logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subjecticon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • icon-appicon-app-active手机APP
首页
/
统计
题目

39.某物体的温度T(以^circF计)是随机变量,且有T~N(98.6,2),已知Theta =(5)/(9)(T-32),试求Theta(以^circC计)的概率密度.

39.某物体的温度T(以$^{\circ}$F计)是随机变量,且有T~N(98.6,2),已知$\Theta =\frac{5}{9}(T-32)$,试求$\Theta$(以$^{\circ}$C计)的概率密度.

题目解答

答案

已知 $T \sim N(98.6, 2)$,即 $T$ 的概率密度函数为:
$f_T(t) = \frac{1}{2\sqrt{\pi}} e^{-\frac{(t-98.6)^2}{4}}$

令 $\Theta = \frac{5}{9}(T-32)$,则 $\Theta$ 的分布函数为:
$F_\Theta(y) = P\left(T \leq \frac{9}{5}y + 32\right)$

对 $F_\Theta(y)$ 求导得概率密度:
$f_\Theta(y) = f_T\left(\frac{9}{5}y + 32\right) \cdot \frac{9}{5}$

代入 $f_T(t)$ 并化简指数部分:
$f_\Theta(y) = \frac{9}{10\sqrt{\pi}} e^{-\frac{81(y-37)^2}{100}}$

或者,利用正态分布性质,$\Theta$ 服从 $N\left(37, \frac{50}{81}\right)$,其概率密度函数为:
$f_\Theta(y) = \frac{9}{10\sqrt{\pi}} e^{-\frac{81(y-37)^2}{100}}$

答案:
$\boxed{\frac{9}{10\sqrt{\pi}} e^{-\frac{81(y-37)^2}{100}}}$

解析

考查要点:本题主要考查正态分布的线性变换性质及概率密度函数的求解方法。

解题核心思路:

  1. 正态分布的线性变换:若随机变量$T \sim N(\mu, \sigma^2)$,则线性变换$\Theta = aT + b$仍服从正态分布,其均值和方差可直接通过参数变换得到。
  2. 概率密度函数的变量替换法:通过分布函数法或直接应用概率密度变换公式,结合正态分布的密度函数形式,推导出$\Theta$的概率密度。

破题关键点:

  • 确定线性变换参数:将$\Theta = \frac{5}{9}(T - 32)$转化为$\Theta = aT + b$的形式,计算新均值和方差。
  • 正确应用概率密度变换公式:注意变量替换后的导数项(雅可比行列式)。

步骤1:确定$\Theta$的分布参数

已知$T \sim N(98.6, 2)$,即均值$\mu_T = 98.6$,方差$\sigma_T^2 = 2$。
根据$\Theta = \frac{5}{9}(T - 32)$,可得:

  • 均值:$\mu_\Theta = \frac{5}{9}(\mu_T - 32) = \frac{5}{9}(98.6 - 32) = 37$
  • 方差:$\sigma_\Theta^2 = \left(\frac{5}{9}\right)^2 \sigma_T^2 = \frac{25}{81} \times 2 = \frac{50}{81}$

因此,$\Theta \sim N\left(37, \frac{50}{81}\right)$。

步骤2:写出正态分布的概率密度函数

正态分布的概率密度函数为:
$f_\Theta(y) = \frac{1}{\sqrt{2\pi \sigma_\Theta^2}} e^{-\frac{(y - \mu_\Theta)^2}{2\sigma_\Theta^2}}$
代入$\mu_\Theta = 37$和$\sigma_\Theta^2 = \frac{50}{81}$:
$f_\Theta(y) = \frac{1}{\sqrt{2\pi \cdot \frac{50}{81}}} e^{-\frac{(y - 37)^2}{2 \cdot \frac{50}{81}}}$

步骤3:化简表达式

  1. 分母化简:
    $\sqrt{2\pi \cdot \frac{50}{81}} = \sqrt{\frac{100\pi}{81}} = \frac{10}{9}\sqrt{\pi}$
  2. 指数部分化简:
    $-\frac{(y - 37)^2}{2 \cdot \frac{50}{81}} = -\frac{81(y - 37)^2}{100}$
  3. 整体代入:
    $f_\Theta(y) = \frac{9}{10\sqrt{\pi}} e^{-\frac{81(y - 37)^2}{100}}$

相关问题

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差衡量了多个变量的分布C. 协方差和方差的计算方式完全一致D. 方差描述了样本数据的波动程度

  • 44.2021年,我国人均预期寿命提高到了()。A. 78岁B. 79岁C. 78.2岁D. 79.2岁

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

  • 假定用于分析的数据包含属性age.数据元组[1]中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70, 问题:使用按箱平均值平滑方法对上述数据进行平滑,箱的深度为3。第二个箱子值为:A. 18.3B. 22。6C. 26。8D. 27。9

  • 重测信度用重测相关系数来表示,相关系数越趋近于下列哪一数值时,则重测信度越高A. 1B. 0.7C. 2D. 3

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差和方差的计算方式完全一致C. 协方差衡量了多个变量的分布D. 方差描述了样本数据的波动程度

  • {1.5分)确定研究总体和样本时,不需要考虑A. 立题依据B. 样本量C. 抽样方法D. 目标总体E. 纳入及排除标准

  • 48皮尔逊相关系数的取值范围为0到正无穷。()A. 错误B. 正确

  • 请你从下表中找出1~100中所有质数.并数一数一共多少个. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

  • 5.聚类分析可以看作是一种非监督的分类。()

  • 下列哪项属于常见的池化方式。()A. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • {15分)常规情况下,下列不属于人口学变量的是A. 民族B. 收入C. 年龄D. 睡眠时间E. 性别

  • 像从性不好的资料是()A. 由于死亡或者其他原因不能继续试验B. 能按照试验规定要求完成实验C. 重复参加试验D. 由于纳入标准不合格导致选择的研究对象不符合试验要求E. 能完成试验但是不能按照规定要求完成试验

  • 下列哪项属于常见的池化方式。()A. 协方差池化B. 方差池化C. 反向传播D. 最大池化

  • 对研究对象制定明确的纳入标准和排除标准,是为了保证样本的A. 可靠性B. 可行性C. 代表性D. 合理性E. 科学性

  • 以下几种数据挖掘功能中,〔〕被广泛的用于购物篮分析.A. 关联分析B. 分类和预测C. 聚类分析D. 演变分析

  • 可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述正确的A. 每个样本数据分别归属于与其距离最远的聚类质心所在聚类集合B. 每个簇类的质心累加起来最小C. 最终聚类结果中每个聚类集合中所包含数据呈现出来差异性最大D. 每个簇类的方差累加起来最小

  • 设随机变量XY都服从N(0,1),则有()A. X+Y服从正态分布B. X+Y服从x^2分布 C. X^2和Y^2都服从x^2分布 D. (X^2)div (Y^2)服从F分布

  • 下列关于回归分析的描述不正确的是()A. 回归分析模型可分为线性回归模型和非线性回归模型B. 回归分析研究不同变量之间存在的关系()C. 刻画不同变量之间关系的模型统称为线性回归模型D. 回归分析研究单个变量的变化情况

上一页下一页
logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号