07均匀分布·指数分布·随机变量函数的概率分布2

7 均匀分布·指数分布·随机变量函数的概率分布

一、公共汽车站每隔5分钟有一辆汽车通过.乘客到达汽车站的任一时刻是等可能的.求乘客候车时间

不超过3分钟的概率.

解:设随机变量X表示“乘客的候车时间”,则X服从[0,5]上的均匀分布,其密度函数为

于是有P(0X3)

3

,x[0,5]

f(x)

x[0,5]0,

3

f(x)dx0.6.

5

二、已知某种电子元件的使用寿命X(单位:h)服从指数分布,概率密度为

x

1800,x0; f(x)800ex0.0,

任取3个这种电子元件,求至少有1个能使用1000h以上的概率.

解:设A表示“至少有1个电子元件能使用1000h以上”;A1、A2、A3分别表示“元件甲、乙、丙能使用1000h以上”.则

1800

8004

P(A1)P(A2)P(A3)P(X1000)edxe0.287 1000e1000800

P(A)P(A1A2A3)P(A1)P(A2)P(A3)P(A1A2)P(A2A3)P(A1A3)P(A1A2A3)



x

x

5

30.28730.2870.2870.638

(另解)设A表示“至少有1个电子元件能使用1000h以上”.则

1800

P(X1000)edxe800

1000800



x

x

1000

23

e

54

0.287

从而有P(X1000)1P(X1000)1e

0.713,进一步有

P(A)1[P(X1000)]310.71330.638

5

4

三、(1) 设随机变量X服从指数分布e().证明:对于任意非负实数s及t,有

P(XstXs)P(Xt).

这个性质叫做指数分布的无记忆性.

1).某人买了一台旧电视机,求还能使用5年以上 (2) 设电视机的使用年数X服从指数分布e(0.

的概率.

x

解:(1)因为X~e(),所以xR,有F(x)1e,其中F(x)为X的分布函数.

设AXst,BXt.因为s及t都是非负实数,所以AB,从而ABA.根据条件概率公式,我们有

P(XstXs)P(AB)

P(AB)P(A)P(Xst)1P(Xst)



P(B)P(B)P(Xs)1P(Xs)

1[1e(st)]t

. es

1[1e]

另一方面,我们有

P(Xt)1P(Xt)1P(Xt)1F(t)1(1et)et.

综上所述,故有

P(XstXs)P(Xt).

(2)由题设,知X的概率密度为

0.1e0.1x,x0;

f(x)

x0.0,

设某人购买的这台旧电视机已经使用了s年,则根据上述证明的(1)的结论,该电视机还能使用

5年以上的概率为

P(Xs5Xs)P(X5)

5

f(x)dx0.1

5

e0.1xdxe0.1x

5

e0.50.6065.

答:该电视机还能使用5年以上的概率约为0.6065.

四、设随机变量X服从二项分布B(3, 0.4),求下列随机变量函数的概率分布: (1)Y112X;(2)Y2

X(3X)

. 2

解:X的分布律为

(1)Y112X的分布律为

(2)Y2

X

(3X)

的分布律为 2

五、设随机变量X的概率密度为

2

,x0;

f(x)(x21)

x0.0,

求随机变量函数YlnX的概率密度.

解:因为FY(y)P(Yy)P(lnXy)P(Xe)FX(e) 所以随机变量函数YlnX的概率密度为

y

y

2ey

fY(y)F(y)F(e)ef(e)e(y),即 2y

(e1)

'Y

'X

y

y

y

y

2ey

fY(y)(y).

(e2y1)

7 均匀分布·指数分布·随机变量函数的概率分布

一、公共汽车站每隔5分钟有一辆汽车通过.乘客到达汽车站的任一时刻是等可能的.求乘客候车时间

不超过3分钟的概率.

解:设随机变量X表示“乘客的候车时间”,则X服从[0,5]上的均匀分布,其密度函数为

于是有P(0X3)

3

,x[0,5]

f(x)

x[0,5]0,

3

f(x)dx0.6.

5

二、已知某种电子元件的使用寿命X(单位:h)服从指数分布,概率密度为

x

1800,x0; f(x)800ex0.0,

任取3个这种电子元件,求至少有1个能使用1000h以上的概率.

解:设A表示“至少有1个电子元件能使用1000h以上”;A1、A2、A3分别表示“元件甲、乙、丙能使用1000h以上”.则

1800

8004

P(A1)P(A2)P(A3)P(X1000)edxe0.287 1000e1000800

P(A)P(A1A2A3)P(A1)P(A2)P(A3)P(A1A2)P(A2A3)P(A1A3)P(A1A2A3)



x

x

5

30.28730.2870.2870.638

(另解)设A表示“至少有1个电子元件能使用1000h以上”.则

1800

P(X1000)edxe800

1000800



x

x

1000

23

e

54

0.287

从而有P(X1000)1P(X1000)1e

0.713,进一步有

P(A)1[P(X1000)]310.71330.638

5

4

三、(1) 设随机变量X服从指数分布e().证明:对于任意非负实数s及t,有

P(XstXs)P(Xt).

这个性质叫做指数分布的无记忆性.

1).某人买了一台旧电视机,求还能使用5年以上 (2) 设电视机的使用年数X服从指数分布e(0.

的概率.

x

解:(1)因为X~e(),所以xR,有F(x)1e,其中F(x)为X的分布函数.

设AXst,BXt.因为s及t都是非负实数,所以AB,从而ABA.根据条件概率公式,我们有

P(XstXs)P(AB)

P(AB)P(A)P(Xst)1P(Xst)



P(B)P(B)P(Xs)1P(Xs)

1[1e(st)]t

. es

1[1e]

另一方面,我们有

P(Xt)1P(Xt)1P(Xt)1F(t)1(1et)et.

综上所述,故有

P(XstXs)P(Xt).

(2)由题设,知X的概率密度为

0.1e0.1x,x0;

f(x)

x0.0,

设某人购买的这台旧电视机已经使用了s年,则根据上述证明的(1)的结论,该电视机还能使用

5年以上的概率为

P(Xs5Xs)P(X5)

5

f(x)dx0.1

5

e0.1xdxe0.1x

5

e0.50.6065.

答:该电视机还能使用5年以上的概率约为0.6065.

四、设随机变量X服从二项分布B(3, 0.4),求下列随机变量函数的概率分布: (1)Y112X;(2)Y2

X(3X)

. 2

解:X的分布律为

(1)Y112X的分布律为

(2)Y2

X

(3X)

的分布律为 2

五、设随机变量X的概率密度为

2

,x0;

f(x)(x21)

x0.0,

求随机变量函数YlnX的概率密度.

解:因为FY(y)P(Yy)P(lnXy)P(Xe)FX(e) 所以随机变量函数YlnX的概率密度为

y

y

2ey

fY(y)F(y)F(e)ef(e)e(y),即 2y

(e1)

'Y

'X

y

y

y

y

2ey

fY(y)(y).

(e2y1)


相关文章

  • 概率论试题及答案
  • 试卷一 一.填空(每小题2分,共10分) 1.设 2. 掷一颗骰子, 是三个随机事件,则表示"出现奇数点", 满足 , 至少发生两个可表示为______________________. 表示"点数不大于3&q ...查看


  • 均匀分布的随机数
  • 随机数的产生 摘要 本文研究了连续型随机数列的产生,先给出了均匀分布的随机数的产生算法,在通过均匀分布的随机数变换得到其他连续型随机数的产生算法.在vc环境下,我们给出了产生均匀分布随机数的算法,然后探讨了同余法的理论原理.通过均匀随机数产 ...查看


  • 学府考研数学强化班-张伟概率讲义
  • 概率论与数理统计 概率论和数理统计六大类考点 1.随机事件和概率 2.一维随机变量及其分布 3.多维随机变量及其分布 4.随机变量的数字特征 5.大数定律和中心极限定理 6.数理统计的基本概念.参数估计和假设检验 第一讲 随机事件和概率 随 ...查看


  • 概 率 论
  • 概 率 论 第三章 多维随机变量及其分布 关键词: 二维随机变量 分布函数 分布律 概率密度 边缘分布函数 边缘分布律 边缘概率密度 条件分布函数 条件分布律 条件概率密度 随机变量的独立性 Z=X+Y的概率密度 M=max(X,Y)的概率 ...查看


  • 2014.1工程数学概率论与数理统计课程练习
  • 工程数学概率论与数理统计课程练习 事件的不相容,事件的独立,事件的运算:利用分布律.概率密度函数f(x)的基本性质求出待定常数: 背熟0-1分布,二项分布,泊松分布的分布律.期望.方差:均匀分布,指数分布和正态分布的密度.分布函数F(x). ...查看


  • 概率论与随机信号分析1
  • 电子科技大学中山学院学生实验报告 学院: 电子信息学院 课程名称: 概率论与随机信号分析 一.实验目的 1.了解随机数的产生方法: 2.了解常用随机数的概率分布函数.分布律和概率密度函数. 二.实验原理 随机数的产生有好多方法,可以利用乘积 ...查看


  • 概率论与数理统计同济大学第3章
  • 3.1 设随机变量X 服从二项分布B (2,0.4).试求X 的分布函数, 并作出它的图像. 3.3 已知随机变量X 的分布函数如下.(1)当a,b 取何值时F (x ) 为连续函数?(2)当F (x ) 连续时, 试求 ⎧ 0, x -1 ...查看


  • 概率论考试题型
  • 考试题型: 填空, 判断, 选择, 计算. 复习重点: 第一章 事件关系运算, 概率的定义性质, 简单的古典概型的计算, 基本的公式(比如: 全概公式, 贝叶斯公式, 乘法公式, 条件概率公式 等), 事件独立性的定义, 以及判断事件的独立 ...查看


  • 机器学习理论篇1:机器学习的数学基础
  • 一.概述 我们知道,机器学习的特点就是:以计算机为工具和平台,以数据为研究对象,以学习方法为中心:是概率论.线性代数.数值计算.信息论.最优化理论和计算机科学等多个领域的交叉学科.所以本文就先介绍一下机器学习涉及到的一些最常用的的数学知识. ...查看


热门内容