目录
- A A A组
- B B B组
- 2.设随机变量
X
X
X在
[
−
1
,
1
]
[-1,1]
[−1,1]上服从均匀分布,
Y
=
X
3
Y=X^3
Y=X3,则
X
X
X与
Y
Y
Y( )。
( A ) (A) (A)不相关且相互独立;
( B ) (B) (B)不相关且相互不独立;
( C ) (C) (C)相关且相互独立;
( D ) (D) (D)相关且相互不独立。 - 3.设随机变量
X
∼
B
(
4
,
2
3
)
,
Y
∼
B
(
8
,
4
5
)
X\sim B\left(4,\cfrac{2}{3}\right),Y\sim B\left(8,\cfrac{4}{5}\right)
X∼B(4,32),Y∼B(8,54),且相关系数
ρ
X
Y
=
−
1
\rho_{XY}=-1
ρXY=−1,则( )。
( A ) P { Y = − 1.2 X − 9.6 } = 1 ; (A)P\{Y=-1.2X-9.6\}=1; (A)P{Y=−1.2X−9.6}=1;
( B ) P { Y = − 1.2 X + 9.6 } = 1 ; (B)P\{Y=-1.2X+9.6\}=1; (B)P{Y=−1.2X+9.6}=1;
( C ) P { Y = 1.2 X − 3.2 } = 1 ; (C)P\{Y=1.2X-3.2\}=1; (C)P{Y=1.2X−3.2}=1;
( D ) P { Y = 1.2 X + 3.2 } = 1. (D)P\{Y=1.2X+3.2\}=1. (D)P{Y=1.2X+3.2}=1. - 5.设连续型随机变量
X
X
X的概率密度非零区域为
[
−
1
,
1
]
[-1,1]
[−1,1],则下列不一定成立的是( )。
( A ) ∣ E ( X ) ∣ ⩽ 1 ; (A)|E(X)|\leqslant1; (A)∣E(X)∣⩽1;
( B ) E ( X 2 ) ⩽ 1 ; (B)E(X^2)\leqslant1; (B)E(X2)⩽1;
( C ) D ( X ) ⩽ 1 ; (C)D(X)\leqslant1; (C)D(X)⩽1;
( D ) E ( X ) = 0. (D)E(X)=0. (D)E(X)=0. - 9.设
X
X
X为连续型随机变量,方差存在,则对于任意常数
C
C
C和
ϵ
>
0
\epsilon>0
ϵ>0,必有( )。
( A ) P { ∣ X − C ∣ ⩾ ϵ } = E ( ∣ X − C ∣ ) ϵ ; (A)P\{|X-C|\geqslant\epsilon\}=\cfrac{E(|X-C|)}{\epsilon}; (A)P{∣X−C∣⩾ϵ}=ϵE(∣X−C∣);
( B ) P { ∣ X − C ∣ ⩾ ϵ } ⩾ E ( ∣ X − C ∣ ) ϵ ; (B)P\{|X-C|\geqslant\epsilon\}\geqslant\cfrac{E(|X-C|)}{\epsilon}; (B)P{∣X−C∣⩾ϵ}⩾ϵE(∣X−C∣);
( C ) P { ∣ X − C ∣ ⩾ ϵ } ⩽ E ( ∣ X − C ∣ ) ϵ ; (C)P\{|X-C|\geqslant\epsilon\}\leqslant\cfrac{E(|X-C|)}{\epsilon}; (C)P{∣X−C∣⩾ϵ}⩽ϵE(∣X−C∣);
( D ) P { ∣ X − C ∣ ⩾ ϵ } ⩽ D ( X ) ϵ . (D)P\{|X-C|\geqslant\epsilon\}\leqslant\cfrac{D(X)}{\epsilon}. (D)P{∣X−C∣⩾ϵ}⩽ϵD(X). - 16.独立重复试验中事件 A A A发生的概率为 1 3 \cfrac{1}{3} 31,若随机变量 X X X表示事件 A A A第一次发生时前面已发生的试验次数,则 E ( X ) = E(X)= E(X)=______。
- 2.设随机变量
X
X
X在
[
−
1
,
1
]
[-1,1]
[−1,1]上服从均匀分布,
Y
=
X
3
Y=X^3
Y=X3,则
X
X
X与
Y
Y
Y( )。
- C C C组
- 2.设
X
X
X是随机变量,
E
(
X
)
>
0
E(X)>0
E(X)>0,且
E
(
X
2
)
=
0.7
,
D
(
X
)
=
0.2
E(X^2)=0.7,D(X)=0.2
E(X2)=0.7,D(X)=0.2,则以下各式成立的是( )。
( A ) P { − 1 2 < X < 3 2 } ⩾ 0.2 ; (A)P\left\{-\cfrac{1}{2}<X<\cfrac{3}{2}\right\}\geqslant0.2; (A)P{−21<X<23}⩾0.2;
( B ) P { X ⩾ 2 } ⩾ 0.6 ; (B)P\left\{X\geqslant\sqrt{2}\right\}\geqslant0.6; (B)P{X⩾2}⩾0.6;
( C ) P { 0 < X < 2 } ⩾ 0.6 ; (C)P\left\{0<X<\sqrt{2}\right\}\geqslant0.6; (C)P{0<X<2}⩾0.6;
( D ) P { 0 < X < 2 } ⩾ 0.6 ; (D)P\left\{0<X<\sqrt{2}\right\}\geqslant0.6; (D)P{0<X<2}⩾0.6; - 7.已知随机变量 X 1 , X 2 , X 3 X_1,X_2,X_3 X1,X2,X3的方差都是 σ 2 \sigma^2 σ2,任意两个随机变量之间的相关系数都是 ρ \rho ρ,则 ρ \rho ρ的最小值为______。
- 22.
- 31.产品寿命 X X X是一个随机变量,其分布函数与概率密度分别为 F ( x ) , f ( x ) F(x),f(x) F(x),f(x)。产品已工作到时刻 x x x,在时刻 x x x后的单位时间 Δ x \Delta x Δx内发生失效的概率称为产品在时刻 x x x的瞬时失效率,记为 λ ( x ) \lambda(x) λ(x)。
- 2.设
X
X
X是随机变量,
E
(
X
)
>
0
E(X)>0
E(X)>0,且
E
(
X
2
)
=
0.7
,
D
(
X
)
=
0.2
E(X^2)=0.7,D(X)=0.2
E(X2)=0.7,D(X)=0.2,则以下各式成立的是( )。
- 写在最后
A A A组
24.二维正态分布一般表示为 N ( μ 1 , μ 2 ; σ 1 2 , σ 2 2 ; ρ ) N(\mu_1,\mu_2;\sigma^2_1,\sigma^2_2;\rho) N(μ1,μ2;σ12,σ22;ρ),设 ( X , Y ) ∼ N ( 1 , 1 ; 4 , 9 ; 0.5 ) (X,Y)\sim N(1,1;4,9;0.5) (X,Y)∼N(1,1;4,9;0.5),令 Z = 2 X − Y Z=2X-Y Z=2X−Y,则 Z Z Z与 Y Y Y的相关系数为______。
解 由
(
X
,
Y
)
∼
N
(
1
,
1
;
4
,
9
;
0.5
)
(X,Y)\sim N(1,1;4,9;0.5)
(X,Y)∼N(1,1;4,9;0.5)得
E
(
X
)
=
1
,
E
(
Y
)
=
1
,
D
(
X
)
=
4
,
D
(
Y
)
=
9
,
ρ
X
Y
=
0.5
,
C
o
v
(
Z
,
Y
)
=
C
o
v
(
2
X
−
Y
,
Y
)
=
2
C
o
v
(
X
,
Y
)
−
C
o
v
(
Y
,
Y
)
=
2
ρ
X
Y
D
(
X
)
D
(
Y
)
−
D
(
Y
)
=
2
×
0.5
×
4
×
9
−
9
=
−
3
,
D
(
Z
)
=
D
(
2
X
−
Y
)
=
4
D
(
X
)
+
D
(
Y
)
−
2
C
o
v
(
2
X
,
Y
)
=
4
×
4
+
9
−
4
×
0.5
×
4
×
9
=
13
,
ρ
Z
Y
=
C
o
v
(
Z
,
Y
)
D
(
Z
)
D
(
Y
)
=
−
3
13
×
3
=
−
1
13
.
E(X)=1,E(Y)=1,D(X)=4,D(Y)=9,\rho_{XY}=0.5,\\ \begin{aligned} \mathrm{Cov}(Z,Y)&=\mathrm{Cov}(2X-Y,Y)=2\mathrm{Cov}(X,Y)-\mathrm{Cov}(Y,Y)\\ &=2\rho_{XY}\sqrt{D(X)D(Y)}-D(Y)\\ &=2\times0.5\times\sqrt{4\times9}-9=-3, \end{aligned}\\ \begin{aligned} D(Z)&=D(2X-Y)=4D(X)+D(Y)-2\mathrm{Cov}(2X,Y)\\ &=4\times4+9-4\times0.5\times\sqrt{4\times9}=13, \end{aligned}\\ \rho_{ZY}=\cfrac{\mathrm{Cov}(Z,Y)}{\sqrt{D(Z)}\sqrt{D(Y)}}=\cfrac{-3}{\sqrt{13}\times3}=-\cfrac{1}{\sqrt{13}}.
E(X)=1,E(Y)=1,D(X)=4,D(Y)=9,ρXY=0.5,Cov(Z,Y)=Cov(2X−Y,Y)=2Cov(X,Y)−Cov(Y,Y)=2ρXYD(X)D(Y)−D(Y)=2×0.5×4×9−9=−3,D(Z)=D(2X−Y)=4D(X)+D(Y)−2Cov(2X,Y)=4×4+9−4×0.5×4×9=13,ρZY=D(Z)D(Y)Cov(Z,Y)=13×3−3=−131.
(这道题主要利用了协方差求解)
B B B组
2.设随机变量
X
X
X在
[
−
1
,
1
]
[-1,1]
[−1,1]上服从均匀分布,
Y
=
X
3
Y=X^3
Y=X3,则
X
X
X与
Y
Y
Y( )。
(
A
)
(A)
(A)不相关且相互独立;
(
B
)
(B)
(B)不相关且相互不独立;
(
C
)
(C)
(C)相关且相互独立;
(
D
)
(D)
(D)相关且相互不独立。
解 由题设, X ∼ U [ − 1 , 1 ] X\sim U[-1,1] X∼U[−1,1],知其概率密度为 f ( x ) = { 1 2 , − 1 ⩽ x ⩽ 1 , 0 , 其 他 , f(x)=\begin{cases}\cfrac{1}{2},&-1\leqslant x\leqslant1,\\0,&其他,\end{cases} f(x)=⎩⎨⎧21,0,−1⩽x⩽1,其他,并有 E ( X ) = 0 , E ( X Y ) = ∫ − ∞ + ∞ x 4 f ( z ) d x = ∫ − 1 1 1 2 x 4 d x = 1 5 ≠ 0 E(X)=0,E(XY)=\displaystyle\int^{+\infty}_{-\infty}x^4f(z)\mathrm{d}x=\displaystyle\int^1_{-1}\cfrac{1}{2}x^4\mathrm{d}x=\cfrac{1}{5}\ne0 E(X)=0,E(XY)=∫−∞+∞x4f(z)dx=∫−1121x4dx=51=0,有 E ( X Y ) ≠ E ( X ) E ( Y ) E(XY)\ne E(X)E(Y) E(XY)=E(X)E(Y),从而知, X X X与 Y Y Y必相关,从而相互不独立,故选 ( D ) (D) (D)。(这道题主要利用了定义求解)
3.设随机变量
X
∼
B
(
4
,
2
3
)
,
Y
∼
B
(
8
,
4
5
)
X\sim B\left(4,\cfrac{2}{3}\right),Y\sim B\left(8,\cfrac{4}{5}\right)
X∼B(4,32),Y∼B(8,54),且相关系数
ρ
X
Y
=
−
1
\rho_{XY}=-1
ρXY=−1,则( )。
(
A
)
P
{
Y
=
−
1.2
X
−
9.6
}
=
1
;
(A)P\{Y=-1.2X-9.6\}=1;
(A)P{Y=−1.2X−9.6}=1;
(
B
)
P
{
Y
=
−
1.2
X
+
9.6
}
=
1
;
(B)P\{Y=-1.2X+9.6\}=1;
(B)P{Y=−1.2X+9.6}=1;
(
C
)
P
{
Y
=
1.2
X
−
3.2
}
=
1
;
(C)P\{Y=1.2X-3.2\}=1;
(C)P{Y=1.2X−3.2}=1;
(
D
)
P
{
Y
=
1.2
X
+
3.2
}
=
1.
(D)P\{Y=1.2X+3.2\}=1.
(D)P{Y=1.2X+3.2}=1.
解 根据相关性的概念,由题设,若相关系数 ρ X Y = − 1 \rho_{XY}=-1 ρXY=−1,则存在常数 a , b a,b a,b使 P { Y = a X + b } = 1 ( a < 0 ) P\{Y=aX+b\}=1(a<0) P{Y=aX+b}=1(a<0)。又线性函数关系中, X X X与 Y Y Y应同时满足满足题中的分布,于是,由 X ∼ B ( 4 , 2 3 ) , Y ∼ B ( 8 , 4 5 ) X\sim B\left(4,\cfrac{2}{3}\right),Y\sim B\left(8,\cfrac{4}{5}\right) X∼B(4,32),Y∼B(8,54),有 E ( X ) = 8 3 , D ( X ) = 8 9 , E ( Y ) = 32 5 , D ( Y ) = 32 25 E(X)=\cfrac{8}{3},D(X)=\cfrac{8}{9},E(Y)=\cfrac{32}{5},D(Y)=\cfrac{32}{25} E(X)=38,D(X)=98,E(Y)=532,D(Y)=2532,从而有 { E ( Y ) = a E ( X ) + b , D ( Y ) = a 2 D ( X ) , \begin{cases}E(Y)=aE(X)+b,\\D(Y)=a^2D(X),\end{cases} {E(Y)=aE(X)+b,D(Y)=a2D(X),即 { 32 5 = 8 3 a + b , 32 25 = 8 9 a 2 \begin{cases}\cfrac{32}{5}=\cfrac{8}{3}a+b,\\\cfrac{32}{25}=\cfrac{8}{9}a^2\end{cases} ⎩⎪⎨⎪⎧532=38a+b,2532=98a2解得 a = − 1.2 , b = 9.6 a=-1.2,b=9.6 a=−1.2,b=9.6,故选 ( B ) (B) (B)。(这道题主要利用了相关系数性质求解)
5.设连续型随机变量
X
X
X的概率密度非零区域为
[
−
1
,
1
]
[-1,1]
[−1,1],则下列不一定成立的是( )。
(
A
)
∣
E
(
X
)
∣
⩽
1
;
(A)|E(X)|\leqslant1;
(A)∣E(X)∣⩽1;
(
B
)
E
(
X
2
)
⩽
1
;
(B)E(X^2)\leqslant1;
(B)E(X2)⩽1;
(
C
)
D
(
X
)
⩽
1
;
(C)D(X)\leqslant1;
(C)D(X)⩽1;
(
D
)
E
(
X
)
=
0.
(D)E(X)=0.
(D)E(X)=0.
解 设连续型随机变量
X
X
X的概率密度为
f
(
x
)
f(x)
f(x)。
对于
(
A
)
(A)
(A),当
−
1
⩽
x
⩽
1
-1\leqslant x\leqslant1
−1⩽x⩽1时,由期望的定义
E
(
X
)
=
∫
−
1
1
x
f
(
x
)
d
x
E(X)=\displaystyle\int^1_{-1}xf(x)\mathrm{d}x
E(X)=∫−11xf(x)dx,有
−
1
=
−
∫
−
1
1
f
(
x
)
d
x
⩽
∫
−
1
1
x
f
(
x
)
d
x
⩽
∫
−
1
1
f
(
x
)
d
x
=
1
-1=-\displaystyle\int^1_{-1}f(x)\mathrm{d}x\leqslant\displaystyle\int^1_{-1}xf(x)\mathrm{d}x\leqslant\displaystyle\int^1_{-1}f(x)\mathrm{d}x=1
−1=−∫−11f(x)dx⩽∫−11xf(x)dx⩽∫−11f(x)dx=1,所以
∣
E
(
X
)
∣
⩽
1
|E(X)|\leqslant1
∣E(X)∣⩽1。
对于
(
B
)
(B)
(B),
E
(
X
2
)
=
∫
−
1
1
x
2
f
(
x
)
d
x
⩽
∫
−
1
1
f
(
x
)
d
x
=
1
E(X^2)=\displaystyle\int^1_{-1}x^2f(x)\mathrm{d}x\leqslant\displaystyle\int^1_{-1}f(x)\mathrm{d}x=1
E(X2)=∫−11x2f(x)dx⩽∫−11f(x)dx=1。
对于
(
C
)
(C)
(C),
D
(
X
)
=
E
(
X
2
)
−
[
E
(
X
)
]
2
⩽
E
(
X
2
)
⩽
1
D(X)=E(X^2)-[E(X)]^2\leqslant E(X^2)\leqslant1
D(X)=E(X2)−[E(X)]2⩽E(X2)⩽1。
对于
(
D
)
(D)
(D),不一定成立,因为
f
(
x
)
f(x)
f(x)不一定关于
y
y
y轴对称。如
f
(
x
)
=
{
1
3
,
−
1
⩽
x
<
0
,
2
3
,
0
⩽
x
⩽
1
,
f(x)=\begin{cases}\cfrac{1}{3},&-1\leqslant x<0,\\\cfrac{2}{3},&0\leqslant x\leqslant1,\end{cases}
f(x)=⎩⎪⎨⎪⎧31,32,−1⩽x<0,0⩽x⩽1,则
E
(
X
)
=
∫
−
1
1
x
f
(
x
)
d
x
=
∫
−
1
0
x
⋅
1
3
d
x
+
∫
0
1
x
⋅
2
3
d
x
=
−
1
6
+
1
3
=
1
6
E(X)=\displaystyle\int^1_{-1}xf(x)\mathrm{d}x=\displaystyle\int^0_{-1}x\cdot\cfrac{1}{3}\mathrm{d}x+\displaystyle\int^1_0x\cdot\cfrac{2}{3}\mathrm{d}x=-\cfrac{1}{6}+\cfrac{1}{3}=\cfrac{1}{6}
E(X)=∫−11xf(x)dx=∫−10x⋅31dx+∫01x⋅32dx=−61+31=61。选
(
D
)
(D)
(D)。(这道题主要利用了放缩法求解)
9.设
X
X
X为连续型随机变量,方差存在,则对于任意常数
C
C
C和
ϵ
>
0
\epsilon>0
ϵ>0,必有( )。
(
A
)
P
{
∣
X
−
C
∣
⩾
ϵ
}
=
E
(
∣
X
−
C
∣
)
ϵ
;
(A)P\{|X-C|\geqslant\epsilon\}=\cfrac{E(|X-C|)}{\epsilon};
(A)P{∣X−C∣⩾ϵ}=ϵE(∣X−C∣);
(
B
)
P
{
∣
X
−
C
∣
⩾
ϵ
}
⩾
E
(
∣
X
−
C
∣
)
ϵ
;
(B)P\{|X-C|\geqslant\epsilon\}\geqslant\cfrac{E(|X-C|)}{\epsilon};
(B)P{∣X−C∣⩾ϵ}⩾ϵE(∣X−C∣);
(
C
)
P
{
∣
X
−
C
∣
⩾
ϵ
}
⩽
E
(
∣
X
−
C
∣
)
ϵ
;
(C)P\{|X-C|\geqslant\epsilon\}\leqslant\cfrac{E(|X-C|)}{\epsilon};
(C)P{∣X−C∣⩾ϵ}⩽ϵE(∣X−C∣);
(
D
)
P
{
∣
X
−
C
∣
⩾
ϵ
}
⩽
D
(
X
)
ϵ
.
(D)P\{|X-C|\geqslant\epsilon\}\leqslant\cfrac{D(X)}{\epsilon}.
(D)P{∣X−C∣⩾ϵ}⩽ϵD(X).
解 因为
P
{
∣
X
−
C
∣
⩾
ϵ
}
=
∫
∣
X
−
C
∣
⩾
ϵ
f
(
x
)
d
x
⩽
∫
∣
X
−
C
∣
⩾
ϵ
∣
X
−
C
∣
ϵ
f
(
x
)
d
x
⩽
∫
−
∞
+
∞
∣
X
−
C
∣
ϵ
f
(
x
)
d
x
=
1
ϵ
E
(
∣
X
−
C
∣
)
,
\begin{aligned} P\{|X-C|\geqslant\epsilon\}&=\displaystyle\int_{|X-C|\geqslant\epsilon}f(x)\mathrm{d}x\leqslant\displaystyle\int_{|X-C|\geqslant\epsilon}\cfrac{|X-C|}{\epsilon}f(x)\mathrm{d}x\\ &\leqslant\displaystyle\int^{+\infty}_{-\infty}\cfrac{|X-C|}{\epsilon}f(x)\mathrm{d}x=\cfrac{1}{\epsilon}E(|X-C|), \end{aligned}
P{∣X−C∣⩾ϵ}=∫∣X−C∣⩾ϵf(x)dx⩽∫∣X−C∣⩾ϵϵ∣X−C∣f(x)dx⩽∫−∞+∞ϵ∣X−C∣f(x)dx=ϵ1E(∣X−C∣),
故选
(
C
)
(C)
(C)。(这道题主要利用了放缩法求解)
16.独立重复试验中事件 A A A发生的概率为 1 3 \cfrac{1}{3} 31,若随机变量 X X X表示事件 A A A第一次发生时前面已发生的试验次数,则 E ( X ) = E(X)= E(X)=______。
解
X
X
X的所有可能取值为
0
,
1
,
2
,
⋯
0,1,2,\cdots
0,1,2,⋯,其概率分布为
P
{
X
=
k
}
=
1
3
⋅
(
2
3
)
k
,
k
=
0
,
1
,
2
,
⋯
P\{X=k\}=\cfrac{1}{3}\cdot\left(\cfrac{2}{3}\right)^k,k=0,1,2,\cdots
P{X=k}=31⋅(32)k,k=0,1,2,⋯,由期望的定义有
E
(
X
)
=
∑
k
=
0
∞
k
⋅
1
3
⋅
(
2
3
)
k
=
1
3
×
2
3
∑
k
=
1
∞
k
(
2
3
)
k
−
1
=
1
3
×
2
3
(
∑
k
=
1
∞
q
k
)
′
∣
q
=
2
3
=
1
3
×
2
3
(
q
1
−
q
)
′
∣
q
=
2
3
=
1
3
×
2
3
×
1
(
1
−
q
)
2
∣
q
=
2
3
=
2.
\begin{aligned} E(X)&=\displaystyle\sum^\infty_{k=0}k\cdot\cfrac{1}{3}\cdot\left(\cfrac{2}{3}\right)^k=\cfrac{1}{3}\times\cfrac{2}{3}\displaystyle\sum^\infty_{k=1}k\left(\cfrac{2}{3}\right)^{k-1}=\cfrac{1}{3}\times\cfrac{2}{3}\left(\displaystyle\sum^\infty_{k=1}q^k\right)'\biggm\vert_{q=\frac{2}{3}}\\ &=\cfrac{1}{3}\times\cfrac{2}{3}\left(\cfrac{q}{1-q}\right)'\biggm\vert_{q=\frac{2}{3}}=\cfrac{1}{3}\times\cfrac{2}{3}\times\cfrac{1}{(1-q)^2}\biggm\vert_{q=\frac{2}{3}}=2. \end{aligned}
E(X)=k=0∑∞k⋅31⋅(32)k=31×32k=1∑∞k(32)k−1=31×32(k=1∑∞qk)′∣∣∣∣q=32=31×32(1−qq)′∣∣∣∣q=32=31×32×(1−q)21∣∣∣∣q=32=2.
(这道题主要利用了幂级数求解)
C C C组
2.设
X
X
X是随机变量,
E
(
X
)
>
0
E(X)>0
E(X)>0,且
E
(
X
2
)
=
0.7
,
D
(
X
)
=
0.2
E(X^2)=0.7,D(X)=0.2
E(X2)=0.7,D(X)=0.2,则以下各式成立的是( )。
(
A
)
P
{
−
1
2
<
X
<
3
2
}
⩾
0.2
;
(A)P\left\{-\cfrac{1}{2}<X<\cfrac{3}{2}\right\}\geqslant0.2;
(A)P{−21<X<23}⩾0.2;
(
B
)
P
{
X
⩾
2
}
⩾
0.6
;
(B)P\left\{X\geqslant\sqrt{2}\right\}\geqslant0.6;
(B)P{X⩾2}⩾0.6;
(
C
)
P
{
0
<
X
<
2
}
⩾
0.6
;
(C)P\left\{0<X<\sqrt{2}\right\}\geqslant0.6;
(C)P{0<X<2}⩾0.6;
(
D
)
P
{
0
<
X
<
2
}
⩾
0.6
;
(D)P\left\{0<X<\sqrt{2}\right\}\geqslant0.6;
(D)P{0<X<2}⩾0.6;
解 E ( X ) = E ( X 2 ) − D ( X ) = 2 2 E(X)=\sqrt{E(X^2)-D(X)}=\cfrac{\sqrt{2}}{2} E(X)=E(X2)−D(X)=22,于是,由切比雪夫不等式知 P { 0 < X < 2 } = P { − 2 2 < X − 2 2 < 2 2 } = P { ∣ X − E ( X ) ∣ < 2 2 } ⩾ 1 − D ( X ) ( 2 2 ) 2 = 0.6 P\{0<X<\sqrt{2}\}=P\left\{-\cfrac{\sqrt{2}}{2}<X-\cfrac{\sqrt{2}}{2}<\cfrac{\sqrt{2}}{2}\right\}=P\left\{|X-E(X)|<\cfrac{\sqrt{2}}{2}\right\}\geqslant1-\cfrac{D(X)}{\left(\frac{\sqrt{2}}{2}\right)^2}=0.6 P{0<X<2}=P{−22<X−22<22}=P{∣X−E(X)∣<22}⩾1−(22)2D(X)=0.6,故选 ( C ) (C) (C)。(这道题主要利用了切比雪夫不等式求解)
7.已知随机变量 X 1 , X 2 , X 3 X_1,X_2,X_3 X1,X2,X3的方差都是 σ 2 \sigma^2 σ2,任意两个随机变量之间的相关系数都是 ρ \rho ρ,则 ρ \rho ρ的最小值为______。
解
D
(
X
1
+
X
2
+
X
3
)
=
D
(
X
1
)
+
D
(
X
2
)
+
D
(
X
3
)
+
2
C
o
v
(
X
1
,
X
2
)
+
2
C
o
v
(
X
1
,
X
3
)
+
2
C
o
v
(
X
2
,
X
3
)
=
3
σ
2
+
6
ρ
σ
2
=
3
σ
2
(
1
+
2
ρ
)
⩾
0
,
\begin{aligned} D(X_1+X_2+X_3)=&D(X_1)+D(X_2)+D(X_3)+2\mathrm{Cov}(X_1,X_2)+\\ &2\mathrm{Cov}(X_1,X_3)+2\mathrm{Cov}(X_2,X_3)\\ =&3\sigma^2+6\rho\sigma^2=3\sigma^2(1+2\rho)\geqslant0, \end{aligned}
D(X1+X2+X3)==D(X1)+D(X2)+D(X3)+2Cov(X1,X2)+2Cov(X1,X3)+2Cov(X2,X3)3σ2+6ρσ2=3σ2(1+2ρ)⩾0,
所以
ρ
⩾
−
1
2
\rho\geqslant-\cfrac{1}{2}
ρ⩾−21。(这道题主要利用了协方差求解)
22.
(1)叙述切比雪夫不等式,并在连续性情形下给出证明;
解 切比雪夫不等式:设随机变量
X
X
X的数学期望
E
(
X
)
E(X)
E(X)和方差
D
(
X
)
D(X)
D(X)存在,则对任意给定的
ϵ
>
0
\epsilon>0
ϵ>0,总有
P
{
∣
X
−
E
(
X
)
∣
⩾
ϵ
}
⩽
D
(
X
)
ϵ
2
P\{|X-E(X)|\geqslant\epsilon\}\leqslant\cfrac{D(X)}{\epsilon^2}
P{∣X−E(X)∣⩾ϵ}⩽ϵ2D(X)。
证明:若
X
X
X为连续型随机变量,其概率密度为
f
(
x
)
f(x)
f(x),则
P
{
∣
X
−
E
(
X
)
∣
⩾
ϵ
}
=
∫
∣
X
−
E
(
X
)
∣
⩾
ϵ
f
(
x
)
d
x
⩽
∫
∣
X
−
E
(
X
)
∣
⩾
ϵ
(
∣
x
−
E
(
X
)
∣
ϵ
)
2
f
(
x
)
d
x
=
1
ϵ
2
∫
∣
X
−
E
(
X
)
∣
⩾
ϵ
[
x
−
E
(
X
)
]
2
f
(
x
)
d
x
⩽
1
ϵ
2
∫
−
∞
+
∞
[
x
−
E
(
X
)
]
2
f
(
x
)
d
x
=
D
(
X
)
ϵ
2
.
\begin{aligned} &P\{|X-E(X)|\geqslant\epsilon\}=\displaystyle\int_{|X-E(X)|\geqslant\epsilon}f(x)\mathrm{d}x\\ \leqslant&\displaystyle\int_{|X-E(X)|\geqslant\epsilon}\left(\cfrac{|x-E(X)|}{\epsilon}\right)^2f(x)\mathrm{d}x\\ =&\cfrac{1}{\epsilon^2}\displaystyle\int_{|X-E(X)|\geqslant\epsilon}[x-E(X)]^2f(x)\mathrm{d}x\\ \leqslant&\cfrac{1}{\epsilon^2}\displaystyle\int^{+\infty}_{-\infty}[x-E(X)]^2f(x)\mathrm{d}x=\cfrac{D(X)}{\epsilon^2}. \end{aligned}
⩽=⩽P{∣X−E(X)∣⩾ϵ}=∫∣X−E(X)∣⩾ϵf(x)dx∫∣X−E(X)∣⩾ϵ(ϵ∣x−E(X)∣)2f(x)dxϵ21∫∣X−E(X)∣⩾ϵ[x−E(X)]2f(x)dxϵ21∫−∞+∞[x−E(X)]2f(x)dx=ϵ2D(X).
(这道题主要利用了放缩法求解)
31.产品寿命 X X X是一个随机变量,其分布函数与概率密度分别为 F ( x ) , f ( x ) F(x),f(x) F(x),f(x)。产品已工作到时刻 x x x,在时刻 x x x后的单位时间 Δ x \Delta x Δx内发生失效的概率称为产品在时刻 x x x的瞬时失效率,记为 λ ( x ) \lambda(x) λ(x)。
(1)证明 λ ( x ) = f ( x ) 1 − F ( x ) \lambda(x)=\cfrac{f(x)}{1-F(x)} λ(x)=1−F(x)f(x);
解
P
(
λ
)
=
lim
Δ
x
→
0
+
P
{
x
<
X
⩽
x
+
Δ
x
∣
X
>
x
}
Δ
x
=
lim
Δ
x
→
0
+
P
{
x
<
X
⩽
x
+
Δ
x
,
X
>
x
}
Δ
x
⋅
P
{
X
>
x
}
=
lim
Δ
x
→
0
+
P
{
x
<
X
⩽
x
+
Δ
x
}
−
P
{
X
⩽
x
}
Δ
x
⋅
[
1
−
F
(
x
)
]
=
lim
Δ
x
→
0
+
F
(
x
+
Δ
x
)
−
F
(
x
)
Δ
x
⋅
1
1
−
F
(
x
)
=
f
(
x
)
1
−
F
(
x
)
.
\begin{aligned} P(\lambda)&=\lim\limits_{\Delta x\to0^+}\cfrac{P\{x<X\leqslant x+\Delta x|X>x\}}{\Delta x}\\ &=\lim\limits_{\Delta x\to0^+}\cfrac{P\{x<X\leqslant x+\Delta x,X>x\}}{\Delta x\cdot P\{X>x\}}\\ &=\lim\limits_{\Delta x\to0^+}\cfrac{P\{x<X\leqslant x+\Delta x\}-P\{X\leqslant x\}}{\Delta x\cdot[1-F(x)]}\\ &=\lim\limits_{\Delta x\to0^+}\cfrac{F(x+\Delta x)-F(x)}{\Delta x}\cdot\cfrac{1}{1-F(x)}\\ &=\cfrac{f(x)}{1-F(x)}. \end{aligned}
P(λ)=Δx→0+limΔxP{x<X⩽x+Δx∣X>x}=Δx→0+limΔx⋅P{X>x}P{x<X⩽x+Δx,X>x}=Δx→0+limΔx⋅[1−F(x)]P{x<X⩽x+Δx}−P{X⩽x}=Δx→0+limΔxF(x+Δx)−F(x)⋅1−F(x)1=1−F(x)f(x).
(2)设某产品寿命的瞬时失效率函数为 λ ( x ) = α \lambda(x)=\alpha λ(x)=α,其中参数 α > 0 \alpha>0 α>0,求产品寿命 X X X的数学期望。
解 将
λ
(
x
)
=
α
\lambda(x)=\alpha
λ(x)=α代入得
α
=
F
′
(
x
)
1
−
F
(
x
)
=
{
−
ln
[
1
−
F
(
x
)
]
}
′
\alpha=\cfrac{F'(x)}{1-F(x)}=\{-\ln[1-F(x)]\}'
α=1−F(x)F′(x)={−ln[1−F(x)]}′。
上式两边积分得
∫
α
d
x
=
∫
{
−
ln
[
1
−
F
(
x
)
]
}
′
d
x
,
α
x
+
C
=
−
ln
[
1
−
F
(
x
)
]
\displaystyle\int\alpha\mathrm{d}x=\displaystyle\int\{-\ln[1-F(x)]\}'\mathrm{d}x,\alpha x+C=-\ln[1-F(x)]
∫αdx=∫{−ln[1−F(x)]}′dx,αx+C=−ln[1−F(x)],即
1
−
F
(
x
)
=
e
−
(
α
x
+
C
)
1-F(x)=e^{-(\alpha x+C)}
1−F(x)=e−(αx+C),又
F
(
0
)
=
P
{
X
⩽
0
}
=
0
F(0)=P\{X\leqslant0\}=0
F(0)=P{X⩽0}=0,则
C
=
0
C=0
C=0,故
F
(
x
)
=
1
−
e
−
α
x
F(x)=1-e^{-\alpha x}
F(x)=1−e−αx,即产品寿命服从指数分布,所以
E
(
X
)
=
1
α
E(X)=\cfrac{1}{\alpha}
E(X)=α1。(这道题主要利用了微分方程求解)
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。