洛必达法则和分部积分的应用之计算数学期望EX--概率论浙大版填坑记

这篇具有很好参考价值的文章主要介绍了洛必达法则和分部积分的应用之计算数学期望EX--概率论浙大版填坑记。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

如下图所示,概率论与数理统计浙大第四版有如下例题:
简单说就是:已知两个相互独立工作电子装置寿命的概率密度函数,将二者串联成整机,求整机寿命的数学期望。

洛必达法则和分部积分的应用之计算数学期望EX--概率论浙大版填坑记,概率论,微积分,求导,分部积分
这个题目解答中的微积分部分可谓是相当的坑爹,根本没有任何中间计算过程,任何人直接看根本看不懂!所以说它是烂教材,根本不足为过!而国内确实有很多这种垃圾教材,写的不清不楚,误人子弟!

好了,说了这么多该进入正题了,其实这个里面的微积分计算有很大的难度和分析工作量,我下面来具体解释求解细节

  1. 首先第一,因为这两个电子装置是串联在一起的,当发生故障时:只要有一个坏了,整机就不能工作了!
    所以,整机的寿命必然取决于寿命最短的那一个,即
    整机寿命的概率分布函数 F(N) = Min(F(X1), F(X2))
    根据多维随机变量的概率分布公式(见第三章公式5.12),可得
    Fmin = 1 - [ 1- F(X) ][ 1 - F(Y) ] // 二维随机变量的情况
    而X1, X2这两个电子装置是相互独立的,而且它们的概率密度函数都是一样的
    所以可以得出:
    F ( N ) = M i n ( F ( X 1 ) , F ( X 2 ) ) = 1 − [ 1 − F ( X ) ] 2 ( 1.1 ) F(N) = Min(F(X1), F(X2)) = 1 - [1 - F(X)]^ 2 {\qquad} (1.1) F(N)=Min(F(X1),F(X2))=1[1F(X)]2(1.1)

  2. 要求出F(N),就得求出F(X)也就是电子装置的概率分布函数
    概率分布函数是概率密度函数的积分
    所以
    F(X) = ∫ 0 ∞ f ( x ) d x \int_{0}^{\infty}f(x)dx 0f(x)dx = ∫ 0 ∞ 1 θ . e − x / θ d x \int_{0}^{\infty} \frac{1}{θ}.e^{-x/θ} dx 0θ1.ex/θdx
    根据基本积分公式: 洛必达法则和分部积分的应用之计算数学期望EX--概率论浙大版填坑记,概率论,微积分,求导,分部积分
    上式可得(因为x<0时,f(x)=0,那么它的积分也为0,故只取大于0的积分):
    F(X) = ∫ 0 ∞ 1 θ . e − x / θ d x \int_{0}^{\infty} \frac{1}{θ}.e^{-x/θ} dx 0θ1.ex/θdx = 1 θ ∫ 0 ∞ e ( − 1 θ ) . x d x \frac{1}{θ}\int_{0}^{\infty} e^{(-\frac{1}{θ}).x} dx θ10e(θ1).xdx
    = 1 θ ∗ ( − θ ) ∗ . e − x / θ = \frac{1}{θ}* (-θ) * .e^{-x/θ} =θ1(θ).ex/θ = − e − x / θ ∣ 0 ∞ -e^{-x/θ}|_{0}^{\infty} ex/θ0
    = − e − ∞ / θ − ( − e − 0 / θ ) = 1 − e − ∞ / θ = -e^{-\infty/θ} - (-e^{-0/θ}) = 1 -e^{-\infty/θ} =e∞/θ(e0/θ)=1e∞/θ
    可以看到这个积分并不是收敛的,所以只能把它变成变上限积分,于是
    F ( X ) = 1 − e − x / θ F(X) = 1 -e^{-x/θ} F(X)=1ex/θ

  3. 然后代入到前面的F(N)公式(1.1)中
    F ( N ) = 1 − [ 1 − ( 1 − e − x / θ ) ] 2 = 1 − e − 2 x / θ F(N) = 1 - [1- (1 -e^{-x/θ})]^2 = 1 - e^{-2x/θ} F(N)=1[1(1ex/θ)]2=1e2x/θ

  4. 然后对F(N)求导获得f(N) 也就是整机的概率密度函数
    f ( N ) = ( F ( N ) ) ′ = ( − 2 θ ) ( − e − 2 x / θ ) = 2 θ . e − 2 x / θ f(N) = (F(N))^{'} = (- \frac{2}{θ}) (-e^{-2x/θ}) = \frac{2}{θ} . e^{-2x/θ} f(N)=(F(N))=(θ2)(e2x/θ)=θ2.e2x/θ

  5. 然后根据连续随机变量的数学期望公式:
    E ( X ) = ∫ − ∞ + ∞ x . f ( x ) d x E(X) = \int_{-\infty}^{+\infty} x.f(x)dx E(X)=+x.f(x)dx
    E ( N ) = ∫ − ∞ + ∞ x . f ( N ) d x = ∫ − ∞ + ∞ x . 2 θ . e − 2 x / θ d x E(N) = \int_{-\infty}^{+\infty} x.f(N)dx = \int_{-\infty}^{+\infty} x. \frac{2}{θ} . e^{-2x/θ}dx E(N)=+x.f(N)dx=+x.θ2.e2x/θdx
    = 2 θ . ( − θ 2 ) 2 . ∫ − ∞ + ∞ ( − 2 x θ ) . e − 2 x / θ d ( − 2 x θ ) = \frac{2}{θ}.(-\frac{θ}{2})^2 .\int_{-\infty}^{+\infty} (-\frac{2x}{θ}) . e^{-2x/θ} d(-\frac{2x}{θ}) =θ2.(2θ)2.+(θ2x).e2x/θd(θ2x)
    = θ 2 . ∫ − ∞ + ∞ ( − 2 x θ ) . e − 2 x / θ d ( − 2 x θ ) ( 2.1 ) = \frac{θ}{2}. \int_{-\infty}^{+\infty} (-\frac{2x}{θ}) . e^{-2x/θ} d(-\frac{2x}{θ}) {\qquad} (2.1) =2θ.+(θ2x).e2x/θd(θ2x)(2.1)
    根据分部积分公式:
    洛必达法则和分部积分的应用之计算数学期望EX--概率论浙大版填坑记,概率论,微积分,求导,分部积分
    洛必达法则和分部积分的应用之计算数学期望EX--概率论浙大版填坑记,概率论,微积分,求导,分部积分
    可以推导出:
    ∫ x . e x d x = x . e x − e x + C \int x.e^x dx = x.e^x - e^x + C x.exdx=x.exex+C 将此代入式(2.1)可得:

E ( N ) = θ 2 . [ ( − 2 x θ ) . e − 2 x / θ − e − 2 x / θ ] ∣ − ∞ + ∞ E(N) = \frac{θ}{2}.[(-\frac{2x}{θ}) . e^{-2x/θ} - e^{-2x/θ} ] |_{-\infty}^{+\infty} E(N)=2θ.[(θ2x).e2x/θe2x/θ]+
但是F(N)在小于0时,积分为0,所以
E ( N ) = θ 2 . [ ( − 2 x θ ) . e − 2 x / θ − e − 2 x / θ ] ∣ 0 + ∞ = − θ 2 . e − 2 x / θ . ( 1 + 2 x θ ) ∣ 0 + ∞ E(N) = \frac{θ}{2}.[(-\frac{2x}{θ}) . e^{-2x/θ} - e^{-2x/θ} ] |_{0}^{+\infty} = -\frac{θ}{2}. e^{-2x/θ}.(1+\frac{2x}{θ})|_{0}^{+\infty} E(N)=2θ.[(θ2x).e2x/θe2x/θ]0+=2θ.e2x/θ.(1+θ2x)0+
= − θ 2 . [ lim ⁡ x → ∞ ( 1 + 2 x θ e 2 x / θ ) − e 0 . ( 1 + 0 θ ) ] = -\frac{θ}{2}.[\lim\limits_{x\rightarrow \infty}(\frac{1+\frac{2x}{θ}}{e^{2x/θ}}) - e^0.(1+ \frac{0}{θ}) ] =2θ.[xlim(e2x/θ1+θ2x)e0.(1+θ0)]
= θ 2 . [ 1 − lim ⁡ x → ∞ ( 1 + 2 x θ e 2 x / θ ) ] =\frac{θ}{2}.[ 1- \lim\limits_{x\rightarrow \infty}(\frac{1+\frac{2x}{θ}}{e^{2x/θ}}) ] =2θ.[1xlim(e2x/θ1+θ2x)]
然后运用洛必达法则求极限:
E ( N ) = θ 2 . [ 1 − lim ⁡ x → ∞ ( 1 + 2 x θ ) ′ ( e 2 x / θ ) ′ ] = θ 2 . [ 1 − lim ⁡ x → ∞ 2 θ 2 θ . e 2 x / θ ] E(N) = \frac{θ}{2}.[ 1- \lim\limits_{x\rightarrow \infty}\frac{(1+\frac{2x}{θ})^{'}}{(e^{2x/θ})^{'}} ] = \frac{θ}{2}. [ 1 - \lim\limits_{x\rightarrow \infty} \frac {\frac{2}{θ}}{\frac{2}{θ}.e^{2x/θ}} ] E(N)=2θ.[1xlim(e2x/θ)(1+θ2x)]=2θ.[1xlimθ2.e2x/θθ2]
= θ 2 . [ 1 − lim ⁡ x → ∞ 1 e 2 x / θ ] = \frac{θ}{2}. [ 1 - \lim\limits_{x\rightarrow \infty} \frac {1}{e^{2x/θ}} ] =2θ.[1xlime2x/θ1]
很明显:在x->无穷大时, 1 e 2 x / θ \frac {1}{e^{2x/θ}} e2x/θ1的极限为0
所以,最终 E ( N ) = θ 2 E(N) = \frac{θ}{2} E(N)=2θ
即整机的数学期望 E ( N ) = θ 2 E(N) = \frac{θ}{2} E(N)=2θ
可以看到整个微积分的求解过程还是很复杂的,但是教材上却只是一带而过,让人相当无语,足见浙大概率论教材质量是非常坑爹的,需要自己仔细分析推导,才能得到正确结果。文章来源地址https://www.toymoban.com/news/detail-605307.html

到了这里,关于洛必达法则和分部积分的应用之计算数学期望EX--概率论浙大版填坑记的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 3.2 洛必达法则

      理解不定式极限的概念和性质:首先要明确不定式极限的概念和性质。了解何时极限不存在、何时为有限数或无穷大等情况,以及不同情况下洛必达法则的适用性和限制等,这是学习洛必达法则的基础。 理解导数的概念和性质:洛必达法则的核心是求导,因此需要掌握导数

    2023年04月14日
    浏览(28)
  • 【2023 年第十三届 MathorCup 高校数学建模挑战赛】A 题 量子计算机在信用评分卡组合优化中的应用 详细建模过程解析及代码实现

    (1)建模思路 【2023 年第十三届 MathorCup 高校数学建模挑战赛】A 题 量子计算机在信用评分卡组合优化中的应用 详细建模过程解析及代码实现 【2023 年第十三届 MathorCup 高校数学建模挑战赛】 B 题 城市轨道交通列车时刻表优化问题 详细建模方案及代码实现 【2023 年第十三届

    2024年02月06日
    浏览(60)
  • 【离散数学】离散数学中如何计算出元素的阶

    例题:   解析: 即对于模n加法来说,其相加的俩个数中任意一个数通过幂运算(幂运算的执行运算根据代数系统中的算符而定)能够整除6 而且单位元是0的原因: 因为最后是求的余数   例题:  

    2024年02月15日
    浏览(28)
  • 人工智能中的数学计算和数学思想

    在人工智能(AI)领域,数学计算扮演着至关重要的角色,支撑着众多算法的设计与实现。以下是一些人工智能中常见的数学计算: 线性代数 : 向量和矩阵运算:用于表示和处理高维数据,例如神经网络中的权重、输入输出向量、卷积运算等。 特征值和特征向量:在主成分

    2024年04月16日
    浏览(41)
  • 计算数学算式的值

    实现语言:C#   思路: 1.括号里面的计算优先级最高,首先计算出括号里面的值; 2.将所有的括号值计算完成后,将得到不包含括号的数学算式A; 3.数学算式A按先乘除后加减的优先级计算处结果。   使用单的技术: 在解析数据算式过程中使用栈结构,可以比较方便比配左右

    2024年02月11日
    浏览(25)
  • LSTM数学计算公式

    LSTM(长短期记忆网络)是一种循环神经网络(RNN)的变体,常用于处理时间序列相关的任务。下面将简要介绍LSTM的数学推导和公式模型。 在训练一般神经网络模型时,通常用 ,其中W为权重,X为输入,b为常数。 LSTM包含三个门,每个都需要一次类似上面的计算,除此之外还需

    2024年02月11日
    浏览(35)
  • 离散数学实验三 · 最短路径计算

    一、实验目的 通过本实验的学习理解Dijkstra算法,并且编码实现最短路径问题。 二、实验内容 Dijkstra算法的理解; 算法概念:设G=(V,E)是一个带权有向图,把图中顶点集合V分成两组,第一组为已求出最短路径的顶点集合(用S表示,初始时S中只有一个源点,之后每求得一条最

    2024年02月03日
    浏览(36)
  • 「计算机控制系统」3. 计算机控制系统的数学描述

    差分方程 Z变换 脉冲传递函数 计算机控制系统的响应 几种不同的 差分 : 前向差分和后向差分没有本质区别,在控制系统中一般用后向差分。 在连续系统中,用微分方程来描述系统的运动。而在离散系统,则使用 差分方程 : 差分方程是确定时间序列的方程,因为可以通过

    2024年02月06日
    浏览(58)
  • 计算数学表达式的程序(Java课程设计)

    团队名称 团队成 员介绍 任务分配 团队成员博客 XQ Warriors 徐维辉 负责计算器数据的算法操作,如平方数、加减乘除,显示历史计算记录 无 邱良厦(组长) 负责计算器的图形设计,把输入和结果显示在最上面的文本框 无 1)图形界面设计参考:Java Swing界面设计UI(全)_sw

    2024年01月21日
    浏览(43)
  • 数学与计算机(2)- 线性代数

    原文:https://blog.iyatt.com/?p=13044 NumPy 中 array 和 matrix 都可以用于储存矩阵,后者是前者的子类,array 可以表示任意维度,matrix 只能是二维,相当于矩阵专用,在一些矩阵的运算操作上较为直观。 1.1.1 自定义矩阵 NumPy 通过元组货列表创建的矩阵类型都相同 1.1.2 随机元素矩阵

    2024年03月23日
    浏览(51)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包