概率论第四版第二章第一讲
概率论与数理统计浙大第四版-第二章1
其中一种重要的类型为
连续性 r.v.
引入 r.v.
重要意义
◇ 任何随机现象可
被 r.v.描述
◇ 借助微积分方法 将讨论进行到底
2.离散型随机变量及其概率分布
离散随机变量及分布律
定义 若随机变量 X 的可能取值是有限 个或可列个, 则称 X 为离散型随机变量
描述X 的概率特性常用概率分布或分布律
即 P ( X xk ) pk , k 1,2,
p 0.4 k 0 1 2
3
4
代入 pk 0.6 0.24 0.0960 1 2 3 4
x
0,
x0
F (x) 0.6,
0 x 1
P(Xx) 0.6 0.24 0.84,
1 x 2
0.84 0.096 0.936, 2 x 3
接到电话次数超过100次” 这一事件
r.v.的函数一般也是r.v.
在同一个样本空间可以同时定义多个
r.v., 例如
= {儿童的发育情况 } X() — 身高, Y() — 体重, Z() — 头围.
各 r.v.之间可能有一定的关系, 也可能没
有关系—— 即 相互独立
离散型
r.v. 分类 非离散型
例1 已知某型号电子管的使用寿命 X 为
续r.v., 其 pdf为
f
(x)
c x2
,
0,
x 1000 其他
(1) 求常数 c (2) 计算 P( X 1700 1500 X 2000 )
解 (1) 令
f (x)dx
1000
c x2
dx cx1
1000
c 1000
1
c = 1000
P(0 X 1/3) P(0 X 1/3)
概率论与数理统计 第四版 第二章
（２） 所求的概率为
P｛ X ≥ ３｝ ＝ P｛ X ＝ ３｝ ＋ P｛ X ＝ ４｝ ＋ P｛ X ＝ ５｝
＝ ５ ０ ．１３ （１ － ０ ．１）２ ＋ ５ ０ ．１４ （１ － ０ ．１） ＋ ０ ．１５
３
４
＝ ０ ．００８ １ ＋ ０ ．０００ ４５ ＋ ０ ．０００ ０１ ＝ ０ ．００８ ５６ ． （３） 所求的概率为
31
＋ P｛ X ＝ １｝ P｛ Y ＝ ３｝ ＋ P｛ X ＝ ２｝ P｛ Y ＝ ３｝
＝
１ ３
×
１ ３
＋
１ ３
×
１ ３
＋
２ ９
×
１ ３
＝
８ ２７
．
（ii） P｛ Y ＜ X｝ ＝ １ － P｛ X ＜ Y｝ － P｛ X ＝ Y｝
钞 ＝
１
－
８ ２７
－
３ k＝ １
P｛（ X ＝ k） ∩ （ Y ＝ k）｝
解 （１） 此 试验 至少 做 １ 次 ，此 即 X 可能 值的 最 小值 ．若需做 k 次 ，则 前
k － １次试验均失败最后一次成功 ，由于各次试验是相互独立的 ，故分布律为
P｛ X ＝ k｝ ＝ qk－ １ p ＝ （１ － p） k－ １ p ， k ＝ １ ，２ ，３ ，… ． （２） 此试验至少做 r 次 ，若需做 k 次 ，则第 k 次必为成功 ，而前 k － １ 次中有
P｛ Y
＝ ３｝ ＝
１ ３
．
即 Y 的分布律为
P｛ Y ＝
i｝ ＝
１ ３
，
i
＝
１ ，２ ，３ ．
（３） （i） ｛ X ＜ Y｝可分解为下列 ３ 个两两不相容的事件之和 ，即
概率论与数理统计教程第四版课后答案
1i jk n
若事件 A1 , A2 ,, An 互不相容，则
PA1 A2 An PA1 PA2 PAn 3
2.条件概率及乘法定理
条件概率
PA
|
B
PAB PB
,
PB
|
A
PAB PA
.
乘法定理 PAB PB PA| B PA PB | A
PA1 A2 An PA1 PA2 | A1PA3 | A1A2 PAn | A1A2 An1
N
P10 10
设事件A 表示指定的3本放在一起，
则A所包含的基本事件的数： M P33 P88
∴
P(A)
M N
P33 P88 P10
10
8!3! 1 0.067 10! 15
11
6. 为减少比赛场次，把20个球队任意分成两组（每组10队）进行 比赛，求最强的两队分在不同组内的概率。
解
解 基本事件的总数：N 9 105
设事件A 表示电话号码是由完全不同的数字组成， 则A所包含的基本事件的数： M 9 P95
∴
P( A) M N
9 P95 9 105
189 1250
0.1512
10
5. 把10本书任意地放在书架上, 求其中指定的3本放在一起的概率。
解
基本事件的总数：
C
1 4
C
2 3
C
1 3
43
9 0.5625
16
13. 某工厂生产的100个产品中，有5个次品，从这批产品中任取一
半来检查，设A表示发现次品不多于1个，求A的概率。
解
P( A)
C
50 95
C
1 5
概率论第2章精品PPT课件
当X=3时，取的另外两只球只能是1和2，即只有一种可能, 故
P{X
3}
1 C53
1 10
当X=4时，取的另外两只球可以是1、2、3中的任两个，故
P{X
4}
C32 C53
3 10
当X=5时，取的另外两只球可以是1、2、3、4中的任两个，故
P{X
5}
C42 C53
6 10
2
第2章 随机变量及其分布
(2) 根据概率密度的定义可得
fX
(x)
dFX (x) dx
1 / 0,
x,
1 xe 其它
13
第2章 随机变量及其分布
习题22(1)
22(1) 分子运动速度的绝对值X服从麦克斯韦 (Maxwell)分布，其概率密度为
f
(
x)
Ax 2e
x2
/b
,
0,
x0 其他
其中b=m/(2kT), k为玻耳兹曼(Boltzmann)常数，T为 温度，m是分子的质量，试确定常数A.
1 241
t ex / 241dx 1 et / 241
0
综合得到：
1 et /241, t 0
FT
(t)
0,
其他
利用分布函数的性质计算概率：
P{50 T 100} FT (100) FT (50)
e50/ 241 e100/ 241
17
第2章 随机变量及其分布
习题23
23. 某种型号器件的寿命X(以小时计)具有概率密度
解： 甲乙各自做3重伯努力实验，设甲投中次数为X, 乙投中次数为Y, 两 者均遵从二项分布。故所求为
甲乙投篮相互独立
3
[工学]概率论与数理统计第四版课后学习资料第二章.ppt
![[工学]概率论与数理统计第四版课后学习资料第二章.ppt](https://img.taocdn.com/s3/m/955b4a9a852458fb760b5661.png)
§3 随机变量的分布函数
对于非离散型r. v. 已不能用分布律来描述它, 需要考虑r. v. 的取值落入一个区间的概率, 如
P{ x1<X≤x2 }, P{ X≤x }等,
为此引入随机变量的分布函数. 1. 定义：设r.v. X, x为任意实数, 则 F(x)=P{ X≤x } 称为X的分布函数.
例2.某种电子元件的使用寿命超过1500小时为 一级品, 已知一大批该产品的一级品率为0.2, 从中随机抽查20只, 求这20只元件中一级品的 只数X的分布律.
解: X~b(20, 0.2).
则P{X k} (k20 )(0.2)k (0.8)20k , k 0, 1, 2, ... , 20.
(1) P{ x1<X≤x2} =P{X ≤x2}-P{X ≤x1}
=F(x2)-F(x1) . (2) 无论是离散型r.v.还是非离散型r.v. ,分 布函数都可以描述其统计规律性.
2. 性质: (1) F(x)是单调不减函数.
x2>x1, F(x2)-F(x1)=P{x1<X≤x2} 0. (2) 0≤F(x)≤1, F(-)=0, F(+ )=1.
泊松(Poisson)定理：
设随机变量序列{Xn }, Xn ~ b(n, pn ),则
lim
n
P{Xn
k
}
lim
n
n k
pnk
(1
pn
)nk
k e k!
,
其中 npn 0, k为任一固定的非负整数.
证明: 由 npn ,则pn n, 则
n k
pkn
1 pn nk
k k!
则分布函数为F(x) P{X x} pk . k:x x
概率论与数理统计教程第四版(沈恒范)(超全免费版)
重复排列和非重复排列（有序）
对立事件（至少有一个）
顺序问题
（4）随机试验和随机事件
如果一个试验在相同条件下可以重复进行，而每次试验的可能结果不止一个，但在进行一次试验之前却不能断言它出现哪个结果，则称这种试验为随机试验。
试验的可能结果称为随机事件。
（5）基本事件、样本空间和事件
在一个试验下，不管事件有多少个，总可以从其中找出这样一组事件，它具有如下性质：
从m个人中挑出n个人进行组合的可能数。
（2）加法和乘法原理
加法原理（两种方法均能完成此事）：m+n
某件事由两种方法来完成，第一种方法可由m种方法完成，第二种方法可由n种方法来完成，则这件事可由m+n种方法来完成。
乘法原理（两个步骤分别不能完成这件事）：m×n
某件事由两个步骤来完成，第一个步骤可由m种方法完成，第二个步骤可由n种方法来完成，则这件事可由m×n种方法来完成。
若 ，则 的分布函数为
。。
参数 、 时的正态分布称为标准正态分布，记为 ，其密度函数记为
， ，
分布函数为
。
是不可求积函数，其函数值，已编制成表可供查用。
Φ(-x)＝1-Φ(x)且Φ(0)＝ 。
如果 ~ ，则 ~ 。
。
（6）分位数
下分位表： ；
上分位表： 。
（7）函数分布
离散型
已知 的分布列为
，
的分布列（ 互不相等）如下：
分布函数具有如下性质：
1° ；
2° 是单调不减的函数，即 时，有 ；
3° ， ；
4° ，即 是右连续的；
5° 。
对于离散型随机变量， ；
对于连续型随机变量， 。
概率论与数理统计(第四版)习题答案全
概率论与数理统计(第四版)习题答案全概率论与数理统计习（第四版）题解答第一章 随机事件及其概率·样本空间·事件的关系及运算一、任意抛掷一颗骰子，观察出现的点数。
设事件A 表示“出现偶数点”，事件B 表示“出现的点数能被3整除”．（1）写出试验的样本点及样本空间；（2）把事件A 及B 分别表示为样本点的集合；（3）事件B A AB B A B A ,,,,分别表示什么事件？并把它们表示为样本点的集合．解：设i ω表示“出现i 点”)6,,2,1( =i ，则（1）样本点为654321,,,,,ωωωωωω；样本空间为}.,,,,,{654321ωωωωωω=Ω （2）},,{642ωωωA =； }.,{63ωωB =（3）},,{531ωωωA =，表示“出现奇数点”；},,,{5421ωωωωB =，表示“出现的点数不能被3整除”；},,,{6432ωωωωB A =⋃，表示“出现的点数能被2或3整除”；}{6ωAB =，表示“出现的点数能被2整除且能被3整除”；},{B A 51ωω= ，表示“出现的点数既不能被2整除也不能被3整除”二、写出下列随机试验的样本空间及各个事件中的样本点：（1）同时掷三枚骰子，记录三枚骰子的点数之和．A —“点数之和大于10”，B —“点数之和小于15”．（2）一盒中有5只外形相同的电子元件，分别标有号码1，2，3，4，5．从中任取3只，A —“最小号码为1”．解：(1) 设i ω表示“点数之和等于i ”)18,,4,3( =i ，则},,,{1843ωωω =Ω；},,,{181211ωωωA =；}.,,,{1443ωωωB =(2) 设ijk ω表示“出现号码为k j i ,,”);5,,2,1,,(k j i k j i ≠≠= ，则},,,,,,,,,{345245235234145135134125124123ωωωωωωωωωω=Ω }.,,,,,{145135134125124123ωωωωωωA =三、设C B A ,,为三个事件，用事件之间的运算表示下列事件： (1) A 发生, B 与C 都不发生； (2) C B A ,,都发生；(3) C B A ,,中至少有两个发生； (4) C B A ,,中至多有两个发生． 解：(1) C B A ；(2) ABC ；(3) ABC C AB C B A BC A ⋃⋃⋃或CA BC AB ⋃⋃(4) BC A C B A C AB C B A C B A C B A C B A ⋃⋃⋃⋃⋃⋃或C B A ⋃⋃或.ABC四、一个工人生产了n 个零件，以i A 表示他生产的第 i 个零件是合格品（n i ≤≤1）．用i A 表示下列事件：（1）没有一个零件是不合格品； （2）至少有一个零件是不合格品； （3）仅有一个零件是不合格品；（4）至少有一个零件不是不合格品． 解：(1) n A A A 21；(2) n A A A 21或n A A A ⋃⋃⋃ 21； (3) n n n A A A A A A A A A 212121⋃⋃⋃ (4) n A A A ⋃⋃⋃ 21或.21n A A A第二章 概率的古典定义·概率加法定理一、电话号码由七个数字组成，每个数字可以是0，1，2，…，9中的任一个数（但第一个数字不能为0），求电话号码是由完全不同的数字组成的概率．解：基本事件总数为611011011011011011019109⨯=C C C C C C C 有利事件总数为456789214151617181919⨯⨯⨯⨯⨯=C C C C C C C 设A 表示“电话号码是由完全不同的数字组成”，则0605.0109456789)(62≈⨯⨯⨯⨯⨯⨯=A P 二、把十本书任意地放在书架上，求其中指定的三本书放在一起的概率．解：基本事件总数为!101010=A 指定的三本书按某确定顺序排在书架上的所有可能为!777=A 种；这三本书按确定的顺序放在书架上的所以可能的位置共818=C 种；这三本书的排列顺序数为!333=A ；故有利事件总数为!3!8!38!7⨯=⨯⨯(亦可理解为)3388P P设A 表示“指定的三本书放在一起”，则067.0151!10!3!8)(≈=⨯=A P三、为了减少比赛场次，把二十个队任意分成两组（每组十队）进行比赛，求最强的两个队被分在不同组内的概率．解：20个队任意分成两组（每组10队）的所以排法，构成基本事件总数1020C ；两个最强的队不被分在一组的所有排法，构成有利事件总数91812C C 设A 表示“最强的两队被分在不同组”，则526.01910)(102091812≈==C C C A P四、某工厂生产的产品共有100个，其中有5个次品．从这批产品中任取一半来检查，求发现次品不多于1个的概率．解：设i A 表示“出现的次品为i 件”)5,4,3,2,1,0(=i ，A 表示“取出的产品中次品不多于 1个”，则 .10A A A ⋃=因为V A A =10，所以).()()(10A P A P A P +=而0281.0979942347)(5010050950≈⨯⨯⨯==C C A P 1529.09799447255)(501004995151≈⨯⨯⨯⨯==C C C A P故 181.01529.00281.0)(=+≈A P五、一批产品共有200件, 其中有6件废品．求 (1) 任取3件产品恰有1件是废品的概率; (2) 任取3件产品没有废品的概率; (3) 任取3件产品中废品不少于2件的概率． 解：设A 表示“取出的3件产品中恰有1件废品”；B 表示“取出的3件产品中没有废品”；C 表示“取出的3件产品中废品不少于2件”，则 (1) 0855.019819920019319418)(3200219416≈⨯⨯⨯⨯==C C C A P (2) 912.0198199200192193194)(32003194≈⨯⨯⨯⨯==C C B P(3) 00223.019819920012019490)(3200019436119426≈⨯⨯⨯⨯=+=C C C C C C P六、设41)( ,0 ,31)()()(======BC P P(AC)P(AB)C P B P A P ．求A , B , C 至少有一事件发生的 概率．解：因为0==P(AC)P(AB)，所以V AC V AB ==,，从而V C AB =)(可推出0)(=ABC P设D 表示“A , B , C 至少有一事件发生”，则C B A D ⋃⋃=，于是有)()()()()()()()()(ABC P CA P BC P AB P C P B P A P C B A P D P +---++=⋃⋃=75.04341313131==-++=第三章 条件概率与概率乘法定理·全概率公式与贝叶斯公式一、设,6.0)|(,4.0)(,5.0)(===B A P B P A P 求)|(,)(B A A P AB P ． 解：因为B A AB B B A A +=+=)(，所以)()()(B A P AB P A P +=，即14.06.0)4.01(5.0)()()()()()(=⨯--=-=-=B A P B P A P B A P A P AB P68.074.05.036.0)4.01(5.05.0)()()()()()]([)|(≈=--+=-+==B A P B P A P A P B A P B A A P B A A P二、某人忘记了电话号码的最后一个数字，因而他随意地拨号，求他拨号不超过两次而接通所需电话的概率．若已知最后一个数字是奇数，那么此概率是多少？ 解：设A 表示“第一次拨通”，B 表示“第二次拨通”，C 表示“拨号不超过两次而拨通”（1）2.0101101)()()(19111101911011=+=⋅+=+=C C C C C C A B P A P C P（2）4.05151)()()(2511141511=+=+=+=A A A A A A B P A P C P三、两台车床加工同样的零件，第一台出现废品的概率是0.03，第二台出现废品的概率是0.02．加工出来的零件放在一起，并且已知第一台加工的零件比第二台加工的零件多一倍．（1）求任意取出的零件是合格品的概率；（2）如果任意取出的零件是废品，求它是第二台车床加工的概率． 解：设i A 表示“第i 台机床加工的零件”)2,1(=i ；B 表示“出现废品”；C 表示“出现合格品”（1）)()()()()()()()(22112121A C P A P A C P A P C A P C A P C A C A P C P +=+=+= 973.0)02.01(31)03.01(32≈-⨯+-⨯=（2）25.002.03103.03202.031)()()()()()()()()(22112222=⨯+⨯⨯=+==A B P A P A B P A P A B P A P B P B A P B A P四、猎人在距离100米处射击一动物，击中的概率为0.6；如果第一次未击中，则进行第二次射击，但由于动物逃跑而使距离变为150米；如果第二次又未击中，则进行第三次射击，这时距离变为200米．假定击中的概率与距离成反比，求猎人三次之内击中动物的概率．解：设i A 表示“第i 次击中”)3,2,1(=i ，则由题设，有1006.0)(1kA P ==，得60=k ，从而有4.015060150)(2===k A P ，.3.020060200)(3===k A P设A 表示“三次之内击中”，则321211A A A A A A A ++=，故有)()()()()()()(321211A P A P A P A P A P A P A P ++=832.03.0)4.01()6.01(4.0)6.01(6.0=⨯-⨯-+⨯-+= （另解）设B 表示“猎人三次均未击中”，则168.0)3.01)(4.01)(6.01()(=---=B P故所求为 832.0)(1)(=-=B P B P五、盒中放有12个乒乓球，其中有9个是新的．第一次比赛时从其中任取3个来用，比赛后仍放回盒中．第二次比赛时再从盒中任取3个，求第二次取出的都是新球的概率． 解：设i A 表示“第一次取得i 个新球”)3,2,1,0(=i ，则2201)(312330==C C A P 22027)(31219231==C C C A P 220108)(31229132==C C C A P 22084)(31239033==C C C A P 设B 表示“第二次取出的都是新球”，则312363123731238312393022084220108220272201)()()(C C C C C C C C A B P A P B P i i i ⋅+⋅+⋅+⋅==∑=146.0532400776161112208444722010855142202755212201≈=⋅+⋅+⋅+⋅=第四章 随机事件的独立性·独立试验序列一、一个工人看管三台车床，在一小时内车床不需要工人照管的概率：第一台等于0.9，第二台等于0.8，第三台等于0.7．求在一小时内三台车床中最多有一台需要工人照管的概率． 解：设i A 表示“第i 台机床不需要照管”)3,2,1(=i ，则9.0)(1=A P 8.0)(2=A P 7.0)(3=A P再设B 表示“在一小时内三台车床中最多有一台需要工人照管”，则321321321321A A A A A A A A A A A A B +++= 于是有)()()()()()()()()()()()()(321321321321A P A P A P A P A P A P A P A P A P A P A P A P B P +++= )7.01(8.09.07.0)8.01(9.07.08.0)9.01(7.08.09.0-⨯⨯+⨯-⨯+⨯⨯-+⨯⨯=902.0=．（另解）设i B 表示“有i 台机床需要照管”)1,0(=i ，B 表示“在一小时内三台车床中最多有一台需要工人照管”，则10B B B +=且0B 、1B 互斥，另外有 504.07.08.09.0)(0=⨯⨯=B P398.0)7.01(8.09.07.0)8.01(9.07.08.0)9.01()(1=-⨯⨯+⨯-⨯+⨯⨯-=B P 故902.0398.0504.0)()()()(1010=+=+=+=B P B P B B P B P ．二、电路由电池a 与两个并联的电池b 及c 串联而成．设电池c b a ,,损坏的概率分别是0.3、0.2、0.2，求电路发生间断的概率． 解：设1A 表示“a 损坏”；2A 表示“b 损坏”；3A 表示“c 损坏”；则3.0)(1=A P 2.0)()(32==A P A P 又设B 表示“电路发生间断”，则321A A A B += 于是有)()()()()(321321321A A A P A A P A P A A A P B P -+=+=)()()()()()(321321A P A P A P A P A P A P -+=328.02.02.03.02.02.03.0=⨯⨯-⨯+=．三、三个人独立地去破译一个密码，他们能译出的概率分别为51、31、41，求能将此密码译出的概率．解：设A 表示“甲能译出”；B 表示“乙能译出”；C 表示“丙能译出”，则51)(=A P 31)(=B P 41)(=C P设D 表示“此密码能被译出”，则C B A D ⋃⋃=，从而有)()()()()()()()()(ABC P CA P BC P AB P C P B P A P C B A P D P +---++=⋃⋃=)()()()()()()()()()()()(C P B P A P A P C P C P B P B P A P C P B P A P +---++= 6.0413151415141513151413151=⨯⨯+⨯-⨯-⨯-++=． （另解）52)411)(311)(511()()()()()(=---===C P B P A P C B A P D P ，从而有6.053521)(1)(==-=-=D P D P四、甲、乙、丙三人同时对飞机进行射击，三人的命中概率分别为7.0,5.0,4.0．飞机被一人击中而被击落的概率为2.0，被两人击中而被击落的概率为6.0，若三人都击中，则 飞机必被击落．求飞机被击落的概率． 解：设1A 表示“甲命中”；2A 表示“乙命中”；3A 表示“丙命中”；则4.0)(1=A P5.0)(2=A P 7.0)(3=A P 设i B 表示“i 人击中飞机” )3,2,1,0(=i ，则09.0)7.01)(5.01)(4.01()())(()()(3213210=---===A P A P A P A A A P B P)()(3213213211A A A A A A A A A P B P ++=)()()(321321321A A A P A A A P A A A P ++=)()()()()()()()()(321321321A P A P A P A P A P A P A P A P A P ++=36.07.0)5.01)(4.01()7.01(5.0)4.01()7.01)(5.01(4.0=⨯--+-⨯⨯-+--⨯=)()(3213213212A A A A A A A A A P B P ++= )()()(321321321A A A P A A A P A A A P ++=)()()()()()()()()(321321321A P A P A P A P A P A P A P A P A P ++=41.07.0)5.01)(4.01()7.01(5.0)4.01()7.01)(5.01(4.0=⨯--+-⨯⨯-+--⨯=14.07.05.04.0)()()()()(3213213=⨯⨯===A P A P A P A A A P B P 设A 表示“飞机被击落”，则由题设有0)(0=B A P 2.0)(1=B A P 6.0)(2=B A P 1)(3=B A P故有458.0114.06.041.02.036.0009.0)()()(30=⨯+⨯+⨯+⨯==∑=i i i B A P B P A P ．五、某机构有一个9人组成的顾问小组，若每个顾问贡献正确意见的概率都是0.7，现在该机构内就某事可行与否个别征求每个顾问的意见，并按多数人意见作出决策，求作 出正确决策的概率．解：设i A 表示“第i 人贡献正确意见”，则7.0)(=i A P )9,,2,1( =i ．又设m 为作出正确意见的人数，A 表示“作出正确决策”，则)9()8()7()6()5()5()(99999P P P P P m P A P ++++=≥=+⋅⋅+⋅⋅+⋅⋅=277936694559)3.0()7.0()3.0()7.0()3.0()7.0(C C C 9991889)7.0()3.0()7.0(⋅+⋅⋅+C C+⋅⋅+⋅⋅+⋅⋅=273645)3.0()7.0(36)3.0()7.0(84)3.0()7.0(126918)7.0()3.0()7.0(9+⋅⋅+0403.01556.02668.02668.01715.0++++= 901.0=．六、每次试验中事件A 发生的概率为p ，为了使事件A 在独立试验序列中至少发生一次的概率不小于p ，问至少需要进行多少次试验？ 解：设做n 次试验，则n p A P A P )1(1}{1}{--=-=一次都不发生至少发生一次要p p n ≥--)1(1，即要p p n -≤-1)1(，从而有.1)1(log )1(=-≥-p n p 答：至少需要进行一次试验．第五章离散随机变量的概率分布·超几何分布·二项分布·泊松分布一、一批零件中有9个合格品与3个废品．安装机器时从这批零件中任取1个．如果每次取出的废品不再放回去，求在取得合格品以前已取出的废品数的概率分布．解：设X表示“在取得合格品以前已取出的废品数”，则X的概率分布为即亦即二、自动生产线在调整以后出现废品的概率为p．生产过程中出现废品时立即进行调整．求在两次调整之间生产的合格品数的概率分布．解：设X表示“在两次调整之间生产的合格品数”，且设=1，则ξ的概率分布为q-p三、 已知一批产品共20个，其中有４个次品．（１）不放回抽样．抽取６个产品，求样品中次品数的概率分布；（２）放回抽样．抽取６个产品，求样品中次品数的概率分布． 解：（1）设X 表示“取出的样本中的次品数”，则X 服从超几何分布，即X 的概率函数为)4,3,2,0()(6206164===-x CCC x X P x x从而X 的概率分布为即（2）设X 表示“取出的样本中的次品数”，则X 服从超几何分布，即X 的概率函数为)6,5,4,3,2,0()2.01()2.0()(66=-==-x C x X P xxx从而X 的概率分布为即四、 电话总机为300个电话用户服务．在一小时内每一电话用户使用电话的概率等于0.01，求在一小时内有4个用户使用电话的概率（先用二项分布计算，再用泊松分布近似计算，并求相对误差）． 解：（1）用二项分布计算)01.0(=p168877.0)01.01()01.0()1()4(2964430029644300≈-=-==C p p C ξP（2）用泊松分布计算)301.0300(=⨯==np λ168031355.0!43)4(34≈==-e ξP 相对误差为.5168877.0168031355.0168877.000≈-=δ五、 设事件A 在每一次试验中发生的概率为0.3，当A 发生次数不少于3次时，指示灯发出信号．现进行了5次独立试验，求指示灯发出信号的概率． 解：设X 表示“事件A 发生的次数”，则3.0)(==p A P ，5=n ，).3.0,5(~B X 于是有)5()4()3()3(=+=+==≥X P X P X P X P5554452335)1()1(p C p p C p p C +-+-=16308.000243.002835.01323.0≈++≈（另解） )2()1()0(1)3(1)3(=-=-=-=<-=≥X P X P X P X P X P 32254115505)1()1()1(11p p C p p C p p C ------=16308.0≈六、 设随机变量X 的概率分布为2, 1, ,0 , !)(===k k ak X P kλ；其中λ>0为常数，试确定常数a ．解：因为∑∞===01)(k k X P ，即∑∞==01!k kk λa ，亦即1=λae ，所以.λe a -=第六章 随机变量的分布函数·连续随机变量的概率密度一、 函数211x +可否是连续随机变量X 的分布函数？为什么？如果X 的可能值充满区间： （1）（∞+∞- ,）；（2）（0,∞-）． 解：（1）设211)(x x F +=，则1)(0<<x F因为0)(lim =-∞→x F x ，0)(lim =+∞→x F x ，所以)(x F 不能是X 的分布函数．（2）设211)(x x F +=，则1)(0<<x F 且0)(lim =-∞→x F x ，1)(lim 0=-→x F x因为)0( 0)1(2)('22<>+-=x x x x F ，所以)(x F 在（0,∞-）上单增．综上述，故)(x F 可作为X 的分布函数．二、函数x x f sin )(=可否是连续随机变量X 的概率密度？为什么？如果X 的可能值充满区间：（1）⎥⎦⎤⎢⎣⎡2,0π； （2）[]π,0； （3）⎥⎦⎤⎢⎣⎡23,0π． 解：（1）因为⎥⎦⎤⎢⎣⎡∈2,0πx ，所以sin )(≥=x x f ；又因为1cos )(2020=-=⎰ππx dx x f ，所以当⎥⎦⎤⎢⎣⎡∈2,0πx时，函数x x f sin )(=可作为某随机变量X 的概率密度．（2）因为[]πx ,0∈，所以0sin )(≥=x x f ；但12cos )(00≠=-=⎰ππx dx x f ，所以当[]πx ,0∈时，函数x x f sin )(=不可能是某随机变量X 的概率密度．（3）因为⎥⎦⎤⎢⎣⎡∈23,0πx ，所以x x f sin )(=不是非负函数，从而它不可能是随机变量X 的概率密度．二、 一批零件中有9个合格品与3个废品．安装机器时从这批零件中任取1个．如果每次取出的废品不再放回去，求在取得合格品以前已取出的废品数的分布函数，并作出分布函数的图形． 解：设X 表示“取出的废品数”，则X 的分布律为⎪⎪⎪⎩⎪⎪⎪⎨⎧>≤<≤<≤<≤=3,132,22021921,222110,430,0)(x x x x x x F四、（柯西分布）设连续随机变量X 的分布函数为+∞<<∞-+=x x B A x F ,arctan )(．求：（1）系数A 及B ；（2）随机变量X 落在区间)1 ,1(-内的概率；(3) X 的概率密度．解：(1) 由0)2()(lim =-⋅+=-∞→πB A x F x ，12)(lim =⋅+=-∞→πB A x F x ，解得.1,21πB A == 即)( ,arctan 121)(+∞<<-∞+=x x πx F ． (2).21)]1arctan(121[]1arctan 121[)1()1()11(=-+-+=--=<<-ππF F X P(3) X 的概率密度为)1(1)()(2x x F x f +='=π．五、（拉普拉斯分布）设随机变量X 的概率密度为+∞<<∞-=-x Ae x f x,)(．求：（1）系数A ；（2）随机变量X 落在区间)1,0(内的概率；（3）随机变量X 的分布函数．解：(1) 由1)(⎰+∞∞-=dx x f ，得1220⎰⎰+∞∞-+∞--===A dx e A dx Ae xx，解得21=A ，即有).( ,21)(+∞<<-∞=-x e x f x(2)).11(21)(2121)()10(101010ee dx e dx xf X P x x -=-===<<--⎰⎰(3) 随机变量X 的分布函数为⎪⎩⎪⎨⎧>-≤===-∞--∞-⎰⎰21102121)()(x e x e dx e dx x f x F x xx xx ．第七章 均匀分布·指数分布·随机变量函数的概率分布一、公共汽车站每隔5分钟有一辆汽车通过．乘客到达汽车站的任一时刻是等可能的．求乘客候车时间 不超过3分钟的概率．解：设随机变量X 表示“乘客的候车时间”，则X 服从]5,0[上的均匀分布，其密度函数为⎩⎨⎧∉∈=]5,0[,0]5,0[,51)(x x x f 于是有.6.053)()30(3===≤≤⎰dx x f X P二、已知某种电子元件的使用寿命X (单位:h)服从指数分布，概率密度为⎪⎩⎪⎨⎧≤>=-.0,0;0,8001)(800x x e x f x任取３个这种电子元件，求至少有１个能使用1000h 以上的概率． 解：设A 表示“至少有１个电子元件能使用1000h 以上”；321A 、A 、A 分别表示“元件甲、乙、丙能使用1000h 以上”．则287.08001)1000()()()(4510008001000800321≈=-==>===-∞+-∞+-⎰e e dx e X P A P A P A P xx)()()()()()()()()(321313221321321A A A P A A P A A P A A P A P A P A P A A A P A P +---++=⋃⋃=638.0287.0287.03287.0332≈+⨯-⨯=（另解）设A 表示“至少有１个电子元件能使用1000h 以上”．则287.08001)1000(4510008001000800≈=-==>-∞+-∞+-⎰e e dx e X P xx从而有713.01)1000(1)1000(45≈-=>-=≤-eX P X P ，进一步有 638.0713.01)]1000([1)(33≈-≈≤-=X P A P三、(1) 设随机变量X 服从指数分布)(λe ．证明：对于任意非负实数s 及t ，有).()(t X P s X t s X P ≥=≥+≥这个性质叫做指数分布的无记忆性．(2) 设电视机的使用年数X 服从指数分布)10(．e ．某人买了一台旧电视机，求还能使用５年以上的概率．解：（１）因为)(~λe X ，所以R x ∈∀，有xe x F λ--=1)(，其中)(x F 为X 的分布函数．设t s X A +≥=，t X B ≥=．因为s 及t 都是非负实数，所以B A ⊂，从而A AB =．根据条件概率公式，我们有)(1)(1)()()()()()()()(s X P t s X P s X P t s X P B P A P B P AB P B A P s X t s X P <-+<-=≥+≥====≥+≥tst s e e e λλλ--+-=----=]1[1]1[1)(． 另一方面，我们有tt e e t F t X P t X P t X P λλ--=--=-=≤-=<-=≥)1(1)(1)(1)(1)(．综上所述，故有)()(t X P s X t s X P ≥=≥+≥． （２）由题设，知X 的概率密度为⎩⎨⎧≤>=-．，；，0001.0)(1.0x x e x f x设某人购买的这台旧电视机已经使用了s 年，则根据上述证明的（１）的结论，该电视机还能使用5年以上的概率为6065.01.0)()5()5(5.051.051.05≈=-===≥=≥+≥-∞+-∞+-∞+⎰⎰e e dx e dx x f X P s X s X P x x．答：该电视机还能使用5年以上的概率约为6065.0． 四、 设随机变量X 服从二项分布)4.0 ,3(B ，求下列随机变量函数的概率分布： （1）X Y 211-=；（2）2)3(2X X Y -=．解：X 的分布律为（1）X Y 211-=的分布律为（2）2)3(2X X Y -=的分布律为即五、设随机变量X 的概率密度为⎪⎩⎪⎨⎧≤>+=.0,0;0,)1(2)(2x x x x f π求随机变量函数X Y ln =的概率密度．解：因为)()()(ln )()(yXyYe F e X P y X P y Y P y F =<=<=<= 所以随机变量函数X Y ln =的概率密度为)( )1(2)()()()(2''+∞<<-∞+====y e e e e f e e F y F y f yyyyyyXYY π，即)( )1(2)(2+∞<<-∞+=y e e y f y yY π．第八章 二维随机变量的联合分布与边缘分布一、把一颗均匀的骰子随机地掷两次．设随机变量X 表示第一次出现的点数，随机变量Y 表示两次出现点数的最大值，求二维随机变量),(Y X 的联合概率分布及Y 的边缘概率分布．解：二维随机变量),(Y X 的联合概率分布为Y的边缘概率分布为二、设二维随机变量（X ，Y ）的联合分布函数)3arctan )(2arctan (),(yC x B A y x F ++=． 求：（1）系数A 、B 及C ；（2）（X ，Y ）的联合概率密度：（3）边缘分布函数及边缘概率密度． 解：（1）由0)0,(,0),0(,1),(=-∞=∞-=∞+-∞F F F ，得⎪⎪⎪⎩⎪⎪⎪⎨⎧=-=--=++0)2(0)2)(0(1)2)(2(πB AC πC B A πC πB A 解得2πC B ==，.12πA =（2）因为)3arctan 2)(2arctan 2(1),(2yx y x F ++=πππ，所以（X ，Y ）的联合概率密度为.)9)(4(6),(),(222"y x y x F y x f xy ++==π（3）X 及Y 的边缘分布函数分别为xxxXx dx x dy y x f dx x F ∞-∞-∞-+∞∞-=+==⎰⎰⎰2arctan 1)4(2),()(2ππ2arctan 121x π+=yxy Y ydy y dx y x f dy x F ∞-∞-∞-+∞∞-=+==⎰⎰⎰3arctan1)9(3),()(2ππ3arctan 121y π+=X 及Y 的边缘概率密度分别为⎰⎰⎰+∞+∞∞-+∞∞-++⋅=++==0222222)9(1)4(112)9)(4(6),()(dy y x dy y x dy y x f x f X ππ)4(2)3arctan 31()4(1122022x y x +=+⋅=∞+ππ⎰⎰⎰+∞+∞∞-+∞∞-++=++==022222241)9(12)9)(4(6),()(dxx y dx y x dx y x f y f Y ππ)9(3)2arctan 21()9(122022y x y +=+=∞+ππ三、设),(Y X 的联合概率密度为⎩⎨⎧>>=+-.,00;0,,Ae ),(3y)(2x 其它y x y x f求：（1）系数A ；（2）),(Y X 的联合分布函数；（3）X及Y 的边缘概率密度；（4）),(Y X落在区域R ：632 ,0 ,0<+>>y x y x 内的概率． 解：（1）由1),(=⎰⎰+∞∞-+∞∞-dy dx y x f ，有1610032==⎰⎰∞+∞+--A dy e dx e A yx，解得.6=A （2）),(Y X 的联合分布函数为⎪⎩⎪⎨⎧>>==⎰⎰⎰⎰--∞-∞-其它0,06),(),(0032y x dy e dx e dy y x f dx y x F x yy x xy⎩⎨⎧>>--=--其它00,0)1)(1(32y x e e y x（3）X 及Y 的边缘概率密度分别为⎩⎨⎧≤>=⎪⎩⎪⎨⎧≤>==-+∞--∞+∞-⎰⎰020006),()(2032x x ex x dye e dy y xf x f xy x X⎩⎨⎧≤>=⎪⎩⎪⎨⎧≤>==-+∞--∞+∞-⎰⎰030006),()(3032y y ex x dxe e dx y xf y f yy x Y（4）⎰⎰⎰⎰---==∈x y xRdye dx edxdy y x f R Y X P 322033026),(}),{( 6306271)(2---⎰-=-=e dx e e x四、设二维随机变量),(Y X 在抛物线2x y =与直线2+=x y 所围成的区域R 上服从均匀分布．求：(1) ),(Y X 的联合概率密度；(2) 概率)2(≥+Y X P ． 解：(1) 设),(Y X 的联合概率密度为⎩⎨⎧∉∈=.),(, 0;),(,),(R y x R y x C y x f 则由129)322()2(21322122212==-+=-+==--+-⎰⎰⎰⎰⎰Cx x x C dx x x C dy dx C Cdxdy x x R解得92=C ．故有⎪⎩⎪⎨⎧∉∈=.),(, 0;),(,92),(R y x R y x y x f(2) ⎰⎰⎰⎰⎰⎰++-≥++==≥+x x x x y x dydx dy dx dxdy y x f Y X P 2212210229292),()2(⎰⎰-++=21210)2(92292dx x x xdx481.02713)322(92922132102≈=-++=x x x x ．第九章 随机变量的独立性·二维随机变量函数的分布一、 设X 与Y 是两个相互独立的随机变量，X 在]1,0[上服从均匀分布，Y 的概率密度为⎪⎩⎪⎨⎧≤>=-.0,0;0,21)(2y y e y f yY求 (1) ),(Y X 的联合概率密度; (2) 概率)(X Y P ≥． 解: (1)X 的概率密度为⎩⎨⎧∉∈=)1,0(,0)1,0(,1)(x x x f X，),(Y X 的联合概率密度为（注意Y X ,相互独立）⎪⎩⎪⎨⎧><<==-其它,00,10,21)()(),(2y x e y f x f y x f yY X（2）dxedx edy e dx dxdy y x f X Y P x xyxyxy ⎰⎰⎰⎰⎰⎰-∞+-∞+-≥=-===≥102102212)(21),()(7869.0)1(2221122≈-=-=--e ex二、 设随机变量X 与Y 独立，并且都服从二项分布：.,,2 ,1 ,0 ,)(;,,2 ,1 ,0 ,)(212211n j q p C j p n i q p C i p j n j j n Y in i i n X====--证明它们的和Y X Z +=也服从二项分布． 证明: 设j i k +=, 则ik n i k i k n ki i n i i n ki Y X Z q p C q p C i k P i P k Z P k P +---=-=∑∑=-===22110)()()()(∑=-+=ki kn n k in i n q p C C 02121)(由k nm ki ik nk m C C C +=-=∑0, 有 kn nki in i n C C C21210+==∑. 于是有),,2,1,0( )(212121n n k q p C k P k n n k in n Z +==-++由此知Y X Z +=也服从二项分布.三、设随机变量X 与Y 独立，并且X 在区间[0，1]内服从均匀分布，Y 在区间[0，2]内服从辛普森分布：⎪⎩⎪⎨⎧><≤<-≤≤=.20 0,;2 1 ,2;10 ,)(y y y y y y y f Y 或求随机变量Y X Z +=的概率密度．解: X 的概率密度为 ⎩⎨⎧∉∈=]1,0[,0]1,0[,1)(x x y f ξ. 于是),(Y X 的联合概率密度为⎪⎩⎪⎨⎧≤<≤≤-≤≤≤≤=. 0,2 1,10 ,210,10,),(其它当当y x y y x y y x fYX Z +=的联合分布函数为}),{(}{}{)(D y x P z Y X P z Z P z F Z∈=≤+=≤=，其中D 是z y x ≤+与),(y x f 的定义域的公共部分.故有⎪⎪⎪⎩⎪⎪⎪⎨⎧≤<+-≤<-+-≤≤><=3229321212331023,00)(222z z z z z z z zz z z F Z从而随机变量Y X Z +=的概率密度为⎪⎪⎩⎪⎪⎨⎧≤<-≤<+-≤≤><=3232132103,00)(z z z z z z z z z f Z三、 电子仪器由六个相互独立的部件ijL （3,2,1;2,1==j i ）组成，联接方式如右图所示．设各个部件的使用寿命ijX 服从相同的指数分布)(λe ，求仪器使用寿命的概率密度．解: 由题设，知ij X 的分布函数为⎩⎨⎧≤>-=-0,00,1x x e F x X ij λ 先求各个并联组的使用寿命)3,2,1( =i Y i 的分布函数.因为当并联的两个部件都损坏时,第i 个并联组才停止工作,所以有)3,2,1(),m ax (21==i Y i i i ξξ从而有)3,2,1( =i Y i 的分布函数为⎩⎨⎧≤>-==-0,00,)1()(221y y e F F y F y X X Y i i i λ设Z "仪器使用寿命".因为当三个并联组中任一个损坏时,仪器停止工作.所以有),,min(321Y Y Y Z =.从而有Z 的分布函数为⎩⎨⎧≤>---=⎩⎨⎧≤>----=-0,00,])1(1[10,00)],(1)][(1)][(1[1)(32321z z e z z z F z F z F z F z Y Y Y Z λ故Z 的概率密度为⎩⎨⎧≤>--=---0,00,)2)(1(6)(23z z e e e z f z z z Z λλλλ第十章 随机变量的数学期望与方差一、 一批零件中有9个合格品与3个废品．安装机器时从这批零件中任取一个．如果取出的废品不再放回去，求在取得合格品以前已取出的废品数的数学期望、方差与标准差．解：设X 表示“在取得合格品以前已取出的废品数”，则X 的概率分布为即于是有1103322013220924491430=⨯+⨯+⨯+⨯=EX 即3.0004.03041.02205.0175.00≈⨯+⨯+⨯+⨯=EX 2X 的分布为即于是有229220192209444914302=⨯+⨯+⨯+⨯=EX 即4091.0004.09041.04205.0175.002≈⨯+⨯+⨯+⨯=EX从而有3191.013310042471)11033(229)(222≈=-=-=EX EX DX 565.03191.0≈==DX Xσ二、 对某一目标进行射击，直至击中为止．如果每次射击命中率为p ，求射击次数的数学期望及方差． 解：设X 表示“第i 次击中”),2,1( =i ，则X 的分布为于是有p q p q q p q p iq p ipq EX i ii i i i 1)1()1()(211111=-='-='===∑∑∑∞=∞=-∞=- 2X于是有pp p p q q p q p q q p pqi EX i i i ii i 122)1()1()(])([223111122-=-=-+='=''==∑∑∑∞=∞=∞=-进一步有pp p p p EX EX DX 11)1(12)(22222-=--=-=三、设离散型随机变量X 的概率函数为,,2,1,21]2)1([ ==-=k k X P kk k问X 的数学期望是否存在？若存在，请计算)(X E ；若不存在，请解释为什么．解：因为∑∑∑∑∞=∞=∞=∞=-=⋅-=-=-==1111)1(212)1(]2)1([2)1()(k kkk k kkkk kki iik k k X P k x X P x 不绝对收敛，所以ξ没有数学期望． 四、设随机变量X 的概率密度为⎪⎩⎪⎨⎧≥<-=.1, 0;1,11)(2x x x x f π 求数学期望)(X E 及方差)(X D ． 解：011)()(112=-⋅==⎰⎰-+∞∞-dx xx dx x xf X E πdxx x dx xx dx x f x X D ⎰⎰⎰-=-⋅==-∞+∞-1022112221211)()(πππ21]arcsin 2112[2102=+--=x x x π五、（拉普拉斯分布）设随机变量X 的概率密度为)( ,21)(+∞<<-∞=-x e x f x．求数学期望)(X E 及方差)(X D ． 解：021)(===⎰⎰+∞∞--+∞∞-dx xe dx x xf EX x2!2)3(21)(0222==Γ====⎰⎰⎰+∞-+∞∞--+∞∞-dx e x dx e x dx x f x DX x x（分部积分亦可）第十一章 随机变量函数的数学期望·关于数学期望与方差的定理一、设随机变量X 服从二项分布)4.0,3(B ，求2)3(X X Y -=的数学期望及方差． 解：X 的概率分布为Y 的概率分布为2Y 的分布为于是有72.072.0128.00=⨯+⨯=EY72.072.0128.002=⨯+⨯=EY2016.0)72.0(72.0)(222=-=-=EY EY DY二、过半径为R 的圆周上一点任意作这圆的弦，求所有这些弦的平均长度．解：在圆周上任取一点O ，并通过该点作圆得直径OA ．建立平面直角坐标系，以O 为原点，且让OA 在x 轴的正半轴上．通过O 任作圆的一条弦OB ，使OB 与x 轴的夹角为θ，则θ服从]2,2[ππ-上的均匀分布，其概率密度为 ⎪⎩⎪⎨⎧-∉-∈=]2,2[,0]2,2[,1)(ππθππθπθf ．弦OB 的长为]2,2[cos 2)(ππθθθ-∈=R L ，故所有弦的平均长度为⎰⎰-∞+∞-⋅==22cos 21)()()]([ππθθπθθθθd R d L f L EπθπθθπππRR d R4sin 4cos 42020===⎰．三、一工厂生产的某种设备的寿命X （以年计）服从指数分布，概率密度为⎪⎩⎪⎨⎧≤>=-. 0,0 ; 0 ,41)(4x x e x f x工厂规定，出售的设备若在售出一年之内损坏可予以调换．若工厂售出一台设备赢利100元，调换一台设备厂方需花费300元．试求厂方出售一台设备的平均净赢利． 解：由题设，有⎰⎰---∞--=-===<14110441141)()1(e e dx e dx x f X P x x进而有 41)1(1)1(-=<-=≥e X P X P 设Y 表示“厂方出售一台设备获得的净赢利”，则Y 的概率分布为从而有64.33200300100)1(200414141≈-⨯=⨯+-⨯-=---e e e EY答：厂方出售一台设备获得的平均净赢利约为64.33元．四、设随机变量nX X X ,,21相互独立，并且服从同一分布，数学期望为μ，方差为2σ．求这些随机变量的算术平均值∑==ni iX nX 11的数学期望与方差． 解：因为μ=)(i X E ，2)(σ=i X D ，且随机变量nX X X,,21相互独立．所以有μμ=====∑∑∑∑====ni n i i ni i n i i n X E n X E n X n E X E 11111)(1)(1)1()(，nn X D n X D n X n D X D ni ni in i i n i i 2122121211)(1)(1)1()(σσ=====∑∑∑∑====．五、一民航送客车载有20位旅客自机场开出，沿途有10个车站可以下车，到达一个车站时如没有旅客下车就不停车．假设每位旅客在各车站下车是等可能的，且各旅客是否下车相互独立．求该车停车次数的数学期望．解: 设iX 表示"第i 站的停车次数" (10,,2,1 =i ). 则iX 服从"10-"分布. 其中⎩⎨⎧=站有人下车若在第站无人下车若在第i i X i,1,0 于是iX 的概率分布为设∑==ni iX X 1, 则X 表示沿途停车次数, 故有]})10110(1[1)10110(0{10)(2020101101--⨯+-⨯===∑∑==i i i i EX X E EX748.8)9.01(1020≈-=即停车次数的数学期望为748.8.第十二章 二维随机变量的数字特征·切比雪夫不等式与大数定律一、 设二维随机变量),(Y X 的联合概率密度为()(). 1,222++=y x Ay x f求：（1）系数A ；（2）数学期望)(X E 及)(Y E ，方差)(X D 及)(Y D ，协方差),cov(Y X ． 解: (1) 由⎰⎰+∞∞-+∞∞-=1),(dxdy y x f . 有()()⎰⎰⎰⎰∞+∞-∞+∞-∞+==+=++11120022222A dr r rd A dxdy y x A πθπ解得, π1=A .(2)()11),()(222⎰⎰⎰⎰∞+∞-∞+∞-∞+∞-∞+∞-=++==dx y xxdy dxdy y x xf X E π.由对称性, 知)(=Y E .⎰⎰+∞∞-+∞∞-==-=dxdy y x f x EX EX X E X D ),(])[()(222()⎰⎰∞+∞-∞+∞-++=dxy xx dy 222211π()()+∞=+++=+-+=+=∞+∞+∞+⎰⎰⎰022022220223]11)1ln([1)1(211r r dr r r r r dr r r d πθπ同理, 有 +∞=)(Y D .)()])([(),cov(XY E EY Y Ex X E Y X =--=⎰⎰+∞∞-+∞∞-=dxdy y x xyf ),(()011),(222⎰⎰⎰⎰∞+∞-∞+∞-∞+∞-∞+∞-=++==dx y x xydy dxdy y x xyf π.二、 设二维随机变量),(Y X 的联合概率密度为⎩⎨⎧<<<=其它．,0;10,,1),(x x y y x f求(1) ),cov(Y X ；(2) X 与Y 是否独立，是否相关，为什么？解: (1) 因为 ⎰⎰⎰⎰⎰====-∞+∞-∞+∞-121322),(dx x dy xdx dxdy y x xf EX xx0),(1===⎰⎰⎰⎰-+∞∞-+∞∞-xx ydy dx dxdy y x yf EY 0),()(1===⎰⎰⎰⎰-+∞∞-+∞∞-xxydy xdx dxdy y x xyf XY E所以有])32[()])([(),cov(Y X E EY Y EX X E Y X -=--=⎰⎰+∞∞-+∞∞-=dxdyy x xyf ),(10==⎰⎰-xxydy xdx ．(2) 当)1,0(∈x 时,有⎰⎰+∞∞--===xdy dy y x f x f x xX 2),()(; 当)1,0(∉x 时,有0)(=x f X.即⎩⎨⎧∉∈=)1,0(0)1,0(2)(X x x x x f同理有 ⎩⎨⎧∉+∈-=⎪⎩⎪⎨⎧∉∈=⎰⎰-)1,0(1)1,0(1)1,0()1,0()(11Y x y x y x dx x dx y f y y 因为),()()(y x f y f x f Y X ≠, 所以X 与Y 不是独立的．又因为0),cov(=Y X , 所以X 与Y 是不相关的．三、 利用切比雪夫不等式估计随机变量X 与其数学期望)(X E 的差的绝对值大于三倍标准差 )(X σ的概率．解：91)3()3(2=≤>-ξξξξξD DD E P ．四、为了确定事件A 的概率，进行10000次重复独立试验．利用切比雪夫不等式估计：用事件A在10000次试验中发生的频率作为事件A 的概率的近似值时，误差小于0.01的概率．解：设ξ表示“在10000次试验中事件A 的次数”，则)5.0,10000(~B ξ且有50005.010000=⨯==np E ξ 2500)5.01(5.010000=-⨯⨯==npq D ξ 于是有npq p npq p np m P p n m P 22)01.0(1)01.0(1)01.0()01.0(-=-≥<-=<- 75.025.011=-=-=pq五、 样检查产品质量时，如果发现次品多于10个，则认为这批产品不能接受．应该检查多少 个产品，可使次品率为10%的一批产品不被接受的概率达到0.9？解：设ξ表示“发现的次品件数”，则)1.0,(~n B ξ，现要求.nn ξE 1.0= n ξD 09.0=要使得9.0)10(=>ξP ，即9.0)10(=≤<n ξP ，因为9.0)10(=≤<n ξP ，所以)3.01.03.01.03.01.010()10(nn n n n ξn n P ξD ξE n ξD ξE ξξD ξE P -≤-<-=-≤-<-)3.01.010()3()33.01.03.01.010(1,01,0nn n n n n ξn n P --≈≤-<-=ΦΦ 1)3.0101.0()3(1,01,0--+nn n ΦΦ （德莫威尔—Laplace 定理） 因为10>n ，所以53>n ，从而有1)3(1,0≈n Φ，故9.0)3.0101.0(1,0≈-nn Φ．查表有8997.0)28.1(1,0=Φ，故有28.13.0101.0≈-nn ，解得.146≈n答：应该检查约146个产品，方可使次品率为10%的一批产品不被接受的概率达到0.9．第十三章 正态分布的概率密度、分布函数、数学期望与方差一、 设随机变量X 服从正态分布)2,1(2N ，求（1）)8.56.1(<≤-X P ；（2）)56.4(≥X P ．解：(1) )4.2213.1()8.416.2()8.56.1(<-≤-=<-≤-=<≤-X P X P X P8950.09032.019918.0)]3.1(1[)4.2()3.1()4.2(1,01,01,01,0=+-=--=--=ΦΦΦΦ(2) )78.12178.2(1)56.4(1)56.4(<-<--=<-=≥X P X P X P)]78.2(1)78.1(1)]78.2()78.1([11,01,01,01,0ΦΦΦΦ-+-=---=.0402.09973.09625.02=--二、 已知某种机械零件的直径X （mm ）服从正态分布)6.0,100(2N ．规定直径在2.1100±（mm ）之间为合格品，求这种机械零件的不合格品率．解：设p 表示这种机械零件的不合格品率，则)2.1100(1)2.1100(≤--=>-=X P X P p ．而)26.01002()6.02.16.01006.02.1()2.1100(≤-≤-=≤-≤-=≤-X P X P X P 1)2(2)]2(1[)2()2()2(-Φ=Φ--Φ=-Φ-Φ= 9544.019772.02=-⨯= 故0456.09544.01=-=p ．三、测量到某一目标的距离时发生的误差X (m)具有概率密度3200)20(22401)(--=x ex f π求在三次测量中至少有一次误差的绝对值不超过30m 的概率．解：三次测量中每次误差绝对值都超过30米可表为}30{}30{}30{>⋃>⋃>=ξξξD 第三次第二次第一次因为)40,20(~2N ξ，所以由事件的相互独立性，有31,01,033)]25.0(1)25.1([})3030{(})30{()(ΦΦ-+-=>+-<=>=ξξP ξP D P 13025.05069.0)8944.05987.02(33≈=--= 于是有86975.013025.01)(1}30{=-=-=<D P P 米至少有一次绝对值三次测量中ξ．四、设随机变量),(~2σμN X ，求随机变量函数Xe Y =的概率密度（所得的概率分布称为对数正态分布）． 解：由题设，知X 的概率密度为)(21)(222)(+∞<<-∞=--x ex f x X σμσπ从而可得随机变量Y 的分布函数为)()()(y e P y Y P y F XY≤=≤=．当0≤y 时，有0)(=y F Y ；此时亦有0)(='y F Y． 当0>y 时，有dx ey X P y F yx Y⎰∞---=≤=ln 2)(2221)ln ()(σμσπ． 此时亦有222)(ln 21)(σμσπ--='y Yeyy F ．从而可得随机变量Y 的概率密度为⎪⎩⎪⎨⎧>≤=--.0,21;0,0)(222)(ln y e yy y f y Y σμσπ五、设随机变量X 与Y 独立，),(~211σμN X ，),(~222σμN Y ，求： (1) 随机变量函数bY aX Z +=1的数学期望与方差，其中a 及b 为常数；(2) 随机变量函数XY Z =2的数学期望与方差．解：由题设，有211)(,)(σμ==X D X E ；222)(,)(σμ==Y D Y E ．从而有 (1)211)()()()()()(μμb a Y bE X aE bY E aX E bY aX E Z E +=+=+=+=； 222212221)()()()()()(σσb a Y D b X D a bY D aX D bY aX D Z D +=+=+=+=． (2)212)()()()(μμ===Y E X E XY E Z E ；)()()()()()()()(22222222Y E X E Y E X E XY E Y X E XY D Z D -=-== )()()]()()][()([2222Y E X E Y E Y D X E X D -++= )()()()()()(22X E Y D Y E X D Y D X D ++= 212222212221μσμσσσ++=．第十四章二维正态分布·正态随机变量线性函数的分布中心极限定理一、设二维随机变量),(Y X 服从二维正态分布，已知0)()(==Y E X E ，16)(=X D ，25)(=Y D ，并且12),cov(=Y X ，求),(Y X 的联合概率密度．。
概率论第一讲
§2.2 离散型随机变量
(一) 概率分布 (二)常设见离的散概型率随机分变布量X所有可能 取1的.(值0-为1x)分k(k布=1,2,···),X取各个值 的2概.二率项,即分事布件｛X=x費k｝的概率
为=为分下P任定p43离布两ko..意的iP几,散律条sok正非sln何i=i.型件Pom1s整负｛n,分s随C定2数 整:Xonk,机=布np理·数.xnk分·设变(·k1｝k布n量,p有p设nXn)=的nλ((λ12k＞)概),p则kk0率1则对是kppkek0分!k,称于常满k布1上任数足1或,式一2,如n,是固27
P( A)
在事件A发生条件下事件B发生的条 件概率.
16
2.乘法定理
§1.5
设P(A)＞0,则
全
概 有 P(AB)=P(B|A)P(A)
率
公 式
一般地,设A1,A2,···,An为n个事件
和 贝
(n≥2),且P(A1A2···An)>0,则有
叶
斯 P(A1A2···An)=P(An|A1···An-1)···P(A2|A1)P(A1)
f数n(值A1∪称A为2…事∪③件Ak对)A=出不fn现可(A的能1)概事+率f件n，(ΦA记2，)为+P…（P（+ΦfA）(）A=。k104)。
§1.4 概率
（一）概率 （定样二义本）空概间。设率对Ｅ性于是质Ｅ随的机每试一验个,Ｓ事是件它Ａ的赋
性性性性性性予函((12质 质 质质 质 质一数))对P456个Ｐ(123于Ｓ对 对 对(实则 设 有 P·每)()于 于 于=数A有 限 满一 1,任 任 任);，BP可 足个是 意 一 一记B加 下0事两 事 事两 为列性 件事 件 件A个 P条（AAA件事 ,,,件有PAＡ有P件 ,(P:BA）PB,(,()若 有A,Ａ)如1A).P果≥1A集0BP;,(合A).
02：第一讲 概率论统计基础知识总结
(10,10)
F
Copyright © CHEN Chuanglian, Econometrics，2012
1. 2.
分布的变量值始终为正
分布的形状取决于其自由度n的大小，通常为不 对称的正偏分布，但随着自由度的增大逐渐趋 于对称 期望为： E(2)=n ，方差为： D(2)=2n(n 为自 由度)
3.
4.
可加性：若U和V为两个独立的2分布随机变量， U~2(n1)，V~2(n2),则U+V这一随机变量服从 自由度为n1+n2的2分布
陈创练
/
1
本部分包括八个内容： 一、总体、参数、随机样本 二、随机变量 三、统计量与估计 四、概率分布 五、样本均值的分布与中心极限定理
六、样本方差的分布
七、点估计与区间估计 八、假设检验
Copyright © CHEN Chuanglian, Econometrics，2012
(1) E(aX b) aE ( X ) b
(2) E (aX ) 2 a 2 E ( X 2 )
(3)Var (aX b) a 2Var ( X )
(4) E( X Y ) E ( X ) E (Y )
(5)Var ( X Y ) Var ( X ) Var (Y ) 2Cov( X , Y )
F ~ F (n1 , n2 )
Copyright © CHEN Chuanglian, Econometrics，2012
图12：F分布的PDF
图13：F分布的CDF
Copyright © CHEN Chuanglian, Econometrics，2012
不同自由度的F分布
《概率论与数理统计教程》课件
2-7
随机变量的分类
仅可能取得有限个或 可数无穷多个数值
离散型随机变量 随机变量 连续型随机变量
2-8
§2.2 离散随机变量
一. 概率分布
二. 概率函数及其性质 三. 几何分布 四. 频率分布表
2-9
概率分布
定义 随机变量X一切可能值为x1, x2, ... , xn, ... , 而取 得这些值的概率分别为p(x1), p(x2), ... , p(xn) , ... , 称为离散型随机变量的概率分布或分布律。 可以列出概率分布表如下：
1. 当一批产品总数 N很大，而抽取样品的个 数 n 远小于 N 时，可用二项分布来近似地 计算超几何分布的概率，即 m n m C M C N M M m m n m Cn p q , p n N CN
2. 实际应用中，当n/N10%时，不放回抽样（样品 中的次品数服从超几何分布）与放回抽样（样品 中的次品数服从二项分布）区别不大。
2 - 13
课堂练习
1. P{ X i } 2a i ,i 1,2 , , 求常数a. 2. 下面给出的数列能否成为某一随机变量的 分布列: 0.1,0.2,0.3,0.4.
3. 设随机变量X的概率分布为
X P 0 1/8 1 3/8 2 3/8 3 a
求:(1)a的值; (2)P(X≤1); (3)P(1≤X<3) 4. 某射手在相同条件下独立地进行5次射击,每 次击中目标的概率是0.6,求击中目标次数X的概 2 - 14 率分布.
P(X=n)=qn-1p, (n=1,2,...)
几何分布
2 - 15
频率分布表
频率分布表
X
f n ( xi )
x1
概率论第四版第二章第一讲
离散型随机变量
P{ X xk } pk
X pk
(k 1, 2, )
x1 x 2 x k p1 p2 pk
x1 x2 x k p p p 2 k 1
例3 设一汽车在开往目的地的道路上需经过四组信
则称随机变量X服从参数为（n，p）的二项分布， 记作
k n
k
n k
X ~ bn， p
0 (其中n为自然数， p 1为参数)
例4 按规定，某种型号电子元件的使用寿命超过 1500小时的为一级品。已知某一大批产品的一级品 率为0.2，现在从中随机的抽查20只，问20只元件中 恰有k（k=0,1,2„20）只为一级品的概率是多少？
只产生两个结果 A, A 的试验
将E独立地重复地进行n次,则称这一串重复的独
立试验为n重伯努利试验.
注: “重复”指在每次试验中P(A)=p保持不变. “独立”指各次试验的结果互不影响.
2）定义
如果随机变量X的分布律为
PX k C p 1 p
k 0， 1， ， n
引例 将一枚硬币连抛三次，观察正、反面出 现的情况。 则样本空间为
S { TTT,TTH,THT,HTT,THH,HTH,HHT,HHH}
样本点 HHH HHT HTH THH TTH THT HTT TTT
X 3 2 2 2 1 1 1 0
随机变量的定义
设随机试验的样本空间为S={e}。X=X(e)是定义在 样本空间S上的实值单值函数，X=X(e)称为随机变 量(random variable)。
pk
0.125
0.0625
0.0625
第二章1《概率论与数理统计教程》课件
§2.1 随机变量的概念
一. 随机变量的概念
二. 随机变量的定义 三. 随机变量的分类
2-4
随机变量的概念
随机变量 在试验的结果中能取得不同数值 的量，它的数值是随试验的结果而定 的，由于试验的结果是随机的，所以 它的取值具有随机性。
2-5
随机变量的定义
定义 如果对于试验的样本空间 中的每一个样本 点 ，变量X都有一个确定的实数值与之对 应，则变量X是样本点 的实值函数，记作 X＝ X(). 我们称这样的变量X为随机变量 随机变量通常用希腊字母 , , 或英文大 写字母X，Y来表示 备注 X＝x, X<x, x1<X<x2, Xx都是随机事件 2-6
第二章 随机变量及其分布
《概率论与数理统计教程》 （第四版）
高等教育出版社 沈恒范 著
2-1
大纲要求
1. 2. 3. 4. 5. 6. 7. 8. 9. 理解随机变量的概念。 理解离散型随机变量的分布律的概念与性质。 理解连续型随机变量概率密度的概念与性质。 理解随机变量分布函数的概念和性质。 会用分布律、概率密度、分布函数计算随机事件的概率。 掌握二项分布、泊松分布、均匀分布、指数分布。 会求简单随机变量函数的概率分布。 了解二维随机变量的概念
2 - 30
分布函数的定义
定义
随机变量X的取值小于等于实数x的概率，即事 件X x的概率；显然，它是x的函数，记作
F ( x) P( X x)
这个函数称为随机变量X的概率分布函数或分 布函数。
2 - 31
分布函数性质
(1) 0 F ( x ) 1.
（2） F(x)是非减函数，即若
2 - 11
概率分布(实例)
(完整word版)概率论与数理统计(第四版)
概率论与数理统计(第四版)复习参考第一章 概率论的基本概念1、分配率：A ∪(B ∩C)=(A ∪B) ∩(A ∪C) A ∩(B ∪C)=(A ∩B) ∪(A ∩C)德摩根率：A ∪B ̅̅̅̅̅̅̅=A ̅∩B ̅ 、A ∩B ̅̅̅̅̅̅̅=A̅∪B ̅。
2、若A 、B 为两个事件且A 包含于B ，则P(B)-P(A)=P(B-A)，P(B)≥P(A)。
3、若A 、B 为任意两事件，则P(A ∪B)=P(A)+P(B)-P(AB)。
4、乘法公式：P(AB)=P(B|A)P(A)P(A 1A 2A 3A 4)=P(A 4| A 1A 2A 3)P(A 3|A 1A 2)P(A 2| A 1)P(A 1)。
5、全概率公式：P(A)=P(A|B 1)P(B 1)+P(A|B 2)P(B 2)+……+P(A|Bn)P(Bn)P(A)=P(A|B)P(B)+P(A|B ̅)P(B ̅)。
6、贝叶斯公式:P(B|A)=P(AB)P(A)=P(A|B)P(B)P(A|B)P(B)+P(A|B̅)P(B ̅)。
7、P(A̅B )=P((1-A)B)=P(B-AB)=P(B)-P(AB)。
第二章 随机变量及其分布1、离散型随机变量：①（0-1）分布或两点分布及分布律 P{X=K}=P K (1-P)1-K ,K=0、1 (0<P<1)。
②二项分布X ～b （n 、p ） P{X=K}=∁n K P K (1-P)n-K ；（0-1）分布是特殊的二项分布。
③泊松分布 X ～π（λ） P{X=K}=λke −λk ！，k=0、1、2…(λ〉0)。
2、概率函数（概率密度函数f (x )）：F （x ）=∫f (t )dt x−∞ ，F （x ）=P ﹛X ≤x ﹜ -∞<x<∞ 为分布函数； ∫f (x )dx ∞−∞=1。
3、均匀函数 X ～U(a 、b) X的概率密度f (t )={1b−a,a < x <b0， 其他4、指数分布：x 的概率密度f (x )={1θe −Xθ,x >00,其他X 的分布函数F （x ）={1−e −Xθ0， 其他，x >05、正态分布或高斯分布X ～N （μ、σ2）：x 的概率密度f (x )=√2π−（x−μ）22σ2，-∞<x <∞（σ>0）；Φ(1−x )=1−Φ（x ）。
第一讲概率论基本知识
第一章 概率论基础知识概率论是随机过程的基础，在传统的概率论中，限于各种原因，往往借助于直观理解来说明一些基本概念，这对于简单随机现象似乎无懈可击，但对于一些复杂随机现象就难以令人信服了.随着随机数学理论的不断完善，随机过程越来越成为现代概率论的一个重要分支和发展方向. 为了更好地学习随机过程，我们必须对基础概率论的理论有一个比较深入和全面的了解.本章就是在此基础上系统介绍概率论基础知识，包括概率空间、随机变量及其分布、数学期望的若干性质、特征函数和母函数、随机变量列的收敛性及其相互关系、条件数学期望等.1．1 概率空间概率论是研究随机现象统计规律的一门数学分科，由于随机现象的普遍性，使得概率论具有极其广泛的应用.随机试验是概率论的基本概念之一，随机试验所有可能结果组成的集合称为这个试验的样本空间，记为Ω.Ω中的元素ω称为样本点，Ω中的子集A 称为随机事件，样本空间Ω也称为必然事件，空集Φ称为不可能事件.定义 1.1 设Ω是一个集合，F 是Ω的某些子集组成的集合簇（collection ）（或称集类），如果 （1）Ω∈F ；（2）若A ∈F ，则\A A =Ω∈F ；（取余集封闭） （3）若n A ∈F ,1,2,n = ，则1n n A ∞=∈ F ；（可列并封闭）则称F 为σ-代数（sigma algebra -）（B orel 域或事件域（field of events ）），（,ΩF ）称为可测空间（m easurable space ）.由定义可以得到 （4）Φ∈F ；（5）若,A B ∈F ，则\A B ∈F ；（取差集封闭）（6）n A ∈F ,1,2,n = ，则1ni i A = ，1ni i A = ，1i i A ∞= ∈F （有限交，有限并，可列交封闭）定义1.2 设（,ΩF ）为可测空间，()P ⋅是定义在F 上的实值函数，如果 （1）任意A ∈F ,0()1P A ≤≤；（非负性） （2）()1P Ω=；（正规性）（3）对两两互不相容事件12,,A A （当i j ≠时，i j A A =Φ ），有11()i ii i P A P A ∞∞==⎛⎫=⎪⎝⎭∑ （可列可加性）. 则称P 是（,Ω F）上的概率（p r o b a b i l i ），(,ΩF ，P ）称为概率空间（probability space ），()P A 为事件A 的概率. 由定义知（4）,A B ∈F ,A B ⊂，则(\)()()P B A P B P A =- （可减性）一事件列{,1}n A n ≥称为单调增列，若1,1n n A A n +⊂≥；称为单调减列，若1,n n A A +⊃1n ≥. 显然，如果{,1}n A n ≥为单调增列，则1lim n in i A A∞→∞==；如果{,1}n A n ≥为单调减列，则1lim n in i A A∞→∞==.（5）（概率的连续性）若{,1}n A n ≥是递增或递减的事件列，则lim ()(lim )n n n n P A P A →∞→∞=定义1.3 设(,ΩF ，P ）为概率空间，B ∈F ，且()0P B >，如果对任意A ∈F ，记()(|)()P AB P A B P B =则称(|)P A B 为事件B 发生条件下事件A 发生的条件概率（conditional probability ）. 由条件概率的定义可得到： （1）乘法公式 设,A B ∈F ，则()()(|)P AB P B P A B =一般地，若i A ∈F ,1,2,,i n = ，且121()0n P A A A -> ，则121121312121()()(|)(|)(|)n n n P A A A P A P A A P A A A P A A A A --=（2） 全概率公式 设(,ΩF ，P ）是概率空间，A ∈F ，i B ∈F ,1,2,,i n =()i j B B i j =Φ≠，且1,()0,ni i i B P B ==Ω> ，则1()()(|)niii P A P B P A B ==∑（3） （Bayes 公式）设(,ΩF ，P ）是概率空间，A ∈F ，i B ∈F ,1,2,,i n =()i j B B i j =Φ≠，且1,()0,()0ni i i B P B P A ==Ω>> ，则1()(|)(|)()(|)i i i niii P B P A B P B A P B P A B ==∑一般地，若12,,,n A A A ∈ F ，有11()()nni ii i P A P A ===∏ , 则称F 为独立事件簇.1.2 随机变量及其分布随机变量是概率论的主要研究对象之一，随机变量的统计规律用分布函数来描述. 定义 1.4 设(,ΩF ，P ）为概率空间，()X X ω=是定义在Ω上的实值函数，如果对于任意实数x ，有()1(,]Xx --∞={}:()X x ωω≤∈F ，则称()X ω为F上的随机变量（random variable ），简记为..r v X .随机变量实质上是（,ΩF ）到(,R B ()R ）上的可测映射（函数），记1(){()|X XB B σ-=∈B ()R }⊂F ，称()X σ为随机变量X 所生成的σ域.称{}()1()():()((,])(,]F x P X x P X xP X x P Xx ωω-=≤=≤=∈-∞=-∞为随机变量X 的分布函数(distribution function )(简记.d f ).由定义，分布函数有如下性质：（1）()F x 为不降函数：即当12x x <时，有12()()F x F x ≤； （2）()lim ()0,x F F x →-∞-∞==()lim ()1x F F x →+∞+∞==；（3）()F x 是右连续的，即()()F x F x ο+=可以证明，定义在R 上的实值函数()F x ，若满足上述三个性质，必能作为某个概率空间(,ΩF ，P ）上某个随机变量的分布函数.推广到多维情形，类似可得到定义 1.5 设(,ΩF ，P ）为概率空间，()12()(),(),,()n X X X X X ωωωω== 是定义在Ω上的n 维空间n R 中取值的向量实值函数.对于任意12(,,,)n n x x x x R =∈ ，有{}1122:(),(),,()n n X x X x X x ωωωω≤≤⋅⋅⋅≤∈F ，则称()X X ω=为n 维随机变量，称12()(,,,)n F x F x x x P =⋅⋅⋅={}1122:(),(),,()n n X x X x X x ωωωω≤≤⋅⋅⋅≤为()12()(),(),,()n X X X X X ωωωω==⋅⋅⋅的联合分布函数.随机变量有两种类型：离散型随机变量和连续型随机变量，离散型随机变量的概率分布用概率分布列来描述：(),1,2,k k p P X x k === ，其分布函数为()k k x xF x p ≤=∑；连续型随机变量的概率分布用概率密度函数()f x 来描述，其分布函数为()()x F x f t dt -∞=⎰.类似地可定义n 维随机变量12(,,,)n X X X X = 的联合分布列和联合分布函数如下： 对于离散型随机变量12(,,,)n X X X X = ，联合分布列为()121122,,,n x x x n n p P X x X x X x ====其中,i i i x I I ∈为离散集，1,2,,i = n ，X 的联合分布函数为： 1,12,,121,2,,(,,,)(,,,)n i i nn x x n x y i n F y y y p y y y R ≤==⋅⋅⋅∈∑对于连续型随机变量12(,,,)n X X X X = ，如果存在n R 上的非负函数12(,,,)n f x x x ，对于任意12(,,,)nn y y y R ∈ ，有12(,,,)n X X X X = 的联合分布函数12121212(,,,)...(,,,)n y y y n n n F y y y f x x x dx dx dx -∞-∞-∞⋅⋅⋅=⋅⋅⋅⋅⋅⋅⎰⎰⎰12(,,,)n f x x x 为X 的联合密度函数.1.3 数学期望及其性质设()X X =⋅是定义在概率空间(,ΩF ，P ）上的.r v ，如果||X dP Ω<∞⎰，就称.r v .X的数学期望（expectation ）或均值存在（或称.r v .X 是可积的），记为E X ，有下列定义：EX XdP Ω=⎰利用积分变换，也可写成()EX xdF x +∞-∞=⎰.设()g x 是1R 上的B orel 可测函数，如果.r v .()g X 的数学期望存在，即|()|E g X <∞，由积分变换可知()()()()Eg X g X dP g x dF x +∞Ω-∞==⎰⎰设k 是正整数，若.r v .k X 的数学期望存在，就称它的k 阶原点矩（k th -moment aboutthe origin ），记为k α，即()kkk EXx dF x α+∞-∞==⎰设k 是正整数，若.r v .||k X 的数学期望存在，就称它的k 阶绝对原点矩（k th - absolute m o m e n tabout the origin ），记为k β，即 ||||()kkk E X x dF x β+∞-∞==⎰类似地，X 的k 阶中心矩（k th - central moment ）k μ和k 阶绝对中心矩（k th -absolutely central moment ）k υ分别定义为1()()()kkk E X EX x dF x μα+∞-∞=-=-⎰1||||()kkk E X EX x dF x να+∞-∞=-=-⎰我们称二阶中心矩为方差（variance ），记为V a r X 或D X ，显然有22221VarX μναα===-关于数学期望，容易验证下列的性质：（1）若.r v .X ，Y 的期望E X 和E Y 存在，则对任意实数,αβ，()E X Y αβ+也存在，且()E X Y EX EY αβαβ+=+（2）设A ∈F ，用A I 表示集A 的示性函数，若E X 存在，则()A E XI 也存在，且()A AE XI XdP =⎰（3）若{}k A 是Ω的一个划分，即()i j A A i j =Φ≠ ，且i iA Ω= ，则iA i EX XdP XdP Ω==∑⎰⎰关于矩的存在性，有如下的必要条件和充分条件定理1.1 设对.r v X 存在0p >，使||pE X <∞，则有lim (||)0px x P X x →∞≥=定理1.2 设对.r v X 0(.)a s ≥，它的.d f 为()F x ，那么E X <∞的充要条件是(1())F x dx ∞-<∞⎰此时EX =(1())F x dx ∞-⎰推论1.1 ||E X <∞的充要条件是0()F x dx -∞⎰与0(1())F x dx +∞-⎰均有限，这时有EX =(1())F x dx ∞-⎰()F x dx -∞-⎰推论 1.2 对于0,||pp E X <<∞<∞的充要条件是11(||)p n P X n ∞=≥<∞∑，也等价于11(||)p n nP X n ∞-=≥<∞∑1.4 特征函数和母函数特征函数是研究随机变量分布又一个很重要的工具，用特征函数求分布律比直接求分布律容易得多，而且特征函数有良好的分析性质.定义 1.6 设X 是n 维随机变量（随机向量），分布函数为()F x ，称()F x 的Fourier Stieltjes -变换()()(),itXitxg t E ee dF x t ∞-∞==-∞<<∞⎰为X 的特征函数(characteristic function ).简记.c f从本质上看，特征函数是实变量t 的复值函数，随机变量的特征函数一定是存在的. 当X 是离散型随机变量，分布列(),1,2,k k p P X x k === ，则1()kitx k k g t ep ∞==∑当X 是连续型随机变量，概率密度函数为()f x ，则()(),itxg t ef x dx t ∞-∞=-∞<<∞⎰从定义，我们能够看出特征函数有如下性质： （1）(0)1;g =（2）（有界性）|()|1;g t ≤ （3）（共轭对称性）()();g t g t -=（4）（非负定性）对于任意正整数n 及任意实数12,,,n t t t 和复数12,,,n z z z ，有,1()0nk l k l k l g t t z z =-≥∑（5）（连续性）()g t 为n R 上一致连续函数；（6）有限多个独立随机变量和的特征函数等于各自特征函数的乘积，即随机变量12,,,n X X X 相互独立，12n X X X X =+++ 的特征函数为：12()()()()n g t g t g t g t =其中()i g t 为随机变量i X 的特征函数；（7）（特征函数与矩的关系）若随机变量X 的n 阶矩n EX 存在，则X 的特征函数()g t 可微分n 次，且当k n ≤时，有()(0)k k k g i EX =；（8）随机变量的分布函数由其特征函数唯一确定.定理1.3 (B ocher 定理) n R 上函数()g t 是某个随机变量特征函数当且仅当()g t 连续非负定且(0)1g =.定理1.4 （逆转公式） 设()F x 是随机变量X 的分布函数，相应的特征函数为()g t 若12,x x 为()F x 的连续点，则12211()()lim()2itx itx TT Tee F x F x g t dt itπ--→∞---=-⎰很显然，具有相同特征函数的两个分布函数是恒等的.由此还可推出一个事实：一个随机变量是对称的，当且仅当它的特征函数是实的. 事实上，由X 的对称性知X 和X -有相同的分布函数，根据定义()()()itX itXg t E e E eg t g t -===-=，也就是说()g t 是实的；反之，从()()()itX itXg t Ee g t g t Ee -===-=知X 和X -有相同的特征函数，因此，它们的分布函数相等，这说明X 是对称的.例1.1 设X 服从(,)B n p ，求X 的特征函数()g t 及2,,EX EX D X解 X 的分布列为{},1,0,1,2,,k k n kn P X k C p q q p k n -===-=()()()n nitxk k n kk it k n kit nnnk k g t eC p qCpe qpe q --=====+∑∑因此 0(0)()|itt d E X ig ipe qnp dt='=-=-+=22222202()(0)()()|it t d EXi g i pe q npq n p dt=''=-=-+=+故 22()D X EX EX npq =-= 例1.2 设~(0,1)X N ，求X 的特征函数()g t解 22()itx xg t edx ∞--∞=由于2222||||itx xxixe xe--=221||xx edx ∞--∞<∞⎰，可对上式两边求导，得2222()()itx xitx xg t ixedx e de∞∞---∞-∞'==-⎰2222()x x itx itx edx tg t ∞∞---∞-∞=--=-于是得到微分方程 ()()g t t g t '+=. 这是变量可分离型方程，有()()dg t tdt g t =-两边积分得 2l n ()2g t tc=-+，得方程的通解为 22()tcg t e -+=.由于(0)1g =，因此，0c =.于是X 的特征函数为22()tg t e -=例1.3 设,X Y 相互独立，~(,),~(,)X B n p Y m p ，证明：~(,)X Y n m p ++ 证明 ,X Y 的特征函数分别为()(),()(),1itnitmX Y g t q pe g t q pe q p =+=+=-X Y +的特征函数为()()()(),1it n mX Y X Y g t g t g t q pe q p ++==+=-即X Y +的特征函数是服从参数为,n m p +二项分布的特征函数，由唯一性定理~(,)X Y n m p ++附表一给出了常用分布的均值、方差和特征函数.在研究只取非负整数值的随机变量时，以母函数代替特征函数比较方便.定义1.7 设随机变量X 的分布列为(),0,1,2,k p P X k k === 其中01k k p ∞==∑，称()()kk k k P s E s p s ∞===∑为X 的母函数（或称概率生成函数）（p r o b a b i l i t y generating function ）.母函数具有下列性质：（1）非负整数值随机变量的分布列由其母函数唯一确定； （2）(1)1P =，()P s 在||1s ≤绝对且一致收敛；（3）若随机变量X 的l 阶矩存在，则可以用母函数在1s =的导数值来表示，特别地， 有2(1),(1)(1)EX P EXP P ''''==+；（4）独立随机变量之和的母函数等于母函数的积.证明 （1）01(),0,1,2,nkkkk k k k k k n P s p s p s p s n ∞∞===+==+=∑∑∑两边对s 求n 阶导数，得到()1()!(1)(1)n k nn k k n Ps n p k k k n p s∞-=+=+--+∑令0s =，则()(0)!n n p n p =，因此()(0),0,1,!n n pp n n ==（3）由0()kk k P s p s ∞==∑，得到11()k kk P s kps∞-='=∑，令1s ↑，得到1(1)kk EX kpP ∞='==∑，类似可得到 2(1)(1)E X PP '''=+ 例1.4 从装有号码为1,2,3,4,5,6的小球的袋中，有放回地抽取5个球，求所得号码总和为15的概率.解 令i X 为第i 次取得的小球的号码，且i X 相互独立，125X X X X =+++ 为所取的球的号码的总和.i X 的母函数为261()()6i P s s s s =+++X 的母函数为 5265655551()()(1)(1)66s P s s s s s s -=+++=--所求概率为()P s 展开式的15s 的系数，因此，5651{15}6P X ==1.5 随机变量列的收敛性定义 1.8设{},;1n X X n ≥概率空间(,ΩF ，P ）上随机变量，如果存在集A ∈F ，()0P A =，当cA ω∈时，有lim ()()n n X X ωω→∞=，则称n X 几乎处处收敛（convergencealm ost everywhere ）到X ，简称n X ..a s 收敛到X ，记为n X X → ..a s下面我们给出..a s 收敛的一个判别准则.定理1.5 n X X → ..a s 的充分必要条件是任一ε>0，有lim (||)0m n m n P X X ε∞→∞=⎧⎫-≥=⎨⎬⎩⎭下面给出定理1.3的一个应用.例1.5 设{}n X 是..r v 列，且11()()2n n n P X n P X n +===-=，1111122n n n P X P X n n ⎧⎫⎧⎫⎛⎫===-=-⎨⎬⎨⎬ ⎪⎩⎭⎩⎭⎝⎭对于给定的ε>0,考虑1n ε>，有 1(||)0,2m mm nm n P X n ε∞∞==⎧⎫≥≤→→∞⎨⎬⎩⎭∑，因此 0n X →，..a s定义1.9 设{},;1n X X n ≥概率空间(,ΩF ，P ）上随机变量,如果对任一0ε>，{}lim ||0n n P X X ε→∞-≥=则称n X 依概率收敛（convergence in probability ）到X ，简记Pn X X −−→. 由定义，n X 依概率收敛到X ，那么极限随机变量X ..a s 是唯一的.定义 1.10 设{},;1n X X n ≥概率空间(,ΩF ，P ）上随机变量,若||rn E X （0r >）存在，且lim ||0rn n E X X →∞-=，则称 n X r 阶平均收敛（convergence in mean oforder r ）到X ，特别地，当2r =时，称为均方收敛.定义1.11 设{},;1n X X n ≥概率空间(,ΩF ，P ）上随机变量，其分布函数序列()n F x 满足lim ()()n n F x F x →∞=在每个()F x 连续点处成立，则称n X 依分布收敛（convergence indistribution ）到X .简记dn X X −−→.这里()F x 为X 的分布函数.下面我们不加证明地给出几种收敛之间的关系.a sPn n X X X X −−→⇒−−→dn X X ⇒−−→⇓..k a s n X X −−→且11(||)2kn kk P X X ∞=-≥<∞∑⇑,r rn n X X X X '−−→⇒−−→ 0r r '<< 1.6 条件数学期望设,X Y 是离散型随机变量，对一切使{}0P Y y =>的y ，定义给定Y y =时，X 的条件概率为 {,}{|}{}P X x Y y P X x Y y P Y y ======；给定Y y =时，X 的条件分布函数为(|){|}F x y P X x Y y =≤=； 给定Y y =时，X 的条件期望为(|)(|){|}xE X Y y xdF x y xP Xx Y y =====∑⎰设,X Y 是连续型随机变量，其联合密度函数为(,)f x y ，对一切使()0Y f y ≥，给定Y y =时，X 的条件密度函数为(,)(|)()Y f x y f x y f y =；给定Y y =时，X 的条件分布函数(|){|}F x y P X x Y y =≤==(|)xf x y dx ⎰； 给定Y y =时，X 的条件期望定义为 (|)(|)(|)E X Y y x d F x y x f x y d x===⎰⎰由定义可以看出，条件概率具有无条件概率的所有性质.(|)E X Y y =是y 的函数，y 是Y 的一个可能值，若在Y 已知的条件下，全面考察X 的均值，需要用Y 替代y ，(|)E X Y y =是Y 的函数，显然，它也是随机变量，称为X 在Y 条件下的条件期望（conditional expectation ）.条件期望在概率论、数理统计和随机过程中是一个十分重要的概念，下面我们列举以下性质：设,,X Y Z 为随机变量，()g x 在R 上连续，且,,,[()]EX EY EZ E g Y Z ⋅都存在. （1） 当X 和Y 相互独立时，(|)E X Y EX =； （2） [(|)]EX E E X Y =；（3） [()|]()(|)E g Y X Y g Y E X Y ⋅=； （4） (|)E c Y c =，c 为常数；（5） （线性可加性）[()|](|)(|)E aX bY Z aE X Z bE Y Z +=+ （,a b 为常数）； （6） 若0,X ≥则(|)0,..E X Y a s ≥ 下面只对（2）和（3）证明：证明 （2）离散型情况.设(,)X Y 的联合分布列为{,},,1,2,i j ij P X x Y y p i j ====则 [(|)](|){}jj j y E E X Y E XY y P Y y ===∑{|}{}ji i i j j y x x P X x Y y P Y y ⎡⎤====⎢⎥⎣⎦∑∑ {,}{}ji ii i j i y x x x P X x Y y P Xx EX ⎡⎤======⎢⎥⎣⎦∑∑∑由此可见，E X 是给定j Y y =时X 条件期望的一个加权平均值，每一项(|)j E X Y y =所加的权数是作为条件事件的概率，称(|){}jj j y EX E XY y P Y y ===∑为全期望公式.连续型情形：设(,)X Y 的联合密度函数为(,)f x y ，则[](|)(|)()(|)()Y Y E E X Y E X Y y f y dy xf x y dx f y dy ∞∞∞-∞-∞-∞⎡⎤===⎢⎥⎣⎦⎰⎰⎰(,)(,)x f x y d x d yx f x y dy d x∞∞∞∞-∞-∞-∞-∞⎡⎤⎡⎤==⎢⎥⎢⎥⎣⎦⎣⎦⎰⎰⎰⎰()X xf x dx EX ∞-∞==⎰(|)()Y EX E X Y y f y dy ∞-∞==⎰也称为全期望公式.全期望公式表明：条件期望的期望是无条件期望. （3）只需证明对任意使[]()|E g Y X Y y ⋅=存在的y 都有[]()|()(|)E g y X Y y g y E X Y y ⋅===因为[|](|)E X Y y xdF x y ∞-∞==⎰，因此，当y 固定时，[]()|()(|)()(|)E g y X Y y g y xdF x y g y xdF x y ∞∞-∞-∞⋅===⎰⎰()[|]g y E X Y y ==例1.6 设在某一天走进商店的人数是期望为1000的随机变量，又设这些顾客在该商店所花钱数都为期望为100元的相互独立的随机变量，并设一个顾客花钱数和进入该商店的总人数独立，问在给定的一天内，顾客们在该商店所花钱数的期望是多少？解 设N 表示这天进入该商店的总人数，i X 表示第i 个顾客所花的钱数，则N 个顾客所花的总数为1Ni i X =∑.由于 11|N N i i i i E X E E X N ==⎡⎤⎡⎤⎛⎫=⎢⎥ ⎪⎢⎥⎣⎦⎝⎭⎣⎦∑∑而 1111||N n n i i i i i i E X N n E X N n E X nEX ===⎡⎤⎡⎤⎡⎤=====⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦∑∑∑因此 11|,N i i E X N N E X =⎡⎤=⎢⎥⎣⎦∑[]111N i i E X E N E X E N E X =⎡⎤=⋅=⎢⎥⎣⎦∑由题设 11000,100EN EX == 于是11000100100000Ni i X ==⨯=∑即该天顾客花费在该商店的钱数的期望为100000元.。
概率论与数理统计第四版ppt精选课件
目 录 前一页 后一页 退 出
第一章 概率论的基本概念
§3 频 率 与 概 率
(一) 频率的定义和性质 定义: 在相同的条件下，进行了n 次试验， 在这
n 次试验中，事件 A 发生的次数 nA 称为 事件 A 发生的频数。比值 n A / n 称为事件 A 发生的频率，并记成 fn(A) 。
(2) B2 = (A1∪A3)( A2∪A4)
第一章 概率论的基本概念
§2 样本空间随机事件
例3 在S4 中（测试灯泡寿命的试验）
事件 A={t|t1000} 表示 “产品是次品” 事件 B={t|t 1000} 表示 “产品是合格品”
事件 C={t|t1500} 表示“产品是一级品”
则 A与B是互为对立事件； A与C是互不相容事件；
这时，样本空间由坐标平面第一象限 内一定区域内一切点构成 .
也可以按某种标准把支出分为高、 中、低三档. 这时，样本点有（高,高）, （高,中），…，(低,低）等9种，样本空 间就由这9个样本点构成 .
目 录 前一页 后一页 退 出
第一章 概率论的基本概念
二 随机事件
§2 样本空间随机事件
随机事件 : 称试验 E 的样本空间 S 的子集为 E 的 随机事件，记作 A, B, C 等等；
第一章 概率论的基本概念
§1 随机试验
§1 、 随 机 试 验（Experiment ）
这里试验的含义十分广泛，它包 括各种各样的科学实验，也包括对 事物的某一特征的观察。
目 录 前一页 后一页 退 出
其典型的例子有 E1：抛一枚硬币两次，观察正面H（Heads）、
概率论第2章ppt课件
2(2) 将一颗骰子抛掷两次，以X表示两次中得到的小的点数，试求X的分布律。
解：相当于放回抽样问题. 样本空间总的基本事件数目：n=6×6=36
X可以取1,2,3,4,5,6(注意两次抛掷可能得到相同的点数)。
当X=1时，另一个点数可在1～6中任选，再考虑到两个不同的点数次序调
换是不同事件, 故
P{X1}62111 36 36
.
9
第2章 随机变量及其分布
习题16
16. 有一繁忙的汽车站，每天有大量汽车通过，设一辆汽车在一天的某段时间内 出事故的概率为0.0001. 在某天的该时间段内有1000量汽车通过。问出事故的车辆 数不小于2的概率是多少？(利用泊松定理计算)
解：令在该段时间内发生事故的车辆数目为X, 根据题意知：
k!
(1) P{X8}48e4 0.0298
8!
(2) P { X 3 } 1 P { X 0 } P { X 1 } P { X 2 } P { X 3 }
1e44e442e443e4
2! 3!
1 71e4 0.5665
3
.
7
第2章 随机变量及其分布
习题13
13. 某一公安局在长度为t的时间间隔内收到的紧急 呼救的次数服从参数为(1/2)t的泊松分布，而与时 间间隔的起点无关(时间以小时计).
同理 P{X2}5219 P{X3}4217
36 36
36 36
P{X4}3215 P{X5}2213
36 36
36 36
P{X 6} 1 36
.
3
第2章 随机变量及其分布
习题8
8. 甲乙两人投篮，投中的概率分别为0.6和0.7。今各投三次。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.
- 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)。
PX k k e k 0， 1， 2，
k!
（其中 0 为常数）
则称随机变量 X 服从参数为λ的事件A在一次试验中发 生的概率为 p（n 与试验次数n有关），如果
npn
则
lim
n
Cnk
pnk (1
pn )nk
k
k!
e (k
恰有k（k=0,1,2…20）只为一级品的概率是多少？
例5 某人进行射击，设每次射击的命中率为 0.02，独立射击400次，求至少射中两次的概 率。
例6 一张考卷上有5道选择题，每道题列出4个可
能答案，其中只有一个答案是正确的．某学生猜 测至少能答对4道题的概率是多少？
3 泊松分布 (Poisson distribution)
量(random variable)。
e1.
s e2 .
X(e1) X(e2) R
例1 掷一枚硬币，令：
1 掷硬币出现正面 X 0 掷硬币出现反面
则X是一个随机变量．
例2 掷一颗骰子。 令X表示“出现的点数”．
则X就是一个随机变量．它的取值为1，2， 3，4，5，6．
随 离散型随机变量 机 如“取到次品的个数”， “收到的呼叫数”， 变 “枪对目标射击”等. 量 连续型随机变量
引例 将一枚硬币连抛三次，观察正、反面出现的 情况。
则样本空间为
S { TTT,TTH,THT,HTT,THH,HTH,HHT,HHH}
样本点 HHH HHT HTH THH TTH THT HTT TTT
X
3 2 221110
随机变量的定义
设随机试验的样本空间为S={e}。X=X(e)是定义在 样本空间S上的实值单值函数，X=X(e)称为随机变
如果随机变量X的分布律为
PX k Cnk pk 1 p nk
k 0， 1， ， n
则称随机变量X服从参数为（n，p）的二项分布，
记作 X ~ bn， p
(其中n为自然数，0 p 1为参数)
例4 按规定，某种型号电子元件的使用寿命超过 1500小时的为一级品。已知某一大批产品的一级品 率为0.2，现在从中随机的抽查20只，问20只元件中
1,2,)
。
我们把在每次试验中出现概率很小的事件称 作稀有事件.
如地震、火山爆发、特大洪水、意外事故等等
由泊松定理，n重贝努里试验中稀有事件出现的
次数近似地服从泊松分布.
X
0
1
P
1-p
p
则称随机变量X服从（0－1）分布或两点分布．
2. 二项分布
1) Bernoulli试验
只产生两个结果 A, A的试验
将E独立地重复地进行n次,则称这一串重复的独 立试验为n重伯努利试验.
注: “重复”指在每次试验中P(A)=p保持不变. “独立”指各次试验的结果互不影响.
2）定义
列表法
X0 1
2
3
4
pk p (1-p) p (1-p)2p (1-p)3p (1-p)4
以 p = 1/2 代入得：
X0 1
2
pk 0.5 0.25 0.125
3
4
0.0625 0.0625
1. (0－1)分布
设随机变量X只可能取0和1两个值，它的分布律为
PX k pk (1 p)1k， k 0, 1 (0 p 1)
如“电视机的寿命”， “测量误差”等.
P{X xk } pk (k 1, 2,)
X x1 x2 xk pk p1 p2 pk
x1 p1
x2 p2
xk pk
例3 设一汽车在开往目的地的道路上需经过四组信 号灯，每组信号灯以 1/2 的概率允许或禁止汽车通 过. 以 X 表示汽车首次停下时，它已通过的信号灯 的组数，求 X 的分布律. (信号灯的工作是相互独 立的).