第一章随机事件的概率
第二节概率的定义及性质
内容、目的
1、古典概率的定义与计算；
2、几何概率的定义与计算；
3、概率的公理化定义；
概率性质与计算公式。
4、认识随机现象的概率观
点。
概率的实践验证实例。
概率概念的来源：
所谓随机事件的概率,概括地说就是用来描述随机事件出现（或发生）的可能性大小的数量指标.
其实概率的思想术语在我们日常生活中经常出现.对未来的不确定事件,我们经说有把握、希望、机会有多大,高考上线率,各种升学率等.
概率论与数理统计是研随机现象及其规律性的一门学科。
到目前为至，人们已发现了许多规律性了。
数学上只能对简单的随机现象进行概率定义,复杂的随机现象有待于研究.
随机事件在一次试验中既可能发生，也可能不发生，似乎无什么规律。
如果在相同的条件下，把一个试验重复做许多次，我们一定会发现，某些事件发生的次数多一些，
而另一些事件发生的次数少一些。表现出一定的规律性。例如买彩票时投注号码，有极少一部分人能预感到中奖号码的规律。
例如，将一颗骰子重复投掷100次，毫无疑问，事件“出现奇数点”比事件“出现1点”发生的次数会多得多。那么，发生次数多的事件在每次试验中发生的可能性大一些，而发生次数少的事件在每次试验中发生的可能性小一些。
问题是：如何度量事件发生可能性的大小？
对于事件A，如果实数)
P满足：
(A
（1）数)
P的大小表示事件A发生
(A
可能性的大小；
（2）)
P是事件A所固有的，不
(A
随人们主观意志而改变的一种度
量。
那么数)(A P 称为事件A 的概率。它是事件A 发生可能性的度量。
在本节中，我们首先介绍一类最简单的概率模型，然后逐步引出概率的一般定义。
一、 概率的古典定义
古典型随机试验:
如果试验E 的样本空间S 只包含有限个基本事件，
设},,,{21n e e e S =，
并且每个基本事件发生的可能性相等，即)()()(21n e P e P e P === ，则称这种试验为古典型随机试验，简称古典概型。
下面我们来讨论古典概型中事件A 的概率)(A P 。
考虑一个具体的例子：投掷一颗匀称的骰子，观察其出现的点数。
易知 },,,{621e e e S =,
其中i e 表示出现i 点,6,,2,1 =i 。 由于骰子是匀称的，所以每个基本事件i e 发生的可能性相同。这是个古
典概型。
考虑事件},,{642e e e A =。因为事件A 包含的基本事件的个数等于基本事件总数的一半，并且每个基本事件发生的可能性都相等，因此事件A 发生的可能性，即概率规定为2
1)(=A P 是合理的。
2163=，它恰好是A 包含的基本事件的个数除以基本事件总数所得的结果。
古典概率的定义和计算公式: 定义2：设试验E 的样本空间},,,{21n e e e S =，并且每个基本事件发生的可能性相等，
即)()()(21n e P e P e P === ， E 中事件A 包含k 个基本事件， 则称
基本事件总数
所包含基本事件的个数事件A n k A P ==)( , 为事件A 的概率。
即事件A 的概率等于事件A 所包含的基本事件的个数(它们的出现对A 的出现有利,因此习惯上称为A 的有利事件,或有利场合)与基本事件总数之比值。
概率的这种定义称为概率的古典定义。这样定义的概率称为古典概率。
由概率的古典定义，容易证明古典概率具有下列性质：
(1)对任意事件1)(0,≤≤A P A ；
(2)1)(=S P ；
(3)若事件m A A A ,,,21 互不相容，
则
∑∑===m
i i m i i A P A P 11)()(; (4) )(1)(A P A P -=,)(1)(A P A P -= . 证：(1)因为任一事件A 所包含的基本事件数k 恒满足n k ≤≤0，故
1)(0≤=≤n
k A P ; (2)由于必然事件S 包含了全部n 个基本事件，所以
1)(==n
n S P ;
(3)设事件i A 含有)0(n k k i i ≤≤个基本事件，由定义得
n
k A P i i =)( ,m i ,,2,1 = , 由于m A A A ,,,21 互不相容，
故∑=m i i A 1含有∑=m
i i
k 1个不同的基本事件， 因此∑∑∑∑=======
m i i m
i i m i i m i i A P n k n k A P 1111)()( , 性质（3）称为概率的有限可加性。
(4)因为A 与A 互不相容, 且S A A =+, )()()()(1A P A P A A P S P +=+==, 所以 )(1)(A P A P -=,)(1)(A P A P -= .
几个记号的规定:
排列数记号))1(()1(---?==k n n n P A k n k
n ,
全排列数记号
12)1(!?-?=== n n n A P n n n ,
组合数记号 !))1(()1(k k n n n A A A A A C k n k
n k k n n k k k n k n ---?=?==-- .
求解古典概型问题的关键是弄清楚样本空间中的基本事件的总数和对所求概率事件有利的基本事件个数.
在弄清楚基本事件个数的时侯,必须分清楚所研究的问题是组合问题还是排列问题.
先掌握以下关于排列组合的知识.
1. 乘法原理
设完成一件事有n 个步骤,第一步有1m 种方法, 第二步有2m 种方法,…, 第n 步有n m 种方法,必须
通过每一步骤,才算完成这件事,则完成这件事共有n m m m ??? 21种方法.
2. 加法原理
设完成一件事有k 类方法,每类分别有k m m m ,,,21 种方法,而完成这
件事只需一种方法,则完成这件事可以有k m m m +++ 21种方法.
3. 不同元素的选排列
从n 个不同的元素中,无放回地取出m 个元素排成一列)1(n m ≤≤,称为从n 个不同的元素
中取m 个元素的选排列,共有)1()1(+--?=m n n n A m n (或)1()1(+--?=m n n n P m n )种. 当n m =时,称n 个不同的元素的全排列,共有
12)1(!?-?=== n n n P A n n n 种.
4. 不同元素的重复排列
从n 个不同的元素中,有放回地取出m 个元素排成一列,称为重复排列,共有m n 种.
5. 组合
从n 个不同的元素中取出m (n m ≤≤1)个元素组成一组(而不考虑元素间的次序),称为一个组合,共有m
n
C 种.且 m n n m n m n
C m n m n m A C -=-?==)!(!!!, 111---+=m n m n m n C C C .
6. 不全相异元素的排列
在n 个元素中,有m 类不同元素,每类各有m k k k ,,,21 个,将这n 个元素排成一列,共有
)!!!(!21m k k k n ??? 种.
7.n 个不同元素分为k 组,各组元素数目分别为k r r r ,,,21 的分法总
数为 )!!!(!21k r r r n ?,n r r r k =+++ 21, 因为k k
r r r r n r n C C C 211-)!!!(!21k r r r n ?= , (k 个组之间分顺序).
如果k 个组之间不分次序, 则总数为)!!!!(!
21k r r r k n ?? .
8.环排列
从n 个不同的元素中,选出m )1(n m ≤≤个不同元素排成一个圆圈,称为环排列,共有
m A m n 种.
古典概率计算举例
例1、 一盒内装有5个红球，3个白球。从中任取两个，试求（1）取到两个红球的概率；（2）取到两个相同颜色球的概率。
解：设=A “取到两个红球”, =B “取到两个同颜色的球”。 从8个球中任取两个 ，每种取法为一基本事件，所有不同取法的总数就是基本事件总数。于是基本
事件总数为28C 。由于两个红球只能
在5个红球中任取，所以事件A 包含的基本事件数为25C 。故由定义2得
145!
278!24
5)(2825=??==C C A P ;
令=C “取到两个白球”，由于“取到两个同颜色球”意味着：或者“取到两个红球”或者“取到两个白球”。因此有C A B +=,且?=AC ,
又两个白球只能在3个白球中任取，因此事件C 所含基本事件数为23C 。故由概率的有限可加性及定义得 )()()()(C P A P C A P B P +=+=
28
132831451452823=+=+=C C . 例2、一批产品中有M 件正品，N 件次品。从中任意取n 件，求恰好取到k 件次品的概率。
解：设=k A “抽取的n 件产品中
恰有k 件次品”,
从N M +件产品中任意抽取n 件，每一种抽取方法为一基本事件，全部不同的抽取方法的总数即为基本事件总数。所以基本事件总数为n N M C +。由于所取k 件次品必须在N 件次品中任意取，而k n -件正品只能从M 件正品中任意抽取。所以，事件k
A 含基本事件数为k n M k N C C -?。
故由概率的古典定义得
n N M k n M k N k C C C A P +-?=)( ,
0,1,2,,k l =,),min(N n l =.
例3、 将5本不同的数学书，3本不同的物理书和2本不同的英语书随意地摆放在书架的同一层。试求（1）5本数学书没有两本放在一起的概率；（2）恰有3本数学书放在一起的概率。
解：设=A “5本数学书没有两本放在一起”,
=B “恰有3本数学书放在一起”, 10本书的每一种放法为一基本事件，由于10本书的所有不同放法共有!101010
10==A P 种，故基本事件总数为!101010
10==A P ; (1) 要使5本数学书没有两本放
在一起，可分两步来实现。首先将5本非数学书随意摆放在书架上，共有!5555==A P 种不同的放法。然后将5本数学书逐一放在相邻两本非数学书之间和两端的六个位置中的任意五个位置上，共有56A 种不同放法。故由乘法原理知，5本数学书没有两本放在一起的所有不同放法有565A P ?种。即事件A 含有56
5A P ?个基本事件。由概率定义得 421!6789102345612345)(10565=?????????????=?=P A P A P ;
（2）恰有3本数学书放在一起有两种不同的情形。其一，3本数学书放在一起，另两本不放在一起；其二，3本数学书放一起，另两本也放在一起。对于第一种情形，可以分两步来实现。首先将5本非数学书任意摆放在书架上，共有5P 种不同放法。然后，从5本数学书中任意选出3本，共有35C 种选法。再把这3本数学书固定一种排列方式并将它们当做一本和余下的2本数学书逐一放在相邻的两本非数学书之间和两端的六个位置中的任意三个位置上，共有36A 种不同放法。由于放一起的3本数学书有3
P 种不同的排列方式。所以由乘法原理和加法原理知，3本数学书放一起，而另两本不放一起的放法共有336355)(P A C P 种。
类似地，三本数学书放一起，另两本也放一起的放法共有
2326355)(P P A C P ?种。故由加法原理知，恰有3本数学书放一起的所有不同放法共有336355)(P A C P ?2326
355)(P P A C P ?+种。
即事件B 含有322636355)(P P A A C P +个基本事件。再由古典概率定义得 1456789106)1256456(123345)()(10322636355=????????+??????=+=P P P A A C P B P .
例4、 将3本概率书(上、中、下三册)和7本其它书任意摆放在书架的同一层.
求(1)三本概率书摆放在一起的概率;
(2)恰两本概率书摆放在一起的概率;
(3) 3本概率书按上、中、下次序摆放在一起的概率.
解
设=A “三本概率书摆放在一起”, =B “恰两本概率书摆放在一起”, =C “3本概率书按上、中、下次序摆放在一起”, (1) 151!10!3!8)(10
38=?==P P P A P ,
(三本概率书放在一起作为一本和其它7本进行任意摆放) (2) 157!1078!3!7)(10
228237=???==P P A C P B P , (先摆放其它7本书,把3本书分成两部分,放在8个位置的任两个位置). (3) 451!1028!72)(10
187=??=?=P A P C P , (先摆放其它7本书,把3本概率书放在一起按上、中、下或下、
中、上放在8个位置中的任一个位置).
例 5 (1)某校一年级新生共1000人,设每人的生日是一年中的任何一天的可能性相同,问至少有一人的生日是元旦这一天的概率是多少？(一年以365天计).
(2)某小组学生有5人是同一年出生的,设每人在一年中任何一个月出生是等可能的,求此5人的出生月份各不相同的概率. 解(1)设=A 至少有一人的生日是元旦这一天, 则=A 没有一人的生日是元旦这一天,
10001000
365364)(=A P ,
北邮人： 一、填空题 1. 设事件,A B 满足()0.7,()0.3P A P AB ==, 则()P AB = 2. 袋中有10个球，其中1个红球，10个人不放回地依次抽取，每次抽取一个，问最后一个人取到红球的概率是 3. 设平面区域D 由1,0,x y y x ===围成，平面区域1D 由21,0,x y y x ===围成。现向D 内依次随机地投掷质点，问第3次投掷的质点首次落在1D 内的概率是 4. 设随机变量(1,2),(2,4)X N Y N 且相互独立，求23X Y +-的概率密度函数()f x = 5. 设平稳过程{(),0}X t t ≤≤+∞的功率谱密度为28()+14X S ωω= +，则其自相关函数为 6.设一灯管的使用寿命X 服从均值为1/λ的指数分布，现已知该灯管用了10小时还没有坏，该灯管恰好还能再用10小时的概率为 7.设电话总机在(0,]t 内接受到电话呼叫次数()N t 是强度（每分钟）为0λ>的泊松过程，(0)0N =， 则2分钟收到3次呼叫的概率 8.设随机过程(),0X t tY t =≥，其中Y 服从正态分布，即(1,4)Y N ，求103()E tX t dt ??= ??? ? 二、设二维随机变量(X,Y)具有概率密度 , 0(,)0, 其他 y e x y f x y -?<<=??
(1) 求边缘概率密度(),()X Y f x f y ，(2) 求条件概率密度|(|)Y X f y x ， |(|)X Y f x y ，(3)求条件概率(1|1),{1}P Y X P X Y ≤≤+<. 三、在某交通路口设置了一个车辆计数器，记录南行北行的车辆总数。设X(t)和Y(t)分别表示在[0,t]内南行和北行的车辆数，它们是强度分别为1λ和2λ的possion 过程，且相互独立。如果在t(>0)时记录的车辆总 数为n ，求其中南行车辆有k(0 第二章 概率论与随机过程 2 2-16 图P2-16中的电路输入为随机过程 X(t)，且E[X(t)]=O, xx ()= (),即X(t)为白噪 过程。 (a )试求谱密度 yy ( f )。 2 (b )试求 yy ( )和 E[Y (t)]。 ----kW 1 R X(t) 图 P2-16 2 (b) E [y (t)]= yy (0) 解：由功率密度谱的定义知 C 二 Y(t) xx xx ( )e j2f d ()e j2f d 又系统函数 H(f)=^ X(f) 1 j2 fc 1 j 2 fc 1 __ j2 fc yy (f) xx (f)H(f)2 (2 fcR)2 yy () yy (f)e j2 df 2 1 R 2f^e j2f df 莎汀 2 ?- E [y (t)]= yy (0) 2Rc 2-20 一离散时间随机过程的自相关序列函数是 (k) (1/2)W ，试求其功率密度谱。 (f)= k (k)e j2 fk 2-24 系统的噪声等效带宽定义为 B eq 认 2 H(f) df 1/知 o XJ) ???命题得证。 2-23 试证明函数 在区间［ (f) 1 (2) k 2 I k l e 2 j fk / 1 2 j f 、 2 1e j2f 2 1 !e j2f 2 1e j2f 2 1 1 e j2 2 sin[2 W(t f k (t)= ］上为正交的，即 G e o 2 1 1 le j2f 2 即为所求。 2W )] k 2 W(t ) 2W ,k = o , 所以，抽样定理的重建公式可以看作带限信号 s(t)的级数展开式，其中权值为 s(t)的样值, 且｛ f k (t )｝是级数展开式中的正交函数集。 证明： 由题得 k sin[2 W(t -)] f k (t)f j (t)dt = ---------- 2 W(t —) 2W sin[2 W(t j )] 込dt 2 W(t j ) 1 cos[( j k) 2 cos[4 wt (k j) ] dt (2 wt k)(2 wt j) 概率统计系的发展与未来 何书元(编写) 2005年 概率统计系的前身是概率统计教研室。1956年初，我国第一个科学发展规划将概率统计列为数学研究中的重点发展方向之一。为落实这一规划，同时在苏联著名数学家柯尔莫哥洛夫（Kolmogorov）建议的基础上, 北京大学数学系成立了全国第一个概率统计教研室, 由许宝騄(1910-1970)教授任教研室主任。同年，根据教育部的安排，一些综合大学选派了进修教师和学生共50多人到北京大学，在许先生的主持下从事概率统计的学习和研究。同年秋，中国科学院的王寿仁、张里千先生、中山大学的郑曾同先生被邀请到北京大学讲授概率统计方面的课程。许先生亲自主持讨论班。这批学员是我国培养的第一批为数可观的概率统计人才，许多人日后成为我国概率统计界的学术骨干。到“文化革命”前，概率统计专业共培养了七届学生，约200人。这时的教学和科研同时在统计推断、试验设计、概率极限定理、马氏过程、多元分析等多方面开展，受到国际同行的好评。这时的毕业生也以基础深厚，学风严谨著称。 当时的概率统计在北京大学是一派兴旺，集中了大批优秀老师和学生，得到数学系领导的关心和大力支持。许先生更是带有一些神秘的英雄色彩(参考“道德文章垂范人间”的前言)。他像磁石一样把莘莘学子吸引到北京大学。大家都十分羡慕那些能得到许先生指导的同学。许先生亲自主持制定概率统计专门化学生的培养计划和教学大纲，指导了五届毕业论文。一些专门化课程的教材也是根据许先生的讲稿整理而成。他领导的讨论班不仅有北大的教师学生参加，还有中科院数学研究所的同志参加，内容涉及到概率论和数理统计的多个方面。在这段时间中，先后有波兰的菲茨(Fisz)教授来北大讲授统计分析，乌尔巴尼克（Urbanike）教授讲授广义随机过程，邓肯(E. Dynkin)教授讲授马氏过程。许先生与这些专家共同制定讲学计划，帮助年轻人消化整理专家们的讲学内容，使北大成为大规模培养概率统计人才的第一基地。 许先生有很高的学术成就，在国际上享有盛誉。他对待教学工作极为认真，讲课条理清晰，作风严谨，十分注意鼓励和培养年轻人。他早年的学生就曾经写到：“许先生坚持简洁，对事物深刻的了解，不畏避困难，凡事追求高标准，这些优秀的品质深深地吸引着我们，使我们成为他的学生。”许先生身体一直不好，加上“文革”期间受到不公正的待遇，终于1970年冬去世。当时由于信息不畅，加上概率统计教研室和数学系的许多老师还在江西鲤鱼洲劳动，使得许先生的过早 《概率论与随机过程》第一章习题 1. 写出下列随机试验的样本空间。 （1） 记录一个小班一次数学考试的平均分数（设以百分制记分）。 （2） 同时掷三颗骰子，记录三颗骰子点数之和。 （3） 10只产品中有3只是次品，每次从其中取一只（取出后不放回），直到将3只次品都取出，记录 抽取的次数。 （4） 生产产品直到得到10件正品，记录生产产品的总件数。 （5） 一个小组有A ，B ，C ，D ，E5个人，要选正副小组长各一人（一个人不能兼二个职务），观察选 举的结果。 （6） 甲乙二人下棋一局，观察棋赛的结果。 （7） 一口袋中有许多红色、白色、蓝色乒乓球，在其中任意取4只，观察它们具有哪几种颜色。 （8） 对某工厂出厂的产品进行检查，合格的盖上“正品”，不合格的盖上“次品”，如连续查出二个次 品就停止检查，或检查4个产品就停止检查，记录检查的结果。 （9） 有A ，B ，C 三只盒子，a ，b ，c 三只球，将三只球装入三只盒子中，使每只盒子装一只球，观察 装球的情况。 （10） 测量一汽车通过给定点的速度。 （11） 将一尺之棰折成三段，观察各段的长度。 2. 设A ，B ，C 为三事件，用A ，B ，C 的运算关系表示下列事件。 （1） A 发生，B 与C 不发生。 （2） A 与B 都发生，而C 不发生。 （3） A ，B ，C 都发生。 （4） A ，B ，C 中至少有一个发生。 （5） A ，B ，C 都不发生。 （6） A ，B ，C 中至多于一个发生。 （7） A ，B ，C 中至多于二个发生。 （8） A ，B ，C 中至少有二个发生。 3. 设{}10,2,1, =S ,{}4,3,2=A ，{}5,4,3=B ，{}7,6,5=C ，具体写出下列各等式 （1）B A 。 （2）B A ?。 （3）B A 。 （4） BC A 。 （5）)(C B A ?。 4. 设{}20≤≤=x x S ，??????≤<=121x x A ，? ?????<≤=234 1x x B ，具体写出下列各式。 （1）B A ?。 （2）B A ?。 （3）B A 。 （4） B A 。 5. 设A ，B ，C 是三事件，且41)()()(===C P B P A P ，0)()(==CB P AB P ，81)(=AC P ，求A ， B ， C 至少有一个发生的概率。 6. 在1500个产品中有400个次品，1100个正品，任意取200个。 （1） 求恰有90个次品的概率。 （2） 至少有2个次品的概率。 7.（1）在房间里有500个人，问至少有一个人的生日是10月1日的概率是多少（设一年以365天计算）？ （2）在房间里有4个人，问至少有二个人的生日在同一个月的概率是多少？ 概率统计与随机过程 课程编号：H0600071S学分： 4 开课学院：理学院课内学时：64 课程类别：学科基础课课程性质：必修 一、课程的性质和目的 课程性质：本课程是我校有关专业的学科基础课 目的：通过本课程的学习，使学生系统地掌握概率论、数理统计和随机过程的基本理论和基本方法，为后续各专业基础课和专业课的学习提供必要的数学理论基础。另外，通过本课程的系统教学，特别是讲授如何提出新问题、思考分析问题，培养学生的抽象思维能力、逻辑推理能力以及解决实际问题的能力，从而逐步培养学生的创新思维能力和创新精神。 二、课程教学内容及基本要求 （一）课程教学内容及知识模块顺序 第一章概率论的基本概念 8学时 （1）随机试验 （2）样本空间、随机事件 （3）频率与概率 （4）等可能概型（古典概型） （5）条件概率 （6）独立性 教学基本要求： 了解随机现象与随机试验，了解样本空间的概念，理解随机事件的概念，熟练掌握事件之间的关系与运算。了解事件频率的概念，理解概率的统计定义。了解概率的古典定义，会计算简单的古典概率。了解概率的公理化定义，熟练掌握概率的基本性质，会运用这些性质进行概率计算。理解条件概率的概念、概率的乘法定理与全概率公式，会应用贝叶斯(Bayes)公式解决比较简单的问题。理解事件的独立性概念。理解伯努利(Bernoulli)概型和二项概率的计算方法。 第二章随机变量及其分布 6 学时 （1）随机变量 （2）离散型随机变量及其分布律 （3）随机变量的分布函数 （4）连续型随机变量及其概率密度 （5）随机变量的函数的分布 教学基本要求： 理解随机变量的概念，了解分布函数的概念和性质，会计算与随机变量相联系的事件的概率。理解离散型随机变量及其分布律的概念，熟练掌握0-1分布、二项分布和泊松(Poisson)分布。理解连续型随机变量及其概率密度的概念，熟练掌握正态分布、均匀分布和指数分布。会根据自变量的概率分布求简单随机变量函数的概率分布。 北京工业大学2007-2008学年第一学期期末 数理统计与随机过程(研) 课程试题 学号 姓名 成绩 注意：试卷共七道大题，请将答案写在答题本上并写明题号与详细解题过程。 考试时间120分钟。考试日期：2008年1月10日 一、（10分）已知在正常生产的情况下某种汽车零件的重量（克）服从正态分布 ),(254σN ，在某日生产的零件中抽取10 件，测得重量如下： 54.0 55.1 53.8 54.2 52.1 54.2 55.0 55.8 55.1 55.3 问：该日生产的零件的平均重量是否正常（取显著性水平050.=α）？ 二、 （15分）在数 14159263.=π的前800位小数中, 数字93210,,,,, 各出现的次数记录如下 检验这10个数字的出现是否是等概率的?（取显著性水平050.=α） 三、（15分）下表给出了在悬挂不同重量（单位：克）时弹簧的长度（单位：厘米） 求y 关于x 的一元线性回归方程，并进行显著性检验. 取显著性水平050.=α， 计算结果保留三位小数. 四、（15分）三个工厂生产某种型号的产品，为评比质量，分别从各厂生产的产品中随机抽取5只作为样品，测得其寿命（小时）如下： 在单因素试验方差分析模型下，检验各厂生产的产品的平均寿命有无显著差异？取显著性水平050.=α, 计算结果保留三位小数. 五、（15分）设}),({0≥t t N 是强度为3的泊松过程， 求（1）})(,)(,)({654321===N N N P ； （2）})(|)({4365==N N P ； （3）求协方差函数),(t s C N ，写出推导过程。 六、（15分）设{,}n X n T ∈是一个齐次马尔可夫链，其状态空间{0,1,2}I =，一步 转移概率矩阵为 121414201335250P ?? ? = ? ??? （1）求}|,,,,{202021054321======X X X X X X P ； （2）求}|{122==+n n X X P ； （3）证明此链具有遍历性（不必求其极限分布）。 七、（15分）设有随机过程 )sin()cos()(t B t A t X ππ+=，其中A 与B 相 互独立且都是均值为零，方差为2σ的正态随机变量， （1）分别求)(1X 和)(4 1 X 的一维概率密度； （2）问)(t X 是否是平稳随机过程？ 标准答案（仅供参考） 一、（10分）已知在正常生产的情况下某种汽车零件的重量（克）服从正态分布 ),(254σN ，在某日生产的零件中抽取10 件，测得重量如下： 54.0 55.1 53.8 54.2 52.1 54.2 55.0 55.8 55.1 55.3 如果标准差不变，该日生产的零件的平均重量是否有显著差异（取05.0=α）？ 解：按题意，要检验的假设是 54:0=μH ，因2σ未知，故用-t 检验法，由05.0=α，查t 分布表得临界 值2622290250.)(.=t ，由样本值算得 382514654.,.==t x 北京邮电大学2012——2013学年第1学期 《概率论与随机过程》期末考试试题答案 考试注意事项：学生必须将答题内容（包括填空题）做在试题答题纸上，做在试卷纸上一律无效。在答题纸上写上你的班号和选课单上的学号，班内序号! 一. 单项选择题和填空题：（每空3分，共30分） 1.设A 是定义在非空集合Ω上的集代数,则下面正确的是 .A （A ）若A B ∈∈A,A ,则A B -∈A ; （B ）若A A B ∈?A,,则B ∈A ; （C ）若12n A n =∈?A,,,,则 1 n n A ∞=∈A ; （D ）若12n A n =∈?A,,,,且123A A A ??? ,则 1 n n A ∞ =∈A . 2. 设(),ΩF 为一可测空间，P 为定义在其上的有限可加测度，则下面正确的是 .c （A ）若A B ∈∈F,F ,则()()()P A B P A P B -=-； （B ）若12n A n =∈?F,,,,,且123A A A ??? ，则1 li ( )()m n n n n P A A P ∞→∞ ==； （C ）若A B C ∈∈∈F,F,F,，则()()()()P A B C P A P AB P A BC =++； （D ）若12n A n =∈?F,,,,,且,i j A i j A =??=/，1 1 ( )()n n n n P P A A ∞ ∞===∑. 3.设f 为从概率空间(),P ΩF,到Borel 可测空间(),R B 上的实可测函数，表达式为100 0()k A k f kI ω==∑，其中1000 ,, i j n n i j A A A ==??=Ω/=，则fdP Ω=? ； 大学2015～2016学年秋季学期本科生 课程自学报告 课程名称：《概率论与随机过程》 课程编号：07275061 报告题目：大数定律和中心极限定理在彩票选号的应用学生： 学号： 任课教师： 成绩： 评阅日期： 随机序列在通信加密的应用 2015年10月10日 摘 要：大数定律与中心极限定理是概率论中很重要的定理，较多文献给出了不同条件下存在的大数定律和中心极限订婚礼，并利用大数定律与中心极限定理得到较多模型的收敛性。但对于他们的适用围以及在实际生活中的应用涉及较少。本文通过介绍大数定律与中心极限定理，给出了其在彩票选号方面的应用，使得数学理论与实际相结合，能够让读者对大数定律与中心极限定理在实际生活中的应用价值有更深刻的理解。 1. 引言 在大数定律与中心极限定理是概率论中很重要的定理，起源于十七世纪，发展到现在，已经深入到了社会和科学的许多领域。从十七世纪到现在，很多国家对这两个公式有了多方面的研究。长期以来，在大批概率论统计工作者的不懈努力下，概率统计的理论更加完善，应用更加广泛，如其在金融保险业的应用，在现代数学中占有重要的地位。 本文主要通过对大数定律与中心极限定理的分析理解，研究探讨了其在彩票选号中的应用，并给出了案例分析，目的旨在给出大数定律与中心极限定理应用对实际生活的影响，也对大数定律与中心极限定理产生更深刻的理解。 2. 自学容小结与分析 2.1 随机变量的特征函数 在对随机变量的分析过程中，单单由数字特征无法确定其分布函数，所以引入特征函数。特征函数反映随机变量的本质特征，可唯一的确定随机变量的分布函数、随机变量X 的特征函数定义为： 定义1 ][)()(juX jux e E dx e x p ju C ==? +∞ ∞ - (1) 性质1 两两相互独立的随机变量之和的特征函数等于各个随机变量的特征函数之积。 性质1意味着在傅立叶变换之后，时域的卷积变成频域的相乘，这是求卷积的简便方法。类比可知求独立随机变量之和的分布的卷积，可化为乘法运算，这样就简便了计算，提高了运算效率。 性质2 求矩公式：0)(|) ()(][=-=u n u x n n n du C d j X E (2) 性质3 级数展开式：!)(][!|)()()(0 00n ju X E n u du u C d u C n n n n n n n n X ∑∑∞ ==∞ === (3) 2.2 大数定律与中心极限定理 定义2 大数定律：设随机变量相互独立，且具有相同的μ=)(k X E 和,...2,1,)(2 ==k X D k σ, 则0∈>?,有 北京工业大学2009-20010学年第一学期期末数理统计与随机过程(研) 课程试卷一、随机抽取某班28名学生的英语考试成绩，算得平均分数为80=x 分，样本标准差8=s 分，若全年级的英语成绩服从正态分布，且平均成绩为85分，问：能否认为该班的英语成绩与全年级学生的英语平均成绩有显著差异（取显著性水平）？050.=α解：这是单个正态总体),(~2σμN X ，方差2σ未知时关于均值μ的假设检验问题，用T 检验法. 解 85:0=μH ，85:1≠μH 选统计量 n s x T /0μ-=已知80=x ，8=s ，n ＝28，850=μ，计算得n s x T /0μ-=31.328/88580=-=查t 分布表，05.0=α，自由度27，临界值.052.2)27(025.0=t 由于，故拒绝0H ，即在显著水平05.0=α下不能认为该班的英语 052.2>T 2622.2>成绩为85分.二、某图书馆每分钟借出的图书数有如下记录:借出图书数 k 0 1 2 3 4 5 6≥7频数 f 8 16 17 10 6 2 1 0试检验每分钟内借出的图书数是否服从泊松分布? （取显著性水平） 050.=α解：由极大似然估计得.2?==x λ在X 服从泊松分布的假设下，X 的所有可能的取值对应分成两两不相交的子集A 0, A 1,…, A 8。则有估计 }{k X P ==i p ? ,7,0,!2}{?2===-k k e k X P k =0?p 三、某公司在为期10年内的年利润表如下： 年份 1 2 3 4 5 6 7 8910利润 1.89 2.19 2.06 2.31 2.26 2.39 2.61 2.58 2.82 2.9 通过管线敷设技术，不仅可以解决有设备高中资料试卷相互作用与相互关系，根据生产工艺高中资料试卷要求，对电力保护装置调试技术，电力保护高中资料试卷配置技术是指机 《概率论论文》 概率论论文（一）： 《概率论与数理统计》论文 摘要 概率论的发展具有很长的历史，多位数学家对概率论的构成做出了巨大贡献。纵观其发展史，在实际生活中具有很强的应用好处。正是有了前人的努力，才有了现代的概率论体系。本文将从概率论的研究好处、定义，以及发展历程进行叙述。 概率论的发展与起源 1.1概率论的定义 概率论是研究随机现象数量规律的数学分支。随机现象是相对于决定性现象 而言的，随机现象是指在基本条件不变的状况下，一系列或观察会得到不同结果的现象。每一次实验或观察前，不能肯定会出现哪种结果，呈现出偶然性。例如，抛一枚硬币，可能会出现正面或者反面；在同一工艺条件下生产出的灯泡，其寿命长短参差不齐等等。随机现象的实现和对它的观察称为随机试验。随机试验的每一可能结果称为一个基本事件，一个或者一组基本事件统称为随机事件，或者简称为事件。事件的概率则是衡量该事件发生的可能性的量度。虽然在一次随机试验中某个事件的发生是带有偶然性的，但那些可在相同条件下超多重复的随机实验却往往呈现出明显的数量规律。例如，连续多次抛一枚硬币，出现正面的频率随着抛次数的增加逐渐趋近于1/2；犹如，多次测量一物体的长度，其测量结果的平均值随着测量次数的增加，逐渐稳定于一常数，并且测量值大多落在此常数的附近，其分布状况呈现中间多，两头少及某种程度的对称性。大数定律和中心极限定律就是描述和论证这些规律的。在实际生活中，人们往往还需要研究某一特定随机现象的演变状况。例如，微小粒子在液体中受周围分子的随机碰撞而构成不规则的运动，即布朗运动，这就是随机过程。随机过程的统计特征、计算与随机过程有关的某些事件的概率，个性是研究 与随机过程样本轨道（及过程的一次实现）有关的问题，是现代概率论的主要课题。 在当代，随着概率论本身的发展和学科之间的交叉融合，囊括了概率理论和 统计理论两大部分的广义概率论已经成为一门应用十分广泛的学科，概率方法与统计方法逐渐渗透到了其它学科的研究工作当中。无论是在自然科学领域还是社会科学领域，各门学科中都能看到概率论的身影。概率论已经成为一种重要的工具，在社会发展中发挥着巨大的作用。 1.2课题背景及研究的目的和好处 现代社会步调快，信息更新快，信息量大，如何从中选取分析最有效的信息 成为发展的先决条件，故概率统计学有着不可比拟的重要地位与作用。无论是在日常生活中，还是商业经济、科学研究，小到日常下雨，大到卫星发射，各种事物发展中都有概率统计的影子。在这个科技革新的时代，概率统计学必将发挥前所未有的重大影响，所以研究概率学具有十分重要的好处。 《概率论与随机过程》第一章习题 1.写出下列随机试验的样本空间。 （1）记录一个小班一次数学考试的平均分数（设以百分制记分）。 （2）同时掷三颗骰子，记录三颗骰子点数之和。 （3）10只产品中有3只是次品，每次从其中取一只（取出后不放回），直到将3只次品都取出，记录抽取的次数。 （4）生产产品直到得到10件正品，记录生产产品的总件数。 （5）一个小组有A，B，C，D，E5个人，要选正副小组长各一人（一个人不能兼二个职务），观察选举的结果。 （6）甲乙二人下棋一局，观察棋赛的结果。 （7）一口袋中有许多红色、白色、蓝色乒乓球，在其中任意取4只，观察它们具有哪几种颜色。 （8）对某工厂出厂的产品进行检查，合格的盖上“正品”，不合格的盖上“次品”，如连续查出二个次品就停止检查，或检查4个产品就停止检查，记录检查的结果。 （9）有A，B，C三只盒子，a，b，c三只球，将三只球装入三只盒子中，使每只盒子装一只球，观察装球的情况。 （10）测量一汽车通过给定点的速度。 （11）将一尺之棰折成三段，观察各段的长度。 2.设A，B，C为三事件，用A，B，C的运算关系表示下列事件。 （1）A发生，B与C不发生。 （2）A与B都发生，而C不发生。 （3）A，B，C都发生。 （4）A，B，C中至少有一个发生。 （5）A，B，C都不发生。 （6）A，B，C中至多于一个发生。 （7）A，B，C中至多于二个发生。 （8）A，B，C中至少有二个发生。 3. 设{ }10,2,1, =S ,{}4,3,2=A ，{}5,4,3=B ，{}7,6,5=C ，具体写出下列各等式 （1）B A 。 （2）B A ?。 （3）B A 。 （4） BC A 。 （5）)(C B A ?。 4. 设{}20≤≤=x x S ，?????? ≤<=121x x A ，? ?????<≤=2341x x B ，具体写出下列各式。 （1）B A ?。 （2）B A ?。 （3）B A 。 （4） B A 。 5. 设A ，B ，C 是三事件，且41)()()(===C P B P A P ，0)()(==CB P AB P ，1)(=AC P ，求A ，B ， C 至少有一个发生的概率。 6. 在1500个产品中有400个次品，1100个正品，任意取200个。 （1） 求恰有90个次品的概率。 （2） 至少有2个次品的概率。 7.（1）在房间里有500个人，问至少有一个人的生日是10月1日的概率是多少（设一年以365天计算） （2）在房间里有4个人，问至少有二个人的生日在同一个月的概率是多少 8. 一盒子中有4只次品晶体管，6只正品晶体管，随机地抽取一只测试，直到4只次品管子都找到为止。求 第4只次品管子在下列情况发现的概率。 （1） 在第5次测试发现。 （2） 在第10次测试发现。 9. 甲、乙位于二个城市，考察这二个城市六月份下雨的情况。以A ，B 分别表示甲，乙二城市出现雨天这一 事件。根据以往的气象记录已知4.0)()(==B P A P ，28.0)(=AB P ，求)/(B A P ，)/(A B P 及)(B A P ?。 10. 已知在10只晶体管中有2只次品，在其中取二次，每次随机地取一只，作不放回抽样，求下列事件的概 率。 （1） 二只都是正品。 （2） 二只都是次品。 （3） 一只是正品，一只是次品。 （4） 第二次取出的是次品。 11. 某人忘记了电话号码的最后一个数字，因而随意地拨号，求他拨号不超过三次而接通所需的电话的概率 一、（10分）某工程部队的工程师向领导建议，他提出的一项新工艺在不降低工程质量和影响工程进度的同时，还将节省机器运转的开支。假如采用旧工艺时机器每星期运转开支平均是1000元，又假定新旧工艺机器每星期运转开支X 都是服从正态分布，且具有标准差250元。使用新工艺后观察了9个星期，其机器运转开支平均每星期是750元。试在01.0=α的水平下，检验工程师所述是否符合实际，即新工艺是否能节省开支。 （3554.3)8(005.0=t ，8965.2)8(01.0=t ，57.2005.0=u ，33.201.0=u ） 二、（12分）设母体 X 服从正态分布),(2σμN ，X 是子样),,,(21n X X X Λ的平均数， ∑=-=n i i n X X n S 1 2___ 2 )1（是子样方差，又设),(~21σμN X n +，且与n X X X ,,,21Λ独立，求： （1）X E ，X D ，2 n ES ，2n DS ；（2）统计量 1 1 1+--+n n S X X n n 的分布。 三、（13分）一个罐中装有黑球和白球，其中黑球、白球的个数均未知，如何用统计的方法估计其中黑球与白球的比例。（建立模型并给出两种估计方法） 四、（15分）以下为温度对某个化学过程的生产量的影响的数据： 已知 X 和Y 之间具有线性依赖关系。 （1）写出其线性回归模型，并估计参数βα,； （2）讨论回归系数的性质（分布）。 五、（10分）设有一随机过程)( t X ，它的样本函数为周期性的锯齿波。下图（a ）、（b ）画出了二个样本函数图。各样本函数具有同一形式的波形，其区别仅在于锯齿波的起点位置不同。设在0=t 后的第一个零值点位于0τ，0τ是一个随机变量，它在) , 0 ( T 内均匀分布，即 ?????≤≤=其它值 00 1 )( 0T t T t f τ 随机过程论文 题目: 通信系统中随机过程的模型研究 姓名刘鲁鹏 学院电子工程学院 专业电子科学与技术 班级概率论与随机过程1班学号2014110632 本人签字 2014 年12月 通过幅度概率分布研究通信系统中的骚扰问题 摘要：通过目前学术界广泛关注的幅度概率分布(APD)检测方法与传统电磁兼容测量方法的比较,说明了幅度概率分布统计测量方法的优越性.并且采用统计测量方法来研究骚扰对数字通信系统的影响,以PAM二进制调制系统为例,推导出了骚扰的APD与通信系统误码概率之间的关系式,给出了骚扰的幅度概率分布测量结果与对应干扰下的数字通信系统的误码概率两者之间的联系.本文的研究结果对于制订电子设备的电磁辐射限值具有参考价值. 关键词：电磁兼容;幅度概率分布;数字通信系统;误码概率;测量检波器 随着数字通信技术的飞速发展,各种电子设备大量涌现,这使得我们的电磁环境变得越来越复杂.如何保证通信系统在如此复杂的电磁环境下能够正常工作是通信技术发展面临的难题,因此电磁兼容性问题变得越来越重要.研究骚扰对通信系统的影响就是要求当骚扰通过通信系统之后,对接收机所产生的最终结果.现有标准中所采用的方法是直接测量这种最终结果,以表示干扰的大小.例如在话音通信中,接收者就是凭听觉来判断干扰的存在和强弱的.由于骚扰经准峰值检波器之后的电表指示与人耳的主观感觉一样,所以准峰值常用来评价骚扰对调幅通信系统的影响,在国际无线电干扰特别委员会(CISPR)出版物中规定的各种骚扰限值都是以准峰值表示的.但是现在面临的问题是准峰值无法反映出骚扰对数字通信系统的影响,如何解决这一问题,是目前CISPR关注的焦点.目前针对这一问题的解决方案主要有:①研究一种新型的加权评估检波器;②采用传统的有效值(RMS)检波器;③采用APD统计测量方法. 其中,方案①研究进展比较缓慢,很难找到一种新型的评估检波器,能像准峰值检波器对模拟通信系统的评估一样有效.RMS检波器只是在评估类似于高斯型噪声对数字通信系统方面得到了验证,对于脉冲型噪声的评估方面,仍显得无能为力.APD统计参量描述的是,骚扰的随机包络的统计特性,它与数字通信系统的误码率有着紧密的联系,而且可以用来建立脉冲干扰的统计模型.目前APD统计测量方法已经得到了CISPR的初步认可,CISPR已经投票通过了APD测量仪的标准草案,而关于APD限值标准则,正在征求各个产品分委会的意见. 本文分析了APD测量方法的理论基础及APD测量方法的优越性,推导了干扰的APD统计结果与二进制PAM调制系统误码率之间的关系,并通过实验数据说明了干扰APD测量结果对于预测通信系统性能的可行性. 1.APD统计测量基础 APD统计测量方法是建立在概率论和数理统计的基础之上的,统计测量最重要的一个目的是获得无线电骚扰的概率密度函数. CISPR给出的APD定义为:干扰幅度超过规定电平的时间概率,用下式表示为 式中:R是门限电平;T是测量总时间;tk是第k个幅度超过R的脉冲的持续时间应用概率论的知识可以把APD表示为 式中,P(R)是干扰包络的累积概率分布. 从式(1)中可以看出,APD与包络的概率密度函数有着直接的联系.以高斯白噪声为例,其概率密度函数满足正态分布为 式中,mx和σ2分别是随机变量x的均值和方差. 由式(1)可以得出高斯白噪声的APD分布为 05-06概率论与随机过程试题（A ） 一、选择题 1．设0 2． 设随机变量X 的密度函数为, 0 1, ()0, .ax x f x < 北京工业大学2009-20010学年第一学期期末 数理统计与随机过程(研) 课程试卷 学号 姓名 成绩 注意：试卷共七道大题，请写明详细解题过程。 考试方式：半开卷，考试时只允许看教材《概率论与数理统计》 浙江大学 盛 骤等编第三版（或第二版）高等教育出版社。可以看笔记、作业，但不允许看其它任何打印或复印的资料。考试时允许使用计算器。考试时间120分钟。考试日期：2009年12月31日 一、随机抽取某班28名学生的英语考试成绩，算得平均分数为80=x 分，样本标准差8=s 分，若全年级的英语成绩服从正态分布，且平均成绩为85分，问：能否认为该班的英语成绩与全年级学生的英语平均成绩有显著差异（取显著性水平050.=α）？ 解：这是单个正态总体 ),(~2σμN X ，方差2σ未知时关于均值μ的假设检验问题，用T 检验法. 解 85:0=μH ，85:1≠μH 选统计量 n s x T /0 μ-= 已知80=x ，8=s ，n ＝28，850=μ， 计算得n s x T /0μ-= 31 .328/885 80=-= 查t 分布表，05.0=α，自由度27，临界值052.2)27(025.0=t . 由于052.2>T 2622.2>，故拒绝 0H ，即在显著水平05.0=α下不能认为 该班的英语成绩为85分. 050.= 解：由极大似然估计得.2?==x λ 在X 服从泊松分布的假设下，X 的所有可能的取值对应分成两两不相交的子集A 0, A 1,…, A 8。 则}{k X P =有估计 =i p ?ΛΛ,7,0, !2}{?2 ===-k k e k X P k =0?p H a r b i n I n s t i t u t e o f T e c h n o l o g y 课程设计（论文） 课程名称：应用随机过程 设计题目：随机过程简史 院系：电气工程学院 班级： 11S0104 设计者：孙延博 学号： 11S001070 指导教师：田波平 设计时间： 2011-10-23 随机过程简史 摘要 本文简要地介绍了随机过程从20世纪初创立至今，100年的发展历程考察了导致随机过程产生的历史契机，以及早期数学家在这方面作出的杰出工作。并简要介绍了随机过程的概念，研究方法 和研究内容，在现代工程技术领域的应用。 关键词：随机过程平稳随机过程平稳随机序列 1.随机过程的概念研究方法及研究内容 随机过程是现代概率论研究的一个重要分支。数学上的随机过程是由实际随机过程概念引起的一种数学结构。人们研究这种过程，是因为它是实际随机过程的数学模型，或者是因为它的内在数学意义以及它在概率论领域之外的应用。数学上的随机过程可以简单的定义为一组随机变量，即指定一参数集，对于其中每一参数点t指定一个随机变量x(t)。如果回忆起随机变量自身就是一个函数，以ω表示随机变量x(t)的定义域中的一点，并以x(t，ω)表示随机变量在ω的值，则随机过程就由刚才定义的点偶(t，ω)的函数以及概率的分配完全确定。如果固定t，这个二元函数就定义一个ω的函数，即以x(t)表示的随机变量。如果固定ω，这个二元函数就定义一个t的函数，这是过程的样本函数。由于物理学生物学，通讯和控制管理科学等学科的需要随机过程逐步发展起来的。马尔柯夫最早研究了随机过程。研究随机过程的方法多种多样，主要可以分为两大类：一类是概率方法，其中用到轨道性质、停时和随机微分方程等；另一类是分析的方法，其中用到测度轮、微分方程、半群理论、函数堆和希尔伯特空间等。实际研究中常常两种方法并用。另外组合方法和代数方法在某些特殊随机过程的研究中也有一定作用。研究的主要内容有：多指标随机过程、无穷质点与马尔可夫过程、概率与位势及各种特殊过程的专题讨论等。中国学者在平稳过程、马尔科夫过程、鞅论、极限定理、随机微分方程等方面做出了较好的工作。 2.随机过程的历史 1900年，Bachelier在分析股票市场波动时．发现了随机过程的一个重过程——独立增量过程的特恻。1905年，物理学家Einstein在研究Brown运动时，也遇到了相同的过程．1923年，Wiener 给出了Brown运动的数学描述- wiener过程。 Lunbderg在1903年研究一个保险公司所承担索赔累计数的变化规律时．导出了另一类型的随机过程——Lundberg过程。而众所周知、应用甚广的Poisson过程是当所有得付出的索赔总数中每一笔数目都相同时的Lundberg过程。 1909年，Erlang在研究电话业务时引入了Poisson过程，并被物理学家Rutherford和Geiger用于分析放射性蜕变。这些早期对随机过程的研究都是同实际问题紧密联系在一起的。虽然在数学上用了不太严密的方法，却表现出了直观处理这些概念和方法的绝妙能力。 注意： 这是第一稿（存在一些错误） 第七章数理统计习题__奇数.doc 1、解 由θ θθμθ 2 ),()(0 1===? d x xf X E ，204103)(2 221θθθ=-==X D v ，可得θ的矩估计量为X 2^ =θ，这时θθ==)(2)(^X E E ，n n X D D 5204)2()(2 2 ^ θθθ= ? ==。 3、解 由)1(2)1(2)1(2)(21θθθθμ-=-+-==X E ，得θ的矩估计量为： 3 2 62121^ =-=- =X θ。 建立关于θ的似然函数：482232)1(4)1())1(2()()(θθθθθθθ-=--=L 令014 8))1ln(4ln 8()(ln =--=?-+?=??θ θθθθθθL ， 得到θ的极大似然估计值：32^=θ 5、解 由33)1(3)1(3)(222+-=-+-+=p p p p p p X E ，所以得到p 的矩估计量为 ^ 32p = = 建立关于p 的似然函数：32 10)1()2 )1(3()()2)1(( )(22n n n n p p p p p p p L ---= 令0)(ln =??p p L ，求得到θ的极大似然估计值：n n n n p 222 10^++= 7、解 （1）记}4{<=X P p ，由题意有}4{}4{}4{-≤-<=<=X P X P X P p 根据极大似然估计的不变性可得概率}4{<=X P p 的极大似然估计为： 4484.05.0)6 4 ()64( 5.0)25 /2444( )25 /2444( 22^ =-Φ=-Φ-=--Φ--Φ=s s p （2）由题意得：)6 24 ( )25 /244( }{}{105.012-Φ=-Φ=≤=>-=-A s A A X P A X P ，于是经查表可求得A 的极大似然估计为0588.12^ =A概率论与随机过程题集
概率统计系的发展与未来(精)
《概率论与随机过程》第1章习题
概率统计与随机过程复习提纲
完整word版,2007-2008第一学期数理统计与随机过程(研)试题-2007
(完整版)北邮研究生概率论与随机过程2012-2013试题及答案
《概率论与随机过程》课程自学内容小结
【免费下载】第一学期数理统计与随机过程研试题答案
概率论论文10篇全面版
《概率论与随机过程》第1章习题
数理统计与随机过程试题
概率论与随机过程论文
05-06概率论与随机过程试题(A卷)
学期数理统计与随机过程(研)试题(答案)
随机过程简史
浙江大学《概率论、数理统计与随机过程》课后习题答案张帼奋主编第七章数理统计习题__奇数
相关主题
文本预览