第三章随机向量课后习题参考答案

合集下载

第三章(多元线性回归模型)3-2答案

3.2 多元线性回归模型的估计一、判断题1.满足基本假设条件下，样本容量略大于解释变量个数时，可以得到各参数的唯一确定的估计值，但参数估计结果的可靠性得不到保证（ T ）二、单项选择题1、线性回归模型的参数估计量ˆβ是随机向量Y 的函数，即1ˆ()X X X Y β-''=。

ˆβ是（A ）A 、随机向量B 、非随机向量C 、确定性向量D 、常量2.已知含有截距项的四元线性回归模型估计的残差平方和为∑=800e 2i ，样本容量为25，则其随机误差项i u 的方差的普通最小二乘估计为（A ）。

A 、40B 、32C 、38.095D 、36.364 三、多项选择题1、对于二元样本回归模型12233ˆˆˆˆi i i iY X X e βββ=+++，下列各式成立的有（ABC ） A 、0e i =∑ B 、0X e i 2i =∑C 、0X e i 3i =∑D 、0Y e i i =∑E 、0X X i3i 2=∑四、计算题1、某地区通过一个样本容量为722的调查数据得到劳动力受教育年数的一个回归方程为10.360.0940.1310.210i i i i edu sibs medu fedu =-++ R 2=0.214式中，edu 为劳动力受教育年数，sibs 为劳动力家庭中兄弟姐妹的个数，medu 与fedu 分别为母亲与父亲受到教育的年数。

问（1）sibs 是否具有预期的影响？为什么？若medu 与fedu 保持不变，为了使预测的受教育水平减少一年，需要sibs 增加多少？（2）请对medu 的系数给予适当的解释。

（3）如果两个劳动力都没有兄弟姐妹，但其中一个的父母受教育的年数均为12年，另一个的父母受教育的年数均为16年，则两人受教育的年数预期相差多少年？解：（1）预期sibs 对劳动者受教育的年数有影响。

因此在收入及支出预算约束一定的条件下，子女越多的家庭，每个孩子接受教育的时间会越短。

第3章随机向量(含习题参考答案)

=0+0+0=0
∴ 选 A.
p⋅ j 1 4 1 2 1 4
·8·
则下列式子正确的是 ( （A） X=Y；（C）P(X=Y)=1/2；
·5·
解：A 显然不对.
P ( X = Y ) = P( X = −1, Y = −1) + P( X = 1, Y = 1) 1 1 1 1 1 ⋅ + ⋅ = 2 2 2 2 2
= P( X = −1) P(Y = −1) + P( X = 1) P(Y = 1) =
.
2. 已知(X,Y)的联合概率分布如下：
Y X
1 0 1/3
2 1/3 1/3
1 2
则 X 与 Y 的边缘概率分布为__________； X 与 Y 是否独立？__________. 解：X 的边缘概率分布为：
X
P Y 的边缘概率分布为：
1 1/3
2 2/3
1 2 1/3 2/3 1 1 1 由于 P ( X = 1) ⋅ P(Y = 1) = ⋅ = ≠ P( X = 1, Y = 1) = 0 ，故 X 与 Y 不 3 3 9
解： S阴 =
∫
e2 1
1 e2 ( − 0)dx = ln x 1 = 2 x
·2·
⎧1 ( x, y ) ∈ D ⎪ ∴ f ( x, y ) = ⎨ 2 ⎪ ⎩0 其他 f X ( x) = ∫
+∞ −∞
y
f ( x, y )dy
y=
1 x
D x
⎧ 1 1 1 1 ≤ x ≤ e2 , ⎪ ∫ 0x dy = =⎨ 2 2x ⎪ 0 其它. ⎩
2 2
解：相互独立的随机变量 Xi～N(μi,σi2)，i=1,…,n. 有

概率与数理统计第四版(简明版)课后习题答案

随机变量的函数及其分布
总结词
描述通过函数变换得到的随机变量的概率分布情况。
详细描述
对于一个或多个随机变量，通过函数变换可以得到新的随机变量。这些新随机变量的概率分布可以通过对原随机变量的概率分布进行函数变换得到。例如，如果X是一个随机变量，f(X)是关于X的函数，那么f(X)的概率分布可以通过对X的概率分布进行函数变换得到。常见的函数变换包括线性变换、幂函数变换等。在得到新随机变量的概率分布后，可以进一步分析其性质和特征。
多元线性回归分析的假设包括线性关系、误差项独立同分布以及误差项的无偏性。
详细描述
在进行多元线性回归分析之前，需要检验各因变量与自变量之间的线性关系，并确保误差项独立且服从相同的分布，同时误差项的均值为零，以保证估计的回归系数是无偏和有效的。
总结词
多元线性回归分析的应用范围广泛，包括经济、金融、生物、医学和社会科学等领域。
随机变量的定义与性质
随机变量是定义在样本空间上的一个实值函数，其取值随试验结果的变化而变化。
随机变量具有可加性、独立性、有限可加性等性质，这些性质在随机变量的计算和推导中有着重要的应用。
离散型随机变量是取有限个或可数个值的随机变量，其分布律是一个离散的概率分布。常见的离散型随机变量包括二项分布、泊松分布等。
边缘概率分布与条件概率分布
总结词
描述随机变量的边缘概率分布和条件概率分布，即考虑某些变量的取值对其他变量的概率分布的影响。
VS
详细描述
边缘概率分布是指考虑某些随机变量的取值后，其他随机变量的概率分布情况。对于两个随机变量X和Y，X的边缘概率分布表示为P(X)，表示在给定Y取某个值的条件下，X的概率分布。条件概率分布则表示在给定某个事件发生的条件下，其他随机变量的概率分布情况。条件概率分布表示为 P(X|Y)，表示在Y取某个值的条件下，X的概率分布。

随机信号与系统课第三章习题部分答案

第三章习题3-1 设某一随机过程的样本为{x 1，x 2，…，x k }，设k 时刻的样本均值和方差分别为21111(),(1)1kkk ik i k i i x x s x x k k k ====-≠-∑∑和假定新的观测值为x k+1，试推导样本均值x k+1和样本方差s k+1的更新公式。

解：111k k k kx x x k +++=+. ∵ 121111()k k i k i s x x k +++==-∑，而211()1k k i k i s x x k ==--∑，所以 112211111222111111122112211()()111211 ()()()()11111 0()()(1)(1) k k k k k k k i i k i i k k k k k k k k k i k i k k i i i k k k k kkx x x x s x x x k k k k x x x x kx x x x x x x k k k k k k k k k s x x x x k k k +++++==++++===+++-=-=--++--+=---++-+++-=-+-+-++∑∑∑∑∑2111 ().1k k k k s x x k k +-=+-+∴ 更新公式为11111k k k k x x x k k ++=+++, 21111()1k k k k k s s x x k k ++-=+-+.3-2 设某一随机过程样本由x k =a+bk+v k 描述，其中，v k ～N （0，σ2）；a 和b 是待定的未知参数。

试求估计量a ˆ，b ˆ的CR 下界。

解：未知参数向量为θ=[a ，b ]T 。

概率论与数理统计第三章课后习题及参考答案

概率论与数理统计第三章课后习题及参考答案1．设二维随机变量),(Y X 只能取下列数组中的值：)0,0(，)1,1(-，31,1(-及)0,2(，且取这几组值的概率依次为61，31，121和125，求二维随机变量),(Y X 的联合分布律．解：由二维离散型随机变量分布律的定义知，),(Y X 的联合分布律为2．某高校学生会有8名委员，其中来自理科的2名，来自工科和文科的各3名．现从8名委员中随机地指定3名担任学生会主席．设X ，Y 分别为主席来自理科、工科的人数，求：(1)),(Y X 的联合分布律；(2)X 和Y 的边缘分布律．解：(1)由题意，X 的可能取值为0，1，2，Y 的可能取值为0，1，2，3，则561)0,0(3833====C C Y X P ，569)1,0(381323====C C C Y X P ，569)2,0(382313====C C C Y X P ，561)3,0(3833====C C Y X P ，283)0,1(382312====C C C Y X P ，289)1,1(38131312====C C C C Y X P ，283)2,1(382312====C C C Y X P ，0)3,1(===Y X P ，563)0,2(381322====C C C Y X P ，563)1,2(381322====C C C Y X P ，0)2,2(===Y X P ，0)3,2(===Y X P ．),(Y X 的联合分布律为：(2)X 的边缘分布律为X 012P1452815283Y 的边缘分布律为Y 0123P285281528155613．设随机变量),(Y X 的概率密度为⎩⎨⎧<<<<--=其他．,0,42,20),6(),(y x y x k y x f 求：(1)常数k ；(2))3,1(<<Y X P ；(3))5.1(<Y P ；(4))4(≤+Y X P ．解：方法1：(1)⎰⎰⎰⎰--==+∞∞-+∞∞-422d d )6(d d ),(1yx y x k y x y x f ⎰--=42202d |)216(y yx x x k k y y k 8d )210(42=-=⎰，∴81=k ．(2)⎰⎰∞-∞-=<<31d d ),()3,1(y x y x f Y X P ⎰⎰--=32102d d )216(yx yx x x ⎰--=32102d |)216(81y yx x x 83|)21211(81322=-=y y ．(3)),5.1()5.1(+∞<<=<Y X P X P ⎰⎰+∞∞-∞---=5.1d d )6(81yx y x ⎰⎰--=425.10d d )6(81y x y x y yx x x d )216(81422⎰--=3227|)43863(81422=-=y y ．(4)⎰⎰≤+=≤+4d d ),()4(y x y x y x f Y X P ⎰⎰---=2042d )6(d 81x y y x x ⎰+-⋅=202d )812(2181x x x 32|)31412(1612032=+-=x x x ．方法2：(1)同方法1．(2)20<<x ，42<<y 时，⎰⎰∞-∞-=yxv u v u f y x F d d ),(),(⎰⎰--=y xv u v u 20d d )6(81⎰--=y xv uv u u 202d |)216(81⎰--=y v xv x x 22d )216(81y xv v x xv 222|)21216(81--=)1021216(81222x xy y x xy +---=，其他，0),,(=y x F ，∴⎪⎩⎪⎨⎧<<<<+---=其他．,0,42,20),1021216(81),(222y x x x xy y x xy y x F 83)3,1()3,1(==<<F Y X P ．(3))42,5.1(),5.1()5.1(<<<=+∞<<=<Y X P Y X P X P )2,5.1()4,5.1(<<-<<=Y X P Y X P 3227)2,5.1()4,5.1(=-=F F ．(4)同方法1．4．设随机变量),(Y X 的概率密度为⎩⎨⎧>>=--其他．,0,0,0,e ),(2y x A y x f y x 求：(1)常数A ；(2)),(Y X 的联合分布函数．解：(1)⎰⎰⎰⎰+∞+∞--+∞∞-+∞∞-==02d d e d d ),(1yx A y x y x f y x ⎰⎰+∞+∞--=002d e d e y x A y x2|)e 21(|)e (020A A y x =-⋅-=∞+-∞+-，∴2=A ．(2)0>x ，0>y 时，⎰⎰∞-∞-=y xv u v u f y x F d d ),(),(⎰⎰--=yxv u vu 02d d e 2yv x u 020|)e 21(|)e (2---⋅-=)e 1)(e 1(2y x ----=，其他，0),(=y x F ，∴⎩⎨⎧>>--=--其他．,0,0,0),e 1)(e 1(),(2y x y x F y x ．5．设随机变量),(Y X 的概率密度为⎩⎨⎧≤≤≤≤=其他．,0,10,10,),(y x Axy y x f 求：(1)常数A ；(2)),(Y X 的联合分布函数．解：(1)2121d d d d ),(11010⋅⋅===⎰⎰⎰⎰+∞∞-+∞∞-A y y x x A y x y x f ，∴4=A ．(2)10≤≤x ，10≤≤y 时，⎰⎰∞-∞-=y xv u v u f y x F d d ),(),(⎰⎰=yxv u uv 0d d 4220202||y x v u yx =⋅=，10≤≤x ，1>y 时，⎰⎰∞-∞-=yx v u v u f y x F d d ),(),(⎰⎰=100d d 4xv u uv 210202||x v u x =⋅=，10≤≤y ，1>x 时，⎰⎰∞-∞-=yx v u v u f y x F d d ),(),(⎰⎰=100d d 4yu v uv 202102||y v u y =⋅=，1>x ，1>y 时，⎰⎰∞-∞-=yx v u v u f y x F d d ),(),(⎰⎰=101d d 4v u uv 1||102102=⋅=v u，其他，0),(=y x F ，∴⎪⎪⎪⎩⎪⎪⎪⎨⎧>>≤≤>>≤≤≤≤≤≤=其他．,0,1,1,1,10,1,,1,10,,10,10,),(2222y x y x y y x x y x y x y x F ．6．把一枚均匀硬币掷3次，设X 为3次抛掷中正面出现的次数，Y 表示3次抛掷中正面出现次数与反面出现次数之差的绝对值，求：(1)),(Y X 的联合分布律；(2)X 和Y 的边缘分布律．解：由题意知，X 的可能取值为0，1，2，3；Y 的可能取值为1，3．易知0)1,0(===Y X P ，81)3,0(===Y X P ，83)1,1(===Y X P ，0)3,1(===Y X P 83)1,2(===Y X P ，0)3,2(===Y X P ，0)1,3(===Y X P ，81)3,3(===Y X P 故),(Y X 得联合分布律和边缘分布律为：7．在汽车厂，一辆汽车有两道工序是由机器人完成的：一是紧固3只螺栓；二是焊接2处焊点，以X 表示由机器人紧固的螺栓紧固得不牢的数目，以Y 表示由机器人焊接的不良焊点的数目，且),(Y X 具有联合分布律如下表：求：(1)在1=Y 的条件下，X 的条件分布律；(2)在2=X 的条件下，Y 的条件分布律．解：(1)因为)3,3()1,2()1,1()1,0()1(==+==+==+====Y X P Y X P Y X P Y X P Y P 08.0002.0008.001.006.0=+++=，所以43)1()1,0()1|0(=======Y P Y X P Y X P ，81)1()1,1()1|1(=======Y P Y X P Y X P ，101)1()1,2()1|2(=======Y P Y X P Y X P ，401)1()1,3()1|3(=======Y P Y X P Y X P ，故在1=Y 的条件下，X 的条件分布律为X 0123P4381101401(2)因为)2,2()1,2()0,2()2(==+==+====Y X P Y X P Y X P X P 032.0004.0008.002.0=++=，所以85)2()0,2()2,0(=======X P Y X P X Y P ，4)2()1,2()2,1(=======X P Y X P X Y P ，81)2()2,2()2,2(=======X P Y X P X Y P ，故在2=X 的条件下，Y 的分布律为：Y 012P8541818．设二维随机变量),(Y X 的概率密度函数为⎩⎨⎧>>=+-其他．,0,0,0,e ),()2(y x c y x f y x 求：(1)常数c ；(2)X 的边缘概率密度函数；(3))2(<+Y X P ；(4)条件概率密度函数)|(|y x f Y X ，)|(|x y f X Y ．解：(1)⎰⎰⎰⎰+∞+∞+-+∞∞-+∞∞-==0)2(d d e d d ),(1yx c y x y x f y x⎰⎰+∞+∞--=002d e d ey x c y x2|)e (|)e 21(002c c y x =-⋅-=∞+-∞+-，∴2=c ．(2)0>x 时，⎰+∞∞-=y y x f x f X d ),()(⎰+∞+-=0)2(d e 2y y x x y x 202e 2|)e (e 2-+∞--=-=，0≤x 时，0)(=x f X ，∴⎩⎨⎧≤>=-．0,0,0,e 2)(2x x x f x X ，同理⎩⎨⎧≤>=-．0,0,0,e )(y y y f y Y ．(3)⎰⎰<+=<+2d d ),()2(y x y x y x f Y X P ⎰⎰---=2202d d e 2xy x yx 422202e e 21d e d e 2-----+-==⎰⎰xy x y x ．(4)由条件概率密度公式，得，当0>y 时，有⎩⎨⎧>=⎪⎩⎪⎨⎧>==----其他．其他．,0,0,e 2,0,0,e e 2)(),()|(22|x x y f y x f y x f xy y x Y Y X ，0≤y 时，0)|(|=y x f Y X ，所以⎩⎨⎧>>=-其他．,0,0,0,e 2)|(2|y x y x f x Y X ；同理，当0>x 时，有⎩⎨⎧>=⎪⎩⎪⎨⎧>==----其他．其他．,0,0,e ,0,0,2e e 2)(),()|(22|y y x f y x f x y f yx y x X X Y 0≤x 时，0)|(|=x y f X Y ，所以⎩⎨⎧>>=-其他．,0,0,0,e )|(|y x x y f y X Y ．9．设二维随机变量),(Y X 的概率密度函数为⎩⎨⎧<<<<=其他．,0,0,10,3),(x y x x y x f求：(1)关于X 、Y 的边缘概率密度函数；(2)条件概率密度函数)|(|y x f Y X ，)|(|x y f X Y ．解：(1)10<<x 时，⎰+∞∞-=y y x f x f X d ),()(203d 3x y x x==⎰，其他，0)(=x f X ，∴⎩⎨⎧<<=其他．,0,10,3)(2x x x f X ，密度函数的非零区域为}1,10|),{(}0,10|),{(<<<<=<<<<x y y y x x y x y x ，∴10<<y 时，⎰+∞∞-=x y x f y f Y d ),()()1(23d 321y x x y-==⎰，其他，0)(=y f Y ，∴⎪⎩⎪⎨⎧<<-=其他．,0,10),1(23)(2y y y f Y ．(2)当10<<y 时，有⎪⎩⎪⎨⎧<<-=⎪⎪⎩⎪⎪⎨⎧<<-==其他．其他．,0,1,12,0,1,)1(233)(),()|(22|x y y x x y y xy f y x f y x f Y Y X ，其他，0)|(|=y x f Y X ，故⎪⎩⎪⎨⎧<<<<-=其他．,0,10,1,12)|(2|y x y y xy x f Y X ．当10<<x 时，有⎪⎩⎪⎨⎧<<=⎪⎩⎪⎨⎧<<==其他．其他．,0,0,1,0,0,33)(),()|(2|x y x x y x x x f y x f x y f X X Y ，其他，0)|(|=x y f X Y ，故⎪⎩⎪⎨⎧<<<<=其他．,0,10,0,1)|(|x x y x x y f X Y ．10．设条件密度函数为⎪⎩⎪⎨⎧<<<=其他．,0,10,3)|(32|y x yx y x f Y X Y 的概率密度函数为⎩⎨⎧<<=其他．,0,10,5)(4y y y f Y 求21(>X P ．解：⎩⎨⎧<<<==其他．,0,10,15)|()(),(2|y x y x y x f y f y x f Y X Y ，则6447d )(215d d 15d d ),(21(121421211221=-===>⎰⎰⎰⎰⎰>x x x x y y x y x y x f X P xx ．11．设二维随机变量),(Y X 的概率密度为⎪⎩⎪⎨⎧<<<<+=其他．,0,20,10,3),(2y x xyx y x f 求：(1)),(Y X 的边缘概率密度；(2)X 与Y 是否独立；(3))),((D Y X P ∈，其中D 为曲线22x y =与x y 2=所围区域．解：(1)10<<x 时，x x y xy x y y x f x f X 322d )3(d ),()(222+=+==⎰⎰+∞∞-，其他，0)(=x f X ，∴⎪⎩⎪⎨⎧<<+=其他．,0,10,322)(2x x x x f X ，20<<y 时，⎰+∞∞-=x y x f y f Y d ),()(316)d 3(12+=+=⎰y x xy x ，其他，0)(=y f Y ，∴⎪⎩⎪⎨⎧<<+=其他．,0,20,316)(y y y f Y ．(2)),()()(y x f y f x f Y X ≠，∴X 与Y 不独立．(3)}22,10|),{(2x y x x y x D ≤≤<<=，∴⎰⎰+=∈102222d d )3()),((x xx y xy x D Y X P 457d )32238(10543=--=⎰x x x x ．12．设二维随机变量),(Y X 的概率密度为⎪⎩⎪⎨⎧>>+=-其他．,0,0,0,e )1(),(2y x y x y x f x试讨论X ，Y 的独立性．解：当0>x 时，xx x X x yx y y x y y x f x f -∞+-∞+-∞+∞-=+-=+==⎰⎰e |11e d )1(e d ),()(002，当0≤x 时，0)(=x f X ，故⎩⎨⎧≤>=-．0,0,0,e )(x x x x f x X ，同理，可得⎪⎩⎪⎨⎧≤>+=．0,0,0,)1(1)(2y y y y f Y ，因为)()(),(y f x f y x f Y X =，所以X 与Y 相互独立．13．设随机变量),(Y X 在区域}|),{(a y x y x g ≤+=上服从均匀分布，求X 与Y 的边缘概率密度，并判断X 与Y 是否相互独立．解：由题可知),(Y X 的联合概率密度函数为⎪⎩⎪⎨⎧≤+=其他．,0,,21),(2a y x a y x f ，当0<<-x a 时，有)(1d 21d ),()(2)(2x a ay a y y x f x f xa x a X +===⎰⎰++-+∞∞-，当a x <≤0时，有)(1d 21d ),()(2)(2x a a y a y y x f x f x a x a X -===⎰⎰---+∞∞-，当a x ≥时，0d ),()(==⎰+∞∞-y y x f x f X ，故⎪⎩⎪⎨⎧≥<-=．a x a x x a a x f X ,0,),(1)(2，同理，由轮换对称性，可得⎪⎩⎪⎨⎧≥<-=．a y a y y a a y f Y ,0,),(1)(2，显然)()(),(y f x f y x f Y X ≠，所以X 与Y 不相互独立．14．设X 和Y 时两个相互独立的随机变量，X 在)1,0(上服从均匀分布，Y 的概率密度为⎪⎩⎪⎨⎧≤>=-．0,0,0,e 21)(2y y y f yY (1)求X 和Y 的联合概率密度；(2)设含有a 的二次方程为022=++Y aX a ，试求a 有实根的概率．解：(1)由题可知X 的概率密度函数为⎩⎨⎧<<=其他．,0,10,1)(x x f X ，因为X 与Y 相互独立，所以),(Y X 的联合概率密度函数为⎪⎩⎪⎨⎧><<==-其他．,0,0,10,e 21)()(),(2y x y f x f y x f yY X ，(2)题设方程有实根等价于}|),{(2X Y Y X ≤，记为D ，即}|),{(2X Y Y X D ≤=，设=A {a 有实根}，则⎰⎰=∈=Dy x y x f D Y X P A P d d ),()),(()(⎰⎰⎰---==1021002d )e 1(d d e 2122xx y x x y⎰--=102d e12x x ⎰--=12e 21212x x ππππ23413.01)]0()1([21-=Φ-Φ-=．15．设i X ～)4.0,1(b ，4,3,2,1=i ，且1X ，2X ，3X ，4X 相互独立，求行列式4321X X X X X =的分布律．解：由i X ～)4.0,1(b ，4,3,2,1=i ，且1X ，2X ，3X ，4X 相互独立，易知41X X ～)84.0,16.0(b ，32X X ～)84.0,16.0(b ．因为1X ，2X ，3X ，4X 相互独立，所以41X X 与32X X 也相互独立，又32414321X X X X X X X X X -==，则X 的所有可能取值为1-，0，1，有)1()0()1,0()1(32413241======-=X X P X X P X X X X P X P 1344.016.084.0=⨯=，)1,1()0,0()0(32413241==+====X X X X P X X X X P X P )1()1()0()0(32413241==+===X X P X X P X X P X X P 7312.016.016.084.084.0=⨯+⨯=，)0()1()0,1()1(32413241=======X X P X X P X X X X P X P 1344.084.016.0=⨯=，故X 的分布律为X 1-01P1344.07312.01344.016．设二维随机变量),(Y X 的概率密度为⎩⎨⎧>>=+-其他．,0,0,0,e 2),()2(y x y x f y x 求Y X Z 2+=的分布函数及概率密度函数．解：0≤z 时，若0≤x ，则0),(=y x f ；若0>x ，则0<-=x z y ，也有0),(=y x f ，即0≤z 时，0),(=y x f ，此时，0d d ),()2()()(2==≤+=≤=⎰⎰≤+zy x Z y x y x f z Y X P z Z P z F ．0>z 时，若0≤x ，则0),(=y x f ；只有当z x ≤<0且02>-=xz y 时，0),(≠y x f ，此时，⎰⎰≤+=≤+=≤=zy x Z yx y x f z Y X P z Z P z F 2d d ),()2()()(⎰⎰-+-=zx z y x y x 020)2(d e 2d z z z ----=e e 1．综上⎩⎨⎧≤>--=--．0,0,0,e e 1)(z z z z F z z Z ，所以⎩⎨⎧≤<='=-．0,0,0,e )()(z z z z F z f z Z Z ．17．设X ，Y 是相互独立的随机变量，其概率密度分别为⎩⎨⎧≤≤=其他．,0,10,1)(x x f X ，⎩⎨⎧≤>=-．0,0,0,e )(y y y f y Y 求Y X Z +=的概率密度．解：0<z 时，若0<x ，则0)(=x f X ；若0≥x ，则0<-=x z y ，0)(=-x z f Y ，即0<z 时，0)()(=-x z f x f Y X ，此时，0d )()()(=-=⎰+∞∞-x x z f x f z f Y X Z ．10≤≤z 时，若0<x ，则0)(=x f X ；只有当z x ≤≤0且0>-=x z y 时0)()(≠-x z f x f Y X ，此时，z zx z Y X Z x x x z f x f z f ---+∞∞--==-=⎰⎰e 1d e d )()()(0)(．1>z 时，若0<x ，0)(=x f X ；若1>x ，0)(=x f X ；若10≤≤x ，则0>-=x z y ，此时，0)()(≠-x z f x f Y X ，z x z Y X Z x x x z f x f z f ---+∞∞--==-=⎰⎰e )1e (d e d )()()(1)(．综上，⎪⎩⎪⎨⎧<>-≤≤-=--．0,0,1,e )1e (,10,e 1)(z z z z f z z Z ．18．设随机变量),(Y X 的概率密度为⎪⎩⎪⎨⎧>>+=+-其他．,0,0,0,e)(21),()(y x y x y x f y x (1)X 和Y 是否相互独立？(2)求Y X Z +=的概率密度．解：(1)),()()(y x f y f x f Y X ≠，∴X 与Y 不独立．(2)0≤z 时，若0≤x ，则0)(=x f X ；若0>x ，则0<-=x z y ，0),(=y x f ，此时，0d ),()(=-=⎰+∞∞-x x z x f z f Z ．0≥z 时，若0≤x ，则0)(=x f X ；只有当z x <<0且0>-=x z y 时0),(≠y x f ，此时，⎰+∞∞--=x x z x f z f Z d ),()(⎰+-+=zy x x y x 0)(d e )(21⎰-=z z x z 0d e 21z z -=e 212，所以⎪⎩⎪⎨⎧≤>=-．0,0,0,e 21)(2z z z z f zZ ．19．设X 和Y 时相互独立的随机变量，它们都服从正态分布),0(2σN ．证明：随机变量22Y X Z +=具有概率密度函数⎪⎩⎪⎨⎧<≥=-．0,0,0,e )(2222z z z z f z Z σσ．解：因为X 与Y 相互独立，均服从正态分布),0(2σN ，所以其联合密度函数为2222)(2e 121),(σσπy x y xf +-⋅=，(+∞<<∞-y x ,)当0≥z 时，有⎰⎰≤+=≤+=≤=zy x Z yx y x f z Y X P z Z P z F 22d d ),()()()(22⎰⎰≤++-⋅=zy x y x y x 22222d e 1212)(2σσπ⎰⎰-⋅=πσθσπ2022d ed 12122zr r r ⎰-=zr r r 022d e122σσ，此时，2222e)(σσz Z z z f -=；当0<z 时，=≤+}{22z Y X ∅，所以0)()()(22=≤+=≤=z Y X P z Z P z F Z ，此时，0)(=z f Z ，综上，⎪⎩⎪⎨⎧<≥=-．0,0,0,e )(2222z z z z f z Z σσ．20．设),(Y X 在矩形区域}10,10|),{(≤≤≤≤=y x Y X G 上服从均匀分布，求},min{Y X Z =的概率密度．解：由题可知),(Y X 的联合概率密度函数为⎪⎩⎪⎨⎧≤≤≤≤=其他．,0,20,10,21),(y x y x f ，易证，X ～]1,0[U ，Y ～]2,0[U ，且X 与Y 相互独立，⎪⎩⎪⎨⎧≥<≤<=．1,1,10,,0,0)(x x x x x F X ，⎪⎪⎩⎪⎪⎨⎧≥<≤<=．2,1,20,2,0,0)(y y yy y F Y ，可得)](1)][(1[1)(z F z F z F Y X Z ---=)()()()(z F z F z F z F Y X Y X -+=⎪⎪⎩⎪⎪⎨⎧≥<≤-<=．1,1,10,223,0,02z z z z z ，求导，得⎪⎩⎪⎨⎧<<-=其他．,0,10,23)(z z z f Z ．21．设随机变量),(Y X 的概率密度为⎩⎨⎧+∞<<<<=+-其他．,0,0,10,e ),()(y x b y x f y x (1)试确定常数b ；(2)求边缘概率密度)(x f X 及)(y f Y ；(3)求函数},max{Y X U =的分布函数．解：(1)⎰⎰⎰⎰+∞+-+∞∞-+∞∞-==01)(d d e d d ),(1yx b y x y x f y x ⎰⎰+∞--=10d e d e y x b y x)e 1(|)e(|)e (10102-+∞---=-⋅=b b y x ，∴1e11--=b ．(2)10<<x 时，1)(1e1e d e e 11d ),()(--∞++--∞+∞--=-==⎰⎰x y x X y y y x f x f ，其他，0)(=x f X ，∴⎪⎩⎪⎨⎧<<-=--其他．,0,10,e 1e )(1x x f xX ，0>y 时，⎰+∞∞-=x y x f y f Y d ),()(yy x x -+--=-=⎰e d e e 1110)(1，0≤y 时，0)(=y f Y ，∴⎩⎨⎧≤>=-．0,0,0,e )(y y y f y Y ．(3)0≤x 时，0)(=x F X ，10<<x 时，101e1e 1d e 1e d )()(----∞---=-==⎰⎰xxt xX X t t t f x F ，1≥x 时，1)(=x F X ，∴⎪⎪⎩⎪⎪⎨⎧≥<<--≤=--．1,1,10,e 1e1,0,0)(1x x x x F x X ；0≤y 时，0)(=y F Y ，0>y 时，y yv y Y Y v v v f y F --∞--===⎰⎰e 1d e d )()(0，∴⎩⎨⎧≤>-=-．0,0,0,e 1)(y y y F y Y ，故有)()()(y F x F u F Y X U =⎪⎪⎩⎪⎪⎨⎧≥-<≤--<=---．1,e 1,10,e 1e1,0,01u u u uu ．。

四川大学随机信号第三章习题解答

自相关函数：
RZ (t1 , t 2 ) E[ Z (t1 ) Z (t2 )] E{[ X (t1 ) Y (t1 )][ X (t2 ) Y (t2 )]} E[ A(t1 ) A(t2 ) cos t1 cos t2 A(t1 ) B(t2 ) cos t1 sin t 2 A(t2 ) B(t1 ) sin t1 cos t2 B(t1 ) B(t2 ) sin t1 sin t2 ] E[ A(t1 ) A(t2 ) cos t1 cos t2 B(t1 ) B(t2 ) sin t1 sin t 2 ] R( ) cos t1 cos t2 R( ) sin t1 sin t2 R( ) cos
E[ X (t )] = RX (0) = 4 < ¥
2
因此，该随机过程是宽平稳的。
判断各态经历性：
1 T X (t ) = lim X (t ) dt ò T ® ¥ 2T - T 1 T = lim A cos(w t + j ) dt ò T ®¥ 2T - T A T = lim cos(w t + j ) d (w t + j ) ò T ®¥ 2w T - T A T = lim d sin(w t + j ) ò T ®¥ 2w T - T A cos j sin w T = lim = 0 = E[ X (t )] T ®¥ wT
1 T X (t ) lim s(t )dt T 2T T 1 T s(t )dt T 0 1 T s( )d T E[ X (t )]
考查自相关函数是否有各态经历性：
X (t ) X (t + t ) 1 T = lim x (t ) x(t + t ) dt ò T ®¥ 2T - T 1 T = lim s(t + j )s(t + t + j ) dt T ®¥ 2T ò- T 1 T = ò s(q )s(q + t ) dq T 0 = RX (t )

《概率论与数理统计》第三版__课后习题答案._

习题一：1.1 写出下列随机试验的样本空间：(1) 某篮球运动员投篮时, 连续5 次都命中, 观察其投篮次数; 解：连续5 次都命中，至少要投5次以上，故}{ ,7,6,51=Ω； (2) 掷一颗匀称的骰子两次, 观察前后两次出现的点数之和; 解：}{12,11,4,3,22 =Ω； (3) 观察某医院一天内前来就诊的人数;解：医院一天内前来就诊的人数理论上可以从0到无穷，所以}{ ,2,1,03=Ω；(4) 从编号为1，2，3，4，5 的5 件产品中任意取出两件, 观察取出哪两件产品; 解：属于不放回抽样，故两件产品不会相同，编号必是一大一小，故： ()}{;51,4≤≤=Ωj i j i (5) 检查两件产品是否合格;解：用0 表示合格, 1 表示不合格，则()()()()}{1,1,0,1,1,0,0,05=Ω；(6) 观察某地一天内的最高气温和最低气温(假设最低气温不低于T1, 最高气温不高于T2); 解：用x 表示最低气温, y 表示最高气温;考虑到这是一个二维的样本空间，故： ()}{216,T y x T y x ≤≤=Ω ；(7) 在单位圆内任取两点, 观察这两点的距离; 解：}{207 x x =Ω；(8) 在长为l 的线段上任取一点, 该点将线段分成两段, 观察两线段的长度. 解：()}{l y x y x y x =+=Ω,0,0,8 ； 1.2(1) A 与B 都发生, 但C 不发生; C AB ；(2) A 发生, 且B 与C 至少有一个发生;)(C B A ⋃； (3) A,B,C 中至少有一个发生; C B A ⋃⋃；- 2 -(4) A,B,C 中恰有一个发生;C B A C B A C B A ⋃⋃； (5) A,B,C 中至少有两个发生; BC AC AB ⋃⋃； (6) A,B,C 中至多有一个发生;C B C A B A ⋃⋃；(7) A;B;C 中至多有两个发生;ABC(8) A,B,C 中恰有两个发生.C AB C B A BC A ⋃⋃ ；注意：此类题目答案一般不唯一，有不同的表示方式。

线性代数课本第三章习题详细答案

aks
1, 2 ,, s 是分别在1,2 ,, s 的 k 个分量后任意添加 m 个分量 b1 j , b2 j ,, bmj
( j 1,2,, s) 所组成的 k m 维向量，证明：
(1) 若1,2 ,, s 线性无关，则 1, 2 ,, s 线性无关； (2) 若 1, 2 ,, s 线性相关，则1,2 ,, s 线性相关.
（1） 1 (6,4,1,9,2), 2 (1,0,2,3,4), 3 (1,4,9,6,22), 4 (7,1,0,1,3);
（2）1 (1,1,2,4), 2 (0,3,1,2), 3 (3,0,7,14), 4 (2,1,5,6) ,5 (1,1,2,0) ;
（3）1 (1,1,1), 2 (1,1,0), 3 (1,0,0), 4 (1,2,3).
必要性方法1设线性无关证明线性无假设线性相关则中至少有一向量可由其余两个向量线性表示不妨设可由线性表示则向量组可由线性表示且所以线性相关与线性无关矛方法2令设存在k1k2k3使得因为线性无关所以所以线性无关
第三章课后习题及解答
将 1，2 题中的向量表示成1,2 ,3,4 的线性组合：
1． 1,2,1,1T ,1 1,1,1,1T ,2 1,1,1,1T ,3 1,1,1,1T ,4 1,1,1,1T. 2． 0,0,0,1,1 1,1,0,1,2 2,1,3,1,3 1,1,0,0,4 0,1,1,1.
0 1 1 101 因为 1,2,3 线性无关，且 1 1 0 2 0 ，可得 1 2,2 3,3 1的秩为 3 011 所以1 2 ,2 3,3 1 线性无关.线性无关；反之也成立.
方法 2，充分性，设1,2 ,3 线性无关，证明1 2 ,2 3,3 1 线性无关.

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)。

第三章随机向量
1．解：
222247112121
322322447722211323224
4
7722324
7{0,0}0;
{0,1}0;
1
{0,2};
{1,0}0;
356
6
{1,1};
{1,2};
35353
12{2,0};{2,1};35353
{2,2};35P X Y P X Y C C P X Y P X Y C C C C C C C P X Y P X Y C C C C C C C P X Y P X Y C C C C P X Y P C =================================31324
731324
72
{3,0};35
2
{3,1};{3,2}0
35
C C X Y C C C P X Y P X Y C ===========
2．解：
24
2
1
3
02 1.54 1.5020(1)(,)(,)[(6)]1
1
81
8
13
(2){1,3}[(6)]88
1127
(3){ 1.5}(1.5,)[(6)](2)8232
1(4){4}[(6)]8F f x y dxdy k x y dy dx k k P X Y x y dy dx P X F x y dy dx x dx P X Y x y dy dx +∞
+∞
-∞
-∞
+∞+∞==--=∴=∴=
<<=--=
<=+∞=--=-=
+≤=--⎰⎰
⎰⎰⎰⎰
⎰⎰⎰2422020112
(46)823x x x dx -=-+=
⎰⎰⎰ 3．解：
201
2
4.8(2) 2.4(2)01()(,)04.8(2) 2.4(34)01()(,)0x
X y
Y y x dy x x
x f x f x y dy y x dx y y y y f y f x y dx +∞
-∞
+∞
-∞
⎧-=-≤≤⎪ ==⎨
⎪⎩
⎧-=-+≤≤⎪
==⎨⎪⎩
⎰⎰⎰⎰
其它
其它
4．解：
00()(,)00()(,)0
y x x X y
y y Y e dy e
x f x f x y dy e dx ye
y f y f x y dx +∞
--+∞
-∞
--+∞
-∞
⎧=>⎪ ==⎨
⎪⎩⎧=>⎪==⎨
⎪⎩⎰⎰⎰⎰
其它其它
5．解：
2
2
2
222
1
1122220
001
01(1)()0
101,0
,(,)()()2
0401{}[](1)121(1)(0)]0.1445
X y
X Y y x x
x x f x e
x y X Y f x y f x f y X Y Y X P Y X e dy dx e dx dx
----<<⎧ =⎨
⎩⎧<<>⎪==⎨⎪⎩
∆-≥≤≤==-=-=Φ-Φ≈⎰⎰
⎰其它
因为相互独立,所以其它
(2)方程有实根则=4即
6．解：
（1）21
1
1
4(,)121x
F dx cxydy c
-+∞+∞=
==⎰
⎰ 故 21
4
c = （2）2
2
24121(1)214,11()8
0,
X x x ydy x x x f x ⎧--≤≤⎪=⎨⎪ = ⎩⎰其它
25
27,01()2
0,Y y x y f y ydx ⎧≤≤⎪=⎨⎪ = ⎩
其它 7．解：（1）由于X 在(0,1)上服从均匀分布
故1,01
()0,x f x <<⎧=⎨
⎩
其它则1y e <<
又x
y e =单调递增且可导，其反函数为：ln x y = 设x e Y =的概率密度为：()g y
于是'
1,11(ln )()00,y e
y y
g y ⎧⎧<<⎪⎪==⎨⎨⎪⎪⎩⎩
g 其它（2）由于0y <，故 X Y ln 2-=的反函数为1
2
()y h y e
-=
故 '
21[()](()),0
()2
00,0y
f h y h y e y
g y y -⎧⎧>⎪⎪==⎨⎨⎪⎪⎩≤⎩
g 8．解法1：由于X 和Y 是两个相互独立的随机变量，由卷积公式()()()Z X Y f z f z y f y dy +∞
-∞
=
-⎰
可得
当0z ≤时， ()Z f z =0
当01z <<时， 0
()1z
y z Z f z e dy e --=
=-⎰
当1z ≤时，由01x ≤≤，知01z y ≤-≤，即：1z y z -≤≤
11
()z
y z z Z z f z e dy e e ----==-⎰
解法2：可有求密度函数的定义法计算得到。

9．解：
（1）
()0
11
(),0(1)0()(,)2
20,00x y x X x y e dy x x e x f x f x y dx x +∞-+-+∞
-∞
⎧⎧+>+>⎪⎪===⎨⎨⎪⎪≤≤⎩⎩
⎰⎰
x 0 同理 1(1)0()20
0y
Y y e
y f y y -⎧+>⎪==⎨⎪≤⎩
由于(,)()()X Y f x y f x f y ≠，故X 和Y 不相互独立的。

（2）解法1，公式法：
20110()(,)22000
z z z
z ze dx z e
z f z f x z x dx z --+∞
-∞
⎧⎧>⎪⎪=-==⎨⎨⎪⎪≤⎩⎩⎰⎰
解法2，定义法：
当0z ≤，()()()0Z F z P Z z P X Y z =≤=+≤= ；当0z >，()0
()()()()z x
x y Z F z P Z z P X Y z x y e dydx +∞--+=≤=+≤=
+⎰⎰
21,0,
()'()20,0.
z
z Z z e z f z F z z -⎧>⎪==⎨⎪ ≤⎩。