随机过程Hw1
1、在{1,2,3,……,10}中任取一个数记为
X
1
X_1
X1.
在{1,2,3,……,
X
1
X_1
X1}中任取一个数记为
X
2
X_2
X2.
在{1,2,3,……,
X
2
X_2
X2}中任取一个数记为
X
3
X_3
X3.
试计算:
(1)E(
X
2
X_2
X2 |
X
1
X_1
X1)和E(
X
2
X_2
X2).
(2)E(
X
3
X_3
X3 |
X
2
X_2
X2)和E(
X
3
X_3
X3).
Solution
(1) E(
X
2
X_2
X2 |
X
1
X_1
X1)=
X
1
+
1
2
\frac{X_1+1}{2}
2X1+1
E(
X
2
X_2
X2)=E(E(
X
2
X_2
X2 |
X
1
X_1
X1))=
E
X
1
+
1
2
\frac{EX_1+1}{2}
2EX1+1=
13
4
\frac{13}{4}
413
(2)E(
X
3
X_3
X3 |
X
2
X_2
X2)=
X
2
+
1
2
\frac{X_2+1}{2}
2X2+1
E(
X
3
X_3
X3)=E(E(
X
3
X_3
X3 |
X
2
X_2
X2))=
E
X
2
+
1
2
\frac{EX_2+1}{2}
2EX2+1=
17
8
\frac{17}{8}
817
p23 6
假设X~B(N,p),
0
<
p
<
1
0<p<1
0<p<1是常数,但N是随机变量.
(1)令N~B(M,q),
0
<
q
<
1
0<q<1
0<q<1,
M
≥
1
M\geq1
M≥1是常数.求X的分布.
(2)令N~P(
λ
\lambda
λ),
λ
≥
0
\lambda\geq0
λ≥0是常数,求X的分布.
Solution
P
(
x
=
k
)
=
∑
n
=
k
M
(
M
n
)
q
n
(
1
−
q
)
M
−
n
(
n
k
)
p
k
(
1
−
p
)
n
−
k
=
∑
n
=
k
M
M
!
(
M
−
n
)
!
n
!
n
!
(
n
−
k
)
!
k
!
p
k
q
n
(
1
−
q
)
M
−
n
(
1
−
p
)
n
−
k
=
M
!
(
M
−
k
)
!
k
!
(
p
q
)
k
∑
n
=
k
M
(
M
−
k
)
!
(
n
−
k
)
!
(
M
−
n
)
!
(
1
−
q
)
M
−
n
(
q
−
p
q
)
n
−
k
=
(
M
k
)
(
p
q
)
k
(
1
−
p
q
)
M
−
k
\begin{align} P(x=k)&=\sum_{n=k}^{M}\binom{M}{n}q^n(1-q)^{M-n}\binom{n}{k}p^k(1-p)^{n-k}\notag\\ &=\sum_{n=k}^{M}\frac{M!}{(M-n)!n!}\frac{n!}{(n-k)!k!}p^kq^n(1-q)^{M-n}(1-p)^{n-k}\notag\\ &=\frac{M!}{(M-k)!k!}(pq)^k\sum_{n=k}^{M}\frac{(M-k)!}{(n-k)!(M-n)!}(1-q)^{M-n}(q-pq)^{n-k}\notag\\ &=\binom{M}{k}(pq)^k(1-pq)^{M-k}\notag \end{align}
P(x=k)=n=k∑M(nM)qn(1−q)M−n(kn)pk(1−p)n−k=n=k∑M(M−n)!n!M!(n−k)!k!n!pkqn(1−q)M−n(1−p)n−k=(M−k)!k!M!(pq)kn=k∑M(n−k)!(M−n)!(M−k)!(1−q)M−n(q−pq)n−k=(kM)(pq)k(1−pq)M−k
这也就是说X~B(M,pq).
(2)
P
(
x
=
k
)
=
∑
n
=
k
∞
(
n
k
)
p
k
(
1
−
p
)
n
−
k
λ
n
n
!
e
−
λ
=
∑
n
=
k
∞
n
!
(
n
−
k
)
!
k
!
λ
n
n
!
p
k
(
1
−
p
)
n
−
k
e
−
λ
=
λ
k
e
−
λ
p
k
k
!
∑
n
−
k
=
0
∞
(
λ
−
λ
p
)
n
−
k
(
n
−
k
)
!
=
(
p
λ
)
k
k
!
e
−
λ
p
\begin{align} P(x=k)&=\sum_{n=k}^\infty\binom{n}{k}p^k(1-p)^{n-k}\frac{\lambda^n}{n!}e^{-\lambda}\notag\\ &=\sum_{n=k}^\infty\frac{n!}{(n-k)!k!}\frac{\lambda^n}{n!}p^k(1-p)^{n-k}e^{-\lambda}\notag\\ &=\lambda^ke^{-\lambda}\frac{p^k}{k!}\sum_{n-k=0}^{\infty}\frac{(\lambda-\lambda p)^{n-k}}{(n-k)!}\notag\\ &=\frac{(p\lambda)^k}{k!}e^{-\lambda p}\notag\\ \end{align}
P(x=k)=n=k∑∞(kn)pk(1−p)n−kn!λne−λ=n=k∑∞(n−k)!k!n!n!λnpk(1−p)n−ke−λ=λke−λk!pkn−k=0∑∞(n−k)!(λ−λp)n−k=k!(pλ)ke−λp
也就是说X~
P
(
p
λ
)
P(p\lambda)
P(pλ)
p24 9
假设X~
P
(
λ
)
P(\lambda)
P(λ),求E(X|X为奇数).
Solution
E
(
X
∣
X
为奇数
)
=
∑
k
=
0
∞
(
2
k
+
1
)
P
(
X
=
2
k
+
1
)
P
(
X
为奇数
)
=
∑
k
=
0
∞
(
2
k
+
1
)
λ
2
k
+
1
(
2
k
+
1
)
!
e
−
λ
∑
n
=
0
∞
λ
2
n
+
1
(
2
n
+
1
)
!
e
−
λ
=
λ
∑
k
=
0
∞
λ
2
k
(
2
k
)
!
∑
n
=
0
∞
λ
2
n
(
2
n
)
!
=
λ
e
λ
+
e
−
λ
e
λ
−
e
−
λ
\begin{align} E(X|X为奇数)&=\sum_{k=0}^\infty\frac{(2k+1)P(X=2k+1)}{P(X为奇数)}\notag\\ &=\frac{\sum_{k=0}^\infty(2k+1)\frac{\lambda^{2k+1}}{(2k+1)!}e^{-\lambda}}{\sum_{n=0}^\infty\frac{\lambda^{2n+1}}{(2n+1)!}e^{-\lambda}}\notag\\ &=\lambda\frac{\sum_{k=0}^\infty\frac{\lambda^{2k}}{(2k)!}}{\sum_{n=0}^\infty\frac{\lambda^{2n}}{(2n)!}}\notag\\ &=\lambda\frac{e^\lambda+e^{-\lambda}}{e^\lambda-e^{-\lambda}}\notag \end{align}
E(X∣X为奇数)=k=0∑∞P(X为奇数)(2k+1)P(X=2k+1)=∑n=0∞(2n+1)!λ2n+1e−λ∑k=0∞(2k+1)(2k+1)!λ2k+1e−λ=λ∑n=0∞(2n)!λ2n∑k=0∞(2k)!λ2k=λeλ−e−λeλ+e−λ
p26 27
令X是正随机变量,分布函数为F(x).证明:
(1)EX=
∫
0
∞
[
1
−
F
(
x
)
]
d
x
\int_0^\infty[1-F(x)]dx
∫0∞[1−F(x)]dx
(2)如果
c
>
0
c>0
c>0,那么
E
(
X
∧
c
)
=
∫
0
c
[
1
−
F
(
x
)
]
d
x
,
E(X\wedge c)=\int_0^c[1-F(x)]dx,
E(X∧c)=∫0c[1−F(x)]dx,
其中
X
∧
c
X\wedge c
X∧c表示X和c的最小值;
(3)如果
E
X
<
∞
EX<\infty
EX<∞,那么
lim
x
→
∞
x
P
(
X
>
x
)
=
0.
\lim_{x\rightarrow\infty}xP(X>x)=0.
x→∞limxP(X>x)=0.
Solution
(1)
E
X
=
E
(
∫
0
∞
1
{
x
<
X
}
d
x
)
=
∫
0
∞
E
1
{
x
<
X
}
d
x
=
∫
0
∞
P
(
X
>
x
)
d
x
=
∫
0
∞
[
1
−
F
(
x
)
]
d
x
\begin{align} EX&=E(\int_0^\infty1_{\{x<X\}}dx)\notag\\ &=\int_0^\infty E1_{\{x<X\}}dx\notag\\ &=\int_0^\infty P(X>x)dx\notag\\ &=\int_0^\infty [1-F(x)]dx\notag \end{align}
EX=E(∫0∞1{x<X}dx)=∫0∞E1{x<X}dx=∫0∞P(X>x)dx=∫0∞[1−F(x)]dx
(2)
E
(
X
∧
c
)
=
E
(
∫
0
∞
1
{
x
<
X
∧
c
}
d
x
)
=
E
(
∫
0
∞
1
{
x
<
X
}
1
{
x
<
c
}
d
x
)
=
E
(
∫
0
c
1
{
x
<
X
}
d
x
)
=
∫
0
c
[
1
−
F
(
x
)
]
d
x
\begin{align} E(X\wedge c)&=E(\int_0^\infty1_{\{x<X\wedge c\}}dx)\notag\\ &=E(\int_0^\infty 1_{\{x<X\}} 1_{\{x<c\}}dx)\notag\\ &=E(\int_0^c 1_{\{x<X\}} dx)\notag\\ &=\int_0^c [1-F(x)]dx\notag \end{align}
E(X∧c)=E(∫0∞1{x<X∧c}dx)=E(∫0∞1{x<X}1{x<c}dx)=E(∫0c1{x<X}dx)=∫0c[1−F(x)]dx
(3)由定义
lim
x
→
∞
∫
x
∞
t
d
F
(
t
)
=
0
\lim_{x\rightarrow\infty}\int_x^\infty tdF(t)=0
x→∞lim∫x∞tdF(t)=0
所以
x
P
(
X
>
x
)
≤
E
(
X
1
{
X
>
x
}
)
=
∫
x
∞
t
d
F
(
t
)
→
0
xP(X>x)\leq E(X1_{\{X>x\}})=\int_x^\infty tdF(t)\rightarrow 0
xP(X>x)≤E(X1{X>x})=∫x∞tdF(t)→0
附:概率论期末题(运用组合恒等式)
在1-n中不放回地取m个数,求这m个数最大值的期望。
Solution
E
=
∑
k
=
m
n
k
(
k
−
1
m
−
1
)
(
n
m
)
=
∑
k
=
m
n
k
(
k
−
1
)
!
(
k
−
m
)
!
(
m
−
1
)
!
(
n
m
)
=
m
∑
k
=
m
n
k
!
(
k
−
m
)
!
m
!
(
n
m
)
=
m
∑
k
=
m
n
(
k
m
)
(
n
m
)
(
此处运用
(
n
m
)
+
(
n
m
+
1
)
=
(
n
+
1
m
+
1
)
)
=
m
(
n
+
1
m
+
1
)
(
n
m
)
=
m
(
n
+
1
)
m
+
1
\begin{align} E&=\sum_{k=m}^nk\frac{\binom{k-1}{m-1}}{\binom{n}{m}}\notag\\ &=\sum_{k=m}^n\frac{k\frac{(k-1)!}{(k-m)!(m-1)!}}{\binom{n}{m}}\notag\\ &=\frac{m\sum_{k=m}^n\frac{k!}{(k-m)!m!}}{\binom{n}{m}}\notag\\ &=\frac{m\sum_{k=m}^n\binom{k}{m}}{\binom{n}{m}}(此处运用\binom{n}{m}+\binom{n}{m+1}=\binom{n+1}{m+1})\notag\\ &=\frac{m\binom{n+1}{m+1}}{\binom{n}{m}}\notag\\ &=\frac{m(n+1)}{m+1}\notag \end{align}
E=k=m∑nk(mn)(m−1k−1)=k=m∑n(mn)k(k−m)!(m−1)!(k−1)!=(mn)m∑k=mn(k−m)!m!k!=(mn)m∑k=mn(mk)(此处运用(mn)+(m+1n)=(m+1n+1))=(mn)m(m+1n+1)=m+1m(n+1)