张宇1000题概率论与数理统计 第六章 数字特征

$A$组

24.二维正态分布一般表示为$N({\mu }_1,{\mu }_2;{\sigma }_1^2,{\sigma }_2^2;\rho )$，设$(X,Y)\sim N(1,1;4,9;0.5)$，令$Z=2X-Y$，则$Z$与$Y$的相关系数为______。

解  由$(X,Y)\sim N(1,1;4,9;0.5)$得
$$\begin{gathered} E(X)=1,E(Y)=1,D(X)=4,D(Y)=9,{\rho }_{XY}=0.5, \\ \begin{array}{rl}\mathrm{C}\mathrm{o}\mathrm{v}(Z,Y)& =\mathrm{C}\mathrm{o}\mathrm{v}(2X-Y,Y)=2\mathrm{C}\mathrm{o}\mathrm{v}(X,Y)-\mathrm{C}\mathrm{o}\mathrm{v}(Y,Y)\\ & =2{\rho }_{XY}\sqrt{D(X)D(Y)}-D(Y)\\ & =2\times 0.5\times \sqrt{4\times 9}-9=-3,\end{array} \\ \begin{array}{rl}D(Z)& =D(2X-Y)=4D(X)+D(Y)-2\mathrm{C}\mathrm{o}\mathrm{v}(2X,Y)\\ & =4\times 4+9-4\times 0.5\times \sqrt{4\times 9}=13,\end{array} \\ {\rho }_{ZY}=\frac{\mathrm{C}\mathrm{o}\mathrm{v}(Z,Y)}{\sqrt{D(Z)}\sqrt{D(Y)}}=\frac{-3}{\sqrt{13}\times 3}=-\frac{1}{\sqrt{13}}. \end{gathered}$$
（这道题主要利用了协方差求解）

$B$组

2.设随机变量$X$在$[-1,1]$上服从均匀分布，$Y=X^3$，则$X$与$Y$（  ）。
$(A)$不相关且相互独立；
$(B)$不相关且相互不独立；
$(C)$相关且相互独立；
$(D)$相关且相互不独立。

解  由题设，$X\sim U[-1,1]$，知其概率密度为$f(x)=\{\begin{array}{ll}\frac{1}{2},& -1⩽x⩽1,\\ 0,& 其他,\end{array}$并有$E(X)=0,E(XY)={\int }_{-\infty }^{+\infty }{x}^{4}f(z)\mathrm{d}x={\int }_{-1}^1\frac{1}{2}{x}^4\mathrm{d}x=\frac{1}{5}\ne 0$，有$E(XY)\ne E(X)E(Y)$，从而知，$X$与$Y$必相关，从而相互不独立，故选$(D)$。（这道题主要利用了定义求解）

3.设随机变量$X\sim B\left(4,\frac{2}{3}\right),Y\sim B\left(8,\frac{4}{5}\right)$，且相关系数${\rho }_{XY}=-1$，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${\rho }_{XY}=-1$，则存在常数$a,b$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，$X$与$Y$应同时满足满足题中的分布，于是，由$X\sim B\left(4,\frac{2}{3}\right),Y\sim B\left(8,\frac{4}{5}\right)$，有$E(X)=\frac{8}{3},D(X)=\frac{8}{9},E(Y)=\frac{32}{5},D(Y)=\frac{32}{25}$，从而有$\{\begin{array}{l}E(Y)=aE(X)+b,\\ D(Y)=a^{2}D(X),\end{array}$即$\{\begin{array}{l}\frac{32}{5}=\frac{8}{3}a+b,\\ \frac{32}{25}=\frac{8}{9}{a}^2\end{array}$解得$a=-1.2,b=9.6$，故选$(B)$。（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$X$的概率密度非零区域为$[-1,1]$，则下列不一定成立的是（  ）。
$(A)|E(X)|⩽1;$
$(B)E(X^2)⩽1;$
$(C)D(X)⩽1;$
$(D)E(X)=0.$

解  设连续型随机变量$X$的概率密度为$f(x)$。
  对于$(A)$，当$-1⩽x⩽1$时，由期望的定义$E(X)={\int }_{-1}^{1}xf(x)\mathrm{d}x$，有$-1=-{\int }_{-1}^{1}f(x)\mathrm{d}x⩽{\int }_{-1}^{1}xf(x)\mathrm{d}x⩽{\int }_{-1}^{1}f(x)\mathrm{d}x=1$，所以$|E(X)|⩽1$。
  对于$(B)$，$E(X^2)={\int }_{-1}^1{x}^{2}f(x)\mathrm{d}x⩽{\int }_{-1}^{1}f(x)\mathrm{d}x=1$。
  对于$(C)$，$D(X)=E(X^2)-[E(X){]}^2⩽E(X^2)⩽1$。
  对于$(D)$，不一定成立，因为$f(x)$不一定关于$y$轴对称。如$f(x)=\{\begin{array}{ll}\frac{1}{3},& -1⩽x<0,\\ \frac{2}{3},& 0⩽x⩽1,\end{array}$则$E(X)={\int }_{-1}^{1}xf(x)\mathrm{d}x={\int }_{-1}^{0}x\cdot \frac{1}{3}\mathrm{d}x+{\int }_0^{1}x\cdot \frac{2}{3}\mathrm{d}x=-\frac{1}{6}+\frac{1}{3}=\frac{1}{6}$。选$(D)$。（这道题主要利用了放缩法求解）

9.设$X$为连续型随机变量，方差存在，则对于任意常数$C$和$ϵ>0$，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∣⩾ϵ​f(x)dx⩽∫∣X−C∣⩾ϵ​ϵ∣X−C∣​f(x)dx⩽∫−∞+∞​ϵ∣X−C∣​f(x)dx=ϵ1​E(∣X−C∣),​
  故选$(C)$。（这道题主要利用了放缩法求解）

16.独立重复试验中事件$A$发生的概率为$\frac{1}{3}$，若随机变量$X$表示事件$A$第一次发生时前面已发生的试验次数，则$E(X)=$______。

解  $X$的所有可能取值为$0,1,2,\cdots$，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
$$\begin{array}{rl}E(X)& =\sum _{k=0}^{\infty }k\cdot \frac{1}{3}\cdot {\left(\frac{2}{3}\right)}^k=\frac{1}{3}\times \frac{2}{3}\sum _{k=1}^{\infty }k{\left(\frac{2}{3}\right)}^{k-1}=\frac{1}{3}\times \frac{2}{3}{\left(\sum _{k=1}^{\infty }{q}^k\right)}^{\prime }{|}_{q=\frac{2}{3}}\\ & =\frac{1}{3}\times \frac{2}{3}{\left(\frac{q}{1-q}\right)}^{\prime }{|}_{q=\frac{2}{3}}=\frac{1}{3}\times \frac{2}{3}\times \frac{1}{(1-q{)}^2}{|}_{q=\frac{2}{3}}=2.\end{array}$$
（这道题主要利用了幂级数求解）

$C$组

2.设$X$是随机变量，$E(X)>0$，且$E(X^2)=0.7,D(X)=0.2$，则以下各式成立的是（  ）。
$(A)P\left\{-\frac{1}{2}<X<\frac{3}{2}\right\}⩾0.2;$
$(B)P\left\{X⩾\sqrt{2}\right\}⩾0.6;$
$(C)P\left\{0<X<\sqrt{2}\right\}⩾0.6;$
$(D)P\left\{0<X<\sqrt{2}\right\}⩾0.6;$

解  $E(X)=\sqrt{E(X^2)-D(X)}=\frac{\sqrt{2}}{2}$，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$(C)$。（这道题主要利用了切比雪夫不等式求解）

7.已知随机变量$X_1,X_2,X_3$的方差都是${\sigma }^2$，任意两个随机变量之间的相关系数都是$\rho$，则$\rho$的最小值为______。

解
$$\begin{array}{rl}D(X_1+X_2+X_3)=& D(X_1)+D(X_2)+D(X_3)+2\mathrm{C}\mathrm{o}\mathrm{v}(X_1,X_2)+\\ & 2\mathrm{C}\mathrm{o}\mathrm{v}(X_1,X_3)+2\mathrm{C}\mathrm{o}\mathrm{v}(X_2,X_3)\\ =& 3{\sigma }^2+6\rho {\sigma }^2=3{\sigma }^2(1+2\rho )⩾0,\end{array}$$
  所以$\rho ⩾-\frac{1}{2}$。（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$X$的数学期望$E(X)$和方差$D(X)$存在，则对任意给定的$ϵ>0$，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$X$为连续型随机变量，其概率密度为$f(x)$，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)∣⩾ϵ​f(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$X$是一个随机变量，其分布函数与概率密度分别为$F(x),f(x)$。产品已工作到时刻$x$，在时刻$x$后的单位时间$\Delta x$内发生失效的概率称为产品在时刻$x$的瞬时失效率，记为$\lambda (x)$。

（1）证明$\lambda (x)=\frac{f(x)}{1-F(x)}$；

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+lim​ΔxP{x<X⩽x+Δx∣X>x}​=Δx→0+lim​Δx⋅P{X>x}P{x<X⩽x+Δx,X>x}​=Δx→0+lim​Δx⋅[1−F(x)]P{x<X⩽x+Δx}−P{X⩽x}​=Δx→0+lim​ΔxF(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$\lambda (x)=\alpha$，其中参数$\alpha >0$，求产品寿命$X$的数学期望。

解  将$\lambda (x)=\alpha$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$1-F(x)=e^{-(\alpha x+C)}$，又 F ( 0 ) = P { X ⩽ 0 } = 0 F(0)=P\{X\leqslant0\}=0 F(0)=P{X⩽0}=0，则$C=0$，故$F(x)=1-e^{-\alpha x}$，即产品寿命服从指数分布，所以$E(X)=\frac{1}{\alpha }$。（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。