《概率论》期末考试试题.docxVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

《概率论》期末考试试题

一、选择题(每题3分,共15分)

1.设事件\(A\)与\(B\)互不相容,且\(P(A)=0.3\),\(P(B)=0.4\),则\(P(A\cupB)\)等于()

A.\(0.3\)B.\(0.4\)C.\(0.7\)D.\(0.12\)

答案:C

解析:因为事件\(A\)与\(B\)互不相容,即\(A\capB=\varnothing\),根据概率的加法公式\(P(A\cupB)=P(A)+P(B)\),已知\(P(A)=0.3\),\(P(B)=0.4\),所以\(P(A\cupB)=0.3+0.4=0.7\)。

2.设随机变量\(X\simN(0,1)\),\(\varPhi(x)\)为其分布函数,则\(P\{1\ltX\lt1\}\)等于()

A.\(2\varPhi(1)1\)B.\(\varPhi(1)\varPhi(1)\)C.\(2\varPhi(1)1\)D.\(\varPhi(1)+\varPhi(1)\)

答案:A

解析:已知\(X\simN(0,1)\),\(P\{1\ltX\lt1\}=\varPhi(1)\varPhi(1)\),又因为正态分布的性质\(\varPhi(x)=1\varPhi(x)\),所以\(\varPhi(1)=1\varPhi(1)\),则\(P\{1\ltX\lt1\}=\varPhi(1)(1\varPhi(1))=2\varPhi(1)1\)。

3.设随机变量\(X\)的数学期望\(E(X)=\mu\),方差\(D(X)=\sigma^{2}\),则由切比雪夫不等式有\(P\{|X\mu|\geq2\sigma\}\)()

A.\(\leq\frac{1}{4}\)B.\(\geq\frac{1}{4}\)C.\(\leq\frac{3}{4}\)D.\(\geq\frac{3}{4}\)

答案:A

解析:切比雪夫不等式为\(P\{|XE(X)|\geq\varepsilon\}\leq\frac{D(X)}{\varepsilon^{2}}\),已知\(E(X)=\mu\),\(D(X)=\sigma^{2}\),\(\varepsilon=2\sigma\),代入可得\(P\{|X\mu|\geq2\sigma\}\leq\frac{\sigma^{2}}{(2\sigma)^{2}}=\frac{1}{4}\)。

4.设\(X_1,X_2,\cdots,X_n\)是来自总体\(X\)的样本,\(E(X)=\mu\),\(D(X)=\sigma^{2}\),\(\overline{X}=\frac{1}{n}\sum_{i=1}^{n}X_i\),则\(D(\overline{X})\)等于()

A.\(\sigma^{2}\)B.\(\frac{\sigma^{2}}{n}\)C.\(n\sigma^{2}\)D.\(\frac{\sigma^{2}}{n^2}\)

答案:B

解析:根据方差的性质,若\(X_1,X_2,\cdots,X_n\)相互独立,\(D(aX)=a^{2}D(X)\),且\(\overline{X}=\frac{1}{n}\sum_{i=1}^{n}X_i\),则\(D(\overline{X})=D(\frac{1}{n}\sum_{i=1}^{n}X_i)=\frac{1}{n^{2}}\sum_{i=1}^{n}D(X_i)\),因为\(D(X_i)=\sigma^{2}(i=1,2,\cdots,n)\),所以\(D(\overline{X})=\frac{1}{n^{2}}\cdotn\sigma^{2}=\frac{\sigma^{2}}{n}\)。

5.设总体\(X\simN(\mu,\sigma^{2})\),\(\sigma^{2}\)已知,\(X_1,X_2,\cdots,X_n\)是来自总体\(X\)的样本,\(\overline{X}\)为样本均值,则\(\mu\)的置信水平为\(1\alpha\)的置信区间为()

A.\((\overline{X}z_{\frac{\alpha}{2}}\frac{\sigma}{\sqrt{n}},\overline{X}+z_{\frac{\alpha}{2}}\frac{\sigma}{\sqrt{n}})\)

B.\((\overline{X}t_{\frac{\alpha}{2}}(n1)\frac{\sigma}{\sqrt{n}

文档评论(0)

小梦 + 关注
实名认证
文档贡献者

小梦

1亿VIP精品文档

相关文档