下载文档原格式
第一次作业1（20分）口袋中有编号分别为1、2、3的三个球，试写出下列随机试验的样本空间。
（1）从口袋中任取2颗球，观察取到的球的编号；（2）先从口袋中取一颗球，观察其编号后放回口袋中，再从口袋中取一颗球并观察编号；（3）先从口袋中取一颗球，观察其编号后，从剩余的球中再取一颗并观察编号。
2（20分）抛三次硬币，表示第次为正面，，试用表示下列事件：（1）三次都是正面；（2）三次都是反面；（3）至少有一次是正面；（4）至少有一次是反面；（5）至少有两次是正面。
第二次作业1（20分）甲乙两只口袋各有5颗球，其中甲袋中有3颗红球2颗白球，乙袋中有2颗红球3颗白球。
现在从两个口袋中各取一球。
问：（1）取到的两颗球颜色相同的概率是多少？（2）取到的两颗球中至少有一颗是红球的概率又是多少？2（20分）10件同型号产品中有2件是次品，从中取2次，每次取1件，做不放回抽样。
求下列事件的概率。
（1）两次取到的都是正品；（2）两次都是次品；（3）一件是正品一件是次品；（4）第二次取到的是次品。
3（20分）假设你家订了一份牛奶，送奶员每天在6:30到7:30之间把牛奶送到你家，而你每天7:00到8:00之间离开家去上班。
求你在离开家之前能够喝到当天牛奶的概率。
5（20分）据以往资料表明，某三口之家患某种传染病的概率有如下规律：孩子患病的概率为0.6；如果孩子患病，那么母亲患病的概率为0.5；如果母亲及孩子都患病，那么父亲也患病的概率为0.4。
求母亲及孩子都患病但父亲未患病的概率。
第三次作业2（20分）玻璃杯成箱出售，每箱20只。
假设每箱玻璃杯中含有0、1、2只残次品的概率分别为0.8、0.1、0.1。
一顾客欲购买一箱玻璃杯，售货员随意取一箱，顾客从中随机抽取4只检查，若无残次品则买下该箱，否则退回。
（1）求顾客买下该箱玻璃杯的概率；（2）求在顾客买下的这箱玻璃杯中确无残次品的概率。
3（20分）据数据显示，每1000名50岁的低风险男性中，有3名患有结肠癌。
第一章 概率论的基本概念一、填空题1．;)3(;)2(;)1(C B A C B A C B A C B A C AB )()4(C B C A B A C B A C B A C B A C B A 或; 2．2181，； 3．6.0； 4． 733.0，； 5． 8.0,7.0； 6． 87； 7． 85；8. 996.0121101012或A -； 9． 2778.01856446==A ；10. p -1. 二、选择题 D ；C ；B ；A ；D ； C ；D ；C ；D ；B .三、解答题1.解：).()()()(),((AB P B P AB P A P A B P B A P -=-∴=）相互独立，又）B A B A P B P A P ,,91)(),((==∴.32)(,91)](1[)()()()(22=∴=-===∴A P A P A P B P A P B A P2.解： 设事件A 表示“取得的三个数字排成一个三位偶数”，事件B 表示“此三位偶数的末尾为0”，事件B 表示“此三位偶数的末尾不为0”，则:=)(A P )()(B P B P += .1253412123423=+A A A A A 3.解：设A i =“飞机被i 人击中”，i =1,2,3 , B =“飞机被击落”, 则由全概率公式：)()()()((321321B A P B A P B A P B A B A B A P B P ++== ）)()()()()()(332211A B P A P A B P A P A B P A P ++= (1)设1H =“飞机被甲击中”，2H =“飞机被乙击中”，3H =“飞机被丙击中”, 则: =)(1A P 321(H H H P 321(H H H P 321(H H H P ) =+)(321H H H P +)(321H H H P )(321H H H P ) 由于甲、乙、丙的射击是相互独立的，=∴)(1A P +)()()(321H P H P H P )()()(321H P H P H P+)()()(321H P H P H P )=36.07.05.06.03.05.06.03.05.04.0=⨯⨯+⨯⨯+⨯⨯同理求得41.0)(2=A P , 14.0)(3=A P .代入（1）式458.0114.06.041.02.036.0)(=⨯+⨯+⨯=∴B P .4.解：设事件A 表示“知道正确答案”，事件B 表示“答对了”，则所求为).|(B A P)|()()|()()|()()()()()()()|(A B P A P A B P A P A B P A P B A P AB P AB P B P AB P B A P +=+==∴.755132131131=⨯+⨯⨯=5.解：设A =“顾客买下所查看的一箱玻璃杯”，=B “箱中恰有i 件残次品” 2,1,0=i , 由题意1.0)()(,8.0)(210===B P B P B P .1912)|(,54)|(,1)|(420418242041910=====C C B A P C C B A P B A P（1）由全概率公式：94.0475448)|()()(2≈==∑=i i i B A P B P A P ， （2）由贝叶斯公式：85.011295)()()|()|(000≈==A P B P B A P A B P .第二章 随机变量及其分布一、填空题1.21；2. e 21-；3. 9974.0； 4. 2719； 5.6. 421；7. 4； 8. 3.0-e ； 9. )21(-y F . ；；；B ；D ；C ；B ；B ；C ；A .三、 解答题1.解：(1) 因为1}{21==∑-=k k X P ，所以1913113=⎪⎭⎫ ⎝⎛+++A ， 得409=A . (2) ⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧≥<≤<≤<≤--<=2,121,403910,10901,40271,0)(x x x x x x F . (3) 311{12}{1}{2}404010≤≤==+==+=P X P X P X .(4) 1+=X Y 的分布律为: 3,2,10,31409}{1，=⎪⎭⎫⎝⎛==-k k Y P k .或： 1392740404040p3210Y .2. 解：且右连续，单调不减，并，为随机变量的分布函数)()(x F x F ∴ .0)(1)(=-∞=+∞F F ， .0lim )(1])1([lim )(2===-∞==++=+∞∴-∞→+∞→c c F a x ba F x x ，右连续，得由)(x F :.1])1([lim 20-=-=∴=+=+++→a b c b a x ba x ， .0,1,1=-==∴cb a3. 解：可知，及）由（85}21{1)(1=>=⎰+∞∞-X P dx x f⎪⎪⎩⎪⎪⎨⎧=+=+⎰⎰85)(1)(12110dx B Ax dx B Ax 解得：⎪⎪⎩⎪⎪⎨⎧=+=+8528312B A B A 即⎪⎩⎪⎨⎧==211B A . ⎪⎩⎪⎨⎧≤<+=其他得：由,010,21)()1()2(x x x f ,⎪⎪⎩⎪⎪⎨⎧>≤<+≤=≤=∴⎰1,110,)21(0,0}{)(0x x dx x x x X P x F x⎪⎪⎩⎪⎪⎨⎧>≤<+≤=1,110,21210,02x x x x x .327)2121()21()(}2141{)3(2141221412141=+=+==≤<⎰⎰x x dx x dx x f X P ，则的分布函数为记)()4(y F Y Y)21(}21{}12{}{)(+=+≤=≤-=≤=y F y X P y X P y Y P y F X Y , 两边求导得： )21(21)21)(21()(+='++=y f y y f y f X X Y , 的表达式得：代入)(x f ⎪⎩⎪⎨⎧≤+<++=其他）（,01210,212121)(y y y f Y , ⎪⎩⎪⎨⎧≤<-+=其他,011,214y y .4．解：，则的分布函数为记)(y F Y Y ：}1{}1{}{)(22y e P y e P y Y P y F X X Y -≥=≤-=≤=--，;0)(101=≥≤-y F y y Y 时，即当;0)(011=≤≥-y F y y Y 时，即当所以)}1ln(21{}1{)(102y X P y eP y F y XY --≤=-≥=<<-时，当))1ln(21(y F X --=.两边求导得：yy f y f X Y -⋅⋅--=1121))1ln(21()( 的表达式得：代入)(x f .1)(=y f Y⎩⎨⎧<<=∴其他,010,1)(y y f Y , 即)1,0(U Y 服从的均匀分布.四、应用题1. 解：设考生的外语成绩为X ，则),72(~2σN X . 因为 0.023=⎪⎭⎫⎝⎛Φ-=⎭⎬⎫⎩⎨⎧≤--=≤-=>σσσ24124721}96{1}96{X P X P X P ， 即977.024=⎪⎭⎫⎝⎛Φσ，查表得：224=σ，即12=σ.于是)12,72(~2N X . 所以6826.01)1(2112721}8460{=-Φ=⎭⎬⎫⎩⎨⎧≤-≤-=≤≤X P X P . 2. 解：由)10,5.7(~2N X ，得一次测量中误差不超过10米的概率为5586.0105.710105.710}1010{≈⎪⎭⎫⎝⎛--Φ-⎪⎭⎫ ⎝⎛-Φ=≤≤-X P .设需要进行n 次独立测量，A 表示事件“在n 次独立测量中至少有一次误差不超 过10米”， 则 : 39.0)5586.01(1)(≥⇒>--=n A P n, 即至少需要进行3次独立测量才能达到要求.第三、四章 多维随机变量、数字特征一、填空题：1．1-e ； 2. 4.18； 3. N (－3,25)； 4.98；5．4.0，1.0; 6．6，6；7．9.0；8．91；9. e 21；10. e211-. 二、选择题： A ；B ；C ； D ；A ；B ；C ；C ；D ；A .三、解答题：1．解：21}0{}1,0{}01{=+=======b a b X P Y X P X Y P ①31}0{}0,1{}01{=+=======c a c Y P Y X P Y X P ②5.0,15.01=++=+++∴=∑c b a c b a pi即，又③由①得, ;b a = 由②得, ;2c a =代入将c b a 2==③式得：.2.0,1.0===b a c2. 解：（1）（X ，Y ）的分布律及边缘分布律为：（2）{}Y X P ≥=P {Y =－1}+P {X =1,Y =0}=24165+=2421. (3) ),2(Y Y X Cov -=-),(Y X Cov ),(2Y Y Cov因X,Y 相互独立，故 0),(=Y X Cov ；而 65610651)(-=⨯+⨯-=Y E ，65610651)(2=⨯+⨯=Y E ， )(),(Y D Y Y Cov =∴365)()(22=-=Y E Y E , ),2(Y Y X Cov -=-),(Y X Cov ),(2Y Y Cov = 185- .3. 解：(1)由,31),(1010k kxdy dx dxdy y x f x ===⎰⎰⎰⎰∞+∞-∞+∞-得3=k .(2)⎪⎩⎪⎨⎧<<++==⎰⎰⎰⎰∞+∞-∞+∞-其他,010,030),()(00x dy xdy dy dy y x f x f x x X ⎩⎨⎧<<=其它,010,32x x ；同理:⎪⎩⎪⎨⎧<<-=其他,010),1(23)(2y y y f Y .由于),()()(y x f y f x f Y X ≠，故X 与Y 不是相互独立的.(3)==>+⎰⎰>+1),(}1{y x dxdy y x f Y X P 8531211=⎰⎰-xxxdy dx . 4. 解：),(,2121Y X dx xS D e D ∴==⎰的面积为的联合概率密度为: ⎪⎩⎪⎨⎧∈=其他,0),(,21),(D y x y x f从而⎪⎩⎪⎨⎧<<===⎰⎰∞+∞-其他,01,2121),()(210e x x dy dy y x f x f x X , .41)2()(2===∴X X f x f x 处，在5. 解：(1)由已知得：.21)()()|(,21)()()|(====B P AB P B A P A P AB P A B P.81)(,41)()(===∴AB P B P A P).1,1(),0,1(),1,0(),0,0(),(的所有可能取值为Y X.85)]()()([1)()(}0,0{=-+-=====AB P B P A P B A P B A P Y X P.81)()()(}1,0{=-====AB P B P B A P Y X P.81)()()(}0,1{=-====AB P A P B A P Y X P.81)(}1,1{====AB P Y X P的联合分布律为：),(Y X ∴(2) ,41)(=X E ,41)(=Y E ,8)(=XY E .161414181)()()(),(=⨯-=-=Y E X E XY E Y X Cov6. 解：=⎭⎬⎫⎩⎨⎧>3πX P ⎰=ππ3,212cos 21dx x ).21,4(~B Y ∴ ,2214)(=⨯=∴Y E ,121214)(=⨯⨯=Y D .541)()()(22=+=+=∴Y E Y D Y E7. 解：（1）⎪⎩⎪⎨⎧≤>==⎰⎰-∞+∞-000),()(0x x dy e dy y x f x f x x X ⎩⎨⎧≤>=-000x x xex ⎪⎩⎪⎨⎧<<==其他001)(),()|(|x y x x f y x f x y f X X Y ；（2）⎩⎨⎧≤>=-0,00,)(y y e y f y Y)1()1,1()11(≤≤≤=≤≤Y P Y X P Y X P 12111--=-=--⎰⎰e e e dy edx x x8．解：利用公式dx x z x f z f Z ⎰+∞∞--=),()(,⎩⎨⎧<-<<<---=-其他10,10)(2),(x z x x z x x z x f⎩⎨⎧<<-<<-=其他1,102zx z x z .① 当0≤z 或2≥z 时，0)(=z f Z ; ② 当10<<z 时，)2()2()(0z z dx z z f zZ -=-=⎰;③ 当21<≤z 时，211)2()2()(z dx z z f z Z -=-=⎰-.故 Y X Z +=.的概率密度为⎪⎩⎪⎨⎧<≤-<<-=其他021)2(10)2()(2z z z z z z f Z . 注：本题也可利用分布函数的定义求.第六、七章 样本及抽样分布、参数估计一、填空题1．),(2n N σμ，∑=-n i i X X n 12)(1，2M '=∑=-n i i X X n 12)(1； 2. 8； 3．)4(t ； 4． ))1()1(,)1()1((2212222-----n S n n S n ααχχ； 5． X -23 ； 6． 1ˆ2+θ； 7. )1,0(N ； 8. 131;,Y Y Y .二选择题 B ；C ；C ；D ；B ；A ；C ；D ； D .三、解答题1.解：设来自总体X 、Y 的样本均值分别为Y X 、，,3,20222121====σσμμ15,1021==n n ，则)21,0(),(~22212121N n n N Y X =+--σσμμ，故： )]2103.0()2103.0([1}3.0{1}3.0{--Φ--Φ-=≤--=>-Y X P Y X P674.0)]4242.0(1[2=Φ-=2.解：.43)21(32)1(210)()1(22θθθθθθ-=-⋅+⋅+-⋅+⋅=X E,341ˆ.43,)(）（的矩估计量为：故得即令X X X X E -==-=θθθ的矩估计量为故而θ,2)32130313(81=+++++++=x .41ˆ=θ 42681)21()1(4}{)()2(θθθθ--===∏=i i x X P L 然函数为由给定的样本值，得似取对数：),21ln(4)1ln(2ln 64ln )(ln θθθθ-+-++=L求导：.)21)(1(24286218126)(ln 2θθθθθθθθθθ--+-=----=d L d,121370)(ln 2,1±==θθθ，解得：令d L d的最大似然估计值为故由于θ,2112137>+：.12137ˆ-=θ 3.解： （1） 2d )(6d )()(032-θθθθ=-==⎰⎰∞+∞x x x x x xf X E ， ∑==ni i X n X 11令X =2θ，得θ的矩估计量为X 2ˆ=θ. （2）)1(2)2()ˆ(1∑===ni i X n E X E E θ )(2)(12X E X nE n i =⋅⋅=,22θθ=⋅=所以θˆ是θ的无偏估计量.4.解：似然函数为：)()1()1(),()(2111θθθθθθθθn n ni i ni i x x x x x f L +=+==∏∏==取对数：∑=++=ni i x n L 1ln )1ln()(ln θθθ，0ln 1)(ln 1=++=∑=ni i x nd L d θθθ，解得： ∑=--=ni ixn1ln 1ˆθ，所以θ 的最大似然估计量为∑=--=ni iXn1ln 1ˆθ.5．解： 由于2σ未知，故用随机变量)1(~--=n t nSX T μ7531.1)15()1( 0.1, ,90.01 ,1605.02==-==-=t n t n ααα由样本值得 01713.0 ,125.2==s x .计算得 1175.21601713.07531.1125.2)15(05.0=⨯-=-n s t x 1325.21601713.07531.1125.2)15(05.0=⨯+=+ns t x故所求置信区间为)1325.2,1175.2(. 6．解：（1） ==⎰+∞∞-d )()(x x xf X E λλλ22=⎰+∞-dx xe x x ，令X =λ2，得λ的矩估计量为X2ˆ=λ. （2）似然函数为：∏==n i i x f L 1),()(λλ=⎪⎩⎪⎨⎧>∑=-其他，00,,,)(21121n x n n x x x e x x ni i λλ 当时，0,...,,21>n x x x∑=-+=ni i n x x x n L 11)ln(ln 2)(ln λλλ ，,2)(ln 1∑=-=ni i x n d L d λλλ ,0)(ln =λλd L d 令解得： x 2ˆ=λ， 所以λ的最大似然估计量为X2ˆ=λ.第八章 假设检验一、填空题1. 5%>μ ，α ；2. 概率很小的事件在一次试验中是不可能发生的；3. 2αz U >;4. nS X T /0μ-=，nX U /0σμ-=；5. 25.30=μ：H ，25.31≠μ：H ；5/25.3S X T -=；)4(t ；6041.4>T ;6. 210μμ≤：H ，211μμ>：H ；22212121n n X X U σσ+-=；)1,0(N ；645.105.0=>z U .二、选择题 B ； A ； D ； D ； B ； B ；C. 三、解答题1.解：假设,:,55.4:0100μμμμ≠==H H 在假设0H 为真时，统计量),1,0(~0N nX Z σμ-=对01.0=α查标准正态分布表，得临界值：,58.2005.02==z z α,6,108.0,452.46161====∑=n x x i i σ ,223.26108.055.4452.40=-=-=∴n x z σμ 由于,58.2223.2<=z ，所以在显著性水平01.0=α下，接受假设0H ， 即认为这天的铁水含碳量无显著变化。
222习题七( A )1、设总体X 服从参数为N 和p 的二项分布，n X X X ,,,21 为取自X 的一个样本，试求参数p 的矩估计量与极大似然估计量.解：由题意，X 的分布律为： ()(1),0k N kN P X k p p k N k -⎛⎫==-≤≤⎪⎝⎭. 总体X 的数学期望为(1)(1)011(1)(1)1NNk N k k N k k k N N EX k p p N p p p k k ----==-⎛⎫⎛⎫=-=- ⎪ ⎪-⎝⎭⎝⎭∑∑ 1((1))N N p p p N p -=+-=则E X p N=.用X 替换E X 即得未知参数p 的矩估计量为ˆX pN=.设12,,n x x x 是相应于样本12,,n X X X 的样本值，则似然函数为111211(,,;)()(1)nniii i n nx nN x n i i i i NL x x x p P Xx pp x ==-==∑∑⎛⎫===⋅- ⎪⎝⎭∏∏取对数111ln ln ln ()ln(1)nn ni i i i i iN L x p nN x p x ===⎛⎫=+⋅+-⋅- ⎪⎝⎭∑∑∑，11ln (1)nnii i i xnN x d L dpp p ==-=--∑∑.223令ln 0d L dp=，解得p 的极大似然估计值为11ˆnii x npN==∑.从而得p 的极大似然估计量为11ˆnii X X npNN===∑.2,、设n X X X ,,,21 为取自总体X 的一个样本,X 的概率密度为22,0(;)0,x x f x θθθ⎧<<⎪=⎨⎪⎩其它.其中参数0θ>，求θ的矩估计.解：取n X X X ,,,21 为母体X 的一个样本容量为n 的样本，则222()3xE X xf x dx x dx θθθ+∞-∞==⋅=⎰⎰32E X θ⇒=用X 替换E X 即得未知参数θ的矩估计量为3ˆ2X θ=.3、设12,,,n X X X 总体X 的一个样本, X 的概率密度为⎪⎩⎪⎨⎧≤>=--0,0,0,);(1x x ex x f xαλαλαλ其中0>λ是未知参数，0>α是已知常数,求λ的最大似然估计.解：设12,,,n x x x 为样本12,,,n X X X 的一组观测值，则似然函数为2241()1121(),0(,,,;)0,ni i n x n n i i n i x e x L x x x αλαλαλ=--=⎧∑⎪⋅≥=⎨⎪⎩∏ 其他 取对数 11ln ln ln (1)(ln )()n ni i i i L n n x x αλααλ===++--∑∑解极大似然方程1ln 0ni i d L nx d αλλ==-=∑得λ的极大似然估计值为1ˆnii nxαλ==∑从而得λ的极大似然估计量为1ˆnii nXαλ==∑.4、设总体X 服从几何分布,10,,2,1,)1()(1<<=-==-p k p p k X P k 试利用样本值n x x x ,,,21 ,求参数p 的矩估计和最大似然估计.解：因11111(1)(1)k k k k EX k p p p k p p∞∞--===⋅-=⋅-=∑∑,用X 替换E X 即得未知参数p 的矩估计量为1ˆpX=.在一次取样下，样本值12(,,,)n x x x 即事件1122{},{},,{}n n X x X x X x === 同时发生，由于12,,,n X X X 相互独立，得联合分布律为121122(,,,;)()(),,()n n n L x x x p P X x P X x P X x ====22512111(1)(1)(1)n x x x p p p p p p ---=-⋅-- ,即得极大似然函数为1()(1)ni i x nnL p p p =-∑=-取对数 1ln ()ln ()ln(1)ni i L p n p x n p ==+--∑解极大似然方程1ln ()01nii xnd L p n dppp=-=-=-∑得p 的极大似然估计值为11ˆ1nii pxn==∑从而得p 的极大似然估计量为111ˆ1nii pXXn===∑.5、设总体X 的概率密度为()1;exp ,2x f x σσσ⎧⎫=-⎨⎬⎩⎭0σ>为未知参数, n X X X ,,,21 为总体X 的一样本,求参数σ的最大似然估计.解：设12,,,n x x x 为样本12,,,n X X X 的一组观测值，则似然函数为121111(,,,;)(;)(;)exp{||}(2)nn n ini L x x x f x f x xσσσσσ====-∑取对数1211ln (,,,;)ln(2)||nn ii L x x x n xσσσ==--∑226解极大似然方程21ln 1||0nii d L nxd σσσ==-+=∑得σ的极大似然估计值11ˆ||nii x nσ==∑从而得σ的极大似然估计量为11ˆ||nii Xnσ==∑.6、证明第5题中σ的最大似然估计量为σ的无偏估计量.证明：由第5题知σ的最大似然估计量为11ˆ||nii X nσ==∑故 1111ˆ(||)||nniii i E E XE X nnσ====∑∑又1||||||exp{}2i x E X x dx σσ+∞-∞=⋅-⎰12exp{}exp{}()2x x x x dx x d σσσσ+∞+∞=⋅-=⋅-⎰⎰[exp{}|exp{}]xxx dx σσσ+∞+∞=-⋅---=⎰从而 ˆE σσ=，即ˆσ是σ的无偏估计. 7,、设总体X 的概率密度为()222220;0x x e x f x σσσ-⎧⎪>=⎨⎪⎩，，，其它.,20σ>为未知参数, n X X X ,,,21 为总体X 的一个样本,求参数2σ的的矩估计量和最大似然估计量.解：因22222(;)2xxE X x f x dx x e dx σσσ-+∞+∞-∞=⋅=⋅⎰⎰222222222002()[2|2]xxxxd exeedx σσσ---+∞+∞+∞=-=--⎰⎰22722222202xxedx edx σσ--+∞+∞===⎰⎰用X 替换E X 即得未知参数σ的矩估计量为ˆX σ=从而得未知参数2σ的估计量为22ˆ)X σ=设12,,,n x x x 为样本12,,,n X X X 的一组观测值，则似然函数为21211()222211212(,,,;)(;)(;)ni nix i n n nx L x x x f x f x eσσσσσ=-=∑==∏取对数222111ln ln ln 2nniii i L xn xσσ===--∑∑解极大似然方程22241ln 102nii d L nxd σσσ==-+=∑得2σ的极大似然估计值2211ˆ2nii x nσ==∑从而得未知参数2σ的估计量为2211ˆ2nii xnσ==∑.8、设总体),(~2σμN X ,μ已知,σ为未知参数, n X X X ,,,21 为X 的一个样本,∑=∧-=ni i X c 1||μσ, 求参数c ,使∧σ为σ的无偏估计.解：由无偏估计的定义，要使∧σ为σ的无偏估计，则ˆE σσ=228又11ˆ(||)||n ni i i i E E c X u c E X u σ===-=-∑∑由题意知总体),(~2σμN X ，从而22()2||||x u i E X u x u dx σ--+∞-∞-=-⎰2222()()2211[()]()x u x u u ux u dx x u dx σσ----+∞-∞=--+-⎰⎰且2222()220()x u yx u yux u dxydy σσ--=--+∞+∞-=⎰⎰22222()2yyed σσ-+∞=--=⎰由对称性有||i E X u -=从而有cnσ=，即2c n=.9、设θˆ是参数θ的无偏估计量,且有0)ˆ(>θD ,试证22)ˆ(ˆθθ=不是2θ的无偏估计量.证明：因为θˆ是参数θ的无偏估计量，故ˆE θθ=，且0)ˆ(>θD有22222ˆˆˆˆˆ()()()()E E D E D θθθθθθθ==+=+>即22)ˆ(ˆθθ=不是2θ的无偏估计量.10、设总体),(~2σμN X ,321,,X X X 是来自X 的样本,试证：估计量32112110351ˆX X X ++=μ;32121254131ˆX XX ++=μ;3213216131ˆX XX ++=μ229都是μ的无偏估计,并指出它们中哪一个最有效.证明：总体),(~2σμN X ,321,,X X X 是来自X 的样本，则1123123131131ˆ()51025102E E X X X E X E X E X u μ=++=++= 2123123115115ˆ()34123412E E X X X EX EX EX u μ=++=++=3123123111111ˆ()362362E E X X X EX EX EX u μ=++=++=即估计量123ˆˆˆ,,μμμ都是μ的无偏估计. 又211231231311911ˆ()510225100450D D X X X D X D X D X μσ=++=++=22123123115112525ˆ()341291614472D D X X X D X D X D X μσ=++=++=231231231111117ˆ()362936418D D X X X D X D X D X μσ=++=++=有 213ˆˆˆD D D μμμ<<，从而估计量2ˆμ最有效. 11,、设12,,,n X X X 是总体()20,X N σ 的一个样本,20σ>,证明：211ni i X n=∑是2σ的相合估计量.证明：由题意，总体()20,X N σ ，则220,EXEXσ==由样本的独立同分布性知2221111()nniii i E X EX nnσ====∑∑，即211ni i X n=∑是2σ的无偏估计.2221111()()nniii i D X D Xnn===∑∑又2422()()i i i D X E X E X =-，且23022222224432222|3]xxxi EX xdx x ex edx σσσ---+∞+∞+∞-∞-∞-∞==-⎰⎰2222423xx edx σσσ-+∞-∞==故2422444()()32i i i D X EX EX σσσ=-=-=，有42112()0()nii D X n nnσ==→→∞∑故211ni i X n=∑是2σ的相合估计量12、设总体X 的数学期望为μ,方差为2σ,分别抽取容量为1n 和2n 的两个独立样本,1X ,2X 分别为两样本均值,试证明:如果,a b 满足1a b +=,则12Y aX bX =+是μ的无偏估计量,并确定,a b ,使得()D Y最小.解：由题意，2,EX u D X σ==，且1X ,2X 分别为容量为1n 和2n 的两个独立样本得样本均值，故2111,E X u D X n σ==，2222,E X u D X n σ==.当1a b +=时，有12()EY aEX bEX a b u u=+=+=，即12Y aX bX =+是μ的无偏估计量.222221212()abD Y a D X b D X n n σ=+=+令2212(1)()aa g a n n -=+，由()0g a '=知函数()g a 的稳定点为231112n a n n =+，且1121211()2()0n g n n n n ''=+>+，故112n a n n =+为函数唯一极小值点，即当121212,n n a b n n n n ==++时，()D Y 最小.13、设12,,,n X X X 是总体X 的一个样本, X 的概率密度为();f x θ,0θ>,未知，已知()222nXn χθ,试求θ的置信水平为1α-的置信区间.解：由题意，统计量()222nXn χθ，则给定置信度为1α-时，有()()22122(22)1nXP n n ααχχαθ-≤≤=- ()()221222()122nXnXP n n ααθαχχ-⇔≤≤=-由置信区间的定义知，θ的置信水平为1α-的置信区间为()()221222,22nX nX n n ααχχ-⎛⎫⎪⎪ ⎪⎝⎭. 14、从大批彩色显像管中随机抽取100只,其平均寿命为10000小时,可以认为显像管的寿命X 服从正态分布.已知均方差40=σ小时,在置信水平0.95下求出这批显像管平均寿命的置信区间.解：设12,,,n X X X 是母体X 的样本容量为n 的子样，则显像管平均寿命(10000,16)X N构造统计量(0,1)X uU N -=，有232111222(||)1(1P U UP X UU X Uααααα---<=-⇔-<<+=-由题意10.950.05αα-=⇒=，查表可得0.975 1.96U =，故显像管平均寿命X 的置信度为95%的置信区间为：4040(10000 1.96 1.96(100007.84)-+=±.15、设随机地调查26年投资的年利润率(%),得样本标准差(%)15=S ,设投资的年利润率X 服从正态分布,求它的方差的区间估计(置信水平为0.95).解：由题意，构造统计量2222(1)(1)n Sn χχσ-=- ，则给定置信水平为1α-，有2222122(1)((1)(1))1n SP n n ααχχασ---<<-=-22222122(1)(1)()1(1)(1)n Sn SP n n αασαχχ---⇔<<=---取26,0.15,10.95n S α==-=，查表可得20.025(25)13.120χ=，20.975(25)40.616χ=，故方差的置信度为95%的置信区间为2222122(1)(1)(,)(0.014,0.043)(1)(1)n Sn Sn n ααχχ---=--.16,、从一批钉子中抽取16枚,测得其长度为(单位:厘米)2.14, 2.10, 2.13, 2.15, 2.13, 2.12, 2.13, 2.10, 2.15, 2.12, 2.14, 2.10, 2.13, 2.11, 2.14, 2.11.设钉子的长度X 服从正态分布,试求总体均值μ的置信水平为0.90的置信区间.233解：设1216,,,X X X 是母体X 的样本容量为16的子样，由题意知2.215X =，242.933310S -=⨯.构造统计量(1)X u t t n -=- ，有111222(||)1(1P t tP X tu X tααααα---<=-⇔-<<+=-由题意10.900.10αα-=⇒=，查表可得0.95(15) 1.7459t =，故显像管平均寿命X的置信度为90%的置信区间为：(2.1175,2.1325)=±. 17、生产一个零件所需时间(单位：秒)),(~2σμN X ,观察25个零件的生产时间得5.5=x ,73.1=s .试求μ和2σ的置信水平为0.95的置信区间.解：设1225,,,X X X 是母体X 的样本容量为25的子样，由题意知5.5X =， 1.73S =.构造统计量(1)X u t t n -=- ，有111222(||)1(1P t tP X tu X tααααα---<=-⇔-<<+=-由题意10.950.05αα-=⇒=，查表可得0.975(24) 2.0639t =，故参数μ的置信度为95%的置信区间为：(4.786,6.214)(5.50.714)=±.234构造统计量2222(1)(1)n Sn χχσ-=- ，则给定置信水平为1α-，有2222122(1)((1)(1))1n SP n n ααχχασ---<<-=-22222122(1)(1)()1(1)(1)n Sn SP n n αασαχχ---⇔<<=---取16, 1.73,0.05n S α===，查表可得20.025(15) 6.2621χ=，20.95(15)27.4884χ=，故方差的置信度为95%的置信区间为(1.825,5.. 18、产品的某一指标),(~2σμN X ，已知04.0=σ，μ未知.现从这批产品中抽取n 只对该指标进行测定,问n 需要多大,才能以95%的可靠性保证μ的置信区间长度不大于0.01?19、设A 和B 两批导线是用不同工艺生产的,今随机地从每批导线中抽取5根测量其电阻,算得721007.1-⨯=A s ,62103.5-⨯=B s ,若A 批导线的电阻服从),(211σμN ,B 批导线的电阻服从),(222σμN ,求2221σσ的置信水平为0.90的置信区间.20,、从甲乙两个蓄电池厂的产品中分别抽取6个产品,测得蓄电池的容量(A.h)如下:甲厂 140 , 138 , 143 , 141 , 144 , 137;乙厂135 , 140 , 142 , 136 , 138 , 140设蓄电池的容量服从正态分布,且方差相等,求两个工厂生产的蓄电池的容量均值差的95%置信区间.（ B ）1、设总体X 的概率分别为235其中102θθ⎛⎫<<⎪⎝⎭是未知参数,利用总体X 的如下样本值: 3, 1, 3, 0, 3, 1, 2, 3求θ的矩估计值和最大似然估计值.解：由题意可知总体X 为离散型随机变量，则总体X 的数学期望为()32()2123(12)34k EX kP Xk θθθθθ====-++-=-∑有34E X θ-=，由样本值可知2X =，用X 替换E X 即得未知参数θ的矩估计量为3ˆ4X θ-=，矩估计值1ˆ4θ=.设12340,1,2,3x x x x ====是相应于样本1234,,,X X X X 的样本值，则似然函数为12341234(,,,;)(0)(1)(2)(3)L x x x x P X P X P X P X θ=====462(12)4(1)θθθ=--取对数 ln 4ln(12)6ln 42ln(1)L θθθ=-++- 解极大似然方程ln 8620121d L d θθθθ-=+-=--有2121430θθ-+=，从而7ˆ12θ±=又当ˆ12θ=712106θ+-=-<矛盾，故舍去.所以θ的最大似然估计值ˆ12θ=2、设()111ˆˆ ,,n X X θθ= 和()221ˆˆ,,n X X θθ= 是参数θ的两个相236互独立的无偏估计量,且方差()()12ˆˆ2D D θθ=,试确定常数,a b ,使得12ˆˆa b θθ+是θ的无偏估计量,且在一切这样的线性估计类中方差最小.解：由题意，1ˆ θ和2ˆθ是参数θ的两个相互独立的无偏估计量，则 12ˆˆ,E E θθθθ==.要使得12ˆˆa b θθ+是θ的无偏估计量，有 1212ˆˆˆˆ()()E a b aE bE a b θθθθθθ+=+=+=恒成立，即1a b +=.又1ˆ θ，2ˆθ相互独立，且()()12ˆˆ2D D θθ=，则222212122ˆˆˆˆˆ()()()(2)()D a b a D b D a b D θθθθθ+=+=+令2222()22(1)g a a b a a =+=+-，由()0g a '=知函数()g a 的稳定 点为13a =，且1()03g ''>，故线性估计类中方差最小时13a =，23b =.3、在测量反应时间中,一心理学家估计的标准差为0.05秒,为了以0.95的置信水平使他对平均反应时间的估计误差不超过0.01秒,应取多大的样本容量.习题八1．在正常情况下，某炼钢厂的铁水含碳量（%）2(4.55,)X N σ .一日测得5炉铁水含碳量如下：4.48，4.40，4.42，4.45，4.47在显著性水平0.05α=下，试问该日铁水含碳量得均值是否有明显变化. 解：设铁水含碳量作为总体X ，则2(4.55,)X N σ ，从中选取容量为5的样本，测得24.444,0.0011X S ==.由题意，设原假设为0: 4.55H u =237构造检验统计量||(4)X u t t -=，则7.051t ==在显著性水平0.05α=下，查表可得0.97512(4)(4) 2.77647.051tt α-==<，拒绝原假设0H ，即认为有显著性变化.2．根据某地环境保护法规定，倾入河流的废物中某种有毒化学物质含量不得超过3ppm.该地区环保组织对某厂连日倾入河流的废物中该物质的含量的记录为：115,,x x .经计算得知15148ii x==∑, 1521156.26i i x ==∑.试判断该厂是否符合环保法的规定.（该有毒化学物质含量X 服从正态分布）解：设有毒化学物质含量作为总体X ，则2(,)X N u σ ，从中选取容量为15的样本，测得1511 3.215ii X x===∑，22221111()()0.1911nnii i i S x x x nx n n ===-=-=--∑∑.由题意，设原假设为0:3H u <，备择假设为1:3H u >.构造检验统计量||(14)X u t t -=，则|3.23| 1.777t -==，在显著性水平0.05α=下,查表可得10.95(14)(14) 1.7613 1.777t t α-==<，即拒绝原假设0H ，接受备择假设1H ，认为该厂不符合环保的规定.3．某厂生产需用玻璃纸作包装，按规定供应商供应的玻璃纸的横向延伸率238不应低于65.已知该指标服从正态分布2(,)N μσ，5.5σ=.从近期来货中抽查了100个样品，得样本均值55.06x =，试问在0.05α=水平上能否接受这批玻璃纸？解：设玻璃纸的横向延伸率为总体X ，则2(,5.5)X N u ，从中选取容量为100的样本，测得55.06x =.由题意，设原假设为0:65H u >，备择假设为1:65H u <.构造检验统计量||(0,1)X u U N -=，则|55.0665|18.07275.5U -==在显著性水平0.05α=下,查表可得10.95 1.644918.0727U U α-==<，即拒绝原假设0H ，接受备择假设1H ，不能接受该批玻璃纸..4．某纺织厂进行轻浆试验，根据长期正常生产的累积资料，知道该厂单台布机的经纱断头率（每小时平均断经根数）的数学期望为9.73根，标准差为1.60根.现在把经纱上浆率降低20%，抽取200台布机进行试验，结果平均每台布机的经纱断头率为9.89根，如果认为上浆率降低后均方差不变，问断头率是否受到显著影响（显著水平α=0.05）？ 解：设经纱断头率为总体X ，则9.73u EX ==， 1.6σ==，从中选取容量为200的样本，测得9.89x =.由题意，设原假设为0:9.73H u =，备择假设为1:9.73H u ≠.构造检验统计量||(0,1)X u U N -=，则|9.899.73|1.4142U -==在显著性水平0.05α=下,查表可得0.975121.96 1.4142UU α-==>，即接受原假设0H ，认为断头率没有受到显著影响.2395． 某厂用自动包装机装箱，在正常情况下，每箱重量服从正态分布2(100,)N σ.某日开工后，随机抽查10箱,重量如下（单位：斤）：99.3，98.9，100.5，100.1，99.9，99.7，100.0，100.2，99.5，100.9.问包装机工作是否正常，即该日每箱重量的数学期望与100是否有显著差异?（显著性水平α=0.05）解：设每箱重量为总体X ，则2(100,)X N σ ，从中选取容量为10的样本，测得99.9x =，20.34S =.由题意，设原假设为0:100H u =，备择假设为1:100H u ≠.构造检验统计量||(9)X u t t -=，则|99.9100|0.5423t -==，在显著性水平0.05α=下,查表可得0.97512(9)(9) 2.26220.5423tt α-==>，即接受原假设0H ，认为每箱重量无显著差异.6．某自动机床加工套筒的直径X 服从正态分布.现从加工的这批套筒中任取5个，测得直径分别为15,,x x (单位m μ:)，经计算得到51124i i x ==∑, 5213139i i x ==∑.试问这批套筒直径的方差与规定的27σ=有无显著差别？（显著性水平0.01α=）解：设这批套筒直径为总体X ，则2(,)X N u σ ，从中选取容量为5的样本，测得151124.815ii X x===∑，22221111()()15.9511nnii i i S xx x nx n n ===-=-=--∑∑.由题意，设原假设为24020:7H σ=，备择假设为21:7H σ≠.构造检验统计量2222(1)(4)n Sχχσ-=，则2415.959.11437χ⨯==，在显著性水平0.01α=下,查表可得220.99512(4)(4)14.86αχχ-==，220.0052(4)(4)0.2070αχχ==，从而222122(4)(4)ααχχχ-<<，即接受原假设0H ，认为这批套筒直径的方差与规定的27σ=无显著差别.7.甲、乙两台机床同时独立地加工某种轴，轴的直径分别服从正态分布211(,)N μσ、222(,)N μσ（12,μμ未知）.今从甲机床加工的轴中随机地任取6根，测量它们的直径为16,,x x ，从乙机床加工的轴中随机地任取9根，测量它们的直径为19,,y y ，经计算得知：61204.6ii x==∑, 6216978.9i i x ==∑91370.8i i y ==∑92115280.2i i y ==∑问在显著性水平0.05α=下，两台机床加工的轴的直径方差是否有显著差异？解：设两台机床加工的轴的直径分别为总体,X Y ，则211(,)X N μσ 、222(,)Y N μσ ，从总体X 中选取容量为6的样本，测得61134.16ii X x ===∑222211111()()0.40811nnii i i S x x x nx n n ===-=-=--∑∑241从总体Y 中选取容量为9的样本，测得91141.29i i Y y ===∑222221111()()0.40511nnii i i S y y y ny n n ===-=-=--∑∑ 由题意，设原假设为22012:H σσ=，备择假设为22112:H σσ≠.构造检验统计量2122(5,8)S F F S = ，则0.408 1.0070.405F ==，在显著性水平0.05α=下,查表可得0.97512(5,8)(5,8) 6.76FF α-==，0.0252(5,8)(5,8)0.1479F F α==，从而122(5,8)(5,8)F F Fαα-<<，即接受原假设0H ，认为两台机床加工的轴的直径方差无显著差异.8.某维尼龙厂根据长期正常生产积累的资料知道所生产的维尼龙纤度服从正态分布，它的标准差为0.048.某日随机抽取5根纤维，测得其纤度为1.32，1.55，1.36，1.40，1.44.问该日所生产得维尼龙纤度的均方差是否有显著变化（显著性水平α=0.1）？解：设维尼龙纤度为总体X ，则2(,0.048)X N u ，从中选取容量为5的样本，测得5111.4145ii X x ===∑，2211()0.00781nii S x x n ==-=-∑.由题意，设原假设为0:0.048H σ=，备择假设为1:0.048H σ≠.构造检验统计量2222(1)(4)n Sχχσ-=，则2240.007813.542(0.048)χ⨯==在显著性水平0.1α=下,查表可得220.9512(4)(4)9.487713.542αχχ-==<即拒绝原假设0H ，认为维尼龙纤度的均方差有显著变化.9.某项考试要求成绩的标准差为12，先从考试成绩单中任意抽出15份，计算样本标准差为16，设成绩服从正态分布，问此次考试的标准差是否符242合要求（显著性水平α=0.05）?解：设考试成绩为总体X ，则2(,12)X N u ，从中选取容量为15的样本，测得16S =.由题意，设原假设为0:12H σ=，备择假设为1:12H σ≠.构造检验统计量2222(1)(14)n Sχχσ-=，则222141619.055612χ⨯==.在显著性水平0.05α=下,查表可得220.97512(14)(14)26.1189αχχ-==，220.0252(14)(14) 5.6287αχχ==，从而222122(14)(14)ααχχχ-<<，即接受原假设0H ，认为此次考试的标准差符合要求.10.某卷烟厂生产甲、乙两种香烟，分别对他们的尼古丁含量（单位：毫克）作了六次测定,获得样本观察值为：甲：25，28，23，26，29，22；乙：28，23，30，25，21，27.假定这两种烟的尼古丁含量都服从正态分布，且方差相等,试问这两种香烟的尼古丁平均含量有无显著差异（显著性水平α=0.05，）？对这两种香烟的尼古丁含量，检验它们的方差有无显著差异（显著性水平α=0.1）？解：设这两种烟的尼古丁含量分别为总体,X Y ，则211(,)X N μσ 、222(,)Y N μσ ，从中均选取容量为6的样本，测得61125.56ii X x ===∑，22111()7.51nii S x x n ==-=-∑，61125.66676i i Y y ===∑，22211()11.06671nii S y y n ==-=-∑，由题意，在方差相等时，设原假设为012:H u u =，备择假设为112:H u u ≠.243构造检验统计量12(2)t t n n =+- ,其中222112212(1)(1)9.2834(2)wn S n S Sn n -+-==+-.则0.0948t ==，在显著性水平0.05α=下,查表可得120.97512(2)(10) 2.22810.0948tn n t α-+-==>，即接受原假设0H ，认为这两种香烟的尼古丁平均含量无显著差异.由题意，在方差待定时，设原假设为22012:H σσ=，备择假设为22112:H σσ≠.构造检验统计量2122(5,5)S F F S=，则7.50.677711.0667F ==，在显著性水平0.1α=下,查表可得0.9512(5,8)(5,5) 5.0503FF α-==，0.052(5,8)(5,5)0.1980F F α==，从而122(5,5)(5,5)F F Fαα-<<，即接受原假设0H ，认为它们的方差无显著差异.。
概率论第二章大作业真正的随机数是使用物理现象产生的：比如掷钱币、骰子、转轮、使用电子元件的噪音、核裂变等等。
这样的随机数生成器叫做物理性随机数生成器，它们的缺点是技术要求比较高。
在实际应用中往往使用伪随机数就足够了。
这些数列是“似乎”随机的数，实际上它们是通过一个固定的、可以重复的计算方法产生的。
它们不真正地随机，因为它们实际上是可以计算出来的，但是它们具有类似于随机数的统计特征。
在真正关键性的应用中，比如在密码学中，人们一般使用真正的随机数。
伪随机数或称伪乱数，简单的来说就是利用数学方法使用一个确定性的算法计算出来的似乎是随机的数序，因此伪随机数实际上并不随机。
在计算伪随机数时假如使用的开始值不变的话，那么伪随机数的数序也不变。
伪随机数的随机性可以用它的统计特性来衡量，其主要特征是每个数出现的可能性和它出现时与数序中其它数的关系。
伪随机数的优点是它的计算比较简单，而且只使用少数数值很难推算出计算它的算法。
在计算机中都备有可直接使用的均匀分布随机函数或程序，一般是用数值转换中的求余法得到的，这样产生的随机数列，是根据确定的算法递推出来的，严格地讲并不是随机的，因此称为伪随机数。
不过如果计算方法选得恰当，它们近似于相互独立和均匀分布，在一定的置信度下，能通过统计检验中的参数检验、独立性检验、连检验等，因此可以把它们当作真正的随机数使用。
例如：均匀分布定义：若连续随机变量的概率密度为则称服从均匀分布，记为，数学期望，方差随机数列的生成：如果为[0,1]区间均匀分布的随机数列，则令于是得即为[a,b]区间均匀分布的随机数列。
指数分布：若连续随机变量的概率密度为则称服从指数分布，记为，，数学期望，方差。
累积分布函数为。
随机数列的生成：如果为[0,1]区间均匀分布的随机数列，则令于是得即服从指数分布的随机数列。
Table[Random[Real,{0,1}],{100}]{0.288071,0.580477,0.01996,0.250306,0.533106,0.664354,0.663133 ,0.59496,0.807462,0.334371,0.185604,0.536187,0.460936,0.075124,0. 654934,0.725182,0.424717,0.588037,0.442401,0.798675,0.899288,0.22 5706,0.292875,0.970472,0.611218,0.645229,0.272915,0.720167,0.0781 117,0.980875,0.609782,0.125207,0.27065,0.646504,0.424178,0.58902, 0.809714,0.57138,0.769244,0.863838,0.384997,0.983343,0.326843,0.0 651637,0.485709,0.757638,0.0339683,0.0946914,0.874491,0.112409,0. 761053,0.374525,0.79638,0.131534,0.151271,0.249318,0.52573,0.4850 3,0.727093,0.660297,0.716016,0.91365,0.957849,0.796459,0.331018,0 .930307,0.631006,0.731295,0.845309,0.172669,0.597037,0.636604,0.9 70818,0.06026,0.835984,0.262079,0.174439,0.928726,0.684713,0.0127 614,0.648709,0.443696,0.95762,0.352464,0.932693,0.530046,0.999771 ,0.556005,0.601675,0.599739,0.368765,0.82471,0.756365,0.427071,0. 771728,0.188106,0.785547,0.366811,0.935743,0.926027} 第一种为均匀连续分布Table[Random[Integer,{0,10000}],{100}]{9615,9333,6403,3450,7987,5994,164,8209,1710,3077,9346,6129,21 12,1180,2926,4705,7303,7409,7576,5729,1593,9379,8482,8373,5771,52 13,8089,1851,4813,6215,7492,3067,4965,788,2599,2973,4593,8997,834 5,8045,2985,5080,2712,8185,1615,3173,5681,2006,9594,74,1589,8182, 1585,9352,7507,1904,4095,2302,9580,5554,6874,9440,3868,3335,8299, 2978,9307,7079,2956,4806,4104,6087,6365,525,7574,1736,1984,7344,8 249,9307,4942,6292,9940,7865,8339,5276,2226,2889,8601,9859,1499,6 906,2306,9213,5643,684,2055,2058,6899,7160}第二种为1到10000均匀离散分布。
1.运用所学概率知识，举例说明概率在日常生活中的应用概率论来源于生活，最终也将运用于生活。
伴随着科技的发展和计算机的普及，概率论已被广泛的应用于各行各业，对于分析社会现象、研究自然科学，以及处理工程和公共事业提供了极大的帮助。
近年来，人们的生活水平越来越高，对身体健康锻炼越来越重视，对于体育比赛关注和热爱的程度也普遍提高。
掌握好概率论对于现代许多体育比赛有很大的帮助.比如射击时，可以按照运动员平时的水平估算成绩概率，以及根据位置估算射中的概率等等。
例：设向一目标连射三枪，A i表示第i枪击中目标(i=1,2,3)，则下列事件可表示为：1)只有第一枪击中：A1A2̅̅̅ A3̅̅̅=A1−A2−A32)只击中一枪：A1A2̅̅̅ A3̅̅̅∪A1̅̅̅A2A3̅̅̅∪A1̅̅̅ A2̅̅̅A33)三枪都未击中：A1̅̅̅ A2̅̅̅ A3̅̅̅=A1∪A2∪A3̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅4)至多击中一枪：A1̅̅̅ A2̅̅̅∪A2̅̅̅ A3̅̅̅∪A1̅̅̅ A3̅̅̅5)至少击中一枪：A1∪A2∪A3此例运用到了和事件、对立事件。
例：甲、乙两人射击，射击技术如下：问甲、乙谁的水平高？解：设射击N枪甲总环数8×0.3N+9×0.1N+10×0.6N=9.3N乙总环数8×0.3N+9×0.5N+10×0.2N=8.9N∴甲水平高此例运用数学期望来分析甲乙的射击水平。
例：靶子半径2m圆盘，击中靶上任一同心圆上的点的概率与同心圆的面积成正比，设射击都能中靶，X为弹着点与圆心的距离，求F(x)该例求随机变量的分布函数解：①若x<0,P{X≤x}=0 F(x)=0②若0≤x≤2,P{0≤X≤x}=kx2x=2时，P{0≤x≤2}=1=4k ∴k=14F(x)=P{X≤x}=P{X<0}+P{0≤X≤x}=0+14x2=14x2③x>2时，P{X≤x}=1 F(x)=1∴F(x)={0,x<014x2,0≤x<21,x≥2日常生活中，不管什么东西都需要根据使用情况来设置大小等等，如何估算合适的尺寸才能基本让所有人都能正常使用，这就需要用到概率论中随机变量的分布。
现实生活中的大数定理及中心值定理的应用电子工程学院目录摘要............................................ 错误!未定义书签。
第一章引言....................................... 错误!未定义书签。
第二章大数定律 (2)2.1大数定律的发展历史 (2)2.2大数定律的定义 (3)2.3几个常用的大数定律 (3)第三章大数定律的一些应用 (6)3.1大数定律在数学分析中的一些应用 (6)3.2大数定律在保险业的应用 (6)3.3大数定律在银行经营管理中的应用 9结论 (11)参考文献 (12)对于随机现象而言,其统计规律性只有在基本相同的条件下进行大量的重复试验才能显现出来.本文主要是通过大数定律来讨论随机现象最根本的性质——平均结果稳定性的相关内容.大数定律,描述当试验次数很大时所呈现的概率性质的定律,是随机现象统计规律性的具体表现.本文首先介绍了大数定律涉及的一些基础知识,以便于对文中相关知识的理解.通过比较,就不同条件下存在的大数定律做了具体的分析,介绍了几种较为常见的大数定律和强大数定律,总结了大数定律的应用,主要有大数定律在数学分析中的应用,大数定律在生产生活中的应用,大数定律在经济如：保险、银行经营管理中的应用等等,将理论具体化,将可行的结论用于具体的数学模型中,使大家对大数定律在实际生活中的应用价值有了更深的认识.概率论与数理统计是研究随机现象的统计规律的科学,而随机现象的统计规律性只有在相同条件下进行大量重复试验或观察才呈现出来.在随机事件的大量重复出现中,往往呈现几乎必然的规律,这个规律就是大数定律.大数定律是概率论中一个非常重要的课题,而且是概率论与数理统计之间一个承前启后的重要纽带.大数定律阐明了大量随机现象平均结果具有稳定性,证明了在大样本条件下,样本平均值可以看作总体平均值,它是“算数平均值法则”的基本理论,通俗地说,这个定理就是在试验不变的条件下,重复试验多次,随机事件的频率以概率为稳定值.在现实生活中,经常可以见到这一类型的数学模型,比如,我们向上抛一枚硬币,硬币落下后哪一面朝上本来是偶然的,但当我们向上抛硬币的次数足够多时,达到上万次甚至几十万几百万次之后,我们会发现,硬币向上的次数约占总次数的二分之一,偶然中包含着必然.又如：在分析天平上称重量为a 的物品,若以12,,x x 3,...,n x x 表示n 次重复称量的结果,经验告诉我们,当n 充分大时,它们的算术平均值11ni i X n =∑与a 的偏差就越小.这种思想,不仅在整个概率论中起着重要00作用,而且在其他数学领域里面也占据着相当重要的地位.大数定律的发展与研究也经历了很长一段时间,伯努利是第一个研究这一问题的数学家,他于1713年首先提出后人称之为“大数定律”的极限定理.现在,大数定律的相关模型已经被国内外广大学者所研究,特别是应用在实际生活中,如保险业得以存在并不断发展壮大的两大基石的一个就是大数定律.许多学者也已经在此领域中研究出了许多有价值的成果,讨论了在统计,信息论,分析、数论等方面的应用.在许多数学领域中,广大学者对某些具有特定类型的数学模型,都能利用大数定律的思考方式总结其代表性的性质及结论,使得这些类型的数学模型在进行讨论的时候大大简化了繁琐的论证过程,方便了研究.大数定律作为概率论的重要内容,其理论成果相对比较完善,这方面的文章较多,结果也比较完美,但对大数定律的应用问题的推广也是一项非常有价值的研究方向,通过对这些问题的应用推广,不仅能加深对大数定律的理解,而且能使之更为有效的服务于各项知识领域中.下面文中就通过对大数定律的讨论,给出了各大数定律之间的关系,归结出一般性结论.最后列举了一些能用大数定律来解决的实例,希望能通过这些实例,来进一步阐明大数定律在各个分支学科中的重要作用,以及在实际生活中的应用价值,加深大家对大数定律的理解.第二章大数定律2.1大数定律的发展历史概率论与数理统计是研究随机现象的统计规律的科学, 而随机现象的统计规律性只有在相同条件下进行大量重复试验或观察才呈现出来. 从概率的统计定义中可以看出: 一个事件发生的频率具有稳定性, 即随着试验次数的增多, 事件的频率逐渐稳定在某个常数附近. 人们在实践中观察其他一些随机现象时, 也常常会发现大量随机个体的平均效果的稳定性. 这就是说, 无论个别随机个体以及它们在试验进行过程中的个别特征如何, 大量随机个体的平均效果与每一个体的特征无关, 且不再是随机的. 深入考虑后, 人们会提出这样的问题: 稳定性的确切含义是什么? 在什么条件下具有稳定性? 这就是大数定律要研究的问题.1733年，德莫佛—拉普拉斯在分布的极限定理方面走出了根本性的一步，证明了二项分布的极限分布是正态分布。
拉普拉斯改进了他的证明并把二项分布推广为更一般的分布。
1900年，李雅普诺夫进一步推广了他们的结论，并创立了特征函数法。
这类分布极限问题是当时概率论研究的中心问题，卜里耶为之命名“中心极限定理”。
20世纪初，主要探讨使中心极限定理成立的最广泛的条件，二三十年代的林德贝尔格条件和费勒条件是独立随机变量序列情形下的显著进展。
伯努利是第一个研究这一问题的数学家，他于1713年首先提出后人称之为“大数定律”的极限定理。
因此概率论历史上第一个极限定理属于伯努利。
它是概率论与数理统计学的基本定律之一，属于弱大数定律之一，当然也称为伯努利大数定律。
它可以通俗的理解，有些随机事件无规律可循，但不少却是有规律的，这些“有规律的随机事件”中在大量重复出现的条件下，往往呈现几乎必然的统计特性，这个规律就是大数定律。
通俗地说，这个定理就是，在试验不变的条件下，重复试验多次，随机事件的频率近似于它的概率。
例如：在重复投掷一枚硬币的随机试验中，观测投掷n次硬币中出现正面的次数。
不同的n次试验，出现正面的频率（出现正面次数与n之比）可能不同，但当试验的次数n越来越大时，出现正面的频率将大体上逐渐接近于1／2。
频率靠近概率的一种客观存在的，可以直接观察到的现象。
而伯努利给这种现象给予了一种确切的含义。
随着数学的发展，随机变量序列服从大数定律的证明，出现了更多更广泛的大数定律，例如契贝晓夫大数定律，伯努利大数定律就是契贝晓夫大数定律的一个特例。
再到后面，出现独立同分布的辛钦大数定律等常用的大数定律。
2.2 大数定律的定义大数定律使用极限方法研究大量随机现象的统计规律性.人们在长期的实践中发现,频率以及大量测量值的算术平均值具有稳定性,也就是说,无论个别测量值如何,其平均结果实际上与个别测量值的特征无关,几乎不再是随机的了.这种稳定性问题如何从理论上给出解释？这正是大数定律要解决的问题.阐明大量重复试验的平均结果具有稳定性的一系列定理都称为大数定律. 一般的大数定律都涉及一个随机变量序列{n X },为此我们给出如下定义. 定义 2.2.1 设有一随机变量序列{n X },假如对任意的0ε>,有 1111lim ()1n ni i n i i P X E X n n ε→+∞==⎧⎫-<=⎨⎬⎩⎭∑∑ (1.1.1)的性质,则称该随机变量序列{n X }服从大数定律.2.3几个常用的大数定律由于随机变量序列向常数的收敛有多种不同的形式，按其收敛为依概率收敛，以概率1收敛或均方收敛，分别有弱大数定律、强大数定律和均方大数定律。
定义1 设有一列随机变量1,2,ηηη…..，如果对于任意的0ε>，有()lim 1n n P ηηε→∞-<=则称随机变量序列{}n η依概率收敛于η，记作(),p n n ηη−−→→∞。
定义2 设有随机变量η和一列随机变量{}n η ，1,2ηη…..，若(){}lim 1n n P ηωη→∞==成立，则称{}n η几乎处处收敛于η，记作().,a e n n ηη−−→→∞ 定义3 若12,,n ξξξ⋅⋅⋅⋅⋅⋅是随机变量序列,如果存在常数列1,2,a a ⋅⋅⋅,使得对任意的0ε>,有11lim 1n i n n i P a n ξε→∞=⎛⎫-<= ⎪⎝⎭∑ （8）成立,则称随机变量序列{}i ξ满足大数定律.定义4 设有随机变量η和随机变量序列{}n η的r 阶原点矩r E η、r nE η（n=1,2……）存在，其中r>0，若lim 0rn n E ηη→∞-=则称n ηr 次平均收敛到η。
记作 rL n ηη−−→。
此时必有r r n E E ηη=。
当r=2时是常用的二阶矩，2L n ηη−−→称为均方收敛。
定义5 若12,,n ξξξ⋅⋅⋅⋅⋅⋅是随机变量序列，它们的数学期望(1,2,.....)i E i ξ=存在，0ε∀>有 11lim 1n nk k n i i E n n ξξε→∞⎛⎫-<= ⎪⎝⎭∑∑ 则称随机变量序列12,,n ξξξ⋅⋅⋅⋅⋅⋅服从弱大数定律。
定义6 若12,,n ξξξ⋅⋅⋅⋅⋅⋅是随机变量序列，它们的数学期望(1,2,.....)i E i ξ=存在，0ε∀>有()1lim 01n k k n i P E n ξξ→∞⎧⎫-==⎨⎬⎩⎭∑或等价地.110n n a e k k i i E n n ξξ-−−→∑∑， 则称12,,n ξξξ⋅⋅⋅⋅⋅⋅服从强大数定律。
上述两个大数定律要注意，强大数定律和弱大数定律区别不仅仅是一个法则的不同，不能简单的把极限符号lim n →∞从概率号P （）中移出来，弱大数定律描述的是一列概率的收敛性，而强大数定律说的是一列随机变量收敛到一个常数，也正是这点，保证了用事件出现的频率来作为事件概率的估计的正确性。
定理1 对任意的随机变量ξ，若E a ξ=，又D ξ存在，则对任意的正常数ε，有()2D P a ξζεε-≥≤， 则称此式子为契贝晓夫不等式。
粗糙地说，如果D ξ越大，那么()P a ζε-≥也会大一些。
大数定律形式有很多种，我们仅介绍几种最常用的大数定律。
定理2 （伯努利大数定律）设n μ是n 重伯努利实验中事件A 出现的次数，且A 在每次试验中出现的概率为p （0<p<1）,则0ε∀>，有lim 1n n P p n με→∞⎛⎫-<= ⎪⎝⎭（5） 此定理表明：当n 很大时，n 重伯努利试验中事件A 发生的频率几乎等于事件A 在每次试验中发生的概率，这个定律以严格的数学形式刻画了频率的稳定性，因此，在实际应用中，当试验次数很大时，便可以用事件发生的频率来代替事件的概率。
定理3 （契贝晓夫大数定律） 设12,,n ξξξ⋅⋅⋅⋅⋅⋅是一列两两不相关的随机变量,又设它们的方差有界,即存在常数0C >,使有,1,2,3i D C i ξ≤=⋅⋅⋅，则对于任意的0ε>,有1111lim 1n ni i n i i P E n n ξξε→∞==⎛⎫-<= ⎪⎝⎭∑∑ （9） 在上述的定理中，因为用到契贝晓夫不等式，都有对方差的要求，其实方差这个条件并不是必要的。
