大二下:概率论与数理统计复习 导航页:https://blog.csdn.net/COCO56/article/details/100152856
1. 求随机变量X的分布律
一袋中装有5只球,编号为1,2,3,4,5。在袋中同时取出3只球,3只球的最大编号为X,求随机变量X的分布律。
解:
X | 3 | 4 | 5 |
---|---|---|---|
P | 0.1 | 0.3 | 0.6 |
P
(
X
=
3
)
=
C
2
2
C
5
3
=
0.1
,
P
(
X
=
4
)
=
C
3
2
C
5
3
=
0.3
,
P
(
X
=
5
)
=
C
4
2
C
5
3
=
0.6
P(X=3)=\frac{C_2^2}{C_5^3}=0.1,\ P(X=4)=\frac{C_3^2}{C_5^3}=0.3, \ P(X=5)=\frac{C_4^2}{C_5^3}=0.6
P(X=3)=C53C22=0.1, P(X=4)=C53C32=0.3, P(X=5)=C53C42=0.6
2.
某吧台柜台前有吧凳7张,无人就坐,现有2个客人进来随机就坐,则两人就坐相隔凳子数X的概率分布为。
解:
总
数
:
C
7
2
A
2
2
=
42
总数:C_7^2A_2^2=42
总数:C72A22=42
X | 0 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|---|
P | 6 21 \frac{6}{21} 216 | 5 21 \frac{5}{21} 215 | 4 21 \frac{4}{21} 214 | 3 21 \frac{3}{21} 213 | 2 21 \frac{2}{21} 212 | 1 21 \frac{1}{21} 211 |
P
(
X
=
0
)
=
(
7
−
1
)
×
A
2
2
42
=
6
21
P
(
X
=
1
)
=
(
7
−
2
)
×
A
2
2
42
=
5
21
P
(
X
=
2
)
=
(
7
−
3
)
×
A
2
2
42
=
4
21
P
(
X
=
3
)
=
(
7
−
4
)
×
A
2
2
42
=
3
21
P
(
X
=
4
)
=
(
7
−
5
)
×
A
2
2
42
=
2
21
P
(
X
=
5
)
=
(
7
−
6
)
×
A
2
2
42
=
1
21
\begin{aligned} &P(X=0)=\frac{(7-1)\times A_2^2}{42}=\frac{6}{21} &P(X=1)=\frac{(7-2)\times A_2^2}{42}=\frac{5}{21} \\ &P(X=2)=\frac{(7-3)\times A_2^2}{42}=\frac{4}{21} &P(X=3)=\frac{(7-4)\times A_2^2}{42}=\frac{3}{21} \\ &P(X=4)=\frac{(7-5)\times A_2^2}{42}=\frac{2}{21} &P(X=5)=\frac{(7-6)\times A_2^2}{42}=\frac{1}{21} \\ \end{aligned}
P(X=0)=42(7−1)×A22=216P(X=2)=42(7−3)×A22=214P(X=4)=42(7−5)×A22=212P(X=1)=42(7−2)×A22=215P(X=3)=42(7−4)×A22=213P(X=5)=42(7−6)×A22=211
3.
设随机变量X的分布律为:
X | 0 | 1 | 2 |
---|---|---|---|
p k p_k pk | 0.3 | 0.5 | 0.2 |
求X的分布函数
F
x
(
x
)
F_x(x)
Fx(x)。
解:
F
x
(
x
)
=
P
(
X
≤
x
)
F_x(x)=P(X\le x)
Fx(x)=P(X≤x)
F
x
(
x
)
=
{
0
,
x
<
0
0.3
,
0
≤
x
<
1
0.8
,
1
≤
x
<
2
1
,
x
≥
2
F_x(x)= \left\{ \begin{aligned} &0, &x<0\\ &0.3, &0\le x<1\\ &0.8, &1\le x<2\\ &1, &x\ge2 \end{aligned} \right.
Fx(x)=⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧0,0.3,0.8,1,x<00≤x<11≤x<2x≥2
注:这类问题有套路,对于分布律为
X | A | B | C |
---|---|---|---|
p k p_k pk | α \alpha α | β \beta β | γ \gamma γ |
的随机变量X,其分布函数为:
F
(
x
)
=
{
0
,
x
<
A
,
α
,
A
≤
x
<
B
,
α
+
β
,
B
≤
x
<
C
,
1
,
x
≥
C
.
F(x)= \left\{ \begin{aligned} &0, &x<A,\\ &\alpha, &A\le x<B,\\ &\alpha+\beta, &B\le x<C,\\ &1, &x\ge C. \end{aligned} \right.
F(x)=⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧0,α,α+β,1,x<A,A≤x<B,B≤x<C,x≥C.
分
布
律
X
有
n
个
取
值
,
分
布
函
数
大
括
号
后
面
就
有
n
+
1
行
;
分
布
函
数
第
一
行
取
值
为
0
,
最
后
一
行
取
值
为
1
(
α
+
β
+
γ
=
1
)
,
中
间
为
概
率
逐
个
相
加
,
自
行
体
会
。
分布律X有n个取值,分布函数大括号后面就有n+1行;分布函数第一行取值为0,最后一行取值为1(\alpha+\beta+\gamma=1),中间为概率逐个相加,自行体会。
分布律X有n个取值,分布函数大括号后面就有n+1行;分布函数第一行取值为0,最后一行取值为1(α+β+γ=1),中间为概率逐个相加,自行体会。
4.
随机变量X的分布律为:
X | -2 | -1 | 0 | 1 | 2 |
---|---|---|---|---|---|
p k p_k pk | 1 5 \frac{1}{5} 51 | 1 6 \frac{1}{6} 61 | 1 5 \frac{1}{5} 51 | 1 15 \frac{1}{15} 151 | 11 30 \frac{11}{30} 3011 |
求
Y
=
(
X
−
1
)
2
的
分
布
律
;
Y
的
分
布
函
数
F
Y
(
y
)
。
求Y=(X-1)^2的分布律;Y的分布函数F_Y(y)。
求Y=(X−1)2的分布律;Y的分布函数FY(y)。
分析:求离散随机变量函数的分布律,分两步:
- 根据X的值求出对应的Y的值;
- 求出的Y值如果相等,则合并起来,对应概率值相加,再写出对应分布律。
解:求对应Y的值:
X | -2 | -1 | 0 | 1 | 2 |
---|---|---|---|---|---|
Y | 9 | 4 | 1 | 0 | 1 |
p k p_k pk | 1 5 \frac{1}{5} 51 | 1 6 \frac{1}{6} 61 | 1 5 \frac{1}{5} 51 | 1 15 \frac{1}{15} 151 | 11 30 \frac{11}{30} 3011 |
合并相同取值得到Y的分布律为:
Y | 9 | 4 | 1 | 0 |
---|---|---|---|---|
p k p_k pk | 1 5 \frac{1}{5} 51 | 1 6 \frac{1}{6} 61 | 17 30 \frac{17}{30} 3017 | 1 15 \frac{1}{15} 151 |
从小到大重排为:
Y | 0 | 1 | 4 | 9 |
---|---|---|---|---|
p k p_k pk | 1 15 \frac{1}{15} 151 | 17 30 \frac{17}{30} 3017 | 1 6 \frac{1}{6} 61 | 1 5 \frac{1}{5} 51 |
Y的分布函数:
F
Y
(
y
)
=
{
0
,
y
<
0
,
1
15
,
0
≤
y
<
1
,
19
30
,
1
≤
y
<
4
,
4
5
,
4
≤
y
<
9
,
1
,
9
≤
y
.
F_Y(y)= \left\{ \begin{aligned} &0, &y<0,\\ &\frac{1}{15}, &0\le y<1,\\ &\frac{19}{30}, &1\le y<4,\\ &\frac{4}{5}, &4\le y<9,\\ &1, &9\le y. \end{aligned} \right.
FY(y)=⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧0,151,3019,54,1,y<0,0≤y<1,1≤y<4,4≤y<9,9≤y.
5.
设
随
机
变
量
X
∼
P
(
λ
)
(
泊
松
分
布
)
,
且
P
(
X
=
0
)
=
e
−
2
,
则
常
数
λ
=
2
‾
,
概
率
P
(
X
≤
2
)
=
5
e
−
2
‾
.
设随机变量X\sim P(\lambda)(泊松分布),且P(X=0)=e^{-2},则常数\lambda =\underline{2}, 概率P(X\le2)=\underline{5e^{-2}}.
设随机变量X∼P(λ)(泊松分布),且P(X=0)=e−2,则常数λ=2,概率P(X≤2)=5e−2.
解:
P
(
X
=
k
)
=
λ
k
⋅
e
−
λ
k
!
P(X=k)=\frac{\lambda^k\cdot e^{-\lambda}}{k!}
P(X=k)=k!λk⋅e−λ
P
(
X
=
0
)
=
e
−
λ
0
!
=
e
−
λ
=
^
e
−
2
⇒
λ
=
2
P(X=0)=\frac{e^{-\lambda}}{0!}=e^{-\lambda}\hat=e^{-2}\Rightarrow \lambda=2
P(X=0)=0!e−λ=e−λ=^e−2⇒λ=2
P
(
X
≤
2
)
=
P
(
X
=
0
)
+
P
(
X
=
1
)
+
P
(
X
=
2
)
=
e
−
2
+
2
⋅
e
−
2
1
!
+
2
2
⋅
e
−
2
2
!
=
5
e
−
2
\begin{aligned}P(X\le2)&=P(X=0)+P(X=1)+P(X=2)\\ &=e^{-2}+\frac{2\cdot e^{-2}}{1!}+\frac{2^2\cdot e^{-2}}{2!}=5e^{-2}\end{aligned}
P(X≤2)=P(X=0)+P(X=1)+P(X=2)=e−2+1!2⋅e−2+2!22⋅e−2=5e−2
6.
设
随
机
变
量
X
∼
U
(
1
,
6
)
(
均
匀
分
布
)
,
则
X
的
概
率
密
度
函
数
为
,
关
于
t
的
二
次
方
程
t
2
−
X
t
+
1
=
0
有
实
根
的
概
率
为
.
设随机变量X\sim U(1,6)(均匀分布),则X的概率密度函数为,关于t的二次方程t^2-Xt+1=0有实根的概率为.
设随机变量X∼U(1,6)(均匀分布),则X的概率密度函数为,关于t的二次方程t2−Xt+1=0有实根的概率为.
解:均匀分布的概率密度函数为
f
(
x
)
=
{
1
b
−
a
,
a
<
x
<
b
0
,
其
他
,
f(x)=\left\{\begin{aligned} &\frac{1}{b-a}, &a<x<b\\ &0, &其他\end{aligned}\right.,\quad
f(x)=⎩⎨⎧b−a1,0,a<x<b其他,则X的概率密度函数为
f
(
x
)
=
{
1
5
,
1
<
x
<
6
0
,
其
他
;
方
程
t
2
−
X
t
+
1
=
0
有
实
根
的
充
要
条
件
是
:
Δ
=
X
2
−
4
≥
0
⇔
∣
X
∣
≥
2
,
于
是
所
求
概
率
为
P
(
∣
X
∣
≥
2
)
=
1
−
P
(
∣
X
∣
<
2
)
=
1
−
P
(
−
2
<
X
<
2
)
=
1
−
∫
−
2
2
f
(
x
)
d
x
=
1
−
1
5
=
4
5
f(x)=\left\{\begin{aligned} &\frac{1}{5}, &1<x<6\\ &0, &其他\end{aligned}\right.;\\ 方程t^2-Xt+1=0有实根的充要条件是:\Delta=X^2-4\ge0\Leftrightarrow|X|\ge2, 于是所求概率为P(|X|\ge2)=1-P(|X|<2)=1-P(-2<X<2)=1-\int_{-2}^2f(x)dx=1-\frac{1}{5}=\frac{4}{5}
f(x)=⎩⎨⎧51,0,1<x<6其他;方程t2−Xt+1=0有实根的充要条件是:Δ=X2−4≥0⇔∣X∣≥2,于是所求概率为P(∣X∣≥2)=1−P(∣X∣<2)=1−P(−2<X<2)=1−∫−22f(x)dx=1−51=54
7.
设
随
机
变
量
X
服
从
指
数
分
布
,
概
率
密
度
为
f
(
x
)
=
{
1
4
e
−
x
4
,
x
>
0
0
,
x
≤
0
,
则
方
程
t
2
−
2
X
t
+
(
X
+
2
)
=
0
无
实
根
的
概
率
为
设随机变量X服从指数分布,概率密度为f(x)=\left\{\begin{aligned} &\frac{1}{4}e^{-\frac{x}{4}}, &x>0\\ &0, &x\le0\end{aligned}\right.,\ 则方程t^2-2Xt+(X+2)=0无实根的概率为
设随机变量X服从指数分布,概率密度为f(x)=⎩⎨⎧41e−4x,0,x>0x≤0, 则方程t2−2Xt+(X+2)=0无实根的概率为
解:
方法一:
方
程
t
2
−
2
X
t
+
(
X
+
2
)
=
0
无
实
根
的
充
要
条
件
是
:
方程t^2-2Xt+(X+2)=0无实根的充要条件是:
方程t2−2Xt+(X+2)=0无实根的充要条件是:
δ
=
4
X
2
−
4
(
X
+
2
)
=
4
(
X
−
2
)
(
X
+
1
)
<
0
⇔
−
1
<
X
<
2.
\delta=4X^2-4(X+2)=4(X-2)(X+1)<0\Leftrightarrow-1<X<2.
δ=4X2−4(X+2)=4(X−2)(X+1)<0⇔−1<X<2.
于
是
所
求
概
率
为
:
于是所求概率为:
于是所求概率为:
P
(
−
1
<
X
<
2
)
=
∫
−
1
2
f
(
x
)
d
x
=
∫
−
1
0
f
(
x
)
d
x
+
∫
0
2
f
(
x
)
d
x
=
0
+
(
−
e
−
x
4
∣
0
2
)
=
1
−
e
−
1
2
\begin{aligned}P(-1<X<2)&=\int_{-1}^{2}f(x)dx\\ &=\int_{-1}^{0}f(x)dx+\int_{0}^{2}f(x)dx\\ &=0+(-e^{-\frac{x}{4}}|^2_0)\\ &=1-e^{-\frac{1}{2}} \end{aligned}
P(−1<X<2)=∫−12f(x)dx=∫−10f(x)dx+∫02f(x)dx=0+(−e−4x∣02)=1−e−21
方法二:
∵
指
数
分
布
的
概
率
分
布
函
数
:
F
(
x
)
=
1
−
e
−
λ
x
∴
P
(
−
1
<
X
<
2
)
=
F
(
2
)
−
F
(
−
1
)
=
F
(
2
)
−
0
=
1
−
e
−
λ
x
=
1
−
e
−
1
4
×
2
=
1
−
e
−
1
2
\because指数分布的概率分布函数:F(x)=1-e^{-\lambda x}\\ \therefore P(-1<X<2)=F(2)-F(-1)=F(2)-0=1-e^{-\lambda x}=1-e^{-\frac{1}{4}\times2}=1-e^{-\frac{1}{2}}
∵指数分布的概率分布函数:F(x)=1−e−λx∴P(−1<X<2)=F(2)−F(−1)=F(2)−0=1−e−λx=1−e−41×2=1−e−21
8.
某
人
家
住
市
区
西
郊
,
在
东
郊
上
班
,
上
班
的
第
一
条
线
路
是
横
穿
市
区
,
所
需
时
间
X
∼
N
(
30
,
1
0
2
)
,
第
二
条
线
路
是
沿
环
城
公
路
,
所
需
时
间
Y
∼
N
(
40
,
4
2
)
(
单
位
均
为
分
钟
)
,
某
天
他
提
前
50
分
钟
出
发
,
那
么
他
该
选
择
第
2
‾
条
线
路
。
某人家住市区西郊,在东郊上班,上班的第一条线路是横穿市区,所需时间X\sim N(30,10^2),第二条线路是沿环城公路,所需时间Y\sim N(40,4^2)(单位均为分钟),某天他提前50分钟出发,那么他该选择第\underline{\ 2\ }条线路。
某人家住市区西郊,在东郊上班,上班的第一条线路是横穿市区,所需时间X∼N(30,102),第二条线路是沿环城公路,所需时间Y∼N(40,42)(单位均为分钟),某天他提前50分钟出发,那么他该选择第 2 条线路。
解:此题的意思是让我们求哪条线路用时会大于50分钟的概率比较小,也就是求P(X>50)和P(Y>50)。标准化求得:
∵
对
于
X
∼
N
(
μ
,
σ
2
)
有
P
{
X
>
x
}
=
P
{
X
−
μ
σ
>
x
−
μ
σ
}
=
1
−
Φ
(
x
−
μ
σ
)
\because 对于X\sim N(\mu, \sigma^2)有P\{X>x\}=P\{\frac{X-\mu}{\sigma}>\frac{x-\mu}{\sigma}\}=1-\Phi(\frac{x-\mu}{\sigma})
∵对于X∼N(μ,σ2)有P{X>x}=P{σX−μ>σx−μ}=1−Φ(σx−μ)
∴
P
(
X
>
50
)
=
P
(
X
−
30
10
>
50
−
30
10
)
=
P
(
Z
>
2
)
=
1
−
P
(
Z
≤
2
)
=
1
−
Φ
(
2
)
=
1
−
0.9772
=
0.0228
P
(
Y
>
50
)
=
P
(
X
−
40
4
>
50
−
40
4
)
=
1
−
Φ
(
2.5
)
=
1
−
0.9938
=
0.0062
\begin{aligned} \therefore&P(X>50)=P(\frac{X-30}{10}>\frac{50-30}{10})=P(Z>2)=1-P(Z\le2) \\&\qquad\qquad\ \ \ =1-\Phi(2)=1-0.9772=0.0228\\ &P(Y>50)=P(\frac{X-40}{4}>\frac{50-40}{4})=1-\Phi(2.5)=1-0.9938=0.0062 \end{aligned}
∴P(X>50)=P(10X−30>1050−30)=P(Z>2)=1−P(Z≤2) =1−Φ(2)=1−0.9772=0.0228P(Y>50)=P(4X−40>450−40)=1−Φ(2.5)=1−0.9938=0.0062
可
以
看
出
P
(
Y
>
50
)
的
值
较
小
,
因
此
应
该
选
择
第
二
条
线
路
。
可以看出P(Y>50)的值较小,因此应该选择第二条线路。
可以看出P(Y>50)的值较小,因此应该选择第二条线路。
9. 已知概率密度函数求分布函数
设
连
续
型
随
机
变
量
X
的
概
率
密
度
为
f
(
x
)
=
{
2
π
1
−
x
2
,
0
<
x
<
c
0
,
其
他
设连续型随机变量X的概率密度为f(x)=\left\{\begin{aligned} &\frac{2}{\pi\sqrt{1-x^2}}, &0<x<c\\ &0, &其他\end{aligned}\right.
设连续型随机变量X的概率密度为f(x)=⎩⎪⎨⎪⎧π1−x22,0,0<x<c其他
(
1
)
确
定
c
的
值
;
(
2
)
求
X
的
分
布
函
数
F
(
x
)
.
(1)确定c的值;(2)求X的分布函数F(x).
(1)确定c的值;(2)求X的分布函数F(x).
解:
(
1
)
∫
−
∞
+
∞
f
(
x
)
d
x
=
1
⇒
∫
−
∞
+
∞
2
π
1
−
x
2
d
x
=
1
(1)\int_{-\infty}^{+\infty}f(x)dx=1\Rightarrow\int_{-\infty}^{+\infty}\frac{2}{\pi\sqrt{1-x^2}}dx=1
(1)∫−∞+∞f(x)dx=1⇒∫−∞+∞π1−x22dx=1
⇒
∫
0
c
2
π
1
−
x
2
d
x
=
1
⇒
2
π
arcsin
x
∣
0
c
=
2
π
arcsin
c
=
^
1
\Rightarrow\int_{0}^{c}\frac{2}{\pi\sqrt{1-x^2}}dx=1\Rightarrow\frac{2}{\pi}\arcsin{x}|_0^c=\frac{2}{\pi}\arcsin{c}\hat=1
⇒∫0cπ1−x22dx=1⇒π2arcsinx∣0c=π2arcsinc=^1
⇒
arcsin
c
=
π
2
⇒
c
=
1
\Rightarrow\arcsin{c}=\frac{\pi}{2}\Rightarrow c=1
⇒arcsinc=2π⇒c=1
(
2
)
显
然
分
布
函
数
分
段
点
为
0
和
1
,
则
:
(2)显然分布函数分段点为0和1,则:
(2)显然分布函数分段点为0和1,则:
当
x
<
0
时
,
F
(
x
)
=
∫
−
∞
x
f
(
t
)
d
t
=
0
;
当x<0时,F(x)=\int_{-\infty}^xf(t)dt=0;
当x<0时,F(x)=∫−∞xf(t)dt=0;
当
0
≤
x
<
1
时
,
F
(
x
)
=
∫
−
∞
x
f
(
t
)
d
t
=
∫
0
x
2
π
1
−
t
2
d
t
=
2
π
arcsin
t
∣
0
x
=
2
π
arcsin
x
;
当0\le x<1时,F(x)=\int_{-\infty}^xf(t)dt=\int_0^x\frac{2}{\pi\sqrt{1-t^2}}dt=\frac{2}{\pi}\arcsin{t}|_0^x=\frac{2}{\pi}\arcsin{x};
当0≤x<1时,F(x)=∫−∞xf(t)dt=∫0xπ1−t22dt=π2arcsint∣0x=π2arcsinx;
当
x
≥
1
时
,
F
(
x
)
=
∫
−
∞
x
f
(
t
)
d
t
=
∫
−
∞
0
f
(
t
)
d
t
+
∫
0
1
f
(
t
)
d
t
+
∫
1
+
∞
f
(
t
)
d
t
=
1
;
当x\ge1时,F(x)=\int_{-\infty}^xf(t)dt=\int_{-\infty}^0f(t)dt+\int_0^1f(t)dt+\int_1^{+\infty}f(t)dt=1;
当x≥1时,F(x)=∫−∞xf(t)dt=∫−∞0f(t)dt+∫01f(t)dt+∫1+∞f(t)dt=1;
所以,随机变量的分布函数为:
F
(
x
)
=
{
0
,
x
<
0
2
π
arcsin
x
,
0
≤
x
<
1
1
,
x
≥
1
F(x)=\left\{\begin{aligned} &0, &x<0\\ &\frac{2}{\pi}\arcsin x, &0\le x<1\\&1, &x\ge1\end{aligned}\right.
F(x)=⎩⎪⎪⎪⎨⎪⎪⎪⎧0,π2arcsinx,1,x<00≤x<1x≥1
注
:
若
随
机
变
量
X
的
概
率
密
度
为
:
f
(
x
)
=
{
g
(
x
)
,
a
≤
x
<
b
,
0
,
其
他
注:若随机变量X的概率密度为:f(x)=\left\{\begin{aligned} &g(x), &a\le x<b,\\ &0, &其他\end{aligned}\right.
注:若随机变量X的概率密度为:f(x)={g(x),0,a≤x<b,其他
则
X
的
分
布
函
数
为
:
f
(
x
)
=
{
0
,
x
<
a
∫
a
x
g
(
t
)
d
t
,
a
≤
x
<
b
1
,
x
≥
b
则X的分布函数为:f(x)=\left\{\begin{aligned} &0, &x<a\\&\int_a^xg(t)dt, &a\le x<b\\ &1, &x\ge b\end{aligned}\right.
则X的分布函数为:f(x)=⎩⎪⎪⎪⎨⎪⎪⎪⎧0,∫axg(t)dt,1,x<aa≤x<bx≥b
10. 已知分布函数求概率密度函数
设
连
续
型
随
机
变
量
X
的
分
布
函
数
为
f
(
x
)
=
{
A
+
B
e
−
2
x
,
x
>
0
,
0
,
x
≤
0.
设连续型随机变量X的分布函数为f(x)=\left\{\begin{aligned} &A+Be^{-2x}, &x>0,\\ &0, &x\le0.\end{aligned}\right.
设连续型随机变量X的分布函数为f(x)={A+Be−2x,0,x>0,x≤0.
(
1
)
确
定
A
,
B
的
值
;
(1)确定A,B的值;
(1)确定A,B的值;
(
2
)
求
P
(
−
1
<
x
<
1
)
;
(2)求P(-1<x<1);
(2)求P(−1<x<1);
(
3
)
求
概
率
密
度
函
数
f
x
(
x
)
;
(3)求概率密度函数f_x(x);
(3)求概率密度函数fx(x);
(
4
)
若
Y
=
3
X
+
1
,
求
概
率
密
度
函
数
f
Y
(
y
)
.
(4)若Y=3X+1,求概率密度函数f_Y(y).
(4)若Y=3X+1,求概率密度函数fY(y).
$解: $
(
1
)
(1)
(1)
lim
x
→
+
∞
(
A
+
B
e
−
2
x
)
=
A
=
^
1
⇒
A
=
1
lim
x
→
0
+
F
(
x
)
=
0
⇒
lim
x
→
0
+
(
A
+
B
e
−
2
x
)
=
1
+
B
=
^
0
⇒
B
=
−
1
∴
A
=
1
,
B
=
−
1
\begin{aligned} &\lim_{x \to +\infty}(A+Be^{-2x})=A\hat{=}1\Rightarrow A=1\\ &\lim_{x \to 0^+}F(x)=0\Rightarrow \lim_{x \to 0^+}(A+Be^{-2x})=1+B\hat{=}0\Rightarrow B=-1\\ &\therefore A=1, B=-1 \end{aligned}
x→+∞lim(A+Be−2x)=A=^1⇒A=1x→0+limF(x)=0⇒x→0+lim(A+Be−2x)=1+B=^0⇒B=−1∴A=1,B=−1
(
2
)
P
(
−
1
<
x
<
1
)
=
F
(
1
)
−
F
(
−
1
)
=
1
−
e
−
2
−
0
=
1
−
e
−
2
(2)P(-1<x<1)=F(1)-F(-1)=1-e^{-2}-0=1-e^{-2}
(2)P(−1<x<1)=F(1)−F(−1)=1−e−2−0=1−e−2
(
3
)
(3)
(3)
∵
(
−
e
−
2
x
)
′
=
−
e
−
2
x
⋅
(
−
2
)
\because (-e^{-2x})'=-e^{-2x}\cdot(-2)
∵(−e−2x)′=−e−2x⋅(−2)
∴
f
x
=
{
2
e
−
2
x
,
x
>
0
,
0
,
x
≤
0.
\therefore f_x=\left\{\begin{aligned} &2e^{-2x}, &x>0,\\ &0, &x\le0.\end{aligned}\right.
∴fx={2e−2x,0,x>0,x≤0.
(
4
)
∵
F
Y
(
y
)
=
P
(
Y
≤
y
)
=
P
(
3
X
+
1
≤
y
)
=
P
(
X
≤
y
−
1
3
)
=
F
X
(
y
−
1
3
)
(4)\because F_Y(y)=P(Y\le y)=P(3X+1\le y)=P(X\le\frac{y-1}{3})=F_X(\frac{y-1}{3})
(4)∵FY(y)=P(Y≤y)=P(3X+1≤y)=P(X≤3y−1)=FX(3y−1)
∴
f
Y
(
y
)
=
f
X
(
y
−
1
3
)
⋅
1
3
=
{
2
3
e
−
2
⋅
y
−
1
3
,
y
−
1
3
>
0
,
0
,
y
−
1
3
≤
0.
=
{
2
3
e
−
2
(
y
−
1
)
3
,
y
>
1
,
0
,
其
他
\therefore f_Y(y)=f_X(\frac{y-1}{3})\cdot\frac{1}{3}=\left\{\begin{aligned} &\frac{2}{3}e^{-2\cdot\frac{y-1}{3}}, &\frac{y-1}{3}>0,\\ &0, &\frac{y-1}{3}\le0.\end{aligned}\right.=\left\{\begin{aligned} &\frac{2}{3}e^{\frac{-2(y-1)}{3}}, &y>1,\\ &0, &其他 \end{aligned}\right.
∴fY(y)=fX(3y−1)⋅31=⎩⎪⎨⎪⎧32e−2⋅3y−1,0,3y−1>0,3y−1≤0.=⎩⎨⎧32e3−2(y−1),0,y>1,其他
11.
设
某
种
型
号
的
电
子
元
件
的
寿
命
X
(
单
位
:
小
时
)
的
概
率
密
度
函
数
为
:
设某种型号的电子元件的寿命X(单位:小时)的概率密度函数为:
设某种型号的电子元件的寿命X(单位:小时)的概率密度函数为:
f
X
(
x
)
=
{
1000
x
2
,
x
>
1000
,
0
,
其
他
.
f_X(x)=\left\{\begin{aligned} &\frac{1000}{x^2}, &x>1000,\\ &0, &其他.\end{aligned}\right.
fX(x)=⎩⎨⎧x21000,0,x>1000,其他.
(
1
)
求
元
件
的
使
用
寿
命
在
1500
小
时
以
下
的
概
率
;
(1)求元件的使用寿命在1500小时以下的概率;
(1)求元件的使用寿命在1500小时以下的概率;
(
2
)
现
有
5
个
这
种
元
件
独
立
工
作
,
以
Y
表
示
其
中
寿
命
小
于
1500
小
时
的
元
件
个
数
,
写
出
Y
的
分
布
律
;
(2)现有5个这种元件独立工作,以Y表示其中寿命小于1500小时的元件个数,写出Y的分布律;
(2)现有5个这种元件独立工作,以Y表示其中寿命小于1500小时的元件个数,写出Y的分布律;
(
3
)
求
这
5
个
元
件
中
最
多
有
1
个
寿
命
小
于
1500
小
时
的
概
率
。
(3)求这5个元件中最多有1个寿命小于1500小时的概率。
(3)求这5个元件中最多有1个寿命小于1500小时的概率。
解
:
解:
解:
(
1
)
:
P
(
X
<
1500
)
=
∫
−
∞
1500
f
x
(
x
)
d
x
=
∫
1000
1500
1000
x
2
d
x
=
[
−
1000
x
]
1000
1500
=
1
3
(1):P(X<1500)=\int_{-\infty}^{1500}f_x(x)dx=\int_{1000}^{1500}\frac{1000}{x^2}dx=[-\frac{1000}{x}]_{1000}^{1500}=\frac{1}{3}
(1):P(X<1500)=∫−∞1500fx(x)dx=∫10001500x21000dx=[−x1000]10001500=31
(
2
)
:
Y
服
从
二
项
分
布
:
Y
∼
b
(
5
,
1
3
)
.
(2):Y服从二项分布:Y\sim b(5,\frac{1}{3}).
(2):Y服从二项分布:Y∼b(5,31).
则
分
布
律
为
:
P
(
Y
=
k
)
=
C
5
k
(
1
3
)
k
(
2
3
)
5
−
k
,
k
=
0
,
1
,
2
,
3
,
4
,
5
则分布律为:P(Y=k)=C_5^k(\frac{1}{3})^k(\frac{2}{3})^{5-k},\quad k=0,1,2,3,4,5
则分布律为:P(Y=k)=C5k(31)k(32)5−k,k=0,1,2,3,4,5
Y | 0 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|---|
P | 32 243 \frac{32}{243} 24332 | 80 243 \frac{80}{243} 24380 | 80 243 \frac{80}{243} 24380 | 40 243 \frac{40}{243} 24340 | 10 243 \frac{10}{243} 24310 | 1 243 \frac{1}{243} 2431 |
( 3 ) : P ( Y ≤ 1 ) = P ( Y = 0 ) + P ( Y = 1 ) = 32 243 + 80 243 = 112 243 (3):P(Y\le1)=P(Y=0)+P(Y=1)=\frac{32}{243}+\frac{80}{243}=\frac{112}{243} (3):P(Y≤1)=P(Y=0)+P(Y=1)=24332+24380=243112