设随机变量X服从B（3,0.5）的二项分布，则p{X≥1}=0.75，Y服从二项分布B（89,0.5），X与Y互相独立， 概率论 二项分布 设随机变量x服从二项分布B（5,0.4） ...
\u8bbe\u968f\u673a\u53d8\u91cfX\u670d\u4ece\u4e8c\u9879\u5206\u5e03B(4,P)\uff0c0<p<1,\u5df2\u77e5P(X=1)=P(X=3)\uff0c\u5219P\uff08X=2)=
\u6b64\u9898\u8003\u5bdf\u7684\u662f\u4e8c\u9879\u5206\u5e03\u7684\u6982\u7387\u95ee\u9898\uff0c\u5957\u516c\u5f0f\u89e3\u51b3\u5373\u53ef\u3002\u5982\u679c\u8fd8\u6709\u4ec0\u4e48\u4e0d\u6e05\u695a\u7684\u7559\u8a00\u5427\uff01\u53e6\u5916\uff0c\u522b\u5fd8\u4e86\u52a8\u52a8\u5c0f\u624b\u91c7\u7eb3\u4e00\u4e0b!\u5e76\u70b9\u4e2a\u8d5e\u54df\uff01
\u89e3\u9898\u8fc7\u7a0b\u5982\u56fe
证明方法有两种：
1）可以用矩量母函数，把X和Y的矩量母函数分别写出来，
然后根据X，Y相互独立这个条件，把两个矩量母函数相乘，看出相乘的结果服从二项分布的形式即可。
2）使用定义来证，即二项分布是各个独立的伯努利分布之和
X=X1+X2+X3, 其中Xi之间服从伯努利（p=0.5）且相互独立。
Y=Y1+Y2+……+Y89，其中Yi之间服从伯努利（p=0.5）且相互独立。
因为X，Y独立，所以Xi和Yi之间也独立。
X+Y=X1+X2+X3+Y1+Y2+……Y89，事件之间都服从伯努利（p=0.5）且相互独立。
所以X+Y服从B（92，p=0.5）二项分布。
绛旓細while (1) { c1 = *cs++;c2 = *ct++;if (c1 != c2)return c1 < c2 ? -1 : 1;if (!c1)break;} return 0;
绛旓細X鍦ㄥ尯闂碵3锛5]涓鏈嶄粠鍧囧寑鍒嗗竷 1/(5-3)=1/2 鎵浠ュ緱鍒X鐨瀵嗗害鍑芥暟 f(x)=1/2 X灞炰簬[3,5]闅忔満鍙橀噺鐨勮〃绀烘柟娉曪細渚嬪鎺蜂竴棰楅瀛愬嚭鐜扮殑鐐规暟锛岀數璇濅氦鎹㈠彴鍦ㄤ竴瀹氭椂闂村唴鏀跺埌鐨勫懠鍙鏁帮紝闅忔満鎶芥煡鐨勪竴涓汉鐨勮韩楂橈紝鎮诞鍦ㄦ恫浣撲腑鐨勫井绮掓部鏌愪竴鏂瑰悜鐨勪綅绉伙紝绛夌瓑锛岄兘鏄殢鏈哄彉閲忕殑瀹炰緥銆備竴涓殢鏈鸿瘯楠岀殑鍙兘...
绛旓細X -1 1 3 0.4 0.4 0.2 7.涓灏勬墜瀵瑰悓涓鐩爣鐙珛鍦拌繘琛屽洓娆″皠鍑,鑻ヨ嚦灏戝懡涓竴娆＄殑姒傜巼涓,鍒欒灏勬墜鐨勫懡涓巼涓 . 瑙:璁捐灏勬墜鐨勫懡涓巼涓,琛ㄧず鍥涙灏勫嚮涓殑鍛戒腑娆℃暟,鍒欑敱棰樿鐭,浠庤屾湁 鏁呮墍姹備负 8.璁鹃殢鏈哄彉閲忔湇浠姝ｆ佸垎甯,涓斾簩娆℃柟绋嬫棤瀹炴牴鐨勬鐜囦负0.5,鍒= . 瑙:鍥犱负,鎵浠ョ敱棰樿鐭 鍒欐湁鏁呮墍姹備负 4...
绛旓細5.璁 F(x)=锝汯(4x-2x2) 0<x<2 锝 0 鍏跺畠 鏄煇杩炵画鍨嬮殢鏈哄彉閲弜 鐨勬鐜囧瘑搴︼紝姹 (1) 甯告暟K (2) 姹侾{1<x<3}锛孭{x>2.5}銆6.璁綳-N (1.5 , 4) 璁＄畻 P {x<=3.5} , P {X>2.5} 銆7.璁鹃殢鏈哄彉閲弜 鏈嶄粠鍖洪棿 [a,b] 涓婄殑鍧囧寑鍒嗗竷姹 E(x)銆8.璁鹃殢鏈哄彉閲 X鐨勫垎甯...
绛旓細D(X)=np锛1-p锛=3*0.2*(1-0.2)=0.48 瑙ｉ鎬濊矾锛氱敱浜嶺-B(3,0.2)鏈嶄粠浜岄」鍒嗗竷锛屾墍浠=3锛宲=0.2 鎵浠ワ紝D(X)=np锛1-p锛=3*0.2*(1-0.2)=0.48 濡傛灉X-B(n,p)锛堜篃灏辨槸璇达紝X鏄湇浠庝簩椤瑰垎甯冪殑闅忔満鍙橀噺锛夛紝閭ｄ箞X鐨鏂瑰樊D(X)=np锛1-p锛夈
绛旓細鏄繖鏍风殑锛岃P(X = x(i)) = p(i), Sigma琛ㄧず姹傚拰鍙 鏂瑰樊 = Sigma(p(i) * [x(i) - E(X)] ^2) = = Sigma(p(i) * x(i) ^ 2)) - 2* E(X) * Sigma(p(i) * x(i)) + E(X)^2 * Sigma(p(i))= E(X^2) - 2*E(X) * E(X) + E(X) ^ 2 = E(X^...
绛旓細2锛庤嫢浜嬩欢A锛嶣鐩镐簰鐙珛锛屼笖P(A)锛0锛5锛孭(B)锛0锛25锛屽垯 P(A鈭狟)锛 锛3. 璁綳鐨勬鐜囧垎甯冧负P(X锛漦)锛濓紝k锛0锛1锛2锛3锛鍒機锛 锛4锛璁鹃殢鏈哄彉閲廥鏈嶄粠浜岄」鍒嗗竷B(n锛宲)锛屽凡鐭(X)锛1锛6锛孌(X)锛1锛28锛屽垯鍙傛暟p锛 锛5锛庤X1锛孹2锛屸︼紝Xn鏄潵鑷狽()鐨勬牱鏈紝鍒橢(...
绛旓細瀵嗗害鍑芥暟涓哄垎娈靛嚱鏁帮細蠁(x)=1/2锛寈鈭圼3,5]锛浵(x)=0锛寈∉[3,5]銆傚彧瑕佹湁瀵嗗害鍑芥暟锛屽叾浣欓兘寰堝鏄撲簡鍚э紝鑷繁璇曡瘯銆
绛旓細(1)鐢盤(X鈮1)=5/9锛屽彲寰桺(X=0)=4/9=(1-p)^2,鏁卲=1/3,浠庤 P(Y鈮1)=1-(1-p)^3=26/27 (2)np 涔(1-p)^{n-1}= n(n-1)/2 涔榩^2 涔(1-p)^{n-2}=2涔榥(n-1)(n-2)/6涔榩^3涔(1-p)^{n-3} 瑙ｅ緱n=5, p=1/3 ...
绛旓細锛1锛X涓嶻鐩镐簰鐙珛锛屾墍浠ワ紝F(0,2)=FX(0)路FY(2)銆愮嫭绔嬬殑姒傚康銆戯紙2锛塜锛孻~B(1,0.5)鎵浠ワ紝鍏舵鐜囧垎甯冧负锛歑(Y) 0 1 P 0.5 0.5 锛3锛塅X(0)=P(X鈮0)=P(X=0)=0.5 FY(2)=P(Y鈮2)=P(Y=0)+P(Y=1)=1 ...
