概率论与数理统计--第二章解析

第二章随机变量及其分布2.1 随机变量习题1随机变量的特征是什么？解答：①随机变量是定义在样本空间上的一个实值函数.②随机变量的取值是随机的，事先或试验前不知道取哪个值.③随机变量取特定值的概率大小是确定的.习题2试述随机变量的分类.解答：①若随机变量X的所有可能取值能够一一列举出来，则称X为离散型随机变量；否则称为非离散型随机变量.②若X的可能值不能一一列出，但可在一段连续区间上取值，则称X为连续型随机变量.习题3盒中装有大小相同的球10个，编号为0,1,2,⋯,9,从中任取1个，观察号码是“小于5”，“等于5”，“大于5”的情况，试定义一个随机变量来表达上述随机试验结果，并写出该随机变量取每一个特定值的概率.解答：分别用ω1,ω2,ω3表示试验的三个结果“小于5”，“等于5”，“大于5”，则样本空间S={ω1,ω2,ω3},定义随机变量X如下：X=X(ω)={0,ω=ω11,ω=ω2,2,ω=ω3则X取每个值的概率为P{X=0}=P{取出球的号码小于5}=5/10,P{X=1}=P{取出球的号码等于5}=1/10,P{X=2}=P{取出球的号码大于5}=4/10.2.2 离散型随机变量及其概率分布习题1设随机变量X服从参数为λ的泊松分布，且P{X=1}=P{X=2},求λ.解答：由P{X=1}=P{X=2},得λe-λ=λ22e-λ,解得λ=2.习题2设随机变量X的分布律为P{X=k}=k15,k=1,2,3,4,5,试求(1)P{12<X<52;(2)P{1≤X≤3};(3)P{X>3}.解答：(1)P{12<X<52=P{X=1}+P{X=2}=115+215=15;(2)P{≤X≤3}=P{X=1}+P{X=2}+P{X=3}=115+215+315=25;(3)P{X>3}=P{X=4}+P{X=5}=415+515=35.习题3已知随机变量X只能取-1,0,1,2四个值，相应概率依次为12c,34c,58c,716c,试确定常数c,并计算P{X<1∣X≠0}.解答：依题意知，12c+34c+58c+716c=1,即3716c=1,解得c=3716=2.3125.由条件概率知P{X<1∣X≠0}=P{X<1,X≠0}P{X≠0}=P{X=-1}P{X≠0}=12c1-34c=24c-3=26.25=0.32.习题4一袋中装有5只球，编号为1,2,3,4,5.在袋中同时取3只，以X表示取出的3只球中的最大号码，写出随机变量X的分布律.解答：随机变量X的可能取值为3,4,5.P{X=3}=C22⋅1C53=110,P{X=4}=C32⋅1C53=310,P{X=5}=C42⋅1C53=35,所以X的分布律为(1)X的概率分布；(2)P{X≥5};(3)在两次调整之间能以0.6的概率保证生产的合格品数不少于多少?解答：(1)P{X=k}=(1-p)kp=(0.9)k×0.1,k=0,1,2,⋯;(2)P{X≥5}=∑k=5∞P{X=k}=∑k=5∞(0.9)k×0.1=(0.9)5;(3)设以0.6的概率保证在两次调整之间生产的合格品不少于m件，则m应满足P{X≥m}=0.6,即P{X≤m-1}=0.4. 由于P{X≤m-1}=∑k=0m-1(0.9)k(0.1)=1-(0.9)m,故上式化为1-0.9m=0.4,解上式得m≈4.85≈5,因此，以0.6的概率保证在两次调整之间的合格品数不少于5.习题7设某运动员投篮命中的概率为0.6,求他一次投篮时，投篮命中的概率分布.解答：此运动员一次投篮的投中次数是一个随机变量，设为X,它可能的值只有两个，即0和1. X=0表示未投中，其概率为p1=P{X=0}=1-0.6=0.4,X=1表示投中一次，其概率为p2=P{X=1}=0.6.则随机变量的分布律为由于每次取出的产品仍放回去，各次抽取相互独立，下次抽取时情况与前一次抽取时完全相同，所以X的可能取值是所有正整数1,2,⋯,k,⋯.设第k次才取到正品(前k-1次都取到次品),则随机变量X的分布律为P{X=k}=310×310×⋯×310×710=(310)k-1×710,k=1,2,⋯.习题10设随机变量X∼b(2,p),Y∼b(3,p),若P{X≥1}=59,求P{Y≥1}.解答：因为X∼b(2,p),P{X=0}=(1-p)2=1-P{X≥1}=1-5/9=4/9,所以p=1/3.因为Y∼b(3,p),所以P{Y≥1}=1-P{Y=0}=1-(2/3)3=19/27.习题11纺织厂女工照顾800个纺绽，每一纺锭在某一段时间τ内断头的概率为0.005,在τ这段时间内断头次数不大于2的概率.解答：以X记纺锭断头数，n=800,p=0.005,np=4,应用泊松定理，所求概率为：P{0≤X≤2}=P{⋃0≤xi≤2{X=xi}=∑k=02b(k;800,0.005)≈∑k=02P(k;4)=e-4(1+41!+422!)≈0.2381.习题12设书籍上每页的印刷错误的个数X服从泊松分布，经统计发现在某本书上，有一个印刷错误与有两个印刷错误的页数相同，求任意检验4页，每页上都没有印刷错误的概率.解答：\becauseP{X=1}=P{X=2},即λ11!e-λ=λ22!e-λ⇒λ=2,∴P{X=0}=e-2,∴p=(e-2)4=e-8.2.3 随机变量的分布函数习题1F(X)={0,x<-20.4,-2≤x<01,x≥0,是随机变量X的分布函数，则X是___________型的随机变量. 解答：离散.由于F(x)是一个阶梯函数，故知X是一个离散型随机变量.习题2设F(x)={0x<0x20≤1,1x≥1问F(x)是否为某随机变量的分布函数.解答：首先，因为0≤F(x)≤1,∀x∈(-∞,+∞).其次，F(x)单调不减且右连续，即F(0+0)=F(0)=0,F(1+0)=F(1)=1,且F(-∞)=0,F(+∞)=1,所以F(x)是随机变量的分布函数.习题3已知离散型随机变量X的概率分布为P{X=1}=0.3,P{X=3}=0.5,P{X=5}=0.2,试写出X的分布函数F(x)，并画出图形.解答：由题意知X的分布律为：试求：(1)系数A与B;(2)X落在(-1,1]内的概率.解答：(1)由于F(-∞)=0,F(+∞)=1,可知{A+B(-π2)A+B(π2)=1=0⇒A=12,B=1π,于是F(x)=12+1πarctanx,-∞<x<+∞;(2)P{-1<X≤1}=F(1)-F(-1)=(12+1πarctan1)-[12+1πarctanx(-1)]=12+1π⋅π4-12-1π(-π4)=12.习题7在区间[0,a]上任意投掷一个质点，以X表示这个质点的坐标.设这个质点落在[0,a]中任意小区间内的概率与这个小区间的长度成正比例，试求X的分布函数.解答：F(x)=P{X≤x}={0,x<0xa,0≤x<a.1,x≥a2.4 连续型随机变量及其概率密度习题1设随机变量X的概率密度为f(x)=12πe-(x+3)24(-∞<x<+∞),则Y=¯∼N(0,1).解答：应填3+X2.由正态分布的概率密度知μ=-3,σ=2由Y=X-μσ∼N(0,1),所以Y=3+X2∼N(0,1).习题2已知X∼f(x)={2x,0<x<10,其它,求P{X≤0.5};P{X=0.5};F(x).解答：P{X≤0.5}=∫-∞0.5f(x)dx=∫-∞00dx+∫00.52xdx=x2∣00.5=0.25,P{X=0.5}=P{X≤0.5}-P{X<0.5}=∫-∞0.5f(x)dx-∫-∞0.5f(x)dx=0.当X≤0时，F(x)=0;当0<x<1时，F(x)=∫-∞xf(t)dt=∫-∞00dt+∫0x2tdt=t2∣0x=x2;当X≥1时，F(x)=∫-∞xf(t)dt=∫-∞00dt+∫0x2tdt+∫1x0dt=t2∣01=1,故F(x)={0,x≤0x2,0<x<1.1,x≥1习题3设连续型随机变量X的分布函数为F(x)={A+Be-2x,x>00,x≤0,试求：(1)A,B的值；(2)P{-1<X<1};(3)概率密度函数F(x).解答：(1)\becauseF(+∞)=limx→+∞(A+Be-2x)=1,∴A=1;又\becauselimx→0+(A+Be-2x)=F(0)=0,∴B=-1.(2)P{-1<X<1}=F(1)-F(-1)=1-e-2.(3)f(x)=F′(x)={2e-x,x>00,x≤0.习题4服从拉普拉斯分布的随机变量X的概率密度f(x)=Ae-∣x∣,求系数A及分布函数F(x).解答：由概率密度函数的性质知，∫-∞+∞f(x)dx=1,即∫-∞+∞Ae-∣x∣dx=1,而∫-∞+∞Ae-∣x∣dx=∫-∞0Aexdx+∫0+∞Ae-xdx=Aex∣-∞0+(-Ae-x∣0+∞)=A+A=2A或∫-∞+∞Ae-xdx=2∫0+∞Ae-xdx=-2Ae-x∣0+∞=2A,所以2A=1,即A=1/2.从而f(x)=12e-∣x∣,-∞<x<+∞,又因为F(x)=∫-∞xf(t)dt,所以当x<0时，F(x)=∫-∞x12e-∣t∣dt=12∫-∞xetdt=12et∣-∞x=12ex;当x≥0时，F(x)=∫-∞x12e-∣x∣dt=∫-∞012etdt+∫0x12e-tdt=12et∣-∞0-12e-t∣0x=12-12e-x+12=1-12e-x,从而F(x)={12ex,x<01-12e-x,x≥0.习题5某型号电子管，其寿命(以小时计)为一随机变量，概率密度f(x)={100x2,x≥1000,其它,某一电子管的使用寿命为X,则三个电子管使用150小时都不需要更换的概率.解答：设电子管的使用寿命为X,则电子管使用150小时以上的概率为P{X>150}=∫150+∞f(x)dx=∫150+∞100x2dx=-100x∣150+∞=100150=23,从而三个电子管在使用150小时以上不需要更换的概率为p=(2/3)3=8/27.习题6设一个汽车站上，某路公共汽车每5分钟有一辆车到达，设乘客在5分钟内任一时间到达是等可能的，试计算在车站候车的10位乘客中只有1位等待时间超过4分钟的概率.解答：设X为每位乘客的候车时间，则X服从[0,5]上的均匀分布. 设Y表示车站上10位乘客中等待时间超过4分钟的人数. 由于每人到达时间是相互独立的.这是10重伯努力概型. Y服从二项分布，其参数n=10,p=P{X≥4}=15=0.2,所以P{Y=1}=C101×0.2×0.89≈0.268.习题7设X∼N(3,22).(1)确定C,使得P{X>c}=P{X≤c};(2)设d满足P{X>d}≥0.9,问d至多为多少?解答：因为X∼N(3,22),所以X-32=Z∼N(0,1).(1)欲使P{X>c}=P{X≤c},必有1-P{X≤c}=P{X≤c},即P{X≤c}=1/2,亦即Φ(c-32)=12,所以c-3=0,故c=3.(2)由P{X>d}≥0.9可得1-P{X≤d}≥0.9,即P{X≤d}≤0.1.于是Φ(d-32)≤0.1,Φ(3-d2)≥0.9.查表得3-d2≥1.282,所以d≤0.436.习题8设测量误差X∼N(0,102),先进行100次独立测量，求误差的绝对值超过19.6的次数不小于3的概率.解答：先求任意误差的绝对值超过19.6的概率p,p=P{∣X∣>19.6}=1-P{∣X∣≤19.6}=1-P{∣X10∣≤1.96=1-[Φ(1.96)-Φ(-1.96)]=1-[2Φ(1.96)-1]=1-[2×0.975-1]=1-0.95=0.05.设Y为100次测量中误差绝对值超过19.6的次数，则Y∼b(100,0.05).因为n很大，p很小，可用泊松分布近似，np=5=λ,所以P{Y≥3}≈1-50e-50!-51e-51!-52e-52!=1-3722-5≈0.87.习题9某玩具厂装配车间准备实行计件超产奖，为此需对生产定额作出规定. 根据以往记录，各工人每月装配产品数服从正态分布N(4000,3600).假定车间主任希望10%的工人获得超产奖，求：工人每月需完成多少件产品才能获奖？解答：用X表示工人每月需装配的产品数，则X∼N(4000,3600).设工人每月需完成x件产品才能获奖，依题意得P{X≥x}=0.1,即1-P{X<x}=0.1,所以1-F(x)=0.1,即1-Φ(x-400060)=0.1,所以Φ(x-400060)=0.9.查标准正态人分布表得Φ(1.28)=0.8997,因此x-400060≈1.28,即x=4077件，就是说，想获超产奖的工人，每月必须装配4077件以上.习题10某地区18岁女青年的血压(收缩压，以mm-HG计)服从N(110,122).在该地区任选一18岁女青年，测量她的血压X.(1)求P{X≤105},P{100<X≤120};(2)确定最小的x,使P{X>x}≤0.005.解答：已知血压X∼N(110,122).(1)P{X≤105}=P{X-11012≤-512≈1-Φ(0.42)=0.3372,P{100<X≤120}=Φ(120-11012)-Φ(100-11012)=Φ(0.833)-Φ(-0.833)=2Φ(0.833)-1≈0.595.(2)使P{X>x}≤0.05,求x,即1-P{X≤x}≤0.05,亦即Φ(x-11012)≥0.95,查表得x-10012≥1.645,从而x≥129.74.习题11设某城市男子身高X∼N(170,36),问应如何选择公共汽车车门的高度使男子与车门碰头的机会小于0.01.解答：X∼N(170,36),则X-1706∼N(0,1).设公共汽车门的高度为xcm，由题意P{X>x}<0.01,而P{X>x}=1-P{X≤x}=1-Φ(x-1706)<0.01,即Φ(x-1706)>0.99,查标准正态表得x-1706>2.33,故x>183.98cm.因此，车门的高度超过183.98cm时，男子与车门碰头的机会小于0.01.习题12某人去火车站乘车，有两条路可以走. 第一条路程较短，但交通拥挤，所需时间(单位：分钟)服从正态分布N(40,102);第二条路程较长，但意外阻塞较少，所需时间服从正态分布N(50,42),求：(1)若动身时离开车时间只有60分钟，应走哪一条路线？(2)若动身时离开车时间只有45分钟，应走哪一条路线？解答：设X,Y分别为该人走第一、二条路到达火车站所用时间，则X∼N(40,102),Y∼N(50,42).哪一条路线在开车之前到达火车站的可能性大就走哪一条路线.(1)因为P{X<60}=Φ(60-4010)=Φ(2)=0.97725,P{Y<60}=Φ(60-504)=Φ(2.5)=0.99379,所以有60分钟时应走第二条路.(2)因为P{X<45}=Φ(45-4010)=Φ(0.5)=0.6915,P{X<45}=Φ(45-504)=Φ(-1.25)=1-Φ(1.25)=1-0.8925=0.1075所以只有45分钟应走第一条路.2.5 随机变量函数的分布习题1已知X的概率分布为Y-101P2*******习题3设随机变量X服从[a,b]上的均匀分布，令Y=cX+d(c≠0),试求随机变量Y的密度函数. 解答：fY(y)={fX(y-dc)⋅1∣c∣,a≤y-dc≤b0,其它,当c>0时，fY(y)={1c(b-a),ca+d≤y≤cb+d0,其它,当c<0时，fY(y)={-1c(b-a),cb+d≤y≤ca+d0,其它.习题4设随机变量X服从[0,1]上的均匀分布，求随机变量函数Y=eX的概率密度fY(y).解答：f(x)={1,0≤x≤10,其它,f=ex,x∈(0,1)是单调可导函数，y∈(1,e),其反函数为x=lny,可得f(x)={fX(lny)∣ln′y,1<y<e0,其它={1y,1<y<e0,其它.习题5设X∼N(0,1)，求Y=2X2+1的概率密度.解答：因y=2x2+1是非单调函数，故用分布函数法先求FY(y).FY(y)=P{Y≤y}=P{2X2+1≤y}(当y>1时)=P{-y-12≤X≤y-12=∫-y-12y-1212πe-x2dx,所以fY(y)=F′Y(y)=22πe-12⋅y-12⋅122y-1,y>1,于是fY(y)={12π(y-1)e-y-14,y>10,y≤1.习题6设连续型随机变量X的概率密度为f(x),分布函数为F(x),求下列随机变量Y的概率密度：(1)Y=1X;(2)Y=∣X∣.解答：(1)FY(y)=P{Y≤y}=P{1/X≤y}.①当y>0时，FY(y)=P{1/X≤0}+P{0<1/X≤y}=P{X≤0}+P{X≥1/y}=F(0)+1-F(1/y),故这时fY(y)=[-F(1y)]′=1y2f(1y);；②当y<0时，FY(y)=P{1/y≤X<0}=F(0)-F(1/y),故这时fY(y)=1y2f(1y);③当y=0时，FY(y)=P{1/X≤0}=P{X<0}=F(0),故这时取fY(0)=0,综上所述fY(y)={1y2⋅f(1y),y≠00,y=0.(2)FY(y)=P{Y≤y}=P{∣X∣≤y}.①当y>0时，FY(y)=P{-y≤X≤y}=F(y)-F(-y)这时fY(y)=f(y)+f(-y);②当y<0时，FY(y)=P{∅}=0,这时fY(y)=0;③当y=0时，FY(y)=P{Y≤0}=P{∣X∣≤0}=P{X=0}=0,故这时取FY(y)=0,综上所述fY(y)={f(y)+f(-y),y>00,y≤0.习题7某物体的温度T(∘F)是一个随机变量, 且有T∼N(98.6,2),已知θ=5(T-32)/9,试求θ(∘F)的概率密度.解答：已知T∼N(98.6,2).θ=59(T-32),反函数为T=59θ+32,是单调函数，所以fθ(y)=fT(95y+32)⋅95=12π⋅2e-(95y+32-98.6)24⋅95=910πe-81100(y-37)2.习题8设随机变量X在任一区间[a,b]上的概率均大于0,其分布函数为FY(x),又Y在[0,1]上服从均匀分布，证明:Z=FX-1(Y)的分布函数与X的分布函数相同.解答：因X在任一有限区间[a,b]上的概率均大于0,故FX(x)是单调增加函数，其反函数FX-1(y)存在，又Y在[0,1]上服从均匀分布，故Y的分布函数为FY(y)=P{Y≤y}={0,y<0y,0≤y≤11,y>0,于是，Z的分布函数为FZ(z)=P{Z≤z}=P{FX-1(Y)≤z}=P{Y≤FX(z)}={0,FX(z)<0FX(z),0≤FX(z)≤1,1,FX(z)>1由于FX(z)为X的分布函数，故0≤FX(z)≤1.FX(z)<0和FX(z)>1均匀不可能，故上式仅有FZ(z)=FX(z),因此，Z与X的分布函数相同.总习题解答习题1从1∼20的整数中取一个数，若取到整数k的概率与k成正比，求取到偶数的概率.解答：设Ak为取到整数k,P(Ak)=ck,k=1,2,⋯,20.因为P(⋃K=120Ak)=∑k=120P(Ak)=c∑k=120k=1，所以c=1210,P{取到偶数}=P{A2∪A4∪⋯∪A20}=1210(2+4+⋯+20)=1121.习题2若每次射击中靶的概率为0.7,求射击10炮,(1)命中3炮的概率;(2)至少命中3炮的概率;(3)最可能命中几炮.解答：若随机变量X表示射击10炮中中靶的次数. 由于各炮是否中靶相互独立，所以是一个10重伯努利概型，X服从二项分布，其参数为n=10,p=0.7,故(1)P{X=3}=C103(0.7)3(0.3)7≈0.009;(2)P{X≥3}=1-P{X<3}=1-[C100(0.7)0(0.3)10+C101(0.7)1(0.3)9+C102(0.7)2(0.3)8]≈0.998;(3)因X∼b(10,0.7),而k0=[(n+1)p]=[(10+1)]×0.7=[7.7]=7,故最可能命中7炮.习题3在保险公司里有2500名同一年龄和同社会阶层的人参加了人寿保险，在1年中每个人死亡的概率为0.002，每个参加保险的人在1月1日须交120元保险费，而在死亡时家属可从保险公司里领20000元赔偿金，求:(1)保险公司亏本的概率;(2)保险公司获利分别不少于100000元, 200000元的概率.解答：(1)以“年”为单位来考虑，在1年的1月1日，保险公司总收入为2500×120元=30000元.设1年中死亡人数为X,则X∼b(2500,0.002),则保险公司在这一年中应付出200000X(元)，要使保险公司亏本，则必须200000X>300000即X>15(人).因此，P{保险公司亏本}=P{X>15}=∑k=162500C2500k(0.002)k×(0.998)2500-k≈1-∑k=015e-55kk!≈0.000069,由此可见,在1年里保险公司亏本的概率是很小的.(2)P{保险公司获利不少于100000元}=P{300000-200000X≥100000}=P{X≤10}=∑k=010C2500k(0.002)×(0.998)2500-k≈∑k=010e-55kk!≈0.986305,即保险公司获利不少于100000元的概率在98%以上.P{保险公司获利不少于200000元}=P{300000-200000X≥200000}=P{X≤5}=∑k=05C2500k(0.002)k×(0.998)2500-k≈∑k=05e-55kk!≈0.615961,即保险公司获利不少于200000元的概率接近于62%.习题4一台总机共有300台分机，总机拥有13条外线，假设每台分机向总机要外线的概率为3%, 试求每台分机向总机要外线时，能及时得到满足的概率和同时向总机要外线的分机的最可能台数.解答：设分机向总机要到外线的台数为X, 300台分机可看成300次伯努利试验，一次试验是否要到外线. 设要到外线的事件为A,则P(A)=0.03,显然X∼b(300,0.03),即P{X=k}=C300k(0.03)k(0.97)300-k(k=0,1,2,⋯,300),因n=300很大，p=0.03又很小,λ=np=300×0.03=9,可用泊松近似公式计算上面的概率. 因总共只有13条外线，要到外线的台数不超过13，故P{X≤13}≈∑k=0139kk!e-9≈0.9265,(查泊松分布表)且同时向总机要外线的分机的最可能台数k0=[(n+1)p]=[301×0.03]=9.习题5在长度为t的时间间隔内，某急救中心收到紧急呼救的次数X服从参数t2的泊松分布，而与时间间隔的起点无关(时间以小时计),求：(1)某一天从中午12至下午3时没有收到紧急呼救的概率；(2)某一天从中午12时至下午5时至少收到1次紧急呼救的概率.解答：(1)t=3,λ=3/2,P{X=0}=e-3/2≈0.223;X-101pi1/22-13/2-2(2)由F(x)=P{X≤x}计算X的分布函数F(x)={0,1/2,2-1/2,1,x<-1-1≤x<00≤x<0x≥1.习题7设随机变量X的分布函数F(x)为F(x)={0,x<0Asinx,0≤x≤π/2,1,x>π/2则A=¯,P{∣X∣<π/6}=¯.解答：应填1;1/2.由分布函数F(x)的右连续性，有F(π2+0)=F(π2)⇒A=1.因F(x)在x=π6处连续，故P{X=π6=12,于是有P{∣X∣<π6=P{-π6<X<π6=P{-π6<X≤π6=F(π6)-F(-π6)=12..习题8使用了x小时的电子管，在以后的Δx小时内损坏的概率等于λΔx+o(Δx),其中λ>0是常数，求电子管在损坏前已使用时数X的分布函数F(x)，并求电子管在T小时内损坏的概率.解答：因X的可能取值充满区间(0,+∞),故应分段求F(x)=P{X≤x}.当x≤0时，F(x)=P{X≤x}=P(∅)=0;当x>0时，由题设知P{x<X≤x+Δx/X}=λΔx+o(Δx),而P{x<X≤x+Δx/X}=P{x<X≤x+Δx,X>x}P{X>x}=P{x<X≤x+Δx}1-P{X≤x}=F(x+Δx)-F(x)1-F(x),故F(X+Δx)-F(x)1-F(x)=λΔx+o(Δx),即F(x+Δx)-F(x)Δx=[1-F(x)][λ+o(Δx)Δx],令o(Δx)→0,得F′(x)=λ[1-F(x)].这是关于F(x)的变量可分离微分方程，分离变量dF(x)1-F(x)=λdx,积分之得通解为C[1-F(x)]=e-λx(C为任意常数).注意到初始条件F(0)=0,故C=1.于是F(x)=1-e-λx,x>0,λ>0,故X的分布函数为F(x)={0,x≤01-e-λx,x>0(λ>0),从而电子管在T小时内损坏的概率为P{X≤T}=F(T)=1-e-λT.习题9设连续型随机变量X的分布密度为f(x)={x,0<x≤12-x,1<x≤20,其它,求其分布函数F(x).解答：当x≤0时，F(x)=∫-∞x0dt=0;当0<x≤1时，F(x)=∫-∞xf(t)dt=∫-∞00tdt+∫0xtdt=12x2;当1<x≤2时，F(x)=∫-∞xf(t)dt=∫-∞00dt+∫01tdt+∫1x(2-t)dt=0+12+(2t-12t2)∣1x=-1+2x-x22;当x>2时，F(x)=∫-∞00dt+∫01tdt+∫12(2-t)dt+∫2x0dt=1,故F(x)={0,x≤212x2,0<x≤1-1+2x-x22,1<x≤21,x>2.习题10某城市饮用水的日消费量X(单位：百万升)是随机变量，其密度函数为：f(x)={19xe-x3,x>00,其它,试求：(1)该城市的水日消费量不低于600万升的概率；(2)水日消费量介于600万升到900万升的概率.解答：先求X的分布函数F(x).显然，当x<0时，F(x)=0,当x≥0时有F(x)=∫0x19te-t3dt=1-(1+x3)e-x3故F(x)={1-(1+x3)e-x3,x≥00,x<0,所以P{X≥6}=1-P{X<6}=1-P(X≤6}=1-F(6)=1-[1-(1+x3)e-x3]x=6=3e-2,P{6<X≤9}=F(9)-F(6)=(1-4e-3)-(1-3e-2)=3e-2-4e-3.习题11已知X∼f(x)={cλe-λx,x>a0,其它(λ>0),求常数c及P{a-1<X≤a+1}.解答：由概率密度函数的性质知∫-∞+∞f(x)dx=1,而∫-∞+∞f(x)dx=∫-∞a0dx+∫a+∞cλe-λxdx=c∫a+∞e-λxd(λx)=-ce-λx\vlinea+∞=ce-λa,所以ce-λa=1,从而c=eλa.于是P{a-1<X≤a+1}=∫a-1a+1f(x)dx=∫a-1a0dx+∫aa+1λeλae-λxdx=-eλae-λx\vlineaa+1=-eλa(e-λ(a+1)-e-λa)=1-e-λ.注意，a-1<a,而当x<a时，f(x)=0.习题12已知X∼f(x)={12x2-12x+3,0<x<10,其它,计算P{X≤0.2∣0.1<X≤0.5}.解答：根据条件概率;有P{X≤0.2∣0.1<X≤0.5}=P{X≤0.2,0.1<X≤0.5}P{0.1<X≤0.5}=P{0.1<X≤0.2}P{0.1<X≤0.5}=∫0.10.2(12x2-12x+2)dx∫0.10.5(12x2-12x+3)dx=(4x3-6x2+3x)∣0.10.2(4x3-6x2+3x)∣0.10.5=0.1480.256=0.578125.习题13若F1(x),F2(x)为分布函数，(1)判断F1(x)+F2(x)是不是分布函数，为什么？(2)若a1,a2是正常数，且a1+a2=1.证明：a1F1(x)+a2F2(x)是分布函数.解答：(1)F(+∞)=limx→+∞F(x)=limx→+∞F1(x)+limx→+∞F2(x)=1+1=2≠1故F(x)不是分布函数.(2)由F1(x),F2(x)单调非减，右连续，且F1(-∞)=F2(-∞)=0,F1(+∞)=F2(+∞)=1,可知a1F1(x)+a2F2(x)单调非减，右连续，且a1F1(-∞)+a2F2(-∞)=0,a1F1(+∞)+a2F2(+∞)=1.从而a1F1(x)+a2F2(x)是分布函数.习题14设随机变量X的概率密度ϕ(x)为偶函数，试证对任意的a>0,分布函数F(x)满足：(1)F(-a)=1-F(a);(2)P{∣X∣>a}=2[1-F(a)].解答：(1)F(-a)=∫-∞-aϕ(x)dx=∫a+∞ϕ(-t)dt=∫a+∞ϕ(x)dx=1-∫-∞aϕ(x)dx=1-F(a).(2)P{∣X∣>a}=P{X<-a}+P{X>a}=F(-a)+P{X≥a}F(-a)+1-F(a)=2[1-F(a)].习题15设K在(0,5)上服从均匀分布，求x的方程4x2+4Kx+K+2=0有实根的概率.解答：因为K∼U(0,5),所以fK(k)={1/5,0<k<50,其它,方程4x2+4Kx+K+2=0有实根的充要条件为(4K)2-4⋅4(K+2)≥0,即K2-K-2≥0,亦即(k-2)(K+1)≥0,解得K≥2(K≤-1舍去),所以P{方程有实根}=P{K≥2}=∫2515dx=35.习题16某单位招聘155人，按考试成绩录用，共有526人报名，假设报名者考试成绩X∼N(μ,σ2), 已知90分以上12人，60分以下83人，若从高分到低分依次录取，某人成绩为78分，问此人是否能被录取？解答：要解决此问题首先确定μ,σ2, 因为考试人数很多，可用频率近似概率.根据已知条件P{X>90}=12/526≈0.0228,P{X≤90}=1-P{X>90}≈1-0.0228}=0.9772;又因为P{X≤90}=P{X-μσ≤90-μσ, 所以有Φ(90-μσ)=0.9772, 反查标准正态表得90-μσ=2 ①同理：P{X≤60}=83/526≈0.1578; 又因为P{X≤60}=P{X-μσ≤60-μσ,故Φ(60-μσ)≈0.1578.因为0.1578<0.5,所以60-μσ<0, 故Φ(μ-60σ)≈1-0.1578=0.8422, 反查标准正态表得μ-60σ≈1.0 ②联立①，②解得σ=10,μ=70, 所以，X∼N(70,100).某人是否能被录取，关键看录取率. 已知录取率为155526≈0.2947, 看某人是否能被录取，解法有两种：方法1：P{X>78}=1-P{X≤78}=1-P{x-7010≤78-7010=1-Φ(0.8)≈1-0.7881=0.2119,因为0.2119<0.2947(录取率), 所以此人能被录取.方法2：看录取分数线. 设录取者最低分为x0, 则P{X≥x0}=0.2947(录取率),P{X≤x0}=1-P{X≥x0}=1-0.2947=0.7053,P{X≤x0}=P{x-7010≤x0-7010=Φ{x0-7010=0.7053,反查标准正态表得x0-7010≈0.54, 解得x0≈75. 此人成绩78分高于最低分，所以可以录取. 习题17假设某地在任何长为t(年)的时间间隔内发生地震的次数N(t)服从参数为λ=0.1t的泊松分布，X表示连续两次地震之间间隔的时间(单位：年).(1)证明X服从指数分布并求出X的分布函数；(2)求今后3年内再次发生地震的概率；(3)求今后3年到5年内再次发生地震的概率.解答：(1)当t≥0时，P{X>t}=P{N(t)=0}=e-0.1t,∴F(t)=P{X≤t}=1-P{X>t}=1-e-0.1t;当t<0时，F(t)=0,∴F(x)={1-e-0.1t,x≥00,x<0,X服从指数分布(λ=0.1);(2)F(3)=1-e-0.1×3≈0.26;(3)F(5)-F(3)≈0.13.习题18100件产品中，90个一等品，10个二等品，随机取2个安装在一台设备上，若一台设备中有i个(i=0,1,2)二等品，则此设备的使用寿命服从参数为λ=i+1的指数分布.(1)试求设备寿命超过1的概率；(2)已知设备寿命超过1，求安装在设备上的两个零件都是一等品的概率.解答：(1)设X表示设备寿命. A表示“设备寿命超过1”，Bi表示“取出i个二等品”(i=0,1,2)，则X的密度函数为fX(x)={λe-λx,x>00,x≤0 (λ=i+1,i=0,1,2),P(B0)=C902C1002, P(B1)=C901C102C1002, P(B2)=C102C1002,P(A∣B0)=∫1+∞e-xdx=e-1,P(A∣B1)=∫1+∞2e-2xdx=e-2,P(A∣B2)=∫1+∞3e-3xdx=e-3,由全概率公式：P(A)=∑i=02P(Bi)P(A∣Bi)≈0.32.(2)由贝叶斯公式：P(B0∣A)=P(B0)P(A∣B0)P(A)≈0.93.习题19设随机变量X的分布律为由定理即得fY(x)={0,y<3(y-32)3e-(y-32),y≥3.习题21设随机变量X的概率密度fX(x)={e-x,x>00,其它,求Y=eX的概率密度.解答：因为α=min{y(0),y(+∞)}=min{1,+∞}=1,β=max{y(0),y(+∞)}=max{1,+∞}=+∞.类似上题可得fY(y)={fX[h(y)]∣h′(y)∣,1<y<+∞0,其它={1/y2,1<y<+∞0,其它.习题22设随便机变量X的密度函数为fX(x)={1-∣x∣,-1<x<10,其它,求随机变量Y=X2+1的分布函数与密度函数.解答：X的取值范围为(-1,1),则Y的取值范围为[1,2).当1≤y<2时，FY(y)=P{Y≤y}=P{X2+1≤y}=P{-Y-1≤x≤y-1}=∫-y-1y-1(1-∣x∣)dx=2∫0y-1(1-x)dx=1-(1-y-1)2,从而Y的分布函数为FY(y)={0,y<11-(1-y-1)2,1≤y<2,1,其它Y的概率密度为fY(y)={1y-1-1,1<y<20,其它.。

第2章一维随机变量 习题2一. 填空题：1.设 离 散 型 随 机 变 量 ξ 的 分 布 函 数 是 (){}x P x F ≤=ξ， 则 用 F (x) 表 示 概 {}0x P =ξ = __________。

解：()()000--x F x F 2.设 随 机 变 量 ξ 的 分 布 函 数 为 ()()+∞<<∞-+=x arctgx x F π121 则 P{ 0<ξ<1} = ____14_____。

解： P{ 0<ξ<1} = =-)0(F )1(F 143.设 ξ 服 从 参 数 为 λ 的 泊 松 分 布 ， 且 已 知 P{ ξ = 2 } = P{ ξ = 3 }，则 P{ ξ = 3 }= ___2783e - 或 3.375e -3____。

4.设 某 离 散 型 随 机 变 量 ξ 的 分 布 律 是 {}⋅⋅⋅===,2,1,0,!k k C k P Kλξ，常 数 λ>0， 则 C 的 值 应 是 ___ e -λ_____。

解：{}λλλλξ-∞=∞=∞==⇒=⇒=⇒=⇒==∑∑∑e C Ce k C k Ck P KK KK K 11!1!105 设 随 机 变 量 ξ 的 分 布 律 是 {}4,3,2,1,21=⎪⎭⎫⎝⎛==k A k P kξ则 ⎭⎬⎫⎩⎨⎧<<2521ξP = 0.8 。

解：()A A k P k 161516181412141=⎪⎭⎫ ⎝⎛+++==∑=ξ 令15161A = 得 A =1615()()212521=+==⎪⎭⎫ ⎝⎛<<ξξξp p P 8.041211516=⎥⎦⎤⎢⎣⎡+=6.若 定 义 分 布 函 数 (){}x P x F ≤=ξ， 则 函 数 F(x)是 某 一 随 机 变 量 ξ 的 分 布 函 数 的 充 要 条 件 是F ( x ) 单 调 不 减 ， 函 数 F (x) 右 连 续 ， 且 F (- ∞ ) = 0 ， F ( + ∞ ) = 17. 随机变量) ,a (N ~2σξ，记{}σ<-ξ=σa P )(g ，则随着σ的增大，g()σ之值 保 持 不 变 。

概率论与数理统计第二章笔记一、引言概率论与数理统计是数学中的一个重要分支，它研究的是随机现象的规律性和统计规律性。

在第二章中，我们将深入探讨随机变量及其分布，以及随机变量的数字特征。

二、随机变量及其分布1. 随机变量的定义及分类在概率论与数理统计中，随机变量是描述随机现象数值特征的变量。

根据随机变量可取的值的性质，可以分为离散随机变量和连续随机变量。

离散随机变量只取有限个或无限可数个值，而连续随机变量则可以取在一定范围内的任意一个值。

2. 随机变量的分布及特征随机变量的分布是描述其取值的概率规律。

对于离散随机变量，常见的分布包括二项分布、泊松分布等；对于连续随机变量，则有均匀分布、正态分布等。

通过对随机变量的分布进行分析，可以推导出其数字特征，如均值、方差等。

三、随机变量数字特征1. 随机变量数字特征的意义随机变量的数字特征是对其分布的定量描述，包括均值、方差、标准差等。

这些数字特征可以帮助我们更直观地理解随机变量的分布规律，从而作出合理的推断和决策。

2. 随机变量数字特征的计算对于离散随机变量，其均值、方差的计算可通过对其分布进行加权平均；对于连续随机变量，则需要进行积分计算。

这些计算方法在实际问题中起着重要作用，例如在风险评估、市场预测等方面的应用。

四、总结和回顾概率论与数理统计第二章主要介绍了随机变量及其分布，以及随机变量的数字特征。

通过对离散和连续随机变量的分类和分布进行深入讨论，我们对随机现象的规律性有了更清晰的认识。

通过数字特征的计算，我们可以更准确地描述和解释随机现象的规律，为实际问题的分析和决策提供了有力工具。

个人观点和理解在学习概率论与数理统计第二章的过程中，我深刻认识到随机变量和其分布对于随机现象的定量分析至关重要。

通过对数字特征的计算，我们可以更准确地描述和解释随机现象的规律，这对于我在日常生活和工作中的决策和分析将有着实质性的帮助。

结论概率论与数理统计第二章所介绍的内容为我们提供了深入了解随机现象规律性的基础，并且为日后的学习和实践奠定了坚实的基础。

第二章 随机变量及其分布上一章研究内容： 事件（集合A ）→ 概率（数）．本章将用函数研究概率，函数是数与数的关系，即需要用数反映事件——随机变量．事件（数）→ 概率（数）．§2.1 随机变量及其分布2.1.1.随机变量的概念随机试验的样本点有些是定量的：如掷骰子掷出的点数，电子元件使用寿命的小时数．有些是定性的：如掷硬币正面或反面，检查产品合格或不合格．对于定性的结果也可以规定其数量性质：如掷硬币，正面记为1，反面记为0；检查产品，合格记为1，不合格记为0．随机试验中，可将每一个样本点ω 都对应于一个实数X (ω)，称为随机变量（Random Variable ），常用大写英文字母X , Y , Z 等表示随机变量，而随机变量的具体取值通常记为小写英文字母x , y , z ．对于随机变量首先应掌握它的全部可能取值：如掷硬币，⎩⎨⎧=反面正面,0,1X ，X 的全部可能取值为0, 1；掷两枚骰子，X 表示掷出的点数之和，X 的全部可能取值为2, 3, 4, … , 12 ；观察某商店一小时内的进店人数X ，X 的全部可能取值为0, 1, 2, … ；电子元件使用寿命，用X 表示使用的小时数，X 的全部可能取值为 ),0[∞+； 一场足球比赛（90分钟），用X 表示首次进球时间（分钟），若为0:0，记X = 100，X 的全部可能取值为 (0, 90 )∪{100}；注意：1. 每个样本点都必须对应于一个实数，2．不同样本点可以对应于同一个实数，3．随机变量的每一取值或取值范围都表示一个事件．应掌握将随机变量的取值或取值范围描述为事件，又能将事件用随机变量表达的方法． 例 掷一枚骰子，用X 表示出现的点数，则 X = 1表示出现1点；X > 4表示点数大于4，即出现5点或6点；X ≤ 0为不可能事件．又出现奇数点，即X = 1, 3, 5；点数不超过3，即X ≤ 3． 例 X 表示商店一天中某商品的销售件数（顾客的需求件数）， 则 X = 0表示没有销售；X ≤ 10表示销售不超过10件．又销售5件以上（不含5件）即X > 5；若该商店准备了a 件该商品，事件“能满足顾客需要”，即X ≤ a ． 例 X 表示一只电子元件的使用寿命（小时）， 则 X = 1000表示该元件恰好使用了1000小时，X ≥ 800表示该元件使用寿命在800小时以上． 例 90分钟足球比赛，X 表示首次进球时间（分钟），且0:0时，记X = 100， 则 X = 10表示上半场第10分钟首次进球．又上半场不进球即X > 45；开场1分钟内进球即X ≤ 1．如果随机变量X 的全部可能取值是有限个或可列个，则称为离散型随机变量．（注：可列个即可以排成一列，一个一个往下数，如非负整数0, 1, 2, 3, … ）离散型随机变量的全部可能取值是实数轴上一些离散的点，而连续型随机变量的全部可能取值是实数轴上一个区间或多个区间的并，如电子元件使用寿命X （小时），全部可能取值是),0[∞+．下面按离散型和连续型分别进行讨论．2.1.2. 离散随机变量的概率分布列对于随机变量还应该掌握它的每一取值或取值范围表示事件的概率．定义 如果随机变量X 的全部可能取值是有限个或可列个，则称为离散型随机变量．设离散型随机变量X 的全部可能取值为x 1, x 2, …, x k , …，则X 取值x k 的概率p k = p (x k ) = P {X = x k }, k = 1, 2, …… 称为离散型随机变量的概率分布函数（Probability Distribution Function ，PDF ），简称概率分布或概率函数．直观上，又写为L LLL)()()(2121k kx p x p x p Px x x X 或 ⎟⎟⎠⎞⎜⎜⎝⎛L L L L)()()(~2121k k x p x p x p x x x X ， 称为X 的概率分布列．如掷一枚骰子，X 表示出现的点数，X 的分布列为616161616161654321PX ． 概率函数基本性质：（1）非负性 p (x k ) ≥ 0 , k = 1, 2, ……； （2）正则性1)(1=∑∞=k kxp ．这是因为事件X = x 1 , X = x 2 , … , X = x k , … 是一个完备事件组， 故P {X = x 1} + P {X = x 2} + … + P {X = x k } + … = P (Ω) = 1，即p (x 1) + p (x 2) + … + p (x k ) + … = 1． 例 设盒中有2个红球3个白球，从中任取3球，以X 表示取得的红球数．求X 的分布列． 解：X 的全部可能取值0, 1, 2 ，样本点总数为1035=⎟⎟⎠⎞⎜⎜⎝⎛=n ，X = 0表示“取到3个白球”，所含样本点个数为1330=⎟⎟⎠⎞⎜⎜⎝⎛=k ，有1.0101)0(==p ， X = 1表示“取到1个红球2个白球”，所含样本点个数为612231=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛=k ，有6.0106)1(==p ， X = 2表示“取到2个红球1个白球”，所含样本点个数为322132=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛=k ，有3.0103)2(==p ． 故X 的分布列为3.06.01.0210P X．求离散型随机变量X 的概率分布步骤： （1）找出X 的全部可能取值，（2）将X 的每一取值表示为事件， （3）求出X 的每一取值的概率．例 现有10件产品，其中有3件不合格．若不放回抽取，每次取一件，直到取得合格品为止．用X 表示抽取次数，求X 的概率分布． 解：X 的全部可能取值1, 2, 3, 4 ，X = 1表示“第1次就取得合格品”，有107)1(=p ， X = 2表示“第2次取得合格品且第1次是不合格品”，有30797103)2(=⋅=p ， X = 3表示“第3次取得合格品且前两次是不合格品”，有12078792103)3(=⋅⋅=p ， X = 4表示“第4次取得合格品且前三次是不合格品”，有1201778192103)4(=⋅⋅⋅=p ， 故X 的分布列为120112073071074321PX ． 例 上例若改为有放回地抽取，又如何？ 解：X 的全部可能取值1 , 2 , … , n , … ，7.0107)1(==p ，21.0107103)2(=⋅=p ，7.03.0)3(2×=p ，…，7.03.0)(1×=−k k p ，…， 故X 的概率函数为L ,2,1,7.03.0)(1=×=−k k p k ；X 的分布列为LL L L 7.03.07.03.021.07.032112××−k PkX ．例 若离散型随机变量的概率函数为kCk p =)(，k = 1, 2, 3, 4，且C 为常数． 求：（1）C 的值，（2）P {X = 3}，（3）P {X < 3}．解：（1）由正则性知：1432)4()3()2()1(=+++=+++CC C C p p p p ，即11225=C ，故2512=C ．（2）254)3(}3{===p X P ， （3）25182562512)2()1(}3{=+=+=<p p X P ． 2.1.3.随机变量的分布函数连续型随机变量在单个点取值概率为零，如电子元件使用寿命恰好为1000小时这个事件的概率就等于零，因此连续型随机变量不能考虑概率函数．为了用单独一个变量表示一个区间，特别地取区间 (−∞, x ]．定义 随机变量X 与任意实数x ，称F (x ) = P {X ≤ x }，−∞ < x < +∞为X 的累积分布函数（Cumulative Distribution Function ，CDF ），简称分布函数．P {a < X ≤ b } = P {X ≤ b } − P {X ≤ a } = F (b ) − F (a )，P {X > a } = 1 − P {X ≤ a } = 1 − F (a )，由概率的连续性知)0()(lim }{lim }{−==≤=<−−→→a F x F x X P a X P ax ax ，且P {X = a } = P {X ≤ a } − P {X < a } = F (a ) − F (a – 0)，可见X 在任一区间上或任一点取值的概率都可用分布函数表示． 例 已知随机变量X 的分布列为3.05.02.0210PX ，求X 的分布函数．解：X 的全部可能取值为0, 1, 2，当x < 0时，F (x ) = P {X ≤ x } = P (∅) = 0， 当0 ≤ x < 1时，F (x ) = P {X ≤ x } = p (0) = 0.2，当1 ≤ x < 2时，F (x ) = P {X ≤ x } = p (0) + p (1) = 0.7， 当x ≥ 2时，F (x ) = P {X ≤ x } = P (Ω ) = 1，故⎪⎪⎩⎪⎪⎨⎧≥<≤<≤<=.2,1,21,7.0,10,2.0,0,0)(x x x x x F若离散型随机变量的全部可能取值为x 1, x 2, ……，概率函数p (x k ) = p k ，k = 1, 2, ……，则分布函数∑≤=≤=xx kk xp x X P x F )(}{)(．且离散型随机变量的分布函数F (x )是单调不减的阶梯形函数，X 的每一可能取值x k 是F (x )的跳跃点，跳跃高度是相应概率p (x k )．例 已知某离散型随机变量X 的分布函数为⎪⎪⎪⎩⎪⎪⎪⎨⎧≥<≤<≤<≤−−<=,5,1,52,6.0,20,4.0,01,3.01,0)(x x x x x x F 求X 的分布列． 解：X 的全部可能取值是F (x )的跳跃点，即 −1, 0, 2, 5，跳跃高度依次为：p (−1) = 0.3 − 0 = 0.3； p (0) = 0.4 − 0.3 = 0.1； p (2) = 0.6 − 0.4 = 0.2； p (5) = 1 − 0.6 = 0.4．故X 的分布列为4.02.01.03.05201PX −．分布函数的基本性质：（1）单调性，F (x ) 单调不减，即x 1 < x 2时，F (x 1) ≤ F (x 2)； （2）正则性，F (−∞) = 0，F (+∞) = 1；（3）连续性，F (x ) 右连续，即)()(lim 00x F x F x x =+→． 证：（1）当x 1 < x 2时，{X ≤ x 1} ⊂ {X ≤ x 2}，有F (x 1) ≤ F (x 2)；（2）F (−∞) = P {X < −∞} = P (∅) = 0，F (+∞) = P {X < +∞} = P (Ω ) = 1；（3）任取单调下降且趋于x 0的数列{x n }，有}{}{}{lim 01x X x X x X n n n n ≤=≤=≤∞=∞→I ，根据概率的连续性知}{}{}{lim 01x X P x X P x X P n n n n ≤=⎟⎟⎠⎞⎜⎜⎝⎛≤=≤∞=∞→I ，即)()(lim 00x F x F x x =+→． 但F (x )不一定左连续，任取单调增加且趋于x 0的数列{x n }，有}{}{}{lim 01x X x X x X n n n n <=≤=≤∞=∞→U ，得}{}{}{lim 01x X P x X P x X P n n n n <=⎟⎟⎠⎞⎜⎜⎝⎛≤=≤∞=∞→U ， 故}{)(}{)(lim 0000x X P x F x X P x F x x =−=<=−→．2.1.4. 连续随机变量的概率密度函数离散型随机变量的全部可能取值是有限或可列个点，连续型随机变量的全部可能取值是实数区间．但连续型随机变量在单独一个点取值的概率为0，其概率函数无实际意义，对于连续随机变量通常考虑其在某个区间上取值的概率，这就需要讨论分布函数．连续型随机变量的分布函数是连续函数． 注意：概率为0的事件不一定是不可能事件．定义 随机变量X 的分布函数F (x )，若存在函数p (x )，使 ∫∞−=xdu u p x F )()(，则称X 为连续型随机变量，p(x )为X 的概率密度函数（可以理解为：p (u )为概率密度，p (u )du 为X 在该小区间内取值的概率，∫∞−x 为从−∞ 到x 无限求和．几何意义：在平面上作出密度函数p (x )的图形，则阴影部分的面积即为F (x )的值．密度函数基本性质：（1）非负性 p (x ) ≥ 0；（2）正则性 1)(=∫∞+∞−dx x p ．因)()(x F du u p x =∫∞−，有1)()(=+∞=∫∞+∞−F dx x p ．连续型随机变量的性质：设连续型随机变量X 的概率密度函数为p (x )，分布函数为F (x )，则有 （1）∫=−=≤<21)()()(}{1221x x dx x p x F x F x X x P ；（2）当p (x ) 连续时，p (x ) = F ′(x )； 因∫∞−=x du u p x F )()(，当p (x ) 连续时，有)(])([)(x p du u p x F x=′=′∫∞−（3）X 在单独一个点取值的概率为0，其分布函数为连续函数；（4）P {x 1 < X ≤ x 2} = P {x 1 ≤ X ≤ x 2} = P {x 1 < X < x 2} = P {x 1 ≤ X < x 2}，即连续型．．．随机变量在某区间内的概率与区间开闭无关，离散型则不成立；（5）只在有限个点上取值不相同的密度函数对应于同一个分布函数，一般，只在概率为0的数集上取值不相同的密度函数都对应于同一个分布函数．例 设F (x ) = A + B arctan x 为某连续型随机变量X 的分布函数． 求：（1）A , B ； （2）}31{≤≤−X P ； （3）密度函数p (x )． 解：（1）由正则性 F (−∞) = 0，F (+∞) = 1，得：02π)arctan (lim =−=+−∞→B A x B A x ，12π)arctan (lim =+=++∞→B A x B A x ，故21=A ，π1=B ；（2）x x F arctan π121)(+=，得1274ππ1213ππ121)1()3(}31{=⎥⎦⎤⎢⎣⎡⎟⎠⎞⎜⎝⎛−⋅+−⎟⎠⎞⎜⎝⎛⋅+=−−=≤≤−F F X P ． （3）密度函数)1π(1)()(2x x F x p +=′=．例 已知⎩⎨⎧<<−=,,0,10),()(32其它x x x C x p是某连续型随机变量X 的密度函数，求：（1）C ， （2）}211{<<−X P ， （3）分布函数F (x )．解：（1）由正则性：1)(=∫∞+∞−dx x p ，得1120)4131()43()(10431032==−−=−=−∫C C x x C dx x x C ，故C = 12；（2）165)641241(12)43(12)(12)(}211{2104321032211=−=−=−==<<−∫∫−x x dx x x dx x p X P ；（3）X 的全部可能取值为 [0, 1]，分段点0, 1，当x < 0时，0)()(==∫∞−xdu u p x F ，当0 ≤ x < 1时，4304303234)43(12)(12)()(x x u u du u u du u p x F xxx−=−=−==∫∫∞−，当x ≥ 1时， 1)(12)()(132=−==∫∫∞−du u u du u p x F x，故⎪⎩⎪⎨⎧≥<≤−<=.1,1,10,34,0,0)(43x x x x x x F例 已知⎩⎨⎧<<−=,,0,11|,|)(其它x x x p是某连续型随机变量X 的密度函数，求分布函数F (x )．解：分段点−1, 0, 1，当x < −1时，0)()(==∫∞−xdu u p x F ；当−1 ≤ x < 0时， 212122)()()(22121x x u du u du u p x F xxx−=+−=−=−==−−∞−∫∫； 当0 ≤ x < 1时，21221022)()()(220212001x x u u udu du u du u p x F xxx+=++=+−=+−==−−∞−∫∫∫；当x ≥ 1时， 1)()()(101=+−==∫∫∫−∞−udu du u du u p x F x．故⎪⎪⎪⎩⎪⎪⎪⎨⎧≥<≤+<≤−−<=.1,1,10,21,01,21,0,0)(22x x x x xx x F§2.2 随机变量的数学期望对于随机变量，还应当掌握反映其平均值、分散程度等的指标，这就需要引入数学期望和方差等概念． 2.2.1.数学期望的概念例 甲、乙两个射击选手，在射击训练中甲射了10次，其中3次10环，1次9环，4次8环，2次7环；乙射了15次，其中2次10环，9次9环，2次8环，2次7环．问谁的表现更好？ 分析：比较他们射中的平均环数甲共射中3 × 10 + 1 × 9 + 4 × 8 + 2 × 7 = 85环，平均每次射中5.81085=环； 乙共射中2 × 10 + 9 × 9 + 2 × 8 + 2 × 7 = 131环，平均每次射中73.815131=&环． 故乙的表现更好．一般地，若在n 次试验中，出现了m 1次x 1，m 2次x 2，…，m k 次x k ，（其中m 1 + m 2 + … + m k = n ），则平均值为∑==+++ki i i k k n mx n x m x m x m 12211L ，即平均值等于取值与频率乘积之和．因n 很大时，频率稳定在概率附近，即平均值将稳定在取值与概率乘积之和附近． 2.2.2.数学期望的定义定义 设离散型随机变量X 的分布列是⎟⎟⎠⎞⎜⎜⎝⎛L L L L )()()(~2121k kx p x p x p x x x X ，如果级数∑∞=1)(k k k x p x 绝对收敛，则称之为X 的数学期望（Expectation ），记为E (X )． 数学期望的实际意义是反映随机变量的平均取值，是其全部可能取值以相应概率为权数的加权平均．如X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛−2.04.01.03.04102，则E (X) = (−2) × 0.3 + 0 × 0.1 + 1 × 0.4 + 4 × 0.2 = 0.6． 例 某人有4发子弹，现在他向某一目标射击，若命中目标就停止射击，否则直到子弹用完为止．设每发子弹命中率为0.4，以X 表示射击次数，求E (X )． 解：先求X 的分布列，X 的全部可能取值为1, 2, 3, 4，X = 1，第一枪就命中， p (1) = 0.4；X = 2，第一枪没有命中，第二枪命中，p (2) = 0.6 × 0.4 = 0.24； X = 3，前两枪没有命中，第三枪命中，p (3) = 0.6 2 × 0.4 = 0.144； X = 4，前三枪没有命中， p (4) = 0.6 3 = 0.216．则X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛216.0144.024.04.04321，故E (X ) = 1 × 0.4 + 2 × 0.24 + 3 × 0.144 + 4 × 0.216 = 2.176．例 若X 的概率函数为L ,2,1,21)2(==⎟⎟⎠⎞⎜⎜⎝⎛−k kp k k，求E (X )． 解：因∑∑∞=∞=−=⋅−11)1(21)2(k kk k k k k 收敛但不是绝对收敛，故E (X ) 不存在．离散型随机变量的数学期望是取值乘概率求和：∑∞=1)(k k k x p x ，类似可定义连续型随机变量的数学期望是取值乘密度积分：∫+∞∞−dx x xp )(．定义 设连续型随机变量X 的密度函数为p (x )．如果广义积分∫+∞∞−dx x xp )(绝对收敛，则称之为X 的数学期望，记为E (X )．例 已知连续型随机变量X 的密度函数为⎩⎨⎧<<=.,0,10,2)(其它x x x p 求E (X )．解：32322)()(1310=⋅=⋅==∫∫∞+∞−x xdx x dx x xp X E ． 例 已知X 的密度函数为⎩⎨⎧<<+=.,0,20,)(其它x bx a x p 且32)(=X E ，求a , b ． 解：由正则性得122)2()()(2220=+=⋅+=+=∫∫∞+∞−b a x b ax dx bx a dx x p ，又32382)32()()()(20322=+=⋅+⋅=+==∫∫∞+∞−b a x b x a dx bx a x dx x xp X E ，故21,1−==b a ． 例 已知X 的密度函数为+∞<<∞−+=x x x p ,)1π(1)(2，求E (X )．解：因+∞∞−+∞∞−+∞∞−+∞∞−+=⋅+=+=∫∫∫)1ln(π21)(21)1π(1)1π()(2222x x d x dx x x dx x xp 发散， 故E (X )不存在． 2.2.3.数学期望的性质设X 为随机变量，g (x ) 为函数，则称Y = g (X ) 为随机变量函数，Y 也是一个随机变量．下面不加证明地给出随机变量函数的数学期望计算公式．定理 设X 为随机变量，Y = g (X ) 为随机变量函数，则（1）若X 为离散型随机变量，概率函数为p(x k ), k = 1, 2, …，则∑∞===1)()()]([)(k k k x p x g X g E Y E ；（2）若X 为连续型随机变量，密度函数为p (x )，则∫+∞∞−==dx x p x g X g E Y E )()()]([)(．数学期望具有以下性质：（1）常数的期望等于其自身，即E (c ) = c ；（2）常数因子可移到期望符号外，即E (aX ) = a E (X )；（3）随机变量和的期望等于期望的和，即E [g 1 (X ) + g 2 (X )] = E [g 1 (X )] + E [g 2 (X )]． 证明：（1）将常数c 看作是单点分布p (c ) = 1，故E (c ) = c p (c ) = c ；（2）以连续型为例加以证明，)()()()(X aE dx x xp a dx x axp aX E ===∫∫+∞∞−+∞∞−；（3）以连续型为例加以证明，∫∫∫+∞∞−+∞∞−+∞∞−+=+=+dx x p x g dx x p x g dx x p x g x g X g X g E )()()()()()]()([)]()([212121= E [g 1 (X )] + E [g 2 (X )]．由性质（2）、（3）知随机变量线性组合的期望等于期望的线性组合，可见数学期望具有线性性质． 例 设X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛−3.04.01.02.02101， 求E (2X +1)，E (X 2)．解：E (2X +1) = −1 × 0.2 + 1 × 0.1 + 3 × 0.4 + 5 × 0.3 = 2.6；E (X 2) = 1 × 0.2 + 0 × 0.1 + 1 × 0.4 + 4 × 0.3 = 1.8． 例 已知圆的半径X 是一个随机变量，密度函数为⎪⎩⎪⎨⎧<<=.,0,31,21)(其他x x p 求圆面积Y 的数学期望． 解：圆面积Y = π X 2，故3π1332π21π)(π)(3133122=⋅=⋅==∫∫∞+∞−xdx x dx x p x Y E ． 例 设国际市场对我国某种出口商品的需求量X （吨）的密度函数为⎪⎩⎪⎨⎧<<=.,0,40002000,20001)(其他x x p 设每售出一吨，可获利3万美元，但若销售不出，每积压一吨将亏损1万美元，问如何计划年出口量，能使国家获利的期望最大．解：设计划年出口量为a 吨，每年获利Y 万美元．当X ≥ a 时，销售a 吨，获利3a 万美元；当X < a 时，销售X 吨，积压a − X 吨，获利3X − (a − X ) = 4X − a 万美元；即⎩⎨⎧<≤−≤≤==.2000,4,4000,3)(a X a X X a a X g Y则4000200024000200020003)2(2000120001320001)4()()()(aa a a x a ax x dx a dx a x dx x p x g Y E +−=⋅+⋅−==∫∫∫+∞∞− 8250)3500(10001400071000122+−−=−+−=a a a ， 故计划年出口量为3500吨时，使国家获利的期望最大．§2.3 随机变量的方差与标准差数学期望反映平均值，方差反映波动程度．如甲、乙两台包装机，要求包装重量为每袋500克，现各取5袋，重量为甲：498，499，500，501，502； 乙：490，495，500，505，510．二者平均值相同都是500克，但显然甲比乙好．此时比较的是它们的偏差（即取值与平均值之差）．偏差：甲：−2，−1，0，1，2；乙：−10，−5，0，5，10． 2.3.1.方差的定义定义 随机变量X 与其数学期望E (X ) 之差X − E (X ) 称为偏差．偏差有大有小，可正可负，比较时需要去掉符号，但绝对值函数进行微积分处理不方便，因此考虑偏差平方的数学期望．定义 随机变量X ，若E [X − E (X )]2存在，则称之为X 的方差（Variance ），记为Var (X ) 或D (X )．即Var (X ) = E [X − E (X )]2．显然方差Var (X ) ≥ 0，称)Var(X 为X 的标准差（Standard Deviation ）．在实际问题中，标准差与随机变量有相同的量纲．方差与标准差反映波动程度．方差越大，取值越分散；方差越小，取值越集中． 例 设X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛4.04.02.0321， 求E (X ), Var (X )．解：E (X ) = 1 × 0.2 + 2 × 0.4 + 3 × 0.4 = 2.2；Var (X ) = (−1.2)2 × 0.2 + (−0.2)2 × 0.4 + 0.82 × 0.4 = 0.56． 例 已知X 的密度函数为⎩⎨⎧<<=.,0,10,2)(其他x x x p求E (X ), Var (X )．解：32322)()(1310=⋅=⋅==∫∫∞+∞−x xdx x dx x xf X E ； 181949821949842)98382()()32()Var(1023410232=+−=⎟⎠⎞⎜⎝⎛+−=+−=−=∫∫∞+∞−x x x dx x x x dx x p x X ．例 已知X 的全部可能取值为0, 1, 2，且E (X ) = 1.3，Var (X ) = 0.81．求X 的分布列．解：设X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛c b a 210，由正则性得：a + b + c = 1，且E (X ) = 0 × a + 1 × b + 2 × c = b + 2c = 1.3，Var (X ) = (−1.3)2 × a + (−0.3)2 × b + 0.72 × c = 1.69a + 0.09b + 0.49c = 0.81， 解得a = 0.3，b = 0.1，c = 0.6，故X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛6.01.03.0210．2.3.2. 方差的性质方差具有以下性质：（1）方差计算公式：Var (X ) = E (X 2) − [E (X )]2； （2）常数的方差等于零，即Var (c ) = 0；（3）设a , b 为常数，则Var (a X + b ) = a 2 Var (X )． 证：（1）Var (X ) = E [X − E (X )]2 = E [X 2 − 2X ⋅ E (X ) + E (X )2] = E (X 2 ) − 2E (X ) ⋅ E (X ) + [E (X )]2．= E (X 2) − [E (X )]2；（2）Var (c ) = E [c − E (c )]2 = E (c − c )2 = E (0) = 0；（3）Var (a X + b ) = E [(a X + b ) − E (a X + b )]2 = E [a X + b − a E (X ) − b ]2 = a 2 E [X − E (X )]2 = a 2 Var (X )． 由性质（1），显然有以下推论：推论 对于随机变量X ，如果E (X 2) 存在，则E (X 2) ≥ [E (X )]2．以后常利用方差计算公式Var (X ) = E (X 2) − [E (X )]2计算随机变量的方差．通常用公式计算比直接用定义计算方差要方便． 例 设X 的分布列为⎟⎟⎠⎞⎜⎜⎝⎛4.04.02.0321， 求Var (X )．解：前面已求得E (X ) = 2.2，因E (X 2) = 1 2 × 0.2 + 2 2 × 0.4 + 3 2 × 0.4 = 5.4， 故Var (X ) = E (X 2) − [E (X )]2 = 5.4 − 2.22 = 0.56． 例 已知X 的密度函数为⎩⎨⎧<<=.,0,10,2)(其他x x x p 求Var (X )．解：前面已求得32)(=X E ， 因21422)(141022=⋅=⋅=∫x xdx x X E ， 故1813221)]([)()Var(222=⎟⎠⎞⎜⎝⎛−=−=X E X E X ． 对于随机变量X ，若方差Var (X ) 存在，且Var (X ) > 0．令)Var()(*X X E X X −=，有0)]()([)Var(1)]([)Var(1)Var()(*)(=−=−=⎟⎟⎠⎞⎜⎜⎝⎛−=X E X E X X E X E X X X E X E X E ； 1)Var()Var(1)](Var[)Var(1)Var()(Var *)Var(==−=⎟⎟⎠⎞⎜⎜⎝⎛−=X X X E X X X X E X X ．称X *为X 的标准化随机变量．2.3.3. 切比雪夫不等式方差反映随机变量的分散程度，切比雪夫不等式给出其定量标准．切比雪夫不等式表明大偏差概率的上限与方差成正比．定理 设X 为随机变量，且方差Var (X ) 存在，则对于任何正数ε ，都有2)Var(}|)({|εεX X E X P ≤≥−．证明：以连续型随机变量为例证明，设X 的密度函数为p (x )，有∫≥−=≥−εε|)(|)(}|)({|X E x dx x p X E X P ，且∫∞+∞−−=−=dx x p X E x X E X E X )()]([)]([1)Var(22222εεε，故222|)(|22)Var()()]([)()]([}|)({|εεεεεX dx x p X E x dx x p X E x X E X P X E x =−≤−≤≥−∫∫∞+∞−≥−，得证．注：切比雪夫不等式的等价形式2)Var(1}|)({|εεX X E X P −≥<−．如随机变量X 的数学期望为E (X ) = 10，方差Var (X ) = 1，则由切比雪夫不等式可得43211}2|10{|}128{2=−≥<−=<<X P X P ． 例 设随机变量X 的全部可能取值为),0[∞+，且数学期望E (X ) 存在，试证：对任何正数a ，都有)(1}{X E aa X P ≤≥． 证明：以连续型随机变量为例证明，设X 的密度函数为p (x )，有∫+∞=≥a dx x p a X P )(}{，且∫∫+∞+∞∞−==0)()(1)(1dx x p a x dx x xp a X E a ，故)(1)()(}{0X E adx x p a x dx x p a x a X P a =≤≤≥∫∫+∞+∞，得证．定理 设随机变量X 的方差存在，则Var (X ) = 0的充分必要条件是存在常数b ，使得X 几乎处处收敛于b ，即P {X = b } = 1．证：充分性，设存在常数b ，使得P {X = b } = 1，有P {X ≠ b } = 0，即E (X ) = b P {X = b } = b ，故Var (X ) = E [X − E (X )]2 = E (X − b )2 = 0 × P {X = b } = 0； 必要性，设X 的方差Var (X ) = 0，因事件U +∞=+∞→⎭⎫⎩⎨⎧≥−=⎭⎬⎫⎩⎨⎧≥−=>−11|)(|lim 1|)(|}0|)({|n n n X E X n X E X X E X ，则01)Var(lim 1|)(|lim 1|)(|}0|)({|21=⎟⎠⎞⎜⎝⎛≤⎭⎬⎫⎩⎨⎧≥−=⎟⎟⎠⎞⎜⎜⎝⎛⎭⎬⎫⎩⎨⎧≥−=>−+∞→+∞→+∞=n X n X E X P n X E X P X E X P n n n U ， 可得P {| X − E (X )| > 0} = 0，即P {| X − E (X )| = 0} = 1，取b = E (X )，有b 为常数， 故P {X = b } = 1．注：如果P {X = b } = 1，记为X = b , a.e.（或a.s.），称为X = b 几乎处处成立（或几乎必然成立）．这里，a.e.就是almost everywhere 的缩写，a.s.就是almost surely 的缩写．意味着不成立的情况是一个测度（或概率）等于零的集合（或事件）．§2.4 常用离散分布对于一个给定的函数，只要满足概率函数的两条基本性质：非负性、正则性，都可以成为某个离散随机变量的概率函数．但绝大多数在实际工作中并不常见，下面是几种常用的概率函数． 2.4.1.两点分布与二项分布一．两点分布两点分布只可能在两个点取值，通常就是0或1．定义 随机变量的可能取值只有两个：0或1，且概率函数为p (0) = 1 − p ，p (1) = p ， 其中0 < p < 1，称X 服从两点分布（Two-point Distribution ）或0-1分布，记为X ~ (0-1)．分布列为⎟⎟⎠⎞⎜⎜⎝⎛−p p110． 两点分布实际背景是一次伯努利试验．通常描述为：X 表示一次伯努利试验中事件A 发生的次数．非负性：p (0) = 1 − p > 0，p (1) = p > 0； 正则性：(1 − p ) + p = 1． 两点分布的数学期望为E (X ) = 0 × (1 − p ) + 1 × p = p ．又因E (X 2 ) = 02 × (1 − p ) + 12 × p = p ，故方差为Var (X ) = E (X 2 ) − [E (X )]2 = p − p 2 = p (1 − p )．二．二项分布在n 重伯努利试验中，以X 表示事件A 的发生次数，则X 的全部可能取值为0, 1, 2, …, n ，且kn k p p k n k X P −−⎟⎟⎠⎞⎜⎜⎝⎛==)1(}{． 定义 若离散型随机变量X 的概率函数为kn k p p k n k p −−⎟⎟⎠⎞⎜⎜⎝⎛=)1()(， k = 0, 1, 2, …, n ；0 < p < 1， 则称X 服从二项分布（Binomial Distribution ），记为X ~ b (n , p )．二项分布的实际背景是n 重伯努利试验． 当n = 1时，二项分布就是两点分布．非负性：0)1()(>−⎟⎟⎠⎞⎜⎜⎝⎛=−kn k p p k n k p ； 正则性：1)]1([)1()(11=−+=−⎟⎟⎠⎞⎜⎜⎝⎛=∑∑=−=nnk k n k nk p p p p k n k p ． 例 掷三枚硬币，X 表示正面朝上的次数，求X 的概率分布．解：X 的全部可能取值为0, 1, 2, 3 ，将掷每一枚硬币看作一次试验．每次试验两种结果：正面A ，反面A ；每次试验相互独立；每次试验概率5.0)(=A P ． 即n 重伯努利试验，n = 3，5.0=p ，有X ~ b (3, 0.5)，p (0) = 0.5 3 = 0.125，375.05.05.013)1(21=××⎟⎟⎠⎞⎜⎜⎝⎛=p ， 375.05.05.023)2(12=××⎟⎟⎠⎞⎜⎜⎝⎛=p ， p (3) = 0.5 3 = 0.125．例 现有5台机床，每台机床一小时内平均开动18分钟，且是否开动相互独立，以X 表示同一时刻开动的机床数，求X 的概率分布．解：X 的全部可能取值为0, 1, 2, 3, 4, 5 ，将每台机床是否开动看作一次试验．每次试验两种结果：开动A ，不开动A ；每次试验相互独立；每次试验概率P (A ) = 0.3． 即n 重伯努利试验，n = 5，p = 0.3，有X ~ b (5, 0.3)．p (0) = 0.7 5 = 0.16807，36015.07.03.015)1(41=××⎟⎟⎠⎞⎜⎜⎝⎛=p ， 3087.07.03.025)2(32=××⎟⎟⎠⎞⎜⎜⎝⎛=p ， 1323.07.03.035)3(23=××⎟⎟⎠⎞⎜⎜⎝⎛=p ， 02835.07.03.045)4(14=××⎟⎟⎠⎞⎜⎜⎝⎛=p ， p (5) = 0.3 5 = 0.00243 ．一般地，如果随机变量X 服从二项分布，概率函数值p (k ) 将随着k 的增加，先逐渐增加，达到最大值后，又逐渐减少．通常，一个随机变量X 的概率函数或密度函数的最大值点称为X 的最可能值．二项分布b (n , p )的最可能值为⎩⎨⎧+−++++=.)1(,1)1()1(,)1(],)1[(0是正整数时当或不是正整数时当p n p n p n p n p n k 这里[x ]表示不超过x 的最大整数．如[2.3] = 2，[3.14] = 3，[−1.2] = −2．证：若X ~ b (n , p )，有n k p p k n k n p p k n k p k n k kn k ≤≤−−=−⎟⎟⎠⎞⎜⎜⎝⎛=−−0,)1()!(!!)1()(， 则11)1()!1()!1(!)1()!(!!)1()(+−−−−+−−−−−=−−k n k k n k p p k n k n p p k n k n k p k p ⎟⎠⎞⎜⎝⎛+−−−⋅−−−=−−11)1()!()!1(!1k n p k pp p k n k n k n k)1()1()1()!()!1(!1+−−+⋅−−−=−−k n k k p n p p k n k n k n k ， 当k < (n + 1) p 时，有p (k ) > p (k − 1)；当k > (n + 1) p 时，有p (k ) < p (k − 1)．如果(n + 1) p 不是正整数，取k 0 = [(n + 1) p ]，有k 0 < (n + 1) p ，即p (k 0) > p (k 0 − 1)；且k 0 + 1 > (n + 1) p ，即p (k 0 + 1) < p (k 0)． 故p (k 0) 为最大值．如果(n + 1) p 是正整数，取k 0 = (n + 1) p ，即p (k 0) = p (k 0 − 1)， 故p (k 0) 和p (k 0 − 1) 都是最大值．如X ~ B (3, 0.5)，有(n + 1) p = 4 × 0.5 = 2是正整数，最可能值k 0 = 2或1；X ~ B (5, 0.3)，有(n + 1) p = 6 × 0.3 = 1.8不是正整数，最可能值k 0 = [1.8] = 1．三．二项分布的数学期望和方差组合数公式⎟⎟⎠⎞⎜⎜⎝⎛−−⋅=−⋅−−⋅=−⋅=⎟⎟⎠⎞⎜⎜⎝⎛11)!()!1()!1()!(!!k n k n k n k n k n k n k n k n ， （n ≥ k > 0）． 二项分布b (n , p )的数学期望为∑∑∑=−−=−=−−⎟⎟⎠⎞⎜⎜⎝⎛−−=−⎟⎟⎠⎞⎜⎜⎝⎛−−⋅⋅=−⎟⎟⎠⎞⎜⎜⎝⎛⋅=nk k n k n k kn k nk k n k p p k n np p p k n k n k p p k n k X E 1110)1(11)1(11)1()( = np [ p + (1 − p )]n − 1 = np ．又因∑∑∑=−=−=−−⎟⎟⎠⎞⎜⎜⎝⎛⋅+−⎟⎟⎠⎞⎜⎜⎝⎛−−⋅−=−⎟⎟⎠⎞⎜⎜⎝⎛⋅=nk k n k n k k n k nk k n k p p k n k p p k n k k p p k n k X E 002022)1()1(11)()1()( )()1(22)1()1()(22X E p p k n k k n n k k nk k n k+−⎟⎟⎠⎞⎜⎜⎝⎛−−−−⋅−=∑=− np p p k n pn n nk kn k +−⎟⎟⎠⎞⎜⎜⎝⎛−−−=∑=−−222)1(22)1( = n (n − 1) p 2 [ p + (1 − p )]n − 2 + np = (n 2 − n ) p 2 + np ，故方差为Var (X ) = E (X 2 ) − [E (X )]2 = (n 2 − n ) p 2 + np − (np )2 = − np 2 + np = np (1 − p )．2.4.2.泊松分布一．泊松分布泊松分布是一种理论推导的极限分布（成立的条件和推导过程见附录）． 定义 若随机变量X 的概率函数为λλ−=e !)(k k p k， k = 0, 1, 2, …… ；λ > 0，则称X 服从参数为 λ 的泊松分布（Poisson’s Distribution ），记为X ~ P (λ)．泊松分布的实际背景是已知平均发生次数为常数λ ，实际发生次数的概率分布．如足球比赛进球数，商店进店人数，电话接听次数等．非负性：λ > 0时，0e !>−λλk k；正则性：1e e e !=⋅=⋅−∞=−∑λλλλk kk ．例 已知一场足球比赛的进球数X 服从参数λ = 2.3的泊松分布，求比分为0:0, 1:0以及总进球数超过5个的概率．解：因X ~ P(2.5)，则3.2e !3.2)(−=k k p k ， k = 0, 1, 2, ……．比分0:0，即X = 0，100.0e e !03.2)0(3.23.20===−−p （查表）；比分1:0，即X = 1，231.0100.0331.0e 3.2e !13.2)1(3.23.21=−===−−p （查表）；总进球数超过5个，即X > 5，030.0970.01e !3.21e!3.2}5{53.263.2=−=−==>∑∑=−∞=−k k k k k k X P （查表）． 例 已知某公用电话每小时内打电话的人数X 服从参数为λ = 8的泊松分布．求某一小时内无人打电话的概率，恰有10人打电话的概率，至少有10人打电话的概率．解：因X ~ P(8)，有8e !8}{−==k k X P k ． 无人打电话的概率0003.0e e !08}0{880====−−X P ，恰有10人打电话的概率099.0717.0816.0e !108}10{810=−===−X P （查表），至少有10人打电话的概率283.0717.01}9{1e !8}10{108=−=≤−==≥∑∞=−X P k X P k k （查表）． 例 已知某商店一天中某种贵重商品的销售件数X 服从泊松分布P (7)，问该商店每天应该准备多少件该商品才能以99.9%以上的概率满足顾客需要？解：设准备了a 件该商品，X ~ P(7)，则7e !7)(−=k k p k ．事件“满足顾客需要”，即X ≤ a ，有P {X ≤ a } ≥ 0.999，故查表可得a = 16． 泊松分布P (λ )的最可能值为⎩⎨⎧−=.,1,],[0是正整数时当或不是正整数时当λλλλλk 证：若X ~ P(λ)，有L ,2,1,0,e !)(==−k k k p kλλ，故k k k k k k k k p k p k k k k−⋅−=⎟⎠⎞⎜⎝⎛−⋅−=−−=−−−−−−−−−λλλλλλλλλλe )!1(1e )!1(e)!1(e !)1()(111，当k < λ 时，有p (k ) > p (k − 1)；当k > λ 时，有p (k ) < p (k − 1)．如果λ 不是正整数，取k 0 = [λ ] ，有k 0 < λ ，即p (k 0) > p (k 0 − 1)；且k 0 + 1 > λ ，即p (k 0 + 1) < p (k 0)． 故p (k 0) 为最大值．如果λ 是正整数，取k 0 = λ ，即p (k 0) = p (k 0 − 1)， 故p (k 0) 和p (k 0 − 1) 都是最大值． 二．泊松分布的数学期望和方差泊松分布P (λ )的数学期望为λλλλλλλλλλλ=⋅=−⋅=−=⋅=−∞=−−∞=−∞=−∑∑∑e e )!1(e e)!1(e!)(111k k k kk kk k k k X E ，即泊松分布的参数 λ 反映平均发生次数．又因)()!2(e e!e!)(e!)(222222X E k k k k k k k k X E k k k kk kk k+−⋅=⋅+⋅−=⋅=∑∑∑∑∞=−−∞=−∞=−∞=−λλλλλλλλλ= λ 2 e −λ ⋅ e λ + λ = λ 2 + λ ，故方差为Var (X ) = E (X 2 ) − [E (X )]2 = λ 2 + λ − (λ )2 = λ ．三．二项分布的泊松近似二项分布与泊松分布的实际背景都是反映发生次数问题．下面的定理说明了二者之间的联系，泊松分布是二项分布的一种极限分布． 定理 （泊松定理）在n 重伯努利试验中，记事件A 在每次试验中发生的概率为与试验次数n 有关的数p n ，如果当n → +∞ 时，有n p n → λ ，则λλ−−+∞→=−⎟⎟⎠⎞⎜⎜⎝⎛e !)1(lim k p p k n k k n n k n n ． 证：记λ n = n p n ，有λλ=+∞→n n lim ，因nk n n n kn n k n n n n n n p )(11)1(−−⋅−−−⎟⎠⎞⎜⎝⎛−+=⎟⎠⎞⎜⎝⎛−=−λλλλ，且e 1lim =⎟⎠⎞⎜⎝⎛−+−+∞→nnn n n λλ，λλ−=−−+∞→n k n n n )(lim ， 则λλλλ−−−⋅−+∞→−+∞→=⎟⎠⎞⎜⎝⎛−+=−e 1lim )1(lim )(n k n n n n k n n n n n n p ，又因⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−=+−−=⎟⎟⎠⎞⎜⎜⎝⎛n k n k n k k n n n k n k 1111!!)1()1(L L ，且11111lim =⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−+∞→n k n n L ， 故⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−−=−⎟⎟⎠⎞⎜⎜⎝⎛−+∞→−+∞→n k n p p k n p p k n k n nk n k n k n n k n n 1111)1(!lim )1(lim L λλ−+∞→−+∞→+∞→=⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−⋅−⋅=e !1111lim )1(lim !)(lim k n k n p k np k n k n n n k n n L ． 此定理表明对于二项分布b (n , p )，当n 很大，p 很小时，可用泊松分布P (λ ) 近似，其中λ = n p ．例 某地区每年人口意外死亡率为0.0001，现有60000人投保人身意外保险，求一年内因投保人意外死亡恰好赔付8人的概率以及赔付不超过5人的概率．解：设X 表示“一年内因投保人意外死亡而赔付的人数”，X ~ B (60000, 0.0001)．则5999289999.00001.0860000}8{××⎟⎟⎠⎞⎜⎜⎝⎛==X P ，∑=−××⎟⎟⎠⎞⎜⎜⎝⎛=≤50600009999.00001.060000}5{k kk k X P ， 但显然计算很繁琐，为便于计算，用泊松分布近似．因n = 60000很大，p = 0.0001很小，λ = np = 6，有)6(~P X &，故103.0744.0847.0e !86}8{68=−=≈=−X P ，446.0e !6}5{506=≈≤∑=−k k k X P ．2.4.3. 超几何分布一．超几何分布在N 件产品中，有M 件次品，从中不放回地取n 件，以X 表示取得的次品数．设X 取值为k ，一方面，显然有k ≤ n 且k ≤ M ，即k ≤ min{n , M }，另一方面，有k ≥ 0且n − k ≤ N − M ，可得k ≥ M + n − N ，即k ≥ max{0, M + n − N }．这样X 的全部可能取值为l , l + 1, …, L ，其中l = max{0, M + n − N }，L = min{n , M }，且⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛==n N k n M N k M k X P }{．定义 若随机变量X 的概率函数为⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛=n N k n M N k M k p )(，k = l , l + 1, …, L ，l = max(0, n + M − N )，L = min(M , n )，M < N ，n < N ， 则称X 服从超几何分布（Hypergeometric Distribution ），记为X ~ h (n , N , M )．超几何分布的实际背景是古典概型中的不放回抽样检验问题． 注：有放回检验抽样问题对应的是二项分布．非负性：0>⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛n N k n M N k M ；正则性：10=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛∑∑==n N n N n N k n M N k M n N k n M N k M Ll k L k ．注：比较(1 + x )M(1 + x )N − M与(1 + x )N中x n的系数可以证明⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛∑=n N k n M N k M Ll k ．例 一袋中有3个红球，2个白球，不放回地取出3个球，X 表示取得的红球数．求X 的概率分布．解：不放回抽样，N = 3，M = 2，n = 3，则X ~ h (3, 5, 3)．故X 的全部可能取值为1, 2, 3， (l = max (0, n + M − N ) = 1，L = min(n , M ) = 3)，3.0352213}1{=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ，6.0351223}2{=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ，1.0350233}3{=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==X P ． 超几何分布h (n , N , M )的最可能值为⎪⎩⎪⎨⎧+++−++++++++++++=.21)1(,121)1(21)1(,21)1(],21)1[(0是正整数时当或不是正整数时当N M n N M n N M n N M n N M n k证：若X ~ h (n , N , M)，有)!()!()!()!(!!1)(k n M N k n M N k M k M n N n N k n M N k M k p +−−−−⋅−⋅⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛=， 故p (k ) − p (k − 1))!1()!1()!1()!1()!(!)!()!()!(!)!(!−+−−+−+−−⎟⎟⎠⎞⎜⎜⎝⎛−−+−−−−⎟⎟⎠⎞⎜⎜⎝⎛−=k n M N k n k M k n N M N M k n M N k n k M k n N M N M)]()1)(1[()!()!1()!1(!)!(!k n M N k k n k M k n M N k n k M k n N M N M +−−−+−+−+−−+−+−⎟⎟⎠⎞⎜⎜⎝⎛−=)]2()1)(1[()!()!1()!1(!)!(!+−+++−−+−+−⎟⎟⎠⎞⎜⎜⎝⎛−=N k n M k n M N k n k M k n N M N M ．当21)1(+++<N M n k 时，有p (k ) > p (k − 1)；当21)1(+++>N M n k 时，有p (k ) < p (k − 1)． 如果21)1(+++N M n 不是正整数，取21)1[(0+++=N M n k ，有21)1(0+++<N M n k ，即p (k 0) > p (k 0 − 1)；且21)1(10+++>+N M n k ，即p (k 0 + 1) < p (k 0)．故p (k 0) 为最大值．如果21)1(+++N M n 是正整数，取21)1(0+++=N M n k ，即p (k 0) = p (k 0 − 1)，故p (k 0) 和p (k 0 − 1) 都是最大值． 二．超几何分布的数学期望和方差超几何分布h (n , N , M )的数学期望为N nM n N k n M N k M N nM n N n N k n M N k M k M k n N k n M N k M k X E Ll k L lk L l k =⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−⋅=⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−⋅=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛⋅=∑∑∑===11111111)(， 又因∑∑∑===⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛⋅+⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛⋅−=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛⋅=L lk L l k Ll k n N k n M N k M k n N k n M N k M k k n N k n M N k M k X E )()(222 ∑=+⎟⎟⎠⎞⎜⎜⎝⎛−−−−⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−−−⋅−=Llk X E n N n n N N k n M N k M k k M M k k )(22)1()1(22)1()1()(2N nM N N M M n n N nM n N k n M N k M N N M M n n Ll k +−−−=+⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−−⋅−−−=∑=)1()1()1(2222)1()1()1(， 故方差为)1())(()1()1)(1()]([)()Var(222222−−−=−+−−−=−=N N n N M N nM N M n N nM N N M n nM X E X E X ． 为了便于记忆，可将超几何分布与二项分布的数学期望和方差进行比较．二项分布b (n , p )：数学期望E (X ) = np ，方差Var (X ) = np (1 − p )；超几何分布h (n , N , M )：数学期望N M nX E =)(，方差11)Var(−−⎟⎠⎞⎜⎝⎛−=N n N N M N M n X ； 可见分布h (n , N , M )中的N M 相当于二项分布b (n , p )中的p ，方差修正因子为1−−N nN ． 三．超几何分布的二项近似直观上，当抽样个数n 远小于M 及N − M 时，不放回抽样问题可近似看作有放回抽样问题，也就是此时超几何分布可用二项分布近似．定理 如果当N → +∞ 时，p NM→， (0 < p < 1)，则k n k N p p k n n N k n M N k M −+∞→−⎟⎟⎠⎞⎜⎜⎝⎛=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛)1(lim ． 证：因⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−=+−−=⎟⎟⎠⎞⎜⎜⎝⎛N n N n N n n N N N n N n 1111!!)1()1(L L ， 且⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−=⎟⎟⎠⎞⎜⎜⎝⎛M k M k M k M k 1111!L ，⎟⎠⎞⎜⎝⎛−−−−⎟⎠⎞⎜⎝⎛−−−−=⎟⎟⎠⎞⎜⎜⎝⎛−−−M N k n M N k n M N k n M N kn 1111)!()(L ， 故⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−⎟⎠⎞⎜⎝⎛−−−−⎟⎠⎞⎜⎝⎛−−−−⋅⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−=⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−−⎟⎟⎠⎞⎜⎜⎝⎛−+∞→+∞→N n N n N M N k n M N k n M N M k M k M n N k n M N k M n k n k N N 1111!1111)!()(1111!lim lim L L L ⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−⎟⎠⎞⎜⎝⎛−−−−⎟⎠⎞⎜⎝⎛−−⋅⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−⋅−⋅−=−+∞→N n N M N k n M N M k M N M N M k n k n nk n k N 111111111111)()!(!!lim L L L ⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−⎟⎠⎞⎜⎝⎛−−−−⎟⎠⎞⎜⎝⎛−−⋅⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−⋅⎟⎠⎞⎜⎝⎛−⎟⎠⎞⎜⎝⎛⋅⎟⎟⎠⎞⎜⎜⎝⎛=+∞→−+∞→N n N M N k n M N M k M N M N M k n N kn k N 111111111111lim 1lim L L L。

第二章 随机变量及其分布1、解：设公司赔付金额为X ，则X 的可能值为； 投保一年内因意外死亡：20万，概率为0.0002 投保一年内因其他原因死亡：5万，概率为0.0010投保一年内没有死亡：0，概率为1-0.0002-0.0010=0.9988 所以X2、一袋中有5X 表示取出的三只球中的最大号码，写出随机变量X 的分布律解：X 可以取值3，4，5，分布律为1061)4,3,2,1,5()5(1031)3,2,1,4()4(1011)2,1,3()3(352435233522=⨯====⨯====⨯===C C P X P C C P X P C C P X P 中任取两球再在号一球为中任取两球再在号一球为号两球为号一球为 也可列为下表 X ： 3， 4，5P ：106,103,101 3、设在15只同类型零件中有2只是次品，在其中取三次，每次任取一只，作不放回抽样，以X 表示取出次品的只数，（1）求X 的分布律，（2）画出分布律的图形。

解：任取三只，其中新含次品个数X 可能为0，1，2个。

3522)0(315313===C C X P3512)1(31521312=⨯==C C C X P 351)2(31511322=⨯==C C C X P 再列为下表 X ： 0， 1， 2P ： 351,3512,3522 4、进行重复独立实验，设每次成功的概率为p ，失败的概率为q =1－p (0<p <1) （1）将实验进行到出现一次成功为止，以X 表示所需的试验次数，求X 的分布律。

（此时称X 服从以p 为参数的几何分布。

）（2）将实验进行到出现r 次成功为止，以Y 表示所需的试验次数，求Y 的分布律。

（此时称Y 服从以r, p 为参数的巴斯卡分布。

）（3）一篮球运动员的投篮命中率为45%，以X 表示他首次投中时累计已投篮的次数，写出X 的分布律，并计算X 取偶数的概率。

解：（1）P (X=k )=q k －1p k=1,2,……（2）Y=r+n={最后一次实验前r+n －1次有n 次失败，且最后一次成功},,2,1,0,)(111 ===+=-+--+n p q C p p q C n r Y P r n n n r r n n n r 其中 q=1－p ，或记r+n=k ，则 P {Y=k }= ,1,,)1(11+=----r r k p p C rk r r k （3）P (X=k ) = (0.55)k －10.45 k=1,2…P (X 取偶数)=311145.0)55.0()2(1121===∑∑∞=-∞=k k k k X P 5、 一房间有3扇同样大小的窗子，其中只有一扇是打开的。

k 001.1,0,1,2...,315221()13113lim ()1132132=313kk k k k k C C C C ∞=∞→∞=ξξ=ξ=1⋃ξ=2ξ≤ξ≤2ξ≥====-ξ⋃ξξξ⨯∑∑2设随机变量的分布列为P(=k)=C()求：（1）C 的值 （2）P() (3)P(<<)(4)P(1) (5)P(1)解：（1） 由正则性可得：即解得 C （2） P(=1=2)=P(=1)+P(=2)=()121201218)()333271521218(3)()(1)(2)()()223333278(4)(12)(1)(2)272115(1)1(1)1(0)1()333P P P P P P P P P (+⨯=<ξ<=ξ=+ξ==⨯+⨯=≤ξ≤=ξ=+ξ==ξ≥=-ξ<=-ξ==-⨯=P972.4解：ξ的取值为3,4,5 P (ξ=3)=c351=101, P (ξ=4)=c c 3523=103, P (ξ=5)=cc3524=53 所以，ξ的分布列为：k a-7015716702.9a a a =70.999k 70.9975930.999!70,9990410.999!K k k k k e e k e k ξξξξλ=-=-=≤≤≥≥!≈<≈>∑∑∑解,设此种商品当月销售量为件，每月进货件，则当是就不会脱销.则有： P （）0.999 又已知服从7的泊松分布.因此有： 则至少应进16件此种商品.P982.10解：设x 为时间t 内通过交叉路口的汽车数量，则()^()!tt k p x k e k λλ-==(0)λ> 0,1,2,3k =1t =时，(0)0.2p x e λ-===，即ln 5λ= 2t ∴=时，2ln 5t λ=，2ln 5(1)25p x ==(0)0.04p x ==又(1)1(0)(1)p x p x p x >=---= 2ln 5(1)0.9625p x ∴>=-即在两分钟内有多余一辆车通过的概率为2ln 50.9625-.()()500500335002.111/500,.()(,500,1/500)500b K,500,1/500)=1/500499/500,n p np=5001/5001K K K KP K b K P K ξξξξ==-≥==⎛⎫≥ ⎪⎝⎭⨯=∑∑解：由题意已知在指定的一页上出现一个错误的概率为设在指定一页上出现的错误个数为则：P(3)=又其中（直接计算（3）过于麻烦，且很大，很小.这时有很210=np=np b n p 3)10.08032(0.08032KK e K P e λλλξξ--=≈!≥<≈-=∑小，可以近似利用泊松定理取 1，由于不太大时，（K;;) 有（3）=1-P(查表）即在指定的一页上至少有三个错误的概率为2.13解：边际分布列：0(1)()!()!!(1)!!()!!(0,1,2,0)nn m n m nm mm nn nm n m m p p P n p e m n m e n p p e n m n m n n λλλλξλλλ--=---=-====--=-=>∑∑∑……(1)()()(,)!()!(0,1,n)pmm n n m m n m n e p p p e P m p n m m n m m m λλλληξη-∞--==-======-=∑∑……，2.15解：由题意44444444(,,)0.50.30.24!0.50.30.2(,,0,1,2,3,44)(4)!!()0.50.5,0,1,2,3,4()0.30.7,0,1,2,3,4()0.20.8,0,1,2,3,4m nm n k m m n k mm m n n n k k k p m n k C C m n k m n k m m p m C m p n C n p k C k ξηζξηζξηζ----======++=-=========其中且、、的分布列分别为2.17解：1212121212121212121212()1p(0,0 )(0,1)(0,2)(1,0)(2,0)1(1,1)(1,2)(2,1)(2,2)p p p p p p p p p ξξξξξξξξξξξξξξξξξξξξξξ=∴==+==+==+==+===∴===========∴的联合分布列：∴p(1ξ=2ξ)=02.18证：由题意设η所有的可能取值为1231,,...,n n a a a a a -（n ∈R ）其中P(ξ=a ，η=i a )=i p 则对于任意的i ∈R ，而p(=a ξ)p(i a η=)=1*i p 所以P(ξ=a ，η=i a )= p(=a ξ)p(i a η=) 所以ξ与任意的离散型随机变量η相互独立2.19 解:法一：由题意得:若ξ与η相互独立，则P(ξ=2,η=2)=P(ξ=2)P(η=2) P(ξ=2，η=3)=P(ξ=2)P(η=3)所以 a=(1/9+a)(1/3+a+b)B=(1/18+b)(1/3+a+b)1/3+1/3+a+b=1 a=2/9 b=1/9所以a=2/9,b=1/9时ξ与η相互独立法二：解：由归一性可知 α+β=31因为ξ,η相互独立，所以P （i ξi η）=P （i ξ）P （i η） （i=1,2 j=1,2,3） 所以 P （1ξ)P(1η)=61 P （1ξ)P(2η)=91 P （1ξ)P(3η)=181 所以 P(1η):P(2η):P(3η)=3:2:1又因为 P （2ξ)P(1η)=31P （2ξ)P(2η)=α P （2ξ)P(3η)=β所以有 31：α：β=3:2:1所以 α=92 β=91则2ηε=的分布列为分布列。

概率论与数理统计第二章课后习题及参考答案1．离散型随机变量X 的分布函数为⎪⎪⎩⎪⎪⎨⎧≥<≤<≤--<=≤=．4,1,42,7.0,21,2.0,1,0)()(x x x x x X P x F 求X 的分布律．解：)0()()(000--==x F x F x X P ，∴2.002.0)01()1()1(=-=----=-=F F X P ，5.02.07.0)02()2()2(=-=--==F F X P ，3.07.01)04()4()4(=-=--==F F X P ，∴X 的分布律为2．设k a k X P 32()(==， ,2,1=k ，问a 取何值时才能成为随机变量X 的分布律．解：由规范性，a a a n n k k 2321]32(1[32lim)32(11=--=⋅=+∞→∞+=∑，∴21=a ，此时，k k X P 32(21)(⋅==， ,2,1=k ．3．设离散型随机变量X 的分布律为求：(1)X 的分布函数；(2)21(>X P ；(3))31(≤≤-X P ．解：(1)1-<x 时，0)()(=≤=x X P x F ，11<≤-x 时，2.0)1()()(=-==≤=X P x X P x F ，21<≤x 时，7.0)1()1()()(==+-==≤=X P X P x X P x F ，2≥x 时，1)2()1()1()()(==+=+-==≤=X P X P X P x X P x F ，∴X 的分布函数为⎪⎪⎩⎪⎪⎨⎧≥<≤<≤--<=．2,1,21,7.0,11,2.0,1,0)(x x x x x F ．(2)方法1：8.0)2()1()21(==+==>X P X P X P ．方法2：8.02.01)21(121(1)21(=-=-=≤-=>F X P X P ．(3)方法1：1)2()1()1()31(==+=+-==≤≤-X P X P X P X P ．方法2：101)01()3()31(=-=---=≤≤-F F X P ．4．一制药厂分别独立地组织两组技术人员试制不同类型的新药．若每组成功的概率都是0.4，而当第一组成功时，每年的销售额可达40000元；当第二组成功时，每年的销售额可达60000元，若失败则分文全无．以X 记这两种新药的年销售额，求X 的分布律．解：设=i A {第i 组取得成功}，2,1=i ，由题可知，1A ，2A 相互独立，且4.0)()(21==A P A P ．两组技术人员试制不同类型的新药，共有四种可能的情况：21A A ，21A A ，21A A ，21A A ，相对应的X 的值为100000、40000、60000、0，则16.0)()()()100000(2121====A P A P A A P X P ，24.0)()()()40000(2121====A P A P A A P X P ，24.0)()()()60000(2121====A P A P A A P X P ，36.0)()()()0(2121====A P A P A A P X P ，∴X 的分布律为5．对某目标进行独立射击，每次射中的概率为p ，直到射中为止，求：(1)射击次数X 的分布律；(2)脱靶次数Y 的分布律．解：(1)由题设，X 所有可能的取值为1，2，…，k ，…，设=k A {射击时在第k 次命中目标}，则k k A A A A k X 121}{-== ，于是1)1()(--==k p p k X P ，所以X 的分布律为1)1()(--==k p p k X P ， ,2,1=k ．(2)Y 的所有可能取值为0，1，2，…，k ，…，于是Y 的分布律为1)1()(--==k p p k Y P ， ,2,1,0=k ．6．抛掷一枚不均匀的硬币，正面出现的概率为p ，10<<p ，以X 表示直至两个面都出现时的试验次数，求X 的分布律．解：X 所有可能的取值为2，3，…，设=A {k 次试验中出现1-k 次正面，1次反面}，=B {k 次试验中出现1-k 次反面，1次正面}，由题知，B A k X ==}{，=AB ∅，则)1()(1p p A P k -=-，p p B P k 1)1()(--=，p p p p B P A P B A P k X P k k 11)1()1()()()()(---+-=+=== ，于是，X 的分布律为p p p p k X P k k 11)1()1()(---+-==， ,3,2=k ．7．随机变量X 服从泊松分布，且)2()1(===X P X P ，求)4(=X P 及)1(>X P ．X 100000060000400000P0.160.240.240.36解： )2()1(===X P X P ，∴2e e2λλλλ--=，∴2=λ或0=λ(舍去)，∴224e 32e !42)4(--===X P ．)1()0(1)1(1)1(=-=-=≤-=>X P X P X P X P 222e 31e 2e 1----=--=．8．设随机变量X 的分布函数为⎩⎨⎧<≥+-=-．0,0,0,e )1(1)(x x x x F x 求：(1)X 的概率密度；(2))2(≤X P ．解：(1)⎩⎨⎧<≥='=-．0,0,0,e )()(x x x x F x f x ；(2)2e 31)2()2(--==≤F X P ．9．设随机变量X 的概率密度为xx Ax f e e )(+=-，求：(1)常数A ；(2))3ln 210(<<X P ；(3)分布函数)(x F ．解：(1)⎰⎰+∞∞--+∞∞-+==xAx x f xx d e e d )(1A A x A x x x 2|e arctan d e 21e 2π==+=∞+∞-∞+∞-⎰，∴π2=A ．(2)61|e arctan 2d e e 12)3ln 210(3ln 2103ln 210==+=<<⎰-x xx x X P ππ．(3)x xx x xx t t f x F e arctan 2d e e 12d )()(ππ=+==⎰⎰∞--∞-．10．设连续型随机变量X 的分布函数为⎪⎪⎩⎪⎪⎨⎧>≤<-+-≤=．a x a x a a x B A a x x F ,1,,arctan ,,0)(其中0>a ，试求：(1)常数A ，B ；(2)概率密度)(x f ．解：(1) 2arcsin (lim )0()(0)(π⋅-=+=+-=-=+-→B A a x B A a F a F a x ，1)(lim )0()(2==+==⋅++→x F a F a F B A a x π，∴21=A ，π1=B ．(2)⎪⎩⎪⎨⎧≥<-='=．a x a x x a x F x f ,0,,1)()(22π．11．设随机变量X 的概率密度曲线如图所示，其中0>a ．(1)写出密度函数的表达式，求出h ；(2)求分布函数)(x F ；(3)求)2(a X aP ≤<．解：(1)由题设知⎪⎩⎪⎨⎧≤≤-=其他．,0,0,)(a x x ah h x f 2d )(d )(10ahx x a h h x x f a=-==⎰⎰+∞∞-，∴ah 2=，从而⎪⎩⎪⎨⎧≤≤-=其他．,0,0,22)(2a x x a a x f ．y hO a x(2)0<x 时，0d 0d )()(===⎰⎰∞-∞-xxt t t f x F ，a x <≤0时，220202d )22(d 0d )()(a x a x t t a a t t t f x F xx-=-+==⎰⎰⎰∞-∞-，a x ≥时，1)(=x F ，∴X 的分布函数为⎪⎪⎩⎪⎪⎨⎧≥<≤-<=．a x a x axa x x x F ,1,0,2,0,0)(22．(3)41411(1)2()()2(=--=-=≤<a F a F a X a P ．12．设随机变量X 在]6,2[上服从均匀分布，现对X 进行三次独立观察，试求至少有两次观测值大于3的概率．解：由题意知⎪⎩⎪⎨⎧≤≤=其他．,0,62,41)(x x f ，记3}{>=X A ，则43d 41)3()(63==>=⎰x X P A P ，设Y 为对X 进行三次独立观测事件}3{>X 出现的次数，则Y ～43,3(B ，所求概率为)3()2()2(=+==≥Y P Y P Y P )(()(333223A P C A P A P C +=3227)43(41)43(333223=+⋅=C C ．13．设随机变量X 的概率密度为⎩⎨⎧<<=其他．,0,10,3)(2x x x f 以Y 表示对X 的三次独立重复观察中事件}21{≤X 出现的次数，求：(1)}21{≤X 至少出现一次的概率；(2)}21{≤X 恰好出现两次的概率．解：由题意知Y ～),3(p B ，其中81d 321(2102==≤=⎰x x X P p ，(1)}21{≤X 至少出现一次的概率为512169)811(1)1(1)0(1)1(33=--=--==-=≥p Y P Y P ．(2)}21{≤X 恰好出现两次的概率为51221811(81()1()2(223223=-=-==C p p C Y P ．14．在区间],0[a 上任意投掷一个质点，以X 表示这个质点的坐标．设这个质点落在],0[a 中任意小区间内的概率与这个小区间的长度成正比例．试求X 的分布函数．解：0<x 时，事件}{x X ≤表示X 落在区间],0[a 之外，是不可能事件，此时0)()(=≤=x X P x F ；a x ≤≤0时，事件}{x X ≤发生的概率等于X 落在区间],0[x 内的概率，它与],0[x 的长度x 成正比，即x k x X P x F =≤=)()(，a x =时，1)(=≤x X P ，所以a k 1=，则此时axx F =)(；a x ≥时，事件}{x X ≤是必然事件，有1)(=x F ，综上，⎪⎪⎩⎪⎪⎨⎧≥<≤<=，a x a x a x x x F ,1,0,,0,0)(．15．设X ～),2(2σN ，又3.0)42(=<<X P ，求)0(>X P ．解：)24222()42(σσσ-<-<-=<<X P X P 3.0)0(2(=Φ-Φ=σ，∴8.03.0)0()2(=+Φ=Φσ，∴8.0)2()2(1)0(1)0(=Φ=-Φ-=≤-=>σσX P X P ．16．设X ～)4,10(N ，求a ，使得9.0)10(=<-a X P ．解：)10()10(a X a P a X P <-<-=<-)22102(a X a P <-<-=)2()2(a a -Φ-Φ=9.01)2(2=-Φ=a，∴95.0)2(=Φa，查标准正态分布表知645.12=a，∴290.3=a ．17．设X ～)9,60(N ，求分点1x ，2x ，使得X 分别落在),(1x -∞，),(21x x ，),(2∞x 的概率之比为3：4：5．解：由题知5:4:3)(:)(:)(2211=><<<x X P x X x P x X P ，又1)()()(2211=>+<<+<x X P x X x P x X P ，∴25.041)(1==<x X P ，33.031)(21==<<x X x P ，125)(2=>x X P ，则5833.0127)(1)(22==>-=≤x X P x X P ．25.0)360()360360()(111=-Φ=-<-=<x x X P x X P ，查标准正态分布表知03601<-x ，∴03601>--x ，则75.0)360(1)360(11=-Φ-=--Φx x 查标准正态分布表，有7486.0)67.0(=Φ，7517.0)68.0(=Φ，75.02)68.0()67.0(=Φ+Φ，∴675.0268.067.03601=+=--x ，即975.571=x ．5833.0360()360360()(222=-Φ=-≤-=≤x x X P x X P ，查标准正态分布表知5833.0)21.0(=Φ，∴21.03602=-x ，即63.602=x ．18．某高校入学考试的数学成绩近似服从正态分布)100,65(N ，如果85分以上为“优秀”，问数学成绩为“优秀”的考生大致占总人数的百分之几？解：设X 为考生的数学成绩，则X ～)100,65(N ，于是)85(1)85(≤-=>X P X P )1065851065(1-≤--=X P 0228.09772.01)2(1=-=Φ-=，即数学成绩为“优秀”的考生大致占总人数的2.28%．19．设随机变量X 的分布律为求2X Y =的分布律．解：Y 所有可能的取值为0，1，4，9，则51)0()0(====X P Y P ，307)1()1()1(==+-===X P X P Y P ，51)2()4(=-===X P Y P ，3011)3()9(====X P Y P ，∴Y 的分布律为20．设随机变量X 在)1,0(上服从均匀分布，求：(1)X Y e =的概率密度；(2)X Y ln 2-=的概率密度．解：由题设可知⎩⎨⎧<<=其他．,0,10,1)(x x f ，(1)当0≤y 时，=≤}{y Y ∅，X 2-1-013P5161511513011X 0149P51307513011∴0)()(=≤=y Y P y F Y ，0)(=y f Y ；e 0<<y 时，)e ()()(y P y Y P y F X Y ≤=≤=)(ln )ln (y F y X P X =≤=，此时，yy f y y y F y F y f X XY X 1)(ln 1)(ln )(ln )()(=='⋅'='=；e ≥y 时，1)()(=≤=y Y P y F Y ，0)(=y f Y ；∴⎪⎩⎪⎨⎧<<=其他．,0,e 0,1)(y y y f Y ．(2)当0≤y 时，=≤}{y Y ∅，∴0)()(=≤=y Y P y F Y ，0)(=y f Y ；当0>y 时，)e ()ln 2()()(2y Y X P y X P y Y P y F -≥=≤-=≤=)e (1)e (122y X y F X P ---=<-=，此时，222e 21)e ()e ()()(yy y X Y X F y F y f ---='⋅'-='=；∴⎪⎩⎪⎨⎧≤>=-．0,0,0,e 21)(2y y y f yY ．21．设X ～)1,0(N ，求：(1)X Y e =的概率密度；(2)122+=X Y 的概率密度；(3)X Y =的概率密度．解：由题知22e 21)(x X xf -=π，+∞<<∞-x ，(1)0≤y 时，=≤=}e {y Y X ∅，∴0)()(=≤=y Y P y F Y ，0)(=y f Y ；0>y 时，)(ln )ln ()e ()()(y F y X P y P y Y P y F X X Y =≤=≤=≤=，此时，2)(ln 2e 21)(ln 1)(ln )(ln )()(y X XY X y f yy y F y F y f -=='⋅'='=π；综上，⎪⎩⎪⎨⎧≤>=-．0,0,0,e 21)(2)(ln 2y y y f y Y π．(2)1<y 时，=≤+=}12{2y X Y ∅，∴0)()(=≤=y Y P y F Y ；1≥y 时，21()12()()(22-≤=≤+=≤=y X P y X P y Y P y F Y )2121(-≤≤--=y X y P 当1=y 时，0)(=y F Y ，故1≤y 时，0)(=y F Y ，0)(=y f Y ；当1>y 时⎰⎰------==210221212d e22d e21)(22y x y y x Y x x y F ππ，此时，41e)1(21)()(---='=y Y Y y y F y f π，综上，⎪⎩⎪⎨⎧≤>-=--．1,0,1,e )1(21)(41y y y y f y Y π．(3)0<y 时，=≤=}{y X Y ∅，∴0)()()(=≤=≤=y X P y Y P y F Y ，0≥y 时，)()()()(y X y P y X P y Y P y F Y ≤≤-=≤=≤=)()(y F y F X X --=，0=y 时，0)(=y F Y ，∴0≤y 时，有0)(=y F Y ，0)(=y f Y ；0>y 时，22e 22)()()()()(y X X Y Y Y yf y f y F y F y f -=-+=-'+'=π，综上，⎪⎩⎪⎨⎧≤>=-．0,0,0,e 22)(22y y y f yY π．22．(1)设随机变量X 的概率密度为)(x f ，+∞<<∞-x ，求3X Y =的概率密度．(2)设随机变量X 的概率密度为⎩⎨⎧>=-其他．,00,e )(x x f x 求2X Y =的概率密度．解：(1)0=y 时，0)()(=≤=y Y P y F Y ，0)(=y f Y ；0≠y 时，)()()()()(333y F y X P y X P y Y P y F X Y =≤=≤=≤=，3233331())(()()(-⋅=''='=y y f y y F y F y f XY Y ；∴⎪⎩⎪⎨⎧=≠=-．0,0,0),(31)(332y y y f y y f Y ．(2)由于02≥=X Y ，故当0<y 时，}{y Y ≤是不可能事件，有0)()(=≤=y Y P y F Y ；当0≥y 时，有)()(()()()(2y F y F y X y P y X P y Y P y F X X Y --=≤≤-=≤=≤=；因为当0=y 时，0)0()0()(=--=X X Y F F y F ，所以当0≤y 时，0)(=y F Y ．将)(y F Y 关于y 求导数，即得Y 的概率密度为⎪⎩⎪⎨⎧≤>-+=．，；，000)](([21)(y y y f y f y y f X X Y ，⎪⎩⎪⎨⎧≤>+=-．0,0,0),e e (21y y yyy ．23．设随机变量X 的概率密度为⎪⎩⎪⎨⎧<<=其他．,0,0,2)(2ππx xx f 求X Y sin =的概率密度．解：由于X 在),0(π内取值，所以X Y sin =的可能取值区间为)1,0(，在Y 的可能取值区间之外，0)(=y f Y ；当10<<y 时，使}{y Y ≤的x 取值范围是),arcsin []arcsin ,0(ππy y - ，于是}arcsin {}arcsin 0{}{ππ<≤-≤<=≤X y y X y Y ．故)arcsin ()arcsin 0()()(ππ<≤-+≤<=≤=X y P y X P y Y P y F Y ⎰⎰-+=ππyX y X x x f x x f arcsin arcsin 0d )(d )(⎰⎰-+=ππππyy x xx xarcsin 2arcsin 02d 2d 2，上式两边对y 求导，得22222121)arcsin (21arcsin 2)(yyy yyy f Y -=--+-=ππππ；综上，⎪⎩⎪⎨⎧<<-=其他．,0,10,12)(2y y y f Y π．。