3.设随机变量X_(1),X_(2),...,X_(9)相互独立且同分布,而且有EX_(i)=1,DX_(i)=1(i=1,2,...,9)令X=sum_(i=1)^9X_(i),则对任意给定的varepsilon>0,由切比雪夫不等式直接可得P|X-9|<varepsilongeq_.
题目解答
答案
根据题目给出的条件,我们需要利用切比雪夫不等式来求解概率的下界。
第一步:计算随机变量 $X$ 的数学期望和方差
已知随机变量 $X_1, X_2, \cdots, X_9$ 相互独立且同分布,并且有:
$E(X_i) = 1$
$D(X_i) = 1 \quad (i = 1, 2, \cdots, 9)$
令 $X = \sum_{i=1}^{9} X_i$。
根据数学期望的性质(和的期望等于期望的和):
$E(X) = E\left(\sum_{i=1}^{9} X_i\right) = \sum_{i=1}^{9} E(X_i) = \sum_{i=1}^{9} 1 = 9$
因为 $X_1, X_2, \cdots, X_9$ 相互独立,根据方差的性质(独立随机变量和的方差等于方差的和):
$D(X) = D\left(\sum_{i=1}^{9} X_i\right) = \sum_{i=1}^{9} D(X_i) = \sum_{i=1}^{9} 1 = 9$
第二步:应用切比雪夫不等式
切比雪夫不等式指出,对于任意随机变量 $X$,若其数学期望 $E(X)$ 和方差 $D(X)$ 存在,则对于任意给定的 $\varepsilon > 0$,有:
$P\{|X - E(X)| < \varepsilon\} \geq 1 - \frac{D(X)}{\varepsilon^2}$
第三步:代入已知数据求解
将我们计算得到的 $E(X) = 9$ 和 $D(X) = 9$ 代入上述不等式中:
$P\{|X - 9| < \varepsilon\} \geq 1 - \frac{9}{\varepsilon^2}$
因此,由切比雪夫不等式直接可得的结果为 $1 - \frac{9}{\varepsilon^2}$。
最终答案:
$1 - \frac{9}{\varepsilon^2}$
解析
本题考查切比雪夫不等式的应用。解题思路是先根据已知条件求出随机变量$X$的数学期望和方差,再将其代入切比雪夫不等式来求解$P\{|X - 9| \lt \varepsilon\}$的下界。
- 计算随机变量$X$的数学期望$E(X)$:
已知随机变量$X_{1},X_{2},\cdots,X_{9}$相互独立且同分布,且$E(X_{i}) = 1$,$i = 1,2,\cdots,9$,令$X=\sum_{i = 1}^{9}X_{i}$。
根据数学期望的性质:对于任意随机变量$Y_1,Y_2,\cdots,Y_n$,有$E(\sum_{i = 1}^{n}Y_i)=\sum_{i = 1}^{n}E(Y_i)$。
所以$E(X)=E(\sum_{i = 1}^{9}X_{i})=\sum_{i = 1}^{9}E(X_{i})$,将$E(X_{i}) = 1$代入可得:
$E(X)=\sum_{i = 1}^{9}1=9$ - 计算随机变量$X$的方差$D(X)$:
已知随机变量$X_{1},X_{2},\cdots,X_{9}$相互独立且同分布,且$D(X_{i}) = 1$,$i = 1,2,\cdots,9$,令$X=\sum_{i = 1}^{9}X_{i}$。
根据方差的性质:对于相互独立的随机变量$Y_1,Y_2,\cdots,Y_n$,有$D(\sum_{i = 1}^{n}Y_i)=\sum_{i = 1}^{n}D(Y_i)$。
所以$D(X)=D(\sum_{i = 1}^{9}X_{i})=\sum_{i = 1}^{9}D(X_{i})$,将$D(X_{i}) = 1$代入可得:
$D(X)=\sum_{i = 1}^{9}1=9$ - 应用切比雪夫不等式:
切比雪夫不等式为:对于任意随机变量$X$,若其数学期望$E(X)$和方差$D(X)$存在,则对于任意给定的$\varepsilon\gt{}0$,有$P\{|X - E(X)| \lt \varepsilon\} \geq 1 - \frac{D(X)}{\varepsilon^2}$。 - 代入$E(X)$和$D(X)$的值求解:
将$E(X) = 9$,$D(X) = 9$代入切比雪夫不等式$P\{|X - E(X)| \lt \varepsilon\} \geq 1 - \frac{D(X)}{\varepsilon^2}$中,可得:
$P\{|X - 9| \lt \varepsilon\} \geq 1 - \frac{9}{\varepsilon^2}$