数理统计与数据分析第三版习题 第4章

以下解题过程都是由互联网收集而来，并不保证正确，如有疑问可以留言讨论

题目1

证明：如果随机变量有界，即$|X|<M<\infty$,那么$E(X)$存在
解：
令随机变量的密度函数为$f_{(}x)$，判别期望存在的条件是$\int |x|f(x)dx<\infty$为真则期望存在。
因为：$0\le f_{(}x)\le 1且|x|\ge 0$
所以：$|x|f(x)\le |x|$，$\int |x|f(x)dx<\int |x|dx$
$$\begin{gathered} {\int }_{-M}^M|x|dx=M^2 \\ \int |x|f(x)dx<\int |x|f(x)dx \\ \int |x|f(x)dx<M^2 \end{gathered}$$
所以期望存在

题目2

2.令$X$具有矩生成函数 $F(x)=1-x^{-\alpha }$,$x\ge 1.$
a.对于使$E(X)$存在的$\alpha$值，计算$E(X)$.
b.对于使$Var(X)$存在的$\alpha$值，计算$Var(X)$.

解：
$$\begin{array}{rl}\because F(X)& =1-x^{-\alpha }\therefore f(x)=\alpha x^{-\alpha -1}\\ E(X)& ={\int }_1^{\infty }xf(x)dx\\ & ={\int }_1^{\infty }x\alpha x^{-\alpha -1}dx\\ & ={\int }_1^{\infty }\alpha x^{-\alpha }dx\\ & =\frac{\alpha }{\alpha -1}\\ E(X^2)& ={\int }_1^{\infty }{x}^{2}f(x)dx\\ & ={\int }_1^{\infty }{x}^2\alpha x^{-\alpha -1}dx\\ & =\frac{\alpha }{\alpha -2}\\ & \\ Var(X)& =E(X^2)-[E(X){]}^2=\frac{\alpha }{\alpha -2}-(\frac{\alpha }{\alpha -1}{)}^2\end{array}$$

题目3

计算第2章习题3中的$E(X)$和$Var(X)$
原题如下：
下表为离散随机变量的累积分布函数，计算其频率函数。

k	F(k)	f(k)
0	0	0
1	0.1	0.1
2	0.3	0.2
3	0.7	0.4
4	0.8	0.1
5	1.0	0.2

其中$f(k)$列是此题的答案。
解题
根据定义
$$\begin{array}{rl}E(X)& =\sum _i{x}_{i}p(x_i)\\ Var(X)& =\sum _i(x_i-\mu {)}^{2}p(x_i)，其中\mu =E(X)\end{array}$$
有:
$$\begin{array}{rl}E(X)& =0\ast 0+1\ast 0.1+2\ast 0.2+3\ast 0.4+4\ast 0.1+5\ast 0.2\\ & =3.1\\ Var(X)& =(0-3.1{)}^2\ast 0+(1-3.1{)}^2\ast 0.1+(2-3.1{)}^2\ast 0.2+(3-3.1{)}^2\ast 0.4+(4-3.1{)}^2\ast 0.1+(5-3.1{)}^2\ast 0.2\\ & =1.49\end{array}$$

题目4

如果$X$是离散的均匀随机变量，即$P(X=k)=1/n $,其中 $k=1,2,...,n$计算$EX(X)$和$Var(X)$
解
根据离散期望定义$E(X)={\sum }_i{x}_{i}p(x_i)$有
$$\begin{array}{rl}E(X)& =\sum _{i=1}^n{x}_i\frac{1}{n}\\ & =\frac{n+1}{2}\end{array}$$
根据方差计算公式:$Var(X)=E(X^2)-[E(X{]}^2$有
$$\begin{array}{rl}Var(X)& =E(X^2)-[E(X{]}^2\\ & =\sum _{i=1}^n{x}_i^2\frac{1}{n}-(\frac{n+1}{2}{)}^2\\ & =\frac{n(n+1)(2n+1)}{6}\cdot \frac{1}{n}-\frac{(n+1{)}^2}{4}\\ & =\frac{(n+1)(2n+1)}{6}-\frac{(n+1{)}^2}{4}\\ & =\frac{n^2-1}{12}\end{array}$$
备注：${\sum }_{i=1}^n{x}_i^2=\frac{n(n+1)(2n+1)}{6}$

题目5

令$X$具有密度
$$f(x)=\frac{1+\alpha x}{2},-1\le x\le 1-1\le \alpha \le 1$$
计算$E(X)$和$Var(X)$
解
首先必须满足$\int |x|f(x)dx<\infty$
$$\begin{array}{rl}\int |x|f(x)dx& ={\int }_{-1}^1|x|f(x)dx\\ & ={\int }_{-1}^0-xf(x)dx+{\int }_0^{1}xf(x)dx\\ & =(\frac{1}{4}-\frac{\alpha }{6})+(\frac{1}{4}+\frac{\alpha }{6})\\ & =\frac{1}{2}\end{array}$$
所有期望是存在的

$$\begin{array}{rl}E(X)& ={\int }_{-1}^{1}xf(x)dx\\ & ={\int }_{-1}^{1}x\frac{1+\alpha x}{2}dx\\ & =\frac{1}{2}\left(\right[\frac{x^2}{2}+\frac{\alpha x^3}{3}{]}_{-1}^1)\\ & =\frac{\alpha }{3}\\ Var(X)& ={\int }_{-1}^1(x-\mu {)}^{2}f(x)dx\\ & ={\int }_{-1}^1(x-\frac{\alpha }{3}{)}^2\cdot \frac{1+\alpha x}{2}dx\\ & =\frac{1}{2}{\int }_{-1}^1(\alpha x^3+(1-\frac{2}{3}{\alpha }^2)x^2+(\frac{{\alpha }^3}{9}-\frac{2}{3}\alpha )x+\frac{{\alpha }^2}{9})dx\\ & =\frac{1}{3}-\frac{{\alpha }^2}{9}\end{array}$$

题目6

令$X$是连续型随机变量，具有概率密度函数 $f(x)=2x,0\le x\le 1$
a.计算E(X)
b.令$Y=X^2$,计算$Y$的概率质量函数，并由其计算$E(Y)$.
c.利用4.1.1节的定理 4.1.1.1计算$E(X^2)$,并与$b$中的答案来进行比较.
d.根据4.2节方差的定义计算$Var(x)$,同时利用4.2节的定理4.2.2计算$Var(x)$
解：
a.计算E(X)
$$\begin{array}{rl}E(X)& ={\int }_0^{1}xf(x)dx\\ & ={\int }_0^{1}x\cdot 2xdx\\ & =\frac{2}{3}\end{array}$$
b.令$Y=X^2$,计算$Y$的概率质量函数，并由其计算$E(Y)$.
$$\begin{array}{rl}{f}_Y(y)& =f_x(y^{\frac{1}{2}})\cdot (y^{\frac{1}{2}}{)}^{{}^{\prime }}\\ & =2\cdot y^{\frac{1}{2}}\cdot \frac{1}{2}{y}^{-\frac{1}{2}}\\ & =1\\ E(Y)& ={\int }_0^{1}y\cdot f_Y(y)dy\\ & ={\int }_0^{1}ydy\\ & =\frac{1}{2}\end{array}$$
c.利用4.1.1节的定理 4.1.1.1计算$E(X^2)$,并与$b$中的答案来进行比较.
$$\begin{array}{rl}E(X^2)& ={\int }_0^1{x}^{2}f(x)dx\\ & ={\int }_0^1{x}^2\cdot 2xdx\\ & =\frac{1}{2}\end{array}$$
与b.中的答案一样。
d.根据4.2节方差的定义计算$Var(x)$,同时利用4.2节的定理4.2.2计算$Var(x)$
$$\begin{array}{rl}按定义计算& \\ Var(X)& ={\int }_0^1(x-\mu {)}^{2}f(x)dx\\ & ={\int }_0^1(x-\frac{2}{3})\cdot 2xdx\\ & ={\int }_0^1(2x^3+\frac{8}{9}x-\frac{8}{3}{x}^2)dx\\ & =\frac{1}{2}-\frac{4}{9}\\ & =\frac{1}{18}\\ 按定理4.2.2计算& \\ Var(x)& =E(X^2)-[E(X){]}^2\\ & ={\int }_0^1{x}^{2}f(x)dx-(\frac{2}{3}{)}^2\\ & ={\int }_0^{1}2x^{3}dx-\frac{4}{9}\\ & =\frac{1}{2}-\frac{4}{9}\\ & =\frac{1}{18}\end{array}$$

题目7

令$X$为离散型随机变量，可能取值为0，1，2对标的概率为$\frac{1}{2},\frac{3}{8},\frac{1}{8}$.
a.求 $E(X)$
解：
$$\begin{array}{rl}E(X)& =0\ast \frac{1}{2}+1\ast \frac{3}{8}+2\ast \frac{1}{8}\\ & =\frac{5}{8}\end{array}$$
b.令$Y=X^2$.求$Y$的概率质量函数和期望
解：
先求出变量Y的分布，再利用随机变量期望的定义求出求出期望

Y	0	1	4
P	$\frac{1}{2}$	$\frac{3}{8}$	$\frac{1}{8}$

$E(Y)=0\ast \frac{1}{2}+1\ast \frac{3}{8}+4\ast \frac{1}{8}=\frac{7}{8}$

c.

题目24

证明：如果$X_1......X_n$是具有联合分布的随机变量并且期望值为$E(X_i)$,$Y$是$X_i$的线性组合，$Y=a+{\Sigma }_{i=1}^n{b}_i{X}_i$,则$E(Y)=a+\sum _{i=1}^n{b}_{i}E(X_i)$
解题思路
令n=2
$$\begin{array}{rl}E(Y)& =\sum _{x_1}\sum _{x_2}(a+b_1{x}_1+b_2{x}_2)p(x_1,x_2)\\ & =\underset{1}{\underbrace{a\sum _{x_1}\sum _{x_2}p(x_1,x_2)}}+\underset{2}{\underbrace{b_1\sum _{x_1}\sum _{x_2}{x}_{1}p(x_1,x_2)}}+\underset{3}{\underbrace{b_2\sum _{x_1}\sum _{x_2}{x}_{2}p(x_1,x_2)}}\end{array}$$
其中：
$$\begin{array}{rl}a\sum _{x_1}\sum _{x_2}p(x_1,x_2)& =a\\ b_1\sum _{x_1}\sum _{x_2}{x}_{1}p(x_1,x_2)& =b_{1}E(x_1)\\ b_2\sum _{x_1}\sum _{x_2}{x}_{2}p(x_1,x_2)& =b_{2}E(x_2)\end{array}$$

题目29

证明：如果随机变量$X$和$Y$是独立的，那么$E(XY)=E(X)E(Y)$
解题思路
根据公式
$$\begin{array}{rl}E(XY)& =\iint xyf(x,y)dxdy\\ & =\iint xyf(x)f(y)dxdy\\ & =\int xf(x)dx\cdot \int yf(y)dy\\ & =E(X)\cdot E(Y)\end{array}$$