概率论与数理统计习题含答案

概率论与数理统计习题含答案1.袋中装有5个红球、3个白球和2个黑球（共10个球），从中不放回地随机取出3个球，求至少有2个红球的概率。解：设事件A为“至少有2个红球”，则A包含两种情况：恰好2个红球和1个非红球，或恰好3个红球。总取法数为组合数C(10,3)=120。恰好2个红球的取法数：C(5,2)×C(5,1)=10×5=50（非红球共5个：3白+2黑）。恰好3个红球的取法数：C(5,3)=10。因此P(A)=(50+10)/120=60/120=0.5。2.某工厂产品的合格率为90%，在合格产品中，一级品率为80%。现从该厂随机抽取一件产品，求该产品是一级品的概率。解：设事件B为“产品合格”，事件C为“产品是一级品”。已知P(B)=0.9，P(C|B)=0.8。由乘法公式，P(C)=P(B)×P(C|B)=0.9×0.8=0.72。3.某公司有三个车间生产同一种零件，第一、二、三车间的产量分别占总产量的25%、35%、40%，各车间的次品率分别为1%、2%、3%。现从总产品中随机抽取一件，求该零件是次品的概率。解：设事件D_i为“零件来自第i车间”（i=1,2,3），事件E为“零件是次品”。已知P(D1)=0.25，P(D2)=0.35，P(D3)=0.4；P(E|D1)=0.01，P(E|D2)=0.02，P(E|D3)=0.03。由全概率公式：P(E)=P(D1)P(E|D1)+P(D2)P(E|D2)+P(D3)P(E|D3)=0.25×0.01+0.35×0.02+0.4×0.03=0.0025+0.007+0.012=0.0215。4.沿用第3题条件，若抽到的零件是次品，求它来自第一车间的概率。解：由贝叶斯公式，P(D1|E)=P(D1)P(E|D1)/P(E)=0.25×0.01/0.0215≈0.0025/0.0215≈0.1163（即约11.63%）。5.设随机变量X服从参数n=5，p=0.3的二项分布，即X~B(5,0.3)。求：(1)P(X=2)；(2)期望E(X)；(3)方差D(X)。解：(1)二项分布概率公式：P(X=k)=C(n,k)p^k(1p)^{nk}，因此P(X=2)=C(5,2)×0.3²×0.7³=10×0.09×0.343=10×0.03087=0.3087。(2)二项分布期望E(X)=np=5×0.3=1.5。(3)方差D(X)=np(1p)=5×0.3×0.7=1.05。6.设随机变量X服从区间[1,5]上的均匀分布，即X~U[1,5]。求：(1)P(2<X<4)；(2)期望E(X)；(3)方差D(X)；(4)概率密度函数f(x)。解：(1)均匀分布的概率密度f(x)=1/(ba)=1/4（当1≤x≤5时，否则0）。因此P(2<X<4)=∫₂⁴(1/4)dx=(42)/4=2/4=0.5。(2)均匀分布期望E(X)=(a+b)/2=(1+5)/2=3。(3)方差D(X)=(ba)²/12=(51)²/12=16/12=4/3≈1.333。(4)概率密度函数f(x)=⎩⎨⎧1/4,1≤x≤5；0,其他。7.设二维随机变量(X,Y)的联合概率密度为f(x,y)=2e^{x2y}（x>0,y>0），否则f(x,y)=0。求：(1)边缘概率密度f_X(x)和f_Y(y)；(2)判断X与Y是否独立；(3)期望E(XY)。解：(1)边缘密度f_X(x)=∫₀^∞f(x,y)dy=∫₀^∞2e^{x2y}dy=2e^{x}∫₀^∞e^{2y}dy=2e^{x}×(1/2)=e^{x}（x>0，否则0）。边缘密度f_Y(y)=∫₀^∞f(x,y)dx=∫₀^∞2e^{x2y}dx=2e^{2y}∫₀^∞e^{x}dx=2e^{2y}×1=2e^{2y}（y>0，否则0）。(2)由于f(x,y)=2e^{x2y}=e^{x}×2e^{2y}=f_X(x)f_Y(y)，因此X与Y独立。(3)因X与Y独立，E(XY)=E(X)E(Y)。X服从参数λ=1的指数分布，故E(X)=1/1=1；Y服从参数λ=2的指数分布，故E(Y)=1/2。因此E(XY)=1×(1/2)=1/2。8.设随机变量X和Y的相关系数ρ=0.5，方差D(X)=1，D(Y)=4。求：(1)D(X+Y)；(2)D(XY)。解：(1)方差公式D(X+Y)=D(X)+D(Y)+2Cov(X,Y)。而Cov(X,Y)=ρ×√D(X)×√D(Y)=0.5×1×2=1。因此D(X+Y)=1+4+2×1=7。(2)D(XY)=D(X)+D(Y)2Cov(X,Y)=1+42×1=3。9.设总体X服从指数分布，其概率密度为f(x;λ)=λe^{λx}（x>0，λ>0为未知参数）。现从总体中抽取样本X₁,X₂,…,Xₙ，求λ的矩估计量。解：矩估计的关键是用样本一阶原点矩估计总体一阶原点矩。总体一阶原点矩E(X)=∫₀^∞x×λe^{λx}dx=1/λ（指数分布期望为1/λ）。样本一阶原点矩为X̄=(X₁+X₂+…+Xₙ)/n。令E(X)=X̄，即1/λ=X̄，解得λ的矩估计量为̂λ=1/X̄。10.沿用第9题条件，求λ的最大似然估计量。解：似然函数L(λ)=∏ᵢ=1ⁿf(Xᵢ;λ)=∏ᵢ=1ⁿλe^{λXᵢ}=λⁿe^{λ∑Xᵢ}。取对数得lnL(λ)=nlnλλ∑Xᵢ。对λ求导并令导数为0：d(lnL)/dλ=n/λ∑Xᵢ=0，解得λ=n/∑Xᵢ=1/X̄。因此λ的最大似然估计量为̂λ=1/X̄（与矩估计量相同）。11.设某正态总体X~N(μ,σ²)，其中σ²=4已知。现抽取容量为25的样本，样本均值X̄=10。求总体均值μ的95%置信区间。解：正态总体方差已知时，μ的置信区间为[X̄z_{α/2}×(σ/√n),X̄+z_{α/2}×(σ/√n)]。α=0.05，z_{0.025}=1.96（标准正态分布双侧分位数），σ=2，n=25，√n=5。代入得置信区间：[101.96×(2/5),10+1.96×(2/5)]=[100.784,10+0.784]=[9.216,10.784]。12.某厂生产的零件长度X~N(μ,0.04)（σ²=0.04，σ=0.2），技术标准要求μ=20。现抽取10个零件，测得样本均值X̄=19.8。检验假设H₀:μ=20vsH₁:μ≠20（显著性水平α=0.05）。解：这是双侧Z检验。检验统计量Z=(X̄μ₀)/(σ/√n)=(19.820)/(0.2/√10)=(0.2)/(0.0632)≈3.16。α=0.05时，临界值z_{α/2}=1.96。由于|Z|=3.16>1.96，拒绝H₀，认为零件长度均值与20有显著差异。13.设二维离散型随机变量(X,Y)的联合分布律如下表：|Y\X|0|1||||||0|0.1|0.3||1|0.2|0.4|求：(1)X和Y的边缘分布律；(2)Cov(X,Y)；(3)判断X与Y是否独立。解：(1)X的边缘分布律：P(X=0)=0.1+0.2=0.3；P(X=1)=0.3+0.4=0.7。Y的边缘分布律：P(Y=0)=0.1+0.3=0.4；P(Y=1)=0.2+0.4=0.6。(2)先计算E(X)=0×0.3+1×0.7=0.7；E(Y)=0×0.4+1×0.6=0.6；E(XY)=0×0×0.1+0×1×0.2+1×0×0.3+1×1×0.4=0.4。Cov(X,Y)=E(XY)E(X)E(Y)=0.40.7×0.6=0.40.42=0.02。(3)检查独立性：例如P(X=0,Y=0)=0.1，而P(X=0)P(Y=0)=0.3×0.4=0.12≠0.1，故X与Y不独立。14.设随机变量X~N(3,4)（即μ=3，σ²=4），求：(1)P(1<X≤5)；(2)P(X>0)；(3)常数c使得P(X≤c)=0.95。解：(1)标准化X：Z=(X3)/2~N(0,1)。P(1<X≤5)=P((13)/2<Z≤(53)/2)=P(1<