概率论与数理统计英文版第三章

Chapter 3. Random Variables and Probability Distribution

1.Concept of a Random Variable

Example: three electronic components are tested

sample space (N: non defective, D: defective)

S =｛NNN, NND, NDN, DNN, NDD, DND, DDN, DDD｝

allocate a numerical description of each outcome

concerned with the number of defectives

each point in the sample space will be assigned a numerical value of 0, 1, 2, or 3.

random variable X: the number of defective items, a random quantity

random variable

Definition 3.1

A random variable is a function that associates a real number with each element in the sample space.

X: a random variable

x : one of its values

Each possible value of X represents an event that is a subset of the sample space

electronic component test:

E =｛DDN, DND, NDD｝=｛X = 2｝.

Example 3.1Two balls are drawn in succession without replacement from an urn containing 4 red balls and 3 black balls. Y is the number of red balls. The possible outcomes and the values y of the random variable Y ?

Example 3.2 A stockroom clerk returns three safety helmets at random to three steel mill employees who had previously checked them. If Smith, Jones, and Brown, in that order, receive one of the three hats, list the sample points for the possible orders of returning the helmets,and find the value m of the random variable M that represents the number of correct matches.

The sample space contains a finite number of elements in Example 3.1 and 3.2.

another example: a die is thrown until a 5 occurs,

F: the occurrence of a 5

N: the nonoccurrence of a 5

obtain a sample space with an unending sequence of elements

S =｛F, NF, NNF, NNNF, . . .｝

the number of elements can be equated to the number of whole numbers; can be counted

Definition 3.2 If a sample space contains a finite number of possibilities or an unending sequence with as many elements as there are whole numbers, it is called a discrete sample space.

The outcomes of some statistical experiments may be neither finite nor countable.

example: measure the distances that a certain make of automobile will travel over a prescribed test course on 5 liters of gasoline

distance: a variable measured to any degree of accuracy

we have infinite number of possible distances in the sample space, cannot be equated to the number of whole numbers.

Definition 3.3

If a sample space contains an infinite number of possibilities equal to the number of points on a line segment, it is called a continuous sample space

A random variable is called a discrete random variable if its set of possible outcomes is countable.

Y in Example 3.1 and M in Example 3.2 are discrete random variables.

When a random variable can take on values on a continuous scale, it is called a continuous random variable.

The measured distance that a certain make of automobile will travel over a test course on 5 liters of gasoline is a continuous random variable.

continuous random variables represent measured data:

all possible heights, weights, temperatures, distance, or life periods.

discrete random variables represent count data: the number of defectives in a sample of k items, or the number of highway fatalities per year in a given state.

2. Discrete Probability Distribution

A discrete random variable assumes each of its values with a certain probability

assume equal weights for the elements in Example 3.2, what's the probability that no employee gets back his right helmet.

The probability that M assumed the value zero is 1/3.

The possible values m of M and their probabilities are

0 1 3

1/3 1/2 1/6

Probability Mass Function

It is convenient to represent all the probabilities of a random variable X by a formula.

write p(x) = P (X = x)

The set of ordered pairs (x, p(x)) is called the probability function or probability distribution of the discrete random variable X.

Definition 3.4

The set of ordered pairs (x, p(x)) is a probability function, probability mass function, or probability distribution of the discrete random variable X if, for each possible outcome x

Example 3.3 A shipment of 8 similar microcomputers to a retail outlet contains 3 that are defective. If a school makes a random purchase of 2 of these computers, find the probability distribution for the number of defectives.

Solution

X: the possible numbers of defective computers

x can be any of the numbers 0, 1, and 2.

Cumulative Function

There are many problem where we may wish to compute the probability that the observed value of a random variable X will be less than or equal to some real number x.

Definition 3.5

The cumulative distribution F (x) of a discrete random variable X with probability distribution p(x) is

For the random variable M, the number of correct matches in Example 3.2, we have

The cumulative distribution of M is

Remark. the cumulative distribution is defined not only for the values assumed by given random variable but for all real numbers.

Example 3.5 The probability distribution of X is

Find the cumulative distribution of the random variable X.

Certain probability distribution are applicable to more than one physical situation.

The probability distribution of Example 3.5 can apply to different experimental situations.

Example 1: the distribution of Y , the number of heads when a coin is tossed 4 times

Example 2: the distribution of W , the number of read cards that occur when 4 cards are drawn at random from a deck in succession with each card replaced and the deck shuffled before the next drawing.

graphs

It is helpful to look at a probability distribution in graphic form.

bar chart;

histogram;

cumulative distribution.

3.Continuous Probability Distribution

Continuous Probability distribution

A continuous random variable has a probability of zero of assuming exactly any of its values. Consequently, its probability distribution cannot be given in tabular form.

Example: the heights of all people over 21 years of age (random variable)

Between 163.5 and 164.5 centimeters, or even 163.99 and 164.01 centimeters, there are an infinite number of heights, one of which is 164 centimeters.

The probability of selecting a person at random who is exactly 164 centimeters tall and not one of the infinitely large set of heights so close to 164 centimeters is remote.

We assign a probability of zero to a point, but this is not the case for an interval. We will deal with an interval rather than a point value, such as P (a < X < b), P (W≥c).

P (a≤X≤b) = P (a < X≤b) = P (a≤X < b) = P (a < X < b)

where X is continuous. It does not matter whether we include an endpoint of the interval or not. This is not true when X is discrete.

Although the probability distribution of a continuous random variable cannot be presented in tabular form, it can be stated as a formula.

refer to histogram

Definition 3.6 The function f(x) is a probability density function for the continuous random variable X, defined over the set of real numbers R, if

Example 3.6 Suppose that the error in the reaction temperature, in oC, for a controlled laboratory experiment is a continuous random variable X having the probability density function

(a) Verify condition 2 of Definition 3.6.

(b) Find P (0 < X≤1).

Solution: . . . . . . P (0 < X≤1) = 1/9.

Definition 3.7The cumulative distribution F (x) of a continuous random variable X with density function f(x) is

immediate consequence:

Example 3.7 For the density function of Example 3.6 find

F (x), and use it to evaluate P (0 < x≤1).

4. Joint Probability Distributions

the preceding sections: one-dimensional sample spaces and a single random variable

situations: desirable to record the simultaneous outcomes of several random variables.

Joint Probability Distribution

Examples

1. we might measure the amount of precipitate P and volume V of gas released from a controlled chemical experiment; we get a two-dimensional sample space consisting of the outcomes (p, v).

2. In a study to determine the likelihood of success in college, based on high school data, one might use a three-dimensional sample space and record for each individual his or her aptitude test score, high school rank in class, and grade-point average at the end of the freshman year in college.

X and Y are two discrete random variables, the joint probability distribution of X and Y is

p (x, y) = P (X = x, Y = y)

the values p(x, y) give the probability that outcomes x and y occur at the same time.

Definition 3.8 The function p(x, y) is a joint probability distribution or probability mass function of the discrete random variables X and Y if

Example 3.8

Two refills for a ballpoint pen are selected at random from a box that contains 3 blue refills,2 red refills, and 3 green refills. If X is the number of blue refills and Y is the number of red refills selected, find

(a) the joint probability function p(x, y)

(b) P [(X, Y )∈A] where A is the region｛(x, y)|x + y≤1｝

Solution

the possible pairs of values (x, y) are (0, 0), (0, 1), (1, 0), (1, 1), (0, 2), and (2, 0).

p (x, y) represents the probability that x blue and y red refills are selected.

present the results in Table 3.1

Definition 3.9The function f(x, y) is a joint density function of the continuous random variables X and Y if

When X and Y are continuous random variables, the joint density function f(x, y) is a surface lying above the xy plane.

P [(X, Y )∈A], where A is any region in the xy plane, is equal to the volume of the right cylinder bounded by the base A and the surface.

Example 3.9 Suppose that the joint density function is

(b) P [(X, Y )∈A]= 13/160

marginal distribution

p (x, y): the joint probability distribution of the discrete random variables X and Y

the probability distribution p X(x) of X alone is obtained by summing p(x, y) over the values of Y .

Similarly, the probability distribution p Y (y) of Y alone is obtained by summing p(x, y) over the values of X.

pX (x) and p Y (y): marginal distributions of X and Y

When X and Y are continuous random variables, summations are replaced by integrals.

Definition 3.10The marginal distribution of X alone and of Y alone are

Example 3.10 Show that the column and row totals of Table

3.1 give the marginal distribution of X alone and of Y alone.

Example 3.11 Find marginal probability density functions

f X (x) and f y (y)for the joint density function of Example 3.9.

The marginal distribution p X (x) [or f X (x)] and p x (y) [or f y (y)] are indeed the probability distribution of the individual variable X and Y , respectively.

How to verify?

The conditions of Definition 3.4 [or Definition 3.6] are satisfied.

Conditional distribution

recall the definition of conditional probability:

X and Y are discrete random variables, we have

The value x of the random variable represent an event that is a subset of the sample space.

Definition 3.11

Let X and Y be two discrete random variables. The conditional probability mass function of the random variable Y , given that X = x, is

Similarly, the conditional probability mass function of the random variable X, given that Y = y, is

Definition 3.11'

Let X and Y be two continuous random variables. The conditional probability density function of the random variable Y , given that X = x, is

Similarly, the conditional probability density function of the random variable X, given that Y = y, is

Remark:

The function f(x, y)/f X (x) is strictly a function of y with x fixed , the function f(x, y)/f y (y) is strictly a function of x with y fixed, both satisfy all the conditions of a probability distribution.

How to find the probability that the random variable X falls between a and b when it is known that Y = y

Example 3.12 Referring to Example 3.8, find the conditional distribution of X, given that Y = 1, and use it to determine P (X = 0|Y = 1).

Example 3.13 The joint density for the random variables (X, Y ) where X is the unit temperature change and Y is the proportion of spectrum shift that a certain atomic particle produces is

(a)Find the marginal densities f X (x), f y (y), and the conditional density f Y |X (y |x )

(b)Find the probability that the spectrum shifts more than half of the total observations, given the temperature is increased to 0 .25 unit.

(a)

(b)

Example 3.14 Given the joint density function

(a)

(b)

statistical independence

events A and B are independent, if

P (B∩A) = P (A)P (B).

discrete random variables X and Y are independent, if

P (X = x, Y = y) = P (X = x)P (Y = y)

for all (x, y) within their range.

The value x of the random variable represent an event that is a subset of the sample space.

Definition 3.12 Let X and Y be two discrete random variables, with joint probability distribution p(x, y) and marginal

distributions p

X (x)and p

Y

(y), respectively. The random variables X and Y are said to be statistically independent if and only

if

p (x,y) = p

X (x)p

Y

(y) for all (x, y) within their range.

Definition 3.12' Let X and Y be two continuous random variables, with joint probability distribution f(x, y) and marginal

distributions f

X (x) and f

Y

(y), respectively. The random variables X and Y are said to be statistically

independent if and only if

f (x, y) =f

X (x)f

Y

(y) for all (x, y) within their range.

The continuous random variables of Example 3.14 are statistically independent. However, that is not the case for the Example 3.13.

For discrete variables, requires more thorough investigation. If you find any point (x, y) for which p(x, y) is defined such that

≠p

X (x)p

Y

(y), the discrete variables X and Y are not statistically independent.

p(x, y)

Example 3.15Show that the random variables of Example 3.8 are not

statistically independent.

the case of n random variables

joint marginal distributions of two r.v. X1 and X2

Definition 3.13Let x1, x2,…, x n be n discrete random variables, with joint probability distribution p(x1, x2,… , x n)

and marginal distributions p X1 (x1), p X2 (x2),…, p Xn (x n),respectively.

The random variables x1, x2,…, x n are mutually statistically independent,then

for all (x1, x2,… , x n) within their range.

Definition 3.13' Let x

1, x2,…, x n be n continuous random

variables, with joint probability distribution f(x1, x2,… , x n)

and marginal distributions f X1 (x1),f X2 (x2),…, f Xn (x n)respectively. The random variables x1, x2,…, x n are mutually statistically independent, then

for all(x1, x2,… , x n)within their range.

Example 3.16 Suppose that the shelf life , in years, of a certain perishable food product packaged in cardboard containers is a random variable whose probability density function is given by

数三概率论与数理统计教学大纲

数三《概率论与数理统计》教学大纲 教材：四川大学数学学院邹述超、何腊梅：《概率论与数理统计》，高等教育出版社出，2002年8月。 参考书：袁荫棠：《概率论与数理统计》（修订本），中国人民大学出版社。 四川大学数学学院概率统计教研室：《概率论与数理统计学习指导》 总学时：60学时，其中：讲课50学时，习题课10学时。 学分：3学分。 说明： 1.生源结构：数三的学生是由高考文科生和一部分高考理科生构成。有些专业全是文科生或含极少部分理科生（如：旅游管理，行政管理），有些专业约占1/4～1/3的理科生（国贸，财政学，经济学），有些专业全是理科生（如：国民经济管理，金融学）。 2.高中已讲的内容：高中文、理科都讲了随机事件的概率、互斥事件的概率、独立事件的概率，即教材第一章除条件概率以及有关的内容以外，其余内容高中都讲了。高中理科已讲离散型随机变量的概率分布（包括二项分布、几何分布）和离散型随机变量的期望与方差，统计基本概念、频率直方图、正态分布、线性回归。而高中文科则只讲了一点统计基本概念、频率直方图、样本均值和样本方差的简单计算。 3.基本要求：学生的数学基础差异大，不同专业学生对数学课重视程度的差异大，这就给讲授这门课带来一定的难度，但要尽量做到“分层次”培养学生。高中没学过的内容要重点讲解，学过的内容也要适当复习或适当增加深度。讲课时，既要照顾数学基础差的学生，多举基本例子，使他们掌握大纲要求的基本概念和方法；也要照顾数学基础好的学生，使他们会做一些综合题以及简单证明题。因为有些专业还要开设相关的后继课程（如：计量经济学），将用到较多的概率统计知识；还有一部分学生要考研，数三的概率考研题往往比数一的难。 该教材每一章的前几节是讲述基本概念和方法，习题(A)是针对基本方法的训练而编写的，因此，这一部分内容须重点讲解，并要求学生必须掌握；每一章的最后一节是综合例题，习题(B)具有一定的综合性和难度，可以选讲部分例题，数学基础好的学生可选做(B)题。 建议各章学时分配(+号后面的是习题课学时)： 第一章随机事件及其概率 一、基本内容 随机事件的概念及运算。概率的统计定义、古典定义及公理化定义。概率的基本性质、加法公式、条件概率与乘法公式、全概率公式、贝叶斯公式。事件的独立性，独立随机试验、

(完整版)概率论与数理统计课后习题答案

·1· 习 题 一 1．写出下列随机试验的样本空间及下列事件中的样本点： （1）掷一颗骰子，记录出现的点数. A =‘出现奇数点’； （2）将一颗骰子掷两次，记录出现点数. A =‘两次点数之和为10’，B =‘第一次的点数，比第二次的点数大2’； （3）一个口袋中有5只外形完全相同的球，编号分别为1,2,3,4,5；从中同时取出3只球，观察其结果，A =‘球的最小号码为1’； （4）将,a b 两个球，随机地放入到甲、乙、丙三个盒子中去，观察放球情况，A =‘甲盒中至少有一球’； （5）记录在一段时间内，通过某桥的汽车流量，A =‘通过汽车不足5台’，B =‘通过的汽车不少于3台’。 解 （1）123456{,,,,,}S e e e e e e =其中i e =‘出现i 点’ 1,2,,6i =L ， 135{,,}A e e e =。 （2）{(1,1),(1,2),(1,3),(1,4),(1,5),(1,6)S = (2,1),(2,2),(2,3),(2,4),(2,5),(2,6) (3,1),(3,2),(3,3),(3,4),(3,5),(3,6) (4,1),(4,2),(4,3),(4,4),(4,5),(4,6) (5,1),(5,2),(5,3),(5,4),(5,5),(5,6) (6,1),(6,2),(6,3),(6,4),(6,5),(6,6)}； {(4,6),(5,5),(6,4)}A =； {(3,1),(4,2),(5,3),(6,4)}B =。 （ 3 ） {(1,2,3),(2,3,4),(3,4,5),(1,3,4),(1,4,5),(1,2,4),(1,2,5) S = (2,3,5),(2,4,5),(1,3,5)} {(1,2,3),(1,2,4),(1,2,5),(1,3,4),(1,3,5),(1,4,5)}A = （ 4 ） {(,,),(,,),(,,),(,,),(,,),(,,), S ab ab ab a b a b b a =--------- (,,),(,,,),(,,)}b a a b b a ---，其中‘-’表示空盒； {(,,),(,,),(,,),(,,),(,,)}A ab a b a b b a b a =------。 （5）{0,1,2,},{0,1,2,3,4},{3,4,}S A B ===L L 。 2．设,,A B C 是随机试验E 的三个事件，试用,,A B C 表示下列事件：

概率论与数理统计习题集及答案

* 《概率论与数理统计》作业集及答案 第1章 概率论的基本概念 §1 .1 随机试验及随机事件 1. (1) 一枚硬币连丢3次，观察正面H ﹑反面T 出现的情形. 样本空间是：S= ； (2) 一枚硬币连丢3次，观察出现正面的次数. 样本空间是：S= ； 2.(1) 丢一颗骰子. A ：出现奇数点，则A= ；B ：数点大于2，则B= . (2) 一枚硬币连丢2次， A ：第一次出现正面，则A= ； B ：两次出现同一面，则= ； C ：至少有一次出现正面，则C= . ? §1 .2 随机事件的运算 1. 设A 、B 、C 为三事件，用A 、B 、C 的运算关系表示下列各事件： (1)A 、B 、C 都不发生表示为： .(2)A 与B 都发生,而C 不发生表示为： . (3)A 与B 都不发生,而C 发生表示为： .(4)A 、B 、C 中最多二个发生表示为： . (5)A 、B 、C 中至少二个发生表示为： .(6)A 、B 、C 中不多于一个发生表示为： . 2. 设}42:{},31:{},50:{≤<=≤<=≤≤=x B x x A x x S ：则 （1）=?B A ，（2）=AB ，（3）=B A ， （4）B A ?= ，（5）B A = 。 \ §1 .3 概率的定义和性质 1. 已知6.0)(,5.0)(,8.0)(===?B P A P B A P ，则 (1) =)(AB P , (2)()(B A P )= , (3))(B A P ?= . 2. 已知,3.0)(,7.0)(==AB P A P 则)(B A P = . §1 .4 古典概型 1. 某班有30个同学,其中8个女同学, 随机地选10个,求:(1)正好有2个女同学的概率, (2)最多有2个女同学的概率,(3) 至少有2个女同学的概率. 2. 将3个不同的球随机地投入到4个盒子中,求有三个盒子各一球的概率. — §1 .5 条件概率与乘法公式 1．丢甲、乙两颗均匀的骰子，已知点数之和为7, 则其中一颗为1的概率是 。 2. 已知,2/1)|(,3/1)|(,4/1)(===B A P A B P A P 则=?)(B A P 。 §1 .6 全概率公式 1. 有10个签，其中2个“中”，第一人随机地抽一个签，不放回，第二人再随机地抽一个 签，说明两人抽“中‘的概率相同。

概率论与数理统计第三章课后习题答案

习题三 1.将一硬币抛掷三次，以X 表示在三次中出现正面的次数，以Y 表示三次中出现正面次数与 出现反面次数之差的绝对值.试写出X 和Y 的联合分布律. 【解】X 和Y 的联合分布律如表： 222??222 ??= 2.盒子里装有3只黑球、2只红球、2只白球，在其中任取4只球，以X 表示取到黑球的只数，以Y 表示取到红球的只数.求X 和Y 的联合分布律. 【解】X 和Y 的联合分布律如表： 324 C 35= 32 4 C 35= 322 4 C 35= 11322 4 C C 12C 35=132 4 C 2C 35 = 21322 4 C C 6C 35 = 2324 C 3 C 35 = 3.设二维随机变量（X ，Y ）的联合分布函数为 F （x ，y ）=?????≤ ≤≤≤., 020,20,sin sin 其他ππy x y x 求二维随机变量（X ，Y ）在长方形域? ?? ? ??≤<≤<36,40πππy x 内的概率. 【解】如图πππ {0,}(3.2)463 P X Y <≤ <≤公式 ππππππ(,)(,)(0,)(0,)434636 F F F F --+

ππππππ sin sin sin sin sin0sin sin0sin 434636 2 (31). 4 =--+ =- 题3图 说明：也可先求出密度函数，再求概率。 4.设随机变量（X，Y）的分布密度 f（x，y）= ? ? ?> > + - . ,0 ,0 ,0 ,)4 3( 其他 y x A y x e 求：（1）常数A； （2）随机变量（X，Y）的分布函数； （3）P{0≤X<1，0≤Y<2}. 【解】（1）由-(34) 00 (,)d d e d d1 12 x y A f x y x y A x y +∞+∞+∞+∞ + -∞-∞ === ???? 得A=12 （2）由定义，有 (,)(,)d d y x F x y f u v u v -∞-∞ =?? (34)34 00 12e d d(1e)(1e)0,0, 0, 0, y y u v x y u v y x -+-- ??-->> ? == ?? ? ?? ?? 其他 (3) {01,02} P X Y ≤<≤< 12(34)38 00 {01,02} 12e d d(1e)(1e)0.9499. x y P X Y x y -+-- =<≤<≤ ==--≈ ?? 5.设随机变量（X，Y）的概率密度为 f（x，y）= ? ? ?< < < < - - . ,0 ,4 2,2 ), 6( 其他 y x y x k

概率论与数理统计练习题

概率论与数理统计练习题 一、填空题 1、设A 、B 为随机事件，且P (A)=，P (B)=，P (B A)=，则P (A+B)=__ __。 2、θθθ是常数21? ,?的两个 无偏 估计量，若)? ()?(21θθD D <，则称1?θ比2?θ有效。 3、设A 、B 为随机事件，且P (A )=, P (B )=, P (A ∪B )=，则P (B A )=。 4. 设随机变量X 服从[0,2]上的均匀分布，Y =2X +1，则D (Y )= 4/3 。 5. 设随机变量X 的概率密度是： ?? ?<<=其他 103)(2 x x x f ，且{}784 .0=≥αX P ，则α= 。 6. 已知随机向量（X ，Y ）的联合密度函数 ?????≤≤≤≤=其他 , 010,20, 2 3 ),(2y x xy y x f ，则 E (Y )= 3/4 。 7. 若随机变量X ～N (1，4)，Y ～N (2，9)，且X 与Y 相互独立。设Z ＝X －Y ＋3，则Z ～ N (2, 13) 。 * 8. 设A ，B 为随机事件，且P (A)=，P (A －B)=，则=?)(B A P 。 9. 设随机变量X ~ N (1, 4)，已知Φ=，Φ=，则{}=<2X P 。 10. 随机变量X 的概率密度函数1 22 1 )(-+-= x x e x f π ，则E (X )= 1 。 11. 已知随机向量（X ，Y ）的联合密度函数 ?? ?≤≤≤≤=其他 , 010,20, ),(y x xy y x f ，则 E (X )= 4/3 。 12. 设A ，B 为随机事件，且P (A)=, P (AB)= P (B A ), 则P (B )= 。 13. 设随机变量),(~2σμN X ，其密度函数6 4 4261)(+-- = x x e x f π ，则μ= 2 。 14. 设随机变量X 的数学期望EX 和方差DX >0都存在，令DX EX X Y /)(-=，则D Y= 1 。 15. 随机变量X 与Y 相互独立，且D (X )=4，D (Y )=2，则D (3X －2Y )＝ 44。 16. 三个人独立地向某一目标进行射击，已知各人能击中的概率分别为3 1 ,41,51，则目标能被击中 的概率是3/5 。 17. 设随机变量X ～N (2，2σ)，且P {2 < X <4}＝，则P {X < 0}＝ 。 ！ 18. 设随机变量X 的概率分布为5.0)3(,3.0)2(,2.0)1(======X P X P X P ，则X 的期望

概率论与数理统计第二版_课后答案_科学出版社_参考答案_

习题2参考答案 X 2 3 4 5 6 7 8 9 10 11 12 P 1/36 1/18 1/12 1/9 5/36 1/6 5/36 1/9 1/12 1/18 1/36 解：根据 1)(0 ==∑∞ =k k X P ，得10 =∑∞ =-k k ae ，即111 1 =---e ae 。 故 1-=e a 解：用X 表示甲在两次投篮中所投中的次数，X~B(2, 用Y 表示乙在两次投篮中所投中的次数, Y~B(2, (1)两人投中的次数相同 P{X=Y}= P{X=0,Y=0}+ P{X=1,Y=1} +P{X=2,Y=2}= 1 1 2 2 020********* 2222220.70.30.40.60.70.30.40.60.70.30.40.60.3124C C C C C C ?+?+?=(2)甲比乙投中的次数多 P{X>Y}= P{X=1,Y=0}+ P{X=2,Y=0} +P{X=2,Y=1}= 1 2 2 1 110220022011222222 0.70.30.40.60.70.30.40.60.70.30.40.60.5628C C C C C C ?+?+?=解:（1）P{1≤X ≤3}= P{X=1}+ P{X=2}+ P{X=3}=12321515155 ++= (2)P{

解：（1）P{X=2,4,6,…}=246211112222k +++L =11[1()] 14 41314 k k lim →∞-=- （2）P{X ≥3}=1―P{X<3}=1―P{X=1}- P{X=2}=111 1244 --= 解：设i A 表示第i 次取出的是次品，X 的所有可能取值为0，1，2 12341213124123{0}{}()(|)(|)(|)P X P A A A A P A P A A P A A A P A A A A ====18171615122019181719 ???= 1123412342341234{1}{}{}{}{} 2181716182171618182161817162322019181720191817201918172019181795 P X P A A A A P A A A A P A A A A P A A A A ==+++=???+???+???+???= 12323 {2}1{0}{1}1199595 P X P X P X ==-=-==- -= 解：(1)设X 表示4次独立试验中A 发生的次数，则X~B(4, 34 314044(3)(3)(4)0.40.60.40.60.1792P X P X P X C C ≥==+==+= (2)设Y 表示5次独立试验中A 发生的次数，则Y~B(5, 3 4 5 324150555(3)(3)(4)(5)0.40.60.40.60.40.60.31744P X P X P X P X C C C ≥==+=+==++= （1）X ～P(λ)=P ×3)= P 0 1.51.5{0}0! P X e -=== 1.5 e - （2）X ～P(λ)=P ×4)= P(2) 0122 222{2}1{0}{1}1130!1! P X P X P X e e e ---≥=-=-==--=-

《概率论与数理统计》在线作业

第一阶段在线作业 第1题 您的答案:B 题目分数：0.５ 此题得分：0.5 批注：对立不是独立。两个集合互补。第２题 您的答案:D 题目分数：0．5 此题得分:0.5 批注:A发生，必然导致和事件发生。第３题

您的答案：B 题目分数:0.5 此题得分:0.５ 批注：分布函数的取值最大为1,最小为0. 第4题 您的答案:A 题目分数:０.５ 此题得分:0.5 批注：密度函数在【-1，1】区间积分。第5题

您的答案：Ａ 题目分数:0.5 此题得分：0.5 批注：A答案，包括了ＢC两种情况。 第６题 您的答案：A 题目分数:0.5 此题得分：0．5 批注:古典概型,等可能概型,16种总共的投法。第7题

您的答案:C 题目分数:0.5 此题得分:0.5 批注:几何概型,前两次没有命中，且第三次命中,三次相互独立,概率相乘。 第８题 您的答案:D 题目分数:０.5 此题得分：0.5 批注：利用随机变量单调性函数的概率密度求解公式公式。中间有反函数求导数，加绝对值。第9题

您的答案：C 题目分数：0.５ 此题得分:0.5 批注：利用概率密度的性质，概率密度在相应范围上的积分值为1.验证四个区间。 第10题 您的答案：B 题目分数:０.5 此题得分:0.5 批注：利用分布函数的性质，包括分布函数的值域[0，1]当自变量趋向无穷时，分布函数取值应该是1.排除答案。 第1１题

您的答案:C 题目分数:0.5 此题得分：0．5 批注：利用上分位点的定义。 第12题 您的答案：B 题目分数：0.5 此题得分：0.５ 批注：利用和事件的公式,还有概率小于等于1.P（AB)小于等于P（C）。第13题

概率论与数理统计课程教学大纲

概率论与数理统计课程教学大纲 一、课程说明 （一）课程名称：概率论与数理统计 所属专业：物理学 课程性质：必修 学分：3 （二）课程简介、目标与任务； 《概率论与数理统计》是研究随机现象规律性的一门学科；它有着深刻的实际背景，在自然科学、社会科学、工程技术、军事和工农业生产等领域中有广泛的应用。通过本课程的学习，使学生掌握概率与数理统计的基本概念，并在一定程度上掌握概率论认识问题、解决问题的方法。同时这门课程的学习对培养学生的逻辑思维能力、分析解决问题能力也会起到一定的作用。 （三）先修课程要求，与先修课与后续相关课程之间的逻辑关系和内容衔接； 先修课程：高等数学。后续相关课程：统计物理。《概率论与数理统计》需要用到高等数学中的微积分、级数、极限等数学知识与计算方法。它又为统计物理、量子力学等课程提供了数学基础，起了重要作用。 （四）教材与主要参考书。 教材： 同济大学数学系编，工程数学–概率统计简明教程（第二版），高等教 育出版社，2012. 主要参考书： 1.浙江大学盛骤，谢式千，潘承毅编，概率论与数理统计（第四版）， 高等教育出版社，2008. 2.J.L. Devore, Probability and Statistics(fifth ed.)概率论与数 理统计（第5版）影印版，高等教育出版社，2004. 二、课程内容与安排 第一章随机事件 1.1 样本空间和随机事件； 1.2 事件关系和运算。

第二章事件的概率 2.1概率的概念；2.2 古典概型；2.3几何概型；2.4 概率的公理化定义。第三章条件概率与事件的独立性 3.1 条件概率； 3.2 全概率公式； 3.3贝叶斯公式；3.4 事件的独立性； 3.5 伯努利试验和二项概率。 第四章随机变量及其分布 4.1 随机变量及分布函数；4.2离散型随机变量；4.3连续型随机变量。 第五章二维随机变量及其分布 5.1 二维随机变量及分布函数；5.2 二维离散型随机变量；5.3 二维连续随机变量；5.4 边缘分布； 5.5随机变量的独立性。 第六章随机变量的函数及其分布 6.1 一维随机变量的函数及其分布；6.2 多元随机变量的函数的分布。 第七章随机变量的数字特征 7.1数学期望与中位数； 7.2 方差和标准差； 7.3协方差和相关系数； *7.4大数律； 7.5中心极限定理。 第八章统计量和抽样分布 8.1统计与统计学；8.2统计量；8.3抽样分布。 第九章点估计

概率论与数理统计教程习题(第二章随机变量及其分布)(1)答案

概率论与数理统计练习题 系 专业 班 姓名 学号 第六章 随机变量数字特征 一．填空题 1. 若随机变量X 的概率函数为 1 .03.03.01.02.04 3211p X -，则 =≤)2(X P ；=>)3(X P ；=>=)04(X X P . 2. 若随机变量X 服从泊松分布)3(P ，则=≥)2(X P 8006.0413 ≈--e . 3. 若随机变量X 的概率函数为).4,3,2,1(,2)(=?==-k c k X P k 则=c 15 16 . 4．设A ,B 为两个随机事件，且A 与B 相互独立，P (A )=，P (B )=,则()P AB =____________.（） 5．设事件A 、B 互不相容，已知()0.4=P A ，()0.5=P B ，则()=P AB 6． 盒中有4个棋子，其中2个白子，2个黑子，今有1人随机地从盒中取出2个棋子，则这2个棋子颜色相同的概率为____________.（ 13 ） 7．设随机变量X 服从[0,1]上的均匀分布，则()E X ＝____________.（ 12 ） 8．设随机变量X 服从参数为3的泊松分布，则概率密度函数为 __. （k 3 3(=,0,1,2k! P X k e k -==L ）） 9．某种电器使用寿命X （单位：小时）服从参数为1 40000 λ=的指数分布，则此种电器的平 均使用寿命为____________小时.（40000） 10在3男生2女生中任取3人，用X 表示取到女生人数，则X 的概率函数为 11.若随机变量X 的概率密度为)(,1)(2 +∞<<-∞+= x x a x f ，则=a π1 ；=>)0(X P ；==)0(X P 0 . 12.若随机变量)1,1(~-U X ，则X 的概率密度为 1 (1,1) ()2 x f x ?∈-? =???其它

天津理工大学概率论与数理统计同步练习册标准答案详解

天津理工大学概率论与数理统计同步练习册答案详解

————————————————————————————————作者：————————————————————————————————日期： 2

第一章 随机变量 习题一 1、写出下列随机试验的样本空间 (1)同时掷三颗骰子，记录三颗骰子点数之和 Ω= { }1843,,,Λ (2)生产产品直到有10件正品为止，记录生产产品的总件数 Ω= { }Λ,,1110 (3)对某工厂出厂的产品进行检验，合格的记上“正品”，不合格的记上“次品”， 如连续查出2个次品就停止，或检查4个产品就停止检查，记录检查的结果。用“0”表示次品，用“1”表示正品。 Ω={111111101101011110111010110001100101010010000,,,,,,,,,,,} (4)在单位圆内任意取一点，记录它的坐标 Ω= }|),{(122<+y x y x (5)将一尺长的木棍折成三段，观察各段的长度 Ω=},,,|),,{(1000=++>>>z y x z y x z y x 其中z y x ,,分别表示第一、二、三段的长度 (6 ) .10只产品中有3只次品 ，每次从其中取一只(取后不放回) ，直到将3只次品都取出 ， 写出抽取次数的基本空间U = “在 ( 6 ) 中 ，改写有放回抽取” 写出抽取次数的基本空间U = 解: ( 1 ) U = { e3 ， e4 ，… e10 。} 其 中 ei 表 示 “ 抽 取 i 次 ” 的 事 件 。 i = 3、 4、 …、 10 ( 2 ) U = { e3 ， e4 ，… } 其 中 ei 表 示 “ 抽 取 i 次 ” 的 事 件 。 i = 3、 4、 … 2、互不相容事件与对立事件的区别何在？说出下列各对事件的关系 (1)δ<-||a x 与δ≥-||a x 互不相容 (2)20>x 与20≤x 对立事件 (3)20>x 与18x 与22≤x 相容事件 (5)20个产品全是合格品与20个产品中只有一个废品 互不相容 (6)20个产品全是合格品与20个产品中至少有一个废品 对立事件

概率论与数理统计习题解答

第一章随机事件及其概率 1. 写出下列随机试验的样本空间： （1）同时掷两颗骰子，记录两颗骰子的点数之和； （2）在单位圆内任意一点，记录它的坐标； （3）10件产品中有三件是次品，每次从其中取一件，取后不放回，直到三件次品都取出为止，记录抽取的次数； （4）测量一汽车通过给定点的速度. 解所求的样本空间如下 （1）S= {2，3，4，5，6，7，8，9，10，11，12} （2）S= {(x, y)| x2+y2<1} （3）S= {3，4，5，6，7，8，9，10} （4）S= {v |v>0} 2. 设A、B、C为三个事件，用A、B、C的运算关系表示下列事件： （1）A发生，B和C不发生； （2）A与B都发生，而C不发生； （3）A、B、C都发生；

（4）A、B、C都不发生； （5）A、B、C不都发生； （6）A、B、C至少有一个发生； （7）A、B、C不多于一个发生； （8）A、B、C至少有两个发生. 解所求的事件表示如下 3．在某小学的学生中任选一名，若事件A表示被选学生是男生，事件B表示该生是三年级学生，事件C表示该学生是运动员，则 （1）事件AB表示什么？ （2）在什么条件下ABC=C成立？ ?是正确的？ （3）在什么条件下关系式C B （4）在什么条件下A B =成立？ 解所求的事件表示如下 （1）事件AB表示该生是三年级男生，但不是运动员. （2）当全校运动员都是三年级男生时，ABC=C成立. ?是正确的. （3）当全校运动员都是三年级学生时，关系式C B

（4）当全校女生都在三年级，并且三年级学生都是女生时，A B =成立. 4．设P (A )＝，P (A －B )＝，试求()P AB 解 由于 A ?B = A – AB , P (A )= 所以 P (A ?B ) = P (A ?AB ) = P (A )??P (AB ) = , 所以 P (AB )=, 故 ()P AB = 1? = . 5. 对事件A 、B 和C ，已知P(A) = P(B)＝P(C)＝1 4 ，P(AB) = P(CB) = 0, P(AC)= 1 8 求A 、B 、C 中至少有一个发生的概率. 解 由于,()0,?=ABC AB P AB 故P(ABC) = 0 则P(A+B+C) = P(A)+P(B)+P(C) –P(AB) –P(BC) –P(AC)+P(ABC) 6. 设盒中有α只红球和b 只白球，现从中随机地取出两只球，试求下列事件的概率： A ＝{两球颜色相同}， B ＝{两球颜色不同}. 解 由题意，基本事件总数为2a b A +，有利于A 的事件数为2 2a b A A +，有利于B 的事件数为111111 2a b b a a b A A A A A A +=, 则 2 2 11 2 22()()a b a b a b a b A A A A P A P B A A +++==

《概率论与数理统计》课程教学大纲

《概率论与数理统计》课程教学大纲 一、课程基本信息 课程编号：450006 课程名称：概率论与数理统计 课程类别：公共基础课（必修） 学时学分：理论48学时/3学分 适用专业：计算机、自动化、经管各专业 开课学期：第一学期 先修课程：高等数学 后续课程： 执笔人： 审核人： 制（修）订时间：2015.9 二、课程性质与任务 概率论与数理统计是研究随机现象客观规律性的数学学科，是高等学校理、工、管理类本科各专业的一门重要的基础理论课。通过本课程的教学，应使学生掌握概率论与数理统计的基本概念，了解它的基本理论和方法，从而使学生初步掌握处理随机事件的基本思想和方法，培养学生运用概率统计方法分析和解决实际问题的能力。 三、课程教学基本要求 本课程以课堂讲授为主，致力于讲清楚基本的概率统计思想，使学生掌握基本的概率、统计计算方法。注意培养基本运算能力、分析问题和解决实际问题的能力。讲授中运用实例来说明本课程应用的广泛性和重要性。每节课布置适量的习题以巩固所学知识，使学生能够运用概率统计思想和方法解决一些实际问题。 四、课程教学内容及各教学环节要求 （一）概率论的基本概念

1、教学目的 理解随机现象、样本空间、随机事件、概率等概念，掌握事件的关系与运算，掌握古典概犁及其计算、条件概率的计算、全概率公式和贝叶斯公式的应用。 2、教学重点与难点 （1）教学重点 ① 概率、条件概率与独立性的概念； ② 加法公式；乘法公式；全概率公式；贝叶斯公式。 （2）教学难点 ① 古典概型的有关计算；② 全概率公式的应用； ③ 贝叶斯公式的应用。 3、教学方法 采用传统教学方式，以课堂讲授为主，课堂讨论、多媒体演示、课下辅导等为辅的教学方法。加强互动教学，学生对课程的某一学术问题通过检索资料、实际调查来提高自学能力和实践应用能力。 4、教学要求 （1）理解随机试验、样本空间、随机事件等基本概念；熟练掌握事件的关系及运算 （2）理解频率和概率定义；熟练掌握概率的基本性质 （3）理解等可能概型的定义性质；,会计算等可能概型的概率 （4）理解条件概率的定义；熟练掌握加法公式、乘法公式、全概率公式和贝叶斯公式（5）理解事件独立性概念,掌握应用独立性进行概率计算 （二）随机变量及其分布 1、教学目的 了解随机变量的概念；理解离散型随机变量的分布律和连续型随机变量的概率密度的概念及性质，会利用性质确定分布律和概率密度；理解分布函数的概念及性质，会利用此概念和性质确定分布函数，会利用概率分布计算有关事件的概率；掌握正态分布、均匀分布、指数分布、0-1分布、二项分布、泊松分布，会求简单的随机变量函数的分布 2、教学重点与难点 （1）教学重点 ① 随机变量及其概率分布的概念； ② 离散型随机变量分布律的求法；

概率论与数理统计习题答案

习题五 1.一颗骰子连续掷4次，点数总和记为X .估计P {10

【解】令1,,0,i i X ?? ?若第个产品是合格品其他情形. 而至少要生产n 件，则i =1,2,…,n ,且 X 1，X 2，…，X n 独立同分布，p =P {X i =1}=. 现要求n ,使得 1 {0.760.84}0.9.n i i X P n =≤ ≤≥∑ 即 0.80.9n i X n P -≤≤≥∑ 由中心极限定理得 0.9,Φ-Φ≥ 整理得0.95,Φ≥?? 查表 1.64,10≥ n ≥, 故取n =269. 3. 某车间有同型号机床200部，每部机床开动的概率为，假定各机床开动与否互不影响，开动时每部机床消耗电能15个单位.问至少供应多少单位电能 才可以95%的概率保证不致因供电不足而影响生产. 【解】要确定最低的供应的电能量，应先确定此车间同时开动的机床数目最大值m ，而m 要满足200部机床中同时开动的机床数目不超过m 的概率为95%,

(完整版)概率论与数理统计课程标准

《概率论与数理统计》课程标准 一、课程概述 （一）课程定位 《概率论与数理统计》(Probability Theory and Mathematical Statistics)，由概率论和数理统计两部分组成。它是研究随机现象并找出其统计规律的一门学科，是广泛应用于社会、经济、科学等各个领域的定量和定性分析的科学体系。从学科性质讲，它是一门基础性学科，它为建筑专业学生后继专业课程的学习提供方法论的指导。 （二）先修后续课程 《概率论与数理统计》的先修课程为《高等数学》、《线性代数》等，这些课程为本课程的学习奠定了理论基础。 《概率论与数理统计》的后续课程为《混凝土结构设计》、《地基与基础》等课程。通过该课程的学习可为这些课程中的模型建立等内容的知识学习奠定良好的基础,在教学中起到了承上启下的作用。 二.课程设计思路 本课程的基本设计思路是极力用较为通俗的语言阐释概率论的基本理论和数理统计思想方法;理论和方法相结合，以强调数理统计理论的应用价值。总之,强调理论与实际应用相结合的特点,力求在实际应用方面做些有益的探索，也为其它学科的

进一步学习打下一个良好的基础。 三、课程目标 《概率论与数理统计》是一门几乎遍及所有的科学技术领域以及工农业生产和国民经济各部门之中。通过学习该课程使学生掌握概率、统计的基本概念，熟悉数据处理、数据分析、数据推断的各种基本方法，并能用所掌握的方法具体解决工程实践中所遇到的各种问题。 （一）能力目标 力求在简洁的基础上使学生能从整体上了解和掌握该课程的内容体系，使学生能够在实际工作中、其它学科的学习中能灵活、自如地应用这些理论。 （二）知识目标 1.理解掌握概率论中的相关概念和公式定理； 2.学会应用概率论的知识解决一些基本的概率计算； 3.理解数理统计的基本思想和解决实际问题的方法。 （三）素质目标 1.培养学生乐于观察、分析、不断创新的精神； 2.培养具有较好的逻辑思维、较强的计划、组织和协调能力； 3.培养具有认真、细致严谨的职业能力。 四、课程内容 根据能力培养目标的要求，本课程的主要内容是随机事件、随机变量、随机向量、数字特征、极限定理。具体内容和学时分配见表4-1。 表4-1 课程内容和学时分配

概率论与数理统计课后习题答案

习题1.1解答 1. 将一枚均匀的硬币抛两次，事件C B A ,,分别表示“第一次出现正面”，“两次出现同一面”，“至少有一次出现正面”。试写出样本空间及事件C B A ,,中的样本点。 解：{=Ω(正，正)，（正，反），（反，正），（反，反）} {=A (正，正)，（正，反）}；{=B （正，正），（反，反）} {=C (正，正)，（正，反），（反，正）} 2. 在掷两颗骰子的试验中，事件D C B A ,,,分别表示“点数之和为偶数”，“点数之和小于5”，“点数相等”，“至少有一颗骰子的点数为3”。试写出样本空间及事件D C B A BC C A B A AB ---+,,,,中的样本点。 解：{})6,6(,),2,6(),1,6(,),6,2(,),2,2(),1,2(),6,1(,),2,1(),1,1( =Ω； {})1,3(),2,2(),3,1(),1,1(=AB ； {})1,2(),2,1(),6,6(),4,6(),2,6(,),5,1(),3,1(),1,1( =+B A ； Φ=C A ；{})2,2(),1,1(=BC ； {})4,6(),2,6(),1,5(),6,4(),2,4(),6,2(),4,2(),5,1(=---D C B A 3. 以C B A ,,分别表示某城市居民订阅日报、晚报和体育报。试用C B A ,,表示以下事件： （1）只订阅日报； （2）只订日报和晚报； （3）只订一种报； （4）正好订两种报； （5）至少订阅一种报； （6）不订阅任何报； （7）至多订阅一种报； （8）三种报纸都订阅； （9）三种报纸不全订阅。 解：（1）C B A ； （2）C AB ； （3）C B A C B A C B A ++； （4）BC A C B A C AB ++; （5）C B A ++； （6）C B A ； （7）C B A C B A C B A C B A +++或C B C A B A ++ （8）ABC ； （9）C B A ++ 4. 甲、乙、丙三人各射击一次，事件321,,A A A 分别表示甲、乙、丙射中。试说明下列事件所表示的结果：2A , 32A A +, 21A A , 21A A +, 321A A A , 313221A A A A A A ++. 解：甲未击中；乙和丙至少一人击中；甲和乙至多有一人击中或甲和乙至少有一人未击中；甲和乙都未击中；甲和乙击中而丙未击中；甲、乙、丙三人至少有两人击中。 5. 设事件C B A ,,满足Φ≠ABC ，试把下列事件表示为一些互不相容的事件的和：C B A ++，C AB +，AC B -. 解：如图：

概率论与数理统计复习题--带答案

概率论与数理统计复习题--带答案

;第一章 一、填空题 1.若事件A?B且P（A）=0.5, P(B) =0.2 , 则P(A －B)=（0.3 ）。 2.甲、乙各自同时向一敌机炮击，已知甲击中敌 机的概率为0.7，乙击中敌机的概率为0.8．求 敌机被击中的概率为（0.94 ）。 3.设Ａ、Ｂ、Ｃ为三个事件，则事件Ａ，Ｂ，Ｃ中 不少于二个发生可表示为（AB AC BC ++）。 4.三台机器相互独立运转，设第一，第二，第三 台机器不发生故障的概率依次为0.9，0.8，0.7，则这三台机器中至少有一台发生故障的概率 为（0.496 ）。 5.某人进行射击，每次命中的概率为０.6 独立 射击４次，则击中二次的概率为 （ 0.3456 ）。 6.设Ａ、Ｂ、Ｃ为三个事件，则事件Ａ，Ｂ与Ｃ都 不发生可表示为（ABC）。 7.设Ａ、Ｂ、Ｃ为三个事件，则事件Ａ，Ｂ，Ｃ中 不多于一个发生可表示为（AB AC BC I I）； 8.若事件A与事件B相互独立，且P（A）=0.5, P(B) =0.2 , 则P(A|B)=（0.5 ）；

9.甲、乙各自同时向一敌机炮击，已知甲击中敌机 的概率为0.6，乙击中敌机的概率为0.5．求敌机被击中的概率为（0.8 ）； 10.若事件A与事件B互不相容，且P（A）=0.5, P(B) =0.2 , 则P(B A-)=（0.5 ） 11.三台机器相互独立运转，设第一，第二，第三 台机器不发生故障的概率依次为0.8，0.8，0.7，则这三台机器中最多有一台发生故障的概率为（0.864 ）。 12.若事件A?B且P（A）=0.5, P(B) =0.2 , 则 P(B A)=（0.3 ）; 13.若事件A与事件B互不相容，且P（A）=0.5, P(B) =0.2 , 则P(B A)=（0.5 ） 14.Ａ、Ｂ为两互斥事件，则A B= U（S ）15.Ａ、Ｂ、Ｃ表示三个事件，则Ａ、Ｂ、Ｃ恰 有一个发生可表示为 （ABC ABC ABC ++） 16.若()0.4 P AB A B= U P AB=0.1则(|) P B=，() P A=，()0.2 （ 0.2 ） 17.Ａ、Ｂ为两互斥事件，则AB=（S ） 18.保险箱的号码锁定若由四位数字组成，则一次 ）。 就能打开保险箱的概率为（1 10000

《概率论与数理统计》课程重点与难点要记

《概率论与数理统计》课程重点与难点要记 第一章：随机事件及其概率 题型一：古典概型 1．房间里有10个人，分别佩戴从1号到10号的纪念章，任选3人记录其纪念章的号码，求最小号码为5的概率，及最大号码是5的概率。 2．设袋中有5个白球，3个黑球，从袋中随机摸取4个球，分别求出下列事件的概率： 1）采用有放回的方式摸球，则四球中至少有1个白球的概率； 2）采用无放回的方式摸球，则四球中有1个白球的概率。 3．一盒子中有10件产品，其中4件次品，每次随机地取一只进行检验， 1）求第二次检验到次品的概率； 2）求第二才次检验到次品的概率。 4．在1－2000的整数中随机的取一个数，问取到的整数既不能被6整除，又不能被8整除 的概率是多少？（合理的设置事件，通过概率的性质解题也很重要） 课后习题：P16：2，3，4，5， 7，9，10，11，12，13，14 P30：8，9，10，16 题型二：利用条件概率、乘法公式及事件的独立性计算事件的概率 1。3人独立去破译一个密码，他们能译出的概率分别为1/5、1/4、1/3，问能将此密码译出的概率。 2。设口袋有2n-1只白球，2n 只黑球，一次取出n 只球，如果已知取出的球都是同一种颜色，试计算该颜色是黑色的概率。 3。设袋中装有a 只红球，b 只白球，每次自袋中任取一只球，观察颜色后放回，并同时放入m 只与所取出的那只同色的球，连续在袋中取球四次，试求第一、第二次取到红球且第三次取到白球，第四次取到红球的概率。 课后习题：P23：1，2，3，4，6，10，11 P28：1，2，4，5，6，7，9，10，12， 13 题型三：全概率与贝叶斯公式 1．在一个每题有4个备选答案的测验中，假设有一个选项是正确的，如果一个学生不知道问题的正确答案，他就作随机选择。知道正确答案的学生占参加测验者的90%，试求： （1）学生回答正确的概率； （2）假如某学生回答此问题正确，那么他是随机猜出的概率。 2．一通讯通道，使用信号“0”和“1”传输信息。以A 记事件收到信号“1”，以B 记事件发出信号“1”。已知()0.4,(/)0.95,(/)0.90P B P A B P A B ===。 1）求收到信号“1”的概率？ 2）现已收到信号“1”，求发出信号是“1”的概率？ 课后习题：P23：7，8，9，12 P31：19，26，27，28 第二章：随机变量及其分布 题型一：关于基本概念：概率分布律、分布函数、密度函数 1．一房间有三扇同样大小的窗子，其中只有一扇是打开的。有一只鸟自开着的窗子飞入了

概率论与数理统计课本_百度文库

第二章随机变量及其分布第一节随机变量及其分布函数 一、随机变量 随机试验的结果是事件，就“事件”这一概念而言，它是定性的。要定量地研究随机现象，事件的数量化是一个基本前提。很自然的想法是，既然试验的所有可能的结果是知道的，我们就可以对每一个结果赋予一个相应的值，在结果(本事件)数值之间建立起一定的对应关系，从而对一个随机试验进行定量的描述。 例2-1 将一枚硬币掷一次，观察出现正面H、反面T的情况。这一试验有两个结果：“出现H”或“出现T”。为了便于研究，我们将每一个结果用一个实数来代表。比如，用数“1”代表“出现H”，用数“0”代表“出现T”。这样，当我们讨论试验结果时，就可以简单地说成结果是1或0。建立这种数量化的关系，实际上就相当于引入一个变量X，对于试验的两个结果，将X的值分别规定为1或0。如果与样本空间 { } {H,T}联系起来，那么，对于样本空间的不同元素，变量X可以取不同的值。因此，X是定义在样本空间上的函数，具体地说是 1,当 H X X( ) 0,当 T 由于试验结果的出现是随机的，因而X(ω)的取值也是随机的，为此我们称 X( )X(ω)为随机变量。 例2-2 在一批灯泡中任意取一只，测试它的寿命。这一试验的结果（寿命）本身就是用数值描述的。我们以X记灯泡的寿命，它的取值由试验的结果所确定，随着试验结果的不同而取不同的值，X是定义在样本空间 {t|t 0}上的函数 X X(t) t,t 因此X也是一个随机变量。一般地有 定义2-1 设 为一个随机试验的样本空间，如果对于 中的每一个元素 ，都有一个实数X( )与之相对应，则称X为随机变量。 一旦定义了随机变量X后，就可以用它来描述事件。通常，对于任意实数集合L,X在 L上的取值，记为{X L}，它表示事件{ |X( ) L}，即 。 {X L} { |X( ) L} 例2-3 将一枚硬币掷三次，观察出现正、反面的情况。设X为“正面出现”的次数，则X是一个随机变量。显然，X的取值为0，1，2，3。X的取值与样本点之间的对应关系如表2-1所示。 表2-1 表2-1