2020-2021 卷2
——made by njtech_计2104 Melody
填空题
- 已知 P ( A ) = 0.4 , P ( B ∣ A ) = 0.5 , P ( A ∣ B ) = 0.25 P(A)=0.4, P(B \mid A)=0.5, P(A \mid B)=0.25 P(A)=0.4,P(B∣A)=0.5,P(A∣B)=0.25 则 P ( B ) = P(B)= P(B)=
【答案】0.8
【解析】这道题目可以通过使用贝叶斯定理来求解。贝叶斯定理是一个关于条件概率的重要公式,其表达形式为 P ( A ∣ B ) = P ( B ∣ A ) P ( A ) P ( B ) P(A|B) = \frac{P(B|A)P(A)}{P(B)} P(A∣B)=P(B)P(B∣A)P(A)。
- 设随机变量 X ∼ N ( 3 , σ 2 ) X \sim N\left(3, \sigma^2\right) X∼N(3,σ2), 且 P { 3 < X < 6 } = 0.2 P\{3<X<6\}=0.2 P{3<X<6}=0.2, 则 P { X ≤ 0 } = P\{X \leq 0\}= P{X≤0}=
【答案】0.3
【解析】正态分布,3-6占了0.2 ,对称过来0-3也占0.2,于是整个部分就占了0.4,小于0和大于6的部分一共0.6,对称分一半就是0.3
- 设随机变量 X 、 Y \mathrm{X} 、 \mathrm{Y} X、Y 相互独立, 且均服从 [ 0 , 3 ] [0,3] [0,3] 上的均匀分布, Z = max ( X , Y ) Z=\max (X, Y) Z=max(X,Y), 则 P { Z > 1 } = P\{Z>1\}= P{Z>1}=
【答案】 8 9 \frac{8}{9} 98
【解析】X和Y都是服从(0,3)的均匀分布的,所以得到X和Y在区间(1,3)内的概率都是2/3。然后分别考虑下面四种情况
- X,Y都在(1,3)区间内: ( 2 3 ) 2 = 4 9 (\frac{2}{3})^2=\frac{4}{9} (32)2=94
- X在(0,1)区间,Y在(1,3)区间: ( 1 3 ) ( 2 3 ) = 2 9 (\frac{1}{3})(\frac{2}{3})=\frac{2}{9} (31)(32)=92
- X在(1,3)区间,Y在(0,1)区间: ( 2 3 ) ( 1 3 ) = 2 9 (\frac{2}{3})(\frac{1}{3})=\frac{2}{9} (32)(31)=92
所以, P { Z ≤ 1 } P\{\ Z \leq 1\} P{ Z≤1}的总概率是 8 9 \frac{8}{9} 98。
- 设随机变量 X ∼ E ( 1 ) X \sim E(1) X∼E(1), 又 Y = X + e − 2 x Y=X+e^{-2 x} Y=X+e−2x, 则 E Y = \mathrm{EY}= EY=
【答案】 4 3 \frac{4}{3} 34
- 设 X 1 , X 2 , ⋯ , X n X_1, X_2, \cdots, X_n X1,X2,⋯,Xn 是来自 χ 2 ( n ) \chi^2(n) χ2(n) 分布的总体的样本, 则 E X ˉ = E \bar{X}= EXˉ= , D X ˉ = D \bar{X}= DXˉ=
【答案】n和2
【解析】这个问题涉及到卡方分布(chi-squared distribution)的期望和方差的计算。在卡方分布中,如果一个随机变量X服从自由度为n的卡方分布(即 X ∼ χ 2 ( n ) X\sim\chi^2(n) X∼χ2(n)),那么它的期望值就是其自由度n,其方差则是自由度的2倍,即2n。
然而在这个问题中,我们需要找到的是样本平均值 X ˉ \bar{X} Xˉ的期望和方差。因为样本平均数是所有样本值的平均,所以它的期望值就是原来随机变量的期望值,即自由度n。而对于方差,我们知道样本平均值的方差等于原来随机变量的方差除以样本数n,所以 D X ˉ = 2 n / n = 2 D\bar{X}=2n/n=2 DXˉ=2n/n=2。
- 设某工件的长度 X ∼ N ( μ , 4 2 X \sim N\left(\mu, 4^2\right. X∼N(μ,42 ) (单位: m m \mathrm{mm} mm ), 今抽取 9 件测量其长度, 得样本均 值 x ˉ = 147.33 \bar{x}=147.33 xˉ=147.33, 则 μ \mu μ 的置信度为 95 % 95 \% 95% 的置信区间为 ( z 0.025 = 1.96 , z 0.05 = 1.645 ) \left(z_{0.025}=1.96, z_{0.05}=1.645\right) (z0.025=1.96,z0.05=1.645).
【答案】 ( 144.72 , 149.94 ) (144.72,149.94) (144.72,149.94)
【解析】置信区间的计算公式是 x ˉ ± z α / 2 ⋅ σ n \bar{x} \pm z_{\alpha/2} \cdot \frac{\sigma}{\sqrt{n}} xˉ±zα/2⋅nσ,其中 x ˉ \bar{x} xˉ是样本均值, z α / 2 z_{\alpha/2} zα/2是标准正态分布的 α 2 \frac{\alpha}{2} 2α分位数, σ \sigma σ是总体标准差, n n n是样本大小。
因为我们需要计算 95 % 95\% 95%的置信区间,所以 α = 0.05 \alpha = 0.05 α=0.05, z α / 2 = z 0.025 = 1.96 z_{\alpha/2} = z_{0.025} = 1.96 zα/2=z0.025=1.96。
代入这些值,我们得到置信区间为 147.33 ± 1.96 ⋅ 1.5 9 = 147.33 ± 2.61 147.33 \pm 1.96 \cdot \frac{1.5}{\sqrt{9}} = 147.33 \pm 2.61 147.33±1.96⋅91.5=147.33±2.61。
选择题
- 设
P
(
A
)
>
0
,
P
(
B
)
>
0
P(A)>0, P(B)>0
P(A)>0,P(B)>0, 且
A
,
B
A, B
A,B 互斥, 则下列结论正确的是
(A) A , B A, B A,B 独立;
(B) A ˉ , B ˉ \bar{A}, \bar{B} Aˉ,Bˉ 互斥;
© A ˉ , B ˉ \bar{A}, \bar{B} Aˉ,Bˉ 相容;
(D) P ( A B ˉ ) = P ( A ) P(A \bar{B})=P(A) P(ABˉ)=P(A).
【答案】D
【解析】这个问题涉及到概率论中的基本概念,包括事件的互斥、独立、相容以及概率的计算。
(A)选项:“ A A A, B B B 独立”,这个选项是错误的。互斥事件不能是独立事件,因为如果事件 A A A发生,那么事件 B B B就不能发生,反之亦然。这与独立事件的定义(一个事件的发生不影响另一个事件的发生概率)相违背。
(B)选项:“ A ˉ \bar{A} Aˉ, B ˉ \bar{B} Bˉ 互斥”,这个选项也是错误的。事件 A A A和事件 B B B是互斥的,说明它们不能同时发生,但是对于它们的补集 A ˉ \bar{A} Aˉ和 B ˉ \bar{B} Bˉ,这两个事件完全可以同时发生。
©选项:“ A ˉ \bar{A} Aˉ, B ˉ \bar{B} Bˉ 相容”,这个选项是正确的,相容事件是指至少有一个事件可以发生, A ˉ \bar{A} Aˉ和 B ˉ \bar{B} Bˉ是相容的,因为它们可以同时发生。
(D)选项:“ P ( A B ˉ ) = P ( A ) P(A \bar{B})=P(A) P(ABˉ)=P(A)”,这个选项是正确的。因为事件 A A A和 B B B是互斥的,也就是说, A A A和 B B B不能同时发生。因此,事件 A A A发生的时候,事件 B B B一定没有发生,也就是说, P ( A B ˉ ) P(A \bar{B}) P(ABˉ)就是 P ( A ) P(A) P(A)。
所以,正确的选项是D。
-
设随机变量 X X X 的分布律为 P { X = k } = b λ k ( k = 1 , 2 , ⋯ ) ( b > 0 ) P\{X=k\}=b \lambda^k(k=1,2, \cdots)(b>0) P{X=k}=bλk(k=1,2,⋯)(b>0), 则 λ \lambda λ 为
(A) λ = 1 \lambda=1 λ=1;
(B) λ = 1 b \lambda=\frac{1}{b} λ=b1;
© λ = 1 b + 1 \lambda=\frac{1}{b+1} λ=b+11;
(D) λ = b + 1 \lambda=\mathrm{b}+1 λ=b+1.
【答案】C
【解析】题目中给出了随机变量 X X X 的分布律为 P { X = k } = b λ k ( k = 1 , 2 , ⋯ ) ( b > 0 ) P\{X=k\}=b \lambda^k(k=1,2, \cdots)(b>0) P{X=k}=bλk(k=1,2,⋯)(b>0)。我们知道,对于任何一个随机变量,它所有可能取值的概率之和应该为1。因此,我们可以建立如下方程:
b λ + b λ 2 + b λ 3 + ⋯ = 1 b\lambda + b\lambda^2 + b\lambda^3 + \cdots = 1 bλ+bλ2+bλ3+⋯=1
这是一个无穷等比数列的和,根据等比数列求和公式,只有当公比 λ \lambda λ 的绝对值小于1时,等比数列才会收敛,因此 λ \lambda λ 必须满足 ∣ λ ∣ < 1 |\lambda|<1 ∣λ∣<1。等比数列的和为 b λ / ( 1 − λ ) = 1 b\lambda/(1-\lambda) = 1 bλ/(1−λ)=1。解这个方程,我们得到 λ = b / ( b + 1 ) \lambda = b/(b+1) λ=b/(b+1),因此,选项 © “ λ = 1 b + 1 \lambda=\frac{1}{b+1} λ=b+11” 是正确的。
- 对于随机变量
X
,
Y
X, Y
X,Y, 若
E
(
X
Y
)
=
E
X
E
Y
E(X Y)=E X E Y
E(XY)=EXEY, 则下列结论正确的是 ( )
(A) D ( X Y ) = D X D Y D(X Y)=D X D Y D(XY)=DXDY;
(B) D ( X + Y ) = D X + D Y D(X+Y)=D X+D Y D(X+Y)=DX+DY;
© X , Y X, Y X,Y 独立;
(D) X , Y X, Y X,Y 不独立.
【答案】B
【解析】该题中已知 E ( X Y ) = E X E Y E(XY) = EXEY E(XY)=EXEY,这其实是两个随机变量 X X X 和 Y Y Y 不相关(或协方差为0)的定义,即 cov ( X , Y ) = E ( X Y ) − E X E Y = 0 \operatorname{cov}(X, Y) = E(XY) - EXEY = 0 cov(X,Y)=E(XY)−EXEY=0,而不是 X X X 和 Y Y Y 独立。独立性是一种更强的条件,对于独立的随机变量,不仅满足不相关的条件,还需要满足 P ( X ∈ A , Y ∈ B ) = P ( X ∈ A ) P ( Y ∈ B ) P(X\in A, Y\in B) = P(X\in A)P(Y\in B) P(X∈A,Y∈B)=P(X∈A)P(Y∈B) 对所有事件 A A A 和 B B B 都成立。
选项 (A) 是不正确的,因为二者的方差乘积并不能从 E ( X Y ) = E X E Y E(XY) = EXEY E(XY)=EXEY 得出。选项 © 和 (D) 都与独立性有关,但如前所述,我们不能从 E ( X Y ) = E X E Y E(XY) = EXEY E(XY)=EXEY 这个条件推断出 X X X 和 Y Y Y 的独立性,因此它们都是错误的。
对于选项 (B),在随机变量的方差的性质中,我们有 D ( X + Y ) = D X + D Y D(X + Y) = DX + DY D(X+Y)=DX+DY 当且仅当 X X X 和 Y Y Y 不相关。因此,选项 (B) “ D ( X + Y ) = D X + D Y D(X+Y)=DX + DY D(X+Y)=DX+DY” 是正确的。
- 设
X
1
,
X
2
,
⋯
,
X
n
X_1, X_2, \cdots, X_n
X1,X2,⋯,Xn 是来自总体
X
X
X 的简单随机样本, 其中
E
X
=
μ
,
D
X
=
σ
2
E X=\mu, D X=\sigma^2
EX=μ,DX=σ2, 则下列统 计量中是
σ
2
\sigma^2
σ2 的无偏估计量是
(A) 1 n ∑ i = 1 n ( X i − X ˉ ) 2 \frac{1}{n} \sum_{i=1}^n\left(X_i-\bar{X}\right)^2 n1∑i=1n(Xi−Xˉ)2;
(B) 1 n + 1 ∑ i = 1 n ( X i − X ˉ ) 2 \frac{1}{n+1} \sum_{i=1}^n\left(X_i-\bar{X}\right)^2 n+11∑i=1n(Xi−Xˉ)2;
© 1 n − 1 ∑ i = 1 n ( X i − X ˉ ) 2 \frac{1}{n-1} \sum_{i=1}^n\left(X_i-\bar{X}\right)^2 n−11∑i=1n(Xi−Xˉ)2;
(D) 1 n ∑ i = 1 n X i 2 \frac{1}{n} \sum_{i=1}^n X_i^2 n1∑i=1nXi2
【答案】C
【解析】在统计学中,我们经常使用样本方差作为总体方差的无偏估计量。样本方差的公式定义为: S 2 = 1 n − 1 ∑ i = 1 n ( X i − X ˉ ) 2 S^2 = \frac{1}{n-1}\sum_{i=1}^n(X_i - \bar{X})^2 S2=n−11∑i=1n(Xi−Xˉ)2,其中 X ˉ \bar{X} Xˉ 是样本平均值, n n n 是样本数量。此公式中分母为 n − 1 n-1 n−1,而不是 n n n,这是为了解决偏差问题,使得 S 2 S^2 S2 成为无偏估计量。
三
甲袋中装中有3个白球和3个红球,乙袋中装有4个白球和2个红球,从甲袋中取出一-球放入乙袋, 再从乙袋中取出一球,
(1)求从乙袋中取出的是红球的概率;
(2) 若从乙袋中取出的球为白球,求从甲袋中取出的是红球的概率.
【解】设
A
1
=
{
A_1=\{
A1={ 从甲袋中取出白球
}
,
A
2
=
{
\}, A_2=\{
},A2={ 从甲袋中取出红球
}
,
B
=
{
\}, B=\{
},B={ 从乙袋中取出红球
}
\}
}.
(1) 由题意,
P
(
B
∣
A
1
)
=
2
7
,
P
(
B
∣
A
2
)
=
3
7
,
P
(
A
1
)
=
P
(
A
2
)
=
1
2
P\left(B \mid A_1\right)=\frac{2}{7}, P\left(B \mid A_2\right)=\frac{3}{7}, P\left(A_1\right)=P\left(A_2\right)=\frac{1}{2}
P(B∣A1)=72,P(B∣A2)=73,P(A1)=P(A2)=21,
由全概率公式
P
(
B
)
=
P
(
A
1
)
P
(
B
∣
A
1
)
+
P
(
A
2
)
P
(
B
∣
A
2
)
=
1
2
×
2
7
+
1
2
×
3
7
=
5
14
P(B)=P\left(A_1\right) P\left(B \mid A_1\right)+P\left(A_2\right) P\left(B \mid A_2\right)=\frac{1}{2} \times \frac{2}{7}+\frac{1}{2} \times \frac{3}{7}=\frac{5}{14}
P(B)=P(A1)P(B∣A1)+P(A2)P(B∣A2)=21×72+21×73=145
(2) 由条件概率
P
(
A
2
∣
B
ˉ
)
=
P
(
A
2
B
ˉ
)
P
(
B
ˉ
)
=
P
(
A
2
)
P
(
B
ˉ
∣
A
2
)
P
(
B
ˉ
)
=
1
2
×
4
7
9
14
=
4
9
P\left(A_2 \mid \bar{B}\right)=\frac{P\left(A_2 \bar{B}\right)}{P(\bar{B})}=\frac{P\left(A_2\right) P\left(\bar{B} \mid A_2\right)}{P(\bar{B})}=\frac{\frac{1}{2} \times \frac{4}{7}}{\frac{9}{14}}=\frac{4}{9}
P(A2∣Bˉ)=P(Bˉ)P(A2Bˉ)=P(Bˉ)P(A2)P(Bˉ∣A2)=14921×74=94.
四
设连续型随机变量
X
\mathrm{X}
X 的概率密度为
f
(
x
)
=
{
a
x
+
b
,
0
≤
x
≤
1
,
0
,
其 它,
f(x)=\left\{\begin{array}{l}a x+b, 0 \leq x \leq 1, \\ 0, \quad \text { 其 它, }\end{array}\right.
f(x)={ax+b,0≤x≤1,0, 其 它, 且
E
X
=
7
12
E X=\frac{7}{12}
EX=127, 求(1)
a
,
b
a, b
a,b 的值; (2)
X
\mathrm{X}
X 的分布函数
F
(
x
)
\mathrm{F}(\mathrm{x})
F(x).
1
=
∫
−
∞
+
∞
f
(
x
)
d
x
=
∫
0
1
(
a
x
+
b
)
d
x
=
a
2
+
b
,
7
12
=
∫
−
∞
+
∞
x
f
(
x
)
d
x
=
∫
0
1
x
(
a
x
+
b
)
d
x
=
a
3
+
b
2
,
\begin{aligned} & 1=\int_{-\infty}^{+\infty} f(x) d x=\int_0^1(a x+b) d x=\frac{a}{2}+b, \\ & \frac{7}{12}=\int_{-\infty}^{+\infty} x f(x) d x=\int_0^1 x(a x+b) d x=\frac{a}{3}+\frac{b}{2}, \end{aligned}
1=∫−∞+∞f(x)dx=∫01(ax+b)dx=2a+b,127=∫−∞+∞xf(x)dx=∫01x(ax+b)dx=3a+2b,
联立方程组解得
a
=
1
,
b
=
1
2
a=1, b=\frac{1}{2}
a=1,b=21.
由分布函数定义得
F
(
x
)
=
∫
−
∞
x
f
(
t
)
d
t
=
{
0
,
x
<
0
,
x
2
+
x
2
,
0
≤
x
≤
1
,
1
,
x
>
1.
F(x)=\int_{-\infty}^x f(t) d t=\left\{\begin{array}{cc}0, & x<0, \\ \frac{x^2+x}{2}, & 0 \leq x \leq 1, \\ 1, & x>1 .\end{array}\right.
F(x)=∫−∞xf(t)dt=⎩
⎨
⎧0,2x2+x,1,x<0,0≤x≤1,x>1.
五
某种商品的合格率为 90 % 90 \% 90%, 某单位要想给 100 名职工每个人一件这种商品, 试求: 该单位至少购买多少件这种商品才能以 97.7 % 97.7 \% 97.7%, 的概率保证每个人都可以得到一件合格品 ( Φ ( 2 ) = 0.977 ) (\Phi(2)=0.977) (Φ(2)=0.977).
【解】设至少购买
n
\mathrm{n}
n 件商品,
X
\mathrm{X}
X 表示
n
\mathrm{n}
n 件商品中合格品的件数, 则
X
−
B
(
n
,
0.9
)
,
E
X
=
0.9
n
,
D
X
=
0.09
n
X-B(n, 0.9), E X=0.9 n, D X=0.09 n
X−B(n,0.9),EX=0.9n,DX=0.09n, 由
D
−
L
D-L
D−L 中心极限定理
P
{
X
≥
100
}
=
P
{
X
−
0.9
n
0.09
n
≥
100
−
0.9
n
0.09
n
}
≈
1
−
Φ
(
100
−
0.9
n
0.09
n
)
=
Φ
(
0.9
n
−
100
0.09
n
)
≥
0.977
=
Φ
(
2
)
.(4分)
由
0.9
n
−
100
0.3
n
≥
2
,
n
≥
118.36
,
取
n
=
119.
\begin{aligned} & P\{X \geq 100\}=P\left\{\frac{X-0.9 n}{\sqrt{0.09 n}} \geq \frac{100-0.9 n}{\sqrt{0.09 n}}\right\} \\ & \approx 1-\Phi\left(\frac{100-0.9 n}{\sqrt{0.09 n}}\right)=\Phi\left(\frac{0.9 n-100}{\sqrt{0.09 n}}\right) \geq 0.977=\Phi(2) \text {.(4分) } \\ & \text { 由 } \frac{0.9 n-100}{0.3 \sqrt{n}} \geq 2, n \geq 118.36, \text { 取 } \mathrm{n}=119 . \end{aligned}
P{X≥100}=P{0.09nX−0.9n≥0.09n100−0.9n}≈1−Φ(0.09n100−0.9n)=Φ(0.09n0.9n−100)≥0.977=Φ(2).(4分) 由 0.3n0.9n−100≥2,n≥118.36, 取 n=119.
因此, 至少购买 119 件这种商品才能以
97.7
%
97.7 \%
97.7% 的概率保证每个人都得到 1 件合格品. (8分)
六
六. (本题 12 分) 设二维随机变量 ( X , Y ) (X, Y) (X,Y) 的联合概率分布如下表, 求 (1) X 、 Y X 、 Y X、Y 的数 学期望 E X , E Y ; E X, E Y ; EX,EY; (2) P { X + Y > 1 } ; ( 3 ) P\{X+Y>1\} ;(3) P{X+Y>1};(3) 若 Z = max ( X , Y ) Z=\max (X, Y) Z=max(X,Y), 求 E Z E Z EZ.
六、(12分) 解(1)
X
∼
(
0
1
0.65
0.35
)
,
Y
∼
(
0
1
2
0.4
0.25
0.35
)
X \sim\left(\begin{array}{cc}0 & 1 \\ 0.65 & 0.35\end{array}\right), Y \sim\left(\begin{array}{ccc}0 & 1 & 2 \\ 0.4 & 0.25 & 0.35\end{array}\right)
X∼(00.6510.35),Y∼(00.410.2520.35),(4分)
(2)
E
X
=
0
×
0.65
+
1
×
0.35
=
0.35
,
E
Y
=
0
×
0.4
+
1
×
0.25
+
2
×
0.35
=
0.95
,
P
{
X
+
Y
>
1
}
=
P
{
X
=
0
,
Y
=
2
}
+
P
{
X
=
1
,
Y
=
1
}
+
P
{
X
=
1
,
Y
=
2
}
=
0.3
+
0.15
+
0.05
=
0.5
,
(
8
分)
\begin{aligned} & \text { (2) } E X=0 \times 0.65+1 \times 0.35=0.35, E Y=0 \times 0.4+1 \times 0.25+2 \times 0.35=0.95, \\ & P\{X+Y>1\}=P\{X=0, Y=2\}+P\{X=1, Y=1\}+P\{X=1, Y=2\}=0.3+0.15+0.05=0.5,(8 \text { 分) } \end{aligned}
(2) EX=0×0.65+1×0.35=0.35,EY=0×0.4+1×0.25+2×0.35=0.95,P{X+Y>1}=P{X=0,Y=2}+P{X=1,Y=1}+P{X=1,Y=2}=0.3+0.15+0.05=0.5,(8 分)
X
∼
(
3
)
Z
=
max
(
X
,
Y
)
\mathbf{X} \sim(3) Z=\max (X, Y)
X∼(3)Z=max(X,Y) 可取值为
0
,
1
,
2
0,1,2
0,1,2,
P
{
Z
=
0
}
=
P
{
X
=
0
,
Y
=
0
}
=
0.25
,
P
{
Z
=
2
}
=
P
{
X
=
0
,
Y
=
2
}
+
P
{
X
=
1
,
Y
=
2
}
=
0.35
,
则
P
{
Z
=
1
}
=
1
−
0.25
−
0.35
=
0.4
,
故
Z
∼
(
0
1
2
0.25
0.4
0.35
)
,
E
Z
=
0.4
+
0.7
=
1.1.
(
12
分)
\begin{aligned} & P\{Z=0\}=P\{X=0, Y=0\}=0.25, \\ & P\{Z=2\}=P\{X=0, Y=2\}+P\{X=1, Y=2\}=0.35, \text { 则 } P\{Z=1\}=1-0.25-0.35=0.4, \\ & \text { 故 } Z \sim\left(\begin{array}{ccc} 0 & 1 & 2 \\ 0.25 & 0.4 & 0.35 \end{array}\right), E Z=0.4+0.7=1.1 .(12 \text { 分) } \end{aligned}
P{Z=0}=P{X=0,Y=0}=0.25,P{Z=2}=P{X=0,Y=2}+P{X=1,Y=2}=0.35, 则 P{Z=1}=1−0.25−0.35=0.4, 故 Z∼(00.2510.420.35),EZ=0.4+0.7=1.1.(12 分)
七
七. (本题 12 分) 设
(
X
,
Y
)
(X, Y)
(X,Y) 的概率密度函数为
f
(
x
,
y
)
=
{
2
,
0
<
x
<
1
,
0
<
y
<
x
,
0
,
其他,
f(x, y)=\left\{\begin{array}{lc}2, & 0<x<1,0<y<x, \\ 0, & \text { 其他, }\end{array}\right.
f(x,y)={2,0,0<x<1,0<y<x, 其他,
求: (1) 求
X
,
Y
X, Y
X,Y 的边缘密度函数
f
X
(
x
)
,
f
Y
(
y
)
\mathrm{f}_X(x), f_Y(y)
fX(x),fY(y), 并判断
X
,
Y
X, Y
X,Y 是否独立; (2)
Cov
(
X
Y
)
\operatorname{Cov}(X Y)
Cov(XY); (3)
ρ
x
,
y
\rho_{x, y}
ρx,y
七 (12分
)
(
X
,
Y
)
∼
f
(
x
,
y
)
=
{
2
,
0
<
x
<
1
,
0
<
y
<
x
0
,
其他
)(\mathrm{X}, \mathrm{Y}) \sim f(x, y)=\left\{\begin{array}{lc}2, & 0<x<1,0<y<x \\ 0, & \text { 其他 }\end{array}\right.
)(X,Y)∼f(x,y)={2,0,0<x<1,0<y<x 其他 ,
E
X
=
∫
−
∞
+
∞
∫
−
∞
+
∞
x
f
(
x
,
y
)
d
x
d
y
=
∫
0
1
d
x
∫
0
x
2
x
d
y
=
2
3
,
E
X
2
=
∫
−
∞
+
∞
∫
−
∞
+
∞
x
2
f
(
x
,
y
)
d
x
d
y
=
∫
0
1
d
x
∫
0
x
2
x
2
d
y
=
1
2
;
\begin{aligned} & E X=\int_{-\infty}^{+\infty} \int_{-\infty}^{+\infty} x f(x, y) d x d y=\int_0^1 d x \int_0^x 2 x d y=\frac{2}{3}, \\ & E X^2=\int_{-\infty}^{+\infty} \int_{-\infty}^{+\infty} x^2 f(x, y) d x d y=\int_0^1 d x \int_0^x 2 x^2 d y=\frac{1}{2} ; \end{aligned}
EX=∫−∞+∞∫−∞+∞xf(x,y)dxdy=∫01dx∫0x2xdy=32,EX2=∫−∞+∞∫−∞+∞x2f(x,y)dxdy=∫01dx∫0x2x2dy=21;
E
X
2
=
∫
−
∞
+
∞
∫
−
∞
+
∞
x
2
f
(
x
,
y
)
d
x
d
y
=
∫
0
1
d
x
∫
0
x
2
x
2
d
y
=
1
2
;
E X^2=\int_{-\infty}^{+\infty} \int_{-\infty}^{+\infty} x^2 f(x, y) d x d y=\int_0^1 d x \int_0^x 2 x^2 d y=\frac{1}{2} ;
EX2=∫−∞+∞∫−∞+∞x2f(x,y)dxdy=∫01dx∫0x2x2dy=21;
D
X
=
E
X
2
−
(
E
X
)
2
=
1
18
D X=E X^2-(E X)^2=\frac{1}{18}
DX=EX2−(EX)2=181 。同理,
E
Y
=
1
3
,
D
Y
=
1
18
E Y=\frac{1}{3}, D Y=\frac{1}{18}
EY=31,DY=181
E
(
X
Y
)
=
∫
−
∞
+
∞
∫
−
∞
+
∞
x
y
f
(
x
,
y
)
d
x
d
y
=
∫
0
1
d
x
∫
0
x
2
x
y
d
y
=
1
4
。
E(X Y)=\int_{-\infty}^{+\infty} \int_{-\infty}^{+\infty} x y f(x, y) d x d y=\int_0^1 d x \int_0^x 2 x y d y=\frac{1}{4} 。
E(XY)=∫−∞+∞∫−∞+∞xyf(x,y)dxdy=∫01dx∫0x2xydy=41。
( 8 分)
故
cov
(
X
,
Y
)
=
E
(
X
Y
)
−
E
X
⋅
E
Y
=
1
4
−
2
3
×
1
3
=
1
36
\operatorname{cov}(X, Y)=E(X Y)-E X \cdot E Y=\frac{1}{4}-\frac{2}{3} \times \frac{1}{3}=\frac{1}{36}
cov(X,Y)=E(XY)−EX⋅EY=41−32×31=361, 。
(10 分)
于是,
ρ
X
,
Y
=
Cov
(
X
,
Y
)
D
X
D
Y
=
1
36
1
18
1
18
=
1
2
\rho_{X, Y}=\frac{\operatorname{Cov}(X, Y)}{\sqrt{D X} \sqrt{D Y}}=\frac{\frac{1}{36}}{\sqrt{\frac{1}{18}} \sqrt{\frac{1}{18}}}=\frac{1}{2}
ρX,Y=DXDYCov(X,Y)=181181361=21.
(12分)
八
八. (本题 10 分) 设 ( X 1 , X 2 , ⋯ , X n ) \left(X_1, X_2, \cdots, X_n\right) (X1,X2,⋯,Xn) 为取自总体 X X X 的样本, X X X 的密度函数为 f ( x ; α ) = { ( α + 1 ) x α , 0 < x < 1 , 0 , 其他, f(x ; \alpha)=\left\{\begin{array}{cc}(\alpha+1) x^\alpha, & 0<x<1, \\ 0, & \text { 其他, }\end{array}\right. f(x;α)={(α+1)xα,0,0<x<1, 其他, 其中 α > − 1 \alpha>-1 α>−1 为末知参数, 求: (1) α \alpha α 的矩估计量; (2) α \alpha α 的极大似然估计量.
总体
X
X
X 的数学期望
E
(
X
)
=
∫
−
∞
+
∞
x
f
(
x
)
d
x
=
∫
0
1
x
(
α
+
1
)
x
α
d
x
=
α
+
1
α
+
2
E(X)=\int_{-\infty}^{+\infty} x f(x) d x=\int_0^1 x(\alpha+1) x^\alpha d x=\frac{\alpha+1}{\alpha+2}
E(X)=∫−∞+∞xf(x)dx=∫01x(α+1)xαdx=α+2α+1, 令
E
X
=
X
ˉ
E X=\bar{X}
EX=Xˉ, 则得末知参数
α
\alpha
α 的矩估计量为
α
^
=
1
−
2
X
ˉ
X
ˉ
−
1
\hat{\alpha}=\frac{1-2 \bar{X}}{\bar{X}-1}
α^=Xˉ−11−2Xˉ
设
x
1
,
x
2
,
⋯
,
x
n
x_1, x_2, \cdots, x_n
x1,x2,⋯,xn 是
X
1
,
X
2
,
⋯
,
X
n
X_1, X_2, \cdots, X_n
X1,X2,⋯,Xn 相应于的样本值, 则似然函数为
L
(
α
)
=
∏
i
=
1
n
(
α
+
1
)
x
i
α
=
(
α
+
1
)
n
(
∏
i
=
1
n
x
i
)
α
,
(
i
=
1
,
2
,
…
,
n
)
,
ln
L
(
α
)
=
n
ln
(
α
+
1
)
+
α
(
∑
i
=
1
n
ln
x
i
)
,
d
ln
L
d
α
=
n
α
+
1
+
∑
i
=
1
n
ln
x
i
,
\begin{gathered} L(\alpha)=\prod_{i=1}^n(\alpha+1) x_i^\alpha=(\alpha+1)^n\left(\prod_{i=1}^n x_i\right)^\alpha,(i=1,2, \ldots, n), \\ \ln L(\alpha)=n \ln (\alpha+1)+\alpha\left(\sum_{i=1}^n \ln x_i\right), \frac{d \ln L}{d \alpha}=\frac{n}{\alpha+1}+\sum_{i=1}^n \ln x_i, \end{gathered}
L(α)=i=1∏n(α+1)xiα=(α+1)n(i=1∏nxi)α,(i=1,2,…,n),lnL(α)=nln(α+1)+α(i=1∑nlnxi),dαdlnL=α+1n+i=1∑nlnxi,
令
d
ln
L
d
α
=
0
\frac{d \ln L}{d \alpha}=0
dαdlnL=0, 解得
α
\alpha
α 的极大似然估计值为
α
^
=
−
1
−
n
/
(
∑
i
=
1
n
ln
x
i
)
\hat{\alpha}=-1-n /\left(\sum_{i=1}^n \ln x_i\right)
α^=−1−n/(∑i=1nlnxi).
从而得
α
\alpha
α 的极大似然估计量为
α
^
=
−
1
−
n
/
(
∑
i
=
1
n
ln
X
i
)
\hat{\alpha}=-1-n /\left(\sum_{i=1}^n \ln X_i\right)
α^=−1−n/(∑i=1nlnXi).
九.
设某次参加概率统计课程的学生成绩服从正态分布, 从中随机地抽取 36 位学生的成绩, 算得平均成绩为 66.5 分, 标准差为 15 分, 问在显著性水平 0.05 下, 是否可以认为这次考试全体学生平均成绩 70 分 ( t 0.025 ( 35 ) = 2.0301 , t 0.05 ( 35 ) = 1.6896 ) \left(t_{0.025}(35)=2.0301, t_{0.05}(35)=1.6896\right) (t0.025(35)=2.0301,t0.05(35)=1.6896).
建立假设 H 0 : μ = μ 0 = 70 , H 1 : μ ≠ μ 0 = 70 H_0: \mu=\mu_0=70, H_1: \mu \neq \mu_0=70 H0:μ=μ0=70,H1:μ=μ0=70
在
H
0
H_0
H0 选取检验统计量
T
=
X
ˉ
−
μ
0
S
n
∼
t
(
n
−
1
)
\mathrm{T}=\frac{\bar{X}-\mu_0}{\frac{S}{\sqrt{n}}} \sim t(n-1)
T=nSXˉ−μ0∼t(n−1),
由
α
=
0.05
⇒
t
α
/
2
=
t
0.025
(
36
−
1
)
=
2.0301
\alpha=0.05 \Rightarrow t_{\alpha / 2}=t_{0.025}(36-1)=2.0301
α=0.05⇒tα/2=t0.025(36−1)=2.0301, 又由
x
ˉ
=
66.5
、
s
=
15
\bar{x}=66.5 、 s=15
xˉ=66.5、s=15, 可算得统计量观测值
t
t
t 为
t
=
x
ˉ
−
μ
0
s
2
/
n
=
66.5
−
70
1
5
2
/
36
=
−
1.4
,
t=\frac{\bar{x}-\mu_0}{\sqrt{s^2 / n}}=\frac{66.5-70}{\sqrt{15^2 / 36}}=-1.4 \text {, }
t=s2/nxˉ−μ0=152/3666.5−70=−1.4,
因
∣
t
∣
=
1.4
<
t
0.025
(
35
)
=
2.0301
|t|=1.4<t_{0.025}(35)=2.0301
∣t∣=1.4<t0.025(35)=2.0301, 接受
H
0
H_0
H0, 故可以认为这次考试全体学生的平均成绩为 70 分。