概率论+往期考试卷

工程数学2018――2019学年

一、单项选择题

1.对掷一颗骰子的试验,将“出现偶数点”称为 ( D

A、样本空间 B、必然事件
C、不可能事件 D、随机事件

在这里插入图片描述

2.若事件A、B 互不相容,则下列等式中未必成立的是 (C

A、AB= ∅\varnothing B、P(AB)=0
C、P(A)+P(B)=1 D、 P(A∪\cupB)=P(A)+P(B)

分析:C项:P(A)+P(B)=1,当A与B对立时成立

3.设随机变量X的分布函数为F(x) ,下列说法中正确的是 ( D

A、 F(x)是增函数 B、 F(x)必为(-∞,+∞) 上的连续函数
C、F( -∞)=1 D、 F(x)≤\leq 1

分析:D项正确:由于0≤F(x)≤1,F(x)的值域为[0,1];
A项:F(x)是不减函数,故错误;
B项:由于F(x)仅右连续,从而(B)不对;
C项:由于
在这里插入图片描述
,从而(C)不对。

4. 设总体 X服从正态分布N( μ\muμ, σ2\sigma ^{2}σ2) ,其中 μ\muμ已知, σ2\sigma ^{2}σ2未知, X1、X2、X3X_{1}、X_{2}、X_{3}X1X2X3是总体 X的一个简单随机样本,则下列表达式中不是统计量的是 ( C

A、X1+X2+X3X_{1}+X_{2}+X_{3}X1+X2+X3 B、min(X1,X2,X3X_{1},X_{2},X_{3}X1,X2,X3) C、∑i=13Xi2σ2\sum_{i=1}^{3}\frac{X_{i}^{2}}{\sigma ^{2}}i=13σ2Xi2 D、 X‾\overline{X}X+2μ\muμ

分析:由于X服从正态分布N(μ,σ2),其中μ已知,σ2未知,因此未知参数只有σ\sigmaσ
选项A、B都是关于样本的函数,它们是统计量;
选项D虽然含有参数μ,但μ是已知的,因此也是统计量;
选项C由于含有未知参数σ,它不是统计量
故选:C

5.设 X1、X2、X3、X4X_{1}、X_{2}、X_{3}、X_{4}X1X2X3X4是来自均值为 θ\thetaθ的指数分布的样本,其中θ\thetaθ 未知,以下估计量中哪个是θ\thetaθ 的无偏估计量? ( A

A、X1+X2+2X3+X45\frac{X_{1}+X_{2}+2X_{3}+X_{4}}{5}5X1+X2+2X3+X4

B、3X1+X2+X3+X47\frac{3X_{1}+X_{2}+X_{3}+X_{4}}{7}73X1+X2+X3+X4

C、 X1+X24\frac{X_{1}+X_{2}}{4}4X1+X2 +X3+X43\frac{X_{3}+X_{4}}{3}3X3+X4

D、X1+X2+X3+X43\frac{X_{1}+X_{2}+X_{3}+X_{4}}{3}3X1+X2+X3+X4

分析:如果指数分布θ\thetaθ ~e(λ),那么E(θ\thetaθ )==1λ\frac{1}{ λ}λ1 D(θ\thetaθ )= 1λ2\frac{1}{ λ^{2}}λ21
无偏估计量的定义是:设(θ^\widehat{\theta}θ)是θ\thetaθ的一个估计量,若E(θ^\widehat{\theta}θ)=θ\thetaθ ,则称θ^\widehat{\theta}θθ\thetaθ的无偏估计量
A项:E(X1+X2+2X3+X45\frac{X_{1}+X_{2}+2X_{3}+X_{4}}{5}5X1+X2+2X3+X4 )=E(1λ+1λ+21λ+1λ5\frac{\frac{1}{ λ}+\frac{1}{ λ}+2\frac{1}{ λ}+\frac{1}{ λ}}{5}5λ1+λ1+2λ1+λ1 )=1λ\frac{1}{ λ}λ1,故A项正确。

拓展:
在这里插入图片描述
在这里插入图片描述

6.若随机变量X,Y 独立,下列等式中错误的是 ( D

A、对任何实数a,b ,事件{X ≤\leqa} 和事件 {Y≤\leqb}独立
B、 P(X≤\leqx,Y≤\leqy)=P(X≤\leqx)P(Y≤\leqy)
C、 F(x,y)=FX(x)FY(y)F_{X}(x)F_{Y}(y)FX(x)FY(y)
D、ρXY\rho_{XY}ρXY=1

分析:相互独立是设A,B是两事件,如果满足等式P(AB)=P(A)P(B),则称事件A,B相互独立,简称A,B独立.A、B、C正确·
D(X)=E(X2)+E(X)2E(X^{2})+E(X)^{2}EX2+EX2
ρXY\rho_{XY}ρXY=Cov(X,Y)D(X)D(Y)\frac{Cov(X,Y)}{\sqrt{D(X)}\sqrt{D(Y)}}DXDYCov(X,Y)
若随机变量X,Y 独立,Cov(X,Y)=0;
ρXY\rho_{XY}ρXY=0;因此(D)错

7.对于一个原假设为 的假设检验问题,有可能犯的第一类错误是指( B )

A、 H0H_{0}H0为真时,接受H0H_{0}H0
B、 H0H_{0}H0为真时,拒绝 H0H_{0}H0
C、 H0H_{0}H0不真时,接受H0H_{0}H0
D、 H0H_{0}H0不真时,拒绝 H0H_{0}H0

分析:
在这里插入图片描述

二、填空题(每小题3分,共24分)

8.设A,B 为随机事件,P(A)=0.5 ,P(B)=0.6 ,P(B|A)=0.8,则P(B∪\cupA)= 0.7_ .

分析:P(BUA)为0.7。计算过程如下:
P(A)=0.5。
P(B)=0.6。
P(B|A)=P(AB)/P(A)=0.8。
所以P(AB)=0.4。
P(A+B)=P(A)+P(B)-P(AB)=0.5+0.6-0.4=0.7。
所以P(BUA)=P(A+B)=0.7。

扩展资料:
常用概率公式
1、设A、B是互不相容事件(AB=φ),则:P(A∪B)=P(A)+P(B)
推论1:设A1、A2、…、An互不相容,则:P(A1+A2+…+An)=P(A1)+P(A2)+…+P(An)
推论2:设A1、A2、…、An构成完备事件组,则:P(A1+A2+…+An)=1
推论3:为事件A的对立事件。
推论4:若B包含A,则P(B-A)=P(B)-P(A)
推论5(广义加法公式):对任意两个事件A与B,有P(A∪B)=P(A)+P(B)-P(AB)
2、条件概率:已知事件B出现的条件下A出现的概率,称为条件概率,记作:P(A|B)条件概率计算公式:
当P(A)>0,P(B|A)=P(AB)/P(A)
当P(B)>0,P(A|B)=P(AB)/P(B)
3、乘法公式
P(AB)=P(A)×P(B|A)=P(B)×P(A|B)
推广:P(ABC)=P(A)P(B|A)P(C|AB)

9. 一大楼装有5个同类型的供水设备,调查表明在任一时刻t每个设备使用的概率为 0.3,则在同一时刻恰有2个设备被使用的概率是______0.3087________.

n重复相同实验,为二项分布在这里插入图片描述
故P(2)=C52∗0.32∗(1−0.3)(5−2)C_{5}^{2}* 0.3^{2} *(1-0.3)^{(5-2)}C520.32(10.3)(52)=0.3087

拓展:
在这里插入图片描述
在这里插入图片描述在这里插入图片描述

10. 设随机变量X ,Y 相互独立,且X:B(100,0.6) ,Y:P(2) ,则 D(2X-Y)= _98

分析:因为1、D(C)=0;
2、D(aX+b)=a2a^{2}a2D(X);
3、D(X±\pm±Y)=D(X)+D(Y)±\pm±DOV(X,Y)
又设随机变量X ,Y 相互独立DOV(X,Y)=0;
X:B(100,0.6),可知为二项分布,D(X)=100* 0.6* (1-0.6)=24;
Y:P(2) ,可知为泊松分布,则D(Y)=λ=2;
则D(2X - Y )
=4D(X)+D(Y)=24*4+2=98

拓展:在这里插入图片描述

11.三人独立地去破译一份密码,各人能译出的概率分别为16\frac{1}{6}6115\frac{1}{5}51 , 14\frac{1}{4}41此密码被译出的概率为 0.5___ .

分析:密码被译出的概率即为至少一人破译:1-(1-16\frac{1}{6}61)(1-15\frac{1}{5}51)(1-14\frac{1}{4}41)=0.5

12. 若X与Y相互独立,则Cov(X,Y)= _0__ .

13.随机变量ξ\xiξ~χ2(n)\chi^{2}(n)χ2(n)η\etaη~χ2(m)\chi^{2}(m)χ2(m)ξ\xiξ,η\etaη 独立,则 ξ\xiξ+η\etaη~ χ2(n+m)\chi^{2}(n+m)χ2(n+m)_ .

分析:
在这里插入图片描述

拓展:
在这里插入图片描述

14. 设X1、X2、L、X5X_{1}、X_{2}、L、X_{5}X1X2LX5 是总体 X~N(0,1)的简单随机样本,则当K= 62\frac{\sqrt{6}}{2}26_ 时,Y= k(X1+X2)X32+X42+X52\frac{k(X_{1}+X_{2})}{\sqrt{X_{3}^{2}+X_{4}^{2}+X_{5}^{2}}}X32+X42+X52k(X1+X2)~t(3) ;

分析:因为 X1、X2、L、X5X_{1}、X_{2}、L、X_{5}X1X2LX5 是总体 X~N(0,1)的简单随机样本
k(X1+X2)X32+X42+X52\frac{k(X_{1}+X_{2})}{\sqrt{X_{3}^{2}+X_{4}^{2}+X_{5}^{2}}}X32+X42+X52k(X1+X2)=2k3\frac{\sqrt{2}k}{\sqrt{3}}32k,
为使k(X1+X2)X32+X42+X52\frac{k(X_{1}+X_{2})}{\sqrt{X_{3}^{2}+X_{4}^{2}+X_{5}^{2}}}X32+X42+X52k(X1+X2)~t(3),
只需2k3\frac{\sqrt{2}k}{\sqrt{3}}32k=1即可,
得 a =62\frac{\sqrt{6}}{2}26

15.在对单个正态总体均值的假设检验中,当总体方差已知时,选用 Z或U_ 检验法

分析:Z检验 顺便说一句,当总体方差未知时,选用t检验法
在这里插入图片描述

三、解答题(每题11分,共55分)

16. 已知男子有5%是色盲患者,女子有0.25%是色盲患者.今从男女人数相等的人群中随机抽选一人.

(1)求此人是色盲患者的概率;

(2)若此人恰好是色盲,则此人是女性的概率是多少?

分析:全概率公式:P(发生某事)=P(A出现)P(A发生某事)+P(B出现)P(B发生某事)…
贝叶斯公式:P(已知有个体发生某事是A发出的)=P(A出现)P(A发生某事)P(发生某事)−−−−−−》(全概率公式)\frac{P(A出现)P(A发生某事)}{P(发生某事)------》(全概率公式)}PPAPA
在这里插入图片描述

17.设随机变量 的密度函数为:

f(x)f(x)fx={k(x+1), 0<x<10,其他\begin{cases}k(x+1)& \text{ , } 0<x<1 \\ 0 ,其他 & \text{ } \end{cases}{k(x+1)0 , 0<x<1 

求(1)常数k ;

(2) X的分布函数F(x) ;

(3)P{12\frac{1}{2}21<X≤\leq32\frac{3}{2}23} .

分析·:

一、已知FX(x)F_{X}(x)FX(x)fX(x)f_{X}(x)fX(x)含未知数,求未知数:
  1. FXF_{X}FX(-∞)=0;
  2. FXF_{X}FX(+∞)=0;
  3. F上F_{上}F(分段点)=F下F_{下}F(分段点)(断点值相同)
  4. ∫−∞+∞\int_{-∞}^{+∞}+fX(x)dxf_{X}(x)d_{x}fX(x)dx=1;
二、FX(x)F_{X}(x)FX(x)=∫−∞+∞\int_{-∞}^{+∞}+fX(x)dxf_{X}(x)d_{x}fX(x)dx
三、已知FX(x)F_{X}(x)FX(x)fX(x)f_{X}(x)fX(x)中一种,求P,

P(a<x<b)=FX(a)F_{X}(a)FX(a)-FX(b)F_{X}(b)FX(b)=∫ab\int_{a}^{b}abfX(x)dxf_{X}(x)d_{x}fX(x)dx

在这里插入图片描述

18.一工厂生产的某种设备的寿命 (以年计)服从指数分布,概率密度为

在这里插入图片描述

工厂规定,出售的设备在售出一年之内损坏可予以调换.若不需调换,每台设备工厂可以赢利1000元;若需要调换,每台设备工厂会亏损500元,试求厂方出售一台设备净赢利的数学期望.

分析:

在这里插入图片描述

19.设总体

在这里插入图片描述

其中,X1、X2、L、XnX_{1}、X_{2}、L、X_{n}X1X2LXn 是X的一个样本,求:

(1) θ\thetaθ的矩估计量;

(2) θ\thetaθ最大似然估计量.

分析:在这里插入图片描述
在这里插入图片描述

20.某种矿砂的5个样品中的含镍量(%)经测定为:

3.24 3.26 3.24 3.27 3.25

设含镍量服从正态分布,问在α\alphaα =0.01下能否接收假设:这批矿砂的含镍量为3.25?

(t0.005(4)t_{0.005}(4)t0.005(4)= 4.6041 ,5\sqrt{5}5=2.236 )

分析:在这里插入图片描述
在这里插入图片描述
S2=1n−1∑i=1n(Xi−X‾)2S^{2}=\frac{1}{n-1}\sum_{i=1}^{n}(X_{i}-\overline{X})^{2}S2=n11i=1n(XiX)2
在这里插入图片描述

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:http://www.mzph.cn/news/309670.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

.net core HttpClient 使用之消息管道解析(二)

一、前言前面分享了 .net core HttpClient 使用之掉坑解析&#xff08;一&#xff09;&#xff0c;今天来分享自定义消息处理HttpMessageHandler和PrimaryHttpMessageHandler 的使用场景和区别二、源代码阅读2.1 核心消息管道模型图先贴上一张核心MessageHandler 管道模型的流程…

[汇编语言]实验五:编写,调试具有多个段的程序

&#xff08;1&#xff09; 实验代码: assume cs:code, ds:data,ss:stackdata segmentdw 0123h,0456h,0789h,0abch,0defh,0fedh,0cbah,0987h data endsstack segmentdw 0,0,0,0,0,0,0,0 stack endscode segmentstart: mov ax,stackmov ss,axmov sp,16mov ax,datamov ds,axpus…

Fibonacci Sum HDU - 6755【2020 Multi-University Training Contest 1】斐波那契数列变形+二项式定理

【杭电多校2020】Distinct Sub-palindromes 分析&#xff1a; 题目&#xff1a; The Fibonacci numbers are defined as below: Given three integers N, C and K, calculate the following summation: Since the answer can be huge, output it modulo 1000000009 (1091…

List的扩容机制,你真的明白吗?

一&#xff1a;背景1. 讲故事在前一篇大内存排查中&#xff0c;我们看到了Dictionary正在做扩容操作&#xff0c;当时这个字典的count251w&#xff0c;你把字典玩的66飞起&#xff0c;其实都是底层为你负重前行&#xff0c;比如其中的扩容机制&#xff0c;当你遇到几百万甚至千…

[汇编语言]用[bx+idata]的方式进行数组的处理-字母大小写转换

第一个字符串"BaSiC"中的小写字母变成大写字母&#xff1b; 第二个字符串"iNfOrMaTiOn"中的大写字母变成小写字母&#xff1b; 方法一: 代码如下: assume cs:codesg,ds:datasgdatasg segment db BaSiC db iNfOrMaTiOn datasg endscodesg segment start…

中科大软件测试期末复习

前言 taozs老师画的重点&#xff0c;极其重要&#xff01;&#xff01;&#xff01; 25道多选 测试是为了证明这个系统没有bug。 错 测试四象限&#xff1a; 单元测试&#xff08;工具&#xff09;、组件测试&#xff08;开发人员做&#xff0c;dao层 controller层&#xf…

.NET 程序下锐浪报表 (Grid++ Report) 的绿色发布指南

在锐浪报表官方为 CSharp 编写的开发文档&#xff1a;“在C#与VB.NET中开始使用说明.txt” 中&#xff0c;关于发布项目是这么描述的&#xff1a;★发布你的项目&#xff0c;用VS.NET制作安装程序&#xff1a;1、先创建安装项目&#xff1a;在解决方案资源管理器的根节点上点右…

C++输出对齐(如何使输出对齐)

代码如下: #include <iostream> #include <iomanip> using namespace std;int main() {cout << setw(15)<<std::left<<"unsigned int" << setw(15) << std::left<<sizeof(unsigned) << endl;cout <<…

HDFS(一)

HDFS&#xff08;一&#xff09; 参考&#xff1a; http://hadoop.apache.org/docs/r1.0.4/cn/hdfs_design.html https://www.cnblogs.com/zsql/p/11587240.html Hadoop Distribute File System&#xff1a;Hadoop分布式文件系统&#xff0c;Hadoop核心组件之一&#xff0c;作为…

[开源] .Net orm FreeSql 1.5.0 最新版本(番号:好久不见)

废话开头这篇文章是我有史以来编辑最长时间的&#xff0c;历时 4小时&#xff01;&#xff01;&#xff01;原本我可以利用这 4小时编写一堆胶水代码&#xff0c;真心希望善良的您点个赞&#xff0c;谢谢了&#xff01;&#xff01;很久很久没有写文章了&#xff0c;上一次还是…

MapReduce简述

MapReduce 参考&#xff1a; https://www.cnblogs.com/lixiansheng/p/8942370.html https://baike.baidu.com/item/MapReduce/133425?fraladdin 概念 MapReduce是面向大数据并行处理的计算模型&#xff0c;用于大规模数据集的并行计算。它提供了一个庞大但设计精良的并行计算…

调试实战 —— dll 加载失败之全局变量初始化篇

前言 最近项目里总是遇到 dll 加载不上的问题&#xff0c;原因各种各样。今天先总结一个虽然不是项目中实际遇到的问题&#xff0c;但是却非常经典的问题。其它几种问题&#xff0c;后续慢慢总结。示例代码包含一个 exe 工程&#xff0c;两个 dll 工程。exe 会加载两个 dll 并调…

MongoDB副本集

参考&#xff1a;https://www.cnblogs.com/littleatp/p/8562842.html https://www.cnblogs.com/ilifeilong/p/14347008.html MongoDB副本集 MongoDB副本集是由一组Mongod实例&#xff08;进程&#xff09;组成&#xff0c;包含一个Primary节点和多个Secondary节点。客户端的所…

博客系统知多少:揭秘那些不为人知的学问(一)

点击上方蓝字关注“汪宇杰博客”导语在我们生活的年代&#xff0c;博客并不稀奇&#xff0c;甚至可以说是随处可见。从最早的搜狐、新浪博客&#xff0c;再到每个人都曾记录青春的 QQ 空间&#xff0c;再到现在的 Vlog 与 Plog&#xff0c;似乎拥有一个自己的博客并不是什么难事…

MongoDB 分片

MongoDB 分片 高数据量&#xff08;消耗内存&#xff09;和高吞吐量&#xff08;消耗CPU&#xff09;的数据库应用会对单机的性能造成较大压力&#xff0c;为了解决这些问题&#xff0c;一般采用两种方法&#xff1a;水平扩展&#xff08;将数据集分布在多个服务器上&#xff…

How many ways HDU - 1978(记忆化搜索关于求多少种方式模板)

题目&#xff1a; 这是一个简单的生存游戏&#xff0c;你控制一个机器人从一个棋盘的起始点(1,1)走到棋盘的终点(n,m)。游戏的规则描述如下&#xff1a; 1.机器人一开始在棋盘的起始点并有起始点所标有的能量。 2.机器人只能向右或者向下走&#xff0c;并且每走一步消耗一单位…

Sql Server之旅——第七站 复合索引和include索引到底有多大区别?

索引和锁&#xff0c;这两个主题对我们开发工程师来说&#xff0c;非常的重要。。。只有理解了这两个主题&#xff0c;我们才能写出高质量的sql语句&#xff0c;在之前的博客中&#xff0c;我所说的索引都是单列索引。。。当然数据库不可能只认单列索引&#xff0c;还有我这篇的…