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 ) . N(120,2^2). N(120,22).今独立测量了 5 5 5次,试确定有 2 2 2次测定值落在区间 [ 118 , 122 ] [118,122] [118,122]之外的概率.
思路
设第
i
i
i次的测量值为
X
i
X_i
Xi,
i
=
1
,
2
,
3
,
4
,
5
,
i=1,2,3,4,5,
i=1,2,3,4,5,则
X
i
∼
N
(
120
,
2
2
)
X_i \sim N(120,2^2)
Xi∼N(120,22),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
X_i
Xi相互独立,故用
Y
Y
Y表示
5
5
5次测量其测量值
X
i
X_i
Xi落在区间
[
118
,
122
]
[118,122]
[118,122]之外的个数,则
Y
∼
b
(
5
,
0.3174
)
Y \sim b(5,0.3174)
Y∼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 ] [0,30] [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
1(当 x>30), 由P(A)=0.2 得到
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
于是得到X的分布函数
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 ∼ N ( 0 , 1 ) X\sim N(0,1) X∼N(0,1),求 Y = e X Y=e^X Y=eX的概率密度.
思路
因为
Y
=
e
X
Y=e^X
Y=eX大于0,故当
y
<
0
y<0
y<0时,
f
Y
(
y
)
=
0
f_Y(y)=0
fY(y)=0;当
y
>
0
y>0
y>0时,注意到
X
∼
N
(
0
,
1
)
X\sim N(0,1)
X∼N(0,1),因而可以求出
Y
Y
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
)
=
d
d
y
F
Y
(
y
)
=
d
d
x
Φ
(
x
)
∣
x
=
ln
y
⋅
1
y
=
1
2
π
e
−
1
2
(
ln
y
)
2
⋅
1
y
f_{Y}(y)=\frac{d}{d y} F_{Y}(y)=\left.\frac{d}{d x} \Phi(x)\right|_{x=\ln y} \cdot \frac{1}{y}=\frac{1}{\sqrt{2 \pi}} e^{-\frac{1}{2}(\ln y)^{2}} \cdot \frac{1}{y}
fY(y)=dydFY(y)=dxdΦ(x)∣∣∣∣x=lny⋅y1=2π1e−21(lny)2⋅y1
于是,
Y
=
e
X
Y=e^X
Y=eX的概率密度为
f
Y
(
y
)
=
{
1
2
π
y
e
−
1
2
(
ln
y
)
2
⋅
,
y
>
0
0
,
其
他
f_{Y}(y)=\left\{\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}\right.
fY(y)={2πy1e−21(lny)2⋅,0,y>0其他
例四·使用引理求概率密度
设随机变量
X
X
X的概率密度为
f
(
x
)
=
{
e
−
x
,
x
>
0
0
,
其
他
f(x)=\left\{\begin{array}{ll} e^{-x}, & x>0 \\ 0, & 其他 \end{array}\right.
f(x)={e−x,0,x>0其他
求
Y
=
X
2
Y=X^2
Y=X2的概率密度.
思路
Y = X 2 Y=X^2 Y=X2,即有 y = g ( x ) = x 2 y=g(x)=x^2 y=g(x)=x2,在 x > 0 x>0 x>0时, g ( x ) g(x) g(x)单调递增,具有反函数 x = h ( y ) = y 1 / 2 x=h(y)=y^{1/2} x=h(y)=y1/2,又有 h ′ ( y ) = 1 2 y − 1 / 2 h^{\prime}(y)=\frac{1}{2} y^{-1 / 2} h′(y)=21y−1/2由课本引理得 Y = X 2 Y=X^2 Y=X2的概率密度为 f Y ( y ) = { 1 2 y e − y , y > 0 0 , 其 他 f_{Y}(y)=\left\{\begin{array}{ll} \frac{1}{2 \sqrt{y}} e^{-\sqrt{y}}, & y>0 \\ 0, & 其他 \end{array}\right. fY(y)={2y1e−y,0,y>0其他