连续型随机变量及其概率密度.pdf

几种常用连续型随机变量

几种常用的连续型随机变量 给出一个新概念：广义概率密度函数。 设连续型随机变量ξ的概率密度函数为φ(x ), 那么任何与之成正比的函数f (x )∝φ(x ), 都叫做ξ的广义概率密度函数, 或者说, 一个函数f (x )是ξ的广义概率密度函数, 说明存在着一实数a , 使得 φ(x )=af (x ) (1) 而知道了广义概率密度函数, ξ的概率密度函数就可以根据性质1)(=?+∞ ∞ -dx x ?, 求出 将(1)式代入得: 1)()(??+∞ ∞ -+∞ ∞ -==dx x af dx x ? 则?∞+∞ -= dx x f a )(1 因此, 知道了广义概率密度函数就等于知道了一般的概率密度函数, 我们只需关心函数的形状就可以了解概率密度的性质了. 因此也不必关于那个常数是什么. 4.4 指数分布 指数分布的概率密度函数为 ?? ?>=-其它 )(x e x x λλ? 它的图形如下图所示: 它的期望和方差如下计算: () λ λ λ?ξλλλλλ1 1 )(0 =- =+-=-= = = ∞ +-∞+-∞ +-+∞ -+∞ -+∞ ∞ -????x x x x x e dx e xe e xd dx e x dx x x E

() 2 20 202 2 2 2 2 2)(|λξλ λ?ξλλλλ= = +-=-= = = ????∞+-∞+-+∞ -+∞ -+∞∞ -E dx xe e x e d x dx e x dx x x E x x x x 2 2 2 221 1 2 )(λ λ λ ξξξ= - = -=E E D 指数分布常用来作为各种"寿命"分布的近似. 4.5 Γ-分布 如果一个随机变量ξ只取正值, 且在正半轴的广义概率密度函数的形式是x 的某次方x k 乘上指数函数e -λx , 即 ?? ?>->>=-其它 ) 0,1(0)(λλk x e x x f x k 那么就称ξ服从Γ-分布了. 上式中之所以要求k >-1, λ>0, 是因为广义积分 ?? +∞ -+∞ ∞ -= )(dx e x dx x f x k λ 只有在这种条件下才收敛. 此外, 传统上为了方便起见, 用另一个常数r =k +1, 因此广义概率密度函数写为 ?? ?>>>=--其它 ) 0,0(0)(1λλr x e x x f x r 而真实的概率密度函数φ(x )=af (x ), 可以给出常数a 由下式计算: ?∞ +--= 11 dx e x a x r λ 这样, 计算的关键就是要计算广义积分 ?+∞ --0 1dx e x x r λ, 作代换t =λx , 则x =t /λ, dx =dt /λ, 则???+∞ --+∞ --+∞ --= ? ?? ? ?=0 101 011 1 dt e t dt e t dx e x t r r t r x r λ λ λλ, 问题就转成怎样计算广义积分? +∞ --0 1dt e t t r , 这个积分有一个参数r >0, 在r 为一些特定 的参数时, 如当r =1时, 上面的广义积分还是可以计算的, 但是当r 为任意的正实数时, 此广 义积分就没有一般的公式, 一般的原函数表达式. 在这种情况下数学家常用的办法就是定义一个新的函数. 比如说, 在中学学的三角函数就无法用一个加减乘除的公式表示, 因此就发明了sin , cos 这样的记号来代表三角函数. 同样, 上面的广义积分的取值只依赖于参数r , 每给定一个r 值就有一个积分值与之对应, 因此也可以定义一个函数, 叫Γ-函数, 定义为

2.3连续型随机变量与随机变量的分布函数

2.3 连续型随机变量与随机变量的 分布函数 一、分布函数 二、概率密度函数 三、常见连续型分布

引例（1）求指针落在某个刻度如X=3的概率？ （2）求指针落在区间（4，5]的概率？ 解：(1){3}()0A P X P A === =Ω的长度 的长度 54541 (2){45}{5}{4} 180181818 P X P X P X -<≤==-==≤-≤-由上例，得到如下结论： 1、X 在单点上的概率都为0，即0{}0 P X x ==2{}{}{} P a X b P X b P X a <≤=≤-≤、 -(){}F x P X x =≤→分布函数 {}P a X b <≤= () F b () F a

对于随机变量X ，既要知道X 的取值, 以及X 取这些值的概率; 而且更重要的是想知道X 在任意有限区间(a,b )内取值的概率. }{21x X x P ≤<} {}{12x X P x X P ≤-≤=21}{21x X x P ≤<分布函数 ). ()(12x F x F -= ? 一、分布函数 例如.],(21内的概率落在区间求随机变量x x X 1.概念的引入

2.分布函数的定义 说明 (1) F (x ) 表示X 取值在－∞到x 的概率，可用来研究随机 变量在某一区间内取值的概率情况. . } {)(,,的分布函数称为函数 是任意实数是一个随机变量设定义X x X P x F x X ≤=. )()2(的一个普通实函数是分布函数x x F

例1随机变量X 的分布律为 X 1 2 34P 0.20.1 0.4 0.3 求X 的分布函数. ,1时当

连续型随机变量

§3 连续型随机变量 除了离散型随机变量之外，还有非离散型的随机变量，这些随机变量的取值已不再是有限个或可列个。在这类非离散型随机变量中，有一类常见而重要的类型，即所谓连续型随机变量。粗略地说，连续型随机变量可以在某特定区间内任何一点取值。例如某种树的高度；测量的误差；计算机的使用寿命等等都是连续型随机变量。对于连续型随机变量，不能一一列出它可能取值，因此不能像对离散型随机变量那样用它取各个可能值的概率来描述它的概率分布，而是要考虑该随机变量在某个区间上取值的概率，我们是用概率密度函数来研究连续型随机变量的。 一． 概率密度和连续型随机变量定义： 对于随机变量X ，如果存在非负可积函数 ()()f x x -∞<<+∞，使得对于任意实数， ,()a b a b <都有 {}()b a P a X b f x dx <<= ? ， 则称X 为连续型随机变量；称()f x 为X 的概率密度函数，简称概率密度或密度． 由定义可知，分布密度()f x 具有如下基本性质: （１）．()0()f x x ≥-∞<<+∞； （２）． ()()1f x dx P X +∞ -∞ =-∞<<+∞=? ． 这两条性质的几何意义是：概率分布密度曲线不在x 轴下方，且该曲线与x 轴所围的图形面积为1。性质(1)、(2)可以作为判定一个函数是否可以作为一个连续型随机变量的分布密度的条件。 对于连续型随机变量X 可以证明，它在某一点a 处取值的概率为零，即 对于任意实数a ，有()0P X a ==． 即研究X 在某一点处取值的概率是没有什么实际意义的。从而可知，研究X 在某区间上取值的概率时，该区间含不含端点，不影响概率值。即 (３)．对于任意实数， ,()a b a b <都有 {}{}{}{}()b a P a X b P a X b P a X b P a X b f x dx <<=≤<=<≤=≤≤=? 【例1】 设X 是连续型随机变量，已知X 的概率密度为 其中λ为正常数． 试 确定常数A ．

《概率论与数理统计》习题随机变量及其分布

第二章 随机变量及其分布 一. 填空题 1. 设随机变量X ～B(2, p), Y ～B(3, p), 若P(X ≥ 1) =9 5 , 则P(Y ≥ 1) = _________. 解. 9 4951)1(1)0(=-=≥-==X P X P 94)1(2 = -p , 3 1=p 2719321)0(1)1(3 =?? ? ??-==-=≥Y P Y P 2. 已知随机变量X 只能取－1, 0, 1, 2四个数值, 其相应的概率依次为c c c c 162 ,85,43,21, 则c = ______. 解. 2,16321628543211==+++= c c c c c c 3. 用随机变量X 的分布函数F(x)表示下述概率: P(X ≤ a) = ________. P(X = a) = ________. P(X > a) = ________. P(x 1 < X ≤ x 2) = ________. 解. P(X ≤ a) = F(a) P(X = a) = P(X ≤ a)－P(X < a) = F(a)－F(a －0) P(X > a) = 1－F(a) P(x 1 < X ≤ x 2) = F(x 2)－F(x 1) 4. 设k 在(0, 5)上服从均匀分布, 则02442 =+++k kx x 有实根的概率为_____. 解. k 的分布密度为??? ??=0 51 )(k f 其它50≤≤k P{02442 =+++k kx x 有实根} = P{03216162 ≥--k k } = P{k ≤－1或k ≥ 2} =5 3 515 2=?dk 5. 已知2}{,}{k b k Y P k a k X P =-== =(k = 1, 2, 3), X 与Y 独立, 则a = ____, b = ____, 联合概率分布_____, Z = X + Y 的概率分布为_____. 解. 116,132==++a a a a . 49 36,194==++b b b b

讲连续型随机变量分布及随机变量的函数的分布

第七讲 连续型随机变量（续）及 随机变量的函数的分布 3. 三种重要的连续型随机变量 （1）均匀分布 设连续型随机变量X 具有概率密度 )5.4(,, 0,,1 )(??? ??<<-=其它b x a a b x f 则称X 在区间(a,b)上服从均匀分布, 记为X~U(a,b). X 的分布函数为 )6.4(. , 1,, ,,0)(???? ???≥<≤--<=b x b x a a b a x a x x F （2）指数分布 设连续型随机变量X 的概率密度为 )7.4(, , 0,0,e 1)(/?????>=-其它x x f x θ θ 其中θ>0为常数, 则称X 服从参数为θ的指数分布. 容易得到X 的分布函数为 )8.4(. , 0,0,1)(/?? ?>-=-其它x e x F x θ 如X 服从指数分布, 则任给s,t>0, 有 第二章 随机变量及其分布 §4 连续型随机变量 及其概率密度 1 =2

P{X>s+t | X > s}=P{X > t} (4.9) 事实上 }. {e e e )(1)(1}{}{} {)} (){(}|{//)(t X P s F t s F s X P t s X P s X P s X t s X P s X t s X P t s t s >===-+-=>+>= >>?+>=>+>--+-θ θθ 性质(4.9)称为无记忆性. 指数分布在可靠性理论和排队论中有广泛的运用. （3）正态分布 设连续型随机变量X 的概率密度为 ) 10.4(,,e 21)(2 22)(∞<<-∞= -- x x f x σμσ π其中μ,σ(σ>0)为常数, 则称X 服从参数 为μ,σ的正态分布或高斯(Gauss)分布, 记为X~N(μ,2σ). 显然f(x)≥0, 下面来证明 1d )(=? +∞ ∞ -x x f 令t x =-σμ/)(, 得到 dx e dx e t x 2 2)(22 22121- ∞ +∞ --- ∞ +∞ -? ? = π σ πσμ . 1d 21d 21 ) 11.4(π 2d d e ,, d d ,d e 2 2)(20 2 22 /)(2 2 /2 2 22 222== ====? ??? ? ? ?∞ ∞ -- ∞ ∞ ---∞ - +∞∞-+∞ ∞ -+-∞∞ --x e x e r r I u t e I t I t x r u t t π σ πθσ μπ 于是 得转换为极坐标则有记f(x)具有的性质: f (x )的图形: 1.5 0.5

连续型随机变量

江苏科技大学 毕业论文（设计） 题目：连续型随机变量在实际生活中的应用 姓名：顾苗 学号：1140503102 教学院：数理学院 专业班级：11级统计一班 指导教师：王康康 完成时间：2015年06月10日 二零一伍年六月

连续型随机变量在实际生活中的应用Continuous random variables applied in real life

江苏科技大学毕业设计（论文） 江苏科技大学 毕业设计（论文）任务书 学院名称：数理学院专业：统计学 学生姓名：顾苗学号：1140503102 指导教师：王康康职称：讲师

江苏科技大学毕业设计（论文） 毕业设计（论文）题目： 连续型随机变量在实际生活中的应用 一、毕业设计（论文）内容及要求（包括原始数据、技术要求、达到的指标和应做的实验等） 连续型随机变量在现实生活中有广泛的应用，许多物理过程和社会现象均可以由各种常见的随机过程来刻画。如泊松过程、正态过程、马氏过程等等，其应用非常广泛。在实际运用时，我们考虑它们在各种经济模型中的应用和计算，它们种类繁多，形式各异。具有很强的现实意义。 1、给出连续型随机变量的基本概念。 2、给出几种常见的连续型随机变量的理论意义。 3、给出几种常见的连续型随机变量在各种经济模型中的应用。 二、完成后应交的作业（包括各种说明书、图纸等） 1、至少6000字以上的论文 2、教师指定阅读的外文文献原文 3、指定外文文献的译文6000字以上

三、完成日期及进度 2015.2.25～2015.3.16 文献检索与资料收集； 2015.3.16～2015.4.12 文献阅读及撰写开题报告； 2015.4.12～2015.5.8 论文构思与内容； 2015.5.8～2015.5.24 撰写论文； 2015.5.24～2015.6.9 论文评阅及答辩。

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

连续型随机变量的生成-Read

连续型随机变量的生成: 1反函数法 采用概率积分变换原理,对于随机变量X的分布函数F(X)可以求其反函数，得: Xi=G(Ri) 其中,Ri为一个0-1区间内的均匀分布的随机变量. F(X)较简单时，求解较易，当F(X)较复杂时，需要用到较为复杂的变换技巧。 1.1平均分布: 例:已知炮弹对目标的方位角Fi在0-2*P内均匀分布，试用（0，1）均匀随机数变换，模拟弹着点方位角的抽样值Fi. 解: R=F(Fi)=Fi/2*PI 得Fi=G(R)=2*PI*R ,其中，R为0-1区间上的均匀分布的随机数. 程序略 1.2指数分布: 指数分布的分布函数为: x<0时,F(x)=0 ; x>=0,F(x)=1-exp(-lamda*x) 利用反函数法，可以求得: x=-lnR/lamda 2正态分布随机变量的生成: 正态分布在概率统计的理论及应用中占有重要地位，因此，能产生符合正态分布的随机变量就在模拟一类的工作中占有相当重要的地位。下面介绍两种方法。 2.1舍选法： 这种方法便捷而有效，且具有一定的代表性，其基本思路是: 在概率密度的函数图像的外围画一个大框，然后在这个框内部产生随机点（rx,ry），根据是否落在概率密度函数的下方，来决定是否要留下这个点。 经过一定的计算变行，符合二维的正态分布的随机变量的生成可按下面的方法进行： 1)产生位于0-1区间上的两个随机数r1和r2.

2)计算u=2*r1-1,v=2*r2-1及w=u^2+v^2 3)若w>1，则返回1) 4) x=u[(-lnw)/w]^(1/2) y=v[(-lnw)/w]^(1/2) 如果为(miu,sigma^2)正态分布,则按上述方法产生x后，x’=miu+sigma*x 由于采用基于乘同余法生成的0-1 上的随机数的正态分布随机数始终无法能过正态分布总体均值的假设检验。而采用C语言的库函数中的随机数生成函数rand()来产生0-1 上的随机数，效果较为理想。 关键程序段(funNorm返回一维的正态分布，而funNorm2则生成二维的随机分布): float funNorm(float miu,float sigma) { float r1,r2; float u,v,w; float x,y; do { r1=MyRnd(); r2=MyRnd(); u=2*r1-1; v=2*r2-1; w=u*u+v*v; }while(w>1); x=u*sqrt(((-log(w))/w)); y=v*sqrt(((-log(w))/w)); return miu+sigma*x; //also could return miu+sigma*y; } typedef struct

连续型随机变量及其分布(精)

连续型随机变量及其分布 知识要点 1．分布函数 随机变量的分布可以用其分布函数来表示，随机变量X 取值不大于实数x 的概率 ()P X x ≤称为随机变量X 的分布函数，记作()F x , 即 ()(),F x P X x x =≤-∞<<∞． 2．分布函数()F x 的性质 (1) 0()1;F x ≤≤ (２) ()F x 是非减函数，即当12x x <时，有12()()F x F x ≤； (3) ()0,()1lim lim x x F x F x →-∞ →+∞ ==; (4) ()F x 是右连续函数，即0()()lim x a F x F a →+=． 由已知随机变量X 的分布函数()F x ，可算得X 落在任意区间(,]a b 内的概率 ()()();P a X b F b F a <≤=- 也可以求得 ()()(0)P X a F a F a ==--． 3．联合分布函数 二维随机变量(,)X Y 的联合分布函数规定为随机变量X 取值不大于x 实数的概率，同时随机变量Y 取值不大于实数y 的概率，并把联合分布函数记为(,)F x y ，即 (,)(,),,F x y P X x Y y x y =≤≤-∞<<+∞-∞<<+∞． 4．联合分布函数的性质 (1) 0(,)1F x y ≤≤； (2) (,)F x y 是变量x (固定y )或y (固定x )的非减函数； (3) (,)0,(,)0 lim lim x y F x y F x y →-∞ →-∞ ==， (,)0,(,)1 lim lim x x y y F x y F x y →-∞ →+∞→-∞ →+∞ ==； (4) (,)F x y 是变量x (固定y )或y (固定x )的右连续函数； (5) 121222211211(,)(,)(,)(,)(,)P x X x y Y y F x y F x y F x y F x y <≤<≤=--+． 5．连续型随机变量及其概率密度 设随机变量X 的分布函数为()F x ，如果存在一个非负函数()f x ，使得对于任一实数x ，有 ()()x F x f x dx -∞ =? 成立，则称X 为连续型随机变量，函数()f x 称为连续型随机变量X 的概率密度． 6．概率密度()f x 及连续型随机变量的性质 （１）()0;f x ≥ （２） ()1 f x dx +∞ -∞ =? ；

概率论与数理统计随机变量及其分布问题

随机变量及其分布问题 1、假设随机变量X 的绝对值不大于1，1(1),8P X =-= 1 (1).4 P X ==在事件(11)X -<<出现的条件下，X 在(1,1)-内的任一子区间上取值的条件概率与该子区间的长度成正比。试求X 的分布函数()()F x P X x =≤ 解：当1x <-时，()0F x =。 当1x =-时，()()(1)(1)F x P X x P X P x x =≤=≤-+-<≤ 1 (1)8 P X x = +-<≤ 而 5(11)1(1)(1)8 P X P X P X -<<=-=--==， 因此 (1)(1,11)P X x P X x X -<≤=-<≤-<< (11)(111)P X P X x X =-<<-<<-<< 5155 8216 x x ++=?= ， 于是，得 5155 ()8216 x x F x ++=?= 当1x ≥-时，()1F x =。 故所求分布函数为 0, 1 55(), 11161, 1 x x F x x x <-??+? =-≤≤??≥?? 评述 分由函数可以完整地描述任何类型随机变量的取值规律，这里的随机变量包括离散 型、连续型和混合型在类。 2、一汽车沿一街道行驶，需要通过三个均设有红绿号灯的路口，每个路口的信号灯为红或绿与其他路口的信号灯为红或绿相互独立，且红、绿两 种信号显示的时间相等。以X 表示该汽车遇到红灯前已通过的路口的个数，求X 的概率分布。 解 设i A =“汽车在第i 个路口首次遇到红灯”（i =1，2，3）。依题意，1A ，2A ，3A 相互独立。X 的可能取值是0，1，2，3。于是，得X 的概率分布为 11 (0)(),2 P X P A ===

常用离散型和连续型随机变量

常用离散型随机变量的分布函数 (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 [2] 性质： ? 0i p ≥ ?11n 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： ()()x F x f x dx -∞= ? 则称X 为连续型随机变量，()f x 称为概率密度函 数或者密度函数。 [2] 连续型随机变量的密度函数的性质 ?()0f x ≥ ? ()1f x dx +∞ -∞=?

?{}()()()P a X b F b F a f x dx +∞ -∞<≤=-= ? ?若()f x 在x 点连续，则()()F x f x '= (3) 连续型随机变量和离散型随机变量的区别： [1] 由连续型随机变量的定义，连续型随机变量的定义域是 (),-∞+∞，对于任何x ，000 {}()()0P X x F x F x ==--=；而对于离散型随机变量的分布函数有有限个或可列个间 断点，其图形呈阶梯形。 [2] 概率密度()f x 一定非负，但是可以大于1，而离散型随 机变量的概率分布i p 不仅非负，而且一定不大于1. [3] 连续型随机变量的分布函数是连续函数，因此X 取任何给定值的概率都为0. [4] 对任意两个实数a b <，连续型随机变量X 在a 与b 之间 取值的概率与区间端点无关，即： {}{} {}{} ()() ()b a P a X b P a X b P a X b P a X b F b F a f x dx <<=≤≤=<≤=≤<=-=? 即：{}{}()P X b P X b F x <=≤= (4) 常用的离散型随机变量的分布函数： [1] 0-1分布： 如果离散型随机变量X 1{}k k P X k p q -== （ K=0、1） ()01p ≤≤ 称X 服从参数为p 的0-1分布。 [2] 二项分布： 如果离散型随机变量X 的概率分布为： {}k k n k n P X k C p q -== ()01k n =、 …… ()01p ≤≤ ()1q p =-

概率论与数理统计：认识随机变量

认识随机变量 教学目标： 1.了解随机变量的意义，并能说明随机变量取的值所表示的随机试验的结果 2. 熟练掌握用随机变量表示随机试验的结果；理解一维随机变量的意义。 教学重难点：理解一维离散型随机变量的意义，熟练掌握一维随机变量的表示。 随机事件概念的透彻理解及对随机变量引入目的的认识。 思维导航 1、 正四面体玩具投掷问题：投掷一次观察落地一面的颜色，有多少种可能的结果呢？ 这些结果可以用数字表示吗？ 2、 等候时间问题：在实际生活中我们有很多情况下会需要等候，那么等候时间有范围 限制吗？观察这些结果可以用数字表示吗？ 又如投掷骰子，观察出现的点数、每天进入某游乐园的人数、每个月武汉市的最高温度等等。 3、 在有些试验中，试验结果看来与数值无关，但我们可以引进一个变量来表示它的各 种结果.也就是说，把试验结果数值化. 正如裁判员在运动场上不叫运动员的名字而叫号码一样，二者建立了一种对应关系. 概念导入： 例：掷一颗骰子得到的点数，分别用1、2、3、4、5、6来表示； 例：测试一个灯泡的使用寿命，结果对应着（0，+∞）中的一个实数； 例：投篮一次“命中”可用1表示，“没有命中”可用0表示； 例：从一批产品中随机抽取一个检验，“次品”用0表示，“合格品”用1表示等等。 发现：试验结果与实数建立了对应关系 ①每一个试验的结果可以用一个确定的数字来表示；每一个确定的数字都表示一种试验结果. ②同一个随机试验的结果,可以赋不同的数字; ③数字随着试验结果的变化而变化，是一个变量； 随机变量的概念 1.随机变量：一个变量X 的取值取决于随机试验E （现象）的基本结果ω，则该变量)(ωX 称为随机变量. 随机变量常用大写字母X 、Y 、Z 等表示，其取值用小写字母x 、y 、z 等表示. 2.离散型随机变量和连续型随机变量：一个随机变量所可能取到的值只有有限个（如掷骰子出现的点数）或可列无穷多个（如电话的呼叫次数），则称为离散型随机变量。像弹着点到目标的距离这样的随机变量，它的取值连续地充满了一个区间，这称为连续型随机变量。

概率论习题答案第3章_随机变量的数字特征

第3章 随机变量的数字特征 1，在下列句子中随机地取一单词，以X 表示取到的单词所包含的字母个数，试写出X 的分布律并求)(X E . “They found Peking greatly changed ” 解：根据题意，有1/5的可能性取到5个单词中的任意一个。它们的字母数分别为4，5，6，7，7。所以分布律为 5/29)77654(5 1 )(=++++=X E . 2，在上述句子的29个字母中随机地取一个字母，以Y 表示取到的字母所在的单词所包含的字母数，写出Y 的分布律并求)(Y E 。 解：５个单词字母数还是４，５，６，７，７。这时，字母数更多的单词更有可能被取到。分布律为 29/175)147665544(29 1 )(=?+?+?+?= Y E . 3，在一批12台电视机中有2台是次品，若在其中随即地取3台，求取到的电视机中包含的次品数的数学期望。

解：根据古典概率公式，取到的电视机中包含的次品数分别为0，1，2台的概率分别为 1163123100==C C p ， 229312210121==C C C p ， 221 3 12 110222==C C C p 。 所以取到的电视机中包含的次品数的数学期望为 )(2 1 222112290116台=?+?+?= E 。 4，抛一颗骰子，若得6点则可抛第二次，此时得分为6+（第二次所抛的点数），否则得分就是第一次所抛的点数，不能再抛。求所得分数的分布律，并求得分的数学期望。 解：根据题意，有1/6的概率得分超过6，而且得分为7的概率为两个1/6的乘积（第一次6点，第2次1点），其余类似；有5/6的概率得分小于6。分布律为 得分的数学期望为 )(12 49)121110987(361)54321(61点=++++++++++= E 。 5，（1）已知)(~X λπ，}6{}5{===X P X P ，求)(X E 。 （2）设随机变量X 的分布律为 Λ,4,3,2,1,6 }{2 2--== =k k k X P π， 问X 的数学期望是否存在？