概率论期末复习习题2

记录一下备考时的练习题目。

t15

设随机变量 X 的分布函数为
$$F(x)=\{\begin{array}{cc}0,& x<0,\\ \frac{1}{2},& 0\le x<1,\\ 1-e^{-x},& x\ge 1,\end{array}$$

求 P { X = 1 } P\{X=1\} P{X=1}

解析

根据事件概率与分布函数极限的关系有
P { X = 1 } = lim ⁡ x → 1 + F ( x ) − lim ⁡ x → 1 − F ( x ) = 1 − e − 1 − 1 2 = 1 2 − e − 1 P\{X=1\}=\lim _{x \rightarrow 1^{+}} F(x)-\lim _{x \rightarrow 1^{-}} F(x)=1-e^{-1}-\frac{1}{2}=\frac{1}{2}-e^{-1} P{X=1}=x→1+lim​F(x)−x→1−lim​F(x)=1−e−1−21​=21​−e−1

随机变量的分布，《知识点总结》的 $\S 2.1$

---

t16

设随机变量 $X$ 的分布函数为
$$F(x)=\{\begin{array}{ll}0,& x<0,\\ 1/4,& 0⩽x<1\\ 1/3,& 1⩽x<3\\ 1/2,& 3⩽x<6,\\ 1,& x⩾6.\end{array}\text{, }$$

试求 $X$ 的概率分布列及 $P(X<3),P(X⩽3),P(X>1),P(X⩾1)$.

解析

大致想象一下 $F(x)$ 的图像为阶梯状，这对应离散随机变量的分布函数形状，所以可以写出 $X$ 的分布列：

$X$ 的概率分布列为
$$\begin{array}{ccccc}X& 0& 1& 3& 6\\ P& \frac{1}{4}& \frac{1}{12}& \frac{1}{6}& \frac{1}{2}\end{array}$$
可以看到在 $F(x)$ 中分段点的值为 $X$ 的取值。
$$\begin{array}{ll}P(X<3)=P(X=0)+P(X=1)=\frac{1}{3},& P(X⩽3)=1-P(X=6)=\frac{1}{2},\\ P(X>1)=P(X=3)+P(X=6)=\frac{2}{3},& P(X⩾1)=1-P(X=0)=\frac{3}{4}.\end{array}$$

随机变量的分布，《知识点总结》的 $\S 2.1$

---

t17

设随机变量 $X$ 的概率密度为 $f(x)=\{\begin{array}{c}1-C|x|,-1<x<1\\ 0,\text{ 其他 }\end{array}$

（1）求 $C$ 的值；

（2）求 $Y=X^2+1$ 的概率密度。

解析

（1）利用密度函数的正则性：
$$1={\int }_{-\infty }^{\infty }f(x)dx={\int }_{-1}^1\left[1-C|x|\right]dx=2{\int }_0^1\left(1-Cx\right)dx=2-C$$

$$\Rightarrow C=1$$

（2）由于
F Y ( y ) = P Y { Y ⩽ y } = P X { X 2 + 1 ⩽ y } = P X { X 2 ⩽ y − 1 } = { 0 , y < 1 P { − y − 1 ⩽ X ⩽ y − 1 } , 1 ⩽ y < 2 1 , y ⩾ 2 \begin{aligned} & F_Y(y)=P_Y\{Y \leqslant y\}=P_X\left\{X^2+1 \leqslant y\right\}=P_X\left\{X^2 \leqslant y-1\right\} \\ & =\left\{\begin{array}{cc} 0, & y<1 \\ P\{-\sqrt{y-1} \leqslant X \leqslant \sqrt{y-1}\}, & 1 \leqslant y<2 \\ 1, & y \geqslant 2 \end{array}\right. \\ & \end{aligned} ​FY​(y)=PY​{Y⩽y}=PX​{X2+1⩽y}=PX​{X2⩽y−1}=⎩ ⎨ ⎧​0,P{−y−1 ​⩽X⩽y−1 ​},1,​y<11⩽y<2y⩾2​​

故当 $1⩽y<2$ 时, 有
$$F_Y(y)={\int }_{-\sqrt{y-1}}^{\sqrt{y-1}}(1-|x|)\mathrm{d}x=2{\int }_0^{\sqrt{y-1}}(1-x)\mathrm{d}x=1-(1-\sqrt{y-1}{)}^2$$
$Y$ 的分布函数为
$$F_y(y)=\{\begin{array}{cc}0,& y<1\\ 1-(1-\sqrt{y-1}{)}^2,& 1⩽y<2\\ 1,& y⩾2\end{array}$$
$Y$ 的密度函数为
$$f_Y(y)=\{\begin{array}{cc}\frac{1}{\sqrt{y-1}}-1,& 1<y<2\\ 0,& \text{ 其他 }\end{array}$$
$ps:$ 一个检查 $Y$ 密度函数正确性的技巧，$Y$ 的密度函数不为 $0$ 的区间，一定是 $X$ 不为 $0$ 的区间通过变换得到的。比如 $t17$ ，$X$ 的密度函数不为 $0$ 的区间为 $(-1,1)$ ，则 $X^2+1$ 后变为 $(1,2)$ ，即 $Y$ 密度函数不为 $0$ 的区间。

随机变量的分布，分布函数与概率密度函数，随机变量函数的分布《知识点总结》的 $\S 2.1、2.6$

---

t18

设随机变量 $X$ 的期望存在，概率密度 $p(x)$ 关于 $x=\mu$ 对称： $p(\mu +x)=p(\mu -x)$ ，证明： $E(x)=\mu$.

解析

$$\begin{array}{ll}E(X)& ={\int }_{-\infty }^{\infty }xp(x)dx={\int }_{-\infty }^{\infty }\mu p(x)dx+{\int }_{-\infty }^{\infty }(x-\mu )p(x)dx(第一项积值为\mu ，是对照结果凑出来的\mu )\\ & =\mu {\int }_{-\infty }^{\infty }p(x)dx+{\int }_{-\infty }^{\infty }(x-\mu )p(x)dx=\mu +{\int }_{-\infty }^{\infty }(x-\mu )p(x)dx\text{ (第二项考虑对称消去) }\\ & =\mu +{\int }_{-\infty }^{+\infty }tp(t+\mu )dt\text{(令t=x−μ)}\\ & =\mu \end{array}$$

$\text{ 记 }f(t)=tp(t+\mu )f(-t)=-tp(\mu -t)=-tp(t+\mu )\Rightarrow f(t)+f(-t)=0f(t)\text{ 为奇函数，所以后一项积分值为0}$

---

t19

国际市场上对我国某种出口商品的每年需求量是个随机变量 $X$ (吨). $X$ 服从区间 $[300,500]$ 上的均匀分布.每销售出一吨商品, 可为国家赚取外汇1.5千元; 若销售不出, 则每吨商品需贮存费 0.5 千元. 求: 应组织多少货源,才能使平均收益最大?

解析

设组织该货源 $a$ 吨. 则显然应该有 $300⩽a⩽500$. 又记 $Y$ 为在 $a$ 吨货源的条件下的收益额 (单位:千元), 则收益额 $Y$ 为需求量 $X$ 的函数, 即 $Y=g(X)$. 由题设条件知: 当 $X⩾a$ 时, 则此 $a$ 吨货源全部售出, 共获利 $1.5a$. 当 $X<a$ 时, 则售出 $X$ 吨 (获利 $1.5X$ ), 且还有 $a-X$ 吨积压 (获利 $-0.5(a-X)$ ), 所以共获利 $1.5X-0.5(a-X)$,由此知
$$g(X)=\{\begin{array}{ll}1.5a,& \text{ 若 }X⩾a,\\ 1.5X-0.5(a-X),& \text{ 若 }X<a\end{array}=\{\begin{array}{ll}1.5a,& \text{ 若 }X⩾a,\\ 2X-0.5a,& \text{ 若 }X<a.\end{array}$$

$$\begin{array}{rl}E(Y)& ={\int }_{-\infty }^{\infty }g(x)p_X(x)\mathrm{d}x={\int }_{300}^{500}g(x)\frac{1}{200}\mathrm{d}x\\ & =\frac{1}{200}\left({\int }_a^{500}1.5a\mathrm{d}x+{\int }_{300}^a(2x-0.5a)\mathrm{d}x\right)\\ & =\frac{1}{200}\left(-a^2+900a-300^2\right).\end{array}$$

所以当 $a=450$ 时可以获利最大。

随机变量函数的数学期望，随机变量函数的分布《知识点总结》的 $\S 2.2$

---

t20

试证: 对任意的常数 $c\ne E(X)$, 有
$$\mathrm{Var}(X)=E(X-E(X){)}^2<E(X-c{)}^2.$$

解析

常用的技巧：加一项减一项
$$E(X-E(X){)}^2=E[(X-c)-(E(X)-c){]}^2=E(X-c{)}^2-(E(X)-c{)}^2,$$

由于 $c\ne E(X)$, 所以 $(E(X)-c{)}^2>0$, 由此得
$$\mathrm{Var}(X)=E(X-E(X){)}^2<E(X-c{)}^2.$$

---

t21

已知某商场一天来的顾客数 $X$ 服从参数为 $\lambda$ 的泊松分布, 而每个来到商场的顾客购物的概率为 $p$，每个顾客是否购买商品间相互独立。证明: 此商场一天内购物的顾客数服从参数为 $\lambda p$ 的泊松分布.

解析

用 $Y$ 表示商场一天内购物的顾客数, 则由全概率公式知, 对任意正整数 $k$ 有
$$\begin{array}{rl}P(Y=k)& =\sum _{i=k}^{\infty }P(X=i)P(Y=k\mid X=i)=\sum _{i=k}^{\infty }\frac{{\lambda }^i{\mathrm{e}}^{-\lambda }}{i!}\left(\genfrac{}{}{0ex}{}{i}{k}\right)p^k(1-p{)}^{i-k}\\ & =\frac{(\lambda p{)}^k}{k!}{\mathrm{e}}^{-\lambda }\sum _{i=k}^{\infty }\frac{[\lambda (1-p){]}^{i-k}}{(i-k)!}\\ & =\frac{(\lambda p{)}^k}{k!}{\mathrm{e}}^{-\lambda }{\mathrm{e}}^{\lambda (1-p)}\\ & =\frac{(\lambda p{)}^k}{k!}{\mathrm{e}}^{-\lambda p}.\end{array}$$
$ps:$ 第一行到第二行的处理过程是因为要证明服从参数为 $\lambda p$ 的泊松分布，所以凑出来和这个分布对应的系数。

全概率公式、随机变量的独立性、常用离散分布 《知识点总结》的 $\S 1.4、1.5、2.4$

---

t22

设一个人一年内患感冒的次数服从参数 $\lambda =5$ 的泊松分布. 现有某种预防感冒的药物对 $75\%$ 的人有效 (能将泊松分布的参数减少为 $\lambda =3$ ), 对另外的 $25\%$ 的人不起作用. 如果某人服用了此药,一年内患了两次感冒, 那么该药对他 (她) 有效的可能性是多少?

解析

根据题干信息肯定需要通过条件概率来修正概率，关键是找到 $P(A\mid B)$ 中的事件 $A$ 和 $B$

根据题干所求信息，容易得到 $A$ 的含义为该药有效；而这个 $B$ 即修正条件是“服药后一年感冒了两次”，所以：

记事件 $B$ 为“服用此药后,一年感冒两次”, 事件 $A$ 为“服用此药后有效”.
$$P(A\mid B)=\frac{P(B)P(A\mid B)}{P(A)P(B\mid A)+P(\bar{A})P(B\mid \bar{A})}=\frac{0.75\times \frac{3^2}{2!}{\mathrm{e}}^{-3}}{0.75\times \frac{3^2}{2!}{\mathrm{e}}^{-3}+0.25\times \frac{5^2}{2!}{\mathrm{e}}^{-5}}=\mathrm{0.889.}$$

贝叶斯公式、常用离散分布 《知识点总结》的 $\S 1.5、2.4$

---

t23

设随机变量 $X\sim N\left(108,3^2\right)$ ，求：
(1) $P(102\le X\le 117)$
(2) 求 $a$ ，使 $P(X<a)⩾0.95$.

解析

（1）：
$$\begin{array}{rl}P(102⩽X⩽117)& =P\left(\frac{102-108}{3}⩽\frac{X-108}{3}⩽\frac{117-108}{3}\right)=P\left(-2⩽\frac{X-108}{3}⩽3\right)\\ & =\Phi (3)-\Phi (-2)\\ & =\Phi (3)-[1-\Phi (2)]=0.9987-[1-0.9772]\\ & =\mathrm{0.9795.}\end{array}$$
（2）：
$$\begin{array}{rl}P(X<a)& =P\left(\frac{X-108}{3}<\frac{a-108}{3}\right)=\Phi \left(\frac{a-108}{3}\right)⩾0.95\\ \Phi (1.645)& \approx 0.95\\ \Rightarrow a& ⩾112.935\end{array}$$
正态分布的概率计算 《知识点总结》的 $\S 2.5$

---

t24

某种圆盘的直径在区间 $(a,b)$ 上服从均匀分布, 试求此种圆盘的平均面积.

解析

记 $X$ 为圆盘的直径, 则圆盘的面积为 $Y=\pi X^2/4$, 所以平均面积为
$$E(Y)=\frac{\pi }{4}E\left(X^2\right)=\frac{\pi }{4}\left[\frac{(b-a{)}^2}{12}+\frac{(a+b{)}^2}{4}\right]=\frac{\pi }{12}\left(a^2+b^2+ab\right).$$

利用方差和期望的关系，通过背诵均匀分布的期望和方差快速得到答案。 《知识点总结》的 $\S 一定要背诵的常用概率分布数学期$ $望和方差$

---

t25

设某种商品每周的需求量 $X$ 服从区间 $(10,30)$ 上均匀分布, 而商店进货数为区间 $(10,30)$ 中的某一整数, 商店每销售 1 单位商品可获利 $500$ 元; 若供大于求则降价处理, 每处理 1 单位商品亏损 $100$ 元; 若供不应求, 则可从外部调剂供应, 此时每 1 单位商品仅获利 $300$ 元. 为使商店所获利润期望值不少于 $9280$ 元, 试确定最少进货量.

解析

设进货量为 $a$, 则利润为
$$\begin{array}{rl}g(X)& =\{\begin{array}{l}500X-100(a-X),10⩽X⩽a,\\ 500a+300(X-a),a<X⩽30\end{array}\\ & =\{\begin{array}{ll}600X-100a,& 10⩽X⩽a,\\ 300X+200a,& a<X⩽30.\end{array}\end{array}$$

所以平均利润为
$$\begin{array}{rl}E(g(X))& ={\int }_{10}^{30}g(x)\frac{1}{20}\mathrm{d}x=\frac{1}{20}{\int }_{10}^a(600x-100a)\mathrm{d}x+\frac{1}{20}{\int }_a^{30}(300x+200a)\mathrm{d}x\\ & =-7.5a^2+350a+5250.\end{array}$$

按照题意要求有
$$-7.5a^2+350a+5250⩾9280\text{ 即 }-7.5a^2+350a-4030⩾0,$$

解得
$$20\frac{2}{3}⩽a⩽26,$$

因此最少进货为 21 单位.

是 $t19$ 的类似题。

---

t26

某种设备的使用寿命 $X$ (以年计) 服从指数分布, 其平均寿命为 $4$ 年.制造此种设备的厂家规定, 若设备在使用一年之内损坏, 则可以予以调换. 如果设备制造厂每售出一台设备可赢利 $100$ 元，而调换一台设备制造厂需花费 $300$ 元. 试求每台设备的平均利润.

解析

根据设备寿命 $X$ 服从指数分布，其平均寿命为 $4$ 年，这说的就是寿命期望 $E(X)=4$ ，根据指数分布 $Exp(\lambda )$ 数学期望为 $\frac{1}{\lambda }$ 得到使用寿命服从参数为 $\frac{1}{4}$ 的指数分布。
$$p(x)=\{\begin{array}{r}\frac{1}{4}{e}^{-\frac{1}{4}x},x⩾0\\ 0,x<0\end{array}$$
所以一年内损坏的概率为
$$P(X⩽1)={\int }_0^1\frac{1}{4}{e}^{-\frac{1}{4}x}dx=1-e^{-\frac{1}{4}}=0.2212$$
所以一台机器平均利润 $Y$ 为：
$$E(Y)=100+P(X⩽1)(-300)=33.64$$

---

t27

已知随机变量 $X$ 的密度函数为
$$p(x)=\frac{2}{\pi }\cdot \frac{1}{{\mathrm{e}}^x+{\mathrm{e}}^{-x}},-\infty <x<\infty .$$

试求随机变量 $Y=g(X)$ 的概率分布, 其中
$$g(x)=\{\begin{array}{rl}-1,& \text{ 当 }x<0,\\ 1,& \text{ 当 }x⩾0.\end{array}$$

解析

因为 $p(x)$ 为偶函数, 所以可得 $P(X<0)=P(X⩾0)=0.5$. 由此得
$$P(Y=-1)=P(X<0)=P(X⩾0)=P(Y=1)=\mathrm{0.5.}$$

所以 $Y$ 的分布列为
$$\begin{array}{ccc}Y& -1& 1\\ P& 0.5& 0.5\end{array}$$

---

t28

设随机变量 $X\sim U(0,1)$, 试求 $1-X$ 的分布.

解析

$X$ 的密度函数为
$$p_X(x)=\{\begin{array}{ll}1,& 0<x<1,\\ 0,& \text{ 其他. }\end{array}$$

因为 $y=g(x)=1-x$ 在 $(0,1)$ 上为严格单调减函数, 其反函数为 $x=h(y)=1-y$,且有 $h^{\prime }(y)=-1$, 所以 $Y=1-X$ 的密度函数为
$$p_Y(y)=\{\begin{array}{cl}{p}_X(1-y)|-1|,& 0<y<1,\\ 0,& \text{ 其他 }\end{array}=\{\begin{array}{ll}1,& 0<y<1,\\ 0,& \text{ 其他. }\end{array}$$

这表明: 当 $X\sim U(0,1)$ 时, $1-X$ 与 $X$ 同分布.

采用公式法求解连续随机变量密度函数，《知识点总结》的 $\S 2.6$

---

t29

设随机变量 $\mathrm{X}$ 服从指数分布, 其概率为 $f(x)=\{\begin{array}{cl}2e^{-2x},& x>0,\\ 0,& \text{ 其他, }\end{array}$

证明:$Y=1-e^{-2X}$ 在区间 $(0,1)$ 上服从均匀分布.

解析

方法一：

由随机变量 $X$ 的概率密度函数可推之
$$F_X(x)=\{\begin{array}{cc}1-e^{-2x},& x\ge 0,\\ 0,& x<0,\end{array}$$
当 $x>0$ 时, $0<1-e^{-2x}<1$
综上 $y\le 0,F_Y(y)=0;y\ge 1,F_Y(y)=1$
当 $0<y<1$ 时, F Y ( y ) = P { Y ≤ y } = P { 1 − e − 2 X ≤ y } F_Y(y)=P\{Y \leq y\}=P\left\{1-e^{-2 X} \leq y\right\} FY​(y)=P{Y≤y}=P{1−e−2X≤y}
$$=P\left\{X\le -\frac{1}{2}\ln (1-y)\right\}=F_X\left(-\frac{1}{2}\ln (1-y)\right)=y$$

综上:
$$F_Y(y)=\{\begin{array}{lc}0,& x<0,\\ y,& 0\le x<1,\\ 1,& x\ge 1,\end{array}$$

求导得:
$$f_Y(y)=\frac{\mathrm{d}}{\mathrm{d}y}{F}_Y(y)=\{\begin{array}{cc}1,& 0<x<1,\\ 0,& \text{ 其他. }\end{array}$$
方法二：

由于 $X$ 在 $X⩾0$ 取值，所以 $Y=1-e^{-2X}$ 的取值范围是 $(0,1]$

$Y=1-e^{-2X}$ 是严格单调递增的函数，其反函数为 $h(y)=-\frac{1}{2}\ln (1-y)$ ，对反函数求导：$h^{\prime }(y)=\frac{1}{2(1-y)}$

直接带公式有
$$f_Y(y)=\{\begin{array}{cc}{f}_X(-\frac{1}{2}\ln (1-y))|h^{\prime }(y)|,& 0<y<1，\\ 0,& \text{ 其他. }\end{array}=\{\begin{array}{cc}1,& 0<y<1，\\ 0,& \text{ 其他. }\end{array}$$

---

t30

设 $X\sim N\left(\mu ,{\sigma }^2\right)$, 求 $Y={\mathrm{e}}^X$ 的概率密度函数 $p_Y(y)$.

解析

因为 $Y={\mathrm{e}}^X$ 的可能取值范围为 $(0,\infty )$, 且 $y=g(x)={\mathrm{e}}^x$ 为严格单调增函数, 其反函数为 $x=h(y)=\ln y$, 及 $h^{\prime }(y)=1/y$, 所以 $Y$ 的密度函数为
$$p_Y(y)=\{\begin{array}{cc}{p}_X(\ln y)\left|\frac{1}{y}\right|,& y>0,\\ 0,& \text{ 其他 }\end{array}=\{\begin{array}{ll}\frac{1}{\sqrt{2\pi }y\sigma }\exp \left\{-\frac{(\ln y-\mu {)}^2}{2{\sigma }^2}\right\},& y>0,\\ 0,& \text{ 其他. }\end{array}$$

---

t31

(1) 设随机变量 $X\sim N\left(10,2^2\right)$ ，求 $Y=3X+5$ 的分布
(2) 设随机变量 $X\sim N\left(0,2^2\right)$ ，求 $Y=-X$ 的分布

解析

（1）：$Y\sim N(35,6^2)$

（2）：$Y\sim N(0,2^2)$

$ps:$ 设随机变量 $X$ 服从正态分布 $N\left(\mu ,{\sigma }^2\right)$, 则当 $a\ne 0$ 时, 有 $Y=aX+b\sim$ $N\left(a\mu +b,a^2{\sigma }^2\right)$

---

t32

设 $X\sim N\left(0,{\sigma }^2\right)$, 求 $Y=X^2$ 的分布.

解析

因为 $Y=X^2$ 的可能取值区间为 $(0,\infty )$, 所以当 $y⩽0$ 时, $Y$ 的密度函数为 $p_Y(y)=0$.

而当 $y>0$ 时, $Y$ 的分布函数为
$$\begin{array}{rl}{F}_Y(y)& =P_Y(Y⩽y)=P_X\left(X^2\le y\right)=P_X(-\sqrt{y}\le X\le \sqrt{y})\\ & =2{\int }_0^{\sqrt{y}}\frac{1}{\sqrt{2\pi }\sigma }{e}^{-\frac{x^2}{2{\sigma }^2}}dx\\ & =\frac{2}{\sqrt{2\pi }\sigma }{\int }_0^{\sqrt{y}}{e}^{-\frac{x^2}{2{\sigma }^2}}dx\\ p_Y(y)& =\frac{d}{dy}{F}_Y(y)=\frac{2}{\sqrt{2\pi }\sigma }\cdot \frac{1}{2\sqrt{y}}\cdot e^{-\frac{y}{2{\sigma }^2}}\\ & =\frac{1}{\sqrt{2\pi y}\sigma }\exp \left\{-\frac{y}{2{\sigma }^2}\right\}\\ & \end{array}$$
综上，
$$p_Y(y)=\{\begin{array}{ll}\frac{1}{\sqrt{2\pi y}\sigma }\exp \left\{-\frac{y}{2{\sigma }^2}\right\},& y>0,\\ 0,& \text{ 其他. }\end{array}$$

---

t33

设随机变量 $X$ 的密度函数为
$$p_X(x)=\{\begin{array}{ll}\frac{2x}{{\pi }^2},& 0<x<\pi ,\\ 0,& \text{ 其他. }\end{array}$$

求 $Y=\sin X$ 的密度函数 $p_Y(y)$.

解析

由于 $X$ 在 $(0,\pi )$ 取值，所以 $Y=\sin X$ 的取值范围是 $(0,1)$

当 $0<Y<1$ 时：$F_Y(y)=P_Y(Y\le y)=P_X(\sin X\le y)$ $X$ 的积分区间如下：

$$\begin{array}{rl}{F}_Y(y)& =P(Y⩽y)=P(\sin X⩽y)\\ & =P(0⩽X⩽\arcsin y)+P(\pi -\arcsin y⩽X⩽\pi )\\ & ={\int }_0^{\arcsin y}\frac{2x}{{\pi }^2}dx+{\int }_{\pi -\arcsin y}\frac{2x}{{\pi }^2}dx\\ P_Y(y)& =\frac{2\arcsin y}{{\pi }^2}\cdot \frac{1}{\sqrt{1-y^2}}+\frac{2(\pi -\arcsin y)}{{\pi }^2\sqrt{1-y^2}}=\frac{2}{\pi \sqrt{1-y^2}}\\ P_Y(y)& =\{\begin{array}{cl}\frac{2}{\pi \sqrt{1-y^2}},& 0<y⩽1\\ 0,& (其他)\end{array}\end{array}$$

$ps:$ 如果函数 $f(x)$ 连续， $\varphi (x)$ 和 $\phi (x)$ 可导，那么变限积分函数的求导公式可表示为
$${\Phi }^{\prime }(x)=\frac{d}{dx}{\int }_{\varphi (x)}^{\phi (x)}f(t)dt=f[\phi (x)]{\phi }^{\prime }(x)-f[\varphi (x)]{\varphi }^{\prime }(x)$$
当然，如果忘记这个公式，可以硬算出 $F_Y(y)$ 后再求导。

---

t34

设随机变量 $X$ 的密度函数为
$$P_X(x)=\{\begin{array}{ll}\frac{1}{2},& -1<x<0\\ \frac{1}{4},& 0⩽x<2\\ 0,& \text{ 其他. }\end{array}$$

求 $Y=X^2$ 的密度函数 $P_Y(y)$ .

解析

从别处看到一个写的很清楚的解析，直接放在下面：

---

t35

设随机变量 $X\sim U(0,4)$ ，求 $Y=X^2-2X-3$ 的密度函数 $P_Y(y)$.

解析

$X$ 的在 $(0,4)$ 取值，则 $Y=X^2-2X-3=(X-1{)}^2-4$ 的取值范围是 $[-4,5)$

所以当 $-4\le Y<5$ 时：$F_Y(y)=P_Y(Y\le y)=P_X((X-1{)}^2\le y+4)=P_X(1-\sqrt{y+4}\le X\le 1+\sqrt{y+4})$

此时要注意：$1-\sqrt{y+4}$ 的取值范围是 $(-2,1)$ 所以要继续将 $Y$ 的取值分成 $(-4,-3)$ 和 $(-3,5)$ 分成两段考虑：

当 $-4<Y<-3$ 时：
$$\begin{array}{rl}& 0<-\sqrt{y+4}+1<1,1<\sqrt{y+4}+1<2\\ & F_Y(y)={\int }_{-\sqrt{y+4}+1}^{\sqrt{y+4}+1}\frac{1}{4}dx\Rightarrow p_Y(y)=\frac{1}{4}(y+4{)}^{-\frac{1}{2}}\end{array}$$
当 $-3<Y<5$ 时：
$$\begin{array}{rl}& -\sqrt{y+4}+1⩽0,2⩽\sqrt{y+4}+1<4\\ & F_Y(y)={\int }_0^{\sqrt{y+4}+1}\frac{1}{4}dx\Rightarrow p_Y(y)=\frac{1}{8}(y+4{)}^{-\frac{1}{2}}\end{array}$$
综上：
$$p_Y(y)=\{\begin{array}{cc}\frac{1}{4}(y+4{)}^{-\frac{1}{2}},& -4⩽y<-3\\ \frac{1}{8}(y+4{)}^{-\frac{1}{2}},& -3⩽y<5\\ 0,& \text{ 其他 }\end{array}$$

$t17、t27-t35$ 都是随机变量函数的分布问题，需要熟练掌握公式法和分布函数法，对应知识在《知识点总结》的 $\S 2.6$