联合概率密度为
概率论第三章部分习题解答
ydxdy.
定理1 cov(X ,Y ) E( XY ) E( X )E(Y )
定理2 若X与Y 独立，则：covX ,Y 0. 逆命题不成立。
注 设X与Y是任两个随机变量，
10
D( X Y ) D( X ) D(Y ) 2cov(X ,Y )
2、X与Y 的相关系数
定义 R( X ,Y ) cov( X ,Y )
EX
xf
xdx
1
二、二维随机变量的数学期望
（1）设二维离散随机变量(X,Y)的联合概率函数为p(xi , yj)，则
随机变量X及Y 的数学期望分别定义如下：
EX xi p xi , y j , EY y j p xi , y j .
i j
ji
即： EX xi pX xi , EY y j pY y j .
第三章 随机变量的数字特征
（一）基本内容 一、一维随机变量的数学期望
定义1：设X是一离散型随机变量，其分布列为：
X x1 x2 xi
P p( x1 ) p( x2 )p( xi )
则随机变量X 的数学期望为: EX xi pxi
i
定义2：设X是一连续型随机变量，其分布密度为 f x,
则随机变量X的数学期望为
i
j
假定级数是绝对收敛的.
（2）设二维连续随机变量(X,Y)的联合概率密度为f(x, y)，则
随机变量X及Y 的数学期望分别定义如下：
EX
xf
x,
ydxdy,
EY
yf x, ydxdy.
即：EX
xf X x dx,
EY
yfY y dy.
2
假定积分是绝对收敛的.
随机过程（北航著）北京航空航天大学出版社第1章习题课后答案
第一章概论第1题某公共汽车站停放两辆公共汽车A 和B ，从t=1秒开始，每隔1秒有一乘客到达车站。
如果每一乘客以概率21登上A 车，以概率21登上B 车，各乘客登哪一辆车是相互统计独立的，并用j ξ代表t=j 时乘客登上A 车的状态，即乘客登上A 车则j ξ＝1，乘客登上B 车则jξ＝0，则,21}0{,21}1{====j j P P ξξ当t ＝n 时在A 车上的乘客数为n n j j n ηξη,1∑==是一个二项式分布的计算过程。
（1）求n η的概率，即;,...,2,1,0?}{n k k P n ===η（2）当公共汽车A 上到达10个乘客时，A 即开车（例如t ＝21时921=η，且t ＝22时又有一个乘客乘A 车，则t ＝22时A 车出发），求A 车的出发时间n 的概率分布。
解（1）：nn k n k P ⎟⎠⎞⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==21}{η 解（2）：nn n n P P ⎟⎠⎞⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−=⎟⎠⎞⎜⎝⎛⎟⎠⎞⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−==−2191212191A)10n 9A 1-n (}n A {1名乘客登上车时刻第名乘客；在有时刻，车在开车在时刻车第2题设有一采用脉宽调制以传递信息的简单通信系统。
脉冲的重复周期为T ，每一个周期传递一个值；脉冲宽度受到随机信息的调制，使每个脉冲的宽度均匀分布于（0，T ）内，而且不同周期的脉宽是相互统计独立的随机变量；脉冲的幅度为常数A 。
也就是说，这个通信系统传送的信号为随机脉宽等幅度的周期信号，它是以随机过程)(t ξ。
图题1－2画出了它的样本函数。
试求)(t ξ的一维概率密度)(x f t ξ。
解：00(1)()()(){()}{()0}[(1),],(0,){()}{[(1),]}{[(1)]}1(1)(1)1({()0}1{()}t A A n n n Tt n T f x P x A P x P t A P P t P t n T nT n T P t A P t n T nT P t n T d TT t n T T nT t T t n Tt n T T t n P t P t A ξδδξξηξηηηξξ−−=−+====∈−∈==∈−+=>−−=−+−=−==−−−=−−−==−==∫是任意的脉冲宽度01)(1)()()()()(1)()t A T tn T Tf x P x A P x t t n x A n x T T ξδδδδ=−−∴=−+⎛⎞⎛⎞=−−+−−⎜⎟⎜⎟⎝⎠⎝⎠第3题设有一随机过程)(t ξ，它的样本函数为周期性的锯齿波。
联合概率密度函数
反变换
X1=h1(y1, y2,…, yn)，…, Xn=hn(y1, y2,…, yn) 具有连续的一阶偏导数，则Y1, Y2,…, Yn 的联合密度函数为
1.1 概率分布与分布的特征
1.1.1 联合分布(Joint Distribution) 离散型：联合概率函数
p(x1, x2,…, xn)=P (X1= x1, X2=x2,…, Xn = xn)
连续型：联合概率密度函数 如果存在n维非负可积函数f (x1, x2,…, xn )，使得
F (x1, x2, , xn )
本章大纲
1.1 概率分布与分布的特征 1.2 常见的统计分布 1.3 样本与抽样分布
1.1 概率分布与分布的特征
(Probability distributions and distribution characteristics)
1.1.1 联合分布 1.1.2 随机变量函数的分布 1.1.3 条件数学期望 1.1.4 矩母函数
可以改记为
p(n1, n2 , , nr1)
P(N1 n1, N2 n2 , , Nr1 nr1, )
n!
n1!n2!
nr !
p n1 1
p n2 2
p nr r
显然二项分布是多项分布的边缘分布
1.1.1 联合分布(Joint Distribution)
【例1.2】 Farlie-Morgenstern Family (P77-79) 设F(x)和G(x)都是一维连续型分布函数（cdf）,可以
第三章-多维随机变量及其分布--习题
第三章 多维随机变量及其分布 习题1§3.1 二维随机变量的概率分布一、填空题1. 设（Y X ,）的分布函数为 ⎩⎨⎧≥≥+--=----其它，，，），（ 0003331y x y x F y x y x ，则 （Y X ,）的联合概率密度),(y x f = ；2设随机变量(Y X ,)的分布函数为 )3(2(y arctg C xarctg B A y x F ++=）），（, 则A = ,B = ,C = ，(0≠A )；3. 用),(Y X 的联合分布函数),(y x F 表示概率),(c Y b X a P ≤≤<= ),(),(c a F c b F -；4.设),(Y X 在区域G 上服从均匀分布，G 为y x =及2y x =所围成的区域，),(Y X 的概率密度为5. 设 (Y X ,) 联合密度为⎪⎩⎪⎨⎧>>=--其它，），（ ,00 ,0y x Aey x f yx ，则系数A = ； 6. 设二维随机变量(Y X ,)的联合概率密度为()4,01,01,0,xy x y f x y <<<<⎧=⎨⎩其它，则{}P X Y == ；7.设二维随机变量(,)X Y 的概率密度为()22,1,,0,.cx y x y f x y ⎧≤≤=⎨⎩其它，则c= 。
二、选择题1．考虑抛掷一枚硬币和一颗骰子，用X 表示抛掷硬币出现正面的次数，Y 表示抛掷骰子出现的点数，则(,)X Y 所有可能取的值为 ( )（A ）12对； （B ） 6对； （C ） 8对； （D ） 4对. 2．设二维随机向量（X ，Y ）的概率密度为1,01,01,(,)0,x y f x y ≤≤≤≤⎧=⎨⎩其它， 则概率(0.5,0.6)P X Y <<= ( )（A ）0.5； （B ） 0.3； （C ） 0.875； （D ） 0.4.3. 设）（）与（x F x F 21分别为随机变量1X 和2X 的分布函数, 为使）（）（x bF x aF x F 21)(-=是某一随机变量X 的分布函数, 在下列给定的各组数值中应取（ ）32221313() ; (B) ; (C) ; (D) .55332222A a b a b a b a b ==-===-===-，，，，4. 设随机变量i X 的分布律为(1 2)i =，,满足====)(,1)0(2121X X P X X P 则(A)(A) 0; (B) 1/4; (C) 1/2; (D) 1.5. 如下四个二元函数中哪个可以作为连续型随机变量的联合概率密度函数（ ）（A ）()cos ,,01,,220x x y f x y ππ⎧-≤≤≤≤⎪=⎨⎪⎩其它 （B ）()1cos ,,0,,2220x x y f x y ππ⎧-≤≤≤≤⎪=⎨⎪⎩其它（C ）()cos ,0,01,,0x x y f x y π≤≤≤≤⎧=⎨⎩其它（D ）()1cos ,0,0,,20x x y f x y π⎧≤≤≤≤⎪=⎨⎪⎩其它6.则下列各式正确的是（ ）（A ）X=Y ； （B ）P{X=Y}=0 ; (C)P{X=Y}=1/2 ; (D)P{X=Y}=1.三、计算下列各题1. 已知随机变量Y X 和的联合密度为⎩⎨⎧≤≤≤≤=其它，，，），（ 01010 4y x xy y x f , 求Y X 和的联合分布函数),(y x F 。
联合概率分布和联合概率密度的关系
联合概率分布和联合概率密度的关系
联合概率分布和联合概率密度是概率论和统计学中重要的概念，它们之间有着密切的关系。
首先，我们来看一下它们分别是什么。
联合概率分布是指在随机试验中，两个或多个随机变量同时取
某些特定取值的概率分布。
它可以用一个表格或者一个函数的形式
来表示，其中包含了所有可能的取值组合以及它们对应的概率。
而联合概率密度则是在连续型随机变量的情况下使用的概念。
它描述了多个连续型随机变量同时取某些特定取值的概率密度函数。
在二维情况下，联合概率密度可以用二维平面上的曲线或者曲面来
表示。
这两者之间的关系在于，对于离散型随机变量，联合概率分布
可以通过列出所有可能的取值组合和它们对应的概率来描述，而对
于连续型随机变量，联合概率密度则可以通过一个函数来描述。
在
数学上，可以通过联合概率密度函数对取值区域进行积分来得到联
合概率分布。
另外，联合概率分布和联合概率密度都可以用来计算多个随机
变量之间的相关性、独立性等性质。
它们在统计推断、参数估计、假设检验等方面都有着重要的应用。
总之，联合概率分布和联合概率密度都是描述多个随机变量之间关系的重要工具，它们之间的关系在于描述的对象不同，但都是描述多个随机变量的联合概率分布的数学工具。
概率论与数理统计习题解答(第3章)
习 题 三 （A ）三、解答题1. 设口袋中有3个球，它们上面依次标有数字1，1，2，现从口袋中无放回地连续摸出两个球，以X ，Y 分别表示第一次与第二次摸出的球上标有的数字，求(X ，Y )的分布律． 解：(X ，Y )取到的所有可能值为(1，1)，(1，2)，(2，1)由乘法公式： P {X =1，Y =1}=P {X =1}P {Y =1|X =1}=2/3⨯1/2=/3， P {X =1，Y =2}= P {X =1}P {Y =2|X =1}=2/3⨯1/2=1/3， P {X =2，Y =1}= P {X =2}P {Y =1|X =2}=1/3⨯2/2=1/3. (X ，Y )的分布律用表格表示如下：2．设盒中装有8支圆珠笔芯，其中3支是蓝的，3支是绿的，2支是红的，现从中随机抽取2支，以X ，Y 分别表示抽取的蓝色与红色笔芯数，试求： (1) X 和Y 的联合分布律；(2) P {X ，Y } ∈ A }，其中A = {(x ，y )| x + y ≤ 1}． 解：X ，Y 所有可能取到的值是0， 1， 2(1) P {X =i ， Y =j }=P {X =i }P {Y =j |X =i }=282223C C C C j i j i --， i ， j =0，1，2， i +j ≤2 或者用表格表示如下：(2)P{(X ，Y )∈A }=P {X +Y ≤1}=P {X =0， Y =0}+P {X =1，Y =0}+P {X =0，Y =1}=3/28+9/28+6/28=9/14.3．设事件B A 、满足,21)|(,21)|(,41)(===A B P B A P A P 记X ，Y 分别为一次试验中A ，B 发生的次数，即⎩⎨⎧=不发生，发生A A X 0,1，⎩⎨⎧=不发生，发生，B B Y 0 1，求：二维随机变量(X ，Y )的分布律．解：因为P (A )=1/4，,21)|(=A B P 由P (B |A )=2/14/1)()()(==AB P A P AB P 得P (AB )=1/8， 由P (A |B )=2/1)()(=B P AB P 得P(B)=1/4.(X ，Y )取到的所有可能数对为(0，0)，(1，0)，(0，1)，(1，1)，则 P {X =0，Y =0}=)(1)()(B A P B A P B A P -===1-P (A )-P (B )+P (AB )=5/8, P {X =0，Y =1}=)(B A P =P (B -A )=P (B )-P (AB )=1/8, P {X =1，Y =0}=)(B A P =P (A -B )=P (A )-P (AB )=1/8, P {X =1，Y =1}=P (AB )=1/8.4．设二维随机变量(X ，Y )的概率密度为⎩⎨⎧<<<<=.,0,10,10 ,),(其它y x Axy y x f 试求： (1) 常数A (2) P {X = Y } (3) P {X < Y }(4) (X ，Y )的分布函数． 解：(1)由归一性知：1=， 故A=4(2) P {X =Y }=0, (3) P {X <Y }=.(4)F (x ，y )=即F (x ，y )=5．设二维随机变量),(Y X 的联合概率密度为⎪⎩⎪⎨⎧<<<<+=其它0,20,10 ,3),(2y x xyx y x f求P {X + Y ≥ 1}． 解：P{X+Y ≥1}=7265)3(),(102121=+=⎰⎰⎰⎰-≥+dydx xy x dxdy y x f xy x 6．将一枚硬币掷3次，以X 表示前2次中出现正面的次数，以Y 表示3次中出现正面的次数，求X ，Y 的联合分布律及(X ，Y )的边缘分布律．解：X 的所有可能取值为0，1，2，Y 的所有可能取值为0，1，2，3. P {X =0，Y =0}=0.53=0.125; P {X =0，Y =1}=0.53=0.125P {X =1，Y =1}=25.05.05.0212=⨯C ， P {X =1，Y =2}=25.05.05.0212=⨯C P {X =2，Y =2}=0.53=0.125， P {X =2，Y =3}==0.53=0.125 X ，Y 的分布律及边缘分布律可用表格表示如下：Y X 0 1 2 3 P i . 0 0.125 0.125 0 0 0.25 1 0 0.25 0.250.52 00.125 0.125 0.25P .j0.125 0.375 0.375 0.125 1解法2：,21)21()21(}|{}{},{22⨯=======-iiiC i X j Y P i X P j Y i X P.1,0,3,2,1,0,2,1,0=-==i j j i7．设二维随机变量(X ，Y )的概率密度为⎩⎨⎧<<=-其它,00,),(yx e y x f y 求边缘概率密度f X (x )，f Y (y )．解：⎩⎨⎧<<=-其它,00,),(yx e y x f y⎩⎨⎧<≥=⎪⎩⎪⎨⎧<≥==-+∞-∞+∞-⎰⎰0,00,0,00,),()(x x e x x dy e dy y x f x f xxy X ⎩⎨⎧<≥=⎪⎩⎪⎨⎧<≥==--∞+∞-⎰⎰0,00,0,00,),()(0y y ye y y dx e dx y x f y f y y yY 8．设二维随机变量(X ，Y )的概率密度为⎩⎨⎧≤≤=其它,01,),(22y x y cx y x f 求：(1) 确定常数c(2) 边缘概率密度f X (x )，f Y (y )．解：⎩⎨⎧<≤≤=0,01,),(22x y x y cx y x f(1)214212),(1104211122cdx x x c ydydx cx dxdy y x f x =-===⎰⎰⎰⎰⎰-∞+∞-∞+∞-所以 c=21/4(2) ⎪⎩⎪⎨⎧<-=⎪⎩⎪⎨⎧<==⎰⎰∞+∞-其它其它，,01||,8)1(2101||,421),()(42122x x x x ydy x dy y x f x f x X⎪⎩⎪⎨⎧<<=⎪⎩⎪⎨⎧<<==⎰⎰-∞+∞-其它其它，,010********),()(252y y y ydx x dx y x f y f y yY 9．设平面区域D 由曲线xy 1=及直线y = 0，x = 1，x = e 2围成，二维随机变量(X ，Y )在区域D 上服从均匀分布，求边缘概率密度f X (x )，f Y (y )． 解：2|ln 12211===⎰e e D x dx xS (X ，Y )在区域D 上服从均匀分布，故f (x ，y )的概率密度为⎪⎩⎪⎨⎧∈=其它，0),(,21),(Dy x y x f ⎪⎩⎪⎨⎧≤≤==⎰⎰∞+∞-其它（,01,21),()210X e x dy dy y x f x f x⎪⎪⎪⎩⎪⎪⎪⎨⎧<≤≤≤-=-===--∞+∞-⎰⎰⎰其它（10,0),11(2121,2121),()221112X 2y e e y y dx e dx dx y x f x f y e 10．设二维随机变量(X ，Y )的概率密度为⎩⎨⎧<<<<=其它,00,10,3),(xy x x y x f 试求条件概率密度f (y | x )．解：⎩⎨⎧<<<<=其它,00,10,3),(xy x x y x f)0)(( )(),()|(|>=x f x f y x f x y f X X X Y ⎪⎩⎪⎨⎧≤<===⎰⎰∞+∞-其它,010,233),()(20x x xdy dy y x f x f x X当0<x ≤1时，⎪⎩⎪⎨⎧<<==其它,00,233)(),()|(2|xy x x x f y x f x y f X X Y即，⎪⎩⎪⎨⎧≤<<=其它,010,2)|(|x y x x y f X Y11．设二维随机变量(X ，Y )的概率密度为⎩⎨⎧<<<=其它,0,10,1),(xy x y x f 求条件概率密度f (x | y )．解：⎩⎨⎧<<<=其它,0||,10,1),(xy x y x f⎪⎩⎪⎨⎧>-=≤+===⎰⎰⎰-∞+∞-0,10,1),()(11y y dx y y dx dx y x f y f y y Y当y ≤0时，⎪⎩⎪⎨⎧<<-<<+==其它,0,10,11)(),()|(|x y x x y x f y x f y x f Y Y X当y >0时，⎪⎩⎪⎨⎧<<-<<-==其它,0,10,11)(),()|(|x y x x y x f y x f y x f Y Y X所以，⎪⎩⎪⎨⎧<<<-==其它,01||0,||11)(),()|(|x y y x f y x f y x f Y Y X12．已知随机变量Y 的概率密度为⎩⎨⎧<<=其它,010,5)(4y y y f Y 在给定Y = y 条件下，随机变量X 的条件概率密度为⎪⎩⎪⎨⎧<<<=其它,010,3)(32y x y x y x f 求概率P {X > 0.5}． 解：由)(),()|(|x f y x f y x f Y Y X =得 ⎩⎨⎧<<<<==其它,00,10,15)()|(),(2|yx y yx y f y x f y x f Y Y X644715),(}5.0{15.0125.0===>⎰⎰⎰⎰+∞+∞∞-xdydx yx dydx y x f X P 13．设二维随机变量(X ，Y )的分布律为试分别求),max(Y X Z =和),min(Y X W =的分布律． 解：Z =max(X ，Y )，W =min(X ，Y )的所有可能取值如下表Z =max(X ，Y )，W =min(X ，Y )的分布律为14．设X 和Y 是相互独立的随机变量，且)(~),(~θθE Y E X ，如果定义随机变量Z 如下：⎩⎨⎧>≤=Y X YX Z ,0,1 求Z 的分布律．解：⎪⎩⎪⎨⎧≤>=-0,00,1)(x x e x f x X θθ ⎪⎩⎪⎨⎧≤>=-0,00,1)(y y e y f yY θθ 由独立性得X ，Y 的联合概率密度为⎪⎩⎪⎨⎧>>=+-其它,00,0,1),(2y x e y x f yx θθ 则P {Z =1}=P {X ≤Y }=211),(002==⎰⎰⎰⎰∞++-≤xyx yx dydx edxdy y x f θθ P {Z =0}=1-P {Z =1}=0.5故Z 的分布律为15．设二维随机变量(X ，Y )的概率密度为⎪⎩⎪⎨⎧≤+=其它,01,1),(22y x y x f π求边缘概率密度f X (x )，f Y (y )；并问X 与Y 是否独立？解：⎪⎩⎪⎨⎧≤+=其它,01,1),(22y x y x f π⎪⎩⎪⎨⎧<-===⎰⎰---∞+∞-其它，01||,121),()(222112x x dy dy y x f x f x x X ππ 同理，⎪⎩⎪⎨⎧<-=其它，01||,12)(2y y y f Y π显然，)()(),(y f x f y x f Y X ≠，所以X 与Y 不相互独立16．设随机变量X 和Y 相互独立，试在以下情况下求Y X Z +=的概率密度， (1) )1,0(~),1,0(~U Y U X ； (2) )1(~),1,0(~Exp Y U X ．解：(1)⎩⎨⎧<<=其它,010,1)(x x f X ⎩⎨⎧<<=其它,010,1)(Y y y f利用卷积公式：⎰+∞∞--=dx x z f x f z f Y X Z )()()(求f Z (z ))()(x z f x f Y X -=⎩⎨⎧+<<<<其它,01,10,1x z x x⎪⎪⎩⎪⎪⎨⎧<≤<≤-===-=⎰⎰⎰-∞+∞-其它2110,02,)()()(110z z z dx z dx dx x z f x f z f z z Y X Z(2) ⎩⎨⎧<<=其它,010,1)(x x f X ⎩⎨⎧≤>=-0,00,)(Y y y e y f y 利用卷积公式：⎰+∞∞--=dy y f y z f z f Y X Z )()()(⎩⎨⎧+<<>=--其它,01,0,)()(y z y y e y f y z f y Y X⎰+∞∞--=dy y f y z f z f Y X Z )()()(⎪⎪⎩⎪⎪⎨⎧⎪⎩⎪⎨⎧≥<≤--=≥<≤=-----⎰⎰其它其它110,0,)1(,1110,0,,10z z e e e z z dy e dy e z zzz y z y17．设)1,1(~),1,0(~N Y N X ，且X 与Y 独立，求}1{≤+Y X P ． 解：由定理3.1（P75）知，X +Y ~N (1，2)，故5.0)0(}21121{}1{=Φ=-≤-+=≤+Y X P Y X P 18．设随机变量(X ，Y )的概率密度为⎪⎩⎪⎨⎧>>+=+-. ,0;0,0,)(21),()(其它y x e y x y x f y x(1) 问X 和Y 是否相互独立？ (2) 求Y X Z +=的概率密度． 解：(1) )1(21)(21),()0)(X +=+==-+∞+-+∞∞-⎰⎰x e dy e y x dx y x f x f x y x （(x>0) 同理，)1(21)(+=-y e y f yY y>0 显然，)()x (),(y f f y x f Y X =，所以X 与Y 不相互独立 (2).利用公式⎰+∞∞--=dx x z x f z f Z )()(，被积函数⎪⎩⎪⎨⎧>>=⎪⎩⎪⎨⎧>->-+=---+-其它其它,0,0,21,00,0,)(21),()(xz x ze x z x e x z x x z x f z x z x所以⎰+∞∞--=dx x z x f z f Z )()(，⎪⎩⎪⎨⎧⎪⎩⎪⎨⎧≤>=≤>=--⎰0,00,210,00,2120z z e z z z dx ze z z z19. 设某系统L 由两个相互独立的系统L 1，L 2联合而成，各连接方式如图所示．已知L 1，L 2的使用寿命X 与Y 分别服从参数为α，β 的指数分布，求以下各系统L 使用寿命Z 的分布函数及概率密度．解：并联时，系统L 的使用寿命Z=max{X ，Y} 因X ~Exp (α)，Y ~Exp (β)，故⎪⎩⎪⎨⎧≤>=-0,00,1)(x x e x f x X αα， ⎪⎩⎪⎨⎧≤>=-0,00,1)(y y e y f y Y ββ ⎪⎩⎪⎨⎧≤>-=-0,00,1)(x x e x F xX α， ⎪⎩⎪⎨⎧≤>-=-0,00,1)(y y e y F y Y β ⎪⎩⎪⎨⎧≤>--==--0,00),1)(1()()()(z z e e z F z F z F z z Y X Z βα⎪⎩⎪⎨⎧≤>+-+=⎪⎪⎭⎫⎝⎛+---0,00,)11(11)(11z z e e e z f z z z Z βαβαβαβα 串联时，系统L 的使用寿命Z =min{X ，Y }⎪⎩⎪⎨⎧≤>-=---=⎪⎪⎭⎫⎝⎛+-0,00,1)](1)][(1[1)(11z z e z F z F z F z Y X Z βα ⎪⎩⎪⎨⎧≤>⎪⎪⎭⎫ ⎝⎛+=⎪⎪⎭⎫⎝⎛+-0,00,11)(11z z e z f zZ βαβα （B ）1．设二维随机变量(X ，Y )的分布律为已知随机事件{X = 0}与{X + Y = 1}相互独立，求a ，b 的值．解：P {X =0}=a +0.4，P {X +Y =1}=P {X =1，Y =0}+P {X =0，Y =1}=a +b. P {X =0，X +Y =1}=P {X =0，Y =1}=a 由于{X =0}与{X +Y =1}相互独立，所以 P {X =0， X +Y =1}=P {X =0} P {X +Y =1}即 a =(a +0.4)(a +b ) (1) 再由归一性知：0.4+a +b +0.1=1 (2) 解(1)，(2)得 a =0.4， b =0.1 2．设二维随机变量(X ，Y )的概率密度为⎩⎨⎧<<<<--=其它 ,010,10 ,2),(y x y x y x f (1) 求P {X > 2Y }(2) 求Z = X + Y 的概率密度f Z (z )． 解: (1) 247)2(),(}2{10202=--==>⎰⎰⎰⎰>xyx dydx y x dxdy y x f Y X P (2) 利用公式dx x z x f z f Z ⎰+∞∞--=),()(计算⎩⎨⎧<-<<<-=-其它,010,10,2),(x z x z x z x f ⎪⎩⎪⎨⎧≥<≤-<<-=⎪⎪⎩⎪⎪⎨⎧≥<≤-<<-=-=⎰⎰⎰-∞+∞-2,021,)2(10),22,021,)2(10,)2(),()(2110z z z z z z z dx z z dx z dx x z x f z f z z Z （3．设随机变量X 的概率密度为⎪⎪⎪⎩⎪⎪⎪⎨⎧<≤<<-=其它,020,4101,21)(x x x f X令2X Y =，),(y x F 为二维随机变量(X ，Y )的分布函数，求 (1) Y 的概率密度)(y f Y ；(2) )4,21(-F ．解：(1) F Y (y )=P {Y ≤y }=P {X 2≤y } 当y <0时，f Y (y )=0当y ≥0时，)()(}{)(y F y F y X y P y F X X Y --=<<-=从而，⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧>≤<≤<=⎪⎩⎪⎨⎧-+=4041,8110,83)]()([21)(y y y y y y f y f yy f X X Y ，(2) F (-1/2，4)=P {X ≤-1/2，Y ≤4}= P {X ≤-1/2，X 2≤4} =P {-2≤X ≤-1/2}=4121)(211212==⎰⎰----dx dx x f X 4．设(X ，Y )为二维离散型随机变量，X 和Y 的边缘分布律分别如下：如果1}0{==XY P ，试求 (1) (X ，Y )的分布律； (2) 问X 与Y 是否独立． 解：P {XY ≠0}=1-P {XY =0}=0 即 P {X =-1，Y =1}+P {X =1，Y =1}=0由概率的非负性知，P {X =-1，Y =1}=0，P {X =1，Y =1}=0由边缘分布律的定义，P {X =-1}= P {X =-1，Y =0}+ P {X =-1，Y =1}=1/4 得P {X =-1，Y =0}=1/4再由P {X =1}= P {X =1，Y =0}+ P {X =1，Y =1}=1/4 得P {X =1，Y =0}=1/4再由P {Y =1}=P {X =-1，Y =1}+ P {X =0，Y =1}+ P {X =1，Y =1}= P {X =0，Y =1} 知P {X =0，Y =1}=1/2最后由归一性得：P {X =0，Y =0}=0(X ，Y )的分布律用表格表示如下：(2) 显然，X 和Y 不相互独立，因为P {X =-1，Y =0}≠ P {X =-1}P {Y =0}5．设随机变量X 与Y 相互独立，且),(~),,(~2ππσμ-U Y N X ，求Z = X + Y 的概率密度（计算结果用标准正态分布分布函数)(x Φ表示）．解：X 与Y 相互独立，利用卷积公式dx x z f x fz f Y XZ ⎰+∞∞--=)()()(计算,21)(222)(σμσπ--=x X ex f ⎪⎩⎪⎨⎧-∈=其它,0),(,21)(πππy y f Y ⎪⎩⎪⎨⎧<-<-=---其它,0,221)()(222)(ππππσσμx z e x z f x f x Y X⎰⎰⎰+---+---+∞∞-==-=ππσμπππσμπσππσz z x z z x Y X Z dx edx edx x z f x f z f 22222)(212)(21221)()()()]()([21}{21ππππππ--+=+<<-=z F z F z X z P ⎥⎦⎤⎢⎣⎡⎪⎭⎫ ⎝⎛--Φ-⎪⎭⎫ ⎝⎛-+Φσμπσμππz z 21 6．设二维随机变量(X ，Y )在矩形}10,20),{(≤≤≤≤=y x y x G 上服从均匀分布，试求边长为X 和Y 的矩形面积S 的概率密度)(s f S ． 解：(X ，Y )～Ｕ(G )⎪⎩⎪⎨⎧∈=其它,0),(,21),(Gy x y x f设F (x )和f (s )分别表示S =XY 的分布函数和密度函数 F (s )=P {XY <s} s<0时，F S (s)=0s ≥0时，⎪⎩⎪⎨⎧+≥=⎰⎰⎰⎰s s xs S dydxdydx s F 010*******,1, 所以，⎪⎪⎩⎪⎪⎨⎧≥≥+<=2,12,2ln 220,0s s s s s s F S于是，S =ＸY 概率密度为⎪⎩⎪⎨⎧<<=其它,020,2ln 21)(s ss f S 7．设随机变量X 与Y 相互独立，其中X 的分布律为而Y 的概率密度为f (y )，求随机变量Y X U +=的概率密度)(u g ． 解：由全概率公式： F U (u )=P {U ≤u }={X +Y ≤u }=P {X =1}P {X +Y ≤u |X =1}+ P {X =2}P {X +Y ≤u |X =2} = P {X =1}P {1+Y ≤u }+ P {X =2}P {2+Y ≤u } =0.3⨯F Y (u -1)+0.7⨯F Y (u -2)所以，f U (u ) =0.3⨯f Y (u -1)+0.7⨯f Y (u -2)8．设二维随机变量(X ，Y )的概率密度为⎩⎨⎧<<<<=其它，，,020,10 ,1),(x y x y x f 求：(1) (X ，Y )的边缘概率密度f X (x )，f Y (y )； (2) Y X Z -=2的概率密度)(z f Z ； 解：(1) ⎩⎨⎧<<<<=其它,00,10,1),(x y x y x f⎩⎨⎧<<=⎪⎩⎪⎨⎧<<==⎰⎰∞+∞-其它其它,010,2,010,1),()(20x x x dy dy y x f x f x X ⎪⎩⎪⎨⎧<<-=⎪⎩⎪⎨⎧<<==⎰⎰∞+∞-其它其它,020,21,020,1),()(12y yy dx dx y x f y f y Y (2) ⎰⎰≤-=≤-=≤=zy x Z dxdy y x f z Y X P z Z P z F 2),(}2{}{)(如图所示，当z<0时，F Z (z)=0; 当z ≥2时，F Z (z)=1 当0≤z<2时:411)(212222020z z dydx dydx z F z xz x zx Z -=+=⎰⎰⎰⎰- 综上所述，⎪⎪⎩⎪⎪⎨⎧≥<≤-<=2,120,40.0)(2z z z z z z F Z 所以Z 的概率密度为：⎪⎩⎪⎨⎧<≤-=20,21,0)(z zz f Z 其它 9．设随机变量X 在区间(0，1)上服从均匀分布，在X = x （0 < x < 1）的条件下，随机变量Y 在区间),0(x 上服从均匀分布，求： (1) 随机变量X 和Y 的联合概率密度； (2) Y 的概率密度； (3) 概率P {X + Y > 1}． 解：(1) ⎩⎨⎧<<=其它,010,1)(x x f X⎪⎩⎪⎨⎧<<<<=其它,010,0,1)|(|x x y xx y f X Y ⎪⎩⎪⎨⎧<<<==其它（,010,1)()|),(|x y xx f x y f y x f X X Y(2) ⎩⎨⎧<<-=⎪⎩⎪⎨⎧<<==⎰⎰∞+∞-其它其它,010,ln ,010,1),()(1y y y dx x dx y x f y f y Y (3) 2ln 11),(}1{P 15.011-===≥+⎰⎰⎰⎰-≥+xx y x dydx xdxdy y x f Y X10. 设随机变量X 与Y 相互独立，X 的分布律为31}{==i X P ，（i = – 1，0，1），Y 的概率密度为⎩⎨⎧<≤=其它,010,1)(y y f Y ，记Y X Z +=，求：(1) 求}021{=≤X Z P (2) 求Z 的概率密度)(z f Z ．解：(1) P {Z ≤1/2|X =0}=P {X +Y ≤1/2|X =0}=P {Y ≤1/2}=1/2 (2) 由全概率公式：F Z (z )=P {Z ≤z }=P {X +Y ≤z }=P {X =1}P {X +Y ≤z |X =1} +P {X =0}P {X +Y ≤z |X =0}=P {X =-1}P {X +Y ≤z|X =-1} = P {X =1}P {1+Y ≤z }+P {X =0}P {Y ≤z }=P {X =-1}P {-1+Y ≤z } =1/3⨯[F Y (z -1)+ F Y (z )+ F Y (z +1)]从而，f Z (z ) =1/3⨯[f Y (z -1)+ f Y (z )+ f Y (z +1)]=⎪⎩⎪⎨⎧<<-其它,021,31z11．设X 与Y 的联合概率密度为⎩⎨⎧<<<<=.,0;0,10 ,3),(其它x y x x y x f 试求Y X Z -=的概率密度． 解：⎩⎨⎧<<<<=其它,00,10,3).(xy x x y x f⎰⎰-≥=-≥=≤-=≤=zx y Z dxdy y x f Z X Y P z Y X P z Z P z F ),(}{}{}{)(如图，当z<0时，F Z (z)=0; 当z ≥1时，F Z (z )=1当0≤z<1时:22333)(3100z z xdydx xdydx z F z xz x zxZ -=+=⎰⎰⎰⎰-综上得：⎪⎪⎩⎪⎪⎨⎧≥<≤-<=1,010,2230,0)(3z z z z z z F Z 12Z 的概率密度为⎪⎩⎪⎨⎧<≤-=其它,010),1(23)(2z z z f Z12．设X 与Y 独立同分布，且都服从标准正态分布N (0，1)，试求22Y X Z +=的分布． 解：,21)(22x X ex f -=π,21)(22y Y ey f -=π22221)()(),(y x Y X e y f x f y x f +-==π}{}{)(22z y x P z Z P z F Z ≤+=≤=当z<0时，F Z (z)=0; 当z ≥0时，220222222222121),(}{)(z zr z y x Z erdrd edxdy y x f z Y X P z F --≤+-===≤+=⎰⎰⎰⎰πθπ所以，Z 的概率密度为⎪⎩⎪⎨⎧≥=-其它,00,)(22z ze z f z Z。
随机信号分析习题
随机信号分析习题一概率：P( 1)，P(1 2)。
2. 设(X,Y) 的联合密度函数为f XY(x,y)e (x y), x 0, y 0，0 , other求P 0 X 1,0 Y 1 。
3. 设二维随机变量(X,Y) 的联合密度函数为1 12 2 f XY(x, y) 1exp 12(x22xy 5y2)求：(1)边沿密度f X(x) ，f Y(y)(2)条件概率密度f Y|X (y|x)，f X|Y(x|y)4. 设离散型随机变量X 的可能取值为1,0,1,2 ，取每个值的概率都为1/4 ，又设随机变量Y g(X) X3X 。
(1)求Y 的可能取值( 2)确定Y 的分布。
(3)求E[Y] 。
5. 设两个离散随机变量X ，Y 的联合概率密度为：111f XY(x,y) 3(x 2) (y 1) 3(x 3) (y 1) 3(x A) (y A) 试求：(1) X 与Y 不相关时的所有A值。
(2) X 与Y 统计独立时所有A值。
6. 二维随机变量( X ，Y )满足：X cosY sin为在[0，2 ]上均匀分布的随机变量，讨论X ，Y 的独立性与相关性。
7. 已知随机变量X 的概率密度为f (x)，求Y bX 2的概率密度f (y)。
1. 设函数F(x)，试证明F(x) 是某个随机变量的分布函数。
并求下列8. 两个随机变量X1，X 2 ，已知其联合概率密度为f(x1,x2),求X1 X 2的概率密度？9. 设X 是零均值，单位方差的高斯随机变量，y g(x) 如图，求y g(x) 的概率密度f Y(y)W X 2Y2Z X 2设X ，Y是相互独立的高斯变量。
求随机变量W和Z的联合概率密度函数。
11. 设随机变量W 和Z 是另两个随机变量X 和Y 的函数WXYZ 2(X Y)已知f XY(x,y) ，求联合概率密度函数f WZ( ,z) 。
,axb ba0，其它1)求X 的特征函数, X( ) 。
概率论与数理统计期末复习重要知识点及公式整理
概率论与数理统计期末复习重要知识点及公式整理2010-2011学年第一学期期末复习资料概率论与数理统计期末复习重要知识点第二章知识点：1.离散型随机变量：设X是一个随机变量，如果它全部可能的取值只有有限个或可数无穷个，则称X为一个离散随机变量。
2.常用离散型分布：（1）两点分布（0-1分布）：若一个随机变量XP{X x1}p,P{X x2}1p只有两个可能取值，且其分布为(0p1)，则称X服从x1,x2处参数为p的两点分布。
两点分布的概率分布：两点分布的期望：（2）二项分布：P{X x1}p,P{X x2}1p(0p1) E(X)p；两点分布的方差：D(X)p(1p)若一个随机变量X的概率分布由式给出，则称X服从参数为n,p的二项分布。
记为X~b(n,p)(或B(n,p)).两点分布的概率分布：二项分布的期望：（3）泊松分布：P{x k}Cnp(1p)kkn kkkn k,k0,1,...,n. P{x k}Cnp(1p),k0,1,...,n. E(X)np；二项分布的方差：D(X)np(1p)kP{X k} e若一个随机变量X的概率分布为数为的泊松分布，记为X~P () k!,0,k0,1,2,...，则称X服从参P{X k} e泊松分布的概率分布：泊松分布的期望：4.连续型随机变量：kk!,0,k0,1,2,... E(X)；泊松分布的方差：D(X)如果对随机变量X的分布函数F(x)，存在非负可积函数F(x)P{X x}f(x)，使得对于任意实数x，有xf(t)dt，则称X为连续型随机变量，称f(x)为X的概率密度函数，简称为概率密度函数。
2010-2011学年第一学期期末复习资料5.常用的连续型分布：（1）均匀分布：1,若连续型随机变量X的概率密度为f(x)b a 0,a x b其它，则称X在区间（a,b）上服从均匀分布，记为X~U(a,b)1,均匀分布的概率密度：f(x)b a0,a b2a xb 其它均匀分布的期望：（2）指数分布：E(X)；均匀分布的方差：D(X)(b a)122e xf(x)0若连续型随机变量X的概率密度为x00，则称X服从参数为的指数分布，记为X~e ()x0e xf(x)0指数分布的概率密度：指数分布的期望：（3）正态分布：E(X)1；指数分布的方差：D(X)2f(x)(x)222x若连续型随机变量X的概率密度为则称X服从参数为和22的正态分布，记为X~N(,)(x)222f(x)正态分布的概率密度：正态分布的期望：E(X)xD(X)x22；正态分布的方差：（4）标准正态分布：0,21(x)，2(x)xet22标准正态分布表的使用：（1）x0(x)1(x)2010-2011学年第一学期期末复习资料X~N(0,1)P{a x b}P{a x b}P{a x b}P{a x b}(b)(a)X~N(,),Y2（2）X（3）P{a X b}P{a~N(0,1),F(x)P{X x}P{X故b}(b)(a)x(x) Y2Y定理1：设X~N(,),则X~N(0,1)6.随机变量的分布函数：设X是一个随机变量，称分布函数的重要性质：0F(x) 1P{x1X x2}P{X x2}P{X x1}F(x2)F(x1)x1x2F(x1)F(x2)F()1,F()0F(x)P{X x}为X的分布函数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1 2
1
arctan
x;
( x , y ).
FY
(
y)
P{Y
y}
lim
x
F(x,
y)
1
(
2
arctan
y)
1 2
1
arctan
y
.
( x , y ).
《概率统计》
返回
下页
结束
(X,Y)联合分布
(X,Y)边缘分布
任取一球，记录球的编号为X，并将该球放回；然后再从袋中任 取一球，记录第二次取得的球编号为Y.
显然，X与Y的取值互不影响，即有
P{X i,Y j} P{X i} P{Y j} , i, j 1, 2,L , 20. 1. 定义
设二维随机向量(X,Y)的分布为F(x，y)，边缘概率密度分别
fY ( y) f (x, y)dx
y 6dx 6(
y
y y) .
即
fY
(
y)
6( 0,
y y),
0 y 1 .
其它
《概率统计》
返回
下页
结束
例3. 已知随机向量(X,Y)的联合密度函数为
xe y , 0 x y
f (x, y) 0,
从而得(X,Y)的联合分布为
Y X
1
2
3
1 1/6 1/9 1/18
2 2/6 2/9 2/18
《概率统计》
返回
下页
结束
例2．设随机变量X与Y相互独立，下表列出了二维随机变量 (X,Y)的联合分布及关于X和Y的边缘分布中的部分数据，请补充 下表：
Y X
x1
x2 P{Y=yj}
y1
1/24
1/8 1/6
求: ①常数a，b，c；②联合密度函数 f(x,y)；③X,Y的边缘分布
函数.
分布函数为
F ( x,
y)
1
2
(
2
arctan
x)(
2
arctan y)
( x , y ).
③
FX
(x)
P{X
x}
lim F(x,
y
y)
1
(
2
arctanx)
解:
由于D 的面积为
1
(x
x2
)dx
1
,
0
6
故（X,Y）联合概率密度为
y y x2 yx
6, (x, y) D
f (x, y) 0,
其它 .
0
x
《概率统计》
返回
下页
结束
例2. 设(X,Y)在区域D:抛物线 y =x2 和直线 y=x 所围成
的区域上服从均匀分布，求(X,Y)的联合密度与边缘概率密度.
为FX(x)，FY(y)，若对所有的 x，y 都有
F (x, y) FX (x)FY ( y) ,
即
P{X x,Y y} P{X x}P{Y y} ,
则称随机变量X与Y是相互独立的.
2. 离散型随机向量的独立性
若(X,Y)的所有可能取值为(xi , yj), (i，j=1，…2，…)， 则 X与Y相互独立的充分必要条件是对一切 i，j = 1,2,…，都有
y2
y3
P{X=xi}
1/8 1/12 1/4
3/8 1/4
3/4
1/2 1/3
1
3. 连续型随机向量独立性 若(X,Y)的联合密度函数 f(x,y)处处连续，则X和Y相互独立的
充分必要条件是
f (x,y) = fX(x)·fY (y) .
《概率统计》
返回
下页
结束
例3．已知(X,Y)的联合概率密度, 试判断X,Y是否独立. 其中,
P{X xi ,Y y j} P{X xi}P{Y y j} ,
即
pij pi. p. j .
《概率统计》
返回
下页
结束
例1．已知(X,Y)的边缘分布律，且X与Y 相互独立，求(X,Y) 的联合分布律.
X1
2
Y1 2 3
P 1/3 2/3
P 1/2 1/3 1/6
解：由X与Y 相互独立得 p11= p1·× p·1 = 1/6 ，…， p23= p2·× p·3= 2/18 ，
为FX(x)，FY(y)，若对所有的 x，y 都有
F (x, y) FX (x)FY ( y) ,
即
P{X x,Y y} P{X x}P{Y y} ,
则称随机变量X与Y是相互独立的.
《概率统计》
返回
下页
结束
四、随机变量的独立性
1. 定义
设二维随机向量(X,Y)的分布为F(x，y)，边缘概率密度分别
《概率统计》
返回
下页
结束
例2. 设(X,Y)在区域D:抛物线 y =x2 和直线 y=x 所围成
的区域上服从均匀分布，求(X,Y)的联合密度与边缘概率密度.
解: 由于D 的面积为
y y x2
6, (x, y) D
yx
f (x, y) 0,
其它 .
0
x
当0≤y≤1时,
p• j P{Y y j} pi j .
(i =1,2, …) j1
i 1
(j = 1,2, …)
即
X x1
Y y1
P px21.···xi ···…
P py2.1···yj ···…
(X,Y) 的p2边. ·缘··分pi布. ·函··数为
p.2 ···p.j ···
FX(x) = F(x,+∞) =
xi
y1 y2 … yj …
p11 p12 … p1j … p21 p22 … p2j …
pi1 pi2 … pij …
… …
P{X=xi}
p1. p2.
pi.
P{Y=yj} p.1 p.2 … p.j …
1
pi• P{X xi} pi j , j 1
(i = 1,2, …)
0dx 0 .
y
y=x
即
fY
( y)
y2ey 2
,
0 y
o
0,
其它
x
《概率统计》
返回
下页
结束
例4. 已知随机向量（X，Y）的联合分布函数为
F(x, y) a(b arctan x)(c arctan y) ,
求: ①常数a，b，c；②联合密度函数 f(x,y)；③X,Y的边缘分布
解: 由于D 的面积为
y y x2
6, (x, y) D
yx
f (x, y) 0,
其它 .
0
x
当0≤x≤1时,
f X (x)
f (x, y)dy
x 6dy 6(x x2 ),
x2
即
6(x x2 ),
f
X
(
x)
0,
0 x 1 .
其它
§3.2 边缘分布
一、边缘分布函数的概念 二、离散型随机变量的边缘分布列 三、连续型随机变量的边缘分布概率密度 四、随机变量的独立性
《概率统计》
返回
下页
结束
一、边缘分布函数的概念
设(X,Y) 的联合分布函数F(x, y) , 则X和Y的边缘分布函数 FX(x) , FY(y) 分别为
FX (x) P{X x}
一般 F(x,y)= P{X ≤ x,Y≤y}
F(x ,y) =
pi j
离散型
xi x y j y
P{X=xi ,Y=y j}= pi j
FX(x) = P{X ≤x,Y <＋∞} F Y(y) = P{X < ＋∞,Y ≤y}
pi .=P{X= xi}= pij j 1
《概率统计》
返回
下页
结束
即若（X,Y）的联合概率密度 f(x,y) , 则
f X (x)
f (x, y)dy ;
fY ( y)
f (x, y)dx .
例2. 设(X,Y)在区域D:抛物线 y =x2 和直线 y=x 所围成
的区域上服从均匀分布，求(X,Y)的联合密度与边缘概率密度.
x,Y }
x
[ f (u,v)dv]du
得
f X (x)
f (x, v)dv
f (x, y)dy ,
即
f X (x)
f (x, y)dy .
z
f X ( x0 ) 的几何意义如右图.
其值表示红曲边梯形的面积.
y o a x0 b x
xi x
pij
j 1
xi x
pi•
FY(y) = F(+∞, y) = pi j p• j
y j y i1
yjy
《概率统计》
返回
下页
结束
例1.已知随机向量（X,Y）的分布如下表，求关于X 和Y 的
边缘分布.
解:
Y X
0