💡 答案解析
**答案**: 见解析
---
**解析**:
(I)令 $p=P\{X\gt 3\}=\displaystyle\int_{3}^{+\infty} 2^{-x} \ln 2 \mathrm{~d} x=-\left.2^{-x}\right|_{3} ^{+\infty}=\displaystyle\frac{1}{8}$ ,
$Y$ 的可能取值为 $2,3, \cdots, Y$ 的分布律为
$$
P\{Y=k\}=p \cdot \mathrm{C}_{k-1}^{1} \cdot p \cdot(1-p)^{k-2}=(k-1) p^{2}(1-p)^{k-2}(k=2,3, \cdots)
$$
(II)$E(Y)=\displaystyle\sum_{k=2}^{\infty} k P\{Y=k\}=p^{2} \displaystyle\sum_{k=2}^{\infty} k(k-1)(1-p)^{k-2}$
$$
=\left.p^{2}\left(\sum_{k=2}^{\infty} x^{k}\right)^{\prime \prime}\right|_{x=\frac{7}{8}}=\left.p^{2}\left(\frac{x^{2}}{1-x}\right)^{\prime \prime}\right|_{x=\frac{7}{8}}=\frac{2 p^{2}}{p^{3}}=16
$$
📋 详细解题步骤
目标:计算单次观测值大于3的概率p
根据题意,总体$X$的概率密度函数为$f(x)=\begin{cases} 2^{-x}\ln 2, & x>0 \\ 0, & x\leq 0 \end{cases}$。我们需要计算单次观测值大于3的概率,即$p=P\{X>3\}$。由概率密度的定义,事件$\{X>3\}$的概率等于概率密度函数在区间$(3,+\infty)$上的积分:
$$p = P\{X>3\} = \int_{3}^{+\infty} f(x) \, dx = \int_{3}^{+\infty} 2^{-x}\ln 2 \, dx.$$
计算该积分:令$u = -x\ln 2$,则$du = -\ln 2 \, dx$,即$\ln 2 \, dx = -du$。当$x=3$时,$u = -3\ln 2$;当$x\to +\infty$时,$u\to -\infty$。因此
$$\int_{3}^{+\infty} 2^{-x}\ln 2 \, dx = \int_{3}^{+\infty} e^{-x\ln 2}\ln 2 \, dx = \int_{-3\ln 2}^{-\infty} e^{u} (-du) = \int_{-\infty}^{-3\ln 2} e^{u} \, du.$$
计算得
$$\int_{-\infty}^{-3\ln 2} e^{u} \, du = \left. e^{u} \right|_{-\infty}^{-3\ln 2} = e^{-3\ln 2} - 0 = e^{\ln(2^{-3})} = 2^{-3} = \frac{1}{8}.$$
因此,$p = \frac{1}{8}$。
公式:p = \int_{3}^{+\infty} 2^{-x}\ln 2 \, dx = \frac{1}{8}
提示:注意$2^{-x}=e^{-x\ln2}$,利用指数积分快速计算。
目标:确定Y的取值及分布律形式
根据题意,每次观测是独立的,且每次观测值大于3的概率为$p = P(X > 3)$。由于$X$服从标准正态分布$N(0,1)$,故$p = 1 - \Phi(3)$,其中$\Phi(\cdot)$为标准正态分布函数。
$Y$表示直到第2个大于3的观测值出现时的观测次数。显然,$Y$的最小可能取值为2(即前两次观测都大于3),最大可能取值为无穷大(理论上可以一直观测不到第二个大于3的值)。因此$Y$的可能取值为$2,3,4,\dots$。
$Y$的分布律:在$n$次观测中,第$n$次观测值大于3,且在前$n-1$次观测中恰好有1次观测值大于3。由于各次观测独立,前$n-1$次中恰有1次大于3的概率服从二项分布,即$\binom{n-1}{1}p(1-p)^{n-2}$,再乘以第$n$次大于3的概率$p$,得到
$$P(Y=n) = \binom{n-1}{1} p^2 (1-p)^{n-2}, \quad n=2,3,4,\dots$$
这正是负二项分布(帕斯卡分布)的形式,参数为$r=2$(成功次数)和成功概率$p$。因此$Y$服从参数为$r=2$和$p$的负二项分布,记作$Y \sim NB(2, p)$。
公式:$$P(Y=n) = \binom{n-1}{1} p^2 (1-p)^{n-2}, \quad n=2,3,4,\dots$$
提示:注意负二项分布中“直到第r次成功”的计数方式,成功次数固定,总次数随机。
目标:写出Y的分布律表达式
设随机变量 $Y$ 表示在独立重复的伯努利试验中,第2次成功恰好发生在第 $k$ 次试验时的试验次数。根据题意,$Y$ 的可能取值为 $2,3,4,\dots$。
要使得第 $k$ 次试验恰好是第2次成功,必须满足以下两个条件:
1. 前 $k-1$ 次试验中恰好发生了1次成功(因此有 $k-2$ 次失败);
2. 第 $k$ 次试验成功。
由于各次试验相互独立,且每次试验成功的概率为 $p$,失败的概率为 $1-p$。
首先,前 $k-1$ 次试验中恰好有1次成功的情况数:从 $k-1$ 次试验中选出1次作为成功,共有 $\binom{k-1}{1}$ 种方式。
其次,前 $k-1$ 次试验中,成功1次且失败 $k-2$ 次的概率为 $p^1 (1-p)^{k-2}$。
最后,第 $k$ 次试验成功的概率为 $p$。
因此,由乘法原理和组合计数,$Y$ 的分布律为:
$$P\{Y=k\} = \binom{k-1}{1} \cdot p \cdot (1-p)^{k-2} \cdot p = (k-1) p^2 (1-p)^{k-2}, \quad k=2,3,4,\dots$$
此即负二项分布(帕斯卡分布)的一种特殊形式,表示第2次成功发生在第 $k$ 次试验的概率。
公式:P\{Y=k\} = (k-1) p^2 (1-p)^{k-2}, \quad k=2,3,4,\dots
提示:牢记“第2次成功发生在第k次”意味着前k-1次中恰有1次成功,第k次成功。