目录
- 第一章 随机事件和概率
- 1.2 概率、条件概率、独立性和五大公式
- 例4 设
0
<
P
(
A
)
<
1
,
0
<
P
(
B
)
<
1
0<P(A)<1,0<P(B)<1
0<P(A)<1,0<P(B)<1,且
P
(
B
∣
A
)
+
P
(
B
‾
∣
A
‾
)
=
1
P(B|A)+P(\overline{B}|\overline{A})=1
P(B∣A)+P(B∣A)=1,则必有( )。
( A ) P ( A ∣ B ) = P ( A ‾ ∣ B ) ; (A)P(A|B)=P(\overline{A}|B); (A)P(A∣B)=P(A∣B);
( B ) P ( A ∣ B ) ≠ P ( A ‾ ∣ B ) ; (B)P(A|B)\ne P(\overline{A}|B); (B)P(A∣B)=P(A∣B);
( C ) P ( A B ) = P ( A ) P ( B ) ; (C)P(AB)=P(A)P(B); (C)P(AB)=P(A)P(B);
( D ) P ( A B ) ≠ P ( A ) P ( B ) . (D)P(AB)\ne P(A)P(B). (D)P(AB)=P(A)P(B). - 例5 已知
P
(
A
)
=
0
,
P
(
B
)
=
1
P(A)=0,P(B)=1
P(A)=0,P(B)=1,则( )。
( A ) A = Ø , B = Ω ; (A)A=\text{\O},B=\Omega; (A)A=Ø,B=Ω;
( B ) A ⊂ B ; (B)A\subset B; (B)A⊂B;
( C ) A (C)A (C)A与 B B B互斥 ; ; ;
( D ) A (D)A (D)A与 B B B相互独立 . . . - 例10 设有来自三个地区的各 10 10 10名、 15 15 15名和 25 25 25名考生的报名表,其中女生的报名表分别为 3 3 3份、 7 7 7份和 5 5 5份。随机地抽取一个地区的报名表,从中先后抽出两份。
- 例4 设
0
<
P
(
A
)
<
1
,
0
<
P
(
B
)
<
1
0<P(A)<1,0<P(B)<1
0<P(A)<1,0<P(B)<1,且
P
(
B
∣
A
)
+
P
(
B
‾
∣
A
‾
)
=
1
P(B|A)+P(\overline{B}|\overline{A})=1
P(B∣A)+P(B∣A)=1,则必有( )。
- 1.3 古典概型与伯努利概型
- 第二章 随机变量及其概率分布
- 2.2 离散型随机变量和连续型随机变量
- 例3 设随机变量 X X X的分布律为 P { X = k } = c λ k k ! , k = 0 , 1 , 2 , ⋯ , λ > 0 P\{X=k\}=c\cfrac{\lambda^k}{k!},k=0,1,2,\cdots,\lambda>0 P{X=k}=ck!λk,k=0,1,2,⋯,λ>0,试确定常数 c c c的值。
- 例5 如果
f
(
x
)
f(x)
f(x)是某随机变量
X
X
X的概率密度,则可以判断也为概率密度的是( )
( A ) f ( 2 x ) ; (A)f(2x); (A)f(2x);
( B ) f 2 ( x ) ; (B)f^2(x); (B)f2(x);
( C ) 2 x f ( x 2 ) ; (C)2xf(x^2); (C)2xf(x2);
( D ) 3 x 2 f ( x 3 ) . (D)3x^2f(x^3). (D)3x2f(x3).
- 写在最后
第一章 随机事件和概率
1.2 概率、条件概率、独立性和五大公式
例4 设
0
<
P
(
A
)
<
1
,
0
<
P
(
B
)
<
1
0<P(A)<1,0<P(B)<1
0<P(A)<1,0<P(B)<1,且
P
(
B
∣
A
)
+
P
(
B
‾
∣
A
‾
)
=
1
P(B|A)+P(\overline{B}|\overline{A})=1
P(B∣A)+P(B∣A)=1,则必有( )。
(
A
)
P
(
A
∣
B
)
=
P
(
A
‾
∣
B
)
;
(A)P(A|B)=P(\overline{A}|B);
(A)P(A∣B)=P(A∣B);
(
B
)
P
(
A
∣
B
)
≠
P
(
A
‾
∣
B
)
;
(B)P(A|B)\ne P(\overline{A}|B);
(B)P(A∣B)=P(A∣B);
(
C
)
P
(
A
B
)
=
P
(
A
)
P
(
B
)
;
(C)P(AB)=P(A)P(B);
(C)P(AB)=P(A)P(B);
(
D
)
P
(
A
B
)
≠
P
(
A
)
P
(
B
)
.
(D)P(AB)\ne P(A)P(B).
(D)P(AB)=P(A)P(B).
解 由
P
(
B
∣
A
)
+
P
(
B
‾
∣
A
‾
)
=
1
P(B|A)+P(\overline{B}|\overline{A})=1
P(B∣A)+P(B∣A)=1,得
P
(
B
∣
A
)
=
1
−
P
(
B
‾
∣
A
‾
)
=
P
(
B
∣
A
‾
)
P(B|A)=1-P(\overline{B}|\overline{A})=P(B|\overline{A})
P(B∣A)=1−P(B∣A)=P(B∣A)。
根据条件概率定义,上式可改写为
P
(
B
A
)
P
(
A
)
=
P
(
B
A
‾
)
P
(
A
‾
)
\cfrac{P(BA)}{P(A)}=\cfrac{P(B\overline{A})}{P(\overline{A})}
P(A)P(BA)=P(A)P(BA),即
P
(
A
)
P
(
B
A
‾
)
=
P
(
A
‾
)
P
(
B
A
)
=
[
1
−
P
(
A
)
]
P
(
B
A
)
P(A)P(B\overline{A})=P(\overline{A})P(BA)=[1-P(A)]P(BA)
P(A)P(BA)=P(A)P(BA)=[1−P(A)]P(BA),所以
P
(
A
)
P
(
B
A
‾
)
+
P
(
A
)
P
(
B
A
)
=
P
(
B
A
)
P(A)P(B\overline{A})+P(A)P(BA)=P(BA)
P(A)P(BA)+P(A)P(BA)=P(BA),因此
P
(
A
)
P
(
B
)
=
P
(
B
A
)
P(A)P(B)=P(BA)
P(A)P(B)=P(BA)。故选
(
C
)
(C)
(C)。(这道题主要利用了条件概率定义求解)
例5 已知
P
(
A
)
=
0
,
P
(
B
)
=
1
P(A)=0,P(B)=1
P(A)=0,P(B)=1,则( )。
(
A
)
A
=
Ø
,
B
=
Ω
;
(A)A=\text{\O},B=\Omega;
(A)A=Ø,B=Ω;
(
B
)
A
⊂
B
;
(B)A\subset B;
(B)A⊂B;
(
C
)
A
(C)A
(C)A与
B
B
B互斥
;
;
;
(
D
)
A
(D)A
(D)A与
B
B
B相互独立
.
.
.
解 由于 0 ⩽ P ( A B ) ⩽ P ( A ) = 0 0\leqslant P(AB)\leqslant P(A)=0 0⩽P(AB)⩽P(A)=0,所以 P ( A B ) = 0 P(AB)=0 P(AB)=0。又因为 P ( A ) P ( B ) = 0 P(A)P(B)=0 P(A)P(B)=0,所以 P ( A B ) = P ( A ) P ( B ) P(AB)=P(A)P(B) P(AB)=P(A)P(B)成立,即 A A A与 B B B相互独立。故应选 ( D ) (D) (D)。(这道题主要利用了事件互斥定义求解)
例10 设有来自三个地区的各 10 10 10名、 15 15 15名和 25 25 25名考生的报名表,其中女生的报名表分别为 3 3 3份、 7 7 7份和 5 5 5份。随机地抽取一个地区的报名表,从中先后抽出两份。
(2)已知后抽到的一份是男生表,求先抽到的一份是女生表的概率 q q q。
解 设事件
B
i
B_i
Bi为第
i
i
i次抽到的报名表是女生表
(
i
=
1
,
2
)
(i=1,2)
(i=1,2),事件
A
j
A_j
Aj为报名表是第
j
j
j区考生的(j=1,2,3)。显然
A
1
,
A
2
,
A
3
A_1,A_2,A_3
A1,A2,A3构成完备事件组,且
P
(
A
j
)
=
1
3
(
j
=
1
,
2
,
3
)
,
P
(
B
1
∣
A
1
)
=
3
10
,
P
(
B
1
∣
A
2
)
=
7
15
,
P
(
B
1
∣
A
3
)
=
5
25
P(A_j)=\cfrac{1}{3}(j=1,2,3),P(B_1|A_1)=\cfrac{3}{10},P(B_1|A_2)=\cfrac{7}{15},P(B_1|A_3)=\cfrac{5}{25}
P(Aj)=31(j=1,2,3),P(B1∣A1)=103,P(B1∣A2)=157,P(B1∣A3)=255。
当
A
1
A_1
A1发生时,
P
(
B
1
∣
B
‾
2
)
=
3
9
P(B_1|\overline{B}_2)=\cfrac{3}{9}
P(B1∣B2)=93;当
A
2
A_2
A2发生时,
P
(
B
1
∣
B
‾
2
)
=
7
14
P(B_1|\overline{B}_2)=\cfrac{7}{14}
P(B1∣B2)=147;当
A
3
A_3
A3发生时,
P
(
B
1
∣
B
‾
2
)
=
5
24
P(B_1|\overline{B}_2)=\cfrac{5}{24}
P(B1∣B2)=245,所以
q
=
1
3
×
3
9
+
1
3
×
7
14
+
1
3
×
5
24
=
25
72
q=\cfrac{1}{3}\times\cfrac{3}{9}+\cfrac{1}{3}\times\cfrac{7}{14}+\cfrac{1}{3}\times\cfrac{5}{24}=\cfrac{25}{72}
q=31×93+31×147+31×245=7225。(这道题主要利用了条件概率求解)
1.3 古典概型与伯努利概型
例4 掷一枚硬币 2 n 2n 2n次,出现正面向上次数多于反面向上次数的概率为______。
解 在 2 n 2n 2n次中有可能正面向上次数等于反面向上次数各 n n n次,其概率为 C 2 n n ( 1 2 ) n ( 1 2 ) n \mathrm{C}^n_{2n}\left(\cfrac{1}{2}\right)^n\left(\cfrac{1}{2}\right)^n C2nn(21)n(21)n,即 C 2 n n ( 1 2 ) 2 n \mathrm{C}^n_{2n}\left(\cfrac{1}{2}\right)^{2n} C2nn(21)2n。而其余各次有一半是正面向上次数多于反面向上次数,另一半是正面向上次数少于反面向上次数。它们的概率均为 1 2 [ 1 − C 2 n n ( 1 2 ) 2 n ] \cfrac{1}{2}\left[1-\mathrm{C}^n_{2n}\left(\cfrac{1}{2}\right)^{2n}\right] 21⎣⎡1−C2nn(21)2n⎦⎤。(这道题主要利用了二次项展开式求解)
例5 一条自动生产线连续生产 n n n件产品不出故障的概率为 λ n n ! e − λ , n = 0 , 1 , 2 , ⋯ \cfrac{\lambda^n}{n!}e^{-\lambda},n=0,1,2,\cdots n!λne−λ,n=0,1,2,⋯。假设产品的优质品率为 p ( 0 < p < 1 ) p(0<p<1) p(0<p<1)。如果各件产品是否为优质品相互独立。
(1)计算生产线在两次故障间共生产 k k k件 ( k = 0 , 1 , 2 , ⋯ ) (k=0,1,2,\cdots) (k=0,1,2,⋯)优质品的概率;
解 设事件
B
k
=
B_k=
Bk=两次故障件共生产
k
k
k件优质品,事件
A
i
=
A_i=
Ai=两次故障间共生产
i
i
i件产品,
i
=
0
,
1
,
2
,
⋯
i=0,1,2,\cdots
i=0,1,2,⋯。显然
A
0
,
A
1
,
A
2
,
⋯
A_0,A_1,A_2,\cdots
A0,A1,A2,⋯构成一个完备事件组,且
P
(
A
i
)
=
λ
i
i
!
e
−
λ
,
i
=
0
,
1
,
2
,
⋯
P(A_i)=\cfrac{\lambda^i}{i!}e^{-\lambda},i=0,1,2,\cdots
P(Ai)=i!λie−λ,i=0,1,2,⋯。
当
i
<
k
i<k
i<k时,在
i
i
i个产品中不可能有
k
k
k个优质品,故
P
(
B
k
∣
A
i
)
=
0
P(B_k|A_i)=0
P(Bk∣Ai)=0;
当
i
⩾
k
i\geqslant k
i⩾k时,在
i
i
i个产品中有
k
k
k个优质品,且各产品是否为优质品相互独立,故
P
(
B
k
∣
A
i
)
=
C
i
k
p
k
q
i
−
k
P(B_k|A_i)=\mathrm{C}^k_ip^kq^{i-k}
P(Bk∣Ai)=Cikpkqi−k,其中
q
=
1
−
p
q=1-p
q=1−p。
应用全概率公式,有
P
(
B
k
)
=
∑
i
=
0
+
∞
P
(
A
i
)
P
(
B
k
∣
A
i
)
=
∑
i
=
k
+
∞
P
(
A
i
)
P
(
B
k
∣
A
i
)
=
∑
i
=
k
+
∞
λ
i
i
!
e
−
λ
C
i
k
p
k
q
i
−
k
=
∑
i
=
k
+
∞
λ
i
i
!
e
−
λ
i
!
k
!
(
i
−
k
)
!
p
k
q
i
−
k
=
(
λ
p
)
k
k
!
e
−
λ
p
∑
i
=
k
+
∞
(
λ
q
)
i
−
k
(
i
−
k
)
!
e
−
λ
q
=
(
λ
p
)
k
k
!
e
−
λ
p
,
k
=
0
,
1
,
2
,
⋯
\begin{aligned} P(B_k)&=\displaystyle\sum^{+\infty}_{i=0}P(A_i)P(B_k|A_i)=\displaystyle\sum^{+\infty}_{i=k}P(A_i)P(B_k|A_i)\\ &=\displaystyle\sum^{+\infty}_{i=k}\cfrac{\lambda^i}{i!}e^{-\lambda}\mathrm{C}^k_ip^kq^{i-k}=\displaystyle\sum^{+\infty}_{i=k}\cfrac{\lambda^i}{i!}e^{-\lambda}\cfrac{i!}{k!(i-k)!}p^kq^{i-k}\\ &=\cfrac{(\lambda p)^k}{k!}e^{-\lambda p}\displaystyle\sum^{+\infty}_{i=k}\cfrac{(\lambda q)^{i-k}}{(i-k)!}e^{-\lambda q}=\cfrac{(\lambda p)^k}{k!}e^{-\lambda p},k=0,1,2,\cdots \end{aligned}
P(Bk)=i=0∑+∞P(Ai)P(Bk∣Ai)=i=k∑+∞P(Ai)P(Bk∣Ai)=i=k∑+∞i!λie−λCikpkqi−k=i=k∑+∞i!λie−λk!(i−k)!i!pkqi−k=k!(λp)ke−λpi=k∑+∞(i−k)!(λq)i−ke−λq=k!(λp)ke−λp,k=0,1,2,⋯
(这道题主要利用了概率性质求解)
(2)若已知在某两次故障间该生产线生产了 k k k件优质品,求它共生产 m m m件产品的概率。
解 当
m
<
k
m<k
m<k时,
P
(
A
m
∣
B
k
)
=
0
P(A_m|B_k)=0
P(Am∣Bk)=0;
当
m
⩾
k
m\geqslant k
m⩾k时,
P
(
A
m
∣
B
k
)
=
P
(
A
m
)
P
(
B
k
∣
A
m
)
P
(
B
k
)
=
k
!
(
λ
p
)
k
e
−
λ
p
⋅
λ
m
m
!
e
−
λ
⋅
m
!
k
!
(
m
−
k
)
!
p
k
q
m
−
k
=
(
λ
q
)
m
−
k
(
m
−
k
)
!
e
−
λ
q
,
m
=
k
,
k
+
1
,
⋯
\begin{aligned} P(A_m|B_k)&=\cfrac{P(A_m)P(B_k|A_m)}{P(B_k)}\\ &=\cfrac{k!}{(\lambda p)^ke^{-\lambda p}}\cdot\cfrac{\lambda^m}{m!}e^{-\lambda}\cdot\cfrac{m!}{k!(m-k)!}p^kq^{m-k}\\ &=\cfrac{(\lambda q)^{m-k}}{(m-k)!}e^{-\lambda q},m=k,k+1,\cdots \end{aligned}
P(Am∣Bk)=P(Bk)P(Am)P(Bk∣Am)=(λp)ke−λpk!⋅m!λme−λ⋅k!(m−k)!m!pkqm−k=(m−k)!(λq)m−ke−λq,m=k,k+1,⋯
(这道题主要利用了条件概率求解)
第二章 随机变量及其概率分布
2.2 离散型随机变量和连续型随机变量
例3 设随机变量 X X X的分布律为 P { X = k } = c λ k k ! , k = 0 , 1 , 2 , ⋯ , λ > 0 P\{X=k\}=c\cfrac{\lambda^k}{k!},k=0,1,2,\cdots,\lambda>0 P{X=k}=ck!λk,k=0,1,2,⋯,λ>0,试确定常数 c c c的值。
解 显然,此分布不是从 k = 0 k=0 k=0开始的泊松分布。由分布律性质 ∑ k = 1 ∞ p k = 1 \displaystyle\sum^\infty_{k=1}p_k=1 k=1∑∞pk=1得 1 = ∑ k = 1 ∞ c λ k k ! = c ∑ k = 1 ∞ λ k k ! = c ( ∑ k = 0 ∞ λ k k ! − 1 ) = c ( e λ − 1 ) 1=\displaystyle\sum^\infty_{k=1}c\cfrac{\lambda^k}{k!}=c\displaystyle\sum^\infty_{k=1}\cfrac{\lambda^k}{k!}=c\left(\displaystyle\sum^\infty_{k=0}\cfrac{\lambda^k}{k!}-1\right)=c(e^\lambda-1) 1=k=1∑∞ck!λk=ck=1∑∞k!λk=c(k=0∑∞k!λk−1)=c(eλ−1),所以 c = 1 e λ − 1 c=\cfrac{1}{e^\lambda-1} c=eλ−11。其中,使用了公式 ∑ k = 0 + ∞ x k k ! = e x \displaystyle\sum^{+\infty}_{k=0}\cfrac{x^k}{k!}=e^x k=0∑+∞k!xk=ex。(这道题主要利用了幂级数展开求解)
例5 如果
f
(
x
)
f(x)
f(x)是某随机变量
X
X
X的概率密度,则可以判断也为概率密度的是( )
(
A
)
f
(
2
x
)
;
(A)f(2x);
(A)f(2x);
(
B
)
f
2
(
x
)
;
(B)f^2(x);
(B)f2(x);
(
C
)
2
x
f
(
x
2
)
;
(C)2xf(x^2);
(C)2xf(x2);
(
D
)
3
x
2
f
(
x
3
)
.
(D)3x^2f(x^3).
(D)3x2f(x3).
解 根据概率密度的充要条件,
3
x
2
f
(
x
3
)
⩾
0
,
∫
−
∞
+
∞
3
x
2
f
(
x
3
)
d
x
=
∫
−
∞
+
∞
f
(
x
3
)
d
x
3
=
∫
−
∞
+
∞
f
(
t
)
d
t
=
1
3x^2f(x^3)\geqslant0,\displaystyle\int^{+\infty}_{-\infty}3x^2f(x^3)\mathrm{d}x=\displaystyle\int^{+\infty}_{-\infty}f(x^3)\mathrm{d}x^3=\displaystyle\int^{+\infty}_{-\infty}f(t)\mathrm{d}t=1
3x2f(x3)⩾0,∫−∞+∞3x2f(x3)dx=∫−∞+∞f(x3)dx3=∫−∞+∞f(t)dt=1。
而
∫
−
∞
+
∞
f
(
2
x
)
d
x
=
1
2
∫
−
∞
+
∞
f
(
t
)
d
t
=
1
2
;
∫
−
∞
+
∞
f
2
(
x
)
d
x
=
1
\displaystyle\int^{+\infty}_{-\infty}f(2x)\mathrm{d}x=\cfrac{1}{2}\displaystyle\int^{+\infty}_{-\infty}f(t)\mathrm{d}t=\cfrac{1}{2};\displaystyle\int^{+\infty}_{-\infty}f^2(x)\mathrm{d}x=1
∫−∞+∞f(2x)dx=21∫−∞+∞f(t)dt=21;∫−∞+∞f2(x)dx=1不一定成立;
2
x
f
(
x
2
)
⩾
0
2xf(x^2)\geqslant0
2xf(x2)⩾0不一定成立。故选
(
D
)
(D)
(D)。(这道题主要利用了概率密度的充要条件求解)
写在最后
如果觉得文章不错就点个赞吧。另外,如果有不同的观点,欢迎留言或私信。
欢迎非商业转载,转载请注明出处。