2 1 1 12
所以D的所有可能的取值为1,2,3,4，F的所有可能的取值为
0,1,2，容易得到(D,F)取(i,j)的概率(i=1,2,3,4,j=0,1,2)例如，
P{D=1,F=0}=1/10, P{D=2,F=1}=4/10,可得D和F的联合分布律
0
求关于X、Y的边缘分布
解 关于Y的边缘分布为
Y -1 0 2 概率 5/12 1/6 5/12
关于X的边缘分布
X 0 1 1/3 概率 7/12 1/3 1/12
（X，Y）的联合分布列
X
Y
0
1 1/3
-1 0 1/3 1/12 0 1/6 0 0 2 5/12 0 0
例1 设一个整数N等可能在1,2…10这10个值中取1个值。 设D=D(N)是能整除N的正整数的个数，F=F(N)是能整除 N的素数的个数（注意1不是素数）。试写出D和F的联合 分布律，并求边缘分布律。 解 先将试验的样本点及D,F的取值情况列出，如下表
f (x, y)
3.2 边缘分布 marginal distribution
二维随机变量 (X ,Y ) ,是两个随机变量视为 一个整体，来讨论其取值规律的，我们可用分布 函数来描述其取值规律。
F(x, y) P{X x,Y y}
问题：能否由二维随机变量的分布来确定两个 一维随机变量的取值规律呢？如何确定呢？
x
6dy 6(x x2 )
0 x 1
x2
例 设（X, Y）的联合概率密度为
e y 0 x y
f (x, y) 0
其它
y
求X，Y的边缘概率密度函数
解
关于X的边缘分布密度为
O
x
fX ( x) f ( x, y)dy
当x>0时
fX (x)
e ydy e x
x
当x≤0时
fX (x) 0
y
FY
(x)
F (,
y)
f
(x,
y)dxdy
与一维连续型随机变量Y的分布函数
y
FX ( y) F (, y) fY ( y)dy
比较，得Y的概率密度为
fY ( y) f (x, y)dx
定义：分别称
fX (x) f (x, y)dy
fY ( y) f (x, y)dx