连续型随机变量及其概率密度(习题部分)

例一·测量电压

设在一电路中，电阻两喘的电压(V)服从$N(120,2^2).$今独立测量了$5$次，试确定有$2$次测定值落在区间$[118,122]$之外的概率.

思路

设第$i$次的测量值为$X_i$，$i=1,2,3,4,5,$则$X_i\sim N(120,2^2)$,代入公式得 P { 118 ⩽ X i ⩽ 122 } = Φ ( 122 − 120 2 ) − Φ ( 118 − 120 2 ) = Φ ( 1 ) − Φ ( − 1 ) = 2 Φ ( 1 ) − 1 = 0 , 6826 P { X i ∉ [ 118 , 122 ] } = 1 − P { 118 ⩽ X ⩽ 122 } = 0.3174 , i = 1 , 2 , 3 , 4 , 5 \begin{array}{l} P\left\{118 \leqslant X_{i} \leqslant 122\right\}=\Phi\left(\frac{122-120}{2}\right)-\Phi\left(\frac{118-120}{2}\right) \\ \quad=\Phi(1)-\Phi(-1)=2 \Phi(1)-1=0,6826 \\ P\left\{X_{i} \notin[118,122]\right\}=1-P\{118 \leqslant X \leqslant 122\}=0.3174, i=1,2,3,4,5 \end{array} P{118⩽Xi​⩽122}=Φ(2122−120​)−Φ(2118−120​)=Φ(1)−Φ(−1)=2Φ(1)−1=0,6826P{Xi​∈/​[118,122]}=1−P{118⩽X⩽122}=0.3174,i=1,2,3,4,5​
因各个$X_i$相互独立，故用$Y$表示$5$次测量其测量值$X_i$落在区间$[118,122]$之外的个数，则$$Y\sim b(5,0.3174)$$
代入公式得 P { Y = 2 } = ( 5 2 ) ( 0.3174 ) 2 ( 0.6826 ) 3 = 0.3204 P\{Y=2\}=\left(\begin{array}{l} 5 \\ 2 \end{array}\right)(0.3174)^{2}(0.6826)^{3}=0.3204 P{Y=2}=(52​)(0.3174)2(0.6826)3=0.3204

例二·等待指示灯的时间

某人上班，自家里去办公楼要经过一交通指示灯，这一指示灯有80%时间亮红灯，此时他在指示灯旁等待直至绿灯亮，等待时间在区间$[0,30]$(以秒计)服从均匀分布.以X表示他的等待时间.求X的分布函数F(x)，并问X是否为连续型随机变量，是否为离散型的? (要说明理由)

思路

当他到达交通 指示灯处时,若是亮绿灯,则等待时间X为零,亮红灯则等待时间X服从均匀分布.记A为事件“指示灯亮绿灯”,对于固定的x≥0,由全概率公式有 P { X ⩽ x } = P { X ⩽ x ∣ A } P ( A ) + P { X ⩽ x ∣ A ˉ ⟩ P ( A ˉ ) P\{X \leqslant x\}=P\{X \leqslant x | A\} P(A)+P\{X \leqslant x|\bar{A}\rangle P(\bar{A}) P{X⩽x}=P{X⩽x∣A}P(A)+P{X⩽x∣Aˉ⟩P(Aˉ)
其 中 P { X ⩽ x ∣ A } = 1 , P { X ⩽ x ∣ A ˉ } = x 30 ( 当 0 ⩽ x ⩽ 30 ) , P ( X ⩽ x ∣ A ˉ ) = 其中P\{X \leqslant x | A\}=1, P\{X \leqslant x | \bar{A}\}=\frac{x}{30}(当0 \leqslant x \leqslant 30), P(X \leqslant x | \bar{A})= 其中P{X⩽x∣A}=1,P{X⩽x∣Aˉ}=30x​(当0⩽x⩽30),P(X⩽x∣Aˉ)=
$1(当x>30),由P(A)=0.2得到$
P { X ⩽ x } = 1 × 0.2 + x 30 × 0.8 = 0.2 + 0.8 x 30 ( 当 0 ⩽ x ⩽ 30 ) P\{X \leqslant x\}=1 \times 0.2+\frac{x}{30} \times 0.8=0.2+\frac{0.8 x}{30}(当0 \leqslant x \leqslant 30) P{X⩽x}=1×0.2+30x​×0.8=0.2+300.8x​(当0⩽x⩽30)
P { X ⩽ x } = 1 × 0 , 2 + 1 × 0.8 = 1 ( 当 x > 30 ) P\{X \leqslant x\}=1 \times 0,2+1 \times 0.8=1 \quad\left(当 x>30\right) P{X⩽x}=1×0,2+1×0.8=1(当x>30)
$于是得到X的分布函数$ F ( x ) = P { X ⩽ x } = { 0 , x < 0 0.2 + 0.8 x 30 , 0 ⩽ x < 30 1 , x ⩾ 30 F(x)=P\{X \leqslant x\}=\left\{\begin{array}{ll}0, & x<0 \\ 0.2+\frac{0.8 x}{30}, & 0 \leqslant x<30 \\ 1, & x \geqslant 30\end{array}\right. F(x)=P{X⩽x}=⎩⎨⎧​0,0.2+300.8x​,1,​x<00⩽x<30x⩾30​

例三·求概率密度

设$X\sim N(0,1)$,求$Y=e^X$的概率密度.

思路

因为$Y=e^X$大于0，故当$y<0$时，$f_Y(y)=0$；当$y>0$时，注意到$X\sim N(0,1)$，因而可以求出$Y$的分布函数为 F Y ( y ) = P { Y ⩽ y } = P { 0 < Y ⩽ y } = P { 0 < e x ⩽ y } − P { − ∞ < X ⩽ ln ⁡ y } = Φ ( ln ⁡ y ) \begin{aligned} &F_{Y}(y)=P\{Y \leqslant y\}=P\{0<Y \leqslant y\}=P\left\{0<\mathrm{e}^{x} \leqslant y\right\}\\ &-P\{-\infty<X \leqslant \ln y\}=\Phi(\ln y) \end{aligned} ​FY​(y)=P{Y⩽y}=P{0<Y⩽y}=P{0<ex⩽y}−P{−∞<X⩽lny}=Φ(lny)​
进而求得
$$f_Y(y)=\frac{d}{dy}{F}_Y(y)={\frac{d}{dx}\Phi (x)|}_{x=\ln y}\cdot \frac{1}{y}=\frac{1}{\sqrt{2\pi }}{e}^{-\frac{1}{2}(\ln y{)}^2}\cdot \frac{1}{y}$$
于是，$Y=e^X$的概率密度为$$f_Y(y)=\{\begin{array}{ll}\frac{1}{\sqrt{2\pi }y}{\mathrm{e}}^{-\frac{1}{2}(\ln y{)}^2}\cdot ,& y>0\\ 0,& 其他\end{array}$$

例四·使用引理求概率密度

设随机变量$X$的概率密度为$$f(x)=\{\begin{array}{ll}{e}^{-x},& x>0\\ 0,& 其他\end{array}$$
求$Y=X^2$的概率密度.

思路

$Y=X^2$，即有$y=g(x)=x^2$，在$x>0$时，$g(x)$单调递增，具有反函数$x=h(y)=y^{1/2}$,又有$h^{\prime }(y)=\frac{1}{2}{y}^{-1/2}$由课本引理得$Y=X^2$的概率密度为$$f_Y(y)=\{\begin{array}{ll}\frac{1}{2\sqrt{y}}{e}^{-\sqrt{y}},& y>0\\ 0,& 其他\end{array}$$