【DOC】-汪宏喜09年考研辅导讲义(概率论与数理统计)【DOC】-汪宏喜09年考研辅导讲义(概率论与数理统计) 汪宏喜09年考研辅导讲义(概率论与数理统计) 2009年考研数学内部讲义 概率论与数理统计 编讲 汪宏喜 安徽农业大学 2008年5月 第三部分 概率论与数理统计 第一章 随机事件和概率 考试内容 随机事件与样本空间 事件的关系与运算 完备事件组 概率的概念 概率的基本性质 古典型概率 几何型概率 条件概率 概率的基本公式 事件的独立性 独立重复试验 考试要求 1(了解样本空间(基本事件空间)的概念,理解随机事件的概念,掌握事件间的关系...
0)的指数分布E(λ)的密度函数为
?λe?λx,x>0, f(x)=??0,x?0.
5(会求随机变量函数的分布(
89
• 考试内容解析 •
一、随机变量及其概率分布
1(基本概念
(1)随机变量:顾名思义,随机变量即为随机改变的量,它是基本事件(样本点)的函数,常以大写拉丁字母,如X,Y,„表示(为了清楚表明它是基本事件的函数,也常用X(ω)(ω?Ω)表示随机变量
(2)概率分布:随机变量的概率分布,指X的“一切可能值的集合”及它取各可能值或值域内部各部分取值的“概率”二者的总称(
(3)分布函数:对于随机变量X和任意实数x,称F(x)=P{X?x|x?R}为随机变量的分布函数(它在点x处的值是事件{X?x}的概率,即X在(-?,x]上取值的概率(
2(分布函数的性质
随机变量X的分布函数F(x)有如下性质:
(1)F(x)是一个单调不减函数(
(2)F(x)右连续,即对任意的x?R,有F(x)=F(x+0)=limF(t) +t?x
(3)F(??)=limF(x)=0,F(+?)=limF(x)=1. x???x?+?
二、离散型随机变量
1(离散型随机变量的一切可能的取值为有限个或可列无穷多个,则称它为离散型随机变量(
设X是离散型随机变量,其一切可能值为{x1,x2,L,xn,L},且X取各值的概率为
P{X=xk}=pk,
?
k=1k=1,2,„, 其中pk?0,(k=1,2,„),且?pk=1,则称上式为X的概率分布,常记为
?x1X~??p?1
对于任意实数a0,k=0,1,2,L,
(2)二项分布与0—1分布:如果随机变量X1,„, Xn相互独立,且都服从0—1分布,则X= X1+„+Xn,服从二项分布B(n,p)(
(3)二项分布与泊松分布:如果随机变量X服从二项分布B(n,p),且n充分大(n?100),p充分小(p<0.1),而np适中,则有如下的近似公式:
Cp(1?p)k
nk1?k(np)k?np?e,k=0,1,L,n. k!
三、连续型随机变量
1(连续型随机变量及其概率密度
对于随机变量X,以F (x)记其分布函数,如果存在非负可积函数f (x)使得对于任意实数x,有 F(x)=?x
??f(t)dt,则称X为连续型随机变量, f (x)称为X的概率密度(
概率密度函数的性质:
?f (x)?0;
??+?
??f(x)dx=1;
?P{a 0,有limP{|n??μnn?p|?ε}=0.
解:
(4)设X1,X2L,Xn,L.是相互独立的随机变量,且它们都服从参数为λ的指数分布,则
??nλXn??i????i=1limP??x?=n??n??????
解:
例2(选择题 ?x??12πe?t22dt.
(1)设X1,X2L,Xn,L.是相互独立的随机变量序列,Xn服从参数为n的指数分布
(n=1,2,LL),则下列不服从切比雪夫大数定律的随机变量序列是( B )
(A)X1,X2L,Xn,L. (B)X1,2X2L,nXn,L.
(C)X1,
解:
22XX2L,n,L. (D)X1,2X2L,nXn,L. 2n
131
(2)设随机变量X1,X2L,Xn,L.是独立同分布,其分布函数
F(x)=a+x1arctan,bbb>0,则辛钦大数定律对此随机变量序列( C )
(A)适用 (B)当a,b取适当值时适用 (C)不适用 (D)无法判别
解:
(3)设X1,X2L,Xn是相互独立的,Sn=X1+X2+L+Xn,则根据列维,林德伯格中心极限定理,当n充分大时,Sn近似服从正态分布,只要X1,X2L,Xn( C )
(A)有相同的数学期望 (B)有相同的方差
(C)服从同一指数分布 (D)服从同一离散型分布
解:
?1?3,|x|?1,,则(4)设X1,L,Xn是独立同分布的随机变量,其分布密度为?(x)=?|x|
?0,|x|<1.?
关于随机变量序列{Xn}成立的是( B )
(A)满足贝努利大数定律 (B)满足辛钦大数定律
(C)满足切比雪夫大数定律 (D)无法判别
解:
例3(若每次射击目标的概率为0.1,不断地对靶进行独立射击.求在500次射击中,击中目标次数在区间(49,55]内的概率.
解:设随机变量X表示500次射击中击中目标的次数,则依题意X~B(500,0.1).E(X)=50,D(X)=45.由中心极限定理知X近似服从正态分布N(50,45)
故所求的概率为
?????55?50??49?50??????1????Φ=Φ+ΦP{490,则称X与Y正相关,否则称X与Y负相关(
两个独立随机变量一定不相关,但是两个不相关的随机变量却未必独立(然而,对于联合分布是二维正态分布的随机变量,其独立性与不相关性是等价的(
五、矩
对于随机变量X,若EX,k=1,2,L,存在,则称之为X的k阶原点矩(
如果E(X?EX),k=1,2,L,存在,则称之为X的k阶中心矩(
原点矩和中心矩可以互相表出(方差即为二阶中心矩( kk
六、切比雪夫不等式
设随机变量X的数学期望EX和方差DX都存在,则对于任意ε>0有
P{|X?EX|?ε}?DX
ε2. . 或P{|X?EX|<ε}?1?DX
ε2
• 例题讲解 •
例1(设随机变量X与Y相互独立,且方差DX>0,DY>0,则( A )
(A)X与X+Y一定相关
(C)X与XY一定相关
解:
(B)X与X+Y一定不相关 (D)X与XY一定不相关
例2((1)已知(X,Y)服从二维正态分布,且EX=EY=0, DX=1,DY=4,
与Y独立,则a等于( D ) ρXY=1,若Z=aX+Y2
(A) 2 (B) ?2 (C) 4 (D) ?4
解:
(2)设随机变量X~N(0,1),Y~N(1,4),且相关系数ρXY=1,则( D )
(A) P{Y=?2X?1}=1 (B) P{Y=2X?1}=1
(C) P{Y=?2X+1}=1 (D) P{Y=2X+1}=1
122
例3(设(X,Y)服从于二维正态分布,则下列四个命题:
?X和Y都服从一维正态分布;?X和Y相互独立;?2X+3Y服从一维正态分布;?若X和Y不相关,则X和Y相互独立.其中正确的是( B )
(A) ??? (B) ??? (C) ??? (D) ??? 解:
例4(已设随机变量X的分布函数
若x1;?0,?0.4,若?1?x<1;?F(x)=P{X?x}=? ?a,若1?x<3;
?若x?3.?1,
则E(X)的取值范围为(0.2,1.4).
解:
例5(设离散型随机变量X的概率分布律为X
P?1011,且E(X)=,则 a+baa?b2
D(X)=
解:
512.
123
例6(设X~e(2),Y~P(3),Z~N(1,4),且X与Y相互独立,则 2
E(2e?XY+Z2?1)=20.
解:
例7(设随机变量X和Y联合分布是在以点(0,1),(1,0),(-1,0),(0,-1)
为顶点的正方形?1,若Y?|X|,3 区域上服从均匀分布,令U=?则其方差DU=?其它1,.4?
解:
例8(已知随机变量X~N(0,σ2),Y在区间[0,]上服从均匀分布,如果 D(X?Y)=σ2,则X与Y相关系数ρ=1. 4
解:
例9(某箱装有100件产品,其中一、二、三等品分别为80、10和10件,现从中随机抽取一件,记
?1,Xi=??0,若抽到i等品,(i=1,2,3). 其他.
试求:(1)随机变量X1与X2的联合分布;
(2)随机变量X1与X2的相关系数.
解:(1)设事件Ai=“抽到i等品”(i=1,2,3).由题意A1,A2,A3两两互不相容,且P(A1)=0.8,P(A2)=P(A3)=0.1, 易见
P{X1=0,X2=0}=P(A3)=0.1,P{X1=0,X2=1}=P(A2)=0.1,
P{X1=1,X2=0}=P(A1)=0.8,P{X1=1,X2=1}=P(?)=0
124
所以随机变量X1与X
的联合分布为
(2)E X1=0.8, E X2=0.1, D X1=0.8×0.2=0.16, D X2=0.1×0.9=0.09
E(X1 X2)=0×0×0.1+0×1×0.1+1×0×0.8+1×1×0=0, Cov(X1, X2)=
E(X1 X2)- E(X1)E(X2)=0-0.8 ×0.1=-0.08,
ρ=cov(X1,X2)
1?2=?0.08×=?2 3
例10(二维随机变量(X,Y)有联合分布律为
.记Z=2X+Y. 9
(1)求常数a,b;(2)求(X,Z)的联合分布律;(3)Cov(X,Z). 已知
P{X<1|Y?1}=
50.1+a5?=?a=0.4.90.1+0.1+a+0.39
又0.1+0.1+a+0.3+0.1+b=1?b=0.解(1)由于P{X<1|Y?1}=
(2)Z的可能取值为0,1,2,3.
P{X=0,Z=0}=P{X=0,2X+Y=0}=P{X=0,Y=0}=0.1,
P{X=0,Z=1}=P{X=0,Y=1}=0.4,
P{X=0,Z=2}=P{X=0,Y=2}=0.1,
P{X=0,Z=3}=P{X=0,Y=3}=0,
P{X=1,Z=0}=P{X=1,2X+Y=0}=P{X=1,Y=?2}=0,
P{X=1,Z=1}=P{X=1,2X+Y=1}=P{X=1,Y=?1}=0,
P{X=1,Z=2}=P{X=1,2X+Y=2}=P{X=1,Y=0}=0.1,
P{X=1,Z=3}=P{X=1,2X+Y=3}=P{X=1,Y=1}=0.3,
(X,Z)的联合分布律为
(3)E(X)=1×(0+0+0.1+0.3)=0.4,E(Z)=1×0.4+2×0.2+3×0.3=1.7E(XZ)=
1.1,所以Cov(X,Z)=E(XZ)?E(X)E(Z)=0.42
125
例11(设二维随机变量(X,Y)密度函数为
?kx,f(x,y)=??0,
求:(1)常数k;(2)X与Y的相关系数.
00,均有
limP{|Xn?A|<ε}=1, n??
则称随机变量序列X1,X2,L,Xn,L依概率收敛于A,记为Xn???A
显然,上式等价于limP{|Xn?A|?ε}=0, n??P
二、大数定律
1(切比雪夫大数定律
设随机变量序列X1,X2,L,Xn,L两两独立或两两不相关,其期望与方差EXi,DXi均存在,且存在常数M>0,使得DXi?M,i=1,2,L,则对任意的正数ε,有
?1n?1n
limP??Xi??EXi<ε?=1, n??ni=1?ni=1?
特别地,对于独立同分布的随机变量序列X1,X2,L,Xn,L,若其期望EXi=μ,和方差DXi=σ2存在,则对于任意的正数ε有
1n
limP{|?Xi?μ|<ε}=1, n??ni=1
即 1nPn=?Xi???μ ni=1
2(伯努利大数定律
设p=P(A)是事件A在每次试验中事件A发生的概率,fn (A)为事件A在n次独立重复试验中事件A发生的频率,则fn (A)依概率收敛于p,即
Pfn(A)???p
伯努利大数定律表明,在相同的条件下进行n次独立重复试验,当n充分大时,随机事件A发生的频率稳定在事件A发生的概率P(A)附近,即伯努利大数定律是反映频率稳定性的数学定理(
3(辛钦大数定律
设随机变量序列X1,X2,L,Xn,L是独立同分布的随机变量列,只要数学期望EXi,(i=1,2,L)存在,则对任意的正数ε,有
129
1n
limP{|?Xi?μ|<ε}=1, n??ni=1
即 1nPn=?Xi???μ ni=1
注:辛钦大数定律比独立同分布条件下的切比雪夫大数定律更一般(
三、中心极限定理
1(棣莫弗,拉普拉斯中心极限定理
设随机变量Xn~B(n,p)(0