若随机变量X服从参数为θ的指数分布,则E(X)=θ,D(X)=θ²(). √ ×
题目解答
答案
为了确定给定的关于指数分布随机变量的期望值和方差的陈述是否正确,让我们从指数分布的定义和性质开始。
参数为 $\theta$ 的指数分布的概率密度函数(pdf)由下式给出:
$f(x) = \frac{1}{\theta} e^{-\frac{x}{\theta}}$
对于 $x \geq 0$。
期望值 $E(X)$
随机变量 $X$ 的期望值(或均值)计算如下:
$E(X) = \int_0^\infty x f(x) \, dx = \int_0^\infty x \cdot \frac{1}{\theta} e^{-\frac{x}{\theta}} \, dx.$
为了求解这个积分,我们使用分部积分法。设 $u = x$ 和 $dv = \frac{1}{\theta} e^{-\frac{x}{\theta}} \, dx$。那么 $du = dx$ 和 $v = -e^{-\frac{x}{\theta}}$。因此,
$E(X) = \left[ -x e^{-\frac{x}{\theta}} \right]_0^\infty + \int_0^\infty e^{-\frac{x}{\theta}} \, dx.$
第一项在 $x = \infty$ 时为零,因为 $e^{-\frac{x}{\theta}}$ 的衰减速度比 $x$ 的增长速度要快,而在 $x = 0$ 时,它为零。因此,我们有
$E(X) = \int_0^\infty e^{-\frac{x}{\theta}} \, dx.$
这个积分是一个标准形式,计算结果为
$E(X) = \left[ -\theta e^{-\frac{x}{\theta}} \right]_0^\infty = 0 - (-\theta) = \theta.$
因此,期望值 $E(X)$ 确实是 $\theta$。
方差 $D(X)$
随机变量 $X$ 的方差由下式给出:
$D(X) = E(X^2) - [E(X)]^2.$
我们已经知道 $E(X) = \theta$,所以我们需要找到 $E(X^2)$:
$E(X^2) = \int_0^\infty x^2 f(x) \, dx = \int_0^\infty x^2 \cdot \frac{1}{\theta} e^{-\frac{x}{\theta}} \, dx.$
再次,我们使用分部积分法。设 $u = x^2$ 和 $dv = \frac{1}{\theta} e^{-\frac{x}{\theta}} \, dx$。那么 $du = 2x \, dx$ 和 $v = -e^{-\frac{x}{\theta}}$。因此,
$E(X^2) = \left[ -x^2 e^{-\frac{x}{\theta}} \right]_0^\infty + \int_0^\infty 2x e^{-\frac{x}{\theta}} \, dx.$
第一项在 $x = \infty$ 时为零,而在 $x = 0$ 时,它为零。因此,我们有
$E(X^2) = 2 \int_0^\infty x e^{-\frac{x}{\theta}} \, dx.$
我们已经从期望值的计算中知道
$\int_0^\infty x e^{-\frac{x}{\theta}} \, dx = \theta^2,$
所以
$E(X^2) = 2 \theta^2.$
现在,我们可以找到方差:
$D(X) = E(X^2) - [E(X)]^2 = 2\theta^2 - \theta^2 = \theta^2.$
因此,方差 $D(X)$ 确实是 $\theta^2$。
由于期望值和方差都是正确的,给定的陈述是正确的。答案是:
$\boxed{\sqrt{}}$
解析
本题考查指数分布的期望和方差的计算。解题思路是先明确参数为$\theta$的指数分布的概率密度函数,然后根据期望和方差的定义及计算公式,分别计算出期望$E(X)$和方差$D(X)$,最后与题目所给结果进行对比判断对错。
1. 计算期望 $E(X)$
参数为$\theta$的指数分布的概率密度函数为$f(x) = \frac{1}{\theta} e^{-\frac{x}{\theta}}$,$x \geq 0$。
根据期望的定义$E(X) = \int_0^\infty x f(x) \, dx$,可得:
$E(X) = \int_0^\infty x \cdot \frac{1}{\theta} e^{-\frac{x}{\theta}} \, dx$
使用分部积分法,设$u = x$,$dv = \frac{1}{\theta} e^{-\frac{x}{\theta}} \, dx$,则$du = dx$,$v = -e^{-\frac{x}{\theta}}$。
根据分部积分公式$\int u \, dv = uv - \int v \, du$,可得:
$E(X) = \left[ -x e^{-\frac{x}{\theta}} \right]_0^\infty + \int_0^\infty e^{-\frac{x}{\theta}} \, dx$
对于$\left[ -x e^{-\frac{x}{\theta}} \right]_0^\infty$,当$x \to \infty$时,因为$e^{-\frac{x}{\theta}}$的衰减速度比$x$的增长速度快,所以$\lim\limits_{x \to \infty} -x e^{-\frac{x}{\theta}} = 0$;当$x = 0$时,$-x e^{-\frac{x}{\theta}} = 0$。
则$E(X) = \int_0^\infty e^{-\frac{x}{\theta}} \, dx$
计算积分$\int_0^\infty e^{-\frac{x}{\theta}} \, dx$:
$\int_0^\infty e^{-\frac{x}{\theta}} \, dx = \left[ -\theta e^{-\frac{x}{\theta}} \right]_0^\infty = 0 - (-\theta) = \theta$
所以,期望$E(X) = \theta$。
2. 计算方差 $D(X)$
根据方差的定义$D(X) = E(X^2) - [E(X)]^2$,已知$E(X) = \theta$,所以需要先计算$E(X^2)$。
$E(X^2) = \int_0^\infty x^2 f(x) \, dx = \int_0^\infty x^2 \cdot \frac{1}{\theta} e^{-\frac{x}{\theta}} \, dx$
再次使用分部积分法,设$u = x^2$,$dv = \frac{1}{\theta} e^{-\frac{x}{\theta}} \, dx$,则$du = 2x \, dx$,$v = -e^{-\frac{x}{\theta}}$。
根据分部积分公式可得:
$E(X^2) = \left[ -x^2 e^{-\frac{x}{\theta}} \right]_0^\infty + \int_0^\infty 2x e^{-\frac{x}{\theta}} \, dx$
对于$\left[ -x^2 e^{-\frac{x}{\theta}} \right]_0^\infty$,当$x \to \infty$时,$\lim\limits_{x \to \infty} -x^2 e^{-\frac{x}{\theta}} = 0$;当$x = 0$时,$-x^2 e^{-\frac{x}{\theta}} = 0$。
则$E(X^2) = 2 \int_0^\infty x e^{-\frac{x}{\theta}} \, dx$
由前面计算期望时可知$\int_0^\infty x e^{-\frac{x}{\theta}} \, dx = \theta^2$,所以$E(X^2) = 2 \theta^2$。
将$E(X^2) = 2 \theta^2$和$E(X) = \theta$代入方差公式可得:
$D(X) = E(X^2) - [E(X)]^2 = 2\theta^2 - \theta^2 = \theta^2$
由于计算得到的期望$E(X) = \theta$,方差$D(X) = \theta^2$与题目所给结果一致,所以该陈述是正确的。