北邮版概率论
北邮概率论与随机过程笔记
北邮概率论与随机过程笔记北邮概率论与随机过程笔记第一章绪论1.1 概率论的起源与发展1.2 概率的基本概念1.3 概率论的应用领域1.4 随机过程的起源与发展1.5 随机过程的基本概念1.6 随机过程的应用领域第二章概率论的基本概念2.1 随机试验与随机事件2.2 频率与概率2.3 古典概型2.4 贝叶斯概型2.5 随机变量2.6 随机变量的函数及其分布2.7 条件概率与条件分布2.8 独立性第三章随机变量及其分布3.1 离散型随机变量及其分布3.2 连续型随机变量及其分布3.3 随机变量的数学期望3.4 随机变量的方差与标准差3.5 随机变量的矩与生成函数3.6 概率母函数与特征函数3.7 大数定律与中心极限定理第四章多维随机变量及其分布4.1 多维随机变量及其分布函数4.2 联合分布函数与边缘分布函数4.3 多维离散型随机变量的分布4.4 多维连续型随机变量的密度4.5 条件分布与独立性4.6 随机变量的矩与协方差矩阵4.7 多维随机变量的生成函数与特征函数第五章数理统计基本概念5.1 数理统计的概念与作用5.2 参数估计与假设检验5.3 点估计与区间估计5.4 最大似然估计5.5 矩估计5.6 假设检验5.7 重要的假设检验第六章随机过程基本概念6.1 随机过程的概念与分类6.2 随机过程的样本函数与轨道6.3 随机过程的数学描述6.4 平稳性与各态平衡性6.5 随机过程的独立增量性与平稳增量性第七章随机过程的数学描述7.1 随机过程的数学描述7.2 随机过程的分布函数、密度函数与生成函数7.3 平稳随机过程的均值序列与相关函数7.4 广义平稳随机过程7.5 随机过程的协方差函数与自相关函数7.6 平稳随机过程的功率谱第八章马尔可夫链8.1 马尔可夫链的概念8.2 马尔可夫链的数学描述8.3 长期行为与不可约性8.4 平稳分布与转移概率矩阵8.5 极限分布与转移概率8.6 马尔可夫链的细致平衡方程第九章扩散过程9.1 扩散过程的概念与分类9.2 布朗运动与维纳过程9.3 平稳扩散过程与布朗桥9.4 非平稳扩散过程9.5 随机微分方程及其应用第十章随机过程的数值计算10.1 随机过程的模拟方法10.2 马尔可夫链模拟10.3 扩散过程的数值模拟第十一章随机过程的应用11.1 队列论与排队模型11.2 信道容量与信息论11.3 金融工程与随机过程11.4 生物与生态系统中的随机过程11.5 电力系统中的随机过程第十二章最优控制问题12.1 动态规划问题与最优控制12.2 马尔可夫控制问题12.3 黑塞矩阵与二次型控制问题第十三章随机过程的其他扩展13.1 小波分析与随机过程13.2 分数阶随机过程13.3 非高斯与非马尔可夫随机过程总结：北邮的概率论与随机过程课程涵盖了概率论和随机过程的基础知识和应用，对于理解随机现象和建立数学模型具有重要的意义。
北邮版概率论答案(2)
习题二1.一袋中有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 ==========（2） 当x <0时，F （x ）=P （X ≤x ）=0当0≤x <1时，F （x ）=P （X ≤x ）=P (X =0)=2235当1≤x <2时，F （x ）=P （X ≤x ）=P (X =0)+P (X =1)=3435当x ≥2时，F （x ）=P （X ≤x ）=1 故X 的分布函数0,022,0135()34,12351,2x x F x x x <⎧⎪⎪≤<⎪=⎨⎪≤<⎪⎪≥⎩(3)1122()(),2235333434(1)()(1)02235353312(1)(1)(1)2235341(12)(2)(1)(2)10.3535P X F P X F F P X P X P X P X F F P X ≤==<≤=-=-=≤≤==+<≤=<<=--==--=3.射手向目标独立地进行了3次射击，每次击中率为0.8，求3次射击中击中目标的次数的分布律及分布函数，并求3次射击中至少击中2次的概率. 【解】设X 表示击中目标的次数.则X =0，1，2，3.31232233(0)(0.2)0.008(1)C 0.8(0.2)0.096(2)C (0.8)0.20.384(3)(0.8)0.512P X P X P X P X ============0,00.008,01()0.104,120.488,231,3x x F x x x x <⎧⎪≤<⎪⎪=≤<⎨⎪≤<⎪≥⎪⎩(2)(2)(3)0.896P X P X P X ≥==+==4.（1） 设随机变量X 的分布律为P {X =k }=!k akλ，其中k =0，1，2，…，λ＞0为常数，试确定常数a . （2） 设随机变量X 的分布律为P {X =k }=a/N ， k =1，2，…，N ，试确定常数a . 【解】（1） 由分布律的性质知1()e !kk k P X k a a k λλ∞∞======∑∑g故 ea λ-=(2) 由分布律的性质知111()NNk k aP X k a N======∑∑即 1a =.5.甲、乙两人投篮，投中的概率分别为0.6,0.7,今各投3次，求： （1） 两人投中次数相等的概率; （2） 甲比乙投中次数多的概率.【解】分别令X 、Y 表示甲、乙投中次数，则X~b （3，0.6）,Y~b (3,0.7)(1) ()(0,0)(1,1)(2,2)P X Y P X Y P X Y P X Y ====+==+==+(3,3)P X Y ==33121233(0.4)(0.3)C 0.6(0.4)C 0.7(0.3)=++22223333C (0.6)0.4C (0.7)0.3(0.6)(0.7)+0.32076=(2) ()(1,0)(2,0)(3,0)P X Y P X Y P X Y P X Y >===+==+==+ (2,1)(3,1)(3,2)P X Y P X Y P X Y ==+==+==12322333C 0.6(0.4)(0.3)C (0.6)0.4(0.3)=++ 33221233(0.6)(0.3)C (0.6)0.4C 0.7(0.3)++ 31232233(0.6)C 0.7(0.3)(0.6)C (0.7)0.3+=0.2436.设某机场每天有200架飞机在此降落，任一飞机在某一时刻降落的概率设为0.02，且设各飞机降落是相互独立的.试问该机场需配备多少条跑道，才能保证某一时刻飞机需立即降落而没有空闲跑道的概率小于0.01(每条跑道只能允许一架飞机降落)？【解】设X 为某一时刻需立即降落的飞机数，则X ~b (200,0.02)，设机场需配备N 条跑道，则有()0.01P X N ><即 2002002001C (0.02)(0.98)0.01k k kk N -=+<∑利用泊松近似2000.02 4.np λ==⨯=41e 4()0.01!kk N P X N k -∞=+≥<∑B查表得N ≥9.故机场至少应配备9条跑道.7.有一繁忙的汽车站，每天有大量汽车通过，设每辆车在一天的某时段出事故的概率为0.0001,在某天的该时段内有1000辆汽车通过，问出事故的次数不小于2的概率是多少（利用泊松定理）？【解】设X 表示出事故的次数，则X ~b （1000，0.0001）(2)1(0)(1)P X P X P X ≥=-=-=0.10.11e0.1e --=--⨯8.已知在五重伯努利试验中成功的次数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1422355C (1)C (1)p p p p -=-故 13p =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 =L L113()()44k P X k -==(2)(4)(2)P X P X P X k =+=++=+L L321131313()()444444k -=++++g L L 213141451()4==-g14.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 xx 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 x f t t f t t -∞=+⎰⎰2100100100d 1xt t x==-⎰ 故 1001,100()0,0x 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 xx xx F x f t t f t t t a a-∞====⎰⎰⎰当x >a 时，F （x ）=1即分布函数0,0(),01,x x F x x a a x a<⎧⎪⎪=≤≤⎨⎪>⎪⎩ 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.x A B x ,x -⎧+≥>⎨<⎩λλ（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 ）=,01,2,12,0,x x x x ≤<⎧⎪-≤<⎨⎪⎩其他.求X 的分布函数F （x ），并画出f （x ）及F （x ）.【解】当x <0时F （x ）=0当0≤x <1时0()()d ()d ()d xxF x f t t f t t f t t -∞-∞==+⎰⎰⎰20d 2xx t t ==⎰当1≤x<2时()()d xF x f t t -∞=⎰1011122()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 x x bx 试确定常数a ,b ，并求其分布函数F （x ）. 【解】（1） 由()d 1f x x ∞-∞=⎰知||021e d 2e d x x aa x a x λλλ∞∞---∞===⎰⎰故 2a λ=即密度函数为 e ,02()e 02xx x f x x λλλλ-⎧>⎪⎪=⎨⎪≤⎪⎩当x ≤0时1()()d e d e 22xxx x F x f x x x λλλ-∞-∞===⎰⎰当x >0时0()()d e d e d 22xxxx F x f x x x x λλλλ--∞-∞==+⎰⎰⎰11e 2xλ-=-故其分布函数11e ,02()1e ,02xx x F x x λλ-⎧->⎪⎪=⎨⎪≤⎪⎩(2) 由12201111()d d d 22b f x x bx x x x ∞-∞==+=+⎰⎰⎰得 b =1即X 的密度函数为2,011(),120,x x f x x x<<⎧⎪⎪=≤<⎨⎪⎪⎩其他当x ≤0时F （x ）=0 当0<x <1时0()()d ()d ()d xxF x f x x f x x f x x -∞-∞==+⎰⎰⎰2d 2xx x x ==⎰当1≤x <2时01211()()d 0d d d x xF x f x x x x x x x -∞-∞==++⎰⎰⎰⎰312x=- 当x ≥2时F （x ）=1 故其分布函数为20,0,012()31,1221,2x x x F x x x x ≤⎧⎪⎪<<⎪=⎨⎪-≤<⎪⎪≥⎩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 =======-+==+====-=====故Y 的分布律为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 ===+=++=+L L242111()()()222111()/(1)443k =++++=-=L L2(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 XX 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 )XY F y P y P X y =≤=≤ln 0d ln yx y ==⎰当y ≥e 时()(e )1XY F y P y =≤=即分布函数0,1()ln ,1e 1,e Y y F y y y y ≤⎧⎪=<<⎨⎪≥⎩故Y 的密度函数为11e ,()0,Y y y f y ⎧<<⎪=⎨⎪⎩其他 （2） 由P （0<X <1）=1知(0)1P Z >=当z ≤0时，()()0Z F z P Z z =≤=当z >0时，()()(2ln )Z F z P Z z P X z =≤=-≤/2(ln )(e )2z z P X P X -=≤-=≥/21/2ed 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。
北邮版概率论答案
习题三1.将一硬币抛掷三次;以X 表示在三次中出现正面的次数;以Y 表示三次中出现正面次数与出现反面次数之差的绝对值.试写出X 和Y 的联合分布律. 111222⨯⨯111222⨯⨯=2.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. 的联合分布律如表： 23247C 3C 35= 13247C 2C 35= 1232247C C 6C 35= 1132247C C 12C 35=13247C 2C 35= 2427C /C =2132247C C 6C 35= 23247C 3C 35=3.设二维随机变量X ;Y 的联合分布函数为Fx ;y =⎪⎩⎪⎨⎧≤≤≤≤.,020,20,sin sin 其他ππy x y x求二维随机变量X ;Y 在长方形域⎭⎬⎫⎩⎨⎧≤<≤<36,40πππy x 内的概率. 解如图πππ{0,}(3.2)463P X Y <≤<≤公式 ππππππ(,)(,)(0,)(0,)434636F F F F --+ππππππsin sin sin sin sin 0sin sin 0sin 4346362(31).4=--+=-题3图说明：也可先求出密度函数;再求概率.. 4.设随机变量X ;Y 的分布密度fx ;y =⎩⎨⎧>>+-.,0,0,0,)43(其他y x A y x e求：1 常数A ；2 随机变量X ;Y 的分布函数；3 P {0≤X <1;0≤Y <2}. 解1 由-(34)0(,)d d e d d 112x y A f x y x y A x y +∞+∞+∞+∞+-∞-∞===⎰⎰⎰⎰得 A =12 2 由定义;有 (,)(,)d d y xF x y f u v u v -∞-∞=⎰⎰(34)340012ed d (1e )(1e )0,0,0,0,y yu v x y u v y x -+--⎧⎧-->>⎪==⎨⎨⎩⎪⎩⎰⎰其他3 {01,02}P X Y ≤<≤<12(34)3800{01,02}12e d d (1e )(1e )0.9499.x y P X Y x y -+--=<≤<≤==--≈⎰⎰5.设随机变量X ;Y 的概率密度为fx ;y =⎩⎨⎧<<<<--.,0,42,20),6(其他y x y x k1 确定常数k ；2 求P {X ＜1;Y ＜3}；3 求P {X <1.5}；4 求P {X +Y ≤4}. 解1 由性质有242(,)d d (6)d d 81,f x y x y k x y y x k +∞+∞-∞-∞=--==⎰⎰⎰⎰故 18R =2 13{1,3}(,)d d P X Y f x y y x -∞-∞<<=⎰⎰130213(6)d d 88k x y y x =--=⎰⎰ 3 11.5{ 1.5}(,)d d a (,)d d x D P X f x y x y f x y x y <<=⎰⎰⎰⎰如图1.542127d (6)d .832x x y y =--=⎰⎰4 24{4}(,)d d (,)d d X Y D P X Y f x y x y f x y x y +≤+≤=⎰⎰⎰⎰如图b240212d (6)d .83xx x y y -=--=⎰⎰题5图6.设X 和Y 是两个相互独立的随机变量;X 在0;0.2上服从均匀分布;Y 的密度函数为f Y y =⎩⎨⎧>-.,0,0,55其他y y e求：1 X 与Y 的联合分布密度；2 P {Y ≤X }.题6图解1 因X 在0;0.2上服从均匀分布;所以X 的密度函数为1,00.2,()0.20,.X x f x ⎧<<⎪=⎨⎪⎩其他 而55e ,0,()0,.y Y y f y -⎧>=⎨⎩其他 所以(,),()()X Y f x y X Y f x f y 独立5515e25e ,00.20,0.20,0,yy x y --⎧⎧⨯<<>⎪==⎨⎨⎩⎪⎩且其他. 2 5()(,)d d 25e d d y y xDP Y X f x y x y x y -≤≤=⎰⎰⎰⎰如图0.20.2-550-1d 25e d (5e 5)d =e 0.3679.xyx x y x -==-+≈⎰⎰⎰7.设二维随机变量X ;Y 的联合分布函数为Fx ;y =⎩⎨⎧>>----.,0,0,0),1)(1(24其他y x y x e e求X ;Y 的联合分布密度.解(42)28e ,0,0,(,)(,)0,x y x y F x y f x y x y -+⎧>>∂==⎨∂∂⎩其他. 8.设二维随机变量X ;Y 的概率密度为fx ;y = 4.8(2),01,0,0,.y x x y x -≤≤≤≤⎧⎨⎩其他求边缘概率密度. 解()(,)d X f x f x y y +∞-∞=⎰x204.8(2)d 2.4(2),01,=0,.0,y x y x x x ⎧⎧--≤≤⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰12y 4.8(2)d 2.4(34),01,=0,.0,y x x y y y y ⎧-⎧-+≤≤⎪=⎨⎨⎩⎪⎩⎰其他题8图 题9图9.设二维随机变量X ;Y 的概率密度为fx ;y =e ,0,0,.y x y -⎧<<⎨⎩其他求边缘概率密度. 解()(,)d X f x f x y y +∞-∞=⎰e d e ,0,=0,.0,y x x y x +∞--⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰0e d e ,0,=0,.0,yy x x y y --⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他题10图10.设二维随机变量X ;Y 的概率密度为fx ;y =22,1,0,.cx y x y ⎧≤≤⎨⎩其他1 试确定常数c ；2 求边缘概率密度. 解1(,)d d (,)d d Df x y x y f x y x y +∞+∞-∞-∞⎰⎰⎰⎰如图2112-14=d d 1.21xx cx y y c ==⎰⎰ 得214c =. 2 ()(,)d X f x f x y y +∞-∞=⎰212422121(1),11,d 840,0,.x x x x x y y ⎧⎧--≤≤⎪⎪==⎨⎨⎪⎪⎩⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰522217d ,01,420,0,.y y x y x y y -⎧⎧≤≤⎪⎪==⎨⎨⎪⎪⎩⎩⎰其他 11.设随机变量X ;Y 的概率密度为fx ;y =1,,01,0,.y x x ⎧<<<⎨⎩其他求条件概率密度f Y ｜X y ｜x ;f X ｜Y x ｜y .题11图解()(,)d X f x f x y y +∞-∞=⎰1d 2,01,0,.xx y x x -⎧=<<⎪=⎨⎪⎩⎰其他111d 1,10,()(,)d 1d 1,01,0,.y Y y x y y f y f x y x x y y -+∞-∞⎧=+-<<⎪⎪⎪===-≤<⎨⎪⎪⎪⎩⎰⎰⎰其他所以|1,||1,(,)(|)2()0,.Y X X y x f x y f y x xf x ⎧<<⎪==⎨⎪⎩其他|1, 1,1(,)1(|),1,()10,.X Y Y y x y f x y f x y y x f y y⎧<<⎪-⎪⎪==-<<⎨+⎪⎪⎪⎩其他 12.袋中有五个号码1;2;3;4;5;从中任取三个;记这三个号码中最小的号码为X ;最大的号码为Y .1 求X 与Y 的联合概率分布；2 X 与Y 是否相互独立解1 X 与Y 的联合分布律如下表3 4 5{}i P X x =13511C 10= 3522C 10= 3533C 10= 610 23511C 10= 3522C 10= 310 3 02511C 10= 110{}i P Y y =110 310 6102 因6161{1}{3}{1,3},101010010P X P Y P X Y ===⨯=≠=== 故X 与Y 不独立13.设二维随机变量X ;Y 的联合分布律为 2 5 80.4 0.80.15 0.30 0.35 0.05 0.12 0.031求关于X 和关于Y 的边缘分布； 2 X 与Y 是否相互独立 2 5 8 P {Y=y i } 0.4 0.15 0.30 0.35 0.8 0.80.05 0.12 0.03 0.2{}i P X x =0.20.420.38YXXYXY2 因{2}{0.4}0.20.8P X P Y ===⨯0.160.15(2,0.4),P X Y =≠=== 故X 与Y 不独立.14.设X 和Y 是两个相互独立的随机变量;X 在0;1上服从均匀分布;Y 的概率密度为f Y y =⎪⎩⎪⎨⎧>-.,0,0,212/其他y y e1求X 和Y 的联合概率密度；2 设含有a 的二次方程为a 2+2Xa +Y =0;试求a 有实根的概率.解1 因1,01,()0,X x f x <<⎧==⎨⎩其他; 21e ,1,()20,yY y f y -⎧>⎪==⎨⎪⎩其他.故/21e01,0,(,),()()20,.y X Y x y f x y X Y f x f y -⎧<<>⎪=⎨⎪⎩独立其他题14图2 方程220a Xa Y ++=有实根的条件是2(2)40X Y ∆=-≥故 X 2≥Y ;从而方程有实根的概率为：22{}(,)d d x yP X Y f x y x y ≥≥=⎰⎰21/2001d e d 212[(1)(0)]0.1445.x y x yπ-==-Φ-Φ=⎰⎰15.设X 和Y 分别表示两个不同电子器件的寿命以小时计;并设X 和Y 相互独立;且服从同一分布;其概率密度为fx =⎪⎩⎪⎨⎧>.,0,1000,10002其他x x求Z =X /Y 的概率密度.解如图;Z 的分布函数(){}{}Z XF z P Z z P z Y=≤=≤ 1 当z ≤0时;()0Z F z =2 当0<z <1时;这时当x =1000时;y =1000z如图a 3366102222101010()d d d d yz Z zx y zF z x y y x x y x y +∞≥==⎰⎰⎰⎰ 33610231010=d 2z zy yzy +∞⎛⎫-= ⎪⎝⎭⎰题15图3 当z ≥1时;这时当y =103时;x =103z 如图b3366222210101010()d d d d zy Z x y zF z x y y x x yx y +∞≥==⎰⎰⎰⎰ 336231010101=d 12y y zy z +∞⎛⎫-=- ⎪⎝⎭⎰即 11,1,2(),01,20,.Z z z zf z z ⎧-≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他故 21,1,21(),01,20,.Z z z f z z ⎧≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他16.设某种型号的电子管的寿命以小时计近似地服从N 160;202分布.随机地选取4 只;求其中没有一只寿命小于180h 的概率.解设这四只寿命为X i i =1;2;3;4;则X i ~N 160;202;从而123412{min(,,,)180}{180}{180}i P X X X X X P X P X ≥≥≥之间独立34{180}{180}P X P X ≥≥ 1234[1{180}][1{180}][1{180}][1{180}]P X P X P X P X =-<-<-<-<44144180160[1{180}]120[1(1)](0.158)0.00063.P X ⎡-⎤⎛⎫=-<=-Φ ⎪⎢⎥⎝⎭⎣⎦=-Φ== 17.设X ;Y 是相互独立的随机变量;其分布律分别为P {X =k }=pk ;k =0;1;2;…; P {Y =r }=qr ;r =0;1;2;….证明随机变量Z =X +Y 的分布律为P {Z =i }=∑=-ik k i q k p 0)()(;i =0;1;2;….证明因X 和Y 所有可能值都是非负整数;所以 {}{}Z i X Y i ==+={0,}{1,1}{,0}X Y i X Y i X i Y =====-==于是0{}{,},i k P Z i P X k Y i k X Y =====-∑相互独立0{}{}ik P X k P Y i k ===-∑()()ik p k q i k ==-∑18.设X ;Y 是相互独立的随机变量;它们都服从参数为n ;p 的二项分布.证明Z =X +Y 服从参数为2n ;p 的二项分布.证明方法一：X +Y 可能取值为0;1;2;…;2n .{}{,}ki P X Y k P X i Y k i =+====-∑00202(){}2ki ki n i k i n k ii k k n k i k n k P X i P Y k i n n p q p q i k i n n p q i k i n p q k =---+=-=-===-⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭⎛⎫⎛⎫= ⎪⎪-⎝⎭⎝⎭⎛⎫= ⎪⎝⎭∑∑∑方法二：设μ1;μ2;…;μn ;μ1′;μ2′;…;μn ′均服从两点分布参数为p ;则X =μ1+μ2+…+μn ;Y =μ1′+μ2′+…+μn ′; X +Y =μ1+μ2+…+μn +μ1′+μ2′+…+μn ′;所以;X +Y 服从参数为2n ;p 的二项分布.1 求P {X =2｜Y =2};P {Y =3｜X =0}；2 求V =max X ;Y 的分布律；3 求U =min X ;Y 的分布律；4 求W =X +Y 的分布律. 解1{2,2}{2|2}{2}P X Y P X Y P Y ======5{2,2}0.051,0.252{,2}i P X Y P X i Y ========∑ {3,0}{3|0}{0}P Y X P Y X P X ======3{0,3}0.011;0.033{0,}j P X Y P X Y j ========∑ 2{}{max(,)}{,}{,}P V i P X Y i P X i Y i P X i Y i ====<+≤= 10{,}{,},i ik k P X i Y k P X k Y i -=====+==∑∑ 0,1,2,3,4,5i =所以V 的分布律为 V =max X ;Y 0 1 2 3 4 5 P 00.040.160.280.240.283 {}{min(,)}P U i P X Y i ===351{,}{,}{,}{,}k ik i P X i Y i P X i Y i P X i Y k P X k Y i ==+==≥+>====+==∑∑0,1,2,3,i =于是 U =min X ;Y 0 1 2 3 P0.280.300.250.174类似上述过程;有W =X +Y 0 1 2 3 4 5 6 7 8 P0.020.060.130.190.240.190.120.0520.雷达的圆形屏幕半径为R ;设目标出现点X ;Y 在屏幕上服从均匀分布. 1 求P {Y ＞0｜Y ＞X }；2 设M =max{X ;Y };求P {M ＞0}.题20图解因X ;Y 的联合概率密度为22221,,(,)π0,.x y R f x y R⎧+≤⎪=⎨⎪⎩其他 1{0,}{0|}{}P Y Y X P Y Y X P Y X >>>>=>0(,)d (,)d y y xy xf x y f x y σσ>>>=⎰⎰⎰⎰π2π/405π42π/401d d π1d d πRR r rR r rR θθ=⎰⎰⎰⎰3/83;1/24== 2 {0}{max(,)0}1{max(,)0}P M P X Y P X Y >=>=-≤00131{0,0}1(,)d 1.44x y P X Y f x y σ≤≤=-≤≤=-=-=⎰⎰21.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;求X ;Y 关于X 的边缘概率密度在x =2处的值为多少题21图解区域D 的面积为 22e e 0111d ln 2.S x x x===⎰X ;Y 的联合密度函数为211,1e ,0,(,)20,.x y f x y x ⎧≤≤<≤⎪=⎨⎪⎩其他X ;Y 关于X 的边缘密度函数为1/2011d ,1e ,()220,.x X y x f x x⎧=≤≤⎪=⎨⎪⎩⎰其他 所以1(2).4X f =22.设随机变量X 和Y 相互独立;下表列出了二维随机变量X ;Y 联合分布律及关于X 和Y 的边缘分布律中的部分数值.试将其余数值填入表中的空白处. y 1 y 2 y 3P {X =x i }=p ix 1 x 21/81/8P {Y =y j }=p j 1/61解因21{}{,}j j iji P Y y P P X x Y y ======∑;故11121{}{,}{,},P Y y P X x Y y P X x Y y ====+== 从而11111{,}.6824P X x Y y ===-= YX而X 与Y 独立;故{}{}{,}i j i i P X x P Y y P X x Y y =====;从而11111{}{,}.624P X x P X x Y y =⨯==== 即：1111{}/.2464P X x ===又1111213{}{,}{,}{,},P X x P X x Y y P X x Y y P X x Y y ====+==+==即1,3111{},4248P X x Y y =++== 从而131{,}.12P X x Y y ===同理21{},2P Y y == 223{,}8P X x Y y ===又31{}1j j P Y y ===∑;故3111{}1623P Y y ==--=. 同理23{}.4P X x == 从而23313111{,}{}{,}.3124P X x Y y P Y y P X x Y y ====-===-=故23.设某班车起点站上客人数X 服从参数为λλ>0的泊松分布;每位乘客在中途下车的概率为p 0<p <1;且中途下车与否相互独立;以Y 表示在中途下车的人数;求：1在发车时有n 个乘客的条件下;中途有m 人下车的概率；2二维随机变量X ;Y 的概率分布.解1 {|}C (1),0,0,1,2,m m n mn P Y m X n p p m n n -===-≤≤=.2 {,}{}{|}P X n Y m P X n P Y m X n ======e C (1),,0,1,2,.!m m n mnnp p n m n n n λλ--=-≤≤=24.设随机变量X 和Y 独立;其中X 的概率分布为X ~⎪⎪⎭⎫⎝⎛7.03.021;而Y 的概率密度为fy ;求随机变量U =X +Y 的概率密度gu .解设Fy 是Y 的分布函数;则由全概率公式;知U =X +Y 的分布函数为(){}0.3{|1}0.7{|2}G u P X Y u P X Y u X P X Y u X =+≤=+≤=++≤=0.3{1|1}0.7{2|2}P Y u X P Y u X =≤-=+≤-=由于X 和Y 独立;可见()0.3{1}0.7{2}G u P Y u P Y u =≤-+≤-0.3(1)0.7(2).F u F u =-+-由此;得U 的概率密度为()()0.3(1)0.7(2)g u G u F u F u '''==-+-0.3(1)0.7(2).f u f u =-+-25. 设随机变量X 与Y 相互独立;且均服从区间0;3上的均匀分布;求P {max{X ;Y }≤1}. 解：因为随即变量服从0;3上的均匀分布;于是有1, 03,()30, 0,3;x f x x x ⎧≤≤⎪=⎨⎪<>⎩ 1, 03,()30, 0, 3.y f y y y ⎧≤≤⎪=⎨⎪<>⎩ 因为X;Y 相互独立;所以1, 03,03,(,)90, 0,0,3, 3.x y f x y x y x y ⎧≤≤≤≤⎪=⎨⎪<<>>⎩ 推得 1{max{,}1}9P X Y ≤=. 26. 设二维随机变量X ;Y 的概率分布为其中a ;1 a ;b ;c 的值；2 Z 的概率分布；3 P {X =Z }.解 1 由概率分布的性质知;a+b+c +0.6=1 即 a+b+c = 0.4. 由()0.2E X =-;可得0.1a c -+=-.再由 {0,0}0.1{00}0.5{0}0.5P X Y a b P Y X P X a b ≤≤++≤≤===≤++;得 0.3a b +=.解以上关于a;b;c 的三个方程得0.2,0.1,0.1a b c ===.2 Z 的可能取值为-2;-1;0;1;2;{2}{1,1}0.2P Z P X Y =-==-=-=;{1}{1,0}{0,1}0.1P Z P X Y P X Y =-==-=+==-=;{0}{1,1}{0,0}{1,1}0.3P Z P X Y P X Y P X Y ===-=+==+==-=;{1}{1,0}{0,1}0.3P Z P X Y P X Y ====+===;{2}{1,1}0.1P Z P X Y =====;即Z 的概率分布为3 {}{0}0.10.20.10.10.20.4P X Z P Y b ====++=++=.27. 设随机变量X;Y 独立同分布;且X 的分布函数为Fx;求Z=max{X;Y}的分布函数.解：因为X;Y 独立同分布;所以F X z=F Y z;则F Z z=P{Z ≤z}=P{X ≤z;Y ≤z}=P{x ≤z}·P{Y ≤z}=Fz 2.28.设随机变量X 与Y 相互独立;X 的概率分布为1{},1,0,1,3P X i i ===-Y 的概率密度为1,01,()0,Y y f y ≤<⎧=⎨⎩其他.记Z =X +Y .1求1{|0};2P Z X ≤=2求Z 的概率密度()Z f z分析 题1可用条件概率的公式求解.题2可先求Z 的分布函数;再求导得密度函数.解1 1{0,}12{|0}2{0}P X Z P Z X P X =≤≤===1{0,}2{0}P X Y P X =≤== 11{}22P Y =≤=2(){}{}Z F z P Z z P X Y z =≤=+≤{,1}{,0}{,1}P X Y z X P X Y z X P X Y z X =+≤=-++≤=++≤= {1,1}{,0}{1,1}P Y z X P Y z X P Y z X =≤+=-+≤=+≤-= {1}{1}{}{0}{1}{1}P Y z P X P Y z P X P Y z P X =≤+=-+≤=+≤-=1[{1}{}{1}]3P Y z P Y z P Y z =≤++≤+≤-1[(1)()(1)]3Y Y Y F z F z F z =+++-'1()()[(1)()(1)]3Z Z Y Y Y f z F z f z f z f z ==+++-1,1230,.z ⎧-≤<⎪=⎨⎪⎩其他29.设随机变量X;Y 服从二维正态分布;且X 与Y 不相关;f X x;f Y y 分别表示X;Y 的概率密度;求在Y=y 的条件下;X 的条件概率密度f X ｜Y x ｜y.解：由第四章第三节所证可知;二维正态分布的不相关与独立性等价;所以fx;y= f X x ·F Y y;由本章所讨论知;/()()(,)(/)()()()X Y X Y X Y Y f x f y f x y f x y f x f y f y ===.30.设二维随机变量X ;Y 的概率密度为2,01,01,(,)0,.x y x y f x y --<<<<⎧=⎨⎩其他1求{2};P X Y >2求Z =X +Y 的概率密度()Z f z .分析 已知X;Y 的联合密度函数;可用联合密度函数的性质{(,)P X Y ∈}(,)GG f x y dxdy =⎰⎰ 解1； Z=X+Y 的概率密度函数可用先求Z 的分布函数再求导的方法或直接套公式求解. 解 12{2}(,)x yP X Y f x y dxdy >>=⎰⎰120120(2)57().824x dx x y dyx x dx =--=-=⎰⎰⎰2()(,),Z f z f x z x dx +∞-∞=-⎰其中 2()01,01(,)0x z x x z x f x z x ---<<<-<⎧-=⎨⎩其他201,01z x z x -<<<-<⎧=⎨⎩其他当02z z ≤≥或时;()0Z f z =； 当01z <<时;0()(2)(2);zZ f z z dx z z =-=-⎰ 当12z ≤<时;121()(2)(2),Z z f z z dx z -=-=-⎰即Z 的概率密度为2(2)01()(2)120Z z z z f z z z -<<⎧⎪=-≤<⎨⎪⎩其他。
概率论课后习题答案北京邮电大学版
概率作业答案2：第一章6—10节
（1）
PA1
|
B
PA1 PB | A1 PA1 PB | A1 PA2 PB
|
A2
0.6
0.6 0.8
0.8 0.4
0.1
0.932.
（2）
PA2
|
C
PA2 PC | A2 PA1 PC | A1 PA2 PC
B1 )
P( A1B1 ) P(B1 )P( A1 )P(B1 Nhomakorabea5/
A1 )
2 3
5
2 4
4 5
12
12
1
P( A2
/
B1 )
12 5
1 5
12
显然，白球的可能性大。
概率作业第一章第8—10节
一、填空题
1.一 个 工 人 看 管n台 同 一 类 型 的 机 器 ， 一段 时 间 内 每 台 机 器 需 要工 人 维 修 的 概 率p(0 p 1),则 （1）n台 机 器 都 不 需 要 维 修 概率 是______; (2)恰 有 一 台 机 器 需 要 维 的概 率 是____________; (3)至 少 有 一 台 机 器 需 要 修的 概 率 是______________ .
概率作业答案2：第一章6—10节
4.设A、B为随机事件，并且P( A) 0.5, P(B) 0.6, P(B / A) 0.8,则P( AB) ______,P( A B) ______. 答案：P( AB) P(B / A)P( A) 0.4, P( A B) 0.7
5.P(AB) P(AB),且P(A) p,则P(B) _________
北邮版概率论标准答案(7)
习题七1.设总体X 服从二项分布b （n ，p ），n 已知，X 1，X 2，…，X n 为来自X 的样本，求参数p 的矩法估计.【解】1(),(),E X np E X A X ===因此np =X所以p 的矩估计量 ˆXpn= 2.设总体X 的密度函数f （x ,θ）=22(),0,0,.x x θθθ⎧-<<⎪⎨⎪⎩其他X 1，X 2，…，X n 为其样本，试求参数θ的矩法估计. 【解】23022022()()d ,233x x E X x x x θθθθθθθ⎛⎫=-=-= ⎪⎝⎭⎰令E (X )=A 1=X ,因此3θ=X 所以θ的矩估计量为 ^3.X θ=3.设总体X 的密度函数为f （x ，θ），X 1，X 2，…，X n 为其样本，求θ的极大似然估计.（1） f （x ，θ）=,0,0,0.e x x x θθ-⎧≥⎨<⎩（2） f （x ，θ）=1,01,0,.x x θθ-⎧<<⎨⎩其他【解】（1） 似然函数111(,)ee eniii n nx x nn ii i L f x θθθθθθ=---==∑===∏∏1ln ln ni i g L n x θθ===-∑由1d d ln 0d d ni i g L n x θθθ===-=∑知 1ˆnii nxθ==∑所以θ的极大似然估计量为1ˆXθ=.(2) 似然函数11,01nni i i L x x θθ-==<<∏g,i =1,2,…,n.1ln ln (1)ln ni i L n x θθ==+-∏由1d ln ln 0d ni i L nx θθ==+=∏知 11ˆln ln nniii i n nxx θ===-=-∑∏所以θ的极大似然估计量为 1ˆln nii nxθ==-∑求这批股民的收益率的平均收益率及标准差的矩估计值. 【解】 0.094x =- 0.101893s = 9n =¶0.094.EXx ==- 由222221()()[()],()ni i x E X D X E X E X A n==+==∑知222ˆˆ[()]E X A σ+=,即有 ˆσ=于是 ˆ0.101890.0966σ=== 所以这批股民的平均收益率的矩估计值及标准差的矩估计值分别为-0.94和0.966. 5.随机变量X 服从［0，θ］上的均匀分布，今得X 的样本观测值：0.9,0.8,0.2,0.8,0.4,0.4,0.7,0.6，求θ的矩法估计和极大似然估计，它们是否为θ的无偏估计. 【解】(1) ()2E X θ=,令()E X X =，则ˆ2X θ=且ˆ()2()2()E E X E X θθ===, 所以θ的矩估计值为ˆ220.6 1.2x θ==⨯=且ˆ2X θ=是一个无偏估计.(2) 似然函数8811(,)i i L f x θθ=⎛⎫== ⎪⎝⎭∏,i =1,2, (8)显然L =L (θ)↓(θ>0)，那么18max{}i i x θ≤≤=时，L =L (θ)最大,所以θ的极大似然估计值ˆθ=0.9. 因为E(ˆθ)=E (18max{}i i x ≤≤)≠θ,所以ˆθ=18max{}ii x ≤≤不是θ的无偏计. 6.设X 1，X 2，…，X n 是取自总体X 的样本，E （X ）=μ，D （X ）=σ2，2ˆσ=k 1211()n i i i X X -+=-∑,问k 为何值时2ˆσ为σ2的无偏估计. 【解】令 1,i i i Y X X +=-i =1,2,…,n -1,则 21()()()0,()2,i i i i E Y E X E X D Y μμσ+=-=-==于是 1222211ˆ[()](1)2(1),n ii E E k Yk n EY n k σσ-===-=-∑那么当22ˆ()E σσ=,即222(1)n k σσ-=时, 有 1.2(1)k n =-7.设X 1，X 2是从正态总体N （μ，σ2）中抽取的样本112212312211311ˆˆˆ;;;334422X X X X X X μμμ=+=+=+ 试证123ˆˆˆ,,μμμ都是μ的无偏估计量，并求出每一估计量的方差. 【证明】（1）11212212121ˆ()()(),333333E E X X E X E X μμμμ⎛⎫=+=+=+= ⎪⎝⎭21213ˆ()()()44E E X E X μμ=+=, 31211ˆ()()(),22E E X E X μμ=+= 所以123ˆˆˆ,,μμμ均是μ的无偏估计量. (2) 22221122145ˆ()()(),3399D D X D X X σμσ⎛⎫⎛⎫=+== ⎪ ⎪⎝⎭⎝⎭222212135ˆ()()(),448D D X D X σμ⎛⎫⎛⎫=+= ⎪ ⎪⎝⎭⎝⎭()223121ˆ()()(),22D D X D X σμ⎛⎫=+= ⎪⎝⎭8.某车间生产的螺钉，其直径X ~N （μ，σ2），由过去的经验知道σ2=0.06,今随机抽取6枚，测得其长度（单位mm ）如下：14.7 15.0 14.8 14.9 15.1 15.2 试求μ的置信概率为0.95的置信区间. 【解】n =6,σ2=0.06,α=1-0.95=0.05,0.25214.95, 1.96,a x u u ===,μ的置信度为0.95的置信区间为/2(14.950.1 1.96)(14.754,15.146)x u α⎛±=±⨯= ⎝.9.总体X ~N (μ,σ2)，σ2已知，问需抽取容量n 多大的样本，才能使μ的置信概率为1-α，且置信区间的长度不大于L ？【解】由σ2已知可知μ的置信度为1-α的置信区间为/2x u α⎛± ⎝,/2u α,/2u α≤L ,得n ≥22/224()u L ασ 10.设某种砖头的抗压强度X ~N （μ，σ2），今随机抽取20块砖头，测得数据如下（kg ·cm -2）：64 69 49 92 55 97 41 84 88 99 84 66 100 98 72 74 87 84 48 81 （1） 求μ的置信概率为0.95的置信区间. （2） 求σ2的置信概率为0.95的置信区间. 【解】76.6,18.14,10.950.05,20,x s n α===-==/20.025222/20.0250.975(1)(19) 2.093,(1)(19)32.852,(19)8.907t n t n ααχχχ-==-===(1) μ的置信度为0.95的置信区间/2(1)76.6 2.093(68.11,85.089)a x n ⎛⎫⎛⎫-== ⎪ ⎪⎝⎭⎝⎭(2)2σ的置信度为0.95的置信区间222222/21/2(1)(1)1919,18.14,18.14(190.33,702.01)(1)(1)32.8528.907n s n s n n ααχχ-⎛⎫--⎛⎫=⨯⨯= ⎪⎪--⎝⎭⎝⎭ 11.设总体X ~f (x )=(1),01;10,.x x θθθ⎧+<<>-⎨⎩其中其他X 1,X 2,…,X n 是X 的一个样本，求θ的矩估计量及极大似然估计量.【解】(1)1101()()d (1)d ,2E X xf x x x x θθθθ+∞+-∞+==+=+⎰⎰ 又1(),2X E X θθ+==+ 故21ˆ1X Xθ-=-所以θ的矩估计量 21ˆ.1X Xθ-=- (2) 似然函数11(1) 01(1,2,,)()()0n n ni i i i i x x i n L L f x θθθ==⎧+<<=⎪===⎨⎪⎩∏∏L 其他. 取对数11ln ln(1)ln (01;1),d ln ln 0,d 1nii i ni i L n x x i n L n x θθθθ===++<<≤≤=+=+∑∑所以θ的极大似然估计量为1ˆ1.ln nii nXθ==--∑12.设总体X ~f (x )= 36(),0;0,.xx x θθθ⎧-<<⎪⎨⎪⎩其他X 1,X 2,…,X n 为总体X 的一个样本（1） 求θ的矩估计量ˆθ； （2） 求ˆ()D θ.【解】(1) 236()()d ()d ,2x E X xf x x x x θθθθ+∞-∞=-=⎰⎰令 ,2EX X θ==所以θ的矩估计量 ˆ2.X θ= (2)4ˆ()(2)4(),D D X D X DX nθ===， 又322236()63()d ,2010x x E X x θθθθθ-===⎰于是222223()()(),10420D XE X EX θθθ=-=-=,所以2ˆ().5D nθθ=13.设某种电子元件的使用寿命X 的概率密度函数为f (x ,θ)= 2()2,;0,.x x x θθθ--⎧>⎨≤⎩e其中θ(θ>0)为未知参数，又设x 1,x 2,…,x n 是总体X 的一组样本观察值，求θ的极大似然估计值.【解】似然函数12()12e 0;1,2,,;()0ln ln 22(),;1,2,,,ni i x n i n i i i x i n L L L n x x i n θθθθ=--=⎧∑⎪⋅≥===⎨⎪⎩=--≥=∑L L 其他.由d ln 20ln (),d Ln L θθ=>↑知 那么当01ˆˆmin{}ln ()max ln ()ii nx L L θθθθ>≤≤==时 所以θ的极大似然估计量1ˆmin{}ii nx θ≤≤=其中θ(0<θ<12)是未知参数，利用总体的如下样本值3，1，3，0，3，1，2，3，求θ的矩估计值和极大似然估计值. 【解】813ˆ(1)()34,()4 28ii x E X E X x x x θθ=-=-====∑令得又 所以θ的矩估计值31ˆ.44x θ-== （2） 似然函数86241(,)4(1)(12).ii L P x θθθθ===--∏2ln ln 46ln 2ln(1)4ln(1),d ln 628628240,d 112(1)(12)L L θθθθθθθθθθθθ=++-+--+=--==---- 解2628240θθ-+=得1,272θ=. 由于71,122> 所以θ的极大似然估计值为7ˆ2θ-=15.设总体X 的分布函数为F （x ,β）=1,,0,.x xx ββααα⎧->⎪⎨⎪≤⎩其中未知参数β>1,α>0，设X 1,X 2,…,X n 为来自总体X 的样本（1） 当α=1时，求β的矩估计量；（2） 当α=1时，求β的极大似然估计量； （3） 当β=2时，求α的极大似然估计量. 【解】当α=1时，11,1;(,)(,1,)0,1.x x f x F x x x ββββ+⎧≥⎪==⎨⎪<⎩当β=2时, 2132,;(,)(,,2)0,.x x f x F x x x ααααα⎧≥⎪==⎨⎪<⎩(1) 111()d 11E X x x x βββββββ+∞-+∞===--⎰令()E X X =,于是ˆ,1XX β=- 所以β的矩估计量ˆ.1XX β=- (2) 似然函数(1)1111,1,(1,2,,);()(,)0,.ln ln (1)ln ,d ln ln 0,d n n ni i i i i ni i ni i x x i n L L f x L n x L n x ββββββββ-+====⎧⎛⎫>=⎪ ⎪===⎨⎝⎭⎪⎩=-+=-=∏∏∑∑L 其他所以β的极大似然估计量1ˆ.ln nii nxβ==∑(3) 似然函数23112,,(1,2,,);(,)0,.n ni nn i i i i x i n L f x x ααα==⎧≥=⎪⎪⎛⎫==⎨ ⎪⎝⎭⎪⎪⎩∏∏L 其他 显然(),L L α=↑那么当1ˆmin{}i i nx α≤≤=时,0ˆ()max ()a L L L αα>== , 所以α的极大似然估计量1ˆmin{}i i nx α≤≤=. 16.从正态总体X ~N （3.4，62）中抽取容量为n 的样本，如果其样本均值位于区间（1.4，5.4）内的概率不小于0.95，问n 至少应取多大？2/2()d zt z t ϕ-=⎰【解】26~3.4,X N n ⎛⎫⎪⎝⎭,则~(0,1),X Z N = {1.4 5.4}33210.95333Z P X P PZ ΦΦΦ<<<<=⎧=-<<⎨⎩⎭⎛⎫⎛⎛⎫=-=-≥- ⎪ ⎪⎝⎭⎝⎭⎝⎭于是0.975Φ≥ 1.96≥, ∴ n ≥35.17. 设总体X 的概率密度为f (x ，θ)=,01,1,12,0,.x x θθ<<⎧⎪-≤<⎨⎪⎩其他 其中θ是未知参数（0<θ<1）,X 1,X 2,…,X n 为来自总体X 的简单随机样本，记N 为样本值x 1,x 2,…,x n 中小于1的个数.求： （1） θ的矩估计；（2） θ的最大似然估计. 解 (1) 由于121(;)d d (1)d EX xf x x x x x x θθθ+∞-∞==+⎰⎰⎰-133(1)222θθθ=+-=-. 令32X θ-=，解得32X θ=-， 所以参数θ的矩估计为$32X θ=-. (2) 似然函数为1()(;)(1)nN n N i i L f x θθθθ-===-∏，取对数，得ln ()ln ()ln(1),L N n N θθθ=+--两边对θ求导，得d ln ().d 1L N n Nθθθθ-=-- 令 d ln ()0,d L θθ=得 Nnθ=，所以θ的最大似然估计为$Nnθ=. 18.设12,,,n X X X L 是总体2(,)N μσ的简单随机样本.记222211111,(),.1n n i ii i X X S X X T X S n n n====-=--∑∑ （1）证明T 是2μ的无偏估计量； （2）当0,1μσ==时，求D(T).分析 根据无偏估计的定义求E(T)即可证明（1）.（2）可用方差的计算公式或统计量的分布的定义和性质求解. 证（1）因为222222222211()()1()E T E X S E X ES n nE X DX ES nnnσσμμ=-=-=+-=+-= 所以T 是2μ的无偏估计量.解（2） 解法1 当0,1μσ==时，有222222222222221()()1111[(1)](1)11121222(1)(1).(1)1(1)D T D X S n DX DS D D n S n n n n n n n n n n n n =-=+=+--=+-=+=---g g g g 解法2 22()()()D T E T E T =- 22()0()1E T E S σ===42224221()()()()()()D T E T E X E X E S E S n n==-+其中4222()()()E X D X E X =+222222222)[()()]1[()]1132()D X D X E X D D X n n n n=++=+=+=g 4222()()()E S D S E S =+ 222211[(1)](1)2(1)11(1)1D n S n n n n n =+---+=+=-- 22321112()11(1)n D T n n n n n n n +∴=-⨯⨯+⨯=--19.设总体X 的概率密度为1,0,21(,),1,2(1)0x f x x θθθθθ⎧<<⎪⎪⎪=≤<⎨-⎪⎪⎪⎩其他.其中参数θ(0<θ<1)未知，12,,,n X X X L 是来自总体X 的简单随机样本，X 是样本均值.（1）求参数θ的矩估计量θ∧；（2）判断24X 是否为2θ的无偏估计量，并说明理由.分析 利用矩估计原理 11u A ∧=可求出θ的矩估计量，再求2(4)E X 判断24X 是否为2θ的无偏估计量.解 （1） ()(;)E X xf x dx θ+∞-∞=⎰ 101.22(1)42x x dx dx θθθθθ=+=+-⎰⎰ 令 2()X E X =，即142X θ=+，得θ的矩估计量为12.2X θ∧=- （2）因为 222(4)44[()]E X EX DX EX ==+221114[()()]4241()4D X n D X n θθθ=++=+++ 又 ()0,0,D X θ≥>所以 22(4)E X θ>，即 22(4),E X θ≠因此 24X 不是2θ的无偏估计量.。
概率论与数理统计课后答案北邮版
概率论与数理统计课后答案北邮版(第四章)(总18页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--习题四1.设随机变量X 的分布律为X ??1 0 12P 1/8 1/2 1/81/4求E （），（），（2+3）. 【解】(1) 11111()(1)012;82842E X =-⨯+⨯+⨯+⨯= (2) 2222211115()(1)012;82844E X =-⨯+⨯+⨯+⨯=(3) 1(23)2()32342E X E X +=+=⨯+=2.已知100个产品中有10个次品，求任意取出的5个产品中的次品数的数学期望、方差. X 0 1 2 3 4 5P 5905100C 0.583C = 1410905100C C 0.340C = 2310905100C C 0.070C = 3210905100C C 0.007C = 4110905100C C 0C = 5105100C 0C = 故 ()0.58300.34010.07020.00730405E X =⨯+⨯+⨯+⨯+⨯+⨯ 0.501,= 52()[()]iii D X x E X P ==-∑222(00.501)0.583(10.501)0.340(50.501)00.432.=-⨯+-⨯++-⨯=3.X ??1 01P p 1 p 2 p 3且已知E （）=,()=,求1，2，3. 【解】因1231P P P ++=……①,又12331()(1)010.1E X P P P P P =-++=-=……②,222212313()(1)010.9E X P P P P P =-++=+=……③由①②③联立解得1230.4,0.1,0.5.P P P ===4.袋中有N 只球，其中的白球数X 为一随机变量，已知E （X ）=n ，问从袋中任取1球为白球的概率是多少【解】记A ={从袋中任取1球为白球}，则(){|}{}Nk P A P A X k P X k ===∑全概率公式1{}{}1().NNk k k P X k kP X k N Nn E X N N========∑∑5.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E （X ），D （X ）. 【解】12201()()d d (2)d E X xf x x x x x x x +∞-∞==+-⎰⎰⎰21332011 1.33x x x ⎡⎤⎡⎤=+-=⎢⎥⎢⎥⎣⎦⎣⎦122232017()()d d (2)d 6E X x f x x x x x x x +∞-∞==+-=⎰⎰⎰ 故 221()()[()].6D XE X E X =-= 6.设随机变量X ，Y ，Z 相互独立，且E （X ）=5，E （Y ）=11，E （Z ）=8，求下列随机变量的数学期望. （1） U =2X +3Y +1；（2） V =YZ ??4X .【解】(1) [](231)2()3()1E U E X Y E X E Y =++=++ 25311144.=⨯+⨯+=(2) [][4][]4()E V E YZ X E YZ E X =-=- ,()()4()Y Z E Y E Z E X -因独立1184568.=⨯-⨯=7.设随机变量X ，Y 相互独立，且E （X ）=E （Y ）=3，D （X ）=12，D （Y ）=16，求E（3X ??2Y ），D （2X ??3Y ）. 【解】(1) (32)3()2()3323 3.E X Y E X E Y -=-=⨯-⨯=(2) 22(23)2()(3)412916192.D X Y D X DY -=+-=⨯+⨯=8.设随机变量（X ，Y ）的概率密度为f （x ，y ）=⎩⎨⎧<<<<.,0,0,10,其他x y x k试确定常数k ，并求E （XY ）. 【解】因101(,)d d d d 1,2xf x y x y x k y k +∞+∞-∞-∞===⎰⎰⎰⎰故k =2 1()(,)d d d 2d 0.25xE XY xyf x y x y x x y y +∞+∞-∞-∞===⎰⎰⎰⎰.9.设X ，Y 是相互独立的随机变量，其概率密度分别为f X （x ）=⎩⎨⎧≤≤;,0,10,2其他x x f Y （y ）=(5)e ,5,0,.y y --⎧>⎨⎩其他求E （XY ）.【解】方法一：先求X 与Y 的均值 12()2d ,3E X x x x ==⎰ 5(5)5()e d 5e d e d 51 6.z y y z z E Y y yz z z +∞+∞+∞=-----=+=+=⎰⎰⎰令由X 与Y 的独立性，得2()()()6 4.3E XY E X E Y ==⨯=方法二：利用随机变量函数的均值公式.因X 与Y 独立，故联合密度为(5)2e ,01,5,(,)()()0,,y X Y x x y f x y f x f y --⎧≤≤>==⎨⎩其他 于是11(5)2(5)552()2ed d 2de d 6 4.3y y E XY xy x x y x xy y +∞+∞----===⨯=⎰⎰⎰⎰10.设随机变量X ，Y 的概率密度分别为f X （x ）=⎩⎨⎧≤>-;0,0,0,22x x x e f Y （y ）=⎩⎨⎧≤>-.0,0,0,44y y y e 求（1） E （X +Y ）;（2） E （2X ??3Y 2）. 【解】22-200()()d 2e d [e]e d xx x X X xf x x x x x x +∞+∞+∞--+∞-∞==-⎰⎰⎰201e d .2x x +∞-==⎰401()()d 4e dy .4y Y E Y yf y y y +∞+∞--∞==⎰⎰22242021()()d 4e d .48y Y E Y y f y y y y +∞+∞--∞====⎰⎰从而(1)113()()().244E X Y E X E Y +=+=+=(2)22115(23)2()3()23288E X Y E X E Y -=-=⨯-⨯= 11.设随机变量X 的概率密度为f （x ）=⎪⎩⎪⎨⎧<≥-.0,0,0,22x x cx xke 求（1） 系数c ;（2） E （X ）;（3） D （X ）. 【解】(1) 由222()d ed 12k x cf x x cx x k+∞+∞--∞===⎰⎰得22c k =. (2) 222()()d()2e d k x E X xf x x x k x x +∞+∞--∞==⎰⎰22220π2ed .k x kx x +∞-==⎰(3) 222222201()()d()2e .kxE X x f x x x k x k+∞+∞--∞==⎰⎰故 222221π4π()()[()].24D X E X E X k k k⎛-=-=-= ⎝⎭ 12.袋中有12个零件，其中9个合格品，3个废品.安装机器时，从袋中一个一个地取出（取出后不放回），设在取出合格品之前已取出的废品数为随机变量X ，求E （X ）和D （X ）.【解】设随机变量X 表示在取得合格品以前已取出的废品数，则X 的可能取值为0，1，2，3.为求其分布律，下面求取这些可能值的概率，易知9{0}0.750,12P X === 39{1}0.204,1211P X ==⨯= 329{2}0.041,121110P X ==⨯⨯= 3219{3}0.005.1211109P X ==⨯⨯⨯= 于是，得到的概率分布表如下：X0 1 2 3 P由此可得()00.75010.20420.04130.0050.301.E X =⨯+⨯+⨯+⨯=22222222()075010.20420.04130.0050.413()()[()]0.413(0.301)0.322.E X D X E X E X =⨯+⨯+⨯+⨯==-=-=13.一工厂生产某种设备的寿命X （以年计）服从指数分布，概率密度为f （x ）=⎪⎩⎪⎨⎧≤>-.0,0,0,414x x xe为确保消费者的利益，工厂规定出售的设备若在一年内损坏可以调换.若售出一台设备，工厂获利100元，而调换一台则损失200元，试求工厂出售一台设备赢利的数学期望.【解】厂方出售一台设备净盈利Y 只有两个值：100元和??200元 /41/411{100}{1}e d e 4x P Y P X x +∞--==≥==⎰1/4{200}{1}1e .P Y P X -=-=<=-故1/41/41/4()100e (200)(1e )300e 20033.64E Y ---=⨯+-⨯-=-= (元).14.设X 1，X 2，…，X n 是相互独立的随机变量，且有E （X i ）=μ，D （X i ）=σ2，i =1，2，…，n ，记∑==n i i S X n X 12,1，S 2=∑=--n i i X X n 12)(11. （1） 验证)(X E =μ，)(X D =n2σ；（2） 验证S 2=)(11122∑=--ni i X n X n ；（3） 验证E （S 2）=σ2.【证】(1) 1111111()()().n nn i i i i i i E X E X E X E X nu u n n n n ===⎛⎫===== ⎪⎝⎭∑∑∑22111111()()n nni i i ii i i D X D X D X X DXn nn ===⎛⎫== ⎪⎝⎭∑∑∑之间相互独立2221.n n nσσ==(2) 因222221111()(2)2nnnniii ii i i i i XX X X X X X nX X X ====-=+-=+-∑∑∑∑2222112nniii i XnX X nX X nX ===+-=-∑∑故22211()1ni i S X nX n ==--∑.(3) 因2(),()i i E X u D X σ==,故2222()()().i i i E X D X EX u σ=+=+ 同理因2(),()E X u D X nσ==,故222()E X u nσ=+.从而222221111()()[()()]11n ni i i i E s E X nX E X nE X n n ==⎡⎤=-=-⎢⎥--⎣⎦∑∑221222221[()()]11().1ni i E X nE X n n u n u n n σσσ==--⎡⎤⎛⎫=+-+=⎢⎥ ⎪-⎝⎭⎣⎦∑15.对随机变量X 和Y ，已知D （X ）=2，D （Y ）=3，Cov(X ,Y )=??1,计算：Cov （3X ??2Y +1，X +4Y ??3）.【解】Cov(321,43)3()10Cov(,)8()X Y X Y D X X Y D Y -++-=+- 3210(1)8328=⨯+⨯--⨯=-(因常数与任一随机变量独立，故Cov(X ,3)=Cov(Y ,3)=0,其余类似).16.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=221,1,π0,.x y ⎧+≤⎪⎨⎪⎩其他试验证X 和Y 是不相关的，但X 和Y 不是相互独立的. 【解】设22{(,)|1}D x y x y =+≤.2211()(,)d d d d πx y E X xf x y x y x x y +∞+∞-∞-∞+≤==⎰⎰⎰⎰ 2π1001=cos d d 0.πr r r θθ=⎰⎰同理E (Y )=0. 而 Cov(,)[()][()](,)d d X Y x E x y E Y f x y x y +∞+∞-∞-∞=--⎰⎰222π1200111d d sin cos d d 0ππx y xy x y r r r θθθ+≤===⎰⎰⎰⎰, 由此得0XY ρ=,故X 与Y 不相关. 下面讨论独立性，当|x |≤1时，2212112()1.ππx X x f x y x ---- 当|y |≤1时，2212112()1ππy Y y f y x y ---. 显然()()(,).X Y f x f y f x y ≠故X和Y不是相互独立的.17.??1 0 1??111/8 1/8 1/81/8 0 1/81/8 1/81/8验证X和Y是不相关的，但和不是相互独立的.【解】联合分布表中含有零元素，X与Y显然不独立，由联合分布律易求得X，Y及XY的分布律，其分布律如下表X??101P382838Y??101P382838XY??101P284828由期望定义易得E（X）=E（Y）=E（XY）=0.从而E(XY)=E(X)·E(Y),再由相关系数性质知ρXY=0,即X与Y的相关系数为0，从而X和Y是不相关的.又331{1}{1}{1,1}888P X P Y P X Y=-=-=⨯≠==-=-从而X与Y不是相互独立的.18.设二维随机变量（X，Y）在以（0，0），（0，1），（1，0）为顶点的三角形区域上服从均匀分布，求Cov（X，Y），ρXY.【解】如图，S D=12，故（X，Y）的概率密度为题18图2,(,),(,)0,x y Df x y∈⎧=⎨⎩其他.XY()(,)d d DE X xf x y x y =⎰⎰11001d 2d 3x x x y -==⎰⎰22()(,)d d DE X x f x y x y =⎰⎰112001d 2d 6xx x y -==⎰⎰从而222111()()[()].6318D XE X E X ⎛⎫=-=-= ⎪⎝⎭同理11(),().318E Y D Y == 而 1101()(,)d d 2d d d 2d .12xDDE XY xyf x y x y xy x y x xy y -====⎰⎰⎰⎰⎰⎰所以1111Cov(,)()()()123336X Y E XY E X E Y =-=-⨯=-. 从而 112)()XY D Y ρ-===-19.设（X ，Y ）的概率密度为f （x ，y ）=1ππsin(),0,0,2220.x y x y ,⎧+≤≤≤≤⎪⎨⎪⎩其他求协方差Cov （X ，Y ）和相关系数ρXY . 【解】π/2π/21π()(,)d d d sin()d .24E X xf x y x y x xx y y +∞+∞-∞-∞==+=⎰⎰⎰⎰ππ2222201ππ()d sin()d 2.282E X x x x y y =+=+-⎰⎰从而222ππ()()[()] 2.162D XE X E X =-=+-同理 2πππ(),() 2.4162E Y D Y ==+- 又 π/2π/2π()d sin()d d 1,2E XY x xy x y x y =+=-⎰⎰故 2ππππ4Cov(,)()()()1.2444X Y E XY E X E Y -⎛⎫⎛⎫=-=--⨯=- ⎪ ⎪⎝⎭⎝⎭222222π4(π4)π8π164.πππ8π32π8π32)()2162XY D Y ρ-⎛⎫- ⎪--+⎝⎭===-=-+-+-+- 20.已知二维随机变量（X ，Y ）的协方差矩阵为⎥⎦⎤⎢⎣⎡4111，试求Z 1=X ??2Y 和Z 2=2X ??Y 的相关系数.【解】由已知知：D (X )=1,D (Y )=4,Cov(X ,Y )=1.从而12()(2)()4()4Cov(,)1444113,()(2)4()()4Cov(,)414414,D Z D X Y D X D Y X Y D Z D X Y D X D Y X Y =-=+-=+⨯-⨯==-=+-=⨯+-⨯=12Cov(,)Cov(2,2)Z Z X Y X Y =--2Cov(,)4Cov(,)Cov(,)2Cov(,)2()5Cov(,)2()215124 5.X X Y X X Y Y Y D X X Y D Y =--+=-+=⨯-⨯+⨯=故 12122)()Z Z D Z ρ===21.对于两个随机变量V ，W ，若E （V 2），E （W 2）存在，证明：［E （VW ）］2≤E （V 2）E （W 2）.这一不等式称为柯西许瓦兹（Couchy??Schwarz ）不等式. 【证】令2(){[]},.g t E V tW t R =+∈显然22220()[()][2]g t E V tW E V tVW t W ≤=+=++222[]2[][],.E V t E VW t E W t R =++∀∈可见此关于t 的二次式非负，故其判别式Δ≤0， 即2220[2()]4()()E VW E W E V ≥∆=- 2224{[()]()()}.E VW E V E W =-故222[()]()()}.E VW E V E W ≤22.假设一设备开机后无故障工作的时间X 服从参数λ=1/5的指数分布.设备定时开机，出现故障时自动关机，而在无故障的情况下工作2小时便关机.试求该设备每次开机无故障工作的时间Y 的分布函数F （y ）.【解】设Y 表示每次开机后无故障的工作时间，由题设知设备首次发生故障的等待时间X ~E (λ),E (X )=1λ=5.依题意Y =min(X ,2). 对于y <0,f (y )=P {Y ≤y }=0. 对于y ≥2,F (y )=P (X ≤y )=1.对于0≤y <2,当x ≥0时，在(0,x )内无故障的概率分布为 P {X ≤x }=1??e ??λx ,所以F (y )=P {Y ≤y }=P {min(X ,2)≤y }=P {X ≤y }=1??e ??y/5.23.已知甲、乙两箱中装有同种产品，其中甲箱中装有3件合格品和3件次品，乙箱中仅装有3件合格品.从甲箱中任取3件产品放乙箱后，求：（1）乙箱中次品件数Z 的数学期望；（2）从乙箱中任取一件产品是次品的概率. 【解】（1） Z 的可能取值为0，1，2，3，Z 的概率分布为33336C C {}C k k P Z k -==, 0,1,2,3.k =因此，()0123.202020202E Z =⨯+⨯+⨯+⨯= (2) 设A 表示事件“从乙箱中任取出一件产品是次品”，根据全概率公式有3(){}{|}k P A P Z k P A Z k ====∑191921310.202062062064=⨯+⨯+⨯+⨯= 24.假设由自动线加工的某种零件的内径X （毫米）服从正态分布N （μ,1），内径小于10或大于12为不合格品，其余为合格品.销售每件合格品获利，销售每件不合格品亏损，已知销售利润T （单位：元）与销售零件的内径X 有如下关系T =⎪⎩⎪⎨⎧>-≤≤<-.12,5,1210,20,10,1X X X 若若若 问：平均直径μ取何值时，销售一个零件的平均利润最大【解】(){10}20{1012}5{12}E T P X P X P X =-<+≤≤->{10}20{1012}5{12}(10)20[(12)(10)]5[1(12)]25(12)21(10) 5.P X u u P u X u u P X u u u u u u u u =--<-+-≤-≤--->-=-Φ-+Φ--Φ---Φ-=Φ--Φ--故2/2d ()25(12)(1)21(10)(1)0(()),d x E T u u x u ϕϕϕ-=-⨯---⨯-= 令这里得 22(12)/2(10)/225e 21eu u ----=两边取对数有2211ln 25(12)ln 21(10).22u u --=--解得 125111ln11ln1.1910.91282212u =-=-≈(毫米) 由此可得，当u =毫米时，平均利润最大.25.设随机变量X 的概率密度为f (x )=⎪⎩⎪⎨⎧≤≤.,0,0,2cos 21其他πx x 对X 独立地重复观察4次，用Y 表示观察值大于π/3的次数，求Y 2的数学期望.（2002研考）【解】令 π1,,3(1,2,3,4)π0,3i X Y i ⎧>⎪⎪==⎨⎪≤⎪⎩X .则41~(4,)i i Y Y B p ==∑.因为ππ{}1{}33p P X P X =>=-≤及π/30π11{}cos d 3222x P X x ≤==⎰,所以111(),(),()42,242i i E Y D Y E Y ===⨯=2211()41()()22D YE Y EY =⨯⨯==-,从而222()()[()]12 5.E Y D Y E Y =+=+=26.两台同样的自动记录仪，每台无故障工作的时间T i (i =1,2)服从参数为5的指数分布，首先开动其中一台，当其发生故障时停用而另一台自动开启.试求两台记录仪无故障工作的总时间T =T 1+T 2的概率密度f T (t )，数学期望E （T ）及方差D （T ）. 【解】由题意知：55e ,0,()0,0t i t f t t -⎧≥=⎨<⎩. 因T 1,T 2独立，所以f T (t )=f 1(t )*f 2(t ).当t <0时，f T (t )=0;当t ≥0时，利用卷积公式得55()5120()()()d 5e 5e d 25e tx t x t T f t f x f t x x x t +∞-----∞=-==⎰⎰故得525e ,0,()0,0.t T t t f t t -⎧≥=⎨<⎩ 由于T i ~E (5),故知E (T i )=15,D (T i )=125(i =1,2)因此，有E (T )=E (T 1+T 2)=25.又因T 1,T 2独立，所以D （T ）=D （T 1+T 2）=225. 27.设两个随机变量X ，Y 相互独立，且都服从均值为0，方差为1/2的正态分布，求随机变量|X ??Y |的方差.【解】设Z =X ??Y ，由于22~0,,~0,,22X N Y N ⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭且X 和Y 相互独立，故Z ~N （0，1）.因22()()(||)[(||)]D X Y D Z E Z E Z -==-22()[()],E Z E Z =-而22/2()()1,(||)||e d 2πz E Z D Z E Z z z +∞--∞===⎰ 2/202e d π2πz z z +∞-== 所以 2(||)1πD X Y -=-. 28.某流水生产线上每个产品不合格的概率为p (0<p <1)，各产品合格与否相互独立，当出现一个不合格产品时，即停机检修.设开机后第一次停机时已生产了的产品个数为X ，求E （X ）和D （X ）.【解】记q =1??p ,X 的概率分布为P {X =i }=q i ??1p ,i =1,2,…，故12111()().1(1)i ii i q p E X iq p p q p q q p ∞∞-=='⎛⎫'===== ⎪--⎝⎭∑∑ 又221211121()()i i i i i i E X i qp i i q p iq p ∞∞∞---=====-+∑∑∑2232211()12112.(1)ii q pq q pq p q p pq q p q p p p∞=''⎛⎫''=+=+⎪-⎝⎭+-=+==-∑所以 22222211()()[()].p pD XE X E X p p p--=-=-=题29图29.设随机变量X 和Y 的联合分布在点（0，1），（1，0）及（1，1）为顶点的三角形区域上服从均匀分布.（如图），试求随机变量U =X +Y 的方差. 【解】D (U )=D (X +Y )=D (X )+D (Y )+2Cov(X ,Y )=D (X )+D (Y )+2[E (XY )??E (X )·E (Y )].由条件知X 和Y 的联合密度为2,(,),(,)0,0.x y G f x y t ∈⎧=⎨<⎩ {(,)|01,01,1}.G x y x y x y =≤≤≤≤+≥ 从而11()(,)d 2d 2.X xf x f x y y y x +∞-∞-===⎰⎰因此11122300031()()d 2d ,()2d ,22X E X xf x x x x E X x x =====⎰⎰⎰22141()()[()].2918D XE X E X =-=-=同理可得 31(),().218E Y D Y ==1115()2d d 2d d ,12xGE XY xy x y x x y y -===⎰⎰⎰⎰541Cov(,)()()(),12936X Y E XY E X E Y =-=-=- 于是 1121()().18183618D U D X Y =+=+-= 30.设随机变量U 在区间[??2,2]上服从均匀分布，随机变量X =1,1,1,1,U U -≤-⎧⎨>-⎩ Y =1,1,1, 1.U U -≤⎧⎨>⎩若 试求（1）X 和Y 的联合概率分布；（2）D （X +Y ）.【解】（1） 为求X 和Y 的联合概率分布，就要计算（X ，Y ）的4个可能取值(??1,??1),(??1,1),(1,??1)及(1,1)的概率.P {x =??1,Y =??1}=P {U ≤??1,U ≤1} 112d d 1{1}444x x P U ---∞-=≤-===⎰⎰P {X =??1,Y =1}=P {U ≤??1,U >1}=P {∅}=0, P {X =1,Y =??1}=P {U >??1,U ≤1}11d 1{11}44x P U -=-<≤==⎰21d 1{1,1}{1,1}{1}44x P X Y P U U P U ===>->=>=⎰. 故得X 与Y 的联合概率分布为(1,1)(1,1)(1,1)(1,1)(,)~1110424X Y ----⎡⎤⎢⎥⎢⎥⎣⎦. (2) 因22()[()][()]D X Y E X Y E X Y +=+-+,而X +Y 及（X +Y ）2的概率分布相应为202~111424X Y -⎡⎤⎢⎥+⎢⎥⎣⎦, 24()~1122X Y ⎡⎤⎢⎥+⎢⎥⎣⎦. 从而11()(2)20,44E X Y +=-⨯+⨯= 211[()]042,22E X Y +=⨯+⨯=所以22()[()][()] 2.D X Y E X Y E X Y +=+-+=31.设随机变量X 的概率密度为f (x )=x-e 21，（??∞<x <+∞）(1) 求E （X ）及D （X ）；（2） 求Cov(X ,|X |),并问X 与|X |是否不相关（3） 问X 与|X |是否相互独立，为什么【解】(1)||1()e d 0.2x E X xx +∞--∞==⎰ 2||201()(0)e d 0e d 2.2x x D X x x x x +∞+∞---∞=-==⎰⎰ (2) Cov(,|)(||)()(||)(||)X X E X X E X E X E X X =-= ||1||e d 0,2x x x x +∞--∞==⎰所以X 与|X |互不相关.(3) 为判断|X |与X 的独立性，需依定义构造适当事件后再作出判断，为此，对定义域??∞<x <+∞中的子区间（0,+∞）上给出任意点x 0，则有0000{}{||}{}.x X x X x X x -<<=<⊂<所以000{||}{} 1.P X x P X x <<<<<故由00000{,||}{||}{||}{}P X x X x P X x P X x P X x <<=<><<得出X 与|X |不相互独立.32.已知随机变量X 和Y 分别服从正态分布N （1，32）和N （0，42），且X 与Y的相关系数ρXY =??1/2，设Z =23YX +.（1） 求Z 的数学期望E （Z ）和方差D （Z ）； （2） 求X 与Z 的相关系数ρXZ ；（3） 问X 与Z 是否相互独立，为什么 【解】(1) 1().323X Y E Z E ⎛⎫=+=⎪⎝⎭ ()2Cov ,3232XY X Y D Z D D ⎛⎫⎛⎫⎛⎫=++⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭11119162Cov(,),9432X Y =⨯+⨯+⨯⨯ 而1Cov(,))()3462XY X Y D Y ρ⎛⎫==-⨯⨯=- ⎪⎝⎭所以 1()146 3.3D Z =+-⨯= (2) 因()()11Cov(,)Cov ,Cov ,Cov ,3232X Y X Z X X X X Y ⎛⎫=+=+ ⎪⎝⎭ 119()(6)3=0,323D X =+⨯-=- 所以 0.)()XZ D Z ρ==(3) 由0XZ ρ==，得X 与Z 不相关.又因1~,3,~(1,9)3Z N X N ⎛⎫ ⎪⎝⎭，所以X 与Z 也相互独立.33.将一枚硬币重复掷n 次，以X 和Y 表示正面向上和反面向上的次数.试求X 和Y 的相关系数XY ρ.【解】由条件知X +Y =n ，则有D （X +Y ）=D （n ）=0.再由X ~B (n ,p ),Y ~B (n ,q )，且p =q =12, 从而有 ()()4nD X npq D Y ===所以 0()()()2()()XY D X Y D X D Y D X D Y ρ=+=++2,24XY n nρ=+ 故XY ρ=??1. 34. ??1 0 11试求X 和Y 的相关系数ρ.【解】由已知知E (X )=,E (Y )=，而XY 的概率分布为YX ??1 01P所以E （XY ）=??+=Cov(X ,Y )=E (XY )??E (X )·E (Y )=??×=0从而 XY ρ=035.对于任意两事件A 和B ，0<P (A )<1，0<P (B )<1,则称ρ=())()()()()()(B P A P B P A P B P A P AB P ⋅-为事件A 和B 的相关系数.试证：（1） 事件A 和B 独立的充分必要条件是ρ=0；（2） |ρ|≤1.【证】（1）由ρ的定义知，ρ=0当且仅当P (AB )??P (A )·P (B )=0.而这恰好是两事件A 、B 独立的定义，即ρ=0是A 和B 独立的充分必要条件. (2) 引入随机变量X 与Y 为1,,0,A X A ⎧⎪=⎨⎪⎩若发生若发生; 1,,0,B Y B ⎧⎪=⎨⎪⎩若发生若发生.由条件知，X 和Y 都服从0??1分布，即01~1()()X P A P A ⎧⎨-⎩ 01~1()()Y P B P B ⎧⎨-⎩从而有E (X )=P (A ),E (Y )=P (B ),D (X )=P (A )·P (A ),D (Y )=P (B )·P (B ),Cov(X ,Y )=P (AB )??P (A )·P (B )所以，事件A 和B 的相关系数就是随机变量X 和Y 的相关系数.于是由二元随机变量相关系数的基本性质可得|ρ|≤1.36. 设随机变量X 的概率密度为Y Xf X (x )=⎪⎪⎪⎩⎪⎪⎪⎨⎧<≤<<-.,0,20,41,01,21其他x x令Y =X 2，F （x ,y ）为二维随机变量（X ，Y ）的分布函数，求： (1) Y 的概率密度f Y (y )； (2) Cov(X ,Y );(3)1(,4)2F -.解： (1) Y 的分布函数为2(){}{}Y F y P Y y P X y =≤=≤.当y ≤0时， ()0Y F y =，()0Y f y =； 当0＜y ＜1时，(){{0}{0Y F y P X P X P X =≤≤=<+≤≤=，()Y f y =；当1≤y <4时，1(){10}{02Y F y P X P X =-≤<+≤≤=()Y f y =；当y ≥4时，()1Y F y =，()0Y f y =. 故Y 的概率密度为1,()04,0,.Y y f y y <<=≤<⎪⎩其他(2) 0210111()()d d d 244+X E X =xf x x x x x x ∞∞=+=⎰⎰⎰--,022********()()()d d d )246+X E Y =E X =x f x x x x x x ∞∞=+=⎰⎰⎰--,02233310117()()()d d d 248+X E XY =E Y =x f x x x x x x ∞∞=+=⎰⎰⎰--,故 Cov(X,Y ) =2()()()3E XY E X E Y =⋅-.(3) 2111(,4){,4}{,4}222F P X Y P X X -=≤-≤=≤-≤11{,22}{2}22P X X P X =≤--≤≤=-≤≤-11{1}24P X =-≤≤-=.37. 设随机变量X 服从参数为1的泊松分布,求P{X=E(X 2)}.解：因为其分布律为P{x=k}=1!e k -,k=0,1,2,…,12211011121111()!(1)!(1)!11(2)!(1)!() 2.k k k k k e k k E X k e e k k k e k k e e e -∞∞∞--===∞∞-==--+===--⎛⎫=+ ⎪--⎝⎭=+=∑∑∑∑∑所以211{()}{2}.2!2P x E X P X e e --=====所以。
北邮概率论与数理统计统计量及其分布(6.3)
§6.3 统计量及抽样分布6.3.1 统计量为研究一个问题而收集数据，数据就是样本，样本中含有总体的信息。
要实施统计推断，则要依据样本所提供的信息。
样本本身是一堆杂乱无章的数字，需要对这些数字进行加工、整理把样本中所含的信息集中起来以反映总体的各种特征，也就是要由样本计算出一些量以用于统计推断。
这些量是样本的函数而且完全由样本所确定，在统计学中，把凡是由样本算出的量称为统计量。
因此有下面定义。
定义 6.3.1 设n x x x ,..,,21为取自某总体的样本，若样本的函数),...,,(21n x x x T T =中不含任何未知参数，则称T 为统计量。
在此要强调一点：统计量只依赖于样本，而不能与任何未知的量有关，特别地不能依赖于未名参数。
换言之，统计量是能由样本完全确定的量.在具体的统计问题中选用什么统计量，当然要看问题的性质.一个好的统计量应该能很好地集中与问题有关的信息.例如: 样本均值.设n X X X ,...,,21为来自某总体的样本,则样本均值定义为∑==ni i X n X 11若要对总体均值作推断(估计、检验),那么我们很自然地会想到样本均值. 例如: 样本方差.设n X X X ,...,,21为来自某总体的样本,则样本方差定义为212)(11X X n S n i i--=∑= 若要对总体方差作推断(估计、检验),那么我们很自然地会想到样本方差.在这里我们常说“2S 的自由度为1-n ”,自由度这个名词有如下两种解释:(1) 2S 是n 个数X X -1,…,X X n -的平方和,而这n 个数受到一个(也只有一个)约束: ∑==-ni i X X 10)(,故只有1-n 个自由度.(2) 若∑==ni i X n X 11代入21)(X X ni i -∑=中,并将其整理为二次型AX X ',则A 的秩为1-n .自由度就定义为这个秩。
下面列举一些常用的统计量：样本均值: ∑==ni i X n X 11,样本方差: 2111)X -X (-n S ni i 2∑==, 样本标准差:2S S =样本k 阶原点矩:∑==n i k i k X n A 11样本k 阶中心矩:∑==ni k i k )X -(X n B 11样本偏度 2/323ˆB B s =β 样本峰度 3ˆ224-=βB B k次序统计量:设有样本n X ,,X 1,按如下方式定义随机变量)i (X ,当有了样本值n x ,,x 1后,将样本值从小到大排序为)n ((2))x x x ≤≤≤ 1（,那么)i (X 的取值为)i (x ,称i)X （为第i 个次序统计量,称)X X X(n))()2(1,,, （为样本n X ,,X 1的次序统计量, )x x x (n))()2(1,,, （是)X X X (n))()2(1,,, （的一次实现.)(X 1和)n (X 分别称为极小和极大次序统计量. =R )n (X )(X 1-称为样本极差.样本分位数:样本)p p(10<<分位数定义为⎪⎩⎪⎨⎧+=++是整数不是整数，，）p ],[X 21np )1((np 1])np [(n X X m np p 样本中位数为⎪⎪⎩⎪⎪⎨⎧+=++是偶数是奇数，，n X X m n ],[X 21n )12()2n ()21n (5.0 注：样本分位数的定义在不同的教材上可能会有所差异。
北邮研究生概率论第三讲解析
9/19/2019
北京邮电大学电子工程学院
（1.2.6）
15
引理1.2.3 A *满足：
（2）若An A*，n 1,2,，Ai Aj ，i j
A An，故对D ，有 *AD *AnD
n1
n1
证明：由 A *是 代数，则 A An A *
北京邮电大学电子工程学院
6
（3）若An ，n 1,2,
若 * An ， 则结论显然成立。
n1
若 * An :
n1
由定义： *
An
inf
k1
Ank
：An
k 1
Ank
,
Ank
A
0和每个An，Ank A，k 1,2,，使得：
v* D v* A1D v* A1D
v* A1D v* A1A2D v* A1 A2D
v* A1D v* A1A2D v* A1 A2 An1AnD v* A1 A2 An1 AnD
n1
D ，有：
*
D
*
An
D
*
An D
n1
n1
9/19/2019
北京邮电大学电子工程学院
16
由前面的结论，有:
*
D
*
An D
北邮概率论讲议 第9讲
2
tx
根据控制收敛定理，有：
G x lim Gx 2x Gx
x0
2x
1
lim
eit xx sintx
t dt
1
e itx t dt
2 x0
tx
2
同理：G x
2 x1 l l
it
2020/1/6
北京邮电大学电子工程学院
13
定理 4 .1 .2 设F1x，F2x是两个分布函数，1t， 2 t 是 其 相 应 的 特 征 函 数 ，则 ：
F1x F2x 1t 2t
证明：“”设F1x F2 x，则有：
2020/1/6
北京邮电大学电子工程学院
15
推 论 若 t 是特征函数，则有唯一的分布函数F x 存在，使得 t 是F x的特征函数。
综上所述，我们知道分布函数Fx1 1t，因此对
分布函数的研究可以转化为对特征函数的研究。
2020/1/6
北京邮电大学电子工程学院
北京邮电大学电子工程学院
17
证明：令：Gx 1 F x F x 0
2
（1）首先证明G' x 存在，且G' x 1 e itx t dt
2
先证G x 存在，且G x 1 e itx t dt
1 t
e
itx
dF1
x
e
itx
dF2
x
2
t
“”设1t 2t ，则有：
F1x2 0 F1 x2 0 F1 x1 0 F1 x1 0
北邮概率统计课件3
在统计学、决策理论、机器学习等领域中经常用到条件期望，特别是在回归分析和预测中。
应用场景
离散型条件方差
应用场景
在统计学、决策理论、机器学习等领域中经常用到条件方差，特别是在回归分析和预测中。
定义
在离散型随机变量中，给定某些信息后，随机变量的方差称为条件方差。
公式
$Var(X|Y=y) = sum (x-mu)^2 times P(X=x|Y=y)$，其中 $mu$ 是条件期望 $E(X|Y=y)$。
当事件A和事件B相互独立时，条件概率等于联合概率，即P(B|A)=P(B)。
条件分布与联合分布的关系
联合分布描述了多个事件同时发生的概率，而条件分布描述了在某个特定事件发生时，其他事件发生的概率。 联合分布和条件分布在描述事件之间的概率关系时是互补的，它们一起构成了完整的概率描述。 在实际应用中，条件分布在贝叶斯推断、统计决策等领域有广泛的应用。
在统计推断、贝叶斯推断、马尔科夫链蒙特卡洛方法等领域中，条件概率密度函数有着广泛的应用。
连续型条件期望
条件期望是在给定某个随机变量或随机向量取值的条件下，另一个随机变量的期望值。对于连续型随机变量，条件期望描述了在给定另一随机变量值的条件下，该随机变量的期望值。
定义
在统计推断、回归分析、时间序列分析等领域中，条件期望有着广泛的应用。
PART TWO
离散型条件分布
3.1关键技术 3.2技术难点 3.3案例分析
离散型条件概率
定义
在离散型随机变量中，给定某些信息后，随机事件发生的概率称为条件概率。
公式
$P(A|B) = frac{P(A cap B)}{P(B)}$，其中 $P(A cap B)$ 是事件 $A$ 和 $B$ 同时发生的概率，$P(B)$ 是事件 $B$ 发生的概率。
北邮概率论11
例1: 袋中装有编号为1，2，3，4，5，6，7，8的八张
卡片中任取一张，设事件Ａ为“抽得一张标号不大于 ４的卡片”，事件Ｂ为“抽得一张标号为偶数的卡 片”，事件Ｃ为“抽得一张标号为奇数的卡片”。请 用样本点的集合表示下列事件:Ａ∪Ｂ,ＡＢ,Ａ-Ｂ,Ｂ -Ａ,Ｂ∪Ｃ,(Ａ∪Ｂ)Ｃ 解: 将Ａ,Ｂ,Ｃ表示集合形式为Ａ＝｛１,２,３,４｝, Ｂ＝｛２,４,６,８｝,Ｃ＝｛１,３,５,７｝所以 Ａ∪Ｂ＝｛１,２,３,４,６,８｝ (Ａ∪Ｂ)Ｃ＝｛１,３｝ ＡＢ＝｛２,４｝;Ａ-Ｂ＝｛１,３｝ Ｂ-Ａ＝｛６,８｝ Ｂ∪Ｃ＝｛１,２,３,４,５,６,７,８｝
如果试验是将一枚硬币抛掷两次观察正 反面出现的情况，则样本空间由如下四 个样本点组成： S={(H,H), (H,T), (T,H), (T,T)} 样本空间在如下 其中 第 1次 第 2次 意义上提供了一个理 H H 想试验的模型： (H,H): (H,T)：
H T T T
(T,H):
(T,T):
例2:A,B,C,D四个事件，用运算关系表示：
（1）A,B,C,D至少有一个发生；
（2）都不发生；（3）都发生；
（4）A,B,C,D恰有一个发生； （5）至多一个发生。 解:（1）A∪B∪C∪D或 （2） ABC D （4） （5）
ABC D 或A B C D
（3）ABCD或 A B C D
C=A-B,且BA
定义（互不相容事件或互斥事件） 如果A，B两事件不能同时发生，即AB＝Φ ，则称事
件A与事件B是互不相容事件或互斥事件。
推广 对有限个事件或可列个事件A1，A2，…，An …， 如果对任意ij, Ai Aj＝Φ,则称A1，A2，…，An两两互 斥，或A1，A2，…，An …两两互不相容。
北邮概率论与数理统计条件概率1.3
§1.3 条件概率条件概率是概率论中的一个基本概念，也是概率论中的一个重要工具，它既可以帮助我们认识更复杂的随机事件，也可以帮助我们计算一些复杂事件的概率。
1. 条件概率的定义及计算在一个随机试验中或随机现象中，当我们已知一个事件B 发生了，这时对另外一个事件A 发生的概率往往需要重新给出度量.称事件A 的这个新概率为在事件B 发生的条件下事件A 发生的条件概率,记为)|(B A P .为了对条件概率有一个直观的认识以及考虑该如何给出条件概率的数学定义,我们先看一个例子.例1 一批同类产品由甲、乙两个车间生产，各车间生产的产品数及正品和次品的情况如下表甲车间 乙车间合计 正品 465 510975 次品 15 1025 合计 480520 1000 从这批产品中任取一件，则这件产品是次品的概率为%5.2100025= 现在假设被告知取出的产品是由甲车间生产的，那么这件产品为次品的概率就不再是%5.2，而是%125.348015= 在本例中，设B 表示事件“取出的产品是由甲车间生产的”，A 表示事件“取出的产品是次品”，前面算出的事件A 的概率是在没有任可进一步的信息的情况下得到的，而后面算出的事件A 的概率是在有了 “事件B 发生了”这一信息的情况下得到的.后一个概率就是在事件B 发生的条件下事件A 发生的条件概率.与此对应，我们可以把前一个概率称为无条件概率。
经过简单计算有)()(1000/4801000/1548015)|(B P AB P B A P === 这个关系式尽管是从本例得出的，但它具有普遍意义.受由启发,我们可以在一般的样本空间中给出条件概率的数学定义.定义 设B A ,是样本空间Ω中的两个事件，且0)(>B P ，在事件B 发生的条件下，事件A 的条件概率定义为)()()|(B P AB P B A P = 根据条件概率的定义，不难验证条件概率满足概率定义中的三条公理：（1）非负性：对任一事件B ，有0)|(≥A B P ；（2）规范性：1)|(=ΩA P ；（3）可列可加性：设⋅⋅⋅⋅⋅⋅,,,,21n B B B 是两两互不相容的事件，则有∑∞=∞==⋃11)|()|(n n n n A B P A B P 自然地，条件概率也具有三条公理导出的一切性质. 比如)|(1)|(A B P A B P -=,)|()|()|()|(212121A B B P A B P A B P A B B P -+=⋃.例2 将一骰子掷两次, 已知两次的点数之和为6,求第一次的点数大于第二次点数的概率. 解:设事件=A “两次的点数之和为6”, 事件=B “第一次的点数大于第二次点数2” 方法一(在缩减的样本空间中计算).在事件A 发生的条件下,样本空间缩减为)}3,3(),2,4(),4,2(),1,5(),5,1{(=ΩA在此样本空间中考虑,事件B 包含2个样本点,所以52)|(=A B P . 方法二.365)(=A P , 362)(=AB P ,所以 5236/536/2)|(==A B P . 例 3 对于寿险产品设计而言,需关注不同年龄的人能继续存活若干年的概率.假设根据经验或某种寿命分布理论,人的寿命超过60岁的概率为0.9, 超过70岁的概率为0.8.求60岁的人能继续存活10年的概率.解:设事件=A “人的超过60岁”, =B “人的超过70岁”,则9.0)(=A P ,8.0)(=B P ,且A B ⊂,所求的概率为98)()()()()|(===A P B P A P AB P A B P . 思考：1．考虑恰有2个小孩的家庭，从这样的家庭中任选一家，已知这个家有男孩，那么这家两个小孩都是男孩的概率是多少？2．随机地遇到一男孩，并发现他属于两个孩子的家庭，那么他家的另一个小孩也是男孩的概率是多少？3．有3张完全相同的卡片，第一张卡片两面全涂成红色，第二张卡片两面全涂成黑色，第三张卡片一面涂成红色一面涂成黑色.现从3张卡片中随机取1张并放在桌面上,如果朝上的一面是红色,那么另一面是黑色的概率有多大?4.（领奖问题）某人参加了有奖竞答活动,他全过关了,现到领奖阶段,领奖规则是:有三个房间,其中一个房间里放有奖品,而另外二个房间没有奖品,全过关的选手任选一个房间,若房间里有奖品则他获得此奖品,否则没有奖品.现此人选了一房间,在他还没有打开房门时主持人打开了另外二个房门中的一个,结果没有奖品,这时该选手还有重新选择的机会,你认为应该坚持原来的选择还是换一个选择或两者皆可?二.条件概率的应用下面给出条件概率的三个非常实用的公式: (1)乘法公式;(2)全概率公式;(3)贝叶斯公式.1. 乘法公式由条件概率的定义易知)|()()(A B P A P AB P =上面公式只是条件概率定义的平凡变形,但在具体的概率计算问题中如果)|()(A B P A P ，都可方便地算出,那么利用上式就可方便地算出)(AB P .上面公式可推广至多个事件的情形:)|()|()|()()(12121312121-⋅⋅⋅⋅⋅⋅=⋅⋅⋅n n n A A A A P A A A P A A P A P A A A P ，为保证上面公式中涉及到的条件概率有意义,需要前提:0)(121>⋅⋅⋅-n A A A P .上面公式称为乘法公式.例4 一个袋有7个球,其中5个红球,2个白球.从中依次取3次球,每次取一个,取后不放回.试求事件=A “前2次取到红球,最后1次取到白球”的概率.解:设=i A “第i 次取到红球”,3,2,1=i ,则321A A A A =,从而 214526475)|()|()()()(213121321=⨯⨯===A A A P A A P A P A A A P A P .例5(Polya 罐子模型) 设一罐子有b 个黑球,r 个红球,每次随机地取一个球,取出的球放回罐子中,还加进c 个同色球和d 个异色球，如此反复取3次球.记i B 为事件“第i 次取出的球是黑球”, j R 为事件“第j 次取出的球是红球”,求)(321R R R P ,)(321R B R P . 解：)(321R R R P )(22)|()|()(213121d c r b c r d c r b c r r b r R R R P R R P R P ++++⋅++++⋅+==， )(321R B R P )(2)|()|()(213121d c r b d c r d c r b d b r b r B R R P R B P R P +++++⋅++++⋅+==.Polya 罐子模型包含有多种模型.(1) 如0,1=-=d c ,则为不放回抽样模型;(2) 如0,0==d c ,则为放回抽样模型;(3) 如0,0=>d c ,则称为传染病模型;(4) 如0,0>=d c ,则称为安全生产模型.例6 甲袋子里有n 个红球,乙袋子里有n 个黑球,按以下方式操作:从甲袋中随意地取走一个球,然后从乙袋中取出一球放入甲袋中(如果乙袋中还有球的话).一直如此操作直至n 2个球全被取走,求最后取走的是红球的概率,如n 很大,这个概率近似值是多少?解:设想甲袋中的n 个红球分别编号n ,2,1⋅⋅⋅，.记=i A “最后取走的是i 号红球”,n i ,,2,1⋅⋅⋅=,则n A A ,,1⋅⋅⋅两两互不相容,由对称性知)()()(21n A P A P A P =⋅⋅⋅==.又记=A “最后取走的是红球”,则i n i A U A 1==,从而)()()()()(121A nP A P A P A P A P n =+⋅⋅⋅++=,下面来求)(1A P .设i N 表示事件“在甲袋中的第i 次取球没有取走1号红球”，n i ,,2,1⋅⋅⋅=，那么 1211A N N N A n ⋅⋅⋅=，并且n n n N P 111)(1-=-=，n N N P 11)|(12-=，…，nN N N P n n 11)|(11-=⋅⋅⋅-， n N N A P n 1)|(11=⋅⋅⋅. 由乘法公式知)|()|()|()()(11111211n n n N N A P N N N P N N P N P A P ⋅⋅⋅⋅⋅⋅⋅⋅⋅=- nn n 1)11(-= 从而得n nA nP A P )11()()(1-== 易见, n 很大时,这个概率近似值为1)(-≈e A P .2. 全概率公式定义 设n A A A ,,,21⋅⋅⋅为n 个事件,若满足(1)j i A A j i ≠φ=,;(2)Ω=⋃=i n i A 1, 则称n A A A ,,,21⋅⋅⋅为样本空间Ω的一个分割.易见对任一事件A ,A 与A 构成一个分割.思考:一个分割n A A A ,,,21⋅⋅⋅,用概率的语言该怎么说?如果n 个事件构成样本空间Ω的一个分割，B 为该样本空间的另一个事件，那么事件B A B A B A n ,,,21⋅⋅⋅将构成B 的一个分割，即有B B A B A B A n ⋅⋅⋅=21且上式右边的n 个事件互不相容，从而有)(B P )()()(21B A P B A P B A P n +⋅⋅⋅++=)|()()|()()|()(2211n n A B P A P A B P A P A B P A P +⋅⋅⋅++=.这便证明了下面定理.定理(全概率公式) 设n A A A ,,,21⋅⋅⋅为样本空间Ω的一个分割,且n i A P i ,,2,1,0)(⋅⋅⋅=>,则对于任一事件B ,有∑==ni i i A B P A P B P 1)|()()(.上面公式叫作全概率公式,该公式表示事件B 的概率等于诸条件概率)|(i A B P 的加权平均,权重为)(i A P .另外也能看出:n A A A ,,,21⋅⋅⋅两两互不相容且i ni A B 1=⊂U (可以不要求Ω==i ni A 1U )时,全概率公式亦成立. 例7 (续抽签与顺序无关问题)求第2次取到红球的概率；第3次取到红球的概率. 解：设i A 表示事件“第i 次取到红球”，3,2,1=i 。
北邮概率论讲议-第6讲
F| y | x
y f x, v dv
f
x,v dv
y f x,v f x dv
为
x条件下的条件分布函数。并称f| y | x
f x, y f x
为 x条件下的条件分布密度。
2024/9/22
11
例：设二维随机变量旳联合密度为：
f (x,
y)
e y 0
x x
x x x x
x x
y
f
f
u, v dvdu u, v dvdu
2024/9/22
10
利用中值定理，有：
y f x,v dv
F| y | x
f x, v dv
定 义 2. 4. 6 若f
x,
y是 , 的分布密度，且
f
x,
y dy
0，
f x, y在 x, y处连续，定义：
y
dx1 f x1 , z x1 dz
y
f
x1 ,
z
x1
dx1
dz
所以的分布密度是：
f y f x1 , y x1 dx1
2024/9/22
17
若1, 2相互独立，则=1+2旳分布密度为：
f y
f
x1 , y x1 dx1
j 1
2024/9/22
21
定理2.5.3 设n维随机变量 =(1, ,n )的分布密度为f ( x1,
n元函数g j ( x1, , xn )( j 1, , n)满足条件： （1）存在惟一的反函数，即方程组
, xn ),
y j g j ( x1, , xn )( j 1, , n) (2.5.5) 如果有解就存在惟一的实数解x j x j ( y1, , yn )( j 1, , n); (2)g j ( x1, , xn )和x j ( y1, , yn )都是连续函数；
北京邮电大学概率论期末考试试卷及答案
第1章概率论的基本概念§1 .1 随机试验与随机事件1.(1) 一枚硬币连丢3次，观察正面H ﹑反面T 出现的情形. 样本空间是：S= ；(2) 一枚硬币连丢3次，观察出现正面的次数. 样本空间是：S= ； 2.(1) 丢一颗骰子. A ：出现奇数点，则A=；B ：数点大于2，则B= . (2) 一枚硬币连丢2次， A ：第一次出现正面，则A= ；B ：两次出现同一面，则= ；C ：至少有一次出现正面，则C= .§1 .2 随机事件的运算1. 设A 、B 、C 为三事件，用A 、B 、C 的运算关系表示下列各事件： (1)A 、B 、C 都不发生表示为：.(2)A 与B 都发生,而C 不发生表示为：.(3)A 与B 都不发生,而C 发生表示为：.(4)A 、B 、C 中最多二个发生表示为：. (5)A 、B 、C 中至少二个发生表示为：.(6)A 、B 、C 中不多于一个发生表示为：. 2. 设}42:{},31:{},50:{≤<=≤<=≤≤=x B x x A x x S ：则 （1）=⋃B A ，（2）=AB ，（3）=B A ， （4）B A ⋃= ，（5）B A = 。
§1 .3 概率的定义和性质1. 已知6.0)(,5.0)(,8.0)(===⋃B P A P B A P ，则 (1)=)(AB P , (2)()(B A P )= , (3))(B A P ⋃=.2. 已知,3.0)(,7.0)(==AB P A P 则)(B A P =.§1 .4古典概型1. 某班有30个同学,其中8个女同学, 随机地选10个,求:(1)正好有2个女同学的概率,(2)最多有2个女同学的概率,(3) 至少有2个女同学的概率.2. 将3个不同的球随机地投入到4个盒子中,求有三个盒子各一球的概率.§1 .5 条件概率与乘法公式1．丢甲、乙两颗均匀的骰子，已知点数之和为7, 则其中一颗为1的概率是 。
概率论与数理统计的答案详解_北邮版_(第一章的)
概率论与数理统计习题及答案习题 一1.写出下列随机试验的样本空间及下列事件包含的样本点. （1） 掷一颗骰子，出现奇数点. （2） 掷二颗骰子，A =“出现点数之和为奇数，且恰好其中有一个1点.”B =“出现点数之和为偶数，但没有一颗骰子出现1点.” （3）将一枚硬币抛两次， A =“第一次出现正面.” B =“至少有一次出现正面.” C =“两次出现同一面.” 【解】{}{}1123456135A Ω==（），，，，，，，，；{}{}{}{}{}(2)(,)|,1,2,,6,(12),(14),(16),(2,1),(4,1),(6,1),(22),(24),(26),(3,3),(3,5),(4,2),(4,4),(4,6),(5,3),(5,5),(6,2),(6,4),(6,6);(3)(,),(,),(,),(,),(,),(,),(,),(,),(i j i j A B A B ΩΩ=======，，，，，，正反正正反正反反正正正反正正正反反{}{},),(,),(,),C =正正正反反2.设A ，B ，C 为三个事件，试用A ，B ，C（1） A 发生，B ，C 都不发生； （2） A 与B 发生，C （3） A ，B ，C 都发生； （4） A ，B ，C （5） A ，B ，C 都不发生； （6） A ，B ，C（7） A ，B ，C 至多有2个发生； （8） A ，B ，C 至少有2个发生. 【解】（1） A BC （2） AB C （3） ABC（4） A ∪B ∪C =AB C ∪A B C ∪A BC ∪A BC ∪A B C ∪AB C ∪ABC =ABC(5) ABC=A B C (6) ABC(7) A BC∪A B C∪AB C∪AB C∪A BC∪A B C∪ABC=ABC=A∪B∪C(8) AB∪BC∪CA=AB C∪A B C∪A BC∪ABC3.指出下列等式命题是否成立，并说明理由:(1) A∪B=(AB)∪B；(2) A B=A∪B；A∩C=AB C；(3) B(4) (AB)( AB)= ∅；(5) 若A⊂B，则A=AB；(6) 若AB=∅，且C⊂A，则BC=∅；(7) 若A⊂B，则B⊃A；(8) 若B⊂A,则A∪B=A.【解】(1)不成立.特例：若Α∩B=φ，则ΑB∪B=B.所以，事件Α发生，事件B必不发生，即Α∪B发生，ΑB∪B不发生.故不成立.(2)不成立.若事件Α发生，则A不发生，Α∪B发生，所以A B不发生，从而不成立.A，AB画文氏图如下:(3)不成立.B所以,若Α-B发生,则AB发生, A B不发生,故不成立.(4)成立.因为ΑB与AB为互斥事件.(5)成立.若事件Α发生,则事件B发生,所以ΑB发生.若事件ΑB发生,则事件Α发生,事件B发生.故成立.(6)成立.若事件C发生,则事件Α发生,所以事件B不发生,故BC=φ.⊂.(7)不成立.画文氏图,可知B A(8)成立.若事件Α发生,由()A AB ⊂,则事件Α∪B 发生.若事件Α∪B 发生,则事件Α,事件B 发生. 若事件Α发生,则成立.若事件B 发生,由B A ⊂,则事件Α发生.4.设A ，B 为随机事件，且P （A ）=0.7,P (A B )=0.3，求P （AB ）. 【解】 P （AB ）=1P （AB ）=1[P (A )P (AB )]=1[0.70.3]=0.65.设A ，B 是两事件，且P （A ）=0.6,P (B )=0.7, （1） 在什么条件下P （AB（2） 在什么条件下P （AB【解】（1） 当AB =A 时，P （AB ）取到最大值为0.6.（2） 当A ∪B =Ω时，P （AB ）取到最小值为0.3.6.设A ，B ，C 为三事件，且P （A ）=P （B ）=1/4，P （C ）=1/3且P （AB ）=P （BC ）=0P（AC ）=1/12，求A ，B ，C 至少有一事件发生的概率.【解】 P （A ∪B ∪C ）=P (A )+P (B )+P (C )P (AB )P (BC )P (AC )+P (ABC )=14+14+13112=347.52张扑克牌中任意取出13张，问有5张黑桃，3张红心，3张方块，2张梅花的概率是多少？【解】 p =5332131313131352C C C C /C8. （1） 求五个人的生日都在星期日的概率； （2） 求五个人的生日都不在星期日的概率； （3） 求五个人的生日不都在星期日的概率.【解】（1） 设A 1={五个人的生日都在星期日}，基本事件总数为75，有利事件仅1个，故 P （A 1）=517=（17）5（亦可用独立性求解，下同） （2） 设A 2={五个人生日都不在星期日}，有利事件数为65，故P （A 2）=5567=(67)5(3) 设A 3={五个人的生日不都在星期日}P （A 3）=1P (A 1)=1(17)59. 从一批由45件正品，5件次品组成的产品中任取3件，求其中恰有一件次品的概率.【解】与次序无关,是组合问题.从50个产品中取3个,有350C 种取法.因只有一件次品,所以从45个正品中取2个,共245C 种取法;从5个次品中取1个,共15C 种取法,由乘法原理,恰有一件次品的取法为245C 15C种,所以所求概率为21455350C C P C =.10.一批产品共N 件，其中M 件正品.从中随机地取出n 件（n <N ）.试求其中恰有m 件（m ≤M ）正品（记为A ）的概率. （1） n 件是同时取出的； （2）n （3） n 件是有放回逐件取出的.【解】（1） P （A ）=C C /C m n m nM N M N --(2) 由于是无放回逐件取出，可用排列法计算.样本点总数有P nN 种，n 次抽取中有m次为正品的组合数为C m n 种.对于固定的一种正品与次品的抽取次序，从M 件正品中取m 件的排列数有P mM 种，从NM 件次品中取nm 件的排列数为P n mN M --种，故P （A ）=C P P P m m n mn M N MnN-- 由于无放回逐渐抽取也可以看成一次取出，故上述概率也可写成P （A ）=C C C m n mM N Mn N--可以看出，用第二种方法简便得多.（3） 由于是有放回的抽取，每次都有N 种取法，故所有可能的取法总数为N n种，n 次抽取中有m 次为正品的组合数为C m n 种，对于固定的一种正、次品的抽取次序，m 次取得正品，都有M 种取法，共有M m 种取法，n m 次取得次品，每次都有N M 种取法，共有（N M ）n m 种取法，故()C ()/m m n m nnP A M N M N -=- 此题也可用贝努里概型，共做了n 重贝努里试验，每次取得正品的概率为MN，则取得m 件正品的概率为()C 1m n mm n M M P A N N -⎛⎫⎛⎫=- ⎪ ⎪⎝⎭⎝⎭11. 在电话号码簿中任取一电话号码，求后面4个数全不相同的概率(设后面4个数中的每一个数都是等可能地取自0，1，…，9).【解】这是又重复排列问题.个数有10种选择,4个数共有104种选择.4个数全不相同,是排列问题.用10个数去排4个位置,有410P 种排法,故所求概率为4410/10P P =.12. 50只铆钉随机地取来用在10个部件上，每个部件用3只铆钉.其中有3个铆钉强度太弱.若将3只强度太弱的铆钉都装在一个部件上，则这个部件强度就太弱.求发生一个部件强度太弱的概率是多少？ 【解】设A ={发生一个部件强度太弱}133103501()C C /C 1960P A ==13.7个球，其中4个是白球，3个是黑球，从中一次抽取3个，计算至少有两个是白球的概率. 【解】 设A i ={恰有i 个白球}（i =2,3），显然A 2与A 3互斥.213434233377C C C 184(),()C 35C 35P A P A ====故 232322()()()35P A A P A P A =+=14.有甲、乙两批种子，发芽率分别为0.8和0.7，在两批种子中各随机取一粒，求：（1） 两粒都发芽的概率； （2） 至少有一粒发芽的概率； （3） 恰有一粒发芽的概率.【解】设A i ={第i 批种子中的一粒发芽}，（i =1,2）(1) 1212()()()0.70.80.56P A A P A P A ==⨯= (2) 12()0.70.80.70.80.94P A A =+-⨯=(3) 2112()0.80.30.20.70.38P A A A A =⨯+⨯=15.3次正面才停止.（1） 问正好在第6次停止的概率；（2） 问正好在第6次停止的情况下，第5次也是出现正面的概率.【解】（1） 223151115()()22232p C == (2) 1342111C ()()22245/325p == *16.0.7及0.6，每人各投了3次，求二人进球数相等的概率.【解】 设A i ={甲进i 球}，i =0,1,2,3,B i ={乙进i 球},i =0,1,2,3,则3331212330()(0.3)(0.4)C 0.7(0.3)C 0.6(0.4)i i i P A B ==+⨯⨯+22223333C (0.7)0.3C (0.6)0.4+(0.7)(0.6)⨯=0.32076*17．从5双不同的鞋子中任取4只，求这4只鞋子中至少有两只鞋子配成一双的概率.【解】 4111152222410C C C C C 131C 21p =-= 18.0.3，下雨的概率为0.5，既下雪又下雨的概率为0.1,求：（1）在下雨条件下下雪的概率；（2）这天下雨或下雪的概率. 【解】 设A ={下雨}，B ={下雪}.（1） ()0.1()0.2()0.5P AB p B A P A === （2） ()()()()0.30.50.10.7p A B P A P B P AB =+-=+-=？19.已知一个家庭有3个小孩，且其中一个为女孩，求至少有一个男孩的概率（小孩为男为女是等可能的）.【解】 设A ={其中一个为女孩}，B ={至少有一个男孩}，样本点总数为23=8，故()6/86()()7/87P AB P B A P A ===或在缩减样本空间中求，此时样本点总数为7.6()7P B A =20.5%的男人和0.25%的女人是色盲，现随机地挑选一人，此人恰为色盲，问此人是男人的概率（假设男人和女人各占人数的一半）.【解】 设A ={此人是男人}，B ={此人是色盲}，则由贝叶斯公式()()()()()()()()()P A P B A P AB P A B P B P A P B A P A P B A ==+ 0.50.05200.50.050.50.002521⨯==⨯+⨯21.两人约定上午9∶00~10∶00在公园会面，求一人要等另一人半小时以上的概率.题21图【解】设两人到达时刻为x,y ,则0≤x ,y ≤60.事件“一人要等另一人半小时以上”等价于|xy |>30.如图阴影部分所示.22301604P ==22.0，1）中随机地取两个数，求：（1） 两个数之和小于65的概率； （2） 两个数之积小于14的概率.【解】 设两数为x ,y ，则0<x ,y <1.（1） x +y <65. 11441725510.68125p =-==(2) xy =<14.1111244111d d ln 242x p x y ⎛⎫=-=+⎪⎝⎭⎰⎰ 题22图23.P （A ）=0.3,P (B )=0.4,P (A B )=0.5，求P （B ｜A ∪B ）【解】 ()()()()()()()()P AB P A P AB P B A B P A B P A P B P AB -==+- 0.70.510.70.60.54-==+-24.15个乒乓球，其中有9个新球，在第一次比赛中任意取出3个球，比赛后放回原盒中；第二次比赛同样任意取出3个球，求第二次取出的3个球均为新球的概率.【解】 设A i ={第一次取出的3个球中有i 个新球}，i =0,1,2,3.B ={第二次取出的3球均为新球}由全概率公式，有3()()()i i i P B P B A P A ==∑33123213336996896796333333331515151515151515C C C C C C C C C C C C C C C C C C =∙+∙+∙+∙0.089=25. 按以往概率论考试结果分析，努力学习的学生有90%的可能考试及格，不努力学习的学生有90%的可能考试不及格.据调查，学生中有80%的人是努力学习的，试问： （1）考试及格的学生有多大可能是不努力学习的人？ （2）考试不及格的学生有多大可能是努力学习的人？ 【解】设A ={被调查学生是努力学习的}，则A ={被调查学生是不努力学习的}.由题意知P（A ）=0.8，P （A ）=0.2，又设B ={被调查学生考试及格}.由题意知P （B |A ）=0.9，P （B |A ）=0.9，故由贝叶斯公式知（1）()()()()()()()()()P A P B A P AB P A B P B P A P B A P A P B A ==+ 0.20.110.027020.80.90.20.137⨯===⨯+⨯即考试及格的学生中不努力学习的学生仅占2.702% (2) ()()()()()()()()()P A P B A P AB P A B P B P A P B A P A P B A ==+ 0.80.140.30770.80.10.20.913⨯===⨯+⨯即考试不及格的学生中努力学习的学生占30.77%.26. 将两信息分别编码为A 和B 传递出来，接收站收到时，A 被误收作B 的概率为0.02，而B 被误收作A 的概率为0.01.信息A 与B 传递的频繁程度为2∶1.若接收站收到的信息是A ，试问原发信息是A 的概率是多少？【解】 设A ={原发信息是A }，则={原发信息是B }C ={收到信息是A }，则={收到信息是B } 由贝叶斯公式，得()()()()()()()P A P C A P A C P A P C A P A P C A =+2/30.980.994922/30.981/30.01⨯==⨯+⨯27.在已有两个球的箱子中再放一白球，然后任意取出一球，若发现这球为白球，试求箱子【解】设A i ={箱中原有i 个白球}（i =0,1,2），由题设条件知P （A i ）=13,i =0,1,2.又设B ={抽出一球为白球}.由贝叶斯公式知11112()()()()()()()i i i P B A P A P A B P A B P B P B A P A ===∑ 2/31/311/31/32/31/311/33⨯==⨯+⨯+⨯28.96%是合格品，检查产品时，一个合格品被误认为是次品的概率为0.02，一个次品被误认为是合格品的概率为0.05，求在被检查后认为是合格品产品确是合格品的概率.【解】 设A ={产品确为合格品}，B ={产品被认为是合格品}由贝叶斯公式得()()()()()()()()()P A P B A P AB P A B P B P A P B A P A P B A ==+0.960.980.9980.960.980.040.05⨯==⨯+⨯29.某保险公司把被保险人分为三类：“谨慎的”，“一般的”，“冒失的”.统计资料表明，上述三种人在一年内发生事故的概率依次为0.05,0.15和0.30；如果“谨慎的”被保险人占20%，“一般的”占50%，“冒失的”占30%，现知某被保险人在一年内出了事故，则他是“谨慎的”的概率是多少？【解】 设A ={该客户是“谨慎的”}，B ={该客户是“一般的”}，C ={该客户是“冒失的”}，D ={该客户在一年内出了事故} 则由贝叶斯公式得()()(|)(|)()()(|)()(|)()(|)P AD P A P D A P A D P D P A P D A P B P D B P C P D C ==++0.20.050.0570.20.050.50.150.30.3⨯==⨯+⨯+⨯30.次品率分别为0.02,0.03,0.05,0.03，假定各道工序是相互独立的，求加工出来的零件的次品率. 【解】设A i ={第i 道工序出次品}（i =1,2,3,4）.412341()1()i i P A P A A A A ==-12341()()()()P A P A P A P A =-10.980.970.950.970.124=-⨯⨯⨯=31.设每次射击的命中率为0.2，问至少必须进行多少次独立射击才能使至少击中一次的概率不小于0.9? 【解】设必须进行n 次独立射击.则1(0.8)0.9n-≥即为 (0.8)0.1n ≤ 故n ≥1lg8=11.07，至少必须进行11次独立射击. 32.证明：若P （A ｜B ）=P (A ｜B )，则A ，B 相互独立.【证】 (|)(|)P A B P A B =即()()()()P AB P AB P B P B =亦()()()()P AB P B P AB P B =，即()[1()][()()]()P AB P B P A P AB P B -=- 因此 ()()()P AB P A P B =,故A 与B 相互独立. 33.三人独立地破译一个密码，他们能破译的概率分别为151314，求将此密码破译出的概率. 【解】 设A i ={第i 人能破译}（i =1,2,3），则31231231()1()1()()()i i P A P A A A P A P A P A ==-=-42310.6534=-⨯⨯=34.甲、乙、丙三人独立地向同一飞机射击，设击中的概率分别是0.4,0.5,0.7，若只有一人击中，则飞机被击落的概率为0.2；若有两人击中，则飞机被击落的概率为0.6；若三人都击中，则飞机一定被击落，求：飞机被击落的概率. 【解】设A ={飞机被击落}，B i ={恰有i 人击中飞机}，i =0,1,2,3由全概率公式，得3()(|)()i i i P A P A B P B ==∑=(0.4×0.5×0.3+0.6×0.5×0.3+0.6×0.5×0.7)×0.2+(0.4×0.5×0.3+0.4×0.5×0.7+0.6×0.5×0.7)×0.6+0.4×0.5×0.7×1=0.458。
北邮版概率论答案
习题三1.将一硬币抛掷三次，以X 表示在三次中出现正面的次数，以Y 表示三次中出现正面次数与出现反面次数之差的绝对值.试写出X 和Y 的联合分布律. 【解】和的联合分布律如表： 222⨯⨯222⨯⨯=2.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. 247C 3C 35= 247C 2C 35= 2247C C 6C 35=112247C C 12C 35=1247C 2C 35= 27C /C =212247C C 6C 35=2247C 3C 35=3.设二维随机变量（X ，Y ）的联合分布函数为F （x ，y ）=⎪⎩⎪⎨⎧≤≤≤≤.,020,20,sin sin 其他ππy x y x求二维随机变量（X ，Y ）在长方形域⎭⎬⎫⎩⎨⎧≤<≤<36,40πππy x 内的概率. 【解】如图πππ{0,}(3.2)463P X Y <≤<≤公式 ππππππ(,)(,)(0,)(0,)434636F F F F --+ππππππsinsin sin sin sin 0sin sin 0sin 4346361).4=--+=题3图说明：也可先求出密度函数，再求概率。
4.设随机变量（X ，Y ）的分布密度f （x ，y ）=⎩⎨⎧>>+-.,0,0,0,)43(其他y x A y x e求：（1） 常数A ；（2） 随机变量（X ，Y ）的分布函数； （3） P {0≤X <1，0≤Y <2}. 【解】（1） 由-(34)0(,)d d e dd 112x y Af x y x y A x y +∞+∞+∞+∞+-∞-∞===⎰⎰⎰⎰得 A （2） 由定义，有 (,)(,)d d y xF x y f u v u v -∞-∞=⎰⎰(34)340012ed d (1e )(1e )0,0,0,0,y yu v x y u v y x -+--⎧⎧-->>⎪==⎨⎨⎩⎪⎩⎰⎰其他(3) {01,02}P X Y ≤<≤<12(34)3800{01,02}12e d d (1e )(1e )0.9499.x y P X Y x y -+--=<≤<≤==--≈⎰⎰5.设随机变量（X ，Y ）的概率密度为f （x ，y ）=⎩⎨⎧<<<<--.,0,42,20),6(其他y x y x k（1） 确定常数k ；（2） 求P {X ＜1，Y ＜3}； （3） 求P {X <1.5}； （4） 求P {X +Y ≤4}. 【解】（1） 由性质有242(,)d d (6)d d 81,f x y x y k x y y x k +∞+∞-∞-∞=--==⎰⎰⎰⎰故 18R =（2） 13{1,3}(,)d d P X Y f x y y x -∞-∞<<=⎰⎰130213(6)d d 88k x y y x =--=⎰⎰ (3) 11.5{ 1.5}(,)d d a (,)d d x D P X f x y x y f x y x y <<=⎰⎰⎰⎰如图1.542127d (6)d .832x x y y =--=⎰⎰(4) 24{4}(,)d d (,)d d X Y D P X Y f x y x y f x y x y +≤+≤=⎰⎰⎰⎰如图b240212d (6)d .83x x x y y -=--=⎰⎰题5图6.设X 和Y 是两个相互独立的随机变量，X 在（0，0.2）上服从均匀分布，Y 的密度函数为f Y （y ）=⎩⎨⎧>-.,0,0,55其他y y e求：（1） X 与Y 的联合分布密度；（2） P {Y ≤X }.题6图【解】（1） 因X 在（0，0.2）上服从均匀分布，所以X 的密度函数为1,00.2,()0.20,.X x f x ⎧<<⎪=⎨⎪⎩其他 而55e ,0,()0,.y Y y f y -⎧>=⎨⎩其他 所以(,),()()X Y f x y X Y f x f y 独立5515e25e ,00.20,0.20,0,yy x y --⎧⎧⨯<<>⎪==⎨⎨⎩⎪⎩且其他. (2) 5()(,)d d 25e d d y y x DP Y X f x y x y x y -≤≤=⎰⎰⎰⎰如图0.20.2-5500-1d 25e d (5e 5)d =e 0.3679.xyx x y x -==-+≈⎰⎰⎰7.设二维随机变量（X ，Y ）的联合分布函数为F （x ，y ）=⎩⎨⎧>>----.,0,0,0),1)(1(24其他y x y x e e求（X ，Y ）的联合分布密度.【解】(42)28e ,0,0,(,)(,)0,x y x y F x y f x y x y -+⎧>>∂==⎨∂∂⎩其他. 8.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）= 4.8(2),01,0,0,.y x x y x -≤≤≤≤⎧⎨⎩其他求边缘概率密度. 【解】()(,)d X f x f x y y +∞-∞=⎰x204.8(2)d 2.4(2),01,=0,.0,y x y x x x ⎧⎧--≤≤⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰12y 4.8(2)d 2.4(34),01,=0,.0,y x x y y y y ⎧-⎧-+≤≤⎪=⎨⎨⎩⎪⎩⎰其他题8图 题9图9.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=e ,0,0,.y x y -⎧<<⎨⎩其他求边缘概率密度. 【解】()(,)d X f x f x y y +∞-∞=⎰e d e ,0,=0,.0,y x x y x +∞--⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰0e d e ,0,=0,.0,yy x x y y --⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他题10图10.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=22,1,0,.cx y x y ⎧≤≤⎨⎩其他（1） 试确定常数c ；（2） 求边缘概率密度. 【解】（1）(,)d d (,)d d Df x y x y f x y x y +∞+∞-∞-∞⎰⎰⎰⎰如图2112-14=d d 1.21xx cx y y c ==⎰⎰ 得214c =. (2) ()(,)d X f x f x y y +∞-∞=⎰212422121(1),11,d 840,0,.x x x x x y y ⎧⎧--≤≤⎪⎪==⎨⎨⎪⎪⎩⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰522217d ,01,420,0,.x y x y y ⎧⎧≤≤⎪⎪==⎨⎨⎪⎪⎩⎩其他 11.设随机变量（X ，Y ）的概率密度为f （x ，y ）=1,,01,0,.y x x ⎧<<<⎨⎩其他求条件概率密度f Y ｜X （y ｜x ），f X ｜Y （x ｜y ）.题11图【解】()(,)d X f x f x y y +∞-∞=⎰1d 2,01,0,.xx y x x -⎧=<<⎪=⎨⎪⎩⎰其他111d 1,10,()(,)d 1d 1,01,0,.y Y y x y y f y f x y x x y y -+∞-∞⎧=+-<<⎪⎪⎪===-≤<⎨⎪⎪⎪⎩⎰⎰⎰其他所以|1,||1,(,)(|)2()0,.Y X X y x f x y f y x xf x ⎧<<⎪==⎨⎪⎩其他|1, 1,1(,)1(|),1,()10,.X Y Y y x y f x y f x y y x f y y⎧<<⎪-⎪⎪==-<<⎨+⎪⎪⎪⎩其他 12.袋中有五个号码1，2，3，4，5，从中任取三个，记这三个号码中最小的号码为X ，最大的号码为Y .（1） 求X 与Y 的联合概率分布； （2） X 与Y 是否相互独立？ 【解】（1） X 与Y 的联合分布律如下表(2) 因6161{1}{3}{1,3},101010010P X P Y P X Y ===⨯=≠=== 故X 与Y 不独立13.设二维随机变量（，）的联合分布律为（2） X 与Y 是否相互独立？ 【解】（1）和的边缘分布如下表(2) 因{2}{0.4}0.20.8P X P Y ===⨯0.160.15(2,0.4),P X Y =≠=== 故X 与Y 不独立14.设X 和Y 是两个相互独立的随机变量，X 在（0，1）上服从均匀分布，Y 的概率密度为f Y （y ）=⎪⎩⎪⎨⎧>-.,0,0,212/其他y y e（1）求X 和Y 的联合概率密度； （2） 设含有a 的二次方程为a 2+2Xa +Y =0，试求a 有实根的概率.【解】（1） 因1,01,()0,X x f x <<⎧==⎨⎩其他; 21e ,1,()20,yY y f y -⎧>⎪==⎨⎪⎩其他.故/21e01,0,(,),()()20,.y X Y x y f x y X Y f x f y -⎧<<>⎪=⎨⎪⎩独立其他题14图(2) 方程220a Xa Y ++=有实根的条件是2(2)40X Y ∆=-≥故 X 2≥Y ，从而方程有实根的概率为：22{}(,)d d x yP X Y f x y x y ≥≥=⎰⎰21/2001d e d 21(1)(0)]0.1445.x y x y-==-Φ-Φ=⎰⎰15.设X 和Y 分别表示两个不同电子器件的寿命（以小时计），并设X 和Y 相互独立，且服从同一分布，其概率密度为f （x ）=⎪⎩⎪⎨⎧>.,0,1000,10002其他x x求Z =X /Y 的概率密度.【解】如图,Z 的分布函数(){}{}Z XF z P Z z P z Y=≤=≤ (1) 当z ≤0时，()0Z F z =（2） 当0<z <1时，（这时当x =1000时,y =1000z）(如图a) 3366102222101010()d d d d yz Z zx y zF z x y y x x y x y +∞≥==⎰⎰⎰⎰ 33610231010=d 2z zy yzy +∞⎛⎫-= ⎪⎝⎭⎰题15图(3) 当z ≥1时，（这时当y =103时，x =103z ）（如图b ）3366222210101010()d d d d zy Z xy zF z x y y x x yx y +∞≥==⎰⎰⎰⎰ 336231010101=d 12y y zy z +∞⎛⎫-=- ⎪⎝⎭⎰即 11,1,2(),01,20,.Z z z zf z z ⎧-≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他故 21,1,21(),01,20,.Z z z f z z ⎧≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他16.设某种型号的电子管的寿命（以小时计）近似地服从N （160，202）分布.随机地选取4 只，求其中没有一只寿命小于180h 的概率.【解】设这四只寿命为X i (i =1,2,3,4)，则X i ~N （160，202），从而123412{min(,,,)180}{180}{180}i P X X X X X P X P X ≥≥≥之间独立34{180}{180}P X P X ≥≥ 1234[1{180}][1{180}][1{180}][1{180}]P X P X P X P X =-<-<-<-<44144180160[1{180}]120[1(1)](0.158)0.00063.P X ⎡-⎤⎛⎫=-<=-Φ ⎪⎢⎥⎝⎭⎣⎦=-Φ== 17.设X ，Y 是相互独立的随机变量，其分布律分别为P {X =k }=p （k ），k =0，1，2，…， P {Y =r }=q （r ），r =0，1，2，….证明随机变量Z =X +Y 的分布律为P {Z =i }=∑=-ik k i q k p 0)()(，i =0，1，2，….【证明】因X 和Y 所有可能值都是非负整数，所以 {}{}Z i X Y i ==+={0,}{1,1}{,0}X Y i X Y i X i Y =====-==于是0{}{,},i k P Z i P X k Y i k X Y =====-∑相互独立0{}{}ik P X k P Y i k ===-∑()()ik p k q i k ==-∑18.设X ，Y 是相互独立的随机变量，它们都服从参数为n ，p 的二项分布.证明Z =X +Y 服从参数为2n ，p 的二项分布.【证明】方法一：X +Y 可能取值为0，1，2，…，2n .{}{,}ki P X Y k P X i Y k i =+====-∑00202(){}2ki ki n i k i n k ii kk n ki k n k P X i P Y k i n n p q p q i k i n n p q i k i n p q k =---+=-=-===-⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭⎛⎫⎛⎫= ⎪⎪-⎝⎭⎝⎭⎛⎫= ⎪⎝⎭∑∑∑方法二：设μ1,μ2,…,μn ;μ1′,μ2′,…，μn ′均服从两点分布（参数为p ），则X =μ1+μ2+…+μn ，Y =μ1′+μ2′+…+μn ′, X +Y =μ1+μ2+…+μn +μ1′+μ2′+…+μn ′,所以，X +Y 服从参数为（2n ,p )的二项分布. 19.设随机变量（，）的分布律为(1) 求{=2｜=2}，{=3｜=0}； （2） 求V =max （X ，Y ）的分布律； （3） 求U =min （X ，Y ）的分布律； （4） 求W =X +Y 的分布律. 【解】（1）{2,2}{2|2}{2}P X Y P X Y P Y ======5{2,2}0.051,0.252{,2}i P X Y P X i Y ========∑ {3,0}{3|0}{0}P Y X P Y X P X ======3{0,3}0.011;0.033{0,}j P X Y P X Y j ========∑ （2）{}{max(,)}{,}{,}P V i P X Y i P X i Y i P X i Y i ====<+≤= 10{,}{,},i ik k P X i Y k P X k Y i -=====+==∑∑ 0,1,2,3,4,5i =所以V 的分布律为(3) {}{min(,)}P U i P X Y i ===351{,}{,}{,}{,}k ik i P X i Y i P X i Y i P X i Y k P X k Y i ==+==≥+>====+==∑∑0,1,2,3,i =于是（1） 求P {Y ＞0｜Y ＞X }；（2） 设M =max{X ，Y }，求P {M ＞0}.题20图【解】因（X ，Y ）的联合概率密度为22221,,(,)π0,.x y R f x y R⎧+≤⎪=⎨⎪⎩其他 （1）{0,}{0|}{}P Y Y X P Y Y X P Y X >>>>=>0(,)d (,)d y y xy xf x y f x y σσ>>>=⎰⎰⎰⎰π2π/405π42π/401d d π1d d πRR r rR r rR θθ=⎰⎰⎰⎰3/83;1/24== (2) {0}{max(,)0}1{max(,)0}P M P X Y P X Y >=>=-≤00131{0,0}1(,)d 1.44x y P X Y f x y σ≤≤=-≤≤=-=-=⎰⎰21.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，求（X ，Y ）关于X 的边缘概率密度在x =2处的值为多少？题21图【解】区域D 的面积为 22e e 0111d ln 2.S x x x===⎰（X ,Y ）的联合密度函数为211,1e ,0,(,)20,.x y f x y x ⎧≤≤<≤⎪=⎨⎪⎩其他（X ，Y ）关于X 的边缘密度函数为1/2011d ,1e ,()220,.x X y x f x x⎧=≤≤⎪=⎨⎪⎩⎰其他 所以1(2).4X f =22.设随机变量X 和Y 相互独立，下表列出了二维随机变量（X ，Y ）联合分布律及关于X 和Y 的边缘分布律中的部分数值.试将其余数值填入表中的空白处.【解】因21{}{,}j j iji P Y y P P X x Y y ======∑,故11121{}{,}{,},P Y y P X x Y y P X x Y y ====+== 从而11111{,}.6824P X x Y y ===-=而X 与Y 独立，故{}{}{,}i j i i P X x P Y y P X x Y y =====,从而11111{}{,}.624P X x P X x Y y =⨯==== 即：1111{}/.2464P X x ===又1111213{}{,}{,}{,},P X x P X x Y y P X x Y y P X x Y y ====+==+==即1,3111{},4248P X x Y y =++== 从而131{,}.12P X x Y y ===同理21{},2P Y y == 223{,}8P X x Y y ===又31{}1j j P Y y ===∑,故3111{}1623P Y y ==--=. 同理23{}.4P X x == 从而23313111{,}{}{,}.3124P X x Y y P Y y P X x Y y ====-===-=故23.设某班车起点站上客人数X 服从参数为λ(λ>0)的泊松分布，每位乘客在中途下车的概率为p （0<p <1），且中途下车与否相互独立，以Y 表示在中途下车的人数，求：（1）在发车时有n 个乘客的条件下，中途有m 人下车的概率；（2）二维随机变量（X ，Y ）的概率分布.【解】(1) {|}C (1),0,0,1,2,m m n mn P Y m X n p p m n n -===-≤≤=.(2) {,}{}{|}P X n Y m P X n P Y m X n ======e C (1),,0,1,2,.!m m n mnnp p n m n n n λλ--=-≤≤=24.设随机变量X 和Y 独立，其中X 的概率分布为X ~⎪⎪⎭⎫⎝⎛7.03.021，而Y 的概率密度为f (y )，求随机变量U =X +Y 的概率密度g (u ).【解】设F （y ）是Y 的分布函数，则由全概率公式，知U =X +Y 的分布函数为(){}0.3{|1}0.7{|2}G u P X Y u P X Y u X P X Y u X =+≤=+≤=++≤=0.3{1|1}0.7{2|2}P Y u X P Y u X =≤-=+≤-=由于X 和Y 独立，可见()0.3{1}0.7{2}G u P Y u P Y u =≤-+≤-0.3(1)0.7(2).F u F u =-+-由此，得U 的概率密度为()()0.3(1)0.7(2)g u G u F u F u '''==-+-0.3(1)0.7(2).f u f u =-+-25. 设随机变量X 与Y 相互独立，且均服从区间[0,3]上的均匀分布，求P {max{X ,Y }≤1}.解：因为随即变量服从[0，3]上的均匀分布，于是有1, 03,()30, 0,3;x f x x x ⎧≤≤⎪=⎨⎪<>⎩ 1, 03,()30, 0, 3.y f y y y ⎧≤≤⎪=⎨⎪<>⎩ 因为X ，Y 相互独立，所以1, 03,03,(,)90, 0,0,3, 3.x y f x y x y x y ⎧≤≤≤≤⎪=⎨⎪<<>>⎩ 推得 1{max{,}1}9P X Y ≤=. 26. 设二维随机变量（X ，Y ）的概率分布为1 0 110 1 其中a ,,为常数，且的数学期望()={≤0|≤0}=0.5，记=+.求：（1） a ,b ,c 的值； （2） Z 的概率分布； （3） P {X =Z }.解 (1) 由概率分布的性质知，a+b+c +0.6=1 即 a+b+c = 0.4. 由()0.2E X =-，可得0.1a c -+=-.再由 {0,0}0.1{00}0.5{0}0.5P X Y a b P Y X P X a b ≤≤++≤≤===≤++,得 0.3a b +=.解以上关于a ，b ，c 的三个方程得0.2,0.1,0.1a b c ===.(2) Z 的可能取值为，1，0，1，2，{2}{1,1}0.2P Z P X Y =-==-=-=，{1}{1,0}{0,1}0.1P Z P X Y P X Y =-==-=+==-=，{0}{1,1}{0,0}{1,1}0.3P Z P X Y P X Y P X Y ===-=+==+==-=，{1}{1,0}{0,1}0.3P Z P X Y P X Y ====+===，{2}{1,1}0.1P Z P X Y =====，即Z(3) {}{0}0.10.20.10.10.20.4P X Z P Y b ====++=++=.27. 设随机变量X,Y 独立同分布,且X 的分布函数为F(x),求Z=max{X,Y}的分布函数.解：因为X,Y 独立同分布，所以F X （z ）=F Y (z),则F Z （z ）=P{Z ≤z}=P{X ≤z ，Y ≤z}=P{x ≤z}·P{Y ≤z}=［F （z ）］2.28.设随机变量X 与Y 相互独立，X 的概率分布为1{},1,0,1,3P X i i ===-Y 的概率密度为1,01,()0,Y y f y ≤<⎧=⎨⎩其他.记Z =X +Y .（1）求1{|0};2P Z X ≤= （2）求Z 的概率密度()Z f z分析 题（1）可用条件概率的公式求解.题（2）可先求Z 的分布函数，再求导得密度函数.解(1)1{0,}12{|0}2{0}P X Z P Z X P X =≤≤=== 1{0,}2{0}P X Y P X =≤== 11{}22P Y =≤=（2）(){}{}Z F z P Z z P X Y z =≤=+≤{,1}{,0}{,1}P X Y z X P X Y z X P X Y z X =+≤=-++≤=++≤= {1,1}{,0}{1,1}P Y z X P Y z X P Y z X =≤+=-+≤=+≤-= {1}{1}{}{0}{1}{1}P Y z P X P Y z P X P Y z P X =≤+=-+≤=+≤-=1[{1}{}{1}]3P Y z P Y z P Y z =≤++≤+≤-1[(1)()(1)]3Y Y Y F z F z F z =+++-'1()()[(1)()(1)]3Z Z Y Y Y f z F z f z f z f z ==+++-1,1230,.z ⎧-≤<⎪=⎨⎪⎩其他29.设随机变量(X,Y)服从二维正态分布,且X 与Y 不相关,f X (x),f Y (y)分别表示X,Y 的概率密度,求在Y=y 的条件下,X 的条件概率密度f X ｜Y (x ｜y).解：由第四章第三节所证可知，二维正态分布的不相关与独立性等价，所以f(x,y)= f X (x) ·F Y (y)，由本章所讨论知，/()()(,)(/)()()()X Y X Y X Y Y f x f y f x y f x y f x f y f y ===.30.设二维随机变量(X ,Y )的概率密度为2,01,01,(,)0,.x y x y f x y --<<<<⎧=⎨⎩其他（1）求{2};P X Y >（2）求Z =X +Y 的概率密度()Z f z .分析 已知(X,Y)的联合密度函数，可用联合密度函数的性质{(,)P X Y ∈}(,)GG f x y dxdy =⎰⎰ 解（1）； Z=X+Y 的概率密度函数可用先求Z 的分布函数再求导的方法或直接套公式求解. 解 （1）2{2}(,)x yP X Y f x y dxdy >>=⎰⎰1200120(2)57().824x dx x y dy x x dx =--=-=⎰⎰⎰（2）()(,),Z f z f x z x dx +∞-∞=-⎰其中 2()01,01(,)0x z x x z x f x z x ---<<<-<⎧-=⎨⎩其他201,01z x z x -<<<-<⎧=⎨⎩其他当02z z ≤≥或时，()0Z f z =； 当01z <<时，0()(2)(2);zZ f z z dx z z =-=-⎰ 当12z ≤<时，121()(2)(2),Z z f z z dx z -=-=-⎰即Z 的概率密度为2(2)01()(2)120Z z z z f z z z -<<⎧⎪=-≤<⎨⎪⎩其他。
北邮版概率论答案
北邮版概率论答案(7)(总12页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--习题七1.设总体X 服从二项分布b （n ，p ），n 已知，X 1，X 2，…，X n 为来自X 的样本，求参数p 的矩法估计.【解】1(),(),E X np E X A X ===因此np =X所以p 的矩估计量 ˆXpn= 2.设总体X 的密度函数f （x ,θ）=22(),0,0,.x x θθθ⎧-<<⎪⎨⎪⎩其他X 1，X 2，…，X n 为其样本，试求参数θ的矩法估计.【解】23022022()()d ,233x x E X x x x θθθθθθθ⎛⎫=-=-= ⎪⎝⎭⎰令E (X )=A 1=X ,因此3θ=X 所以θ的矩估计量为 ^3.X θ=3.设总体X 的密度函数为f （x ，θ），X 1，X 2，…，X n 为其样本，求θ的极大似然估计.（1） f （x ，θ）=,0,0,0.e x x x θθ-⎧≥⎨<⎩（2） f （x ，θ）=1,01,0,.x x θθ-⎧<<⎨⎩其他【解】（1） 似然函数111(,)ee eniii n nx x nn ii i L f x θθθθθθ=---==∑===∏∏1ln ln ni i g L n x θθ===-∑由1d d ln 0d d ni i g L n x θθθ===-=∑知1ˆnii nxθ==∑所以θ的极大似然估计量为1ˆXθ=. (2) 似然函数11,01nni i i L x x θθ-==<<∏,i =1,2,…,n.1ln ln (1)ln ni i L n x θθ==+-∏由1d ln ln 0d ni i L n x θθ==+=∏知11ˆln ln nniii i n nxx θ===-=-∑∏所以θ的极大似然估计量为 1ˆln nii nxθ==-∑4.从一批炒股票的股民一年收益率的数据中随机抽取10人的收益率数据，结果如下：【解】0.094x =- 0.101893s = 9n =0.094.EX x ==-由222221()()[()],()ni i x E X D X E X E X A n==+==∑知222ˆˆ[()]E X A σ+=,即有 ˆσ=于是 ˆ0.101890.0966σ=== 所以这批股民的平均收益率的矩估计值及标准差的矩估计值分别为和.5.随机变量X 服从［0，θ］上的均匀分布，今得X 的样本观测值：,,,,,,,，求θ的矩法估计和极大似然估计，它们是否为θ的无偏估计. 【解】(1) ()2E X θ=,令()E X X =，则ˆ2X θ=且ˆ()2()2()E E X E X θθ===, 所以θ的矩估计值为ˆ220.6 1.2x θ==⨯=且ˆ2X θ=是一个无偏估计. (2) 似然函数8811(,)i i L f x θθ=⎛⎫== ⎪⎝⎭∏,i =1,2, (8)显然L =L (θ)↓(θ>0)，那么18max{}i i x θ≤≤=时，L =L (θ)最大,所以θ的极大似然估计值ˆθ=.因为E(ˆθ)=E (18max{}i i x ≤≤)≠θ,所以ˆθ=18max{}i i x ≤≤不是θ的无偏计.6.设X 1，X 2，…，X n 是取自总体X 的样本，E （X ）=μ，D （X ）=σ2，2ˆσ=k 1211()n i i i XX -+=-∑,问k 为何值时2ˆσ为σ2的无偏估计. 【解】令 1,i i i Y X X +=-i =1,2,…,n -1,则 21()()()0,()2,i i i i E Y E X E X D Y μμσ+=-=-==于是 1222211ˆ[()](1)2(1),n ii E E k Yk n EY n k σσ-===-=-∑那么当22ˆ()E σσ=,即222(1)n k σσ-=时, 有 1.2(1)k n =-7.设X 1，X 2是从正态总体N （μ，σ2）中抽取的样本112212312211311ˆˆˆ;;;334422X X X X X X μμμ=+=+=+ 试证123ˆˆˆ,,μμμ都是μ的无偏估计量，并求出每一估计量的方差. 【证明】（1）11212212121ˆ()()(),333333E E X X E X E X μμμμ⎛⎫=+=+=+= ⎪⎝⎭21213ˆ()()()44E E X E X μμ=+=, 31211ˆ()()(),22E E X E X μμ=+= 所以123ˆˆˆ,,μμμ均是μ的无偏估计量. (2) 22221122145ˆ()()(),3399D D X D X X σμσ⎛⎫⎛⎫=+== ⎪ ⎪⎝⎭⎝⎭222212135ˆ()()(),448D D X D X σμ⎛⎫⎛⎫=+= ⎪ ⎪⎝⎭⎝⎭()223121ˆ()()(),22D D X D X σμ⎛⎫=+= ⎪⎝⎭8.某车间生产的螺钉，其直径X ~N （μ，σ2），由过去的经验知道σ2=,今随机抽取6枚，测得其长度（单位mm ）如下：试求μ的置信概率为的置信区间.【解】n =6,σ2=,α==,0.25214.95, 1.96,a x u u ===,μ的置信度为的置信区间为/2(14.950.1 1.96)(14.754,15.146)x u α⎛±=±⨯= ⎝.9.总体X ~N (μ,σ2)，σ2已知，问需抽取容量n 多大的样本，才能使μ的置信概率为1-α，且置信区间的长度不大于L【解】由σ2已知可知μ的置信度为1-α的置信区间为/2x u α⎛± ⎝,/2u α,/2u α≤L ,得n ≥22/224()u L ασ 10.设某种砖头的抗压强度X ~N （μ，σ2），今随机抽取20块砖头，测得数据如下（kg ·cm -2）：64 69 49 92 55 97 41 84 88 9984 66 100 98 72 74 87 84 48 81 （1） 求μ的置信概率为的置信区间.（2） 求σ2的置信概率为的置信区间.【解】76.6,18.14,10.950.05,20,x s n α===-==/20.025222/20.0250.975(1)(19) 2.093,(1)(19)32.852,(19)8.907t n t n ααχχχ-==-===(1) μ的置信度为的置信区间/2(1)76.6 2.093(68.11,85.089)a x n ⎛⎫⎛⎫-== ⎪ ⎪⎝⎭⎝⎭(2)2σ的置信度为的置信区间222222/21/2(1)(1)1919,18.14,18.14(190.33,702.01)(1)(1)32.8528.907n s n s n n ααχχ-⎛⎫--⎛⎫=⨯⨯= ⎪ ⎪--⎝⎭⎝⎭ 11.设总体X ~f (x )=(1),01;10,.x x θθθ⎧+<<>-⎨⎩其中其他X 1,X 2,…,X n 是X 的一个样本，求θ的矩估计量及极大似然估计量.【解】(1)1101()()d (1)d ,2E X xf x x x x θθθθ+∞+-∞+==+=+⎰⎰ 又1(),2X E X θθ+==+ 故21ˆ1X Xθ-=- 所以θ的矩估计量 21ˆ.1X Xθ-=- (2) 似然函数11(1) 01(1,2,,)()()0nn ni i i i i x x i n L L f x θθθ==⎧+<<=⎪===⎨⎪⎩∏∏其他. 取对数11ln ln(1)ln (01;1),d ln ln 0,d 1nii i ni i L n x x i n L nx θθθθ===++<<≤≤=+=+∑∑所以θ的极大似然估计量为1ˆ1.ln nii nXθ==--∑12.设总体X ~f (x )= 36(),0;0,.xx x θθθ⎧-<<⎪⎨⎪⎩其他X 1,X 2,…,X n 为总体X 的一个样本 （1） 求θ的矩估计量ˆθ；（2） 求ˆ()D θ. 【解】(1) 236()()d ()d ,2x E X xf x x x x θθθθ+∞-∞=-=⎰⎰令 ,2EX X θ==所以θ的矩估计量 ˆ2.X θ= (2)4ˆ()(2)4(),D D X D X DX nθ===， 又322236()63()d ,2010x x E X x θθθθθ-===⎰于是222223()()(),10420D XE X EX θθθ=-=-=,所以2ˆ().5D nθθ= 13.设某种电子元件的使用寿命X 的概率密度函数为f (x ,θ)= 2()2,;0,.x x x θθθ--⎧>⎨≤⎩e其中θ(θ>0)为未知参数，又设x 1,x 2,…,x n 是总体X 的一组样本观察值，求θ的极大似然估计值.【解】似然函数12()12e 0;1,2,,;()0ln ln 22(),;1,2,,,ni i x n i n i i i x i n L L L n x x i n θθθθ=--=⎧∑⎪⋅≥===⎨⎪⎩=--≥=∑其他.由d ln 20ln (),d Ln L θθ=>↑知 那么当01ˆˆmin{}ln ()max ln ()ii nx L L θθθθ>≤≤==时 所以θ的极大似然估计量1ˆmin{}ii nx θ≤≤= 14. 设总体X 的概率分布为其中θ(0<θ<2)是未知参数，利用总体的如下样本值3，1，3，0，3，1，2，3，求θ的矩估计值和极大似然估计值. 【解】813ˆ(1)()34,()4 28ii x E X E X x x x θθ=-=-====∑令得又 所以θ的矩估计值31ˆ.44x θ-== （2） 似然函数86241(,)4(1)(12).ii L P x θθθθ===--∏2ln ln 46ln 2ln(1)4ln(1),d ln 628628240,d 112(1)(12)L L θθθθθθθθθθθθ=++-+--+=--==---- 解2628240θθ-+= 得 1,272θ±=.由于71,122> 所以θ的极大似然估计值为ˆθ= 15.设总体X 的分布函数为F （x ,β）=1,,0,.x x x ββααα⎧->⎪⎨⎪≤⎩其中未知参数β>1,α>0，设X 1,X 2,…,X n 为来自总体X 的样本 （1） 当α=1时，求β的矩估计量； （2） 当α=1时，求β的极大似然估计量；（3） 当β=2时，求α的极大似然估计量.【解】当α=1时，11,1;(,)(,1,)0, 1.x x f x F x x x ββββ+⎧≥⎪==⎨⎪<⎩当β=2时, 2132,;(,)(,,2)0,.x x f x F x x x ααααα⎧≥⎪==⎨⎪<⎩(1) 111()d 11E X x x xβββββββ+∞-+∞===--⎰令()E X X =,于是ˆ,1XX β=- 所以β的矩估计量ˆ.1XX β=- (2) 似然函数(1)1111,1,(1,2,,);()(,)0,.ln ln (1)ln ,d ln ln 0,d n n ni i i i i n i i ni i x x i n L L f x L n x L n x ββββββββ-+====⎧⎛⎫>=⎪ ⎪===⎨⎝⎭⎪⎩=-+=-=∏∏∑∑其他所以β的极大似然估计量1ˆ.ln nii nxβ==∑(3) 似然函数23112,,(1,2,,);(,)0,.n ni nn i i i i x i n L f x x ααα==⎧≥=⎪⎪⎛⎫==⎨ ⎪⎝⎭⎪⎪⎩∏∏其他显然(),L L α=↑那么当1ˆmin{}i i nx α≤≤=时,0ˆ()max ()a L L L αα>== , 所以α的极大似然估计量1ˆmin{}i i nx α≤≤=. 16.从正态总体X ~N （，62）中抽取容量为n 的样本，如果其样本均值位于区间（，）内的概率不小于，问n 至少应取多大2/2()d zt z t ϕ-=⎰z【解】26~ 3.4,XN n ⎛⎫⎪⎝⎭,则~(0,1),X Z N ={1.4 5.4}210.95333Z P X P P Z ΦΦΦ<<<<=⎧=<<⎨⎩⎛⎫⎛⎛=-=-≥- ⎪ ⎝⎭⎝⎭⎝⎭于是0.9753Φ⎛≥⎝⎭1.96≥, ∴ n ≥35.17. 设总体X 的概率密度为f (x ，θ)=,01,1,12,0,.x x θθ<<⎧⎪-≤<⎨⎪⎩其他 其中θ是未知参数（0<θ<1）,X 1,X 2,…,X n 为来自总体X 的简单随机样本，记N 为样本值x 1,x 2,…,x n 中小于1的个数.求： （1） θ的矩估计； （2） θ的最大似然估计. 解 (1) 由于121(;)d d (1)d EX xf x x x x x x θθθ+∞-∞==+⎰⎰⎰-133(1)222θθθ=+-=-. 令32X θ-=，解得32X θ=-， 所以参数θ的矩估计为32X θ=-. (2) 似然函数为1()(;)(1)nN n N i i L f x θθθθ-===-∏，取对数，得ln ()ln ()ln(1),L N n N θθθ=+--两边对θ求导，得d ln ().d 1L N n Nθθθθ-=--令d ln ()0,d L θθ=得 Nnθ=， 所以θ的最大似然估计为Nnθ=. 18.设12,,,n X X X 是总体2(,)N μσ的简单随机样本.记222211111,(),.1n n i ii i X X S X X T X S n n n====-=--∑∑ （1）证明T 是2μ的无偏估计量； （2）当0,1μσ==时，求D(T).分析 根据无偏估计的定义求E(T)即可证明（1）.（2）可用方差的计算公式或统计量的分布的定义和性质求解. 证（1）因为222222222211()()1()E T E X S E X ES n nE X D X ES nnnσσμμ=-=-=+-=+-=所以T 是2μ的无偏估计量.解（2） 解法1 当0,1μσ==时，有222222222222221()()1111[(1)](1)11121222(1)(1).(1)1(1)D T D X S n DX DS D D n S n n n n n n n n n n n n =-=+=+--=+-=+=--- 解法2 22()()()D T E T E T =- 22()0()1E T E S σ===42224221()()()()()()D T E T E X E X E S E S n n==-+其中4222()()()E X D X E X =+222222222[()()]1[()]1132()D D X E X D D X n n n n=++=+=+=4222()()()E S D S E S =+222211[(1)](1)2(1)11(1)1D n S n n n n n =+---+=+=--22321112()11(1)n D T n n n n n n n +∴=-⨯⨯+⨯=--19.设总体X 的概率密度为1,0,21(,),1,2(1)0x f x x θθθθθ⎧<<⎪⎪⎪=≤<⎨-⎪⎪⎪⎩其他.其中参数θ(0<θ<1)未知，12,,,n X X X 是来自总体X 的简单随机样本，X 是样本均值.（1）求参数θ的矩估计量θ∧；（2）判断24X 是否为2θ的无偏估计量，并说明理由.分析 利用矩估计原理 11u A ∧=可求出θ的矩估计量，再求2(4)E X 判断24X 是否为2θ的无偏估计量. 解 （1） ()(;)E X xf x dx θ+∞-∞=⎰101.22(1)42x x dx dx θθθθθ=+=+-⎰⎰令 2()X E X =，即142X θ=+，得θ的矩估计量为12.2X θ∧=-（2）因为 222(4)44[()]E X E X DX E X ==+221114[()()]4241()4D X n D X n θθθ=++=+++又 ()0,0,D X θ≥>所以 22(4)E X θ>，即 22(4),E X θ≠因此 24X 不是2θ的无偏估计量.。
北邮概率论1-4(new)
由此可以形象地把全概率公式看成为
“由原因推结果”，每个原因对结果的发 生有一定的“作用”，即结果发生的可能 性与各种原因的“作用”大小有关. 全概 率公式表达了它们之间的关系 .
A3 A1
B
A4 A2
A7
A5 A6
A8
诸Ai是原因 B是结果
25
贝叶斯公式：
设A1,A2,…,An是试验E的样本空间Ω 的一个划 分，且P(Ai)>0，i =1,2,…,n, B是任一事件且 P(B)>0, 则
n
P( Ai | B) P( Ai )P(B｜Ai ) P( Aj )P(B｜Aj )
j 1
i 1,2,, n
该公式于1763年由贝叶斯(Bayes)给出. 它 是在观察到事件B已发生的条件下，寻找导 致B发生的每个原因的概率.
26
例 盒中12个新乒乓球，每次比赛从盒中任取3 个球，用后放回。第三次比赛时3个球，取到3个 新球的概率。
它的理论和实用意义在于: 在较复杂情况下直接计算P(B)不易,但B总是 伴随着某个Ai出现，适当地去构造这一组Ai 往往可以简化计算.
23
我们还可以从另一个角度去理解 全概率公式. 某一事件B的发生有各种可能的原因
(i=1,2,…,n)，如果B是由原因Ai所引起，则 B发生的概率是
P(BAi)=P(Ai)P(B |Ai) 每一原因都可能导致B发生，故 B发生的概率是各原因引起B发生概 率的总和，即全概率公式.
12
乘法公式应用举例 （波里亚罐子模型）
b个白球, r个红球
一个罐子中包含b个白球和r个红球. 随机地抽取一个球，观看颜色后放回罐中， 并且再加进c个与所抽出的球具有相同颜 色的球. 这种手续进行四次，试求第一、 二次取到白球且第三、四次取到红球的概 率.
- 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)。
习题三1.将一硬币抛掷三次，以X 表示在三次中出现正面的次数，以Y 表示三次中出现正面次数与出现反面次数之差的绝对值.试写出X 和Y 的联合分布律.2.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.3.设二维随机变量（X ，Y ）的联合分布函数为F （x ，y ）=⎪⎩⎪⎨⎧≤≤≤≤.,020,20,sin sin 其他ππy x y x求二维随机变量（X ，Y ）在长方形域⎭⎬⎫⎩⎨⎧≤<≤<36,40πππy x 内的概率. 【解】如图πππ{0,}(3.2)463P X Y <≤<≤公式 ππππππ(,)(,)(0,)(0,)434636F F F F --+ππππππsin sin sin sin sin0sin sin0sin4346362(31).4=--+=-g g g g题3图说明：也可先求出密度函数，再求概率。
4.设随机变量（X，Y）的分布密度f（x，y）=⎩⎨⎧>>+-.,0,0,0,)43(其他yxA yxe求：（1）常数A；（2）随机变量（X，Y）的分布函数；（3）P{0≤X<1，0≤Y<2}.【解】（1）由-(34)00(,)d d e d d112x yAf x y x y A x y+∞+∞+∞+∞+-∞-∞===⎰⎰⎰⎰得A=12（2）由定义，有(,)(,)d dy xF x y f u v u v-∞-∞=⎰⎰(34)340012e d d(1e)(1e)0,0,0,0,y y u vx yu v y x-+--⎧⎧-->>⎪==⎨⎨⎩⎪⎩⎰⎰其他(3) {01,02}P X Y≤<≤<12(34)3800{01,02}12e d d(1e)(1e)0.9499.x yP X Yx y-+--=<≤<≤==--≈⎰⎰5.设随机变量（X，Y）的概率密度为f（x，y）=⎩⎨⎧<<<<--.,0,42,2),6(其他yxyxk（1）确定常数k；（2）求P{X＜1，Y＜3}；（3）求P{X<1.5}；（4）求P{X+Y≤4}.【解】（1）由性质有242(,)d d (6)d d 81,f x y x y k x y y x k +∞+∞-∞-∞=--==⎰⎰⎰⎰故 18R =（2） 13{1,3}(,)d d P X Y f x y y x -∞-∞<<=⎰⎰130213(6)d d 88k x y y x =--=⎰⎰ (3) 11.5{ 1.5}(,)d d a (,)d d x D P X f x y x y f x y x y <<=⎰⎰⎰⎰如图1.542127d (6)d .832x x y y =--=⎰⎰(4) 24{4}(,)d d (,)d d X Y D P X Y f x y x y f x y x y +≤+≤=⎰⎰⎰⎰如图b240212d (6)d .83xx x y y -=--=⎰⎰题5图6.设X 和Y 是两个相互独立的随机变量，X 在（0，0.2）上服从均匀分布，Y 的密度函数为f Y （y ）=⎩⎨⎧>-.,0,0,55其他y y e求：（1） X 与Y 的联合分布密度；（2） P {Y ≤X }.题6图【解】（1） 因X 在（0，0.2）上服从均匀分布，所以X 的密度函数为1,00.2,()0.20,.X x f x ⎧<<⎪=⎨⎪⎩其他 而55e ,0,()0,.y Y y f y -⎧>=⎨⎩其他 所以(,),()()X Y f x y X Y f x f y g 独立5515e25e ,00.20,0.20,0,yy x y --⎧⎧⨯<<>⎪==⎨⎨⎩⎪⎩且其他. (2) 5()(,)d d 25e d d y y xDP Y X f x y x y x y -≤≤=⎰⎰⎰⎰如图0.20.2-5500-1d 25e d (5e 5)d =e 0.3679.xyx x y x -==-+≈⎰⎰⎰7.设二维随机变量（X ，Y ）的联合分布函数为F （x ，y ）=⎩⎨⎧>>----.,0,0,0),1)(1(24其他y x y x e e求（X ，Y ）的联合分布密度.【解】(42)28e ,0,0,(,)(,)0,x y x y F x y f x y x y -+⎧>>∂==⎨∂∂⎩其他. 8.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）= 4.8(2),01,0,0,.y x x y x -≤≤≤≤⎧⎨⎩其他求边缘概率密度. 【解】()(,)d X f x f x y y +∞-∞=⎰x204.8(2)d 2.4(2),01,=0,.0,y x y x x x ⎧⎧--≤≤⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰12y 4.8(2)d 2.4(34),01,=0,.0,y x x y y y y ⎧-⎧-+≤≤⎪=⎨⎨⎩⎪⎩⎰其他题8图 题9图9.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=e ,0,0,.y x y -⎧<<⎨⎩其他求边缘概率密度. 【解】()(,)d X f x f x y y +∞-∞=⎰e d e ,0,=0,.0,y x x y x +∞--⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰0e d e ,0,=0,.0,yy x x y y --⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他题10图10.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=22,1,0,.cx y x y ⎧≤≤⎨⎩其他（1） 试确定常数c ；（2） 求边缘概率密度. 【解】（1）(,)d d (,)d d Df x y x y f x y x y +∞+∞-∞-∞⎰⎰⎰⎰如图2112-14=d d 1.21xx cx y y c ==⎰⎰ 得214c =. (2) ()(,)d X f x f x y y +∞-∞=⎰212422121(1),11,d 840,0,.x x x x x y y ⎧⎧--≤≤⎪⎪==⎨⎨⎪⎪⎩⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰522217d ,01,420,0,.y y x y x y y -⎧⎧≤≤⎪⎪==⎨⎨⎪⎪⎩⎩⎰其他 11.设随机变量（X ，Y ）的概率密度为f （x ，y ）=1,,01,0,.y x x ⎧<<<⎨⎩其他求条件概率密度f Y ｜X （y ｜x ），f X ｜Y （x ｜y ）.题11图【解】()(,)d X f x f x y y +∞-∞=⎰1d 2,01,0,.xx y x x -⎧=<<⎪=⎨⎪⎩⎰其他111d 1,10,()(,)d 1d 1,01,0,.y Y y x y y f y f x y x x y y -+∞-∞⎧=+-<<⎪⎪⎪===-≤<⎨⎪⎪⎪⎩⎰⎰⎰其他所以|1,||1,(,)(|)2()0,.Y X X y x f x y f y x xf x ⎧<<⎪==⎨⎪⎩其他|1, 1,1(,)1(|),1,()10,.X Y Y y x y f x y f x y y x f y y⎧<<⎪-⎪⎪==-<<⎨+⎪⎪⎪⎩其他 12.袋中有五个号码1，2，3，4，5，从中任取三个，记这三个号码中最小的号码为X ，最大的号码为Y .（1） 求X 与Y 的联合概率分布； （2） X 与Y 是否相互独立？ 【解】（1） X 与Y 的联合分布律如下表3 4 5{}i P X x =13511C 10= 3522C 10= 3533C 10= 610 23511C 10= 3522C 10= 310 3 02511C 10= 110{}i P Y y =110 310 610(2) 因6161{1}{3}{1,3},101010010P X P Y P X Y ===⨯=≠===g 故X 与Y 不独立2 5 80.4 0.80.15 0.30 0.35 0.05 0.12 0.03（2） X 与Y 是否相互独立？ 2 5 8 P {Y=y i } 0.4 0.15 0.30 0.35 0.8 0.80.05 0.12 0.03 0.2{}i P X x =0.20.420.38YXXYXY(2) 因{2}{0.4}0.20.8P X P Y ===⨯g 0.160.15(2,0.4),P X Y =≠=== 故X 与Y 不独立.14.设X 和Y 是两个相互独立的随机变量，X 在（0，1）上服从均匀分布，Y 的概率密度为f Y （y ）=⎪⎩⎪⎨⎧>-.,0,0,212/其他y y e（1）求X 和Y 的联合概率密度；（2） 设含有a 的二次方程为a 2+2Xa +Y =0，试求a 有实根的概率.【解】（1） 因1,01,()0,X x f x <<⎧==⎨⎩其他; 21e ,1,()20,yY y f y -⎧>⎪==⎨⎪⎩其他.故/21e01,0,(,),()()20,.y X Y x y f x y X Y f x f y -⎧<<>⎪=⎨⎪⎩g 独立其他题14图(2) 方程220a Xa Y ++=有实根的条件是2(2)40X Y ∆=-≥故 X 2≥Y ，从而方程有实根的概率为：22{}(,)d d x yP X Y f x y x y ≥≥=⎰⎰21/2001d e d 212[(1)(0)]0.1445.x y x yπ-==-Φ-Φ=⎰⎰15.设X 和Y 分别表示两个不同电子器件的寿命（以小时计），并设X 和Y 相互独立，且服从同一分布，其概率密度为f （x ）=⎪⎩⎪⎨⎧>.,0,1000,10002其他x x求Z =X /Y 的概率密度.【解】如图,Z 的分布函数(){}{}Z XF z P Z zP z Y=≤=≤ (1) 当z ≤0时，()0Z F z =（2） 当0<z <1时，（这时当x =1000时,y =1000z）(如图a) 3366102222101010()d d d d yz Z zx y zF z x y y x x y x y +∞≥==⎰⎰⎰⎰ 33610231010=d 2z zy yzy +∞⎛⎫-= ⎪⎝⎭⎰题15图(3) 当z ≥1时，（这时当y =103时，x =103z ）（如图b ）3366222210101010()d d d d zy Z xy zF z x y y x x yx y +∞≥==⎰⎰⎰⎰ 336231010101=d 12y y zy z +∞⎛⎫-=- ⎪⎝⎭⎰即 11,1,2(),01,20,.Z z z zf z z ⎧-≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他故 21,1,21(),01,20,.Z z z f z z ⎧≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他16.设某种型号的电子管的寿命（以小时计）近似地服从N （160，202）分布.随机地选取4 只，求其中没有一只寿命小于180h 的概率.【解】设这四只寿命为X i (i =1,2,3,4)，则X i ~N （160，202），从而123412{min(,,,)180}{180}{180}i P X X X X X P X P X ≥≥≥g 之间独立34{180}{180}P X P X ≥≥g1234[1{180}][1{180}][1{180}][1{180}]P X P X P X P X =-<-<-<-<gg g 44144180160[1{180}]120[1(1)](0.158)0.00063.P X ⎡-⎤⎛⎫=-<=-Φ ⎪⎢⎥⎝⎭⎣⎦=-Φ== 17.设X ，Y 是相互独立的随机变量，其分布律分别为P {X =k }=p （k ），k =0，1，2，…， P {Y =r }=q （r ），r =0，1，2，….证明随机变量Z =X +Y 的分布律为P {Z =i }=∑=-ik k i q k p 0)()(，i =0，1，2，….【证明】因X 和Y 所有可能值都是非负整数，所以 {}{}Z i X Y i ==+={0,}{1,1}{,0}X Y i X Y i X i Y =====-==U UL U 于是0{}{,},i k P Z i P X k Y i k X Y =====-∑相互独立0{}{}ik P X k P Y i k ===-∑g()()ik p k q i k ==-∑18.设X ，Y 是相互独立的随机变量，它们都服从参数为n ，p 的二项分布.证明Z =X +Y 服从参数为2n ，p 的二项分布.【证明】方法一：X +Y 可能取值为0，1，2，…，2n .{}{,}ki P X Y k P X i Y k i =+====-∑00202(){}2ki ki n i k i n k ii k k n k i k n k P X i P Y k i n n p q p q i k i n n p q i k i n p q k =---+=-=-===-⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭⎛⎫⎛⎫= ⎪⎪-⎝⎭⎝⎭⎛⎫= ⎪⎝⎭∑∑∑g方法二：设μ1,μ2,…,μn ;μ1′,μ2′,…，μn ′均服从两点分布（参数为p ），则X =μ1+μ2+…+μn ，Y =μ1′+μ2′+…+μn ′, X +Y =μ1+μ2+…+μn +μ1′+μ2′+…+μn ′,所以，X +Y 服从参数为（2n ,p )的二项分布.(1) 求P {X =2｜Y =2}，P {Y =3｜X =0}； （2） 求V =max （X ，Y ）的分布律； （3） 求U =min （X ，Y ）的分布律； （4） 求W =X +Y 的分布律. 【解】（1）{2,2}{2|2}{2}P X Y P X Y P Y ======5{2,2}0.051,0.252{,2}i P X Y P X i Y ========∑ {3,0}{3|0}{0}P Y X P Y X P X ======3{0,3}0.011;0.033{0,}j P X Y P X Y j ========∑ （2）{}{max(,)}{,}{,}P V i P X Y i P X i Y i P X i Y i ====<+≤=10{,}{,},i ik k P X i Y k P X k Y i -=====+==∑∑ 0,1,2,3,4,5i =所以V的分布律为 V =max(X ,Y ) 0 1 2 3 4 5 P 00.040.160.280.240.28(3) {}{min(,)}P U i P X Y i ===351{,}{,}{,}{,}k ik i P X i Y i P X i Y i P X i Y k P X k Y i ==+==≥+>====+==∑∑0,1,2,3,i =于是 U =min(X ,Y ) 0 1 2 3 P0.280.300.250.17W =X +Y 0 1 2 3 4 5 6 7 8 P0.020.060.130.190.240.190.120.05（1） 求P {Y ＞0｜Y ＞X }；（2） 设M =max{X ，Y }，求P {M ＞0}.题20图【解】因（X ，Y ）的联合概率密度为22221,,(,)π0,.x y R f x y R⎧+≤⎪=⎨⎪⎩其他 （1）{0,}{0|}{}P Y Y X P Y Y X P Y X >>>>=>0(,)d (,)d y y xy xf x y f x y σσ>>>=⎰⎰⎰⎰π2π/405π42π/401d d π1d d πRR r rR r rR θθ=⎰⎰⎰⎰3/83;1/24== (2) {0}{max(,)0}1{max(,)0}P M P X Y P X Y >=>=-≤00131{0,0}1(,)d 1.44x y P X Y f x y σ≤≤=-≤≤=-=-=⎰⎰21.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，求（X ，Y ）关于X 的边缘概率密度在x =2处的值为多少？题21图【解】区域D 的面积为 22e e 0111d ln 2.S x x x===⎰（X ,Y ）的联合密度函数为211,1e ,0,(,)20,.x y f x y x ⎧≤≤<≤⎪=⎨⎪⎩其他（X ，Y ）关于X 的边缘密度函数为1/2011d ,1e ,()220,.x X y x f x x⎧=≤≤⎪=⎨⎪⎩⎰其他 所以1(2).4X f =22.设随机变量X 和Y 相互独立，下表列出了二维随机变量（X ，Y ）联合分布律及关于X 和y 1 y 2 y 3P {X =x i }=p ix 1 x 21/81/8P {Y =y j }=p j 1/61【解】因21{}{,}j j iji P Y y P P X x Y y ======∑,故11121{}{,}{,},P Y y P X x Y y P X x Y y ====+== 从而11111{,}.6824P X x Y y ===-= YX而X 与Y 独立，故{}{}{,}i j i i P X x P Y y P X x Y y =====g ,从而11111{}{,}.624P X x P X x Y y =⨯==== 即：1111{}/.2464P X x ===又1111213{}{,}{,}{,},P X x P X x Y y P X x Y y P X x Y y ====+==+==即1,3111{},4248P X x Y y =++== 从而131{,}.12P X x Y y ===同理21{},2P Y y == 223{,}8P X x Y y ===又31{}1j j P Y y ===∑,故3111{}1623P Y y ==--=. 同理23{}.4P X x == 从而23313111{,}{}{,}.3124P X x Y y P Y y P X x Y y ====-===-=故23.设某班车起点站上客人数X 服从参数为λ(λ>0)的泊松分布，每位乘客在中途下车的概率为p （0<p <1），且中途下车与否相互独立，以Y 表示在中途下车的人数，求：（1）在发车时有n 个乘客的条件下，中途有m 人下车的概率；（2）二维随机变量（X ，Y ）的概率分布.【解】(1) {|}C (1),0,0,1,2,m m n mn P Y m X n p p m n n -===-≤≤=L .(2) {,}{}{|}P X n Y m P X n P Y m X n ======ge C (1),,0,1,2,.!m m n mnnp p n m n n n λλ--=-≤≤=g L 24.设随机变量X 和Y 独立，其中X 的概率分布为X ~⎪⎪⎭⎫⎝⎛7.03.021，而Y 的概率密度为f (y )，求随机变量U =X +Y 的概率密度g (u ).【解】设F （y ）是Y 的分布函数，则由全概率公式，知U =X +Y 的分布函数为(){}0.3{|1}0.7{|2}G u P X Y u P X Y u X P X Y u X =+≤=+≤=++≤=0.3{1|1}0.7{2|2}P Y u X P Y u X =≤-=+≤-=由于X 和Y 独立，可见()0.3{1}0.7{2}G u P Y u P Y u =≤-+≤-0.3(1)0.7(2).F u F u =-+-由此，得U 的概率密度为()()0.3(1)0.7(2)g u G u F u F u '''==-+-0.3(1)0.7(2).f u f u =-+-25. 设随机变量X 与Y 相互独立，且均服从区间[0,3]上的均匀分布，求P {max{X ,Y }≤1}.解：因为随即变量服从[0，3]上的均匀分布，于是有1, 03,()30, 0,3;x f x x x ⎧≤≤⎪=⎨⎪<>⎩ 1, 03,()30, 0, 3.y f y y y ⎧≤≤⎪=⎨⎪<>⎩ 因为X ，Y 相互独立，所以1, 03,03,(,)90, 0,0,3, 3.x y f x y x y x y ⎧≤≤≤≤⎪=⎨⎪<<>>⎩ 推得 1{max{,}1}9P X Y ≤=. 26. 设二维随机变量（X ，Y ）的概率分布为其中a ,b ,c 为常数，且X 的数学期望E (X )= -0.2,P {Y ≤0|X ≤0}=0.5，记Z =X +Y .求：（1） a ,b ,c 的值； （2） Z 的概率分布； （3） P {X =Z }.解 (1) 由概率分布的性质知，a+b+c +0.6=1 即 a+b+c = 0.4. 由()0.2E X =-，可得0.1a c -+=-.再由 {0,0}0.1{00}0.5{0}0.5P X Y a b P Y X P X a b ≤≤++≤≤===≤++,得 0.3a b +=.解以上关于a ，b ，c 的三个方程得0.2,0.1,0.1a b c ===.(2) Z 的可能取值为-2，-1，0，1，2，{2}{1,1}0.2P Z P X Y =-==-=-=，{1}{1,0}{0,1}0.1P Z P X Y P X Y =-==-=+==-=，{0}{1,1}{0,0}{1,1}0.3P Z P X Y P X Y P X Y ===-=+==+==-=，{1}{1,0}{0,1}0.3P Z P X Y P X Y ====+===，{2}{1,1}0.1P Z P X Y =====，即Z(3) {}{0}0.10.20.10.10.20.4P X Z P Y b ====++=++=.27. 设随机变量X,Y 独立同分布,且X 的分布函数为F(x),求Z=max{X,Y}的分布函数.解：因为X,Y 独立同分布，所以F X （z ）=F Y (z),则F Z （z ）=P{Z ≤z}=P{X ≤z ，Y ≤z}=P{x ≤z}·P{Y ≤z}=［F （z ）］2.28.设随机变量X 与Y 相互独立，X 的概率分布为1{},1,0,1,3P X i i ===-Y 的概率密度为1,01,()0,Y y f y ≤<⎧=⎨⎩其他.记Z =X +Y .（1）求1{|0};2P Z X ≤= （2）求Z 的概率密度()Z f z分析 题（1）可用条件概率的公式求解.题（2）可先求Z 的分布函数，再求导得密度函数.解(1)1{0,}12{|0}2{0}P X Z P Z X P X =≤≤=== 1{0,}2{0}P X Y P X =≤== 11{}22P Y =≤=（2）(){}{}Z F z P Z z P X Y z =≤=+≤{,1}{,0}{,1}P X Y z X P X Y z X P X Y z X =+≤=-++≤=++≤= {1,1}{,0}{1,1}P Y z X P Y z X P Y z X =≤+=-+≤=+≤-= {1}{1}{}{0}{1}{1}P Y z P X P Y z P X P Y z P X =≤+=-+≤=+≤-=1[{1}{}{1}]3P Y z P Y z P Y z =≤++≤+≤-1[(1)()(1)]3Y Y Y F z F z F z =+++-'1()()[(1)()(1)]3Z Z Y Y Y f z F z f z f z f z ==+++-1,1230,.z ⎧-≤<⎪=⎨⎪⎩其他29.设随机变量(X,Y)服从二维正态分布,且X 与Y 不相关,f X (x),f Y (y)分别表示X,Y 的概率密度,求在Y=y 的条件下,X 的条件概率密度f X ｜Y (x ｜y).解：由第四章第三节所证可知，二维正态分布的不相关与独立性等价，所以f(x,y)= f X (x) ·F Y (y)，由本章所讨论知，/()()(,)(/)()()()X Y X Y X Y Y f x f y f x y f x y f x f y f y ===g .30.设二维随机变量(X ,Y )的概率密度为2,01,01,(,)0,.x y x y f x y --<<<<⎧=⎨⎩其他（1）求{2};P X Y >（2）求Z =X +Y 的概率密度()Z f z .分析 已知(X,Y)的联合密度函数，可用联合密度函数的性质{(,)P X Y ∈}(,)GG f x y dxdy =⎰⎰ 解（1）； Z=X+Y 的概率密度函数可用先求Z 的分布函数再求导的方法或直接套公式求解. 解 （1）2{2}(,)x yP X Y f x y dxdy >>=⎰⎰1200120(2)57().824x dx x y dy x x dx =--=-=⎰⎰⎰（2）()(,),Z f z f x z x dx +∞-∞=-⎰其中 2()01,01(,)0x z x x z x f x z x ---<<<-<⎧-=⎨⎩其他201,01z x z x -<<<-<⎧=⎨⎩其他当02z z ≤≥或时，()0Z f z =； 当01z <<时，0()(2)(2);zZ f z z dx z z =-=-⎰ 当12z ≤<时，121()(2)(2),Z z f z z dx z -=-=-⎰即Z 的概率密度为2(2)01()(2)120Z z z z f z z z -<<⎧⎪=-≤<⎨⎪⎩其他。