应用随机过程-().pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 概率及数字特征的计算 习题2. 连续地抛掷一枚正面出现概率为p的硬币直至出 现r次正面.求需要抛掷的次数X是n(n≥r)的概率(这样 的X的概率分布称负二项分布). 提示: 考虑在前n-1次抛掷中有多少次成功. 习题3. 如果连续随机变量X的概率密度函数等于 ce-2x, 0＜x＜∞; 0, x＜0. ①求c; ②求P{X＞2}. 习题4. 在一次聚会上,N个人将帽子扔到房间的中央.帽 子混杂了以后,每个人随机地取一个.当记X为选到自己 帽子的人数时.证明 Var(X)=1. f(x)= 1.6 条件期望 设X,Y是离散型随机变量,对一切使P{Y=y}＞0的y,定义 给定Y=y时,X的条件概率为 P{X=x|Y=y}= , 给定Y=y时,X的条件分布函数为 F(x|y)=P{X≤x|Y=y}, 给定Y=y时,X的条件期望为 E(X|Y=y)= xdF(x|y)= xP{X=x|Y=y}. 若X,Y是连续型随机变量,其联合概率密度为f(x,y),则 对一切使fY(y)＞0的y,给定Y=y时,X的条件概率密度定义 f(x|y)= , 为 给定Y=y时,X的条件分布为 F(x|y)=P{X≤x|Y=y}= f(x|y)dx, 给定Y=y时,X的条件期望定义为 E(X|Y=y)= xdF(x|y)= xf(x|y)dx. E(X|Y=y)是y的函数,y是Y的一个可能值.若在已知Y的条 件下,全面地考虑X的均值,需要以Y代替y, E(X|Y)是随机 变量Y的函数,也是随机变量,称为X在Y下的条件期望. 条件期望在概率论、数理统计和随机过程的讨论中是一 个十分重要的概念,而以下是它的一个极其有用的性质: 性质.若随机变量X与Y的期望存在,则 EX=E[E(X|Y)]= E(X|Y=y)dFY(y); (☆) 如果Y是离散型随机变量,则(☆)式为 EX= E(X|Y=y)P{Y=y}; 如果Y是连续型随机变量,则(☆)式为 EX= E(X|Y=y)f(y)dy. 证明: 以下就X与Y都是离散型的随机变量证明(☆)式. E(X|Y=y)P{Y=y}= xP{X=x|Y=y}P{Y=y} = xP{X=x,Y=y} = x P{X=x,Y=y} = xP{X=x} =EX. 从(☆)式看出,EX是给定Y=y时,X的条件期望的一个加 权平均值,每一项E(X|Y=y)所加的权是作为条件的事件的 概率P{Y=y}. 若先对一个适当的随机变量取条件,则不仅使我们能求 得期望,也可以用这种方法计算事件的概率: 设A为一个任意事件,A的示性函数 IA(e)= 是一个二值随机变量,显然 E[IA(e)]=P(A), E(IA(e)|Y=y)=P(A|Y=y). 对任给的随机变量Y,用(☆)式,有P(A)= P(A|Y=y)dFY(y). 1,e∈A, 0,e∈A. 例2.63设X与Y是相互独立的随机变量,其分布函数分别是 FX(x)和FY(y),记(X+Y)的分布函数为FX*FY,则 FX*FY(a)=P{X+Y≤a}= P{X+Y≤a|Y=y}dFY(y) = P{X+y≤a}dFY(y) = FX(a-y)dFY(y). 例2.64(选票问题)在一次选举中,候选人A得到n张选票而 候