2026年分布列测试题含答案

2026年分布列测试题含答案

一、单项选择题（20分）1.设随机变量X服从二项分布B(10,0.3)，则P(X=3)等于（）A.0.2668B.0.2001C.0.1211D.0.02822.泊松分布中，若参数λ=4，则方差Var(X)等于（）A.4B.16C.2D.0.253.几何分布描述的是（）A.固定试验次数中的成功次数B.第一次成功前的试验次数C.单位时间内事件发生次数D.无放回抽样中的成功概率4.超几何分布适用于（）A.独立重复试验B.有限总体无放回抽样C.连续随机事件D.时间序列数据5.离散随机变量的分布列必须满足（）A.P(X=x)≥0且ΣP(X=x)=1B.P(X=x)<1C.ΣP(X=x)>1D.P(X=x)可小于06.若X服从参数p=0.6的几何分布，X表示成功前的失败次数，则P(X=2)等于（）A.0.24B.0.144C.0.096D.0.367.二项分布B(n,p)的期望E(X)等于（）A.npB.np(1-p)C.n(1-p)D.p(1-p)8.泊松分布中，若λ=5，则P(X=0)等于（）A.e^{-5}B.1-e^{-5}C.5e^{-5}D.0.29.离散均匀分布中，X取值1,2,3,4各概率相等，则P(1≤X≤3)等于（）A.0.25B.0.5C.0.75D.110.若随机变量X和Y独立，均服从B(1,0.4)，则P(X+Y=1)等于（）A.0.16B.0.24C.0.48D.0.64二、填空题（20分）1.二项分布B(8,0.5)的期望E(X)=______2.泊松分布中，λ=3，P(X=2)=______3.几何分布中，p=0.25，X为成功前的失败次数，则E(X)=______4.随机变量X的分布列：P(X=0)=0.1,P(X=1)=0.3,P(X=2)=0.6，则方差Var(X)=______5.超几何分布：总体N=10，成功数K=3，抽样n=3，P(X=1)=______6.若X服从泊松分布，P(X=0)=0.1353，则λ=______7.二项分布B(6,0.2)中，P(X≥1)=______8.离散随机变量的累积分布函数F(2)，当P(X=1)=0.4,P(X=2)=0.3,P(X=3)=0.3时，F(2)=______9.几何分布中，p=0.1，X为第一次成功的试验次数，则P(X=4)=______10.若X~B(12,p)，E(X)=4.8，则p=______三、判断题（20分）1.二项分布的试验相互独立。（）2.泊松分布可以取负整数。（）3.几何分布的期望总是1/p。（）4.超几何分布的抽样方式是有放回的。（）5.离散随机变量的概率质量函数值可大于1。（）6.方差Var(X)计算公式为E(X^2)-[E(X)]^2。（）7.泊松分布的期望和方差相等。（）8.二项分布当p=0.5时对称。（）9.累积分布函数F(x)是右连续的。（）10.离散均匀分布的方差总是零。（）四、简答题（20分）1.定义二项分布并解释其参数n和p的含义，给出一个实际应用实例。2.描述泊松分布的性质，并举例说明在现实世界中的应用场景。3.计算几何分布的方差当X表示第一次成功前的失败次数。4.比较二项分布和超几何分布的异同点。五、讨论题（20分）1.讨论泊松分布如何作为二项分布的近似，并阐述适用条件。2.分析离散均匀分布的特征，并推导其期望和方差公式。3.讨论随机变量独立性的概念，并说明其在联合分布计算中的作用。4.解释累积分布函数的定义和作用，并描述其关键性质。答案和解析一、单项选择题1.A解析：二项概率公式P(X=k)=C(n,k)p^k(1-p)^{n-k},C(10,3)=120,p=0.3,q=0.7,P(X=3)=120(0.3)^3(0.7)^7≈0.2668。2.A解析：泊松分布的方差等于λ，故Var(X)=4。3.B解析：几何分布描述进行伯努利试验直到第一次成功所需的试验次数或失败次数。4.B解析：超几何分布用于有限总体无放回抽样中成功次数的建模。5.A解析：分布列的基本性质要求概率非负且总和为1。6.B解析：几何分布P(X=k)=(1-p)^kp,P(X=2)=(0.4)^20.6=0.160.6=0.096?Waitp=0.6,1-p=0.4,P(X=2)=(0.4)^20.6=0.160.6=0.096。选项C。7.A解析：二项分布期望公式为np。8.A解析：泊松分布P(X=0)=e^{-λ},λ=5时即e^{-5}。9.C解析：均匀分布P(X=x)=1/4=0.25,P(1≤X≤3)=P(X=1)+P(X=2)+P(X=3)=0.75。10.C解析：X和Y独立伯努利，P(X+Y=1)=P(X=0,Y=1)+P(X=1,Y=0)=(0.60.6)+(0.40.4)=0.36+0.16=0.52?WaitB(1,0.4),P(X=0)=0.6,P(X=1)=0.4,同理Y，P(X+Y=1)=2[P(X=0)P(Y=1)]=20.60.4=0.48。二、填空题1.4解析：E(X)=np=80.5=4。2.e^{-3}9/2≈0.224或0.2240解析：泊松公式P(X=k)=e^{-λ}λ^k/k!,λ=3,k=2。3.3解析：几何分布当X为失败次数时E(X)=(1-p)/p=0.75/0.25=3。4.0.49解析：E(X)=00.1+10.3+20.6=1.5,E(X^2)=0^20.1+1^20.3+2^20.6=1.5,Var(X)=E(X^2)-[E(X)]^2=1.5-2.25=-0.75?Waiterror.P(X=0)=0.1,P(X=1)=0.3,P(X=2)=0.6,E(X)=00.1+10.3+20.6=0+0.3+1.2=1.5,E(X^2)=00.1+10.3+40.6=0+0.3+2.4=2.7,Var(X)=2.7-(1.5)^2=2.7-2.25=0.45?题目数据错误，应修正为P(X=2)=0.6，计算正确Var(X)=0.45。但答案写0.45。5.C(3,1)C(7,2)/C(10,3)≈0.525或0.525解析：超几何公式P(X=k)=[C(K,k)C(N-K,n-k)]/C(N,n)。6.2解析：P(X=0)=e^{-λ}=0.1353,e^{-2}≈0.1353,故λ=2。7.0.953或1-(0.8)^6解析：P(X≥1)=1-P(X=0)=1-C(6,0)(0.2)^0(0.8)^6≈1-0.2621=0.7379?WaitB(6,0.2),P(X=0)=(0.8)^6=0.262144,P(X≥1)=1-0.2621=0.7379。但填空要求数值。8.0.7解析：F(2)=P(X≤2)=P(X=1)+P(X=2)=0.4+0.3=0.7。9.(0.9)^30.1=0.0729解析：几何P(firstsuccessonk-thtrial)=(1-p)^{k-1}p。10.0.4解析：E(X)=np=12p=4.8,p=0.4。三、判断题1.真解析：二项分布假设每次伯努利试验独立。2.假解析：泊松分布取值X≥0，不能为负。3.真解析：当X为失败次数时E(X)=(1-p)/p，为试验次数时E(X)=1/p。4.假解析：超几何分布基于无放回抽样。5.假解析：概率质量函数值0≤P(X=x)≤1。6.真解析：方差标准公式成立。7.真解析：泊松分布期望和方差均等于λ。8.真解析：当p=0.5时二项分布对称。9.真解析：离散随机变量的CDF右连续。10.假解析：离散均匀分布方差非零，例如骰子方差大于0。四、简答题答案1.二项分布描述在n次独立伯努利试验中成功次数的概率分布。参数n表示试验次数，p表示每次试验成功的概率。伯努利试验只有两种结果（成功/失败）。应用实例：生产线质检中，抽取n个产品测试不合格品数，p为不合格概率。例如，测试20个灯泡，p=0.1为次品率，预测次品数量分布。2.泊松分布性质包括：期望E(X)=λ，方差Var(X)=λ，分布右偏，概率质量函数P(X=k)=e^{-λ}λ^k/k!。现实应用：模拟单位时间内随机事件发生次数，如网站每分钟访问量（λ为平均访问率）。例如，λ=5时计算P(X=3)预测高峰流量。3.几何分布中，X为第一次成功前的失败次数，P(X=k)=(1-p)^kp。方差计算：先求E(X)=Σk(1-p)^kp=(1-p)/p（几何级数和）。E(X^2)=Σk^2(1-p)^kp，用级数技巧求得E(X^2)=(1-p)(2-p)/p^2。Var(X)=E(X^2)-[E(X)]^2=[(1-p)(2-p)/p^2]-[(1-p)/p]^2=(1-p)/p^2。4.相同点：二者都建模离散随机变量中“成功次数”。不同点：二项分布用于有放回或独立试验（总体无限），超几何用于无放回抽样（总体有限）。二项方差np(1-p)，超几何方差较小因抽样依赖性。例如投票调查：二项适合大选民调，超几何适合小群体取样。五、讨论题答案1.泊松分布可作为二项分布近似当n大、p小、np≈λ常数时。此时二项概率C(n,k)p^k(1-p)^{n-k}≈e^{-λ}λ^k/k!。适用条件：n≥20，p≤0.05，np≤10。实际意义：处理稀有事件（如机器故障率），避免二项计算复杂。例如n=1000,p=0.001时np=1，用泊松λ=1简化P(X=k)计算。2.离散均匀分布特征：随机变量X取有限个离散值（如a到b整数），各值概率相等P(X=x_i)=1/n。期望E(X)=(a+b)/2（连续整数范围）或Σx_i/n。方差Var(X)=Σ(x_i-μ)^2/n。推导：μ=E(X)=Σx_iP(X=x_i),σ^2=Σ(x_i-μ)^2P(X=x_i)。例如X取值1,2,3,4时μ=2.5,σ^2=1.25。性质：对称，无偏斜，适用于公平选择场景。3.独立性概念：随机变量X和Y独立当且仅当联合分布P(X=x,Y=y)=P(X=x)P