大二下:概率论与数理统计复习 期末试题A

大二下:概率论与数理统计复习 导航页:https://blog.csdn.net/COCO56/article/details/100152856

一、填空题(每小题 4 分,共 24 分)

  1. 已 知 P ( A ) = 0.8 , P ( A − B ) = 0.4 , 则 P ( A B ‾ ) =   0.6   ‾ . 已知P(A)=0.8, P(A-B)=0.4 ,则 P(\overline{AB})=\underline{\ 0.6\ }. P(A)=0.8,P(AB)=0.4,P(AB)= 0.6 .
    解 : 因 为 P ( A − B ) = P ( A ) – P ( A B ) , 所 以 P ( A B ) = 0.4 , 进 而 P ( A B ‾ ) = 1 − P ( A B ) = 0.6 解:因为P(A-B) = P(A) – P(AB),所以P(AB) = 0.4,进而P(\overline{AB}) = 1-P(AB) = 0.6 P(AB)=P(A)P(AB)P(AB)=0.4P(AB)=1P(AB)=0.6
  2. 设 X 服 从 二 项 分 布 b ( 3 , 0.6 ) , 则 E ( X ) =   1.8   ‾ . 设 X 服从二项分布 b(3, 0.6) ,则E(X)=\underline{\ 1.8\ }. Xb(3,0.6),E(X)= 1.8 .
    解 : 二 项 分 布 B ( n , p ) 的 数 学 期 望 为 : n p , 方 差 为 : n p ( 1 − p ) 解:二项分布B(n,p)的数学期望为:np,方差为:np(1-p) B(n,p)npnp(1p)
  3. 设二维随机变量(X,Y)的概率密度函数为 f ( x , y ) = { a x y 2 , 0 ≤ x ≤ 2 , 0 ≤ y ≤ 1 0 , 其 他 f(x, y)=\left\{\begin{array}{cc}{a x y^{2},} & {0 \leq x \leq 2,0 \leq y \leq 1} \\ {0,} & 其他\end{array}\right. f(x,y)={axy2,0,0x2,0y1 a =   3 2   ‾ a=\underline{\ \frac{3}{2}\ } a= 23 

    1 = ∫ 0 2 ∫ 0 1 a x y 2 d y d x 1=\int_0^2\int_0^1axy^2dydx 1=0201axy2dydx
    1 = ∫ 0 2 a x y 3 3 ∣ 0 1 d x 1=\int_0^2\frac{axy^3}{3}|_0^1dx 1=023axy301dx
    1 = ∫ 0 2 a x 3 d x 1=\int_0^2\frac{ax}{3}dx 1=023axdx
    1 = a x 2 6 ∣ 0 2 1=\frac{ax^2}{6}|_0^2 1=6ax202
    4 a 6 = 1 \frac{4a}{6}=1 64a=1
    a = 6 4 = 3 2 a=\frac{6}{4}=\frac{3}{2} a=46=23
  4. 设 X ∼ t n , 则 X 2 ∼   F 1 , n   ‾ . 设X\sim t_n ,则X^2\sim\underline{\ F_{1,n}\ }. Xtn,X2 F1,n .
  5. 设总体 X ∼ B ( n , p ) X\sim B(n,p) XB(n,p) , X 1 ,   … X n ,X_1,\ …X_n ,X1, Xn是从总体 X X X中抽取的一个样本,则参数p的矩估
    量为 p ^ =   X ‾ n   ‾ . \hat{p}=\underline{\ \frac{\overline{X}}{n}\ }. p^= nX .
    解 : 二 项 分 布 B ( n , p ) 的 数 学 期 望 为 n p , 则 n p = X ‾ ⇒ p ^ = X ‾ n 解:二项分布B(n,p)的数学期望为np,则np=\overline{X}\Rightarrow\hat{p}=\frac{\overline{X}}{n} B(n,p)npnp=Xp^=nX
  6. X 1 , X 2 ,   . . .   X n X_1,X_2,\ ...\ X_n X1,X2, ... Xn为来自正态总体 N ( μ , 4 ) N(\mu,4) N(μ,4)的简单样本,则均值 μ \mu μ的置信系数为 1 − α 1-\alpha 1α的置信区间为   [ X ‾ − 2 n Z α 2 , X ‾ + 2 n Z α 2 ]   ‾ . \underline{\ [\overline{X}-\frac{2}{\sqrt{n}}Z_{\frac{\alpha}{2}}, \overline{X}+\frac{2}{\sqrt{n}}Z_{\frac{\alpha}{2}}] \ }.  [Xn 2Z2α,X+n 2Z2α] .
    :设 X 1 , X 2 , . . . , X n X_1,X_2,...,X_n X1,X2,...,Xn为来自正态总体 N ( μ , σ 2 ) N(\mu,\sigma^2) N(μ,σ2)的简单样本, σ 2 \sigma^2 σ2已知,则均值 μ \mu μ的置信系数为 1 − α 1-\alpha 1α的置信区间为   [ X ‾ − σ n Z α 2 , X ‾ + σ n Z α 2 ]   ‾ . \underline{\ [\overline{X}-\frac{\sigma}{\sqrt{n}}Z_{\frac{\alpha}{2}}, \overline{X}+\frac{\sigma}{\sqrt{n}}Z_{\frac{\alpha}{2}}] \ }.  [Xn σZ2α,X+n σZ2α] .

二、单项选择题(每小题4 分,共20 分)

  1. 对于任意两事件A与B ,下列命题正确的是(B)
    A. A B ≠ ∅ , 则 A 与 B 一 定 独 立 AB\ne\varnothing ,则A与B 一定独立 AB=,AB
    B. A B ≠ ∅ , 则 A 与 B 有 可 能 独 立 AB\ne\varnothing ,则A 与B 有可能独立 AB=,AB
    C. A B = ∅ , 则 A 与 B 一 定 独 立 AB=\varnothing, 则A与B一定独立 AB=,AB
    D. A B = ∅ , 则 A 与 B 一 定 不 独 立 AB=\varnothing, 则A与B一定不独立 AB=,AB
    解 : B 正 确 . 解:B 正确. B.
    定 义 : 如 果 等 式 P ( A B ) = P ( A ) P ( B ) 成 立 , 则 称 事 件 A 与 B 相 互 独 立 。 如 果 A = Ф , 则 P ( A B ) = 0 = P ( A ) P ( B ) , 于 是 A , B 相 互 独 立 , 也 就 是 不 可 能 事 件 与 任 何 事 件 独 立 . 因 此 D 不 正 确 . 定义:如果等式P(AB)=P(A)P(B)成立,则称事件A与B相互独立。 如果A=Ф,则P(AB)=0=P(A)P(B),于是A,B相互独立,也就是不可能事件与任何事件独立. 因此D不正确. P(AB)=P(A)P(B)ABA=Ф,P(AB)=0=P(A)P(B),A,B,.D.
  2. 设 X 1 , X 2 , X 3 均 服 从 [ 0 , 2 ] 上 的 均 匀 分 布 , 则 E ( − X 1 + 9 X 2 + 3 X 3 ) 为 ( C ) 设X_1,X_2,X_3均服从[0,2]上的均匀分布,则E(-X_1+9X_2+3X_3)为(C) X1,X2,X3[0,2],E(X1+9X2+3X3)(C)
    A .   9 B .   10 C .   11 D .   13 A.\ 9\qquad B.\ 10\qquad C.\ 11\qquad D.\ 13 A. 9B. 10C. 11D. 13
    解 : 解:
    均 匀 分 布 U ( a , b ) 的 数 学 期 望 为 a + b 2 , 则 E ( − X 1 + 9 X 2 + 3 X 3 ) = − E ( X 1 ) + 9 E ( X 2 ) + 3 E ( X 3 ) = − 1 + 9 + 3 = 11 均匀分布U(a,b)的数学期望为\frac{a+b}{2},则E(-X_1+9X_2+3X_3)=-E(X_1)+9E(X_2)+3E(X_3)=-1+9+3=11 U(a,b)2a+bE(X1+9X2+3X3)=E(X1)+9E(X2)+3E(X3)=1+9+3=11
  3. 设 X , Y 为 随 机 变 量 , 若 E ( X Y ) = E ( X ) + E ( Y ) , 则 有 的 ( A ) . 设 X ,Y 为随机变量,若E(XY)=E(X)+E(Y) ,则有的(A). X,Y,E(XY)=E(X)+E(Y),(A).
    A .   V a r ( X + Y ) = V a r ( X ) + V a r ( Y ) B .   V a r ( X Y ) = V a r ( X ) V a r ( Y ) C .   X 和 Y 相 互 独 立 D .   X 和 Y 不 独 立 \begin{aligned} &A.\ Var(X+Y)=Var(X)+Var(Y) &B.\ Var(XY)=Var(X)Var(Y)\\ &C.\ X 和Y 相互独立 &D.\ X 和Y 不独立 \end{aligned} A. Var(X+Y)=Var(X)+Var(Y)C. XYB. Var(XY)=Var(X)Var(Y)D. XY
    解:
    C o v ( X , Y ) = E ( X Y ) − E ( X ) E ( Y ) , V a r ( X + Y ) = V a r ( X ) + V a r ( Y ) + 2 C o v ( X , Y ) Cov(X,Y)=E(XY)-E(X)E(Y),Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y) Cov(X,Y)=E(XY)E(X)E(Y),Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y)
    ∵ E ( X Y ) = E ( X ) + E ( Y ) ∴ C o v ( X , Y ) = 0 ⇒ V a r ( X + Y ) = V a r ( X ) + V a r ( Y ) \because E(XY)=E(X)+E(Y)\therefore Cov(X,Y)=0\Rightarrow Var(X+Y)=Var(X)+Var(Y) E(XY)=E(X)+E(Y)Cov(X,Y)=0Var(X+Y)=Var(X)+Var(Y)
  4. 设 X 与 Y 为 相 互 独 立 的 随 机 变 量 , 其 分 布 函 数 分 别 为 F x ( X ) 和 F y ( Y ) , 则 随 机 变 量 Z = m a x ( X , Y ) 的 分 布 函 数 为 ( D ) . 设X与Y为相互独立的随机变量,其分布函数分别为F_x(X)和F_y(Y),则随机变量 Z=max(X,Y)的分布函数为(D). XY,Fx(X)Fy(Y),Z=max(X,Y)(D).
     A.  1 − F X ( x ) F Y ( y ) B .   1 − [ 1 − F X ( x ) ] ⋅ [ 1 − F Y ( y ) ]  C.  [ 1 − F X ( x ) ] ⋅ [ 1 − F Y ( y ) ] D .   F X ( x ) F Y ( y ) \begin{array}{ll}{\text { A. } 1-F_{X}(x) F_{Y}(y)} & {B.\ 1-\left[1-F_{X}(x)\right] \cdot\left[1-F_{Y}(y)\right]} \\ {\text { C. }\left[1-F_{X}(x)\right] \cdot\left[1-F_{Y}(y)\right]} & {D.\ F_X(x)F_Y(y)}\end{array}  A. 1FX(x)FY(y) C. [1FX(x)][1FY(y)]B. 1[1FX(x)][1FY(y)]D. FX(x)FY(y)
    解 : 解:
    设 X 与 Y 为 相 互 独 立 的 随 机 变 量 , 其 分 布 函 数 分 别 为 F x ( X ) 和 F y ( Y ) , 则 随 机 变 量 Z = m i n ( X , Y ) 的 分 布 函 数 为 : 1 − [ 1 − F X ( x ) ] ⋅ [ 1 − F Y ( y ) ] , Z = m a x ( X , Y ) 的 分 布 函 数 为 : F X ( x ) F Y ( y ) 设X与Y为相互独立的随机变量,其分布函数分别为F_x(X)和F_y(Y),则随机变量 Z=min(X,Y)的分布函数为:1-\left[1-F_{X}(x)\right] \cdot\left[1-F_{Y}(y)\right],Z=max(X,Y)的分布函数为:F_X(x)F_Y(y) XY,Fx(X)Fy(Y),Z=min(X,Y):1[1FX(x)][1FY(y)]Z=max(X,Y):FX(x)FY(y)

四、计算题(第12-14 题,每题8 分;第15-16 题,每题10 分;第17 题12 分;共60 分)

  1. 设两台机床加工同样的零件,第一台出现废品的概率为0.1,第二台出现废品的概率为0.2,已知两台机床生产的成品比例为1:2,加工出来的零件放在一起,求:在仓库中随机地取一只成品,若已知取到的是次品,问此次品是由第一台机床生产的概率为多少?
    解 : 解:
    设 A = { 零 件 是 废 品 } , B 1 = { 零 件 由 第 一 台 机 床 加 工 } , B 2 = { 零 件 由 第 二 台 机 床 加 工 } , 则 设A=\{零件是废品\}, B_1=\{零件由第一台机床加工\}, B_2=\{零件由第二台机床加工\},则 A={},B1={},B2={}
    P ( B 1 ) = 1 3 , P ( B 2 ) = 2 3 P ( A ∣ B 1 ) = 0.01 , P ( A ∣ B 2 ) = 0.02 \begin{aligned} &P(B_1)=\frac{1}{3},&P(B_2)=\frac{2}{3}\\ &P(A|B_1)=0.01,&P(A|B_2)=0.02 \end{aligned} P(B1)=31,P(AB1)=0.01,P(B2)=32P(AB2)=0.02
    由 贝 叶 斯 公 式 , 得 由贝叶斯公式,得
    P ( A ∣ B 1 ) = P ( B 1 ) P ( A ∣ B 1 ) P ( B 1 ) P ( A ∣ B 1 ) + P ( B 2 ) P ( A ∣ B 2 ) = 1 3 × 1 100 1 3 × 1 100 + 2 3 × 2 100 = 1 5 = 0.2 \begin{aligned} P(A|B_1)&=\frac{P(B_1)P(A|B_1)}{P(B_1)P(A|B_1)+P(B_2)P(A|B_2)}\\ &=\frac{\frac{1}{3}\times\frac{1}{100}}{\frac{1}{3}\times\frac{1}{100}+\frac{2}{3}\times\frac{2}{100}}\\ &=\frac{1}{5}=0.2 \end{aligned} P(AB1)=P(B1)P(AB1)+P(B2)P(AB2)P(B1)P(AB1)=31×1001+32×100231×1001=51=0.2
    ∴ 若 已 知 取 到 的 是 次 品 , 则 此 次 品 是 由 第 一 台 机 床 生 产 的 概 率 为 0.2 \therefore 若已知取到的是次品,则此次品是由第一台机床生产的概率为0.2 0.2
  2. 设 连 续 型 随 机 变 量 X 的 分 布 函 数 为 设连续型随机变量X的分布函数为 X F ( x ) = { 0 , x < 1 ln ⁡ x , 1 ≤ x < e 1 , x ≥ e F(x)=\left\{\begin{array}{cc}{0,} & {x<1} \\ {\ln x,} & {1 \leq x<e} \\ {1,} & {x \geq e}\end{array}\right. F(x)=0,lnx,1,x<11x<exe , 求 : ,求:
    ( 1 ) P { 2 < x ≤ 3 } . ( 2 ) X 的 概 率 密 度 函 数 f ( x ) . (1)P\{2<x\le3\}.(2) X 的概率密度函数 f (x). 1P{2<x3}2Xf(x).
    解 : 解:
    ( 1 ) P { 2 < x ≤ 3 } = 1 − ln ⁡ 2 (1)P\{2<x\le3\}=1-\ln2 (1)P{2<x3}=1ln2
    ( 2 ) ∵ ( ln ⁡ x ) ′ = 1 x (2)\because (\ln x)'=\frac1x (2)(lnx)=x1
    ∴ f ( x ) = { 1 x , 1 ≤ x ≤ e 0 , 其 他 \therefore f(x)=\left\{\begin{array}{cc}{\frac1x,} & {1 \le x\le e} \\ {0,} & {其他}\end{array}\right. f(x)={x1,0,1xe
    注:
    • 分布函数是右连续的(x的区间左闭右开),一般左边要考虑等号。
    • 密度函数是无所谓的,等号可加可不加,一般不用加。若加,应和分布函数保持一致。
      为什么无所谓?这是由于概率密度函数的研究对象是连续型的随机变量,我们知道连续型随机变量的单点概率为0。
      单 点 概 率 为 0 : P { X = a } = 0 (3) 单点概率为0:P\{X=a\}=0 \tag{3} 0P{X=a}=0(3)
      P { a < X ≤ b } = P { a ≤ X ≤ b } = P { a < X < b } = F ( b ) − F ( a ) (4) P\{a<X\le b\}=P\{a\le X \le b\}=P\{a<X<b\}=F(b)-F(a) \tag{4} P{a<Xb}=P{aXb}=P{a<X<b}=F(b)F(a)(4)
      P { X > a } = 1 − F ( a ) (5) P\{X>a\}=1-F(a) \tag{5} P{X>a}=1F(a)(5)
      如果细究,则对于分段函数的分界点处,需要看看左右导数是否相等,相等,则有导数,则f(x)在分界点处取等号,不相等,则无导数,f(x)在分界点处不取等号。
      例如此题,F(x)在x=1点处的左导数为0,右导数为1,左右导数不相等,所以在x=1点处不可导,所以1/x的范围就没有x=1这点,而x=e这点左导数为1/e,右导数为0,左右导数也不相等,所以也不可导,所以也没有等于e这点。
  3. 设 随 机 变 量 X ∼ N ( 0 , 1 ) , 试 求 随 机 变 量 Y = 2 X − 1 的 概 率 密 度 函 数 . 设随机变量 X\sim N(0,1) ,试求随机变量Y=2X-1的概率密度函数. XN(0,1),Y=2X1
    解 : 解:
    ∵ 正 态 分 布 \because正态分布 N ( μ , σ 2 ) 的 概 率 密 度 函 数 为 : N(\mu, \sigma^2)的概率密度函数为: N(μ,σ2) f ( x ) = 1 2 π σ e − ( x − μ ) 2 2 σ 2 ,   ( − ∞ < x < + ∞ ) \LARGE f(x)=\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}, \ (-\infty<x<+\infty) f(x)=2π σ1e2σ2(xμ)2, (<x<+) , 标 准 正 态 分 布 ,标准正态分布 N ( 0 , 1 ) 的 概 率 密 度 函 数 为 : N(0,1)的概率密度函数为: N(0,1) ϕ ( x ) = 1 2 π e − x 2 2 ,   ( − ∞ < x < + ∞ ) \LARGE \phi(x)=\frac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}},\ (-\infty<x<+\infty) ϕ(x)=2π 1e2x2, (<x<+)
    ∴ f X ( x ) = 1 2 π e − x 2 2 ,   ( − ∞ < x < + ∞ ) \therefore \LARGE f_X(x)=\frac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}},\ (-\infty<x<+\infty) fX(x)=2π 1e2x2, (<x<+)
    ∴ F Y ( y ) = P { Y ≤ y } = P { 2 X − 1 ≤ y } = P { X ≤ y + 1 2 } = F X ( y + 1 2 ) \therefore\LARGE F_Y(y)=P\{Y\le y\}=P\{2X-1\le y\}=P\{X\le\frac{y+1}{2}\}=F_X(\frac{y+1}{2}) FY(y)=P{Yy}=P{2X1y}=P{X2y+1}=FX(2y+1)
    ∴ f Y ( y ) = f X ( y + 1 2 ) × ( y + 1 2 ) ′ = 1 2 f X ( y + 1 2 ) \therefore \LARGE f_Y(y)=f_X(\frac{y+1}{2})\times(\frac{y+1}{2})'=\frac{1}{2}f_X(\frac{y+1}{2}) fY(y)=fX(2y+1)×(2y+1)=21fX(2y+1)
       = 1 2 × 1 2 π e − ( y + 1 2 ) 2 2 ,   ( − ∞ < x < + ∞ ) \qquad\qquad\quad\ \ \LARGE=\frac{1}{2}\times\frac{1}{\sqrt{2\pi}}e^{-\frac{(\frac{y+1}{2})^2}{2}},\ (-\infty<x<+\infty)   =21×2π 1e2(2y+1)2, (<x<+)
       = 1 2 2 π e − ( y + 1 ) 2 8 ,   ( − ∞ < x < + ∞ ) \qquad\qquad\quad\ \ \LARGE=\frac{1}{2\sqrt{2\pi}}e^{-\frac{(y+1)^2}{8}},\ (-\infty<x<+\infty)   =22π 1e8(y+1)2, (<x<+)
  4. 设 二 维 随 机 向 量 ( X , Y ) 的 概 率 密 度 函 数 为 f ( x , y ) = { 4.8 y ( 2 − x ) , 0 ≤ x ≤ 1 , 0 ≤ y ≤ x 0 , 其 他 , 求 边 缘 概 率 密 度 函 数 f X ( x ) , f Y ( y ) . 设二维随机向量(X,Y)的概率密度函数为f(x, y)=\left\{\begin{array}{ll}{4.8 y(2-x),} & {0 \leq x \leq 1,0 \leq y \leq x} \\ {0,} & 其他\end{array}\right.,求边缘概率密度函数f_X(x),f_Y(y). (X,Y)f(x,y)={4.8y(2x),0,0x1,0yx,fX(x),fY(y).
    解 1 : 解1: 1
    在这里插入图片描述
    解 2 : 解2: 2
    在这里插入图片描述
    Y(y)为什么从y到1?
    在这里插入图片描述
  5. 设 随 机 变 量 X ∼ N ( 0 , 4 ) , Y ∼ U ( 0 , 4 ) , 并 且 X 与 Y 相 互 独 立 , 求 V a r ( X + Y ) 和 V a r ( 2 X − 3 Y ) . 设随机变量 X\sim N(0,4) ,Y\sim U(0,4) ,并且X与Y相互独立,求Var(X+Y)和Var(2X-3Y) . XN(0,4),YU(0,4),XY,Var(X+Y)Var(2X3Y).
    ∵ 正 态 分 布 N ( μ , σ 2 ) 的 方 差 为 σ 2 , 均 匀 分 布 U ( a , b ) 的 方 差 为 ( b − a ) 2 12 \because 正态分布N(\mu,\sigma^2)的方差为\sigma^2,均匀分布U(a,b)的方差为\LARGE\frac{(b-a)^2}{12} N(μ,σ2)σ2U(a,b)12(ba)2
    ∴ X 的 方 差 为 4 , Y 的 方 差 为 4 3 \therefore X的方差为4,Y的方差为\LARGE\frac{4}{3} X4Y34
    V a r ( X + Y ) = V a r ( X ) + V a r ( Y ) = 16 3 Var(X+Y)=Var(X)+Var(Y)=\LARGE\frac{16}{3} Var(X+Y)=Var(X)+Var(Y)=316
    V a r ( 2 X − 3 Y ) = V a r ( 2 X ) + V a r ( 3 Y ) = 4 V a r ( X ) + 9 V a r ( Y ) = 16 + 12 = 28 Var(2X-3Y)=Var(2X)+Var(3Y)=4Var(X)+9Var(Y)=16+12=28 Var(2X3Y)=Var(2X)+Var(3Y)=4Var(X)+9Var(Y)=16+12=28
相关推荐
©️2020 CSDN 皮肤主题: 编程工作室 设计师:CSDN官方博客 返回首页