23张宇《基础30讲概率论》

张宇数学教育系刘丛书一
主编张宇【概率论与数理统计分册】】
O
上启航教育同烝！
⑥
北京理工大学出朕匙
张宇数学教育系列丛书一
•
主编张宇《【概率论与数理统计分册】》
O
张宇数学教育系列丛书编委按姓氏拼音排序
)
蔡燧林陈静静方春贤高昆轮胡金德贾建厂李志龙刘硕
柳叶子吕倩秦艳鱼沈利英史明洁石臻东王慧珍王燕星
吴金金徐兵严守权亦笔色曾凡會色张乐张青云张婷婷
-(
张宇郑利娜朱杰
型北京理工大学出廣社
彳做3怨久啊较辭傅顷、
-、史剩致72况弦代也毓敏取如
坯力剂我打电;
二、曲收b 砂总 '亍3的次、於冰润乜;
三、乍箴K齐时'即為彳敷孚综M、残悴知
略舷次取A同吃坯沙衣％力佬咗
理洛传不冷仏冰初阳如乩为
久汰孙！
如，
力二-申八R孑巧臣
I 2022版前言T
V 警
这本书是专门供学生考研数学基础复习之用的。之所以叫《张宇考研数学基础30讲》,是因为将考研
数学中的全部基础知识系统化和科学化地分成了 30个部分,希望考生一讲一讲地学,一关一关地过，最终
建立起考研数学的基础知识结构，实现真正意义上的夯实基础。
一、这是真正意义上的考研数学基础教材
考研数学命题并没有指定教材，学生可以自行选择市面上的各种教材进行复习，但有一个专业问题：
市面上的数学教材大多是为大学数学教学而编写的，依据的是《本科教学基本要求》,鲜见真正意义上按照
《全国硕士研究生招生考试数学考试大纲》（简称《考试大纲》）编写的数学教材，尤其是基础教材，本书就是
在多年一线考研辅导基础上做出的最新成果。
二、这是真正意义上的全程视频讲解
我全程讲解了这本书，并且将讲解视频做了两种系统。一种是整讲观看系统:扫描书中每一讲开篇的
二维码，可以观看这一讲全部的视频讲解，使得知识具有完整性和连贯性，适合第一遍起步复习。另一种
是逐点观看系统:扫描书中知识点旁的二维码，可以有针对性地观看对应这一知识点的视频讲解,适合第
二遍查漏补缺，巩固知识。
三、这是基础课笔记
这是我在基础课上讲岀来的笔记,学生可以听着课跟我一页一页地学，我把笔记写好了，你可以集中
精力认真听，不需再记大量笔记,我几乎把要说的话一句一句都写出来了，请务必搞懂吃透。
四、这是课后作业
每讲后面的习题与附录《基础300题》作为课后作业，所有题目均有详细解答,课后务必及时落实。
五、这是答疑解惑
起步阶段的复习，很多学生会遇到各种问题和疑惑:知识理解上的问题，思路方法上的疑惑。本书集
中回答并希望能够切实解决学生的各种问题和疑惑。
六、这是减负不是增负
不论你在读哪本数学教材，本书都可以作为思考总结的笔记，放在手边随时翻阅，基础阶段的知识、思
路、题型和方法，皆会以清晰的结构呈现在你面前，把握在你手中。你若能再添砖加瓦，画龙点睛,将其内
化为你自己的，那将是极妙的。
七、看到什么程度
一遍当然不够。反复修炼直至字字搞懂、句句通透并熟稔于心。
1
考研数学基础30讲•概率论与数理统计分册
感谢命题专家们给予的支持、帮助与指导，感谢编辑老师们的辛勤工作和无私奉献，感谢学生们的努
力和信任。
本书是我多年基础阶段教学经验的总结，愿助潜心研读者打好地基、夯实基础,勇攀考研数学高峰。
2
第1讲随机事件与概率.................................................................... 1
第2讲一维随机变量及其分布 ........................................................... 22
第3讲多维随机变量及其分布 ........................................................... 45
第4讲随机变量的数字特征 ............................................................. 73
第5讲大数定律与中心极限定理 ......................................................... 88
第6讲数理统计.......................................................................... 93
第7讲
基础知识结构
基础内容精讲
%
—、基本概念
1. 随机试验
称一个试验为随机试验,如果它满足以下三个条件：
（1）试验可以在相同的条件下重复进行；
（2）试验所有可能结果是明确可知道的，并且不止一个；
（3）每一次试验会出现哪一个结果，事先并不能确定.
我们是通过研究随机试验来研究随机现象的，为方便起见，将随机试验简称为试验，并用字母E或
Ei，E?，…表不.
s 【注】在不少情况下，不能确切知道某一随机试验的全部可能结果，但可以知道它不超出某个i
|范围•这时，也可以用这个范围来作为该试验的全部可能结果的集合.例如，需要记录某个城市一天I
\的交通事故数量，则试验结果将是非负整数工无法确定乂的可能取值的确切范围，但可以把这个范\
|围取为［0,+兀），它总能包含一切可能的试验结果，尽管明知某些结果，如^->10 000是不会出现I
:的•甚至把这个范围取为（一x,+x）也无妨.这里体现了一定的数学抽象，它可以带来很大的方便.纟
2. 随机事件
在一次试验中可能出现,也可能不出现的结果称为随机事件，简称事件,并用大写字母A,B,C等表
示•因讨论需要，将每次试验中一定发生的事件称为必然事件，记为O.每次试验中一定不发生的事件称为
不可能事件，记为0.
2
第7讲随机事件与概率
i 【注】随机事件在一次试验中是否发生虽然不能事先确定，但是在大量重复试验的情况下，它f
|的发生呈现出一定的规律性，这门课程正是要研究这种规律性，读者应在学习这门课程后，对此有|
》较为深刻的认识. j
3.样本空间
随机试验的每一个可能结果称为样本点，记为3.样本点的全体组成的集合称为样本空间（或基本事
件空间），记为。，即O={®}.由一个样本点构成的事件称为基本事件•随机事件A总是由若干个基本事件
组成，即A是0的子集.
二、事件的关系与运算
1.定义（关系:包含、相等、相容、互斥、对立;运算:和（并）、差、积（交））
（1）如果事件A发生必导致事件B发生，则称事件B包含事件A （或A被B包含），记为ACB.
（2）如果AUB且EUA,则称事件A与B相等，记为A=B. A与E相等，事实上也就是说,A与占由
一些完全相同的试验结果构成,它不过是同一事件表面上看起来不同的两个说法而已.
（3）称“事件A与B同时发生”的事件为事件A与B的积事件（或交事件），记为AQB或AB
【注】称“有限个（或可列个）事件人，人2,…，A”（…）同时发生"的事件为事件人，4,…，［
I a”（…）的积事件（或交事件），记为n a（或n人）. I
》 1=1 i=' 》
（4）若ABH0,则称事件A和E相容;若AB=0,则称事件A与B互不相容，也叫互斥.如果一些事
件中任意两个事件都互斥,则称这些事件是两两互斥的，或简称互斥的.
（5）称“事件A与3至少有一个发生”的事件为事件A与占的和事件（或并事件），记为AUB.
i 【注】称“有限个（或可列个）事件A，A，…,人（…）至少有一个发生”的事件为事件A，A,…，《
I AC---）的和事件（或并事件），记为［J A;（或［J A,）.

》 ?=1 h
（6）称“事件A发生而事件B不发生”的事件为事件A与B的差事件，记为A-B；称“事件A不发生”
的事件为事件A的逆事件或对立事件，记为A.
由定义易知
A-B=A-AB=AB,
B=AoAB=0MAUB=a
n oo
（7）称有限个（或可列个）事件Ai，A，…,A”（…）构成一个完备事件组，如果U A（或U A）=。

i=l i^l
AiAj = 0（对一切"Hj；d,j = 1,2,…,"（•••））.

（8）事件的关系与运算可以用文氏图形象地表示出来（见图11）,图中的矩形表示必然事件0.
3
A-B
BCA A M=0
图1-1
2.运算法则
(1)吸收律若 AUB,则
⑵交换律 AUB=BUA,AnB=BAA.
(3) 结合律(AUB)UC=AU(BUC),(AnB)nC=An(BnO.
(4) 分配律 An(BUC) = (AnB)U(AnC),AU(BnC) = (AUB)n(AUC),An(B-C) = (AnB)-
(AAC).
(5) 对偶律(德•摩根律)AOT=AnB,AnB=AUB.
【注】（1）事件运算顺序约定为先进行逆运算，然后进行交运算，最后进行并或差运算.
（2）事件的关系、运算与集合的关系、运算相当，且具有相同的运算法则，所以我们可以对比着|
:理解记忆，并要学会用集合关系去考虑事件关系. j
三、概率的定义
1.描述性定义
通常将随机事件A发生的可能性大小的度量（非负值）称为事件A发生的概率，记为P（A）.
2.统计性定义
在相同条件下做重复试验，事件A岀现的次数&和总的试验次数九之比电称为事件 A在这九次试验
n
中出现的频率•当试验次数"充分大时，频率将“稳定”于某常数p."越大，频率偏离这个常数P的可能性
越小•这个常数P就称为事件A的概率.
【注】（1）概率的统计性定义实质上是说，用频率寻作为事件A的概率P（A）的估计.其直观理I
；；解为某事件出现的可能性大小，可由其在多次重复试验中出现的频率去刻画.
（2）从上述（1）可以看出，频率只是概率的估计，而非概率本身.也就是说，概率的统计性定义是:
|无法准确给出某事件的概率的，其重要性主要基于以下两点. |
① 它提供了估计概率的方法•比如在一批产品中抽取样品，来估计该批产品的合格率（合格率］
I是客观的数据，抽取样品计算出来的合格率只是一种估计）. I
② 它提供了一种检验某结论是否正确的准则•比如，你说某批产品的合格率是95%,我们做试:
|验，抽取样品进行计算，得出的结果是合格率为20%,远远低于你所说的95%,于是毫不犹豫地拒绝［
［你的结论. j
4
3.公理化定义
设随机试验的样本空间为如果对每一个事件A都有一个确定的实数P(A),且事件函数P( •)
满足：
(1) 非负性:P(A)Ô；
(2) 规范性:P(Q) = 1；
(3) 可列可加性:对任意可列个两两互不相容事件A】,人，…,A.,…(即A4 = 0,zHj ；诂=1,2,有
p( U A)=£p(A),
i=l i=l
则称P( •)为概率,P(A)为事件A的概率.
【注】(1)数学上所说的“公理”，就是一些不加证明而承认的前提，上述公理化定义只是界定j
I 了概率这个概念所必须满足的一些一般性质，它不解决具体场合下的概率计算.
(2) 概率P( •)是事件的函数.

(3) 虽然它不解决具体场合下的概率计算，但是我们却常常用它来判断某事件函数P(-)是否|
》是概率，这种题型在考研试题中也是经常遇到的.
四、古典概型和几何概型
下面研究两种非常重要的概率类型:古典概型和几何概型.
(1)称随机试验(随机现象)的概率模型为古典概型，如果其样本空间(基本事件空间)满足：
① 只有有限个样本点(基本事件)；
② 每个样本点(基本事件)发生的可能性都一样.
如果古典概型的基本事件总数为”，事件A包含怡个基本事件,也叫作有利于A的基本事件为怡个,
则A的概率为
k_事件A所含基本事件的个数
P(A) =
n 基本事件总数 ^
由上式计算得出的概率称为A的古典概率.
(2)称随机试验(随机现象)的概率模型为几何概型，如果：
① 样本空间(基本事件空间)0是一个可度量的有界区域；
② 每个样本点(基本事件)发生的可能性都一样，即样本点落入Q的某一可度量的子区域S的可能性
大小与S的几何度量成正比，而与S的位置及形状无关.
在几何概型随机试验中，如果Sa是样本空间。的一个可度量的子区域,则事件A=｛样本点落入区域
Sa｝的概率为
”八—Sa的几何度量
O的几何度量•
由上式计算得出的概率称为A的几何概率.
【注】古典概型与几何概型的区别：基本事件有限、等可能发生的随机试验为古典概型；基本I
I事件无限且具有几何度量、等可能发生的随机试验为几何概型. i
0^考研数学基础30讲•概率论与数理统计分册
五、概率的基本性质与公式
1.性质
(1)有界性:对于任一事件A,有0<P(A)<1,且P(0)=O,P(Q) = 1.
【注】P(A)=0,不能断言A=0；P(A) = 1,不能断言A=Q,其中道理可见例1. 11.
⑵单调性:设A,B是两个事件，若AUB,则有
P(B-A)=P(B)-P(A), P(B»P(A).
2.公式
(1) 逆事件概率公式:对于任一事件A,有P(A) = 1-P(A).
(2) 加法公式:对于任意两个事件A,B,有P(AUB)=P(A) +P(B)-P(AB).
i 【注】⑴设A!,a2,a3为任意三个事件，则有
P(A1UA2UA3)=P(A1)+P(A2)+P(A3)-P(A1A2)-P(A1A3)-P(A2A3)+P(A1A2A3).
《 (2)若A】,S L2,…,A”是两两互不相容的事件，则有《
》 P(A, uA2 u - UAn)=P(A1) +P(A2)H—
—P(An). 》
(3) 减法公式:P(A-B)=P(A)~P(AB) = P(AB).

(4) 条件概率公式:设A,B为任意两个事件，若P(A)>0,我们称在已知事件A发生的条件下,事件B
发生的概率为条件概率，记为P(B|A),且
P(BA)=^^・
i 【注】(i)条件概率p( - ia)是概率，概率的一切性质和重要结论对条件概率都适用.
2 例如： P(B|A) = 1-P(B|A), ?

P[(B-C)|A]=P(B|A)-P(BC|A),
等等.
(2)条件概率就是在一定的附加条件之下所计算的概率.当说到“条件概率"时，总是指另外附|
\加的条件，其形式可归结为“已知某事件发生了 ”•
(5) 乘法公式:如果 P(A)>0,则 P(AB)=P(A)P(B|A).

一般地，对于兀>2,如果PC41A2…人归)>0,则
P(A1A2-A„) = P(A1)P(A2|A1)P(A3|A1A2)-P(An|A1A2-An-1).
(6) 全概率公式:如果 Q Aj = £2,AAj = 0(i mi,j = 1,2,…，九),P(A»>0,则对任一事件_B,有
i^l
B = Q A,B, P(B) = £p(A)P(B I A,).

i=\ t=l
(7) 贝叶斯公式(又称逆概率公式)：如果Q A = OAAj = 0(：工j ；i,j = 1,2, •••,”),P(A;) > 0,

i=l
则对任一事件B,只要P(B)>0,就有
6
P(AJB)=「⑷)P(®4)° = 1,2,...,“).
Sp(A,)F(B I A,)
1=1
i 【注】(1)要注意P(B)与P(B|A)的区别与联系，虽然二者都是计算事件B的概率，但前者i
| P(E)实际上是在样本空间。下计算的，后者P(B|A)则是在事件A已经发生的条件下(即样本空|
i间现在缩减至人)计算的.
(2)全概率公式是用于计算某个“结果”B发生的可能性大小.如果一个“结果”B的发生总是与I
|某些前提条件(原因、因素或前一阶段结果)A,相联系，那么在计算P(E)时，我们总是用A,对B作I
!分解: j
” £ = UA0, I
$ i=1 》
|然后应用全概率公式计算P(B),我们常称这种方法为全集分解法.如果在“结果”3发生的条件下，I
I探求导致这一“结果”的各种“原因"，即A发生的可能性大小PCAJB),则要应用贝叶斯公式.
六、事件的独立性和独立重复试验
1.事件的独立性
(1)描述性定义(直观性定义)设a,b为两个事件，如果其中任何一个事件发生的概率不受另外一
个事件发生与否的影响，则称事件A与3相互独立.设A1,人2，…，A”是«(n>2)个事件，如果其中任何一
个或几个事件发生的概率都不受其余的某一个或几个事件发生与否的影响,则称事件4 , A?,…,A”相互
独立.
⑵数学定义设A,B为两个事件，如果P(AB)=P(A)P(B),!iliJ称事件A与B相互独立，简称A与
£独立.
: 【注】设A1,A2,-,A„为n 心2)个事件，如果对其中任意有限个事件A,, ,A12,-,A,(2<^< I
"),有
P(A,. A12 -Ai4) =P(A,., )P(A,2)-P(A；i),
则称n个事件Ai，A2,…,A”相互独立.
考研中常考的是"=3时的情形.细致说来，设人,人2，人为三个事件，若
P(A1A2)-P(A1)P(A2), (1-1)
P(A1A3)=P(A1)P(A3), (1-2)
P(A2A3)-P(A2)P(A3), (1-3)
I P(A1A2A3)=P(A1)P(A2)P(A3), (1-4)
2则称事件A,A2,A3相互独立.当去掉上述(1-4)式后，称只满足(1-1),(1-2),(1-3)式的事件A ,
；A2,A3两两独立.见例1. 20.
2.试验的独立性
如果各个试验结果是相互独立的,则称这些试验是相互独立的•例如，对试验&的任一结果A】，试验
7
E2的任一结果A2,若事件4与儿相互独立，即P(A1A2)=P(A1)P(A2),贝IJ称随机试验E】和E2是相互
独立的•对试验E中的任一结果A,G=1,2，…，Q,若事件人,儿，…,A”相互独立，即对其中任意虹2=
ew”）个事件有卩（p| aJ1 = f［P(A,),则称72个试验已帆，…，E”是相互独立的.

>=1 ;=1
3.独立试验序列概型与"重伯努利概型
在同样条件下独立重复地进行一系列完全相同的试验，即每次试验的可能结果及其发生的概率都不
变，每次试验是相互独立的，称这种重复试验序列的数学模型为独立试验序列概型•如果每次试验只有两
个结果A与瓦，且在每次试验中A发生的概率都相等(即P(A)=p),将这种试验独立重复"次,则称这种
试验为"重伯努利概型.
在第2讲中会看到，在九重伯努利概型中，事件A发生怡次(只管次数，不论位置)的概率为
C涉且如果用 X表示71重伯努利概型中事件A发生的次数，则X服从二项
分布 B(n,p).
【注】(1)事件相互独立是概率论中一个重要的概念，它是定义随机试验独立性、随机变量独.■
1立性的基础•我们总是由试验的方式来判定事件的独立性，进而判定事件的相互独立性，再应用事:
［件独立性定义中所揭示的概率关系计算与之有关的事件的概率.
(2)要善于判定独立试验序列概型，只要题目中出现“将……重复进行九次”“对……重复观察〃:;
?次”等字样(注意要求每次试验只有两个结果 A与兀)，或可以转换为"次独立重复试验概型的问［
:题，这些都是要考虑应用二项分布计算与之有关的事件的概率.
基础例题精解
一、事件的关系与运算
随机事件的描述和运算是概率计算的基础，也是考研数学中的一个考点.
(1) 求解概率试题，通常要做的是首先将实际问题符号化，即用符号及其运算来描述事件,这种描
述可以体现出考生求解问题的思路•用简明的符号和运算准确反映题意、说明问题，是考生数学能力
的一种体现.
(2) 需要指出，在讨论和推断随机事件之间的关系时，采用直观的文氏图常常是一种有效的方法.
(3) 此部分虽然比较基础，但很重要,将实际问题符号化的思想会伴随着概率论的整个课程.
例1.1 以A表示事件“甲产品畅销，乙产品滞销”,则其对立事件A为( ）.
(A) “甲产品滞销，乙产品畅销” (B)“甲、乙产品均畅销”
(C)“甲产品滞销或乙产品畅销” (D) “甲产品滞销”
解应选(C).
8
先将事件符号化,再利用事件运算解答，即以A表示事件“甲产品畅销”,儿表示事件“乙产品滞销”,
则其对立事件为忑=丽;=兀U兀，表示事件“甲产品滞销或乙产品畅销”，故选择(C).
例1.2 设A,B,C是任意三个事件，则下列选项中正确的是( ).
(A) 若 AUC=BUC,则 A=_B
(B) 若 A-C=B-C,则 A=B
(C) 若 AC=BC,则 A=B
(D) 若 AB=0ÂB = 0,则忑
解应选(D).
方法一(直接法)由事件运算的对偶律,WlB=AUB = 0=a而由A\JB=Q且AB = 0,可见A
和B互为对立事件，即A=B,因此(D)正确.
方法二(排除法)前三个选项都不成立，只需分别举出反例•例如，由于A,B,C是任意三个事件，若
取而C=Q是必然事件，则AUC=BUC且A—C=_B—C,但从而(A)和(B)不成立.
取AHB,C=0,则AC=EC,但因此(C)不成立.从而选(D).
: 【注】本题的结果反映了事件的运算与数的运算的不同之处. j
例1.3 判断下列命题是否成立,并说明理由.
(1) A-(B-C) = (A-B)UC；
(2) 若 AB=0且 CUA,则 BC=0；
(3) (AUB)-B=A；
(4) (A-B)UB=A.
解(1)不成al. A-(B-C)=A-BC=ABC=A(BUC)=ABUAC=(A-B)UAC#(A-B)UC；也
可由图1-2快速判断.
A-(B-C) (A-B)UC
(a) (b)
图1-2
(2) 成立.因 CUA,有 BCUAB=0,故 BC=0.
(3) 不成立.因(AUB)-B=(AUB)B=ABUBB=AB=A-B#A.
(4) 不成立.因(A-B) UB=ABUB=(AUB)(BUB)=AUBÂ.
: 【注】读者可再做练习，证明下列事件的运算公式：
(1) A=ABUAB；
(2) AUB=AUAB.
：证明(1)ABUAP=A(BUE)=AC=A.
5 (2)AUAB = (AUA)(AUB)=lf2(AUB)=AUB.
9
二、古典概型和几何概型
1.古典概型
计算的关键是基本事件、样本空间的选定以及基本事件数的计算.
计数方法常用的有三种.
（1）列举法（直接数数法）:基本事件数不多时常用这种方法.
（2）集合对应法:①加法原理—
—完成一件事有"类办法，第一类办法中有mx种方法，第二类办
法中有m2种方法,... ，第"类办法中有加”种方法，则完成此事共有乞"种方法.
② 乘法原理一完成一件事有"个步骤.第一步有加1种方法，第二步有加2种方法,... ，第"步有
m„种方法，则完成此事共有it 种方法.
1=1
③ 排列—
—从"个不同的元素中取出个元素，并按照一定顺序排成一列，叫作排列•所有
排列的个数叫作排列数，记作
„1
理="（”一1）（“一2）…（”一加+1）= .
（”一m）!
当m=n时,卩叮=帶="!,叫作全排列.
④ 组合一一从"个不同的元素中取出个元素，并成一组，叫作组合.所有组合的个数叫作
组合数，记作
「祝=5_
（3）逆数法:先求A中的基本事件数"恥将基本事件总数n减去与便得A中的基本事件数，这种
方法常用于计算含有“至少”字样的事件的概率.
古典概型的常见类型如下.
（1）直接用定义求概率.
古典概型的概率计算最基本的做法就是 “数数”，数出总样本数和事件所含样本点数,在以往考研
试题中也出现过这种直接数数的题型.
例1.4 考虑一元二次方程*+£工+°=0,其中E,C分别是将一枚骰子接连抛两次先后出现的
点数，则该方程有实根的概率为（）•
13
(A)|| (E)疇
36 36 (C)H (D)36
解应选（A）.
本题属于古典概型•由于很难套用现有概型模式或公式求解，一个最简单也是最直接的做法是数出总样
本数和事件所含样本点数并计算比值，给出答案.事件所含样本点数可借助列表等手段列出各种可能的结
果,然后数岀事件所含样本点数•由于接连抛两次，每次都可能出现6个点数，因此其总样本数有62个.
10
方程有实根,即事件｛B2-4C^0｝,列表如下.
^cV
1 2 3 4 5 6
1
2 0 — — — — —
3 + + — — — —
4 + + + 0
5 + + + + + +
6 + + + + + +
其中事件｛B2-4C>0｝所含样本点数为19,则卩=翟,故本题应选择（A）.
（2）随机分配.
随机分配也叫随机占位，突岀一个“放”字，即将"个可辨质点随机地分配到N个盒子中，区分每
盒最多可以容纳一个和可以容纳任意多个质点,不同分法的总数列表如下.
将"个质点随分配方式不同分法的总数

机地分配到N 每盒可容纳任意多个质点 N"(见注1)
个盒子中每盒可容纳至多一个质点 P^ = N(N—1)........ (N-n+l)(见注 2)
【注1】每个质点均可放到N个盒子中的任何一个，即有N种放法，于是“个可辨质点j
:放到N个盒子中共有N”种不同放法.
【注2】质点可辨，且一个盒子容纳至多一个质点，故”个质点放到N （N$“）个盒子中的］
.'所有不同放法即为从N个元素中选取"个元素的排列数Pd.
例1.5 5人共钓到3条鱼，每条鱼被各人钓到的可能性相同，求:
（1）3条鱼由不同的人钓到的概率;
（2）有1人钓到2条鱼的概率；
（3） 3条鱼由同一人钓到的概率.
分析看作随机分配问题，即把鱼视作“质点（可辨）”，把人视作“盒子（可容纳任意多个质点）”.
解基本事件总数为巳.
（1）先从5个人中选3个人，共有q种选法，再将3条鱼给3个人，每人一条，共有3!种方法，由乘法
原理，基本事件数为&3!，于是
P｛3条鱼由不同的人钓到｝=讐=||=0. 48.
（2）先在5个人中任选1人，有CI种选法，再从3条鱼中任取2条，有种选法，分给这个人，剩下1
条鱼随机给剩下的4个人中的一人，有（5 —1）3-2 =护=4种选法，基本事件数为CQ（5 —1）-2,于是
11
卩｛有1人钓到2条鱼｝= g（；l）z=|| = 0. 48.
（3）5个人中任选1人，有a种选法,3条鱼全给一个人，有&种选法，基本事件数为GC，于是
P｛3条鱼由同一人钓到｝=吕0 =箱=。°4.
（3）简单随机抽样.
设O=Gi，32，・“，3n｝含N个元素，称O为总体.如果各元素被抽到的可能性相同，自总体。的
抽样称作简单随机抽样，突出一个“取”字.
简单随机抽样分为先后有放回、先后无放回及任取这三种不同的方式•在每种抽样方式下各种不
同抽法（基本事件）的总数列表如下.
抽样方式抽法总数
自含N个元素的总
先后有放回取"次 N"（见注1）
体。中”次简单随
先后无放回取"次 n = N（N-l）........ （N—"+1）（见注 2）
机抽样
任取n个 C& （见注3）
【注1】既考虑抽到何元素，又考虑各元素出现的顺序，每次从O中随意抽取一个元素，：
|并在抽取下一元素前将其放回O于是每次都有N个元素可被抽取，即有N种抽法，抽"次，：
；即 N".
【注2】既考虑抽到何元素，又考虑各元素出现的顺序，凡是抽出的元素均不再放回。，于纟
:是每次抽取时都比上一次少了一个元素，抽n*N）次，即
PL = N（N—1）.......... （N-n+1）.
《【注3】任取n（n<N）个是指一次性取"个元素，相当于将"个元素无序且无放回取走，］
|其抽法总数为C^ =影.
例1.6 从1,2,-,15这15个数中随机取岀3个，求下列事件的概率:人=｛3个数中最大的是
10｝；企=｛3个数中大于、等于和小于7的各1个｝；4 = ｛3个数中2个大于7,1个小于7｝.
解这是“无放回且无序”的问题•从15个数中随机取出3个,总共有％=455（种）不同取法，即总共
有C£个基本事件,其中满足事件A的取法有^ = 36（种）（3个数中最大的是10,在小于10的9个数中随
意取2个，有种不同取法）；满足事件A?的取法有6X8=48（种）（在小于7的6个数中随意取1个，在
大于7的8个数中随意取1个，有6X8种不同取法）；满足事件A3的取法有6XC| = 168（种）（在小于7的
6个数中随意取1个,在大于7的8个数中随意取2个）.于是
皿）=嗇’心）=鳥, 168
P（A3）
455-
12
2.几何概型
几何概型的特点是总样本数和事件所含样本点数不能如古典概型那样可以数数,但具有几何特
性，如长度、面积或体积等.解题时应将数量关系用几何图形直观表现出来，其概率通常是事件所含样
本点数和总样本数对应区域大小之比.
例1.7 在区间(0,1)中随机地取两个数，则这两个数之差的绝对值小于0. 5
的概率为_______ .
解应填0. 75.
设两个数分别为 D，则依题意(工,丁)的取值范围为正方形区域D={(x,y)\
Q<x<l,Q<y<l}. 又|_r—切<0.5,则所在区域如图1-3中阴影部分所示，于是所求
概率为图1-3
例1.8 随机地向半圆0<yV V2ax—x2 (a>0)内投掷一点，点均匀落在半圆内任何一个区域，求
该点和原点连线同工轴的夹角0W于的概率.
y
解由题设，半圆与直线》=工的交点坐标为(a,a),如图1-4所示，阴影
区域D内任意点与原点连线同工轴的夹角拓芳，因此所求概率为
(J a la x
图1-4
三、概率的基本性质与公式
1.加法公式、减法公式、逆事件概率公式
首先，要记住概率性质和公式(等量关系:加法公式,减法公式与逆事件概率公式•不等式关系:有
界性，单调性，"⑷戸⑻三卩⑷才卩⑻,P(B|A)=皆警器(AB)(卩⑷>0),等等).
其次，要将题目中的已知条件，即所求事件的概率及其数量关系用数学符号明确表示岀来.
最后，通过解方程或等量代换即可求得所要结果.
例1.9 设为两个随机事件，则(
(A)
P(AB)+P(AB)<1 (B)
P(AB)+P(AB)>1
(C)P(A-BXP(A)-P(B) (D)P(AUB) + P(AUB)<1
解应选(A).
本题涉及事件之间的关系，由于ABCAUB,即有P(AB)<P(AUB),从而有
P(AB)^P(AUB) = 1-P(AUB) = 1-P(AB),
即 P(AB)+P(AB)<1,同时有
P(AUB)-P(AB)=P(AUB)+P(AB)-1=P(AUB)+P(AUB )-1>O,
即 P(AUB)+P(AUB)^1,
13
丫勺(考研数学基础30讲•概率论与数理统计分册
知选项(B), (D)不正确.又ABCZB,有P(AB)<P(B)，从而有
P(A-B)=P(A)-P(AB)^P(A)-P(B),
知选项(C)不正确，故本题选择(A).
例 1.1() 设A和B是任意两个事件，讨论下列命题的正确性.
若
① P(A)=P(B),则 A=£；
若
② P(AB) =0,则 AB=0.
解两个命题都不成立•考虑向区间［0,2］上掷一随机点的试验.令A=｛随机点落入区间［0,叮上
£=｛随机点落入区间口,2］上｝.显然P(A)-P(B),P(AB)-0,然而A^B,AB^0.
例1.
设随机事件满足P(A)=P(B)=-|和P(AUB) = 1,则有( ).
AUB=fi
(A) (B)AB-0
P(AUB)
(C) =1 (D)P(A-B)=0
解应选(C).
根据加法公式P(AUB)=P(A) +P(B)-P(AB),将已知条件代入得l=y+-|—P(AB),即P(AB)=0,
从而 P(AUB)=P(AB) = 1-P(AB) = 1,选(C).
: 【注】P(A) = 1不能推出A=O；PCB)= 0不能推出3=0. §
2.条件概率公式
例 1. 12 已知 P(A)=0. 3,P(B)=0.4,P(AB)=0. 5,求 P(B|AUB).
解由条件概率的定义知P(BAU^)=芯靄，其中
P(AUB)=P(A) +P(功一P(屈)=0. 7+0. 6-0. 5 = 0. &

又由 P(AB)=P(A)-P(AB),可得
P(AB)=P(A)-P(AB)=0. 7-0. 5 = 0. 2.
代回原式，可得 P(BAU 盼豁^ =瑟=0.25.
例 1. 13 设 A,B,C 是三个随机事件，A 与 C 互斥,P(AB)=y,P(C)=y,!ilijP(AB|C) =
解应填#.
因为A与C互斥，所以P(AC)=0.又AECUAC,所以P(ABC)=0,故
J_
»5尸、P(ABC) PCAB)-P(ABC) T 3
p(ab|c)=_^F=i^p(c)"-
3
【注】由于AC=0,则ABC=0B=0，得到P(ABC)=0.
14
3.乘法公式
已知 P(A)=y,P(B|A)=y,P(A|B)=y,求 P(AIJB).
解由乘法公式知
P(AB) 1/12
P(AUB)=P(A)+P(B)-P(AB) = f+計卄
某人给四位亲友各写一封信，然后随机地装入4个写好地址的信封中，且每个信封装一
封信.问:
(1) 4封信都装对了的概率；
(2) 4封信都装错了的概率.
解设事件A,(=1,2,3,4)为“第z封信装对了”，事件A为“4封信都装对了”，事件B为“4封信都装
错了” •于是
(1)卩(人)=_?(人小2恥4)=卩(人1)卩(人2 |Ai)P(A3 |A1A2)P(A4 |人心3)
TXTXTXT = 24-
P(B)=P(A?A
(2) ；A；A；)
=1—P(Ai A2 A3 A4) = 1 — P(Ai UA2 UA3 UA4)
=1- {P(A1) + P(A2)+P(A3)+P(A4)-

[P(A1A2)+P(A1A3)+P(A1A4)+P(A2A3) +卩(人2人)+卩(人3人)]+
[P(A1A2A3) +P(A1A2A4) +P(A] A3A4) +HA2A3A4)] —P(A1 A2A3A4)},
其中 P(Ai)= +，P(AAj)=+><* = ^,_P(AA/.&)=*><*X* = £(lW,jMW4,送;m ,于是
【注】本题装信过程可看作无放回抽取信件,依次装入信封•在计算第(2)问时，直接计算是较
4.全概率公式
全概型的特点是事件的发生是在多个因素或条件下发生的,且这多个因素或条件构成一个完备
事件组，抓住并设定完备事件组是解决这类问题的切入点和关键.
每箱产品有10件，其次品数从0到2是等可能的，开箱检验时，从中任取1件，如检验出
是次品，则认为该箱产品不合格而拒收•假设由于检验有误，将1件正品误认为次品的概率为2%,1件次
品被漏查而判为正品的概率为5%,求该箱产品通过验收的概率.
解题中有两个完备事件组:一是箱中次品的件数为0,1,2；-是通过验收是在正确判断和错误判断
的两种情况下发生.设A(=0,l,2)为“箱中有0个次品”,B为“通过验收”，b为“抽取正品”,于是有
P(A; )=-y(z=0,1,2),
15
P(B1|AI)=^V，
从而由全概率公式得
2
P(B1)=Sp(A,)P(B1|Ai)
i=0
1 2
10 — 0
=0. 9,
° i=Q 10
P(B；)=0. 1,
因此由全概率公式得
=0. 9X0. 98+0.1X0. 05 = 0. 887.
【注】本题中，通过验收是在完备事件组5,首背景下发生的，抽取正品则是在完备事件组］
\ A°，A，A2背景下实现的，因此，具备全概型的特征. I
5.贝叶斯公式(又称逆概率公式)
贝叶斯概型的特点是事件在多种因素或条件下发生,在事件已经发生后反过来讨论该事件是在
哪个因素或条件下发生的概率.
设有两批数量相同的零件，已知有一批产品全部合格，另一批产品有25%不合格.从两批
产品中任取1只,经检验是正品，放回原处,并从原所在批次再取1只,求这只产品是次品的概率.
分析两次抽取情况有不同处，第一次是在完全不知情的情况下等可能地从两批产品中抽取，第二次
是在第一次抽取产品并检验合格后，这时对所抽取是第一批还是第二批产品的概率已有计算，因此计算要
分两步走•第一步:在已知抽取产品合格的条件下，计算抽取的是第一批还是第二批产品的概率，属于贝叶
斯概型;第二步:事件“从第一批产品中抽取”和“从第二批产品中抽取”构成一个完备事件组，计算第二次
抽到次品的概率，属于全概型•两个概型的复合,常常是该类题型的特点.
解设H( = l,2)为“第一次从第i批产品中抽取”,A为“所取产品为正品”，则有
1 Q
F(H1) = P(H2)=y, P(A|H1)= 1, P(A|H2) = y,
即有
7
P(A)=P(H1)P(A|H1)+P(H2)P(A|H2)=y,
从而有
P(H2 |A) = 1-P(H1 |A)=y.
又设GG=1,2)为“第二次从第0批产品中抽取”，则有
P(C1)=P(H1|A)=y, P(C2)=P(H2|A)=y,
P(A) = P(C1)P(A|C1)+P(C2)P(A|C2)
16
四、事件的独立性和n重伯努利试验
1.事件的独立性
三人独立地破译一个密码,他们能单独译出的概率分别为+，+,+,求此密码被译出的
例L 18
概率.
解记事件A为“第i个人译出密码”异=1,2,3,事件B为“密码被译出”.则
P(B)=P(Ai UA2 UA3) = 1—P(Ai A2 A3) = l
【注】互不相容可简化并事件的概率计算，相互独立可简化交事件的概率计算•这里为了利用i
5相互独立性，把事件的并在对偶律下转化为事件的交，这一方法会经常用到. ｛
例 1. 19 设A,3是任意两个事件，其中0 VP(A)<1,证明:P(B|A)=P(B|A)是事件A,E相互
独立的充分必要条件.
证明由OVP(A)<1,知条件概率P(B|A),P(B|A)均存在.
必要性.若 A,B 相互独立，则有 P(B|A)=P(B),P(B|A)=P(B),从而有 P(B|A)=P(B|A).
充分性•若 P(B|A)=P(B|A),BIJ有
P(AB)_P(AB)_P(B)-P(AB)
P(A) — P(A) _-1 —P(A)-，
P(AB)[1-P(A»P(A)[P(B)-P(AB)],
从而有P(AB)=P(A)P(B),即A,B相互独立.
例 1.2() 将一枚硬币独立地掷两次，引进事件:人=｛掷第一次出现正面｝,人2 = ｛掷第二次出现正
面｝，4 = ｛正反面各出现一次｝,几=｛正面岀现两次｝，则事件( ).
(A)
A i，A2，A3相互独立 (匕)人2,4，人4相互独立
(C)Aj ,A2,A3两两独立 (。)人2,人3，人两两独立
解应选(C).
由题设，根据古典概型，有
P(A1)=P(A2)=P(A3)=-|
P(AlA2)=-^, P(AiA3) -, P(A2A3) =-^-,
但
PCA.A.As) = O^P(A1 )P(A2 )P(A3),
知A】,A2 ,A3两两独立，但A ,A2 ,A3不相互独立.
又
A3A4 = 0, P(A4)=y, P(A3)=y, P(A3A4)=O#P(A3)P(A4),
知a2,a3,a4不两两独立，也不相互独立,故选择(C).
17
2,重伯努利试验
(1) 独立试验称试验Ei，E2,…,E”为相互独立的，如果分别与各个试验相联系的任意"个事件

之间相互独立.
(2) 独立重复试验“独立”表示“与各试验相联系的事件之间相互独立”，其中“重复”表示“每个
事件在各次试验中出现的概率不变”.
(3) 伯努利试验只计“成功”和“失败”两种对立结果的试验，称为伯努利试验.将伯努利试验独
立地重复进行n次，称为“重伯努利试验，亦简称伯努利试验.
于是,伯努利试验的特点：
① 只有两种对立的结果；
② 各次试验相互独立；
③ 各次试验成功的概率相同.
相应地，"重伯努利概型是满足下述条件的随机试验：
① 每次试验只有A与兀两个结果；
② 每次试验A发生的概率p = P(A)不变；
③ 试验独立重复进行n次.
如果用X表示"次独立试验事件A发生的次数，则X〜B(n,p),即
例 1.21 对同一目标接连进行3次独立重复射击,假设至少命中目标一次的概率为壬,则每次射
击命中目标的概率P=________
解应填*.
记事件A = {第。次命中目标(=1,2,3).由条件知，事件4，儿，4相互独立,且其概率均为p.已
知进行3次独立重复射击，则至少命中目标一次的概率为
PCA. UA2 UA3) = 1-P(A； A； A；)
= 1-P(A；)P(A)P(A；)
7
=1 —(1—盯=专，
由此得e=寺.
例 1.22 某人向同一目标独立重复射击，每次命中目标的概率为卫(0<p<l),则此人第4次射击
恰好第二次命中目标的概率为( ).
(A)3p(l—pF (B)6p(l —p)? (C)3，(1—p)2 (D)6p2(i—p)2
解应选(C).
依题设,4次射击，最后一次命中，前3次有一次命中.若设前3次射击有£次命中，则£〜B(3,p),
且有
P{^=l}=C\p(l-py.
于是第4次射击恰好第二次命中目标的概率为3/(1—力)2,故选择(C).
18
口 ]^基础习题精练 _ _____
1.1用事件A,B,C的运算关系表示事件:①A,E,C都不发生;②A,jB,C不都发生;③A,B,C不多
于一个发生.
1.2甲口袋有5个白球、3个黑球，乙口袋有4个白球、6个黑球.从两个口袋中各任取一个球，求取
到的两个球颜色相同的概率.
1 斤
1.3从[0,叮中随机地取两个数，求其积大于其和小于十的概率.
1. 4两个人相约7点至8点到某地会面，先到者等另一人20分钟就可以离去，求两个人能会面的
概率.
1.5 已知事件满足P(AB) = P(AnB),记 P(A) = p,求 P(E).
1.6 已知 P(A)=0. 7,P(A—B)=0. 3,求 P(丽).
1. 7设A,B为两个随机事件，且P(A)=0. 4,P(AUB)=0. 7.若A,£互不相容，则P(B)=_______ ；
若A,E相互独立，则P(B)=_______ ;若人发生B必发生，则P(B)=________ .
1. 8甲、乙两人独立地对同一目标射击一次，其命中率分别为0. 6和0. 7.现已知目标被击中,求它是
甲射中的概率.
1. 9已知装有同种零件的产品两箱，第一箱内装50件产品，其中一等品10件;第二箱内装30件产
品，其中一等品18件，现从两箱中任意挑选一箱.求:从中先后取岀两件产品(取后不放回)，先取出的产品
是一等品的概率已知先取出的产品是一等品,那么第二次取出的产品仍然是一等品的概率q.
1. 10 口袋中有1个球，不知它的颜色是黑的还是白的，现再往口袋中放入1个白球，然后从口袋中
任意取出1个，发现取出的是白球，求口袋中原来那个球是白球的概率.
1. 11设A,B,C为三个随机事件，且A与C相互独立,B与C相互独立，则AUB与C相互独立的充
分必要条件是().
(A)A与B相互独立 (B)A与3互不相容
(C)AB与C相互独立 (D)AB与C互不相容
1.12设事件A在每次试验中出现的概率为p,则在"次独立重复试验中事件A最多出现一次的概
率7=_______ .
1.1解这是一道要求将概率论语言叙述的事件用事件关系来表示的题目，只要知道各种运算所描
述的事件关系，此题是不难解答的.
① {A,B,C都不发生} = {A不发生，且B不发生,且C不发生} =ABC=AUbUC.
② {A,B,C不都发±} = {A,B,C至少有一个不发±} = {A,B,C都发生}的逆事件
=AUBUC=ABC.
19
③｛A,B,C不多于一个发生｝ = ｛A,B,C至多有一个发生｝ = ｛A,B,C至少有两个不发生｝

=abuacubc=abcuabcuabcuabc.
1.2解从两个口袋中各取一个球，共有种等可能取法，而两个球颜色相同有两种情况:第一
种是从甲口袋取出白球，从乙口袋也取出白球;第二种是从甲口袋取出黑球，从乙口袋也取岀黑球.共有
CQ+CQ种取法，于是P｛取到的两个球颜色相同｝= 欝绘竺=栄.
1.3解从［0,叮中随机地取两个数工与丿,可以看成从图1-5所示正方形区域
中任取一点，满足几何概型的两个特点.记=
｛(2,丿)| _z+|，对应图1-5中阴影部分.
图1-5
15 -*ln 2.
32
1.4解设两个人到达的时间分别为贝 lj(_r,y)的取值范围为边长为60的正方形区域，设两个
人会面的事件为A.
则A成立的范围是｛(z,y)| |工一夕|£20｝,即当_z為时，工一j<20;当zVy时，
z—20.于是，如图1-6所示，有
602 —402 _ 5
P(A)
602
1.5 解因为
P(AB)=P(AnB)=P(AUB) = l-P(AUB) = l-P(A)-P(B)+P(AB),
由此得 l-P(A)-P(B)=0,
所以 P(B) = 1—P(A) = 1 —/>.
1.6 解因为 0. 3 = P(A-B)=P(A)-P(AB)=0. 7~P(AB),由此得 P(AB)=0. 7-0. 3 = 0.4,
所以
P(AB) = l-P(AB)=0. 6.
1.7 0.3；0.5；0. 7 解由加法公式，有 P(AUB)=P(A)+P(B)-P(AB), 于是:
若 A,E 互不相容，则 P(AB)=0,P(B) = P(AUB)-P(A) = 0. 3；
若 A,B 相互独立，则 P(AB)=P(A)P(B),P(AUB)=P(A)+P(B)-P(A)P(B),解得
p(b)=p aUb( )—P(A)二。5.
丿 l-P(A) •，
若A发生B必发生，则P(B)=P(AUB)=0. 7.
1.8解记事件A为“目标被击中”，事件B为“甲射中目标”，事件民为“乙射中目标”，因为人=
b UB2,所以 P(A)=P(B1UB2)=P(B1)+P(B2)-P(B1B2)
=0. 6+0. 7—0. 6X0. 7 = 0. 8&
考虑到 BUA,故有 P(Bi I A) = )= g殳；=682.
1.9解记A=｛第一次取出的产品是一等品｝,B=｛第二次取出的产品是一等品｝，则
P=P(A), 9=F(B|A)=^^.
20
要计算P，q,仅需求出P(A),P(AB).而事件A,AB都是试验的结果，它与其前提条件产品取自哪一
箱有关•因此我们自然想到:写出前提条件,应用全概率公式计算P(A),P(AB).
记G = ｛产品取自第z箱｝G=1,2),则
C1C2 = 0, C]UC2=d, A=ACi+AC2 , AB=ABC1 +ABC2,
故 P(A)=P(AC1)+ P(AC2)=P(G)P(A|G)+P(C2)P(A|C2)
_ 1 y10 , 1 v18_ 2
_TX50+TX30_T,
P(AB)=P(ABC1)+P(ABC2)=P(Ci)P(AE|G)+P(C2)P(ABC2)
=丄乂12乂 2 丰 1 乂 18 乂 17— 276
2 X50X49+ 2 X30X29 1 421'
r(A)=Z 匕坐1 =空—5 =如

p'丿 5' q P(A) 1 421 2 1 42V
1.10解记事件A为“取出的是白球”，事件B为“原来那个球是白球”.容易看出：
P(A|B)-1, P(A|B)-y.
另外，由于不知道袋中原来那个球的颜色，故P(B)=P(B)=-^,由贝叶斯公式得
TX1+TX1
1.11 (C)解 AUB 与 C 相互独立，即 P[(AUB) nC] = P(AUB)P(C).
由 P：(AUB)nC] = P(ACUBC)
= P(AC)+P(BC)-P(ACABC)
= P(A)P(C) +P(B)P(C) —P(AEC),
而 P(AUB)P(C) = [P(A)+P(B)-P(AB)]P(C)
= P(A)P(C)+P(B)P(C)-P(AB)P(C),
所以AUB与C相互独立的充分必要条件为P(ABC)=P(AB)P(C),即AB与C相互独立.应选(C).
1.12 (1-py+%(1—p)"T 解设民=｛在"次独立重复试验中事件A恰好出现怡次｝魏=0,
1),则
P=P(B0)+P(B1) = a-p)n+np(l-py-\
21
22
第2讲一维随机变量及其分布
Jx 基础內容精讲
一、随机变量及其分布函数的概念、性质及应用
1.随机变量的概念
随机变量就是“其值会随机而定”的变量•设随机试验E的样本空间为0 =匕},如果对每一个0）612,
都有唯一的实数X（s）与之对应，并且对任意实数工,{3|X（3）W_Z,3WO}是随机事件，则称定义在。上的
实值单值函数X&）为随机变量，简记为随机变量X. —般用大写字母X,Y,Z,…或希腊字母&",“•••来表
示随机变量.
【注】（1）随机事件是从静态的观点来研究随机现象，而随机变量则是一种动态的观点，如高j
I等数学中常量与变量的区别.
（2）随机变量的实质是“实值单值函数”，这个定义不同于高等数学中函数的定义（其“定义域” I
］一定是实数集），它的“定义域”不一定是实数集，这点需要读者注意.
2.分布函数的概念及性质
（1）概念.
设X是随机变量,工是任意实数,称函数FCz） = P{XW刃QCR）为随机变量X的分布函数，或称X
服从FQ）分布，记为X〜FCz）.
；【注】分布函数完整地描述了随机变量的统计规律性. 5
（2）性质（也是充要条件）.
① FQ）是工的单调不减函数，即对任意实数心，有FQJWFC*）;
② FCr）是工的右连续函数，即对任意z°CR,有limFCz）=FCz°+0）=F5）；
L彳
③ F（—oo）= lim F（j7）= 0,F（+oo）= lim F（x） — 1.
_r~>—oo j^-4-oo
【注】（1）务必记住分布函数是事件的概率，由此知OMFCr）Wl,即FCz）是有界函数.
（2）满足以上三条性质的函数FQ）必是某个随机变量X的分布函数，所以，这三条性质也是判|
S断函数F&）是否为某一随机变量X的分布函数的充要条件.
3.分布函数的应用—
—求概率
P{X£a}=F(a)；
P{X<a}=F(a—0)；
P{X=a}=F(a)—F(a —0).
—离散型随机变量和连续型随机变量
二、常见的两类随机变量—
1.离散型随机变量及其概率分布
如果随机变量X只可能取有限个或可列个值心，工2，…,则称X为离散型随机变量.称
23
P{X = J\・} = P 9 0 = 1 9 2 9 …
为X的分布列、分布律或概率分布，记为X〜也,概率分布常常用表格形式或矩阵形式表示，即
X 4 JC2 … Q x2
或X〜
P P1 Pi … P\ P2
数列{化}是离散型随机变量的概率分布的充要条件：也$0（；=1,2,…）,且=1.
设离散型随机变量X的概率分布为P {X=x.}=p.,则X的分布函数
FCz)=P{XCz}=》；P{X = £},
hW工
P{X=zjci} =P{X^j：i} —_P{XV’} =F(’)一F^jci—0) 9

并且对实数轴上的任一集合B有
P{XEB}=》P{X = ^},
*B
特别地， P{a<X^b}=P{X^b}-P{Xâ}=F（b）~F（a）.
2.连续型随机变量及其概率密度
如果随机变量X的分布函数可以表示为
F(z) = f（t）dt Cz€R）,
其中/'（工）是非负可积函数，则称X为连续型随机变量，称/•&）为X的概率密度函数,简称概率密度，记为
X〜/*（£）・
/•&）为某一随机变量X的概率密度的充分必要条件：/（工）$0,且］ =1（由此可知，改变
_/■&）有限个点的值,/&）仍然是概率密度）.
设X为连续型随机变量,X〜/■&）,则对任意实数C,有P{X=c}=0；对实数轴上任一集合B,有
P{XEB}= /a)dz,
JB
特别地,
P{a<X<b} =P{a^X<b} =P{a<X^b} =P{a<X<6} = J/(j：)cLr =F(b) —F(a).
【注】（1）“概率密度”这个名词的由来可解释如下：取定一个点工,则按分布函数的定义，事件§
| {^VX^z+/i}5>0,为常数）的概率应为 FCz+70—F&）.所以，比值［F（z+A）-F（x）］/A 可以 |
I解释为在点工附近长为力的区间（工"+刃内，单位长所占的概率.令A—o,则这个比值的极限，即i
I F'Q）=/（z）,也就是在点工处（无穷小区间内）单位长的概率.或者说，它反映了概率在点工处的I
I “密集程度”•设想一条极细的无穷长的金属杆，总质量为1,概率密度相当于杆上各点的质量密度.纟
» C2）P{a<X<b}= /（^）dz意味着X落入某一区间的概率等于该区间上概率密度曲线之下》
j的曲边梯形的面积.应用概率的这种几何意义，常常有助于问题的分析与求解.
（3）设X-fCr）,则X的分布函数FS）是工的连续函数.在/（刃的连续点工。处有F'（z°）= j
| y 如果FCz）是连续函数，除有限个点外，F'G）存在且连续，则X为连续型随机变量，且|
I /（z）=F'Cz）（在F'Q）不存在的地方可以令fS = 0或取其他值）.
24
三、常见的随机变量分布类型
1.离散型
(1) 0—1 分布
/I 0 \
如果X的概率分布为X〜，即P{X=-l}=p,P{X=Q} = l~p,则称X服从参数为”的
\p 1一 p '
0-1 分布，记为 X~B(1,/>)(O<P<1).
(2) 二项分布 B(“,p).
如果X的概率分布为P{X=k}=C^pka-py-k(k=QA,-,niO<p<l),^\称X服从参数为5,p)的二
项分布，记为X〜
【注】如果X是77重伯努利试验中事件A发生的次数，则X〜ES"),其中p=P(A).这个结5
5论在解题中会经常用到. i
(3) 泊松分布P(A).
如果X的概率分布为
P{X=^}=^ye_A(^=0,l,---；A>0),
则称X服从参数为入的泊松分布，记为X~P(A).
(4) 几何分布G(p).
如果X的概率分布为
p{x=k}=(i—py^1 p (怡=1,2,…；ovpvi),
则称X服从参数为p的几何分布，记为X〜G(p).
【注】设X表示伯努利试验中事件A首次发生所需做的试验次数，则X〜G(p),其中p= $
I P(A).
(5)超几何分布H(n,N,M).
如果X的概率分布为P{X=b}=g弊2 (max{0,n-N+M}^^min{M,«} ；M,N,n为正整数且
5
M^N,n^N,k为整数)，则称X服从参数为(n,N,M)的超几何分布，记为X〜HGi,N,M).
2.
连续型
(1)均匀分布U(a,b).
如果随机变量X的概率密度和分布函数分别为
‘0, x<Za^
心 = ［戸 a<Zx<Zb 9
1°, F(«z)=y — 9 a^x<Zb 9
b—a
其他，
119 Jc^b,
则称X在区间(％)上服从均匀分布，记为X〜U(a，b)・(见图2-1,图2-2)
25
1 1 1 /（X）
b-a
1 1
1 1
1 1
1 1
1 1
a o b 兀
图2-1
【注】区间(Q』)可以是闭区间[%];几何概型是均匀分布的实际背景，用几何方法计算事件I
5概率时，已假设点在区域内服从均匀分布；几何概率可以用均匀分布函数计算.
(2)指数分布EQ).
如果X的概率密度和分布函数分别为
仏厂肚，工〉0, (1 —「肚，工$0,
f(x)= F(jc)= (A>0),
〔0, 其他， Io, 工<0
则称X服从参数为入的指数分布，记为X〜E⑴.(见图2-3,图2-4)
如果X的概率密度为
f(x)= _ _ e 2，」(―oo<j；< + oo),

亦G
其中一兀<“<+8,°>0,则称X服从参数为(〃,/)的正态分布或称X为正态变量，记为X〜NS孑).
此时于(工)的图形关于直线对称，即fg — Q =*〃+工)，并在工=〃处有唯一最大值
V 2tc(7
如图2-5所示.
称〃 =Oy = 1时的正态分布N(O,1)为标准正态分布,通常记标准正态分布的概率密度为 g =
耕厂九2，分布函数为①(工)=左匚点dt.显然以工)为偶函数，则
①(0) = ~,①(―工)=1 一①(z).
26
如图2-6所示.
图2-6
若X〜N(O,1),P{X>他}=a,则称/为标准正态分布的上侧a分位数(上a分位点).
如果X〜N(〃,/),则
F(“一jc) + F(“+«z) = 19
P{a<X<b}=①(宁)一①(于)，
aX~\~b 〜N (qHO).
四、一维随机变量函数的分布
1.概念
设X为随机变量，函数y=gCr),则以随机变量X作为自变量的函数Y=g(X)也是随机变量，称为随
机变量X的函数.例如:y=aX2+6X+c,Y= IX—a| ,Y= J' 乂三】，等等.
\1, X>1,
2.随机变量函数的分布
(1) 离散型-离散型.
设X为离散型随机变量,其概率分布为p, = p{X=i}G=l,2,…)，则X的函数Y=g(X)也是离散
型随机变量,其概率分布为P{Y=g3)}=»G=l,2,…)，即
'g(Zl)g&2) ••
Y〜
、P\ Pi •:
如果有若干个g(i)值相同，则合并诸项为一项gd),并将相应概率相加作为Y取以忑)值的概率.
(2) 连续型-*连续型(混合型).
设X为连续型随机变量，其分布函数、概率密度分别为FxCz)与 W随机变量Y=g(X)是X的函
数，则Y的分布函数和概率密度可用分布函数法求得.
Fy(y)=P{YW，}=P{g(X)Wy} =JJ g(X)<y
如果Fy0)连续,且除有限个点外,珥匕)存在且连续，则Y的概率密度fy(J/)=Fy(^).
27
基础例题精解
一、分布函数、概率分布、概率密度的概念与性质
FQ)
(1) 是分布函数QFQ)是工的单调不减、右连续函数，且F(—s)=0,F(+oo) = l.
: 【注】若FQ)为分段函数，必须在分段点处考虑右连续.
⑵®}是概率分布upy 且工pi = i.
/a
(3) )是概率密度 uyCr)$0,且
J —oo
例2. 1 已知离散型随机变量X的正概率点为一1,0,2,它们各自的概率互不相等且成等差数
列，则X的分布律为_______ ，分布函数为________ ,P{ |X|<1| X>0}=________ ,
O eV—1，
'一1 0 2 £+〃9 — 1《攵<。9

1 1 3
解应填X〜±+, X斗牙<〃<可，〃工0; F(z)= s
o o o
可 + 〃，0£力<2,
、19 力 $ 2；
]
2 — 3d*
设 P{X= — 1} =a~\~dP{X=0} = Q9P{X=2} =a—d9其中 0*^6/+90<Ctz<\l 90*^(2—d<ZJ\.，由离
散型随机变量X分布律的性质，有
q+〃+q + q — d = 3a = 1，
，—10 2 、
解得q =吉，且 </<+，〃工0,因此X〜 ] ]1 ，其中 <〃<+，〃工0・
3 3 3 叶+ d y y-6/J 3 3
所以
99 X V— 1 9
*+力9 — 1£«Z<C)9
F(h) = Y
2
—dy 0 j: < 2,
、1 9 九Z 2・
28
例2. 2 设Fi (工),F2(Q是随机变量的分布函数,£ (Q ,/2 Q)是相应的概率密度，则( ).

(A)Fi(工)+尸2(工)是分布函数 (B)Fi(z) • F2(j;)是分布函数
(0£(工)+九(工)是概率密度 (D)£Q)・九©)是概率密度
解应选(B).
根据连续型随机变量分布函数和概率密度的性质，有
Fi (+°°)+F2(+°°)= 2, j [/j (j;)+ /2 = 2,
f+°° f-R>o
(工)于2 (z)<lr 丰 /i /2 (j：)dz = 1,

J ―oo J —oo
应排除选项(A), (C), (D),故选择(B).事实上，由于Fi (工)• F2 (工)是单调不减的右连续函数，且

Fi (― °°) • F2 (― °°) = 0, Fj (+co). F2(+oo)= 1,
可直接判断选项(B)正确.
二、分布函数、概率分布、概率密度之间的关系与转换
(1) 已知{旳为概率分布，则分布函数FCr) = P{X£刃=》P{X = ’} =工》；已知概率密
度为/(X),则分布函数FQ) =「y(i)dz.
J —co
(2) 反之，已知X的分布函数为FQ),那么首先要判断X是什么类型的随机变量:如果FQ)是阶
梯函数，则X为离散型的,X可能取得的值*必为FS)的间断点，且人=尸&=不}=尸@)一尸(1一0)；如
果FQ)是连续函数，且除有限个点外，F'&)存在且连续，则X是连续型随机变量，其概率密度
/a)=ra).
(3)除上述两种情况,X常常是混合型随机变量.见例2. 19.
MltM 已知随机变量X的概率分布为
X 1 2 3
P{X=k} 02 20(1—0) (1_0)2
且P{X》2}=¥，求未知参数0及X的分布函数F&).
解由 P{X$2}=P{X=2}+P{X=3}=20(l—e)+ (l—刎=1—护=#,解得 0=士*.
又P{X= 2} = 20( 1—0) $0,故取0=*,从而得X的概率分布
X 1 2 3
P{X=k}
1 1 1
T T
X的分布函数
29
*9 1£龙<2,
FCz) = P{X^x} = ^P{X = i}=<
, 2 冬jc<3，
、1，工$3・
例2. 4 已知X的分布函数为FQ),概率密度为 g.当工£0时,*工)连续，且/'(工)=FCr)，若
F(0) = l,求 F(z),yCz).
解由于FCz)是单调不减的函数，故对任意的x>0,有FQ) = 1.又工=0时,/Xz)连续，故fS =
F'(z),已知 /'(z) =F(工)，由微分方程 F'(z)=FQ),及 F(0) = l,解得 F(^) = e^(j;<0)，从而得
Q， E VO,
F(z) =
h,
严工<0,
念)=<
lo, 力$0・
【注】当分布函数是不连续的分段函数时，为保证其右连续性，自变量工的分段小区间除第一 ?
i个区间之外，其余都应是左闭右开的. 公众号陈叨叨杂货铺免费分享 I
例2. 5 ■刪蜩fl雷■豳购瓣觀1
10, 其他.
求X的分布函数FQ).
解当lWrV2时，
FQ)= 「2(1 —》)曲= D
2 (x~\--— ) —4=2 (x~\---—2

\ X
当工<1时,
FQ) = [ Odz ==0；
当工$2时,
F(z) T?(l-》)曲=2“ + * 2X* = 1.
故
0,
F(z)=v 2(h++ — 2)9 ,
11， x^2.
30
三、利用分布计算概率及其逆问题
已知X的分布，则可以求出用X的取值范围表示的事件的概率.
如果已知X的分布函数FQ),则P{X£a}=F(a),P{X<a}=F(a — 0)，由此应用概率性质可
以求得X在任一区间内的概率，例如，
P{X=a}—P{X^：a} ~P{X<Za}=F(a) — F(a—Q),
P{a<X<b} =P{X<6}-P{X<a}=F(6-0)-F(a),
等等.
(1)如果已知X的概率分布{»},则对实数轴上任意集合B有
P{XE B} = £>{X = £.
叫WB
(2)如果已知X的概率密度f(x),则对实数轴上任意集合B有
P{XEB}= f(x) dx.

JB
特别地,
P{X=c}=0( VcER),
P{a<ZX<Zb} = J f(J7)dz.
(3)反问题:已知某个事件的概率值求与其有关的未知参数，则只要写岀与此事件有关的相应公
式及概率，反解等式或不等式，即可求得未知参数或其取值范围.
■粉设随机变量X的概率分布为P{X=^k} =>U(b = l,2,3,4,5),求常数A及概率
P
5 5 [
解由于 ^P{X^k} = 1,即A» = 15A= 1,解得人=舟，且
k=l &=1 丄3
P 传 VX<1_}=P{X=1}+P{X=2}=書1 + 2
. 皆 1
15 15 5
BatM 设随机变量x的分布函数为
— [a-\~be~x,
F(z) =
0,
求常数sb及概率P{|X|<2}.
解 FQ)中含有2个未知参数，依据分布函数的两个性质建立两个方程解之.
由分布函数的性质，有
F(+oo)= lim F(h)= lim (a+6e_x) = l,
jr*4-oo u~-*4-oo
得a = l.又FQ)在x=Q处右连续，有
limF(z) = lim(a+be—°) =a+b=0,
jr*0+ >0+
一一一一一… (1一亍，工>0,
得b= —1.所以 F(z) =
〔0, 工£0,
从而有 P{|X|<2}=P{—2<XV2}
=F(2—0)—F( —2) = l — e一 2—0=1 —e".
31
彳勺?考研数学基础30讲•概率论与数理统计分册
■"：■ 设 X〜N(2,/),且 P{2<X<4}=0. 3,求 P{X<0}.

解已知X〜N(2,/),故
P{2VX<4}=①(牛) —① 2-2 一0.5=0.3,① =0. 8,
P{X<0}=①(宁)=1-①仔) —0. 2.
【注】结合图2-7,本题应用面积求解更为直观、简便. /x)a ,
已知 P{2<X<4}=0.3,故 X Z?\
P{XV0}=0.5—0.3 = 0.2. 血丿: 7 一 }
O\ 1 2 3 4 x 纟
图 2-7 :
2x, OVjcVI 9
例2. 9 ■^麵J働眶―血噩鲫豳 Y表示对X的3次独立重复试验
0, 其他，
中事件XW ，求 P{Y=2}.
解依题意y~B(3,/>),其中 p=p]xw*}=[ 2址=*,故 P{Y=2}=C/(1—切=舊.
四、八个常见随机变量分布类型及其应用
1.离散型随机变量的分布
0 —1 分布.
(1)
0-1分布就是n=l情况下的二项分布，即只进行一次试验，该事件发生的概率为p,不发生的概
率为q=\_p.这是一个最简单的分布，随机现象的结果只有两种，比如抛硬币观察正、反面，新生儿
是男还是女,检查产品是否合格等，都可用它来描述.
例 2. 1() 设X服从0—1分布，其分布律为P{X=^}=//(l—p)i匕=0,1,0<°<1,求X的分布
函数，并作岀其图形.
解当 z<0 时,FQ)=P{X£刃=0；
%)
当 0<j；<1 时，
F(jc)=P{X<jc}=P{X=O} = l-p；
当x^\时， 1
F(z)=P{XCz}=P{X=O}+P{X=l} = (l—/) +p=l.

1-P"------------ O
所以 ---- i------------- 1------------- 1----------- >
公众号陈叨叨杂货铺免费分享
O 1 2 X
ro, 工<0,
F(z)=<jl—卫，0£工<1, 图2-8
〔1,
作图，如图2-8所示.
32
(2)二项分布E(n，p)・
例 2. 11 设 X〜_B(2,p),Y〜3(4,仞,且 P{X$1}=>|,则 P{Y^1} = ( ).
(A)|| (B)|| (C)l (D)y
解应选(A).
斤 4 1
由题设 P{X>l}-y = l-P{X=0}=l-C^°(l-/>)2,即(1 —P)2=~|■，解得严专，从而有
p{y>i}=i-p{y=o}=i-ap°(i-/>)4=i-(y)4=||,
故选择(A).
(3)几何分布及其推广.
I2~x\n 2,
设随机变量X的概率密度为心)=]°, •Z〉C)9
例 2. 12 其他对X进行独立重复的观测，直到
第2个大于3的观测值出现时停止，记y为观测次数.求Y的概率分布.
f-+°° 1
解记P为“观测值大于3”的概率，则〃=F{X>3}=二2^1n 2dz =
依题意,Y为离散型随机变量,而且取值为2,3,-,则Y的概率分布为
P{Y=b}=C2_ip(l—. p=c；_ip2(i—P)—2 = (©—])(*) (£) 匕=2,3,....
(4)超几何分布.
从一个有限总体中进行不放回抽样常会遇到超几何分布.
设由N个产品组成的总体，其中含有M个不合格品.若从中随机不放回地抽取"个，则其中含有
不合格品的个数X是一个离散型随机变量.假如则 X可能取0,1,…，”;若”>M,则X可能取
0,1,…,M由古典概型概率公式容易算得
P{X斗}=洱严， (*)
其中 max{0,m-N+M}M,n} ；M,N,n 为正整数且M^N,n^N,k 为整数.

这个分布称为超几何分布，它含有三个参数N,M和”,记为H5,N,M).
当“《N(即抽取个数“远小于产品总数N)时，每次抽取后，总体中的不合格品率° =鈴改变甚
微，这时不放回抽样可近似看作放回抽样，超几何分布可用二项分布近似.
例 2. 13 20个产品中有5个不合格品，若从中随机取出8个，求其中不合格品数X的概率分布.
解按题意有N=20,M=5,“=&由(*)式可算得
P{X=0}=^ = 6 435 =0. 051
125 970 1,
<>20
P{X=1}=^ = 32 175
=0. 255 4,
So 125 970
33
F{X=2}=^S _ 50 050
—---------------- =0
-------- — QQ7 3
Co 125 970
类似可得X=3,4,5的概率，则X的概率分布为
X 0 1 2 3 4 5
P 0. 051 1 0. 255 4 0. 397 3 0. 238 4 0. 054 2 0. 003 6
i 【注】由此分布可算得各种事件的概率.譬如，不合格品不多于3个的概率为 i
P{X<3}=P{X=0}+P{X=l}+P{X=2}+P{X=3}
=0. 051 1+0. 255 4+0. 397 3+0. 238 4 = 0. 942 2. 》
（5）泊松分布.
例 2. 14 通过某交叉路口的汽车流可以看作服从泊松分布.已知在1分钟内有汽车通过的概率为
0. 7,则1分钟内最多有1辆汽车通过的概率为( ).
(A)0. 7(1 —In 0. 7) (B)0. 3(l-ln 0. 7)
(C)0. 3(l-ln 0. 3) (D)0. 7(l-ln 0. 3)
解应选(C).
1分钟内通过路口的汽车数量X服从参数为入的泊松分布•由已知，
P{X>l} = l-ê-A = 0.7,
得 A=-ln 0. 3,于是 P{X<l}=^-e-A+yye-A = eln0-3(l-ln 0. 3)=0. 3(1 —In 0. 3),故选择(C).
i 【注】离散型随机变量的分布问题可归纳为两种基本形式.
其一，用“三步法”生成概率分布•“三步法”是求离散型随机变量分布的最基本也是最常见的|
；一种方法•具体步骤如下:①确定随机变量的正概率点（即值域），这是正确计算分布的前提.②对每$
\个取值点求概率，这是生成分布的最关键部分.概率计算可能涉及古典概型（分配问题、连续抽取问；
i题、超几何分布问题）、几何概型、全概率或贝叶斯概型、伯努利概型，并且可能用到概率的加法公:
I式、乘法公式和条件概率公式等•③将结果汇总，给出概率分布•概率分布最常见的是列表形式（分|
I布列或分布阵）. i
其二，离散型随机变量以概率分布形式表现.主要涉及离散型随机变量的重要分布（重点是二|
I项分布和泊松分布）.求解这类问题的要点是判断分布类型，确定分布参数.
2.连续型随机变量的分布
（1）均匀分布U（a,b）.
例 2. 15 已知 X 〜U(a,b)(a>0),且 P{0<X<3}=y,P{X>4}=y,求 X 的概率密度及
P{1<X<5}.
解如图2-9所示,X〜U〈a,b).
由 P{X>4} =g~，且 P〔X〉aj" } =*，得苇卫=4,即 a+b=&
34
由于 P{3<X<4} = l-P{X>4}-P{X<3} = l-P{X>4}-P{0<X<3} = l-y-y=^-
又 _P{3<X<4} =土一：,故f二；=*，解得 b—a = 4.
(a+b=8, (a = 2,
联立得解得
\b~~a = \, (6=6.
［寺，2<^<6,
所以X的概率密度为心=§ 4
〔0,其他.
斤一2 2
于是 P{1VX<5}=P{2VXV5}=H = ^ ・
6一2 4
（2）指数分布.
参数为A（A>0）的指数分布EQ）的概率密度为
仏严，z>0,
【0, 其他.
例 2. 16 某元件的工作寿命X（小时）服从参数为A（A>0）的指数分布.
（1）求该元件正常工作t小时的概率；
（2）已知该元件已正常工作10小时,求在此基础上再工作10小时的概率（入=0. 01）.
解依题设,X服从参数为入的指数分布，因此，其概率密度和分布函数都已知.
（1）P{X〉" = 1—P{XW" = l—F（t） = l —（1 —厂"）=厂".
P{X>20,X>10}
(2) P{X〉20|X>10} =
P{X>10}
P{X>2O}_e_o-01X20
p {x> io }_e-°-01X10
【注】本题第（2）问的结果，卩{X>20|X>10}=P{X>10},即元件正常工作10小时的概率与f
I在这之前的工作状态无关，说明指数分布具有无记忆性.
本题第（2）问还涉及由若干相互独立的电子元器件组合生成的系统可靠性问题，常见的基本结:
|构形式有并联、串联两种•在并联系统中，只要其中一个元器件正常工作，整个系统就能正常工作，|
I正常工作时间为所有元器件中正常工作时间最长的.在串联系统中，只有所有元器件都正常工作，j
I整个系统才正常工作，正常工作时间为所有元器件中正常工作时间最短的.考生应了解这类题型的I
i特点和处理方法. i
（3）正态分布.
有关正态分布的问题：
① 所有有关正态分布不等式的判别都应先标准化；
② 充分利用标准正态分布图形的对称性，有时对于解题可以起到事半功倍的效果
③ 要注意利用正态分布的参数与其数字特征的关系求解问题.
35
例 2. 17 设随机变量X服从正态分布N(〃,/),则随。的增大,P{|X—川<1}( ).
(A)单调增加 (B)单调减少 (C)保持不变 (D)先增后减
解应选(B).
讨论P{|X-^|<1}的单调性应在将其标准化之后进行.由
2①(+)— 1,及①(“)为单调增加函数,u=+为单调减少函数,知随着o的增大，①(+)单调减少，从而知,
随着"的增大,P{|X—川<1}单调减少，故选择(B).
例 2. 18 设随机变量X服从正态分布N (0,1),对给定的a(0Va<l),数血满足P{X>ua}=a,若
P{\X\<x}=a,则工等于( ).
(A)u^ (B)ui—(C)“ 牙 (D)"—
解应选(C).
如图2-10所示,从几何直观看，条件中给出的蜕即为上侧a分位数.类比可得P{ | X| <“少} =a，故
选择(C).
图 2-10
3. —般类型随机变量的概率分布
同时兼有离散型与连续型随机变量特征的随机变量,或未明确分布类型的随机变量都可称为一
般类型的随机变量，也叫混合型随机变量.需要强调的是，该类型的分布问题只能以分布函数为工具.
例 2. 19 假设随机变量X满足不等式1MXW4,且P{X=1}=+，P{X=4}=*,在区间(1,4)内
服从均匀分布•求X的分布函数.
解本题随机变量同时在定点X=1,X=4,和区间(1,4)取正概率值，为混合型随机变量.其分布函
数根据匚依次在(一3,1)“=1,(1,4),工=4,(4,+®)取值，计算P{XWc}得到.
由题设,X在区间(1,4)的概率密度为
Q， 1<尤<4,
0,其他.
于是有
P{1<X<4} = P{X= 1}+P{1 <XV4}+P{X = 4}
=*+£込+寺=1,
即有］adz =1 — 鸟=名，<2 = 召.
当 x<l 时,FQ)=P{XWz}=0；
当工=1 时,F(_z)=P{XCz}= +
36
当1<zV4时，
FQ) = P{X<1}+P{1<X<^}=寺+「鸟在=£ +务:;
4 J1 36 9 36
当匚$4时,FQ) = 1・
从而得X的分布函数为
P, 攵<19
FQ) =( *+寻4 1WjcV4，
〔1, 工$4・
五、一维随机变量函数的分布
例 2. 2() 设随机变量X的分布律为
P{X=-1}=+，P{X=O}=y, P{X=1}=+，
求Y=X2的分布.
解离散型随机变量的函数仍属于离散型随机变量范畴,求解其分布问题仍然按照计算离散型随机
变量分布的三个步骤进行.
注意到V的可能取值为0,1,于是有
P{Y=0}=P{X2 = 0}=P{X=0}=^-,
P{Y=1}=P{X2 = 1}=P{{X=1}U{X=-1}}
= P{X-l}+P{X=-l}=y + y = y,
或 P{Y=1} = 1 —P{Y=0}=*,
，0 1 '
即有丫〜丄丄.
辽T,
例 2. 21 假设随机变量X服从参数为A (A>0)的指数分布,FQ)是其分布函数，证明：随机变量
Y=F(X)在区间(0,1)上服从均匀分布.
证明指数分布函数为FCz) = l —e-肚(工$0).设G(y)=P{YWy}为Y=F(X)的分布函数.由于分
布函数FQ)的值域为[0,1],可见当3<0时,G(y)=0；当夕$1时,G(y) = l；当0<y<l时,
G(y)=P{YWy}=P{l —厂圧£仍=戶区£—*ln(l—夕)}
于是G(y)是区间(0,1)±的均匀分布函数，从而Y=F(X)在区间(0,1)±服从均匀分布.
【注】本题更一般的结论见习题2.12. $
例 2. 22 设X〜N(0,l),求Y=X?的概率密度.
解按照连续型随机变量函数Y=F(X)分布的计算步骤进行.
37
由于一ooVXV+oo,知oWYV+s.记Y的分布函数为Fy(y),概率密度为fY(y\
当 yVO 时,Fy(y)=0；
当 yÔ 时,Fy(y) =P{X2^y} =P{ —OVXVT^} =2①(仔)一1.

从而Y=X2的分布函数为
匸 /、J2©(V^)— 1, yÔ,
Fy(》)=S
lo, j/<0.
于是其概率密度为
1习题〕
2.1离散型随机变量X的分布函数为
'0, 工<一1,
0. 4, —lWc<2,
F(z)=v
0.8, 20V3,
,1, j：^3,
则X的分布列为________ ,P{X£3. 2}=________ ；方程工2+x_r+l=0有实根的概率为________ ,

2.2已知FCz)是分布函数，下列函数：
①aF(z)(a>0,aHl)；②F(z)+F(—工)；③FQ)—F(—z)；④F(z) • F(—x).
其中不能作为分布函数的个数是().
(A)l (B)2 (03 (D)4
2.3随机变量X的概率密度为
工, 0£工<1,
1W2,
10, 其他.
求X的分布函数FQ).
2.4设连续型随机变量X的概率密度为
/■&)=］尹'工>1°°，
lo, 攵€100,
则 A=________,P{100<X<150}=________ ,P{X^1 000} = ,P{X=1 000}=________
X的分布函数FQ)=______ .
2.5设连续型随机变量X的分布函数为
38
—a ,
F(h) =2 A+Barcsin 一, —a^x<Za,

°
丨1, xâ,
则A= ,E= ,X的概率密度/&) =
2. 6设随机变量X服从区间(2,5)上的均匀分布，求对X进行3次独立观测中，至少有2次的观测
值大于3的概率.
2. 7设随机变量X服从正态分布N (⑴，卅),随机变量V服从正态分布N (旳，於)，6任>0,且
P{|X-/Z1|<1}>P{ |丫一仗| VI},则必有( ).
(A)6<<?2 (E)(71><72 (c)mS (D)〃i>〃2
工<0,
2.8设随机变量X的分布函数FCr)={*, 00<1,则 P{O<X<1}=________
l-e_x 工$1,
P{O<X<1}=_______ .
2.9设随机变量X和Y同分布,X的概率密度为
〔0, 其他.
已知事件A={X>a}和3={丫>/独立，且P(AUB)=y,求常数a.
2. 10设连续型随机变量X的概率密度/'&)是一个偶函数,FQ)为X的分布函数，证明:对任意实
数a>0,有
(1) F(—a) — 1—F(a)=0.5—[
J o
(2) P{|X|Va}=2F(a) —1；

(3) P{|X|>a}=2[l—F(a)]・
2.11已知X为随机变量,Y=X+X+1,已知X的概率分布为P{X=-l}=P{X=0}=P{X=l}=y,
求Y的分布函数Fy(y).
2.12设随机变量X的分布函数FxCz)是严格增函数，其反函数F^Cy)存在,Y=Fx(X).证明:Y服
从区间(0,1)上的均匀分布.
2.13设随机变量X〜U( — l,2),求Y=|X|的概率密度.
2. 14设随机变量X的概率密度为/x&)=甘尹QCR).求：
(1) 常数加
(2) 随机变量Y=1— 悠的概率密度fY(y\
2. 15设随机变量X的概率密度为
(1
，0<LzV3，
心=< 9
lo, 其他.
39
(2, XW1,
令随机变量Y={ X, 1<X<2,
11, X>2.
(1) 求Y的分布函数；
(2) 求概率 P{X^Y}.
【解答： i
/一1 2 3 \
2.1 X〜 ;1;0.6解分布函数的分段点即为离散型随机变量的正概率点，正概
\0. 4 0. 4 0. 2/
率点的概率即为对应点跃度，即X= — 1,2,3,分布列为
/—1 2 3 \
X〜，
\0. 4 0. 4 0. 2 /
P{X=3. 2}=F(3. 2)=1.
方程/ +Xz+1=0有实根,即X2—4$0,从而有
P{X2—4$0}=P{XW—2}+P{X$2}=F( —2) + 1—F(2—0) = 1 —0. 4 = 0. 6.
2.2 (D)解应用分布函数的充要条件求解.由于
aF(H-oo) =(2工1,
F(—oo)+F(+oo) = 1H0,
F(—cc)—F(+oo) = —1工0,
F(+oo) • F(—oo)=0Hl,
故①，②，③，④都不能作为分布函数,故答案选(D).
2.3解由题设知，当zV0时,FQ) = 0；
当0<^<1时，
FQ) = [ f tdt = -z-f21 =令；
J —oo Jo / I o Z
当lCr<2时，
FQ) = f = [ (2 — t)dt + \ tdt
J —oo J 1 J o
=(佥-£)|：+£|： = 2工_召_1;
当攵孑2时9
F(j?) = [ [ tdt 4- [ (2 — t)dt
J -<X3 J0 J1
==t|0+(2z_T)|1 = 1-
所以
40
0, hVO,
空， ogvi,
F(z)=v
2x-y-l
1, 工$2・
0, z<100,
2.4 100；*；寻;o； .型，4。。解根据连续型随机变量概率密度的性质，有
X
C-K50 A
J_/a)dz = 比刍血=—△ 代=
A 100,
100 X X !00 100 '
于是
，15° 100牡=_ 100 I 150
1
P{100<X<150} = 100 X2 X I
100
比 ^=-100 1
P{X^1 000} =
1 ooo x x i ooo
P{X = 1 000}= 0,
0, •zVIOO, ro, z <100,
FQ)= f(t)dt = < 验,
=Y
工 $100 1 — —— y jcÎOO.
J 100 t+厶 x
]
2.5 丄.丄 7t Va2—x2 "y解根据连续型随机变量分布函数的连续性，有
2 '兀
0, 其他
F(—a) =F(—a—0) , F(a)=F(a—0),
7T
A+B =0,
即有
A+B •号=1，
1 ・
解得A=*，B=£
7C
于是
1
F' (z),
2)= nVa2—x2
0, 其他
0, 其他.
a_
~2 1
/(J7)dz =
prf<x<i a _a_
—2
cIt =
3
1
或
pri<x<i}=F -F arcsiny-arcsin
2.6解在一次观测中，观测值大于3的概率为
Q=P{X〉3} =
记Y={3次独立观测中X的观测值大于3的次数}，由Y~B（3,y）得
41
P{Y>2} = l-P{Y=0}-P{Y=l} = l-(y)3-3XyX(y)2=|^.
2.7 (A)解所有有关正态分布不等式的判别都应先标准化，即由

P{|x—”1|V1}>P{|Y—仗1<1},
有
V丄 V丄},
(6 (71 ) \ (72 6 丿
从而有 ①(+)>©(+)•
又由函数①&)的单调增加性，有丄>丄>0,即6<卫，故选择(A)・
2.8 1 —eT；0 解 P{0<X<l}=P{X<l}-P{X<0}=F(l)-F(0-0)

=1 —e_1—0=1 —e_1 ；
P{0<X<l}=P{X<l}-F{X<0}=F(l-0)-F(0)=y-y = 0.
2.9解由X和Y同分布可得P(A) = P(B),从而
y = P(AUB) = P(A) +P(B)—P(AE)=2P(A) —[P(A)]2,
由此解得P(A)=*,则0<a<2.又
* = P(A)=P{X〉a}=f 器2也=存3「= ]_和，
解得a=近.
【注】随机变量X与Y同分布，并不意味着X=y,反之成立，即若X=Y,则X与Y同分布.$
2. 10 证明因为/•&)是一个偶函数，所以 f(~x)=fCx),且 1=「/Cz)ck = 2「/Q)dx,

J —oo J0
可得
4-00
/(jc)(1z = 0. 5.
0
又 F(—a)= J^/COcLr ，令 x=—ty则 F(—a)= [ /(z)(— dt) = [ f(t)dt = 1 —F(a).

J +o° Ja
⑴ F(—Q)=
r /(Odr = j
=0. 5 — I /(j:)(1z.
+°°
0
m)dz—
J0
P{\X\<a}=P{-a<X<a}=F(a-0)-F(.-a)
(2)
= F(a) —[1 —F(a)]
= 2F(a) — 1.
P{|X|>a}=P{X<-a}+P{X>a}=F(
(3) —a—0) + l-F(a)
=1 — F(a) + 1—F(a)
= 2[1-F(a)].
2.11解由题设知Y为离散型随机变量，当X=-l时,Y取1；当X=0时,Y取1；当X=1时,Y
42
取3.则y的概率分布为
P{Y=l}=P{X=-l}4-P{X=0}=y, P{Y=3}=P{X=l}=y.
故Y的分布函数为
'0, y<l,
2
FY(y) = P{Y^y}千 y, 1<^<3,
I 1,
2.12证明为了证明这个结论，首先要看到Y=Fx（X）是在区间（0,1）上取值的随机变量,所以:
当夕＜0 时,Fy（））=O；
当舜]时,Fy（，） = l；
当0£夕＜1时，
Fy3 = P{YWy}=P{Fx（X）Wy}=P{XWFF（y）}=Fx[F,（30]=y
综上所述,Y=Fx（X）的分布函数为
9, yV0,
Fy(jO=v 0<3/<1,
1, QI，
这就是在区间（0,1）上的均匀分布函数，所以Y〜U（O,1）.
2.13解X的概率密度为
r 1
3 , — 1<攵<2,
fx(x)=<
o,其他.
记X的分布函数为Fx（Q，先求Y的分布函数Fy（y）.
当 yVO 时,Fy（30=P{YW；y}=0；
当丁$0 时,Fy（jO = P{|X|Wy} = P{—3＜XWy}=Fx（y）—Fx（—y）.
将Fy（y）关于》求导可得y的概率密度为
心（夕）+几（一y），Q0,
0, 其他.
当0总＜1时,一IV—尺0,因而心3=*,心（一夕）=寺，此时
,z、_ 1 丄 1 — 2
几匕）=石+ 丁 =空
当 l£yV2 时,一2V—j＜—1,因而 A（^）=y，A（-y）= O,此时
_/y（y）=寺；
当y^2时,一丁£一2,因而fx（y）=O,fx（—y）=O,此时/y（y）=O.故Y的概率密度为
（9
丁，OWyVl,
■y，1 ,
lo,其他.
43
2.14解（1）由于
J /x(z)dz = *+°° k
_2 dr = ârctan x
因此怡二丄.X的概率密度为
7T
A(")=^(i+?)gR)・
(2)随机变量Y= 1 -履的分布函数为
Fy(y) = P{Y^y} = P{l-^X^y}=P{X^(l-yy}
f+°° f+°O j
=J(1-Âa)dr=J(1^ 乔不山
=—arctan x | —arctan(l—j/)3"] (yWR)，

兀 I(1-j,)3 兀 L / 」
由此可得y=i—履的概率密度为几(切=珥3=疋¥¥(；?：)6] 6WR).
2. 15解(1)由题设知,P{1《Y£2} = 1.记Y的分布函数为Fy(y),则
当 y<l 时,Fy(y) = 0；
当 y^2 时,Fy(y) = l；
当 1<j/<2 时，
FY(y)=P{Y^y}=P{Y=l}+P{l<Y^y}
=p{x$2}+p{i<xw》}=J；手山+〕： ¥血=^r-
所以Y的分布函数为
r0,
Fy($)=v》£1*, 1<J/<2,
、1, y$2.
⑵P{XWY}=P{XV2}= J：普dr =另
44
第3讲|
孩维随机变量及其分布
基础知识结构
尸
45
Jx 基础内容精讲
一、二维5维)随机变量及其分布函数
1. 多维随机变量的概念
如果X1,X2,…,X”是定义在同一个样本空间。上的兀个随机变量，则称(X1,X2,…,X”)为九维随机
变量或n维随机向量,X(=1,2,…，九)称为第i个分量.
当n=2时，记(X,Y)为二维随机变量或二维随机向量.
2. 多维随机变量的分布函数的概念和性质
(1)概念.
对任意的n个实数m ,22，・"，血，称n元函数
Fa ,乜，…，2”)=卩«1£工1 ,X2^jc2，…，X”Wz”}
为”维随机变量(X1,X2,…,X”)的联合分布函数.
当"=2时，则对任意的实数工,％称二元函数
FQ,y)=P{XSY0}
为二维随机变量(X,Y)的联合分布函数,简称分布函数，记为(X,Y)〜FQ,y).
【注】注意FQ,y)是事件A={X^x}^ B^{Y^y}同时发生的概率，因此0£FQ,y)Wl.更j
:为重要的是，可以利用概率及其有关的性质、公式求分布函数及讨论分布函数的性质，等等.
(2)性质.
① 单调性 FQ,y)是 D 的单调不减函数：
对任意固定的y,当m＜乜时,F(zi ,y)WF(z2，A);
对任意固定的乂，当$1＜夕2时,F(z,yi)WF(z,y2).
② 右连续性F(x,y)是z,》的右连续函数：
li円F(z,y)=F(Zo + O,_y)=F(Zo，;y)；
linjF(D)=F(z,y()+O)=F(Do).
D：
③ 有界性 F( —OO, jy) =F(Z, —OO)=F(—OO, — oo) =0,F(+oO, +©o) = 1.

④ 非负性对任意21＜工2，夕1＜》2,有
P&1 VXW_Z2，夕1 VYW^} =F(Z2，夕2)一F&2，夕1)—F(Z1 ,_V2)+F(Z1，夕i)$0.
3.边缘分布函数
设二维随机变量(X,Y)的联合分布函数为F(x,y),随机变量X与Y的分布函数FxQ)与Fy(y)分
别称为(X,Y)关于X和关于Y的边缘分布函数.由概率性质得
FxQ)=P{XS=P{XW,Y＜+G
=y*+8
limP{XSYWy}
=lim F(«z,jO=F(«z,+oo).
y*+°°
46
第3讲多维随机变量及其分布
同理，有 Fy(y)=F( + oo,y).
二、常见的两类二维随机变量一一离散型随机变量与连续型随机变量
(一)二维离散型随机变量的概率分布、边缘分布和条件分布
1.概率分布
(1)如果二维随机变量(X,Y)只能取有限对值或可列对值@,卩)，&1,)2), —，(忑,弘)，…，则称(X,Y)
为二维离散型随机变量.
称 Pi； =P{X~Xi ,Y—yj} =
为(X,Y)的分布律或随机变量X和Y的联合分布律，记为(X,Y)〜為.联合分布律常用表格形式表示.
(2)数列{爲},d,j = l,2,…是某一二维离散型随机变量的概率分布的充分必要条件为
py >o， S Sa； = 1-
t=l j=\
2.联合分布函数、边缘分布、条件分布
(1)联合分布函数.
设(X,Y)的概率分布为几,诂=1,2,…，则(X,Y)的联合分布函数为
FQ,y) = P{X < x,Y < y} = 丫丫加.
s 【注】它是以Q,y)为顶点的左下角平面上(X,Y)取所有可能值的概率的和. §
设G是平面上的某个区域,则
p{(x,y)e g} = S p沪
(叫，巧)WG .
【注】(X,Y)落入G的概率等于(X,Y)在G内取所有可能值的概率的和.这是计算概率、求随I
［机变量分布函数的重要公式. i
(2)边缘分布.
X,Y的边缘分布分别为
Pi. = P{X = =丈 P{X = JCi，Y = y,}=丈 pij (z = 1,2,…)

Xi}
j=l j=l
47
p.j = P{Y = y,}=工 P{X = = y}=工 ptj (j = 1,2,…).

i=l i=l
(3)条件分布.
如果(X,Y)〜爲(z，j = 1，29…)，对固定的j,如果p・j =P{Y=y }>09则称
P{X=^ \ Y=y}二;了」尹(Cl,2,…)
为X在“Y=y ”条件下的条件分布.
同理，对固定的0,如果A- >0,可定义Y在“X=i”条件下的条件分布
P{Y=y]\X=xi}=^J- (>=-1,2, — ).
Pi-
(二)二维连续型随机变量的概率密度、边缘概率密度和条件概率密度
1.概率密度
(1) 概念.
如果二维随机变量(X,Y)的联合分布函数FQ,y)可以表示为
F(x9y)= f(u9v)dudv9 € R2 ?
J― J —oo
其中是非负可积函数，则称(X,Y)为二维连续型随机变量，称f(x,y)为(X,Y)的概率密度，记为
(X,Y)〜yCz*).
(2) 二元函数f(x,y)是概率密度的充分必要条件为
(* +°° f
f(x^y)(h:dy = 1.
J— J —OO
: 【注】改变于Q,y)的有限个点的值(仍取非负值),y&,y)仍然是概率密度. 《
2.联合分布函数与概率密度、边缘概率密度、条件概率密度
(1)联合分布函数与概率密度.
设(X,Y)的联合分布函数为F(x,y)，概率密度为f^,y),则
① F(x,y)为&,))的二元连续函数，且
F(Xjy)=P{X^XyY^.y} = f [ f(u9v)dudv；
J— J ―8
② 设G为平面上某个区域，则
P{(X,Y) e G} =J]yCz,y)dxdy；
G
- 【注】这是计算概率、求随机变量分布函数的依据. i
③ 若fCx,y)在点(z,y)处连续，贝U ；
④ 若F(x,y)连续且可导，则(X,Y)是连续型随机变量,且驾筈严是它的概率密度.
(2)边缘概率密度.
设(X,Y)〜/■&,，)，则X的边缘分布函数为
48
Fx(z) = F(4 +°°)=『F [ f(ujv)dv~\duj

J —OO l—J ―OO —1
所以X是连续型随机变量，其概率密度
7x(2)=] f(jc,y)dy,
称/x(Q为(X,Y)关于X的边缘概率密度.
r+oo
同理,Y也是连续型随机变量，其概率密度为/y(y) =J.y(z,y)cLz.
(3)条件概率密度.
设(X,Y)〜/'Q{),边缘概率密度AU)>0,则称
fyMx)==ffM
为Y在“X=_z”条件下的条件概率密度.
同理可定义X在“Y=y”条件下的条件概率密度
由以上讨论可知，若心(工)>0,九3>0,则有概率密度乘法公式
=fx^fy\x(y I^)=fY(y^fx\Y^ I y\
【注】称 Fy|x()&)= L fY^y\x)dy=^ ；•

j为Y在“X=z”条件下的条件分布函数.
1 同理可定义X在“Y=y”条件下的条件分布函数
FX\Y(^\y)== Jy ^fy(y)
3.常见的二维分布
(1) 二维均匀分布.
称(X,Y)在平面有界区域D上服从均匀分布，如果(X,Y)的概率密度为
[£, (ijOCD
/■(“)=] %
〔o,其他，
其中Sd为区域D的面积.
(2) 二维正态分布.
如果(X,Y)的概率密度为
心沪」片[(亍)"(亍)(宁)+(宁)丁，
其中z.1eR^26R,(71>0,C72>0,-l<jO<l,则称(X,Y)服从参数为的二维正态分布，记为
(X,Y)~N(〃i，“2 ;卅，於；".此时有
①X〜N(円,al), Y〜N(〃2，於)，q为X与Y的相关系数,即
49
丫勺彳考研数学基础30讲•概率论与数理统计分册
_ Cov(X,Y) _Cov(X,Y)
p~ Vdx/dy~ 皿.
② X,Y的条件分布都是正态分布.
③ aX+bY(a^0或5工0)服从正态分布.
④ X与Y相互独立的充分必要条件是X与Y不相关，即q=0.
三、随机变量的相互独立性
1. 概念
⑴设二维随机变量(X,Y)的联合分布函数为F(z,y),边缘分布函数分别为FxCz),Fy(y),如果对任
意的实数D都有
F(z,y)=FxQ) • Fy(y)(即事件{Xgz}与{Y《y}相互独立)，
则称X与Y相互独立,否则称X与Y不相互独立.
(2)如果"维随机变量(X】，X2,…,X”)的联合分布函数等于边缘分布函数的乘积，即
F(m ,22,…,z”)=Fi(_zi)• F?(工2)........ F”(z”),
其中E3)G=1,2,…皿)为X；的边缘分布函数,九为任意实数，则称Xi，X2,…,X”相互独立.
⑶随机变量序列X】，X2,…,X”,・・湘互独立，如果对任意虹怡$2),Xi,X2,&相互独立.
(4)两个多维随机变量(Xi,X2,…,X” )与(匕卫，…,丫帀)相互独立，如果对任意实数r(Al,2,・・")
与y (j = l,2,…，加)有
P{X^JC1,X2^JC2，…，XWz” ； Y1 £卩，丫2£》2，…，YmW%}
= P{X】SX2S“W} • P{YWy ,丫2冬力，…,YmW%},

即联合分布函数等于各自的分布函数相乘：
FQ1 ,攵2,…，Z”，)1 ,力，…,％)=F1(Z1，工2,…,Z”)• F2O1 ,夕2,…，％).
2. 相互独立的充要条件
(1) "个随机变量X],X2「・・,X”相互独立
㈡对任意的”个实数©G=l,2,•••,“)，“个事件{X^}, {X2<^2}相互独立.
(2) ①设(X,Y)为二维离散型随机变量，则X与Y相互独立
U联合分布等于边缘分布相乘,即
P{X=xl,Y=yJ}=P{X=xl} - P{Y=y}G,j = l,2,…).
②兀个离散型随机变量X】，X2,…，X”相互独立
U对任意的1WD = {X,的一切可能值}(£=1,2,-,n),有
P{Xj = xx，…,X” = xn} = IJP{X, = xt}:

1=1
(3) ①设(X,Y)为二维连续型随机变量，则X与Y相互独立
㈡概率密度等于边缘概率密度相乘,即
/(3)=心(工)50).
②设(X】，X2,…,X”)为"维连续型随机变量，则X】，X2，・・・,X”相互独立
50
第3讲孩维随机变量及其分布
少概率密度等于边缘概率密度相乘,即
/'(4,22，“・,2”)=/'1(©)・ /2 ().......... 人&”)，

其中无(1)为X,的边缘概率密度.
3.相互独立的性质
⑴设X1，X2，・“,X”相互独立，则其中任意M2QS个随机变量也相互独立.
(2)①设(X,Y)为二维离散型随机变量,X与Y独立,则条件分布等于边缘分布：
HX=^|Y=y}=P{X=i}(P{Y=y}>0),
P{Y=yj\X^xi}=P{Y=yj}(P{X=xi}>0\
②设(X,Y)为二维连续型随机变量,X与Y独立，则条件概率密度等于边缘概率密度:
几y&b)= 保乎=心(刃(几0)>0)，
几xO&)= 传呼=办3(几&)>0).
⑶若Xi，X2,…，X”相互独立,gi(_Z),g2(Z),“・，g”(Z)为一元连续函数，则gi(XJ,g2(X2),…,
g”(X”)相互独立.
一般地，若 Xn,-,Xh, ,X21,-,X2.,-,Xnl,-,X,ffi 互独立,g,是 z,(i=l,2,-,n)元连续函数，则
gi(Xn ),g2(X2i ,---,X2,z),•••,g„(Xnl )也相互独立.
四、多维随机变量函数的分布
1. 概念
设X,Y为随机变量,gCx,y)是二元函数,则以随机变量X,丫作为变量的函数U=g(X,Y)也是随机
(1, X<Y,
变量，称之为随机变量x,y的函数.例如：u=x+y,u=\ 等等.
lo, x>y
问题:已知(X,Y)的联合分布，求U=g(X,Y)的分布収V=/i(X,Y),求(U,V)的联合分布.
2. 求法
已知(X,Y)的联合分布,求函数Z=g(X,Y)的分布.首先要确定X,Y的类型，而后采用相应的公式
计算.
(1) 如果(X,Y)是二维离散型随机变量，则Z=g(X,Y)也是离散型的，先确定Z的值,而后求其相应
的概率，用一般解题模式(矩阵法)即可求得Z的分布，具体见下面的注例及例3. 10.
(2) 如果X,Y其中一个是离散型的，另一个是非离散型的,我们总是将事件对离散型的一切可能值进
行全集分解，而后应用全概率公式求得Z的分布，具体见例3. 11.
(3) 如果(X,Y)是二维连续型随机变量，即(X,Y)〜f(z,y),则Z=g(X,Y)的分布函数
F(z) = P{g(X,Y)£z}= JJ /'(D)ckdy,
g(z,y)w
要求概率密度/(2),亦可直接用下面的“3.相互独立随机变量函数的分布及卷积公式”中所讲公式，具体
见例 3. 12,例 3. 13,例 3. 14.
51
（1）求Z =X—Y的概率分布；
⑵设5 =XY,V1 =寻，求（3 ,匕）的概率分布；
⑶设U2 = max{X,y},V2 = min{X,y},求（^，匕）的概率分布,5匕的概率分布.

解由题设得
1 1 1 1 1
Prj 0
T T T T T
(X,Y) (-1,-1) (-1,1) (0,-1) (0,1) (1,-1) (1,1)

Z=X-Y 0 -2 1 -1 2 0
Ui=XY 1 -1 0 0 -1 1
Vi=X/Y 1 -1 0 0 -1 1
l/2=max{X,y} -1 1 0 1 1 1
V2=min{X,Y} -1 -1 -1 0 -1 1
U 2V 2 1 -1 0 0 -1 1
（1）由上表可得Z=X—Y的概率分布为
Z=x—Y -2 -1 0 1
1 1 1 1
P{Z=k}
T T 3 T
（2）（U】M）的概率分布为
-1 0 1
1 0 0
-1 T
1
0 0 0
~2
1
1 0 0
T
52
（3）（®,匕）的概率分布为
U 2V 2 0 1
P{U2V2=k}
1 丄丄
2
3.相互独立随机变量函数的分布及卷积公式
（1）和的分布.
设（X,Y）〜/&』），则Z=X+Y的概率密度为
•-1^0 *4~OO
fzCz)= f^XyZ 一 J：）dz = f(z — y,y)dy.
【注1】证明按照定义，如图3-1所示,
JJ
•4-00
Fz(z) = P{Z^z}=P{X+Y£ 刃= fCx,y)do = dy| f(x,y)(h:,
于是 /z（z）=E（z） dy
•-HX2
f(z — y,y)dy.
（*）处将先积分再求导的运算顺序交换，成了先求导再积分，可以证明图3-1
（这里不证），这是成立的.
f+oo Cz—X
同理，若 Fz(z) = dr f(jc,y)dy,
J —oo J —oo
于是 fzCz) = F；(z)
*-|-oo
f{jC3Z一・
；【注2】当X与Y相互独立时，有卷积公式
§ f-F°°
\ /z(z)= /x（E）/y（N —无）dr = fxCz~ y^fvCy^dy.
53
(2)差的分布.
设(X,Y)〜f(x,y),^Z=X-Y的概率密度为
*+°° •+oo
独立(*2 、
fzQ = f^X^X 一 N)dz = _^f(y + z,y)dy —L^xO + z)/y(y)dy.
【注 1 】证明按照定义，如图3-2所示,
Fz(z) = P{Z^z} = P{X-Y^z}= f(2 ? V)dx 9
于是 /z(z)=
f(z± y,y)dy.
同理，若Fz(z)= Jj f(x,y)d(j = dz| f(x,y)dy,

图3-2
于是 /z(z)= F；(z)
dr
[—— z) • (—l)]dr
/ =J — z)dz.
I 【注2】Z=Y—X的概率密度为
•h 独立
独立r+°°
fz(z) = 于(09九 + z)(Lr =
= Jj /x(^)/y(^ + ^)dr ・
(3)积的分布.
设(X,Y)-/a,y),则Z=XY的概率密度为
54
Fz(z)=P{Z<z} =P{XY^z}= /(□;, V)dcr = 山L （工,》）dy + dz| f(ix,y)dy,
于是 fzQ
同理可证后一等号.
i 【注2】当X与Y独立时，有
1 尙几（亍”心心.
I fz3 =
（4）商的分布.
设（X,Y）〜化z,y），则Z=y的概率密度为
I y I f(yz,y)dy.
- 【注1】证明按照定义，如图3-4所示，
Fz（n）=P{Z0}=p{ 寻W f(x,y)d(j
于是
f+oo
=J Y I y '于(秽，y)dy.
55
0^ 考研数学基础30讲•概率论与数理统计分册
【注2】当X与Y独立时，有兀&)= I y I /x(W)/y(y)dy
(5) max{X,Y}分布.
设(X,Y)〜FQ,y),则Z=max{X,Y}的分布函数为
F^Q) =P{max{X,Y}《z} =P{X<z,y<z} =F(".
当X与Y独立时，
f'max(^)—^X(Z)* Fy(Z).
(6) min{X,Y}分布.
设(X,Y)〜FQ,y)^Z=min{X,Y}的分布函数为
Fmin(z)=P{min{X,Y}^z}=P{{X^z} U {Y<z}}
=P{X^z} +P{Y<z}-P{X<z,y<z}
=Fx(z)+Fy(2：) —F(z,z).
当X与Y独立时，
Fmin(Z)=Fx(Z)+Fy(Z)—Fx(Z)Fy(Z)
= l-[l-FX(Z)][l-Fy(Z)l
【注】上述结果容易推广到？2个相互独立的随机变量X],X2，・“,X”的情况，即 [
I
Fmax(z)=FXi(z)FX2(z)-Fx/z),
Fm’dl — [1—氐(刃]口— Fx2(^)]-：1-FX/Z)].
: 特别地，当X,G = 1,2,…，“)相互独立且有相同的分布函数FQ)与概率密度/'(工)时，
F^QUlFCr)]”，
/_(刃=”丁(刃了一丁(刃.
FmmQ) = l — [1—FQ)]",
: 九mQ)=”[l—FCz)]"TyQ). |
: 这些结果在数理统计部分是要用到的. i
(7)常见分布的可加性.
有些相互独立且服从同类型分布的随机变量，其和的分布也是同类型的，它们是二项分布、泊松分布、
正态分布与x2分布.
设随机变量X与Y相互独立,则：
若 X〜B(n,p) ,Y〜B(m,p),则 X+Y〜_8(”+加,/>)(注意 p 相同);
若X〜PQ),Y〜P(入2)，则X+Y〜PQi+入2);
若 X〜N(*i ,crf) ,Y〜N〈》2，於)，则 X+Y〜N(pi+*2，卅+於)；
若X〜才(”),Y〜才(m),则X+Y〜才(”+加).
i 【注】上述结果对九个相互独立的随机变量也成立. i
56
基础例题精解
一、联合分布、边缘分布、条件分布和独立性的概念、性质及其相互转化
1. 联合分布、边缘分布、条件分布之间的相互转化
已知(X,Y)的联合分布(联合分布函数FQ,y)、联合分布加、概率密度可以确定边缘分
布(边缘分布函数、边缘分布、边缘概率密度)与条件分布(条件分布、条件概率密度)，其转换公式为
(1) 已知(X,Y)〜FCr,y),则 FxQ)=FCz,+oo),Fy(y)=F(+g,y).
(2) 已知(X,Y)〜A,=P{X=H,,Y=y},则
FCr,y) = 2 ，
Pi- = P{X = Xi} = pij ,

)=1
oo
P-i = P{Y = 30 = S A)-

1=1
条件分布： P{X=i|Y=y}=^(”.j>0),
p・j
P{Y=yj\X=xi}=^LCpi.>0).
Pi*
(3) 已知(X,Y)〜/Czq),则
= f(u^v)dudvj
J —• J —oo
f+°°
fxS ■=
r+o°
A(3*)= Jp/'(©jOck.
若fCx,y)在点(z,》)处连续，则°書蔦;⑷=fXj：,y).
条件概率密度： AiyU »)=労乎(九©)>0),
保呼(/x(Q>0).
反之,仅知边缘分布，不可确定联合分布.若再附加某些其他条件,如概率、独立性、某些数字特征
等，则有可能确定联合分布.
2. X与Y相互独立的充要条件
(1) 对任意实数
事件 A={XWh},事件£={丫£切相互独立 QFCz,y)=Fx(H)FY(y).
(2) 若(X,Y)为二维离散型随机变量，则
X 与 Y独sL^P{X=xi,Y~yj}=P{X:=xi}P{Y=yj}
57
少若 P{Y=yj}>0,则 P{X=xi\Y=yj}=P{X=j：i}.
(3)若(X,Y)为二维连续型随机变量，则
X与Y独立口/(工力)=心&)九0)门几yQ»)=保乎 =/x(攵)(几。)>0).
(4)若(X,Y)服从二维正态分布，则X与Y独立QX与Y不相关.
3. X与Y不独立的判断与证明
X与Y不独立口存在氐,％,使A= {XS}与B= {YW%}不独立，即
FQo , )0)HFx Oro)Fy (夕0).

因此证明不独立的常用方法:求x0,y0,^ 0<P{X^0} ,P{Y^y0}<1,
{XS} U {YWy。咸{YWy。} U {X£_z。}或{,YW%}工0.
⑴当(X,Y)为离散型时，
X 与 Y不独立U 存在乩,必,使 P{X=#°,Y=m}HP{X=7o}P{Y=%}.
【注】二维离散型随机变量的独立性的讨论主要是在掌握两随机变量的联合分布和边缘f
:分布的基础上进行的，主要验证其中只要有一项不成立，则独立性不成立，同时要注意两随机.
f变量不相关未必独立，独立必不相关.
(2)二维连续型随机变量的独立性讨论主要看概率密度或分布函数是否满足
f(.x,y')—fx(.x}fv{y')或 F(j7,3/)=Fx(j7)Fy(^).
【注】作为特殊类型，若(X,Y)服从二维正态分布N(丹,眇;卅，空;Q，则X与Y相互独立：
:的充分必要条件是(0=0.但此结论不具一般性，即一般情况下，不相关未必独立.
例3. 1 设X与Y相互独立，下表是随机变量X与Y的联合分布律以及两个边缘分布律中的部
分数值，试将其余数值填入表中空白处.
Pa = P{X = Xi，Y = yj} = P{X = Xi}P{Y = yj} = pi.p.jU = 1,2 ；j = 1,2,3).

由边缘分布的性质，有
3 2
Pi. = P{X = xt} = 2 Pv » p.j = P〈Y = y,=
j=l i=l
于是
58
第3讲刍维随机变量及其分布
1 _ 1
Pn — P-\ — P21 = -g-
~ 24
九=寺一 += £ P2・=l—角.=£
〃•尸铲=寺一+ = £ P., = 1-P.~P.2 = ^,
p22=p.2p2. =yXy = y , pl3=p.3pr. =*X*=寺,
13 1
p23=p.3p2. X —= Y»
因此所得数值填空如下表：
若随机事件＜X=0｝与｛X+Y=l｝相互独立，则( ).
(A)a=O. 2,b=0. 3 (B)a = 0. 1,6=0. 4
(C)a=O. 3,6=0. 2 (D)a = 0. 4,6=0. 1
解应选(D).
由联合分布、边缘分布及条件分布的性质，有
P{X=0}=pii+pi2 = 0. 4+a,
P{X+Y— 1} ~ p\z+P21 =a+6,
Pn + Piz + Pn + Pz2 =a-+6+0. 5 = l=>a+6=0. 5,
P{X=0,X+Y=l}=_P{X=0,Y=l} =a.
又{X=0}与{X+Y=l}相互独立，有
P{X=0,X+Y=l} = P{X=0} • P{X+Y=1}
—(0. 4+a)(a+b)=0. 5(0. 4+a).
因此 0. 5(0. 4+a)=a,解得 a = 0. 4,6=0. 5 — 0. 4 = 0. 1,故选择(D).
例3. 3 设二维随机变量(Xi，YJ和(XzM)的概率密度分别为£&，》)与f2a,y),令
f{x,y')=afx{x,y')+bf2(<x,y'),
59
则/■&*)是某个二维连续型随机变量的概率密度，当且仅当a,b满足条件( ).
(A)a+b= 1 (B)a>0 且 6>0
(C)0<a<l,0<6<l (D)a$O,b$O 且 a+Q=l
解应选(D).
函数/■&，))为某个二维连续型随机变量的概率密度的充分必要条件是
*4-00
/(J7, dz| f(jc,y)dy = 1,
―oo J —oo
即同时有 *工,y) =“ (z, y)+厅2 (工,y) $0,

r-H° r-B>° r- *4-00 *4-00
故选择(D).
E (Lr
J ―oo
f(jc,y)dy =a
J —00
dr ^fi(x,y)dy + 6|=dj;
J-
fz(<x,y')Ay =a+6—1,
呦Wt・设随机变量X,Y相互独立，且X〜N(0,4),Y〜N(l,9),则二维随机变量(X,Y)的概率
密度为 _，随机变量Z=X+Y的概率密度为_______ •
1 _止_©-12 1 (1)2
解应填器 18 ;7ê_ 26 •
由题设,X,Y的概率密度分别为
_____ 1 (y-1)2
1 —上
则在X,Y相互独立的条件下，(X,Y)的概率密度为
1 x2 1 <y-i)2 1 / .(y_i)2
心沪小)九(沪玮°F • 二產—叶円.
又E=X土Y〜N(O±1,4+9),因此Z=X+Y的概率密度为
/(z)=—--—e 26 .
V/26k
翊已知二维随机变量(X,Y)在G上服从均匀分布,G由直线z—y=0,z+y = 2与y=Q围
成，求：
(1) 边缘概率密度心&)和fY(y);
(2) 条件概率密度/xiyÎjz).
解(X,Y)的正概率密度区域如图3-5所示.
由题设,(X,Y)的概率密度为
卩，,y^x^2~y,
f(x,y) =
0,其他.
1如 0<工< 1,
0
•+oo
(1) fx3 = f(x,y)dy = v '2-x

ldy, 1 V 2,
0
10, 其他
工9 0 Vz< 1,
2 — 09 1 V 匚 V 2,
0, 其他，
60
0 V》V 1, 2 — 2y, 0 V y < 1,

九3 =
0, 其他.
0, 其他
（2）在OVyVl的条件下,条件概率密度
灯M）=］耳? 0<y< 1，y p,

所以
〔0, 其他.
例3. 6 已知随机变量X在区间［0,叮上服从均匀分布，在X=z（0＜zVl）的条件下，随机变量Y
在区间［0, z］上服从均匀分布，求:
（1）（X,Y）的概率密度;
（2） Y的概率密度；
(3)概率 p{x+y>i}.
解（1）由题设,x的边缘概率密度为
1, 0＜^＜1,
fx3 =
0,其他.
在X=#（0V工＜1）的条件下，随机变量Y在区间［0,工］上的条件概率密度为
［丄，0＜y V1,
/”（『&）=］ x
〔0,其他，
因此，当0＜）＜工＜1时，/■Cz，30=/x&）/m（y&）=g，故（X,Y）的概率密度为
〔0,其他.
（2）（X,Y）的概率密度的正概率密度区域如图3-6所示.
当 OVyVl 时，= [ f(jc,y)(h:= [丄dr =— In y；
J ―OO Jy 3C,
当穴0或丁>1时,办匕)=0.
从而有
图3-6
Tn y, 0<j/<1,
fdy> =
0, 其他.
P{X+Y>1}
(3) = Jj f(^,y)(h:dy =3匚扌旳=l — ln 2.
x+y>l
【注】第⑴问中，当 Z）＞ 0时，才有/"（夕匕）=保罗，所以/■（工,））=几&）•/■”（，&）|
|是在AU»o时的表达式，故最终结果要加上心&）=o时的定义，一般说来,在分段表达式的“其I
；他"中也就定义全面了. I
61
例3. 7 设随机变量X与Y分别表示两个电子元件的寿命(千小时)，已知X,Y的联合分布函数为
/ ]— 5x — 丹 + e_0- 5(工+夕) •z>0,y>0,
F(z,y) =
〔0, 其他
(1) 判断X与Y的独立性；
(2) 求二维随机变量(X,Y)的概率密度；
⑶求2个元件都可以使用100个小时的概率.
解(1)方法一先计算X与Y的边缘分布函数.
(]—巳一。.5工 9 工〉0,
Fx(z)=F(z,+oo)= <
〔0, 其他,
Q0,
Fy(y)=F(+oo,jO =
其他
因为FQ,y)=FxCr)Fy(y),所以X与Y相互独立.
方法二先计算X与Y的联合概率密度和边缘概率密度.
d2F(j：,y)__ 1 0. 25e~°-5(x+y), *>0,y>()9

f(x,y) = 3^dy (
0, 其他，
f+oo (0. 5e*, •z > 0,
fxS = f(jc,y)dy =
1 ―oo 〔0, 其他，
(0. 5e^-5y, y>0,
/y())= f(x9y)(Lc =
J Io, 其他.
因为=/xQ)/y(y)，所以X与Y相互独立.
(2)由(1)方法二已求得二维随机变量(X,Y)的概率密度为
0. 25e~°-5<x+y) •z>0,y〉0,
f(x,y) =
dxdy 0, 其他.
(3)
2 个元件都可以使用100个小时的概率为
P{X>0. l,y>0. l}=P{X>0. l}P{Y>0. 1} = 口一Fx(0. l)][l-Fy(0. l)] = e-°-1.
二、利用分布计算概率(求与二维随机变量相关事件的概率)
(1)计算公式.
设D为平面上的某个区域，则
S P{X = gY = y }, (X,Y)〜Pg,
(叫 T)€D
P{(X,Y) e D}=< rr
[[/'。，切也如， (X,Y)〜/'(z,》).
1D
特别地，
62
第3讲乡维随机变量及其分布
S P{X = Zi，Y = y}, (X,Y)〜pt,,

FQ,y) = P{X^x,Y^y}
i
、J — J —«oo
f(ujv)dudv9 (X,Y)〜f(x,y).
（2）计算步骤.
① 确定随机变量的类型，写出p”>0或画出_/（z,y）工0的区域G.
② 画出求和或求积分的区域D.
③ 在DAG±计算二重和值或二重积分值.
【注】对不同 D要将二重积分（二重求和）化为累次积分（累次求和）进行计算.
例3. 8 设随机变量X, Y相互独立,且均服从标准正态分布N（0,1）,则（ ).
(A)P{X+Y>l}=y P{X
(B) —Y$l}=*
P{max{X,Y}Ô}=y
(C) (D)P{min{X,Y}$0} =*
解应选(D).
因为X,Y相互独立，且均服从标准正态分布N(0,l),所以U=X+Y〜N(0,2) ,V=X—Y〜N(0,2),
排除(A),(B).又
P{max{X,Y}>0} = l-P{max{X,y}<0} = l-P{X<0,Y<0}=y,
P{min{X,Y}$0}=P{X$0,y>0}=*,
故应选择（D）.
例3. 9 已知随机变量（X,Y）的概率密度
f(x,y)=[Ae 0<z<y,
〔0, 其他，
求常数A,并计算概率P{X+Y>1}
解由于
f-H» f-l-oo •-+00
1 = = dr Ae-3，dj/ = A e_xdz = A,
Jo0 Jx . o
因此A=l.
p{x+y>i}=i-p{x+y<i}= i- J fCx,y)(h:dy
y<]
卄
=i- cLz (e_x —e^^dz

0 、 o
= ]_(l+eT_2e_*) = 2e_*_eT,
积分区域如图3-7中阴影部分所示. 公众号陈叨叨杂货铺免费分享
JJ f(x,y)dxdy =
63
彳考研数学基础30讲•概率论与数理统计分册
积分区域如图3-8中阴影部分所示.
三、求函数的分布
例 3. 1() 将两封信投入3个信箱，设X】,X2分别表示第一个和第二个信箱投进的信的数量，求:
⑴（X】,X2）的联合分布、边缘分布,并判断&与X2的独立性;
⑵在条件X2 = l下的条件分布；
⑶随机变量Y1=Xi+X2和Y2 = Xi—X2的分布.
解（1）X1与X2可能取值为0,1,2,样本点总数为32 = 9,则
I 9
poo = P{Xi=O,X2 = O}=百，poi=P{Xi=O,X2 = l}=百,
1 9
p02=P{Xi=0,X2=2}=石，P1O = P{X1=1,X2=O}=亍,
9
p11=P{X1 = l,X2 = l}=-g-, />12 = P{X1 = l,X2 = 2}=0,
/>2O=P{Xi=2,X2=O}=+， p21=p22=0.
2 2
(2) P{X】=0|X2 = l}=铲=¥=*, P{X】 = 1|X2 = 1}=気=号=*,
© T
P {X] — 21X2 = 1} = 0 9
[° 1]
所以在条件X2 = l下,X1的条件分布为丄丄.
64
(3)X=X]+X2的可能取值为0,1,2,于是
P{Y1=O}=/>oo=y , P{Yi = l}=”0]十加=寻，P{Y1=2}=Po2+P11+“2O=+，
‘0 1 2 '
从而有 £〜丄_£ _4_ •
、© V瓦
又Y2 = Xi—X2的可能取值为一2,-1,0,1,2,于是
1 9 1
P{Y2 = — 2}=p02 = — , P{Y2 = — l}=p01= — , P{Y2=Q}=p00+pn=—,
2 1
P{Y2 = l}=pw^=—, P{Y2 = 2}=p20=-^-,
'—2 -1 0 1 2 ]
从而有丫2〜
1 2 1 2 1
〔9 9 3 9 9 ,
【注】随机变量Yj=X]+X2的概率取值恰好为(X1,X2)的联合分布中平行于副对角线连线$
1上的元素之和(见分布表)，随机变量Y2=X1—X2的概率取值恰好为(X1，X2)的联合分布中平行于[
-主对角线连线上的元素之和(见分布表)，很有规律.
设随机变量X与Y相互独立，其中X的概率分布为(1 2 )，而Y的概率密度为
例 3. 11
\0. 3 0. 7/
fCy),求随机变量U=X+Y的概率密度g(“).
解本题X是离散型随机变量,Y是连续型随机变量，在独立条件下,U =X+Y仍然是连续型随机变
量,求其概率密度，应先从求分布函数入手•由全概率公式有
GCu) = P{Uû}=P{X+YW“}
=P{X=1}P{X+Y£ “|X=1}+P{X=2}P{X+YW“|X=2}
=0. 3P{Yû—1} +0. 7P{Yû—2}=0. 3F(u—1)+0. 7F(u—2).
故 U 的概率密度为 g(Q=G‘(况)= 0. 3/(iz-l)+0. 7f(u~2).
【注】本题给出应用全概率公式讨论一个离散型随机变量与一个连续型随机变量之和的分布 i
j
[问题的方法，不论是计算概率还是求随机变量的分布，我们常常都是这样处理的，它具有一般性，请
读者务必注意.
Ij
例 3. 12 设随机变量X,Y相互独立，它们的概率密度分别为
•Z〉C)9 0<3/<1,
加叩0,
其他, lo, 其他.
⑴求(X,Y)的概率密度；
(2)求Z=X+Y的概率密度.
解(1)由于X,Y相互独立，(X,Y)的概率密度为
2夕严, x > 0,0 V y < 1,
/■(•z,y) = fxSfdy)=
0, 其他.
65
（2）方法一分布函数法.（X,Y）的正概率区域D与所求概率Fz（z） =
P{X+Y<z}的积分区域的公共部分有三种不同的组合形式（见图3-9）,
于是：
当 zVO 时^FzCz） =0；
当 OgzVl 时9 Fz（z） = f clzf 2y^TxAy = $ 一 2z一 2e~z + 2；

J 0 J 0
当时，Fz（z） = 1 — [ dj/f 2ye~x（Lc = 1 一 2e_”・

J 0 J z~y 图3-9
因此Z=X+Y的概率密度为
（2z+2er — 2, 0<z<l,
/z（z）=5 2e~S z>l,
Io, 其他
方法二公式法.在X,Y相互独立的条件下,用公式fz（z） = /xCz）九（z —Qdz计算，有
2(z—jc)e_x 9 eXKOVn—zVl，
z)=
0, 其他，
其中fxSg—Q正值区域如图3-10所示，于是：
当 zVO 时,/z(z)=0；
当 0<2：<1 时，/z(z) = [ 2(z —j：)e_;r(lr =2z+2厂*一2；
当 z>l 时，fz(z) = | 2(z — z)e_z(lz = 2e~z.

J Z—1
因此Z=X+Y的概率密度为图 3-10
(2z~i~2e~z — 2, 0<z<l,
/z(z)={ 2e\
z>l,
〔o,
其他.
例 3. 13 设二维随机变量（X,Y）在矩形区域D={Q,））|0W_zW2,0WyWl}上服从均匀分布，求
边长为X和Y的矩形面积Z的概率密度.
解由题设知Z=XY（Z>0）, （X, Y）的概率密度为
壬，0WcW2,0WyWl,
尹
y(D)=S z (z,l)E l (2,1)
、o, 其他 1
方法一分布函数法.正概率区域D与所求概率Fz（z） = P{XY£z}

的积分区域的公共部分有三种不同的组合形式（见图3-11）,于是：
当 zVO 时,Fz（z）=O；
o z 2兀一
当 0<z<2 时，Fz(z) = £dzjo + J drj； *dy
图 3-11
= -~z( 1 — In z十In 2)；
当 z鼻2 时,Fz（z） = l.
因此Z=XY的概率密度为
66
-^-(ln 2—In z) , 0<zV2,

/z（Z）=
其他
方法二公式法.用公式 /z(z) = J 亡)dz, 0Vz<zW2.
当 z<0 或 z^2 时，/'z(z) = O；
当 0<z<2 时，/z(z) = -^dr =*(ln 2 —In z).
因此Z=XY的概率密度为
*(ln 2—In z), 0Vz<2,

/z（z）=
其他.
设随机变量X,Y相互独立,它们都服从指数分布，概率密度分别为
入严，do,
川）=
0, 其他,
求z=y的概率密度.
解由于X,Y相互独立,（X,Y）的概率密度为
仏2严+",心0,Q0,
fa,y）=fxa）fr（y）= 卄小
（0, 其他.
如图3-12所示：当时,Fz（z）=O；
当z>0时，
Fz(z) = p 博 W 彳=J「dzj7ycz』)dy =
因此z=y的概率密度为
/z（Z）= (l+z)z，
其他.
J
3.1如果二维随机变量（X,Y）的分布函数为
其中右，入2，右2>0,求X和Y各自的边缘分布函数.
3.2随机变量（X,Y）的概率密度
67
的两个边缘概率密度£(工)，九®)分别为________ •
3. 3求以下给出的(X,Y)的概率密度的边缘概率密度心Q)和ACj/)：
e~y, 0<z<y,
⑴右Q,y) =
0, 其他；
-j-(x2 +j/) , OVyVl—疋,

(2)九(2,3；)=[ 4
、0, 其他
3.4设二维随机变量(X,Y)的概率密度为
k, ooyyVzvi,
o,其他.
(1) 求常数匕
(2) 求 P(X>y}和
3.5已知随机变量X与Y相互独立用服从参数为入的指数分布,P{Y= — 1}=+，P{Y=1}=#,求概
率 P{X-Y<1},P{XY<2}.
3.6 设随机变量 Xl,X2,X3,Xi 相互独立且同分布,P{X,=0}=0. 6,P{X, = l}=0. 4,/ = 1,2,3,4,
X] x2
求行列式x= 的概率分布.
X3 x4
3.7袋中有编号为1,1,2,3的四个球，现从中无放回地取两次,每次任取一个，设X】，X2分别为第一
次、第二次取到的球的号码，求：
(1) (X1，X2 )的联合分布,并判断X]与X2的独立性；
(2) 在X2 = 2的条件下的条件分布；
(3) 随机变量Y=XiX2的分布.
3.8设随机变量X和Y独立同分布，且X的分布函数为F&),则Z=max{X,y}的分布函数为
( ).
(A)F2(z) (B)FQ)F(y) (C)l —[1—F(z) 了 (D)[l—F(y)]
3.9假设一电路装有三个同种电气元件，其工作状态相互独立，且无故障工作时间都服从参数为
入>0的指数分布•当三个元件都无故障时，电路正常工作,否则整个电路不能正常工作.求电路正常工作的
时间T的概率分布.
3.10设二维随机变量(X,Y)的概率密度为
2~x—y^ OVzVl ,0<夕<19
y(D)=
0, 其他.
⑴求 P{X>2Y}；
(2)求Z=X+Y的概率密度/z(z).
3.11设随机变量X的概率分布为P{X=1} =P{X=2} =*.在给定X=i的条件下,随机变量Y服
从均匀分布U(0,QG=l,2).求Y的分布函数Fy(y)和概率密度fY(y).
68
CZWZ2J
3.1解因为 lim (1一e —入】X —亡一入2 y + e_入】工_入2入2 max{H,y} ) — ] — A) x
y-^+oo
lim (1 — e~A,x 一 A2y x—A2y~Xn max{x, j})—-]—入2, ?
x-*4-oo
所以X和Y各自的边缘分布函数为
1 —e*,工 >0,
Fx(e)=F(h,+oo)= lim F(j?,j/) =
jr*4-oo
0, 其他,
1 —宀，y>o,
Fy(y)=F(+oo,y)= lim F{x,y') =
JT* + OO
0, 其他.
1 x2 1 y2
3.2 寺e—万；寺e—万解由边缘概率密度的公式，有
v 2tt v 2k
•十30 工2「48 工2「4"8
2，夕)dy
1 $2
e~~2 dy + 務万
.
. -i- i _止
右（工）= = （sin j/）e— 2 dy = — e— 2 ,
—oo Z7t J —oo Ztc
i 7
即右Cz）是标准正态概率密度.由对称性知/'2匕）也是标准正态概率密度，所以九匕）=启L瓦
V 27T
3.3 解（1）当工>0时，有fxS = =e-,所以X的边缘概率密度为
尸，工>0,
fxS =
0, 其他,
这是指数分布E（l）.
而当；y>0时，有/y（y） = pe^dz =ye~y,所以Y的边缘概率密度为/y（y） = 沖，Q0,

J 0
0, 其他.
（2）因为f2（x,y）的非零区域如图3-13阴影部分所示，所以当 J
—1<工<1时，有
fx（H）= jQ #（g2+y）dy = ¥ 工2（］一工2）+_|_（］—広2）2=_|_（］__工4）,
所以X的边缘概率密度为
\ X
-g-(l—jc4) , —lVzVl, -1/ 0
fxd
10, 其他.
又因为当0<3/<1时，有
/y（，）=
— y/1—y 乙
c _____
=百 yi_>(i+2j/),
寻%(]+2夕), 0<3/<1,
所以Y的边缘概率密度为fYCy）=<
10, 其他.
3.4解（1”（工,丿）的非零区域如图3- 14（a）阴影部分所示.
由寸dz| dj/ 寸;Cz-刃山=令=1,解得匸6.
69
(2)y&,y)的非零区域与的交集如图 374(b)阴影部分所示，所以
戸{X〉* } = 6血］；込=6匸 Q _ 土)吐=§ (昇一护)| ； = *.
又因为*工,夕)的非零区域与的交集如图3-14(c)阴影部分所示，所以
图 3-14
3.5解由于Y是离散型随机变量,X与Y相互独立，因此计算与X,Y有关的事件A的概率时，自
然想到将A对Y的可能值作全集分解，应用全概率公式计算P(A).
仏严，Z>0, 1 9
已知X~A^)= P{y=-1}=^, P{Y=1}=宁,X与Y独立,所以由全概率公式得
〔0, 工£0, 4 4
p{x-y<i}=p{x-y<i,y=i}+p{x-y<i,y=-i}
=p{x-Ki,y=i}+P{x+Ki,y=-i}
= P{y=l}P{X<2}+P{Y=-l}P{X<0}
=-y-f Ae_,u(lz = -y-(l — e~2A),
4 Jo 4
P{XY<2}=P{X1^2,Y-l}+P{XY<2,y=-l}
=p{x<2,y=i}+P{-x<2,y=-n
=F{y=i}P{x<2}+P{y=-i}P{x^-2}
=学「入严血 + 4-「Ae_ArcLz = 1 — -7-e_2A.
4 Jo 4 Jo 4
3.6解因为X=X1X4-X2X3,所以X的可能取值为一1,0,1.易知Z]=X】X4与Z2 = X?X3独立
同分布，且 P{— 1} =P{Xi = 19X4 — 1} =0. 42 — 0. 16,
P{Z1=0} = l-P{Z1 = l}=0. 84,
同理，得 P{Z2 = l}—0.16,P{Z2 = 0}=0. 84.由此得
P{X=-l}=P{Z1=0,Z2 = l}=P{Z1=0}P{乙= l}=0. 84X0. 16=0. 134 4,
P{X=0}=P{Zi=0,Z2=0}+P{乙=l,Z2 = l}=0. 842+0. 162=0. 731 2,
P{X=l}=P{Zl = l,Z2=0}=P{Z1 = l}P{Z2=0}=0.16X0. 84=0. 134 4.
所以X的概率分布为
70
X -1 0 1
P 0. 134 4 0. 731 2 0. 134 4
3.7解（l）Xj与X2可能的取值为1,2,3,则
9 1 1 9 1 1
/>n=P{Xi=l,X2 = l}=yXy = —, />12=P{X1 = 1,X2 = 2}=Y>< 3 =T,
, 9 1 1 1 9 1
pu = P{Xl = l,X2 = 3}=-^X — = — , p21=P{X1=2,X2 = l}=-^X-^-=—,
“22 = 0， Z>23 = P{X1=2,X2 = 3}=y Xy = ^,卫 3i=_P{Xi = 3,X2 = 1}=*x£=*,
p32=P{Xi=3,X2 = 2}=*X* = ^, *33 = 0.
于是（X】,X2）的联合分布为
因为Pn^P-i • Pi.，所以Xi与X2不相互独立.
丄
（2）由于 P{X1 = 1|X2 = 2}=^ = 4==4，
P-2 丄 3
4
丄
P{Xi=2|X2 = 2}=0, P{X1=3|X2-2}=^- = -v- = 4,
P-2 丄 3
4
，1 3 '
因此在X2 = 2的条件下,X］的条件分布为 z 丄.
（3） Y=X1X2可能的取值为1,2,3,6,于是
P{Y=l}=pii=*, P{Y=2}=pi2+p2i=*,
丄
P{Y=3}=加+為==亍 P{Y=6}=p23+p32=g
，1 2 3 6 '
从而有 y~ 1 1 1 1
,T T T T,
3.8 (A)解由于X和Y独立同分布，则Y的分布函数为F®).
71
G(z)^P{Z^z}=P{max{X,Y}^z}=P{X^z,Y^z}=P{X^z}P{Y^z}=F2(z),
故选择(A).
3.9解以X(=l,2,3)表示第，个元件无故障工作的时间，则X|,X2，X3相互独立且同分布，其
分布函数为
(1 —攵$0,
F(z) =
\ 0, 工<0.
设GG)是T的分布函数，当/V0时,G(t)=0；当"0时，
G(O = P{T^t} = l-P{T>t} = -L-P{Xl>t,X2>t,X3>t}
= l-P{X1>t}P{X2>t}P{X3>t}^l-Ll-F(t)y^l-e~ 3>t.
(1—严，"0,
所以 G(t) =
〔0, t<0,
即T服从参数为3A的指数分布.
解(1)P{X〉2Y}= JJ /'Q,；y)cLrdy=『
3. 10
x>2y 0 0
(2—jc—y)dy= f
J0
(2) fz(z)= j a:)dz,其中
2—jc—(z—z), 0<zVl,0Vz—zVl, 12—z, 0<z<l,0<z—x<Z\,

f^XyZ — JC)=
o, 其他 io, 其他
当 z£0 或 z$2 时,/z(z)=0；当 0<z<l 时,/z(z)= P (2—z)dz=z(2—z)；

J 0
当 1VnV2 时,/z(n)= f (2—z)dz=(2—z)?.

J z~1
rz(2—z), OVzVl,
所以Z的概率密度为 A(z) J(2-z)2, l<z<2,
Io, 其他
3.11 解 FY(y)=P{Y^y}=P{X^l}P{Y^y\X=l}+P{X=2}P{Y^y\X=2}
=~P{Y^y\X=l}+-j-P{Y^y\X=2}.
当 3<0 时,Fy®)=0；当 0 0<1 时,Fy®)=普;当 1©<2 时,Fy(y)=* +子;
当必2 时,Fy(y) = l.
0, jyVO,
\3_
OVyVl,
0 金VI, 4
所以随机变量Y的分布函数为Fy(y)=< 概率密度为fY(y)=-<±
l<y<2,
W2, 4
、0, 其他.
11, Q2.
72
第4讲随机变量的数字特征
基础知识结构
基暫内容茁进
一、一维随机变量的数字特征
(一)随机变量的数学期望
1.概念
设X是随机变量,Y是X的函数,Y=g(X)(g为连续函数).
(1)如果X是离散型随机变量，其分布列为p, = p{X=^}G=l,2,…).若级数工如介绝对收敛，则

1=1
称随机变量X的数学期望存在，并将级数£工汐，的和称为随机变量X的数学期望，记为E(X)或EX,即
X=1
EX= £5,
73
否则称X的数学期望不存在.
若级数工gQ»,绝对收敛，则称Y=g(X)的数学期望E[g(X)]存在，且E[g(X)]= £ gCr»”

:=1 1=1
否则称g(X)的数学期望不存在.
(2)如果X是连续型随机变量,其概率密度为只2).若积分[二工/'(Qdz绝对收敛，则称X的数学期
望存在，且EX= "好Cz)dz,否则称X的数学期望不存在.
・+oo f+oo
若积分 gg&Maodz绝对收敛，则称g(x)的数学期望存在，且E[g(x)]=
则称g(X)的数学期望不存在.
i 【注】(1)数学期望又称为概率平均值，常常简称期望或均值.数学期望是描述随机变量平均；
I取值状况特征的指标，它刻画随机变量的一切可能值的集中位置.
(2)在数学期望的定义中要求级数(或积分)绝对收敛，否则称期望不存在.这是因为X的期望I
I存在要求与X的取值顺序无关，即要求任意改变如的次序不应改变EX的存在性，这在数学上就要•:
|求级数(或积分)绝对收敛，况且绝对收敛有很多性质也便于数学上的处理.只不过在考题中，命题-
；人基本上会避开对“绝对收敛”的考查，而仅要求考生会计算即可.
2.性质
(1)对任意常数«,和随机变量X(=l,2,…，”)有
E(£a,X,) = Ja,EX,.
1=1 1=1
特别地,
Ec=c, E(aX+c)=aEX+c, E(X 土 Y)=EX 士 EY.
(2)设X与Y相互独立，则
E(XY) = EX • EY, E[g】(X) • g2(Y)] = E：gl(X)] • E：g2(Y)].
一般地，设Xi, X2,…,X”相互独立,则
E(f[xJ = fl EX,, E[ltgI(Xi)]= f[E[g,(X,)].

t=l : =1 t= l t=l
(二)随机变量的方差、标准差、切比雪夫不等式
1. 概念
设X是随机变量，如果E[(X-EX)2]存在，则称E[(X~EX)2J为X的方差，记为DX,即
DX=E[(X—EX)2] = E(X2) —(EX*
称vW为X的标准差或均方差，记为c(X)，称随机变量X* = 耳些为X的标准化随机变量，此时
VDX
EX* =0,DX* =1.
2. 性质
(1) DX$O,E(X2)=DX+(EX)2$(EX)2.
(2) Dc=0.
(3) D(aX+6)=a2DX.
74
(4) D(X 土 Y) =DX+DY±2Cov(X, Y).

(5) 如果X与Y相互独立，则
D(aX+bY) =a2DX+b2DY.
一般地，如果X],X2，”・,X”相互独立,g,Cz)为工的连续函数，则
D(£a,X,) =
i=l i=l
d[ £g,(x,)] = IJDCgXX,)].
L i=i 」 t=i
3.切比雪夫不等式
如果随机变量X的期望EX和方差DX存在，则对任意e>0,有
P{ |X—EX|$* 呼或 P{\X-EX\<e}^l~~.
e e
【注】由切比雪夫不等式知，当DX愈小时，概率P{\X-EX\<£}愈大，这表明方差是刻画随I
；机变量与其期望值偏离程度的量，是描述随机变量X“分散程度”特征的指标. i
我们将常用分布的期望和方差列表如下.
分布分布列A或概率密度于(工) 期望方差
0—1分布 p{x=k}=pk(i-py~k,kô,i P p〈\ — p)
二项分布
P{X=耐=C//(1— />)"-* ,^ = 0,1,•••,/? Tip np{\~ p}
B(n9p)
泊松分布
P{X=k}=Y7e~x ,佥=0,1,… A A
P(A) k!
几何分布 1 \_P
P{X=b} = (l—p)*Tp,怡=1,2,…
G(p) p p2
正态分布 /(j?)= - exp{ ― £/ }, co<g<十oo /
N%/)
均匀分布 fO = b'a, a<Lx<Zb a~\~b (b_a)2
U(a,b) ~17 12
指数分布 1 1
/(^)=Ae_Al,j;>0
E(A) T
注意:表中仅列出各分布概率密度的非零区域.
二、二维随机变量的数字特征
(一)二维随机变量函数的数学期望
设X,Y为随机变量,g(X,Y)为X,Y的函数(g是连续函数).
(1)如果(X,Y)为离散型随机变量,其联合分布为
75
pij=P{X=jci, Y=y} G, j = 1,2,…)，
若级数2 Yg3，y)爲绝对收敛，则定义
E[g(X,Y)]=工》g(r，y)A,.
⑵如果(X,Y)为连续型随机变量,其概率密度为_Az,y),若积分「「gQa/GjOdrcb绝对收
J— J ―OO
敛,则定义
f-H» CH-oo
E[g(X,Y)]= g(x,y)f(x,y)(h:dy.
J― J —OO
(二)两个随机变量的协方差与相关系数
1.概念
如果随机变量X与Y的方差存在且DX>0,DY>0,则称E[(X—EX)(Y—EY)]为随机变量X与Y
的协方差,并记为Cov(X,Y),即
Cov(X,Y) = E：(X-EX)(y-EY)]=E(XY)-EX • EY,
其中
S S xty)P{X=Xi,Y=yj}(离散型)，
E(XY) = -Ko
xyf{x,y~)AjcAy (连续型).
称 Pxy =
Cov(X,Y)
n —OO
为随机变量X与Y的相关系数.如果^ = 0,则称X与Y不相关;如果pxyHO,则
/DX/DY
称X与Y相关.
【注】协方差Cov(X,Y)是描述随机变量X与Y之间偏差的关联程度的，比如研究父亲身高纟
| X与孩子身高Y之间的偏差程度,便可用Cov(X,Y)来刻画.相关系数qxy描述随机变量X与Y之]
:间的线性相依性,1^1是刻画X与Y之间线性相关程度的一种度量.0^ = 0表示X与Y之间不存i
I在线性关系，故称X与Y不相关，但这并不意味着X与Y之间不存在相依关系，它们之间还可能存；
i在某种非线性关系.
2.性质
(1) 对称性 Cov(X,Y)=Cov(Y,X), Pxy=Pyx，
Cov(X,X)=DX,陀=1.
(2) 线性性 Cov(X,c)=0, Cov(aX+b,Y)=aCov(X,Y),
Cov(X1+X2,y)= Cov(Xi,Y) + Cov(X2,Y).
一般地， Cov(£a,X”Y)=空 a,Cov(X,,Y).

i=l i=l
(3) 相关系数有界性 SxyIWI.

(4) 线性关系下的相关系数
(1, <2>0,
如果 Y=aX~\~b则 Qxy= \
[—1, aV0・
76
’基础例题精解
一、一维随机变量的数字特征
1.离散型随机变量的数学期望与方差
例4. 1 设随机变量X的分布函数为
力＜一1 9
0. 2,
F(z)=v
0. 8,
1. 2 为，
则EX ,E(2X+5) = ,E(X2) = ,D(X2)-
解应填 0 ； 5 ； 0. 4 ； 0. 24.
求X的期望与方差，先求X的分布列，即有
/-I 0 1
X〜
\o. 2 0. 6 0. 2
因此
EX= —1X0. 2+0X0. 6+1X0. 2 = 0,
E(2X+5) = 2EX+5 = 5,
E(X2) = (-l)2X0. 2+02X0. 6+l2X0. 2 = 0. 4,
D(X2)-E(X4)-[E(X2)]2 = (-l)4X0. 2+04X0. 6+l4X0. 2—0. 42 = 0. 24.
例4. 2 设随机变量X服从参数为A的泊松分布，且已知E[(X — 1) (X —2)] = 1,则
入=________ ・
解应填1.
由于随机变量X服从参数为入的泊松分布，因此EX=DX=A,从而有
E[(X-1)(X-2)]=E(X2)-3EX+2=DX+(EX)2 —3EX+2=^ — 2 入+2 = 1,
解方程A2 —2A+l = 0,得入=1.
例4. 3 设试验成功一次的概率为P，进行100次独立重复试验，当p= 时成功次数的标
准差最大,且其最大值为_______ .
解应填寺;5.
设成功次数为X,则X〜B(100,p),X的标准差为/DX= ^lOOp(l-p).
由于曲一当且仅当 p=^时等号成立，故当p = *时成功次数的标准差最大，且其最大值
为J100X* = 5.
77
2.离散型随机变量函数的数学期望与方差
主要用两种方法计算:一是直接利用离散型随机变量函数数学期望的计算公式;二是先计算离散
型随机变量函数的概率分布，再用定义计算.
例4. J 设随机变量X的概率密度为
-^-cos , OWzVtt,
g)=S 2 2
〔0, 其他，
对X独立观察4次，用Y表示观察值大于专的次数，求Y2的数学期望.
解由题意知P(X>y }= 匸心)dz=匸ycosydr^y,所以Y~B(4,y),于是
EY=4Xy = 2, DY= 4X*X (1 — )=1，
所以 E(Y2)=dy+(eY)2 = 1+4 = 5.
■曲Z 设一部机器一天内发生故障的概率为0. 2,机器发生故障时，停止工作一天.若一周5个
工作日里机器无故障可获利润10万元,发生一次故障仍可获利5万元,发生两次故障所获利润为零,发生
三次或三次以上故障亏损2万元，求一周内利润值的期望.
解设一周内发生故障的次数为X,则X〜B(5,0.2),有
P{x=o}=qxo. 2°X0.於=0. 327 68,
P{x=l}=qxo. 2X0. 84=0. 409 6,
P{X=2}=C|X0. 22 X 0. 83 = 0. 20 4 8,
2
P{X$3} = 1— P{X = k} =0. 057 92.

k=0
设一周内可获利润为Y万元，依题设有
‘10, X=0,
5, X=l,
0, X=2,
、一2, X>3,
所以
EY= 10X0. 327 68+5X0. 409 6+0X0. 204 8+( —2)X0. 057 92 = 5. 208 96(万元).
3.连续型随机变量的数学期望与方差
例4. 6 设连续型随机变量X的概率密度为
则 EX( ).
(A)等于0 (B)等于1 (C)等于兀 (D)不存在
解应选(D).
由连续型随机变量数学期望的定义，有
匸后氏尹^ =扑(1+小匚
由于该积分发散，因此EX不存在，故选择(D).
78
(—oo<z< + oo)
则 EX=________ , /DX=________ .
解应填1席
在讨论涉及形如e-，+2乂-1的概率密度的数字特征时,应尽可能地利用正态分布概率密度的性质，于
是由
知EXT,亦七.
例4. 8 设连续型随机变量X服从参数为1的指数分布，则ECX+e^)- ,D(e~2X) =
解应填号'；書.
•-Kx> ・+oo 1
因为 EX=+ = l,E(e"x)= e~2xe~x(h:= o e-3"cLz=y,^f 以
0
E(X+e-2X) = l+y = y.
又由
•400 g 1
E[(e-2x)2]=E(e-4x)= e~ixe~xd^c= e_5xdz=—,
0 0 5
得 D(e-2X)=E：(e-：
1 1 丿45°
4.连续型随机变量函数的数学期望与方差
求 E(min{ |X| ,1}).

解由对称性知,
*-|-oo
E(min{ | X \，1})= ] min{ | x | , 1}/(j:)(1z=2 min{ j：, 1}/(j:)(1z
o
=2〔 J
< 2 山+
o l~rx
I 1
=—ln(l+j;2) | H--2 arctan
7t 0 兀 1
=丄111 2 --.
7C Z
79
二、二维随机变量的数字特征
1.二维离散型随机变量的数字特征的计算
(1) 给出X,Y的联合分布,相当于给岀了一个充分条件，在此基础上求数字特征,完全可以通过
准确套用公式解决•由于较简单，考研在此命题频率不高.
(2) 给出x,y的边缘分布,相当于给出了一个必要条件.需再附加一些条件，如某些数字特征或
事件概率，才能确定X,Y的联合分布.这种问题是考研常考的.
例 4. 1() 设随机变量
'0 1 0 1 '
X〜 1 3 ,Y〜 1 1
T T,
且Cov(X,Y)=*,求X与Y的联合分布.
解依题设,EX=#,EY=*，于是
Cov(X,Y) =E(XY) — EXEY=E(XY) - 春=£,

O O
得E(xy)=*,即有
E(XY) = ~ = P{X=1,Y=1},
P{X=Q,Y=l}=P{Y=l}-P{X=l,Y=^l}=0,
P{X=0,Y=0}=P{X=0}—P{X=0,Y=l}=\
P{X=1,Y=O} = 1—--- —0=*,
例 4. 11 设随机变量X与Y的概率分布分别为
X 0 1 Y -1 0 1
1 2 1 1 1
p P
3 3 3
80
且 P{X2=Y2} = 1.
(1) 求随机变量(X,Y)的概率分布；
(2) 求Z=XY的概率分布；
(3) 求X与Y的相关系数qr.
解 ⑴由 p{x2=y2}=i,^np{x2#Y2}=o,即
p{x=o,y--i}=p{x=o,y=i}=p{x=i,y=o}=o,
从而有
P{X=O,Y=O}=P{X=O}=y,
P{X=l,Y--l}=P{Y=-l}=y,
p{x=i,y=i}=p{y=i}=y,
因此,(X,Y)的概率分布为
(2)Z=XY的可能取值为一1,0,1.
P{z= —1}=P{X=1,Y= — 1}=*,
P{Z=1}=P{X=1,Y=1}=*,
■-1 0 1
所以 z〜 1 1 1
T
(3)由于
EX=OX| + 1X| = |, EX)W，
1 1 1 9 9
EY= —IX 寺+0X 寺+ 1X^=0, E(y2)=4, DY=4,
3 3 3 3 3
E(Xy)--lXlXy + lXlXy = O,
因此
_E(XY)~EXEY_c
阳=亦QY =°・
81
2.二维连续型随机变量的数字特征的计算
除了上一部分所述，还要注意这里增加了概率密度等,可能涉及积分计算.
例 4. 12 已知随机变量(X,Y)〜N(0,0；l,l；0. 5),U=max{X,y},V=min{X,y} ,则 E(U+V)=

____ ,E(UV)=_
解应填O；o. 5.
由于 U=max{X,Y}=y[(X+Y)+|X-y|],
V=min{X,Y}=y：(X+Y)—|X—Y|],
则 U+V=X+Y, U-V=\X~Y\ , UV^XY.

所以 E(U+V) = EX+EY=0.
E(UV)=E(XY)=Cov(X,Y)+EXEY=0. 5+0=0. 5.
三、独立性与相关性的判定、切比雪夫不等式
1.独立性与相关性的判定
(1)随机变量X与Y相互独立，意指对任意实数工,％事件{XW刃与{丫£切相互独立，即(X,Y)
的分布等于边缘分布相乘:FQ,y)=FxQ) • Fy(y).
若(X,Y)是连续型的，则X与Y独立的充要条件是
若(x,y)是离散型的，则x与y独立的充要条件是
P{X=xt,Y=yi}=P{X=xt} - P{Y=yj}.
记住,我们是通过分布来判定独立性的.
(2) 随机变量X与Y不相关，意指X与丫之间不存在线性相依性，即0X7=0,其充要条件是
PXY=04=>Cov(X,Y) = OOE(XY) = EX • EY^D(X±Y) =DX+DY.
记住，我们一般是通过数字特征来判定相关性的.
(3) 几个重要结论：
① 如果X与Y独立，则X,Y不相关，反之不然；
② 如果(X,Y)服从二维正态分布，则X,Y独立^X,Y不相关；
③ 由①知，如果X与Y相关，则X,Y不独立.
综上所述,我们在讨论随机变量X与丫的相关性、独立性时，总是先计算Cov(X,Y),而后按下列
程序进行判断或再计算：
'H0台X与Y相关=>X与Y不独立，
Cov(X,Y)=E(XY)—EXEW _
oux与y不相关，通过分布推断
X,Y不独立.
【注】上述讨论均假设方差存在且不为零.
82
例 4. 13 设随机变量(X,Y)服从二维正态分布，则随机变量£=X+Y,q=X—Y不相关的充分必
要条件为().
(A)EX=EY (B)E(X2)-(EX)2=E(Y2)-(EY)2
(C)E(X2)=E(Y2) (D)E(X2) + (EX)2 = E(y2) + (EY)2
解应选(E).
随机变量°不相关的充分必要条件是协方差Cov(e，7)为零，由
E(ev)=E(X2)-E(Y2), Ef=EX+EY, Eq=EX_EY,
得 Cov(e，7)=E(切)~E^=E(X2 )~E(Y2)~ (EX+EY) (EX~EY)
=E(X2)-(EX)2-：E(Y2)-(EY)2],
因此，随机变量不相关的充分必要条件为E(X2)-(EX)2-CE(Y2)-(EY)2]=0,即E(X2)-(EX)2 =
E(Y2)-(EY)2,故选择(B).
例 4. 14 设随机变量X的概率密度为
证明：(1)X与| X|不相关；(2)X与|X|不独立.
证明(1)由对称性，有
EX= [ jr/(j;)dr=O, E(X|X|)=[ x\x\f (j;)dr=O,
J —oo J —oo
因此,Cov(X,|X| )=E(X|X|)-EXE(|X|)=0,知 X与 |X| 不相关.

(2)对任意常数a,不妨设a>0.
P{X<a}=4- T e-W dr=¥「eJck+4- P e_JcLr=l_■ e_a,
u J ―oo u J —oo Jo Z lj
P{ I X|<a}=4-『e_|x| clz= P e^dx=l~e~a.

/ J —a J 0
又事件{ |X|Wa}U{XWa},即{ |X|Wa}n{X£a} = { |X|Ma},故有

P{Xâ,\X\â}=P{ |X|â} = l-e-a,
从而有
P{X£a, |X|£a}HP{XWa} • P{ |X|<a},
因此,X与| x|不独立.
2.切比雪夫不等式
应用切比雪夫不等式：（1）可以估算随机变量在某范围取值的概率;（2）可以证明某些收敛性问题
（见例 6.11）.
例 4. 15 设X,Y为随机变量,数学期望都是2,方差分别为1和4,相关系数为0. 5,试用切比雪夫
不等式估计概率P{| X—Y | $6}.
解应用不等式Eg|臬}£年估计.
€
Cov(X,Y) _Cov(X,Y)
已知 EX=EY=2,DX=1,DY=4,qxy = 0. 5 = 记£=X—Y,则
vW-/DY- 2
E£=0, D$=D(X—Y)=DX+Dy~2Cov(X,Y) = l+4—2X0. 5X2=3.
83
取e=6.由切比雪夫不等式，得
p{|x-y|^6}<-(^rY) 3 1
36 12-
匸才基理习邂精练
【习题 1
4.1已知连续型随机变量X与Y有相同的概率密度，且
2卅，0<2<卡，
x 〜/'(工)=s 9 (e>o), E[a(X+2Y)]==
C7
10,其他
则a=( ).
2 (B)1
(A)可 (C)* (d)40
4.2 已知连续型随机变量Y的概率密度为
,Qo,
Q〉0，
〔0,
穴o,
求随机变量z=y的数学期望EZ.
4.3甲、乙两人相约于某地在12：00〜13：00会面，设X,Y分别是甲、乙到达超过12：00的时间(单
位:小时),且假设X和丫相互独立，已知X,Y的概率密度分别为
(3云，0<z<l, (2y, 0<y<l,
A^)= 廿肛 A(^)= 廿小
〔0, 其他， Io, 其他.
求先到达者需要等待的时间的数学期望.
4. 4 设 A,J3 为两个随机事件，且 P(A)=Y，P(B|A)=y,P(A|B)=y.令
(1, A发生， (1, B发生，

X= I y— J
\o, A不发生， lo, E不发生，
求：(1)二维随机变量(X,Y)的概率分布；
(2) X,Y的相关系数Qxy；
(3) Z=X2+Y2的概率分布.
4.5设随机变量(X,F)服从二维正态分布,X与Y的期望值为〃，方差为/,X,Y的相关系数为^ = 0,
记Zi = 2X+YZ = 2X—Y,则ZiZ的相关系数为( ).
3 3 3
(A)0 (B)4 (C)-^ (D)-^
5 /15 710
4.6 设 X〜NQ/nmgXJ
(1)求£丫；
84
(2)判断X与Y是否相关？是否独立？说明理由.
4. 7设随机变量X在［ — 1,1］上服从均匀分布,Y=X3,则X与Y( ).
(A)不相关且相互独立 (E)不相关且相互不独立
(C)相关且相互独立 (D)相关且相互不独立
4.8设X为随机变量,P{\X~EX\<e}^0. 9,DX = 0. 009,试用切比雪夫不等式估计e的取值
范围.
4.1 (B)解由于X与Y有相同的概率密度，因此EX=EY,于是
E[a (X+ 2 Y) ]=a (EX+2E Y) = 3aEX= 3a
=3a •
IS
解得a = 故选择(B).
f+©O 1 _£
4.2解 y • f(y)dy= J 0
—e 2a dj/
] e 一訂dy=g纭
\/27n2 乙a
1 _y_ •十50 2
【注】上面是凑正态分布来处理 2< djy的，也可利用泊松积分 e~x dr = 来完成.
(&x2y, 0<z<l ,0<yVl,

4.3解由题意可得 /(z,y) =
〔0, 其他.
根据题意可知，所求即为|X-Y|的数学期望，如图4-1所示，有
E(|X—Y | ) = [ (* | X一y | 6a•幼dzdy
J oJ 0
=JJ[一 (x 一 y) 6工纽]clrdy +jj(j: 一 y) 6x23/dzdj/

o. D,
— ----- 1---- = -^(小时)

12 6 4 J J
4.4 解(1)(X,Y)的取值为(0,0),(0,1),(1,0),(1,1),并有
P{X=O,Y=O}=P(AB)=P(AUB) = 1-P(A)-P(B) +P(A£),
丄
其中 P(A£) = P(A)P(BA)=鲁,P(B)=瓮牆=¥=*，因此
T
1119
P{X=O,Y=O} = 1_「百+巨=亍
P{X=0,Y=1}=POB)=P ⑻—P(AB)=*—茁事,
85
— 1 1 1
P{X=1,Y=O}=P(AE)=P(A)_P(AE)=^_^=专,
P{X=l,y=l}=P(AB) = ^,
(2)由X与Y的联合分布，得X与Y的边缘分布分别为
"0 1 0 1 '
X〜 3 1 Y〜 5 1
T T, 、百 T.
从而
EX冷, E(X2)=*, DX=-
1 (1 )2 = 3
r 左'
EY=y, E(Y2)=y,
36'
E(XY)=|XOXO+^XOX1+|X1XO+^X1X1^,
Cov( X, Y) = E( XY) — EXEY=寺,
_ Cov(X,Y) _ 1 _ /15
因此
(3)Z=X2+Y2可能取值为0,1,2,因此
9
P{Z=0}=P{X=0,Y=0}=专,
P{Z=l}=P{X=0,Y=l 汁 P{X=l,Y=0}=*,
P{Z=2}=P{X=1,Y=1}=言,
'0 1 2
从而 Z〜 2 1 1
T T
4.5 (B)解利用已有的关系计算，不必从(Z】，Z2)的分布去考虑.
由Qxy = 0,知X与Y不相关且相互独立.于是
DZi=4DX+DY=5/, DZ2 = 4DX+DY=5(72,
Cov(Zi，Z2)=E[(2X+Y)(2X—Y)]—E(2X+Y)E(2X—Y)
= 4E(X2)-4(EX)2-E(Y2 ) + (EY)
=WX~DY=3a2,
86
Cov(Zi Z) =|■，故选择(B).
因此,ZiZ的相关系数尸
JDZ] J DZ2
4.6解 ⑴已知X的概率密度f(^)=—Lre-i(f)2,/(x)为工的偶函数，故
V
EY=E(XD= 攵丁(工)也=0.
(2)E(XY)=E(X")=• —ê-i(7)2cLr-=—?=r「° *丁+(亍尸血工0,
故EX • EYHE(XY),故X与Y相关，从而可知X与Y不独立.
4.7 (D)解显然，结论(C)对任意两个随机变量都不正确.又X与Y之间存在函数关系，因而不
可能独立，结论(A)不正确.由题设,EX=O,E(XY)=［分・*血工0,从而知Cov(X,Y)HO,则X与Y
必相关，也必相互不独立,故选择(D).
4.8解应用切比雪夫不等式P{\X-EX\<e}>l-^ 求解•由题设得
P{ \X-EX\<e}>1 9,
◎0. 09,
"0. 3.
87
］第5讲
大数定律与中心极限定理
\\基础知识结构
P
设随机变量X与随机变量序列｛X”｝5=1,2,3,…），如果对任意的£>0,有
limP｛|Xn-X|>e｝= 0 或n-*oo
n-*oo limP｛|Xn-X|<£｝ = l,
则称随机变量序列｛X”｝依概率收敛于随机变量X,记为
P
limX” = X（P）或 X” 一>X （九=）.
二、大数定律
定理1（切比雪夫大数定律）假设｛X„｝（n=l,2,-）是相互独立的随机变量序列，如果方差DX,
GA1）存在且一致有上界，即存在常数C,使DX,<C对一切均成立，则｛X”｝服从大数定律：
定EX”
88
第5讲大数定律与中心极限定理
定理2(伯努利大数定律)假设冷是"重伯努利试验中事件A发生的次数，在每次试验中事件A发
P
生的概率为卫(0<><1),则色一P，即对任意£〉0,有
n
limP| \ ^-p V』=l.
lb (| n )
定理3(辛钦大数定律)假设｛X”｝是独立同分布的随机变量序列，如果EX, =“(2=1,2,…)存在，则
1 n P
—》X, fl,即对任意£>0,有
n 1=1
三、中心极限定理
定理4(列维-林德伯格定理) 假设｛X”｝是独立同分布的随机变量序列，如果
EX, =/z, DX,=(?>og=1,2,…)
存在，则对任意的实数工,有
i 【注】(i)定理的三个条件“独立、同分布、期望和方差存在”，缺一不可. j
(2)只要X”满足定理条件，那么当”很大时，独立同分布随机变量的和近似服从正态分
:=1
布N(%，如2),由此可知，当"很大时，有
P｛a< £ X, <6｝~ ① a—%

—①
:=1 ■Jno
这常常是解题的依据.只要题目涉及独立同分布随机变量的和我们就要考虑独立同分布中
1=1
》心极限定理. 》
定理5(棣莫弗-拉普拉斯定理)假设随机变量Y”〜3(“")(0<卫<1,”$1),则对任意实数攵,有
Y„ — np
limP e_2 dz =①(z).
Vnp｛\—p) •/2k
._ _ ______ _ __ /I o \ . I
【注】如果记X：〜B(l,p)(OVpVl)，即X, 且相互独立，则
P 1 —/
Y” =》X,〜£(""),
t=l
:由定理4推出定理5. 》
89
基础例题精解
一、大数定律
例5. 1 设相互独立的随机变量序列, X”服从参数为n(n>l)的指数分布，则下

列随机变量序列中不服从切比雪夫大数定律的是( ).
(B)X|,X2,…，X”，…
Z n
(C)Xi ,2X2，…,"X”，… (D)X1，22X2,…，沖 X”，…
解应选(D).
切比雪夫大数定律要求｛X”｝相互独立,方差存在且一致有界，即DXXC.逐一验证各选项是否满足
这一条件,从而确定正确选项.
由题设知此｝相互独立，且皿=詐1,所以选项⑻满足切比雪夫大数定律的条件.
又
巩知”)弓皿=詐1, D(g=加x” = l£2,
由此可知，选项(A),(B),(C)均满足切比雪夫大数定律的条件，然而D(n2XJ=n4DX„ = n2,^项(D)不满
足切比雪夫大数定律的条件，故选择(D).
例5. 2 设随机变量序列相互独立，根据辛钦大数定律，当zr-x时，丄£x，依

71 2=1
概率收敛于数学期望，只要｛X”｝( ).
(A)有相同的数学期望 (B)服从同一离散型分布
(C)服从同一泊松分布 (D)服从同一连续型分布
解应选(C).
辛钦大数定律要求｛X”｝独立同分布且数学期望存在.选项(A)缺少“同分布”，选项(B),(D)缺少“数学
期望存在”这一条件，因而正确选项是(C).
二、中心极限定理
例5. 3 设随机变量Xi,X2,…,X”相互独立,S” = X】 +X2 +…+X”，则根据列维-林德伯格定理，

当n充分大时,S”近似服从正态分布，只要Xi,X2,X”( ).
(A)有相同的期望和方差 (B)服从同一离散型分布
(C)服从同一指数分布 (D)服从同一连续型分布
解应选(C).
列维-林德伯格定理的条件:随机变量X|,X2，-,X”相互独立同分布，并且其数学期望和方差均存在.
由于有相同的数学期望和方差未必服从相同的分布，可见选项(A)不满足定理条件.满足选项(B)和(D)的
随机变量的数学期望或方差未必存在,故选项(B)和(D)也不满足定理条件.于是，只有选项(C)成立(指数
90
第5讲大数定律与中心极限定理
分布的数学期望和方差都存在).
例5. 4 设X”表示将一枚硬币随意投掷"次岀现“正面”的次数，则( ).
(E)limP (空戸0
\ Jn
=©(h) =©Q)
loo
«-°° I y/n
(C)lim_pC"Wz) =©(工) (D)limP(空戸 0

Jn 丿
=©O)
loo ( loo ( Jn
解应选(E).
由题设知X”〜,根据棣莫弗-拉普拉斯定理，得
故选择(B).
例5. 5 生产线生产的产品成箱包装，每箱质量是随机的.假设每箱平均重50千克，标准差为5千
克，若用载重为5吨的汽车承运，试用中心极限定理说明每辆汽车最多可以装多少箱，才能保证不超载的
概率大于 0. 977.(①(2) = 0. 977)
解设乂( = 1,2,・・")为“第：箱产品的质量(千克)”，由题意,&独立同分布，且EX, = 50，mG=
5,"箱总质量为T” = £X,,从而有
1=1
ET” = 5 0”，』DT” = 5 4n.
由列维-林德伯格定理,T”蹩N(50“,25n),因此有
P{TX5…
呗卜JT”一50“一5 000—50/2) /1 000—10”\、 „„ ，
977
即1 000二5>2,”<98. 019 9,所以每辆汽车最多可以装98箱,才能保证不超载的概率大于0. 977.
口" 2^ 基础习题精练__________________________________________ f.
CZZMZZ!
5. 1将一枚骰子重复掷n次侧当时,n次掷出点数的算术平均值X”依概率收敛于_________ .
5.2设X】，X2,X”，…为独立同分布随机变量序列，且均服从参数为A(A>1)的指数分布，记①(工)
为标准正态分布函数，则( ).
[£ X,-皿 [YjX,—nX
(A) limFs ———---- £ z > =①(工) (B) limFs —~—— £ 攵,=①(z)
91
[a^X, — n 入
(C)li胡一= 0a) (D) limR 曰—•-◎〉= %)
i | i | /nA
5. 3设某种电气元件不能承受超负荷试验的概率为0. 05.现在对100个这样的元件进行超负荷试
验，以X表示“不能承受试验而烧毁的元件数”,则根据中心极限定理,P{5<X<10}^_________ .
5.4 假设Xi,X2,…,X”是来自总体X的简单随机样本，已知E(XT =曲 =1,2,3,4).
证明：当”充分大时，随机变量Z” -丄近似服从正态分布,并指岀其分布参数.
n i=l
1解答】
5.1 y 解设X|,X2，・「X”是各次掷出的点数,显然它们独立同分布，每次掷出点数的数学期望
等于壬•因此，根据辛钦大数定律，戈”依概率收敛于壬.
Sx.-f
5.2 (C)解由于 E(£x,)=彳,1)(£X,)=令•，因此叵P *=1 人

=①(工)，即
limP =①(工)，故选择(C).
■Jn
5.3 0. 489 0解不能承受试验而烧毁的元件数X〜B5,p).根据棣莫弗-拉普拉斯定理,X近似

服从正态分布N(np,npq),其中n=100,p=0. 05,q=0. 95.因此
5 — np^X—np^lO—np
P{5<X<10}=P
Jnpq Jnpq Jnpq
v一5 \
= p/O<-2==<2. 29 J^0(2. 29)—①(0) = 0. 489 0.
5.4证明依题意X】，X2,…,X”独立同分布，可知Xf,X?,・・•，疋也独立同分布且有

E(X»=a2， D(X»=E(X» —正(疋)了=“一廉・
血2 丄 Ct2 7 _
由列维-林德伯格定理，V” =号…
V W(«4 —«2)
="/旦一".£ ,=〒色二号…的极限分布是标准正态
V(«4 —«2)/^ V—«2)/^
分布,所以当n充分大时,V”近似服从标准正态分布，从而乙=肿尹• V”+a2近似服从参数为p=a2,
宀宁的正态分布.
92
第6讲数理统计
基础知识结构
93
丫勿（考研数学基础30讲•概率论与数理统计分册
型内容精讲
一、总体与样本
1. 总体
研究对象的全体称为总体，组成总体的每一个元素称为个体•在对总体进行统计研究时，我们所关心
的是表征总体状况的某个（或某几个）数量指标x（可以是向量）和该指标在总体中的分布情况.我们把总
体与随机变量X等同起来，说“总体X”.所谓总体的分布就是指随机变量X的分布.
2. 样本
"个相互独立且与总体X具有相同概率分布的随机变量X],X2，“・，X”所组成的整体（X】，X2,…，
X”）称为来自总体X,容量为n的一个简单随机样本,简称样本.一次抽样结果的n个具体数值（口 “2，…，
竝）称为样本&,X2,…,X”的一个观测值（或样本值）.
3. 样本的分布
对于容量为n的样本Xi，X2,…,X”，有如下定理：
假设总体X的分布函数为FQ）（概率密度为_/&）,或概率分布为p=P{X = xl}）,则（&,X2,…,
X”）的分布函数为
FQi，匕，…，z”）= JJ FQi）.
1=1
相应地：
⑴对于离散型随机变量的样本X19X2,-,Xn,^合分布为
P{X1 =Z1 ,X2 =^2 ,X”=Z” }= IT P{x.=Tt}；

1=1
⑵对于连续型随机变量的样本X19X2，-,Xn,^合概率密度为
…，久”）=XI faj.
二、统计量及其分布
（―）统计量
设X】，X2,…，X”为来自总体X的一个样本，g（4M2「“"”）为"元函数，如果g中不含任何未
知参数，则称g（x】，X2,…，X”）为样本Xi,X2,・・・，x”的一个统计量•若a,工2,…,耳）为样本值，则称
g（zi ,x2，…，工”）为g（Xi ,X2 > •••, X”）的观测值.
【注】（1）直观上，统计量就是由统计数据计算得来的量•数学上，统计量是样本X|,X2,-,X”《
I的函数：T=/（X1，X2,…，X”）.统计量不依赖于任何未知参数.
: （2）作为随机样本的函数，统计量也是随机变量.
（二）常用统计量
样本数字特征和顺序统计量都是最常用的统计量•统计量是统计分析和统计推断的重要工具.
94
第6讲数理统计
1.样本数字特征
数学期望（均值）、方差和标准差、矩等都是总体X最重要的数字特征.设X],荃，…,X”是来自总体X
的简单随机样本，则相应的样本数字特征定义：
（1）样本均值去=丄
（2）样本方差 S2
样本标准差
（3）样本b阶（原点）矩 A& =丄£xf（b = l,2,…）;

77 2=1
（4）样本怡阶中心矩 Bk = +£（X,—乂）'仏=2,3,-）.
2.顺序统计量
将样本X】，X2,X”的"个观测量按其取值从小到大的顺序排列，得
X ⑴ WX ⑵
随机变量X。心=1,2,…，”）称作第沧顺序统计量，其中X⑴是最小顺序统计量，而X（”＞是最大顺序统
计量：
X⑴=min {Xi ,X2，…，X”}, X（”）=max {X】,X2，…,X”}.
j 【注】（l）Xs=max{Xi，X2,…，X”}的分布函数为 \
FgCz） = [FCz）]”
:（概率密度为 /（”）（_z） = "[FCr）]"-丁（刃）.
（2）X⑴=min{Xi，X2,…,X”}的分布函数为
F ⑴ Q） = l - [1—FQ）]"
f （概率密度为 /■⑴Cz）="[i—fcz）]”t/x_z））. i
3.常用统计量的性质
设总体X的期望EX=”,方差DX=/,X],X2,…,X”是取自总体X,容量为"的一个样本，灭,S?分
别为样本的均值和方差，则
EX,=卩,DX,=/G=1,2,・・・“），EX = EX=u, DX = -DX = ^-, E（S2）=DX=（T2.

厂 n n
—才分布、/分布和f分布
（三）三大分布—
X2分布、/分布和F分布是统计推断中最常用的抽样分布.读者不必记忆於分布、/分布和f分布的概
率密度，只需了解相应统计量的典型模式，以及它们的分布曲线的示意图和分位数，会查相应分位数的数
值表.
1. %2分布
（1）典型模式.
若随机变量X],X2,・・・,X”相互独立，且都服从标准正态分布，则随机变量x= 服从自由度为"
i=l
95
的x2分布，记为X〜於(小其概率密度/'(刃的图形如图6-1所示.特别地〜於 (1).
对给定的a(0<a<l)，称满足
P{f>^(n)} = j^/(a:)dz=a
的t(”)为/(")分布的上°分位点(见图6-2).对于不同的a,",* (“)分布上a分位点可通过查表求得.
【注】(1)自由度是指和式中独立变量的个数.
(2)某分布上a分位点(亦称上侧a分位数)为仏意指：点他上侧(即右侧)，该概率密度曲线下1
［方,工轴上方图形面积为a.考研大纲中规定的便是上侧a分位数.
(2)才分布的性质.
① 若X1〜才仙)，X2〜才("2),Xi与X2相互独立,则Xi +X2〜才(m+n2).
一般地，若&〜於(％)G=1,2,…，同,X】,X2,…,X”相互独立，则立X,〜才(£%).
1=1 - —1
② 若 X〜x2(n),则 EX=n,DX=2n.
2. /分布
(1) 典型模式.
设随机变量X〜N(0,l),Y〜才(”)，X与Y相互独立，则随机变量t =
Y
t一服从自由度为n的t分布，记为/〜t(n).
vY/n
t分布的概率密度/'(刃的图形关于x = 0对称(见图6-3),因此Et =
图6-3
0(心 2).
(2) /分布的性质.
由t分布的概率密度十Q)图形的对称性知
P{t>~ta(n)} =P{/>/—(“)},
故 S_a(") = —心(").
3. F分布
(1)典型模式.
设随机变量X〜於(如),y~f(n2)，且X与Y相互独立,则F= 熬服
自由度为("1 ,“2)的F分布，记为F〜F(r?i ,“2),其中"1称为第一自由度,九2

为第二自由度.F分布的概率密度/'(工)的图形如图6-4所示.
图6-4
96
第6讲数理统计
(2)F分布的性质.
①若 F〜F(”i，“2)，则戸〜F(“2 ,"i).
②F」")=丽而.
(四)正态总体条件下的常用结论
设XMX2，-,X„是来自正态总体N(〃,/)的一个样本，戈,V分别是样本的均值和方差，则
—即上H』(X—〃)〜n(o,i)；
v n / o_ o
4n
(2) g£(X,—“)2 〜才G)；
CT d=l
(3) ("?)&= £ (卑1X)2〜无2(”_1)(〃未知时，在(2)中用戈替代“)；
(4) 去与S2相互独立〜心_])(°未知时，在(1)中用S替代°).进一步有
十的点估计 M
1.概念
设总体X的分布函数为FQ；0)(可以是多维的)，其中&是一个未知参数,X],X2,・・・,X”是取自总体
X的一个样本.由样本构造一个适当的统计量弘X|,X2,…，X”)作为参数0的估计，则称统计量0(X|,
X2,…,X”)为0的估计量，通常记为d=0(X1,X2,-,Xn).
如果心口2,…,©是样本的一个观察值，将其代入估计量0中得值0(鼻1，工2,…山”)，并以此值作为未
知参数9的近似值,统计中称这个值为未知参数0的估计值.
建立一个适当的统计量作为未知参数&的估计量，并以相应的观察值作为未知参数估计值的问题，称
为参数0的点估计问题.
2.方法
(1)矩估计法.
设总体X分布中有怡个未知参数0i,02，・“,0”,Xi,X2,・“,X”是来自总体X的样本，如果X的原点矩
E(Xz)(Z=l,2,-,^)存在，即 E(X')=「° 工牛(工；仇，...,仇)业或 E(X')=刀如 X = ’；％,•••,&｝存
在•令样本矩=总体矩，即
垃 X=E(” 1 …),
这是包含k个未知参数01 ,02，…层的怡个联立方程组(称为矩法方程)，由此解得
,X2,X”)(7=1,2,
贝临(Xi ,X2 ,X”)为伤的矩估计量，玄(工1 ,工2 ,对)为伤的矩估计值.
97
【注】矩估计法不要求总体服从什么分布，只要总体矩E（XJ存在即可.计算E（XD及解矩法i
:方程+ £x = e（x，）是求0的矩估计量0的关键.若这里/取多少没有明确规定的话，基于矩法方|
I程求得的&的估计量就可能不唯一了 •例如，总体X服从参数为入的泊松分布,入未知.令 X=EX= I
?入,得入的矩估计罰=工;如果令丄 $（x—刃2 =负=入,得入的另一个矩估计量a2 =—S（X,-X）2. I
》 n i=l 》 71 i=l
l为了使矩估计量有一个选定的标准，就需要约定或补充其他准则•约定：用矩法方程求总体未知参;
:数的估计量时，从低阶开始. :
（2）最大似然估计法.
①基本思想（最大似然原理）.
对未知参数0进行估计时，在该参数可能的取值范围I内选取，用使“样本获此观测值心，工2,…,®”
的概率最大的参数值0作为0的估计，这样选定的9最有利于鼻1，工2,…，工”的出现.
⑴设总体X是离散型随机变量,其概率分布为Pix=Q=pa册，eei,e为未知参数,x】，X2,…，
X”为X的一个样本，则X1,X2,…,X”取值为攵"2,…，％的概率是
n n
P{Xi = xx,X2 =乜，…，X” = x„}= Hhx, =Xj}= U p@；0）,
1=1 1=1
显然这个概率值是e的函数，将其记为
n
L（e）= l（j?i，攵2,…，z”；e）= IT 力（不；&）,

t=l
称L⑹为样本的似然函数若存在0C /,使
La ,広2，…，z” ；（9） =maxL（a：i m，…，如；0），

oei
则称0 = @（心"2,…"”）为参数0的最大似然估计值，而相应的统计量0（Xi，X2,…,X”）称为参数0的最大
似然估计量.
（ii）同理，如果总体X是连续型随机变量,其概率密度为 *工;0）,0G/,则样本的似然函数为
L ⑹=L（Z1 ,工2,…，Z”；0） =
i=l
若存在0 = 0（4，攵2，…‘竝）C /，使
L（0）= maxJJ
ee，；=i
则称0（心，工2,…，九）为参数0的最大似然估计值，而相应的统计量0（X1，X2,…,X”）称为参数0的最大似
然估计量.
②求最大似然估计量的步骤.
（i）写岀样本的似然函数
L⑹=L（xi 口2，・“，工”；01，仇，…，％）= TIp3；0i，仇，…，久）或IT/XuOi，仇，…，％）.

i= l i=l
（ii）如果p（z;% ,仇，•••,&）或_/'（攵;久，仇，…，久）关于0（=1,2,…，怡）可微，则令
3L⑹门 31n L(0)
育=° 或 39.
=0.
98
第6讲数理统计
由于L(0)是乘积形式，又In z是工的单调增函数，因此L(0)与In L(0)在同一 9处取极值，所以更多
的是采用解对数似然方程组的方法:別屮)=o,求得0,的最大似然估计量
Oi =0i (Xj 9 X2 9 …9 Xn ) (，= 1 9 2 9 …9 b)・

(iii)如果pCz；0],02,・・・，&)或*工；久…救)不可微，或似然方程组无解，则应由定义用其他方法求
得例如当L⑹为0的单调增(或减)函数时怡为0取值的上限(或下限). -
【注】求总体分布中未知参数0的最大似然估计量必须知道总体的概率分布或密度•写出样本5
i的似然函数(或对数似然函数)，并求其最大值点是解题的关键. I
最大似然估计量的不变性原则.
③
设9是总体分布中未知参数0的最大似然估计，函数“=“(0)具有单值的反函数0=0(“),则必=“(0)是
“(0)的最大似然估计.
【注】对于多个未知参数，不变性原则仍然成立. 丫
3.估计量的评价标准(仅数学一要求)
⑴无偏性.
若参数0的估计量0=%X1,X2,…,X”)对一切"及0C/,有Ed=9,则称0为0的无偏估计量.
(2)有效性(最小方差性).
设乐=&(X1，X2,…,X”)与02=02(X1，X2,…，X”)都是0的无偏估计量，如果D(N)VD(02),则称N
比02有效.
(3) —致性(相合性).
P
设0=0(Xi，X2,…,X”)为未知参数0的估计量，如果对任意£>0,有limP{怡一0|<e} = l,即0—>0
(n-*oo)，则称0为0的一致估计量(或相合估计量).
【注】无偏性、有效性、一致性(相合性)是评价点估计量的一些基本标准，它们都是在某种意i
;义下用于衡量估计量0与未知参数0的“接近”程度，是从某一特定方面来评价其优良性的.
四、参数的区间估计(仅数学一要求)
1.基本概念
设0是总体X的一个未知参数，对于给定的a(0<aVl),如果由样本X1，X2,…,X”确定的两个统计
量01=91(X1，X2,…,X”),02=02(X],X2,…,X”)(％<02)，使
P{Oi(X],X2，“・,X”)V0V02(Xi,X2,“・,X”)} = l—a,
则称随机区间(玄,02)是0的置信度为1—a的置信区间,0】和02分别称为&的置信度为1—a的双侧置信
区间的置信下限和置信上限，1—a称为置信度或置信水平,a称为显著性水平.
99
给定置信度求未知参数置信区间的问题,称为参数的区间估计问题.
: 【注】置信区间的长度表示估计的精度，置信区间越短表示估计的精度越高.
2.正态总体均值的置信区间（置信水平为1—a）
待估参数其他参数枢轴量的分布置信区间
a2已知〜 N(0,l) (x-]za/2 ,X+]za/2 )

(t/vh
<72未知 t=xE〜仪兀_1） (x—^Za/2 (兀一1) ,X+^/a/2 (兀―1))

S/石
五、假设检验（仅数学一要求）
1. 思想方法
关于总体（分布中的未知参数，分布的类型、特征、相关性、独立性…）的每一种论断（“看法”）称为统计
假设•然后根据样本观察数据或试验结果所提供的信息去推断（检验）这个“看法”（即假设）是否成立，这类
统计推断问题称为统计假设检验问题，简称为假设检验•如果总体分布函数FQ；0）形式已知，但其中的参
数&未知，只涉及参数9的各种统计假设称为参数假设.如果一个统计假设完全确定总体的分布，则称这种
假设为简单假设•常常把着重考查、没有充分理由不能轻易否定的假设取为原假设（基本假设或零假设），
记为耳,将其否定的陈述（假设）称为对立假设或备择假设，记为Hi.对原假设Ho作出否定或不否定的推
断，通常称为对Ho作显著性检验.
对这些假设进行检验的基本思想是采用带有概率性质的反证法，即“小概率原理”，也即“概率很接近
于0的事件在一次试验或观察中认为它不会发生”，若发生了,则拒绝原假设H。.小概率事件中“小概率”
的值没有统一规定，通常是根据实际问题的要求,规定一个界限 a（o<a<l）,当一个事件的概率不大于a
时，即认为它是小概率事件,在假设检验问题中,a称为显著性水平，通常取a = 0. 1,0. 05,0.01等.
在假设检验中，由拒绝原假设H。的全体样本点所组成的集合C称为否定域（或拒绝域）,C的补集C*
称为Ho的接受域.
如果Ho的否定域形式为C={（Q，工2，…，忑）| T>A2或TV入，九V&},即否定域位于接受域的两侧，则
称这种检验为双边检验•如果Ho的否定域形式为C={a“2，...，z”）|T>；0或者C={（q,z2,…皿）1
T<A},即否定域位于接受域的一侧，右侧或左侧，称这种检验为右边检验或左边检验，统称为单边检验.
2. 正态总体下的六大检验及拒绝域
（1）/ 已知,p 未知.Ho :〃=旳，Hi:
_°° AT滑彎如如+滑聲
（2）ctz未知屮未知.Ho屮=卩（）,Hj:戶工沟.
“<>+壽气（"T） +°°
100
第6讲数理统计
（3）；已知，〃未知.Ho屮《〃0 9已
（或写〃=〃0）
--------u---------- 1--------- ）
0 时拾Za +'
（4）圧已知，〃未知.Ho屮9H1 :〃＜So・
（或写〃=〃0）
（5）/未知9〃未知.Ho屮冬阿9比:“＞〃（）・
（或写〃=〃0）
~d /+和（"T）
（6）/未知，〃未知.Ho：”$〃o，H］屮＜幽・
（或写〃=〃0）
（-------------- 1-------- 1-----------
六、两类错误（仅数学一要求）
第一类错误（“弃真”）:若H。为真，按检验法则否定H。,此时犯了“弃真”的错误,这种错误称为第一类
错误，犯第一类错误的概率为a=P｛拒绝H0|H0为真｝.
第二类错误（“取伪”）:若H。不真，按检验法则接受H。,此时犯了“取伪”的错误,这种错误称为第二类
错误，犯第二类错误的概率为尸H接受Ho |H0为假｝ =R接受Ho丨Hi为真｝.
【注】犯两类错误的概率a与0,并不满足0=1—a,在固定样本容量"的条件下,a小,0就大;0 j
I小,a就大.在实际应用中，我们总是在控制a的条件下，尽量使0小,这是因为人们常常把拒绝H。I
》比错误地接受H。看得更重要些. i
6“基础例题精解____________________________________
一、统计量的概念、性质及应用
例6. 设&,X2,…,X”5＞2）为独立同分布的随机变量，且均服从正态分布N（0,1）,记戈=
諾X：,Ym2,..".求X的方差DY/T2,..”.
解 DY. = DCX~X)
101
例6. 2 (1)设总体X服从正态分布N(〃/),其中〃已知/未知・X1，X2,…,X”是取自总体X
的简单随机样本，则下列样本函数中不是统计量的是( ).
(A)丄丈 X, (B)max{Xz}
n 7~7
(C)S (^―^)2 (D)丄Sex,-//)2

i=l ' O n i=l
解应选(C).
由统计量的定义“不含任何未知参数的样本函数”，即知不是统计量的选项应该是 (C),因为(C)中含
有未知参数6故选择(C).
(2)已知总体X的期望EX = 0,方差DX=/,从总体X中抽取容量为的简单随机样本,其均值、方
差分别为 X,S2.记& = (■乂2+*$2伙=1,2,3,4),则( ).
(A)E ⑸)=/ (E)E(S皆/
(C)E(SD=ff2 (D)E(S：)=/
解应选(E).
这是一道计算性选择题，应用EX = EX=0,DX = ^,E(S2)=a2,^H计算E(S»来确定正确选项.
n
由于 E(¥)=^+(E^=D/令E0)F,故
E(Si)= yE(X2)+yE(S2)=y •手++宀芦.
当 k = 2 时,£(&)=/,选择(B).
—於分布、/分布和f分布及其应用
二、三大分布—
1. /分布
设Xi, X2, X3, &是来自正态总体N (0,22)的简单随机样本，记
X=a(X1-2X2)2+6(3X3-4X4)2,
则当a= ,b = 时，统计量X服从/分布，其自由度为 .(abHO)
解应填需;需2
由条件知X],X2,X3,X4相互独立且同服从正态分布N(0,22).因此X1 - 2X2服从正态分布
N(0,20),而3X3-4X4服从正态分布N(0,100),并且相互独立.由才分布的典型模式知
(Xi—2X2)2 (3X3 —4X4 屮
1_ 20 100
服从自由度为2的才分布，从而a = 时统计量X服从自由度为2的才分布.
2. /分布
例6. 4 设总体X〜N(0,32),X|,X2，・“,X8是来自总体X的简单随机样本，则统计量
102
第6讲数理统计
丫 . X1+X2+X3 十X。
丿疋+X舟+出+疋
服从参数为________的________ 分布.
解应填4；t.
由于相互独立且服从正态分布的随机变量的线性组合仍然服从正态分布，易见
X1+X2 + X3+X4
/□(乙 TXTXTX5
X1 + X2 + X3 + X4
N(O,1).
6
作为相互独立的服从标准正态分布的随机变量的平方和，
V2 v2
V =鱼丰鱼丰仝 V2
2+鱼V2
9 丁 9 丁 9 丁 9
服从才分布，自由度为4.随机变量u和v显然相互独立.则随机变量y可以表示为
y=
(X1+X2+X3+XQ/6 U
X汁&+X汁委
由t分布的典型模式,可见随机变量Y服从自由度为4的/分布.
9 /4 vW
3. F分布
例6. 5 设X],X2，“・,X】5是来自正态总体N（0,9）的简单随机样本，则统计量
丫― 1 Xf+X汁…+疋。
2胃+应+…+X%
服从参数为________ 的________ 分布.
解应填（10,5）；F.
由才分布的典型模式，知
_Xf+X纟+…+础刊2略+疋+…+禺
X1 _ 9 和乙_ 9
服从自由度相应为10和5的才分布，且相互独立.从而，由F分布的典型模式，知
1 X汁X汁…+X% =卫
2X£+X% + ・“+X£— %；
T
服从自由度为（10,5）的F分布.
三、参数的点估计
1.矩估计法
例6. 6 设来自总体X的简单随机样本X1，X2，・・・,X”^、体X的概率分布为
X〜(T ° 2
\ 29 9 1 — 30
其中0<0<*.求未知参数9的矩估计量.
解总体X的数学期望为
103
EX=_20+2(1_3&) = 2 —80.
用样本均值茂估计数学期望EX,X=EX=2-80,得0的矩估计量
0=y(2-X).
2.最大似然估计法
设总体X的概率分布为
X 0 1 2 3
p 92 20(1—0) 1-20
其中0(0<0<*)是未知参数,从总体X中抽取容量为8的一组样本,其样本值为3,1,3,0,3,1,2,3.求0
的矩估计值和最大似然估计值.
解由于总体分布仅含一个未知参数，因此矩法方程为EX=X,其中
1 8
X = ^xt,
5 :=1
EX=0X 护+ lX20(l—e)+2护+3(1 —20)=3—40,

令3—40=疋解得9的矩估计量为0 = 宁，由样本值算得
X (3+1 + 3+0+3+ 1+2+3) = 2?
所以9的矩估计值为0 = 宁 =*・
已知总体X的概率分布为〃, = P{X=i}=pa；0),故样本值r(lW8)的似然函数为
8
La,…，盹；。)=upaw) 伊［20(1—0) 了护(1 — 20)4
1=1
=4 护(1—0)2(1 — 20)4.
取对数, In L(0)=ln 4+61n 0+21n(l—0)+41n(l—2&),
din L⑹ __6___2_____ 8__ 24护一280+6
令 d0 —0 1-6 1 — 2 厂 0(1 二 0)(179)=°，
即12护一140+3 = 0,解得0=7土評,因为耳評〉*不合题意，故0最大似然估计值为$ =午^.
【注】似然方程满足条件的解0—般就认为是最大似然估计而不加以验证•原则上是需要证I
的，然而有些问题证明是不容易的，甚至是不可能的.如果能断言L(0)有最大值点，而且似然方《
程只有唯一解久则B为最大似然估计，此外有些问题可用微积分方法来验证，如本例.事实上，由于
誉［lnL(&)］_—6 2 16
护(1—0严(1 —20)2=u，
］因此$=7-］严使L(0)达到最大，因而满足条件的解为］严
104
第6讲数理统计
3.估计量的评价标准（仅数学一要求）
（1）无偏性.
■mt：・设Xi, X2,X”是来自正态总体X〜N（〃）的简单随机样本,为使
D = k^(x^-x.y
t=l
成为总体方差/的无偏估计量，则k=C ).
(A)^- (E)丄 ©2(”—1)
n~ 1 n
解应选(C).
由条件知:E(X2)=/+/假如统计量D是总体方差/的无偏估计量，则
n—1 n—1
ED = kÊ(X^-X,)2 = kÊCX^+X^-2X,X^)
i=l i=l
=b 2 ( 2(t2 + 2/i — )
1=1
=2k(n — l)(r2 = er2,
于是” =2（丄1），故选9）・
■IBM 设Xi, X2,X”是来自正态总体N （〃,/）的一个简单随机样本，记

来=丄£x,, & =-^£（&—乂）2, T = X2 - —S2,
n 7~7
:=1 «— 1 ~7 n
证明：T是扌的无偏估计量.
证明由于
ET=E ..-E(S2)
n
= DX+(EX)2—■ E(S2)= —+ o2-—

n n r n
.2
从而知,T是/的无偏估计量.
（2）有效性（最小方差性）.
例 6. 1() 设总体X〜N（p,/） ,Xi ,X2 ,Xs是来自X的简单随机样本，证明估计量
1 3 1
Al =-yXi + 亦,
«3=*Xi+*X2+*X3
都是〃的无偏估计，并指出它们中哪一个最有效.
证明因
直=4
直=4
105
故血，&2厶都是“的无偏估计.
又
财=和& + 金DX2++DX3 =论=0. 38/,
D必=（*+寻+磊）* =岳圧=0・347/,
D応=（*+箱）ct2 = ||<72=0. 389/,
所以M最有效.
（3）—致性（相合性）.
例6. 设X】，X2,…,X”是来自总体X的一个简单随机样本,EX=〃,DX=/,证明统计量
2
Y=
n (n + 1) i=l
是〃的无偏相合估计量.
证明由于
2 ±EX,
n(n + 1)
2
=壽卅+ 2〃 +…+学）
=
从而知,Y是“的无偏估计量.
又因
2 2 "
4/
DY =
n(n +1) ] »2DX,= n2(n+ l)2 (l2 + 22 + -+n2)
t=l
4/ 討+1)(2“+1)
n2 (n+1)2
2 . 2ti+1 2
3 zzG+1)67
于是由切比雪夫不等式
1>P{ |Y—川 VJ$1—¥=1—寻 (2/z+l)cy2
n(7?+l)e2
两边取极限，由= 寻•孕生幣]=1,有
n_>8 n-ôo [_ O Tl\Tl I- 1/6」
limP｛丨 Y—川<“=1,
n->oo
所以Y是〃的无偏相合估计量.
四、参数的区间估计（仅数学一要求）
例 6. 12 设总体X〜N（〃/）（孑已知），则在给定样本容量„及置信度1-a的情况下，未知参数〃
的置信区间长度随着样本均值X的增加而（）.
（A）增加（B）减少
（C）不变（D）不能确定增或减
106
第6讲数理统计
解应选(C).
在给定条件下，未知参数〃的置信区间为冷乜'衣+冷独 \其中①(％ )=1—专，可见该区
间长度专这与兴无关，故选择(C).
例 6. 13 设总体X的方差为1,根据来自X的容量为100的简单随机样本，测得样本的均值为5,
则X的数学期望的置信度近似等于0. 95的置信区间为_______ •
解应填(4. 804,5. 196).
尽管X不是正态总体，但是由于样本容量”=100属大样本，因此由中心极限定理易得
1//100
查表易知，
P｛-1. 96<Z<1. 96｝=0. 95,
故“的置信度近似为0. 95的置信区间为
(X-^X1. 96,灭+箱XI. 96),
将X=5代入上式得置信区间为(4. 804,5. 196).
五、假设检验的两类错误(仅数学一要求)
例 6. 14 在假设检验时，对于Ho：*=“o，Hi:“工”0，称( )为犯第一类错误.
(A)"真，接受Hi (B)Hi不真，接受Hi
(OH】真，拒绝耳 (D)Hi不真，拒绝Hi
解应选(B).
犯第一类错误，即弃真错误，即H。真，但拒绝H。,也即耳不真，接受H】,故选择(E).
例 6. 15 在假设检验中，显著性水平a的意义是( ).
(A) 原假设Ho成立,经检验被拒绝的概率
(B) 原假设Ho成立,经检验被接受的概率
(C) 原假设Ho不成立，经检验被拒绝的概率
(D) 原假设Ho不成立，经检验被接受的概率
解应选(A).
显著性水平a是确定小概率事件的一个界限，由检验准则知,a = P｛拒绝Ho \H0为真｝，所以正确选项
是(A).选项(B)所说的概率是P｛接受Ho| Ho为真｝ = 1—a； (D)是P｛接受H0|H0不成立｝=卩｛犯第二类
错误｝ =0； (C)是R拒绝Ho | Ho不成立｝ = 1—0.
例 6. 16 假定X是连续型随机变量,U是对X的(一次)观测值;关于其概率密度/'(工)有如下
假设:
0£工€2,
【0, 其他， 0, 其他.
检验规则：当事件v= ｛u>^｝出现时，否定假设H。，接受耳.则犯第一类错误的概率° =
107
________ ;犯第二类错误的概率尸_______ .
解应填*；器.
由a和0的意义，知
a = p{u>i\H°}=^ =
六、正态总体的假设检验（仅数学一要求）
例 6. 17 已知某机器生产出的零件长度X（单位:cm）服从正态分布N（p,/）,其中品均未知，现从
中随意抽取容量为16的一个样本,测得样本均值亍=10,样本方差52=0. 16』o.o25（15） = 2. 132.
（1）求总体均值〃置信水平为0. 95的置信区间；
（2）在显著性水平为0. 05下检验假设Ho:“=9. 7, Hi屮H9. 7.
解（1）在总体方差未知条件下，总体均值〃的置信水平为1—a的置信区间为
由样本均值王=10,$2 = 0. 16=0. 4爲求得
(10_2. 13[X0. 4,]0+2. 13[X0. 4) =(9. 7g6 8,10. 213 2).
（2）在方差/未知的条件下对总体均值进行检验.
① Ho 屮=9. 7, Hi :〃H9. 7.
② 拒绝域为（一°°，m—靜号（"—1）]U卜+靜芳（"一l）,+oo）,代入数值，计算得（一oo,9. 486 8]U
[9. 913 2, +s），由壬=10知，落入拒绝域,故否定H。，即认为pH9. 7.
6. 1设总体X与Y相互独立且都服从正态分布N（〃,/）,戈，丫是分别来自总体x ,Y，容量都为n的
样本的均值，则当”固定时，概率P{\X~Y\>a}^值随。的增大而（）.
（A）单调增大（B）单调减小（C）保持不变（D）增减不定
6.2设X!，X2,X3,X4为来自总体N（0,*）的简单随机样本，则统计量Y= 服从自由度
V X3 + X4
为________ 的________ 分布.
6.3设总体X〜N（d⑷,Y〜N（〃2,5）,X与Y相互独立，^，-，^和£,•••,£（）是分别来自总体
108
第6讲数理统计
X和Y的两个样本,S艮与S&分别为两个样本的方差，则( ).
0Q2 C c2 4S2 rQ2
(A)謠〜F(7,9) (B)H|~F(7,9) (C)||| 〜F(7,9) (D)急〜F(7,9)
6.4设总体X的概率密度为,X1,X2,-, X„为来自总体X的简单
随机样本,其样本方差为S2,则E(S2) =
6.5 已知总体X的概率密度为
((1+0)工°, 0<工<1,
f(工)=(
lo, 其他，
其中e>--1是未知参数，设X],X2，・・・,X”为来自总体X的样本容量为"的简单随机样本，求0的矩估计
量和最大似然估计量.
6. 6设总体X的概率密度为f(x)=十其中a>l未知,X], X2,X”是来自总体X

【0,其他，
的简单随机样本.
⑴求 p=p{o<xvQ；
(2)求p的最大似然估计量p.
6.7设总体X的概率密度为
策(0—z), O<r<0,
/（工；0）=
0, 其他，
X|, X2,X”是来自总体X的简单随机样本.求6的矩估计量久计算0的方差D 9,并讨论9的无偏性、一致
性(无偏性、一致性仅对数学一).
6.8已知总体X的分布函数为
、0, a>z,
其中参数a$l，/?>1,X1 ,X2，…,X”为来自总体X的一个简单随机样本，求：
(1) 当a=l时，参数B的矩估计量；
(2) 当a=l时，参数0的最大似然估计量；
(3) 当0=2时，参数a的最大似然估计量.
6. 9(仅数学一)一批零件的长度服从正态分布N(“,/),其中品均未知.现从中随机抽取16个零
件,测得样本均值王=20 cm,样本标准差5=1 cm,则〃的置信水平为0. 90的置信区间为( ).
(A)(2O-yZo.o5(16),2O+yio.o5(16)) (B)(2O-yZo.1(16),2O+yZo.i(16))
(C)(2O-yio.o5(15),2O+yZo.o5(15)) (D) ( 20—#如】(15) , 20+*t°.】(15))
109
丫勿彳考研数学基础30讲•概率论与数理统计分册
【解答 :i
〜N(“，弓)且相互独
6.1 (C)解要计算概率需要知道X-Y的分布.依题意X-N
衣—y 号]与。无关,故所求
，由此可知当n固定时,P{\X~Y\>a}=P
/4n
—①
6.2 2；/ 解取 X=Xi—X?,则 EX=0,DX=DX]+DX2 = l,X〜N(0,l).
又 E(y2X,)=0,D(A/2X,)=2DXI = l,^y2X,~N(0,l),从而
Yi =(72X3 )2 +(V2X4)2〜於 (2),

又X与X相互独立，因此Y = 冬〜/ (2),即Y服从自由度为2的/分布.
V2
6.3 (D)解显然我们要用F(7,9)典型模式来确定正确选项.如果aQ〜才(m),bT〜*(“),Q与T
独立，则專牛疇〜F(mm).依题意
bl /n mol
2
薯£(宁)2—⑺，
£=1
2 ~ 7
S艮与S3相互独立，因此服从F(7,9)分布的统计量a||,其系数应是人=許=号，选择(D).
: 【注】通过f分布典型模式的系数与自由度的关系确定选项. i
6.4 2解因为样本方差的数学期望等于总体的方差，即E(S2)=DX,而
f 4-°° f 4-00 1
EX= xf{jc}Ax= x • -ye_|x|dr=0,
J —oo J —oo Li
f-+<» r启
E(X2)= j72/(j;)(1z= jc2e~Jdz=2,
J —oo Jo
故 E(S2) = DX=E(X2) —(EX)2 = 2—o=2・
6. 5 解 “1 = EX = f j?/(j?)dz = f (1 +&)*Hdz =中丁X =丄空&・

Jyo Jo /十& n ~y
令“1 =X,即|^|=X,解得9的矩估计量为0=[[J・
设Hi ,乜，…口”为样本值,则似然函数为
L⑹=(1 +0)"口工?(0 V1 V 1异=1,2厂・・皿)9

i=i
取对数得 In L(e)= xln( 1 + 0) + &£ In 不，
110
第6讲数理统计
din L(0) 命+ tlnx,=

令 0,
~de~
解得唯一解9 ==—-戶—— 1,则0的最大似然估计量为6 =— -一----- 1.

£ In 匕 £ In X,
1=1 :=1
fTa I
6.6 解 (l)p = P{o < X<7^} = I fCx)(h：=—.
Jo a
（2）当 0<j：!,0<^2时，似然函数为
2n
L（a）=/'a）/（Z2）・"/'（z”）= -^rC2"・z”，
a
显然L（a）关于a单调减少，且a$max{zi ,jc2 ,••• ,x„}，贝!] a的最大似然估计量为a = max{X] ,X2,…，X”}.
又由（1）知〃=丄关于是单调函数，根据最大似然估计的不变性，有p的最大似然估计量为
a
" = max{Xi，X2,…，X”}・
6.7解由矩法方程EX=X,其中EX=[血丫一工）血=号，即由号=乂，解得0的矩估计量矜
2工，且 D9 = 4DX =空，其中 DX = E(X2) — (EX)2.

n
EX）=[气二竝血=寻（碍一自| *
护
故珑备鑫
由于E0=2EX=-2 • EX=2 •号=0.又由辛钦大数定律戈見EX =寿,故小2乂丄*2 •号=0,所
以0=2茂是0的无偏估计、一致估计.
【注】由于E@=E,D@=豊,因此由切比雪夫不等式知：对任意£>0,有
Q^P{\9-e\>e}=P{\6-E0\ê}< :^—~ -0( 77-^00)9
d ~ P
limP{ |(9—(9|>e}=0,所以0
即 ^-►8 0,9为 6 的一致估计.
6.8解（1）当a=l时,X的分布函数为
1
FO；仔）=寸
lo, 1>Z,
则X的概率密度为
1<工,
/■（却）=卡屮
〔0, 其他.
由宀=EX = xf (j?；/?)dr = J 僅"Alz = ] EpZ-P =-_J_

1 — B — \'
111
令〃i=X,由諾^ = X,解得P的矩估计量为/?i==^y.
(2)当a=l时，设心,22,…,乂”为样本值，则似然函数为
(鼻严伫”)旳']<g，…皿
L(0) =
0, 其他,
当i>1G=1,2,…，“)时，取对数得
In L(0) = nln 0 — (0+ 1)工 In 匕,

i=i
恍专—纱”。,
令
TI
解得02 = 一一，则0的最大似然估计量为金
S In 九 S In X,
i=l i=l
2
1 , a冬工,
(3)当0=2时,X的分布函数为 FQ；a) =
0, a>z,
[2^
a<z.
则X的概率密度为
0, 其他.
设21，乜，…，工”为样本值,则似然函数为
_2"a 2n
aVî ,x2, ••• ,xn
L(a) = (2口2 …Z”)3
0, 其他,
当z〉aG= 1,2,…皿)时，取对数得
In L(a) = zzln 2 + 2nln a — 3 另 In 不,

t=i
din L(a) _2“、小

则有 =—
j-----
----aa------- a >。，
故不能通过求导求出其最大似然估计量,可以直接从最大似然原理出发确定，即当a越大，则L(a)越大，总有
一、_ 2"a” ； ( 、、_2"min2" {工1 ,工2,…，工”}
L(a) — 7 WL(min{X\ / )—
(2口2…如) (_1口2 …工”)3
因此d = min {X】，X2,X”}为a的最大似然估计量.
【注】在求最大似然估计量时可能出现似然方程无解的情况，但不表示题目无解，而是要根据5

»最大似然原理，寻求其他定值方法，如利用单调性，似然函数在参数取值区域的边界点取到最值.
6.9 (C)解 /未知，均值〃的置信水平为l—a的置信区间为

(灭一，迢(”一1), 乂+j逍(”一1)),
其中，在给定条件下，壬=20,s=l,电(“一1)=如。5(15)，则所求参数“的置信水平为0.90的置信区间为
(20—■ t0_05(15) ,20十+上0.05(15)),
故选择(C).
112

23张宇《基础30讲 概率论》

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

23张宇《基础30讲 概率论》

Uploaded by

Copyright:

Available Formats

张宇数学教育系刘丛书 一

第2讲 一维随机变量及其分布 ........................................................... 22

第3讲 多维随机变量及其分布 ........................................................... 45

第4讲 随机变量的数字特征 ............................................................. 73

第5讲 大数定律与中心极限定理 ......................................................... 88

I AC---）的和事件（或并事件），记为［J A;（或［J A,）.

（7） 称有限个（或可列个）事件Ai，A，…,A”（…）构成一个完备事件组，如果U A（或U A）=。

AiAj = 0（对一切"Hj；d,j = 1,2,…,"（•••））.

(2) 概率P( •)是事件的函数.

【注】P(A)=0,不能断言A=0；P(A) = 1,不能断言A=Q,其中道理可见例1. 11.

(3) 减法公式:P(A-B)=P(A)~P(AB) = P(AB).

2 例如： P(B|A) = 1-P(B|A), ?

(5) 乘法公式:如果 P(A)>0,则 P(AB)=P(A)P(B|A).

B = Q A,B, P(B) = £p(A)P(B I A,).

(7) 贝叶斯公式(又称逆概率公式)：如果Q A = OAAj = 0(：工j ；i,j = 1,2, •••,”),P(A;) > 0,

: 【注】 设A1,A2,-,A„为n 心2)个事件，如果对其中任意有限个事件A,, ,A12,-,A,(2<^< I

ew”）个事件有卩（p| aJ1 = f［P(A,),则称72个试验已帆，…，E”是相互独立的.

法中有m2种方法,... ，第"类办法中有加”种方法，则完成此事共有 乞"种方法.

将"个质点随 分配方式 不同分法的总数

卩｛有1人钓到2条鱼｝= g（；l）z=|| = 0. 48.

例1.8 随机地向半圆0<yV V2ax—x2 (a>0)内投掷一点，点均匀落在半圆内任何一个区域，求

从而 P(AUB)=P(AB) = 1-P(AB) = 1,选(C).

: 【注】P(A) = 1不能推出A=O；PCB)= 0不能推出3=0. §

例 1. 12 已知 P(A)=0. 3,P(B)=0.4,P(AB)=0. 5,求 P(B|AUB).

P(AUB)=P(A) +P(功一P(屈)=0. 7+0. 6-0. 5 = 0. &

代回原式，可得 P(BAU 盼豁^ =瑟=0.25.

例 1. 13 设 A,B,C 是三个随机事件，A 与 C 互斥,P(AB)=y,P(C)=y,!ilijP(AB|C) =

=1—P(Ai A2 A3 A4) = 1 — P(Ai UA2 UA3 UA4)

=1- {P(A1) + P(A2)+P(A3)+P(A4)-

=0. 9X0. 98+0.1X0. 05 = 0. 887.

P(H2 |A) = 1-P(H1 |A)=y.

P(B)=P(Ai UA2 UA3) = 1—P(Ai A2 A3) = l

P(AlA2)=-^, P(AiA3) -, P(A2A3) =-^-,

A3A4 = 0, P(A4)=y, P(A3)=y, P(A3A4)=O#P(A3)P(A4),

(1) 独立试验 称试验Ei，E2,…,E”为相互独立的，如果分别与各个试验相联系的任意"个事件

③｛A,B,C不多于一个发生｝ = ｛A,B,C至多有一个发生｝ = ｛A,B,C至少有两个不发生｝

r(A)=Z 匕坐1 =空—5 =如

P{X=zjci} =P{X^j：i} —_P{XV’} =F(’)一F^jci—0) 9

F(z) = f（t）dt Cz€R）,

P{a<X<b} =P{a^X<b} =P{a<X^b} =P{a<X<6} = J/(j：)cLr =F(b) —F(a).

f(x)= _ _ e 2，」(―oo<j；< + oo),

①(0) = ~,①(―工)=1 一①(z).

Fy(y)=P{YW，}=P{g(X)Wy} =JJ g(X)<y

'一1 0 2 £+〃9 — 1《攵<。9

例2. 2 设Fi (工),F2(Q是随机变量的分布函数,£ (Q ,/2 Q)是相应的概率密度，则( ).

Fi (+°°)+F2(+°°)= 2, j [/j (j;)+ /2 = 2,

(工)于2 (z)<lr 丰 /i /2 (j：)dz = 1,

应排除选项(A), (C), (D),故选择(B).事实上，由于Fi (工)• F2 (工)是单调不减的右连续函数，且

(1) 已知{旳为概率分布，则分布函数FCr) = P{X£刃=》P{X = ’} =工》；已知概率密

解由 P{X$2}=P{X=2}+P{X=3}=20(l—e)+ (l—刎=1—护=#,解得 0=士*.

又P{X= 2} = 20( 1—0) $0,故取0=*,从而得X的概率分布

FQ)= 「2(1 —》)曲= D

2 (x~\--— ) —4=2 (x~\---—2

F(z) T?(l-》)曲=2“ + * 2X* = 1.

F(z)=v 2(h++ — 2)9 ,

P{XEB}= f(x) dx.

■粉设随机变量X的概率分布为P{X=^k} =>U(b = l,2,3,4,5),求常数A及概率

■"：■ 设 X〜N(2,/),且 P{2<X<4}=0. 3,求 P{X<0}.

P{2VX<4}=①(牛) —① 2-2 一0.5=0.3,① =0. 8,

解 依题意y~B(3,/>),其中 p=p]xw*}=[ 2址=*,故 P{Y=2}=C/(1—切=舊.

F(z)=P{XCz}=P{X=O}+P{X=l} = (l—/) +p=l.

例 2. 11 设 X〜_B(2,p),Y〜3(4,仞,且 P{X$1}=>|,则 P{Y^1} = ( ).

(A)|| (B)|| (C)l (D)y

23张宇《基础30讲概率论》

23张宇《基础30讲概率论》

张宇数学教育系刘丛书一

第2讲一维随机变量及其分布 ........................................................... 22

第3讲多维随机变量及其分布 ........................................................... 45

第4讲随机变量的数字特征 ............................................................. 73

第5讲大数定律与中心极限定理 ......................................................... 88

（7）称有限个（或可列个）事件Ai，A，…,A”（…）构成一个完备事件组，如果U A（或U A）=。

: 【注】设A1,A2,-,A„为n 心2)个事件，如果对其中任意有限个事件A,, ,A12,-,A,(2<^< I

法中有m2种方法,... ，第"类办法中有加”种方法，则完成此事共有乞"种方法.

将"个质点随分配方式不同分法的总数

(1) 独立试验称试验Ei，E2,…,E”为相互独立的，如果分别与各个试验相联系的任意"个事件

解依题意y~B(3,/>),其中 p=p]xw}=[ 2址=,故 P{Y=2}=C/(1—切=舊.

公众号陈叨叨杂货铺免费分享

则X的分布列为 ,P{X£3. 2}= ；方程工2+x_r+l=0有实根的概率为________ ,

2.7 (A)解所有有关正态分布不等式的判别都应先标准化，即由

2.9解由X和Y同分布可得P(A) = P(B),从而

2. 10 证明因为/•&)是一个偶函数，所以 f(~x)=fCx),且 1=「/Cz)ck = 2「/Q)dx,

FQ,y) = P{X < x,Y < y} = 丫丫加.

p22=p.2p2. =yXy = y , pl3=p.3pr. =X=寺,

【注】对不同 D要将二重积分（二重求和）化为累次积分（累次求和）进行计算.

当时，Fz（z） = 1 — [ dj/f 2ye~x（Lc = 1 一 2e_”・

方法二公式法.在X,Y相互独立的条件下,用公式fz（z） = /xCz）九（z —Qdz计算，有

方法一分布函数法.正概率区域D与所求概率Fz（z） = P{XY£z}