独立同分布随机变量序列的顺序统计方法(2019)

独立同分布随机变量序列的顺序统计方法(2019)
独立同分布随机变量序列的顺序统计方法(2019)

独立同分布随机变量序列的顺序统计方法

设有限长度离散随机变量序列12,,...,n x x x ,对其按从小到大的顺序排列,得到新的随机序列12,,...,n y y y ,满足:12...n y y y ≤≤≤;假设12,,...,n x x x 是独立同分布的连续取值型随机变量,每个变量的概率分布函数及概率密度分布函数分别为(),()F x f x 。

(1)求(1)k y k n ≤≤的概率密度分布函数()k y f y

解:k y 在y 处无穷小邻域取值的概率()k y f y dy 可以等效为这样一些事件发生的概率之

和:12,,...,n x x x 这n 个随机变量中有任意一个在y 处无穷小邻域取值,而剩余的n -1个随机变量中有任意k -1个的取值小于等于y ,对应的另外n -k 个变量的取值大于等于y

事件的个数(变量的组合数)为111n n k -???? ???-????

,每个事件的概率为1[()]()[1()]k n k f y dy F y F y ---,则

11()()()[1()]11k k n k y n n f y dy f y dyF y F y k ---????=- ???-????

=> 1!()()[1()]() (1)(1)!()!

k k n k y n f y F y F y f y k n k n k --=

-≤≤--

(2)求随机变量,(1)k l y y k l n ≤<≤的联合概率密度分布函数(,)k l y y f u v 解:(,) ()k l y y k l <在平面上的点(,) ()u v v u ≥处无穷小邻域取值的概率

(,)k l y y f u v dudv 可以等效为这样一些事件发生的概率之和:12,,...,n x x x 这n 个随机变量有任意一个在u 处无穷小邻域取值,而剩余的n -1个随机变量中有任意一个在v 处无穷小邻域取值,再剩余的n -2个变量中有任意k -1个的取值小于等于u ,再再剩余的n -k -1个变量中,有任意的有n -l 个的取值大于等于v ,相应最后剩下的l -k -1个变量在[u ,v ]区间上取值

事件的个数(变量的组合数)为

121!111(1)!()!(1)!n n n n k n k n l k n l l k ----??????????= ? ? ? ?------????????

每个事件发生的概率为

11[()][()]()[1()][()()]k n l l k f u du f v dv F u F v F v F u ------

则有

11!(,)[()][()]()[1()][()()](1)!()!(1)!

k l k n l l k y y n f u v dudv f u du f v dv F u F v F v F u k n l l k ----=

------ 于是得到: 11(,)

!()[1()][()()]()()(1)!()!(1)!

0k l y y k n l l k f u v n F u F v F v F u f u f v u v k n l l k otherwise ----?--≤?----=???

(3)写出随机变量,k l y y 相关函数[]k l E y y 的表达式。

11[](,)!{()[1()][()()]()()}(1)!()!(1)!k l k l y y v k n l l k E y y uv f u v dudv

n uv F u F v F v F u f u f v du dv k n l l k ∞∞-∞-∞∞-----∞-∞==------????

【例1】设总体X 的密度函数为2()3,01p x x x =<<,现从该总体中抽取一个容量

为 5 的样本,试计算

(2)1()2P x <。 解:10,)(3)(32<<==>=x x x F x x f

由题意得:N=5, K=3

k n k k n k n k n n xi x F x F x f C C C x f -------=))(1(*))((*)(*)(1111 )15

436(*60)(15

1296x x x x x f -+-==> 0.1207)1/2(==>f

【例2】设总体分布为 U ( 0 , 1 ) , X 1, X 2, … , X N 为样本,求 X (1) , X (N )的联合密度函数。

(1)根据概率密度计算分布函数

(2)套用格式求序列联合分布

(3)带入K=1, L=N

提示:

2)()1()()1(||)1(),(---=n n n x x n n x x f

独立同分布随机变量序列的顺序统计方法(2019)

独立同分布随机变量序列的顺序统计方法 设有限长度离散随机变量序列12,,...,n x x x ,对其按从小到大的顺序排列,得到新的随机序列12,,...,n y y y ,满足:12...n y y y ≤≤≤;假设12,,...,n x x x 是独立同分布的连续取值型随机变量,每个变量的概率分布函数及概率密度分布函数分别为(),()F x f x 。 (1)求(1)k y k n ≤≤的概率密度分布函数()k y f y 解:k y 在y 处无穷小邻域取值的概率()k y f y dy 可以等效为这样一些事件发生的概率之 和:12,,...,n x x x 这n 个随机变量中有任意一个在y 处无穷小邻域取值,而剩余的n -1个随机变量中有任意k -1个的取值小于等于y ,对应的另外n -k 个变量的取值大于等于y 事件的个数(变量的组合数)为111n n k -???? ???-???? ,每个事件的概率为1[()]()[1()]k n k f y dy F y F y ---,则 11()()()[1()]11k k n k y n n f y dy f y dyF y F y k ---????=- ???-???? => 1!()()[1()]() (1)(1)!()! k k n k y n f y F y F y f y k n k n k --= -≤≤-- (2)求随机变量,(1)k l y y k l n ≤<≤的联合概率密度分布函数(,)k l y y f u v 解:(,) ()k l y y k l <在平面上的点(,) ()u v v u ≥处无穷小邻域取值的概率

随机变量及其分布函数

随机变量及其分布函数 将随机事件以数量来标识,即用随机变量描述随机现象的研究方法,它是定义在样本空间上具有某种可预测性的实值函数。 分布函数则完整的表述了随机变量。 一、 随机变量与分布函数 (1) 随机变量: 取值依赖于某个随机试验的结果(样本空间),并随着试验结果不同而变化的变量,称之为随机变量。 分布函数: [1] 定义: 设X 是一个随机变量,对任意实数x ,记作 (){}F x P X x ≤=,称()F x 为随机变量X 的分 布函数,又称随机变量X 服从分布()F x ,显然,函数 ()F x 的定义域为(),-∞+∞,值域为[0,1]。 [2] 性质: ?()F x 单调非降。 ?()0F -∞=、()1F +∞=。 ?()(0)F x F x =+,即()F x 一定是右连续的。 ?对于任意两个实数a b <, {}()()P a X b F b F a <≤=- ?对于任意实数0x ,

00 0{}()()P X x F x F x ==-- ?000{}1{}1()P X x P X x F x >=-≤=- ?000{}{)lim }(x x P X x P X x x F →- =≤<=- ?000{}1{}1()P X x P X x F x ≥=-<=-- 二、 离散型随机变量与连续型随机变量 (1) 离散型随机变量 [1] 概念:设X 是一个随机变量,如果X 的取值是有限个或者 无穷可列个,则称X 为离散型随机变量。其相应的概率()i i P X x p ==(12)i =、……称为X 的概率分布或分布律,表格表示形式如下: [2] 性质: ?0i p ≥ ? 1 1n i i p ==∑ ?分布函数()i i x x F x p ==∑ ?1{}()()i i i P X x F x F x -==- (2) 连续型随机变量 [1] 概念:如果对于随机变量的分布函数()F x ,存在非 负的函数 ()f x ,使得对于任意实数x ,均有:

随机变量及其分布列与独立性检验练习题附答案

数学学科自习卷(二) 一、选择题 1.将三颗骰子各掷一次,记事件A =“三个点数都不同”,B =“至少出现一个6点”,则条件概率()P A B ,() P B A 分别是( ) A.6091,12 B.12,6091 C.518,6091 D.91216,12 2.设随机变量ξ服从正态分布()3,4N ,若()()232P a P a ξξ<-=>+,则a 的值为 A .73 B .53 C .5 D .3 3.已知随机变量ξ~)2,3(2N ,若23ξη=+,则D η= A . 0 B . 1 C . 2 D . 4 4.同时拋掷5枚均匀的硬币80次,设5枚硬币正好出现2枚正面向上,3枚反面向上的次数为ξ,则ξ的数学期望是( ) A .20 B .25 C. 30 D .40 5. 甲乙两人进行乒乓球比赛, 约定每局胜者得1分, 负者得0分, 比赛进行到有一人比对方多2分或打满6局时停止, 设甲在每局中获胜的概率为 23,乙在每局中获胜的概率为13 ,且各局胜负相互独立, 则比赛停止时已打局数ξ的期望()E ξ为( ) A .24181 B .26681 C .27481 D .670243 6.现在有10奖券,82元的,25元的,某人从中随机无放回地抽取3奖券,则此人得奖金额的数学期望为( ) A .6 B .395 C .415 D .9 7.一个篮球运动员投篮一次得3分的概率为a ,得2分的概率为b ,不得分的概率为c ,,,(0,1)a b c ∈,且无其它得分情况,已知他投篮一次得分的数学期望为1,则ab 的最大值为 ( ) A .148 B .124 C .112 D .16 8.位于数轴原点的一只电子兔沿着数轴按下列规则移动:电子兔每次移动一个单位,移动的方向向左或向右,并且向左移动的概率为 23,向右移动的概率为13,则电子兔移动五次后位于点(1,0)-的概率是 ( ) A .4243 B .8243 C .40243 D .80243

独立随机变量期望和方差的性质

第七周多维随机变量,独立性 7.4独立随机变量期望和方差的性质 独立随机变量乘积的期望的性质: Y X ,独立,则()()() Y E X E XY E =以离散型随机变量为例,设二元随机变量(),X Y 的联合分布列() ,i j P X x Y y ==已知,则()()(),i j i j P X x Y y P X x P Y y ====?=, () 1,2,,; 1,2,,i m j n == ()() 11,m n i j i j i j E XY x y P X x Y y =====∑∑()() 11 m n i j i j i j x y P X x P Y y =====∑∑()() 1 1 m n i i j j i j x P X x y P Y y =====∑∑()() E X E Y =***********************************************************************独立随机变量和的方差的性质: Y X ,独立,则()()() Y Var X Var Y X Var +=+()()() 2 2 Var X Y E X Y E X Y ??+=+-+?? ()222E X XY Y =++()()()()22 2E X E X E Y E Y ??-++? ? ()()()()2 2 22E X E X E Y E Y =-+-()()()22E XY E X E Y +-()()()() 2 2 22E X E X E Y E Y =-+-()() Var X Var Y =+若12,,,n X X X 相互独立,且都存在方差,则()() 121 n m k k Var X X X Var X =+++=∑ ***********************************************************************利用独立的0-1分布求和计算二项分布随机变量()~,X b n p 期望和方差 我们在推导二项分布随机变量的方差时,已经利用了独立随机变量和的方差等于方差

随机变量及其分布知识点整理

随机变量及其分布知识点整理 一、离散型随机变量的分布列 一般地,设离散型随机变量X 可能取的值为12,,,,,i n x x x x ??????,X 取每一个值(1,2,,)i x i n =???的概率()i i P X x p ==,则称以下表格 为随机变量X 的概率分布列,简称X 的分布列. 离散型随机变量的分布列具有下述两个性质: (1)0,1 ,2,,i P i n =???≥ (2)121n p p p ++???+= 1.两点分布 如果随机变量X 的分布列为 则称X 服从两点分布,并称=P(X=1)p 为成功概率. 2.超几何分布 一般地,在含有M 件次品的N 件产品中,任取n 件,其中恰有X 件次品,则事件{}X k =发生的概率为: (),0,1,2,3,...,k n k M N M n N C C P X k k m C --=== {}*min ,,,,,,m M n n N M N n M N N =≤≤∈其中且。 注:超几何分布的模型是不放回抽样 二、条件概率 一般地,设A,B 为两个事件,且()0P A >,称()(|)() P AB P B A P A =为在事件A 发生的条件下,事件B 发生的条件概率. 0(|)1P B A ≤≤ 如果B 和C 互斥,那么[()|](|)(|)P B C A P B A P C A =+ 三、相互独立事件 设A ,B 两个事件,如果事件A 是否发生对事件B 发生的概率没有影响(即()()()P AB P A P B =),则称事件A 与事件B 相互独立。()()()A B P AB P A P B ?=即、相互独立 一般地,如果事件A 1,A 2,…,A n 两两相互独立,那么这n 个事件同时发生的概率,等于每个事件发生的概

随机数序列的产生方法

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.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.通过均匀随机数产生其他分布的随机数,我们列举了几种通用算法,并讨论各个算法的优缺点。 正文 一、 随机数与伪随机数 随机变量η的抽样序列12,,n ηηη ,…称为随机数列. 如果随机变量η是均匀分布的,则η的抽样序列12,,n ηηη ,…称为均匀随机数列;如果随机变量η是正态分布的随机变量则称其抽样序列为正态随机数列. 比如在掷一枚骰子的随机试验中出现的点数x 是一个随机变量,该随机变量就服从离散型均匀分布,x 取值为1,2,3,4,5,6,取每个数的概率相等均为1/6.如何得到x 的随机数?通过重复进行掷骰子的试验得到的一组观测结果12,,,n x x x 就是x 的随机数.要产生取值为0,1,2,…,9的离散型均匀分布的随机数,通常的操作方法是把10个完全相同的乒乓球分别标上0,1,2,…,9,然后放在一个不透明的袋中,搅拦均匀后从中摸出一球记号码1x 后放回袋中,接着仍将袋中的球搅拌均匀后从袋中再摸出一球记下号码2x 后再放回袋中,依次下去,就得到随机序列12,,,n x x x .通常称类似这种摸球的方法产生的随机数为真正的随机数.但是,当我们需要大量的随机数时,这种实际操作方法需要花费大量的时间,通常不能满足模拟试验的需要,比如教师不可能在课堂上做10000次掷硬币的试验,来观察出现正面的频率.计算机可以帮助人们在很短时间产生大量的随机数以满足模拟的需要,那么计算机产生的随机数是用类似摸球方法产生的吗?不是.计算机是用某种数学方法产生的随机数,实际上是按照一定的计算方法得到的一串数,它们具有类似随机数的性质,但是它们是依照确定算法产生的,便不可能是真正的随机数,所以称计算机产生的随机数为伪随机数.在模拟计算中通常使用伪随机数.对这些伪随机数,只要通过统计检验符合一些统计要求,如均匀性、随机性

随机变量独立同分布的概念

1、随机变量独立同分布的概念 随机变量X1和X2独立,是指X1的取值不影响X2的取值,X2的取值也不影响X1的取值。随机变量X1和X2同分布,意味着X1和X2具有相同的分布形状和相同的分布参数,对离散型随机变量具有相同的概率函数,对连续型随机变量具有相同的概率密度函数,有着相同的分布函数,相同的均值、方差与标准差。 反之,若随机变量X1和X2是同类型分布,且分布参数全相同,则X1和X2一定同分布。 一般来说,在相同条件下,进行两次独立试验,则这两次实验结果所对应的随机变量是独立同分布的。 比如,将一枚质地均匀的硬币抛掷两次,设X1为第一次抛掷硬币的结果,X2为第二次抛掷硬币的结果。显然,第一次抛掷硬币的结果对第二次的结果没有影响,反之亦然,故X1和X2相互独立。 同时,X1和X2都只有两种试验结果:正面朝上和背面朝上,以0代表正面朝上,1代表背面朝上,则 P(X1=0)=P(X2=0)=0.5, P(X1=1)=P(X2=1)=0.5, 故X1和X2是独立同分布的随机变量。 随机变量独立同分布的特性可以推广到三个或更多个随机变量。 2、独立同正态分布(定理1) 3、独立同分布(定理2——中心极限定理) 当的分布对称时,只要n 5,那么,近似效果就比较理想;当的分布非对称时,要求n 值较大,一般n 30近似效果较理想。 这个定理表明:无论随机变量服从何种分布,可能是离散分布,也可能是连续分布,连续分布可能是正态分布,也可能是非正态分布,只要独立同分布随机变量的个数n较大,那么,随机变量之和的分布、随机变量均值X-的分布都可以近似为正态分布。这一结论意义深远。 4、标准误 统计学中把均值X-的标准差称为均值的标准误,记为,无论是正态还是非正态,均值X-的标准误都有 SEM随着n的增加而减少。 常常对一个零件的质量特性只观测一次,就用该观测结果去估计过程输出的质量特性。这里建议一种简单有效的减少测量系统误差的方法。对同一个零件的质量特性作两次或更多次重复测量,用其观测结果的平均值去估计过程输出的质量特性,就可以减少标准差。当然,这不是回避使用更精确量具的理由,而是一种提高现有量具精度的简易方法,多次测量值的平均值要比单次测量值更精确。

随机变量及其分布列与独立性检验练习题附答案

随机变量及其分布列与独 立性检验练习题附答案 It was last revised on January 2, 2021

数学学科自习卷(二) 一、选择题 1.将三颗骰子各掷一次,记事件A =“三个点数都不同”,B =“至少出现一个6点”,则条件概率()P A B ,()P B A 分别是( ) A. 6091,12 B.12,6091 C.518,6091 D.91216,12 2.设随机变量ξ服从正态分布()3,4N ,若()()232P a P a ξξ<-=>+,则a 的值为 A .73 B .5 3 C .5 D .3 3.已知随机变量ξ~)2,3(2N ,若23ξη=+,则D η= A . 0 B . 1 C . 2 D . 4 4.同时抛掷5枚均匀的硬币80次,设5枚硬币正好出现2枚正面向上,3枚反面向上的次数为ξ,则ξ的数学期望是( ) A .20 B .25 C. 30 D .40 5. 甲乙两人进行乒乓球比赛, 约定每局胜者得1分, 负者得0分, 比赛进行到有一人比对方多2分或打满6局时停止, 设甲在每局中获胜的概率为 2 3 ,乙在每局中获胜的概率为1 3,且各局胜负相互独立, 则比赛停止时已打局数ξ的期望()E ξ为( ) A .24181 B .26681 C .27481 D .670243 6.现在有10张奖券,8张2元的,2张5元的,某人从中随机无放回地抽取3张奖券,则此人得奖金额的数学期望为( ) A .6 B . 395 C .41 5 D .9

7.一个篮球运动员投篮一次得3分的概率为a ,得2分的概率为b ,不得分的概率为c ,,,(0,1)a b c ∈,且无其它得分情况,已知他投篮一次得分的数学期望为1,则ab 的最大值为 ( ) A . 148 B . 124 C . 112 D .16 8.位于数轴原点的一只电子兔沿着数轴按下列规则移动:电子兔每次移动一个单位,移动的方向向左或向右,并且向左移动的概率为23,向右移动的概率为1 3 ,则电子兔移动五次后位于点(1,0)-的概率是 ( ) A . 4243 B .8243 C .40 243 D . 80 243 二、填空题 9.已知55104)1()1()1)(2(++???+++=-+x a x a a x x ,则=++531a a a ______. 10.乒乓球比赛采用7局4胜制,若甲、乙两人实力相当,获胜的概率各占一半,则打完5局后仍不能结束比赛的概率等于_____________________. 11.设ξ是离散型随机变量, 21 (),()33P a P b ξξ==== ,且a b <,又42 ,39E D ξξ== ,则a b +的值为______ _. 12.某车站每天8:009:00,9:0010:00--都恰有一辆客车到站,但到站的时刻是随机的,且两者到站的时间是相互独立的,其规律为 到站的时刻 8:10 9:10 8:30 9:30 8:50 9:50 概率 一旅客8:20到站,则它候车时间的数学期望为_______。(精确到分) 三、解答题

连续型随机变量的分布与例题讲解

连续型随机变量的分布 (一)连续型随机变量及其概率密度函数 1.定义:对于随机变量X 的分布函数 F(X) ,若存在非负函数f(x), 使对于 任意的实数 x,有F ( x)x f(x) 称为 X f (t)dt ,则称X为连续性随机变量, 的概率密度函数,简称概率密度。 注: F(x)表示曲线下x 左边的面积,曲线下的整个面积为1。 2 .密度函数f(x) 的性质:注: f( x)不是概率。 1) f( x)≥ 0 + f ( x) dx = 1 2) ò-x 2 3)P{x 1 < X ? x 2 }òx1 f (x) dx = F (x 2 ) - F (x 1 ) 特别地,连续型随机变量在某一点的概率为零,即 P{ X = x} = 0. (但 { X=x} 并不一定是不可能事件) 因此P(a≤X ≤ b)= P(a< X

次序统计量及其分布

§5.3次序统计量及其分布 次序统计量在近代统计推断中起着重要的作用,这是由于次序统计量有一些性质不依赖于母体的分布并且计算量很小,使用起来较方便。因此在质量管理、可靠性等方面得到广泛的应用,现在我们在本节中扼要地介绍有关次序统计量的内容。gjzsj 设1ξ,2ξ,…,n ξ是取自分布函数为F (x )的母体ξ的一个子样,x 1,x 2,… ,x n 表示这子样的一组观测值。这些观测值,由小到大的排列用x )1(,x )2(,… ,x )(n 表示,即x )1(≤x )2(≤… ≤x )(n ,若其中有两个分量x 1与x 2相等,它们先后次序的安排是可以任意的。 定义5.3 第i 个次序统计量ξ)(i 是上述子样1ξ,2ξ,…,n ξ这样的一个的一个函数,不论子样1ξ,2ξ,…,n ξ取得怎样一组观测值x 1,x 2,… ,x n ,它总是取其中的x )(i 为观测值。 显然,对于容量为n 的子样可以得到n 个次序统计量ξ)1(≤ξ)2(≤… ≤ξ)(n ,其中ξ)1(称做最小次序统计量,ξ)(n 称做最大次序统计量。 如果1ξ,2ξ,…,n ξ是来自同一母体的n 个相互独立随机变量,那么次序统计量1ξ,2ξ,…,n ξ是否也相互独立呢?这可以从下述例子中看出(例略)。 定理5.5 设母体ξ有密度函数f (x)>0,a ≤x ≤b ,并且1ξ,2ξ,…,n ξ为取自这母体的一个子样,则第i 个次序统计量的密度函数为 g i (y)=?? ???≤≤-----其他,0),()](1][)([)!()!1(!1b y a y f y F y F i n i n i n i (5.24) 例5.3 设母体ξ有密度函数 ? ??<<=其他,010,2)(x x x f 并且ξ)1(<ξ)2(<ξ)3(<ξ)4(为从ξ取出的容量为4的子样的次序统计量。求ξ)3(的密度函数)(3x g 和分布函数)(3x G ,并且计算概率)2 1()3(>ξP 。

随机变量序列的收敛性及其相互关系

长江大学 毕业论文 题目名称随机变量序列的收敛性及其相互关系院(系)信息与数学学院 专业班级信计11001班 学生姓名傅志立 指导教师李治 辅导教师_________ 李治______________

摘要:概率极限理论不仅是概率论的重要组成部分,而且在数理统计中有广泛 的应用。本文主要对a.e.收敛、依概率收敛、依分布收敛、r—阶收敛四种随机变量序列的概率和收敛性性质进行阐述;并结合具体实例讨论了它们之间的关系,进一步对概率论中依分布收敛的等价条件和一些依概率收敛的弱大数定律进行了具体的研究.

目录 1......................................................................................... 引 言2......................................................................................... a .e.收敛、依概率收敛、依分布收敛、r—阶收敛的 概念、性质及其相互关系. 2.1 a.e.收敛的概念及性质 2.2依概率收敛的概念及性质 2.3依分布收敛的概念及性质 2.4r-阶收敛的概念及性质 2.5结论 3......................................................................................... 随 机变量序列依分布收敛的等价条件4......................................................................................... 随 机变量 ∑ = n k k n1 1 ξ 依概率收敛的一些结果 5......................................................................................... 小 结6......................................................................................... 参 考文献

随机变量序列的几种收敛性

本科毕业论文 题目:随机变量序列的 几种收敛性及其关系 学院:数学与计算机学院 班级:数学与应用数学2008级八班 姓名:薛永丽 指导教师:丁平仁职称:副教授完成日期:2012 年5月10 日

随机变量序列的几种收敛性及其关系 摘要:本文主要对随机变量序列的四种收敛性:a.e.收敛、依概率收敛、依分布收敛、 r—阶收敛的概念、性质进行阐述;并结合具体实例讨论了它们之间的关系,进一步对概率论中依分布收敛的等价条件和一些依概率收敛的弱大数定律进行了具体的研究. 关键字:随机变量序列收敛分布函数

目录 1.引言 .................................................................... 1 2.a.e.收敛、依概率收敛、依分布收敛、r —阶收敛的概念、性质以及它们之间的关系. 2.1 a.e.收敛的概念及性质 ................................................................................................... 1 2.2 依概率收敛的概念及性质 .............................................................................................. 2 2.3依分布收敛的概念及性质 ............................................................................................... 3 2.4 r —阶收敛的概念及性质 .................................................................................................. 5 3.随机变量序列依分布收敛的等价条件. (6) 4.随机变量∑=n k k n 1 1ξ依概率收敛的一些结果 (9) 5.小结. .................................................................. 12 6.参考文献 (12)

随机变量及其分布习题解答

第2章随机变量及其分布习题解答 一.选择题 1.若定义分布函数(){}F x P X x =≤,则函数()F x 是某一随机变量X 的分布函数的充要条件是( D ). A .0()1F x ≤≤. B .0()1F x ≤≤,且()0,()1F F -∞=+∞=. C .()F x 单调不减,且()0,()1F F -∞=+∞=. D .()F x 单调不减,函数()F x 右连续,且()0,()1F F -∞=+∞=. 2.函数()0 212021 0 x F x x x <-??? =-≤

5.设X 的分布律为 而(){}F x P X x =≤,则F =( A ). A .0.6. B .0.35. C .0.25. D .0. 6.设连续型变量X 的概率密度为()p x ,分布函数为()F x ,则对于任意x 值有( A ). A .(0)0P X ==. B .()()F x p x '=. C .()()P X x p x ==. D .()()P X x F x ==. 7.任一个连续型的随机变量X 的概率密度为()p x ,则()p x 必满足( C ). A .0( )1p x ≤≤. B .单调不减. C . ()1p x dx +∞ -∞ =?. D .lim ()1x p x →+∞ =. 8 .为使 x 1()0 1p x x ?=??≤? 是随机变量X 的概率密度,则常数c ( B ).

相关文档
最新文档