概率统计试题及答案

概率统计试题及答案选择题（20分，每题2分）A.0.7B.0.1C.0.12D.0.5A.0.025B.0.975C.0.05D.0.95A.参数为2λ的泊松分布B.参数为λ的泊松分布C.参数为λ²的泊松分布D.参数为λ/2的泊松分布A.n=12,p=0.5B.n=9,p=2/3C.n=18,p=1/3D.n=6,p=1A.X和Y独立B.X和Y不相关C.X和Y一定不独立D.E(XY)=E(X)E(Y)不一定成立A.(X̄-z_{α/2}·σ/√n,X̄+z_{α/2}·σ/√n)B.(X̄-t_{α/2}(n-1)·S/√n,X̄+t_{α/2}(n-1)·S/√n)C.(X̄-t_{α/2}(n)·S/√n,X̄+t_{α/2}(n)·S/√n)D.(X̄-z_{α/2}·S/√n,X̄+z_{α/2}·S/√n)A.原假设为真时拒绝原假设B.原假设为假时接受原假设C.备择假设为真时拒绝备择假设D.备择假设为假时接受备择假设A.σ²B.σ²/nC.nσ²D.μσ²/nA.F(b)-F(a)B.F(a)-F(b)C.F(a+b)D.F(a)F(b)A.∏_{i=1}^nf(x_i;θ)B.∏_{i=1}^n[1-f(x_i;θ)]C.∑_{i=1}^nf(x_i;θ)D.∑_{i=1}^n[1-f(x_i;θ)]填空题（20分，每题2分）1.设事件A,B,C相互独立，P(A)=0.5，P(B)=0.4，P(C)=0.3，则P(A∪B∪C)=____。2.设随机变量X的分布列为P(X=k)=C·2^k/k!，k=0,1,2,...，则常数C=____。3.设随机变量X~U(0,1)，Y=2X+1，则E(Y)=____。4.设X~N(1,4)，则P(|X-1|<2)=____。（精确到小数点后四位）5.设随机变量X和Y的联合分布列为P(X=i,Y=j)=c(i+j)，i=1,2,3；j=1,2，则c=____。6.设X₁,X₂,...,Xₙ是来自总体X~N(μ,σ²)的简单随机样本，则统计量T=(X̄-μ)/(S/√n)服从____分布。7.设总体X~P(λ)，X₁,X₂,...,Xₙ是来自总体X的简单随机样本，则λ的矩估计量为____。8.设总体X~N(μ,σ²)，σ²已知，H₀:μ=μ₀，H₁:μ≠μ₀，检验统计量为Z=(X̄-μ₀)/(σ/√n)，则在显著性水平α下，拒绝域为____。9.设随机变量X~B(10,0.3)，则D(3X+2)=____。10.设随机变量X和Y的相关系数ρ=0.5，D(X)=4，D(Y)=9，则Cov(X,Y)=____。计算题（30分，每题10分）1.设随机变量X的密度函数为f(x)={2x,0<x<10,其他}求：(1)常数a，使得P(X>a)=0.5；(2)E(X)和D(X)。2.设随机变量X和Y的联合密度函数为f(x,y)={2e^{-(x+2y)},x>0,y>00,其他}求：(1)边缘密度函数f_X(x)和f_Y(y)；(2)判断X和Y是否独立；(3)P(X<Y)。3.设总体X~N(μ,σ²)，σ²未知，X₁,X₂,...,Xₙ是来自总体X的简单随机样本，求μ的置信水平为1-α的置信区间，并证明该置信区间的覆盖概率确实为1-α。证明题（15分）设X₁,X₂,...,Xₙ是来自总体X~N(μ,σ²)的简单随机样本，X̄和S²分别为样本均值和样本方差，证明：1.X̄和S²相互独立；2.统计量(n-1)S²/σ²~χ²(n-1)。应用题（15分）某工厂生产一种零件，其长度X（单位：毫米）服从正态分布N(μ,σ²)。从一批产品中随机抽取16个零件，测得其长度的平均值为50.2毫米，标准差为2.4毫米。1.求这批零件平均长度的95%置信区间；2.在显著性水平α=0.05下，检验这批零件的平均长度是否为50毫米；3.如果要求零件长度的标准差不超过2毫米，这批产品是否符合要求？（α=0.05）标准答案及解析选择题答案及解析1.A解析：因为事件A和B互斥，所以P(A∪B)=P(A)+P(B)=0.3+0.4=0.7。2.A解析：对于标准正态分布，P(X>1.96)=0.025，这是标准正态分布表中的常用值。3.A解析：独立的泊松随机变量的和仍然服从泊松分布，参数为各参数之和，即2λ。4.C解析：对于二项分布B(n,p)，有E(X)=np=6，D(X)=np(1-p)=3。解得n=18，p=1/3。5.B解析：协方差为零意味着X和Y不相关，但不一定独立。独立一定不相关，但反之不成立。6.B解析：当总体方差未知时，使用t分布构造置信区间，自由度为n-1。7.A解析：第一类错误是弃真错误，即原假设为真时拒绝原假设的概率。8.B解析：样本均值的方差为总体方差除以样本容量，即σ²/n。9.A解析：根据分布函数的定义，P(a<X≤b)=F(b)-F(a)。10.A解析：似然函数是样本联合概率密度函数，对于离散总体是概率的乘积，对于连续总体是密度函数的乘积。填空题答案及解析1.0.79解析：P(A∪B∪C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC)由于A,B,C相互独立，P(AB)=P(A)P(B)=0.5×0.4=0.2P(AC)=P(A)P(C)=0.5×0.3=0.15P(BC)=P(B)P(C)=0.4×0.3=0.12P(ABC)=P(A)P(B)P(C)=0.5×0.4×0.3=0.06所以P(A∪B∪C)=0.5+0.4+0.3-0.2-0.15-0.12+0.06=0.792.e^{-2}解析：因为∑_{k=0}^∞C·2^k/k!=C·e^2=1，所以C=e^{-2}。3.2解析：E(Y)=E(2X+1)=2E(X)+1=2×0.5+1=2。4.0.6827解析：P(|X-1|<2)=P(-1<X<3)=P((X-1)/2<1)-P((X-1)/2<-1)=Φ(1)-Φ(-1)=2Φ(1)-1≈2×0.8413-1=0.6826。5.1/36解析：∑_{i=1}^3∑_{j=1}^2c(i+j)=1，即c[(1+1)+(1+2)+(2+1)+(2+2)+(3+1)+(3+2)]=1c(2+3+3+4+4+5)=1，即21c=1，所以c=1/36。6.t(n-1)解析：当总体方差未知时，(X̄-μ)/(S/√n)服从自由度为n-1的t分布。7.X̄解析：对于泊松分布，E(X)=λ，所以矩估计量为样本均值X̄。8.|Z|>z_{α/2}解析：对于双侧检验，拒绝域为统计量值落在临界值之外，即|Z|>z_{α/2}。9.6.3解析：D(3X+2)=9D(X)=9×10×0.3×0.7=18.9。10.3解析：Cov(X,Y)=ρ√(D(X)D(Y))=0.5×√(4×9)=0.5×6=3。计算题答案及解析1.解：(1)P(X>a)=∫_a^12xdx=[x^2]_a^1=1-a^2=0.5所以a^2=0.5，a=√0.5≈0.707(2)E(X)=∫_0^1x·2xdx=2∫_0^1x^2dx=2[x^3/3]_0^1=2/3E(X^2)=∫_0^1x^2·2xdx=2∫_0^1x^3dx=2[x^4/4]_0^1=1/2D(X)=E(X^2)-[E(X)]^2=1/2-(2/3)^2=1/2-4/9=1/18解析：对于连续型随机变量，概率可以通过积分计算。计算期望和方差时，需要先计算E(X)和E(X^2)，然后利用方差的公式D(X)=E(X^2)-[E(X)]^2进行计算。常见错误是忘记平方项或积分限设置错误。2.解：(1)f_X(x)=∫_0^∞2e^{-(x+2y)}dy=2e^{-x}∫_0^∞e^{-2y}dy=2e^{-x}·[e^{-2y}/(-2)]_0^∞=2e^{-x}·(1/2)=e^{-x},x>0f_Y(y)=∫_0^∞2e^{-(x+2y)}dx=2e^{-2y}∫_0^∞e^{-x}dx=2e^{-2y}·[e^{-x}/(-1)]_0^∞=2e^{-2y}·1=2e^{-2y},y>0(2)f_X(x)f_Y(y)=e^{-x}·2e^{-2y}=2e^{-(x+2y)}=f(x,y)，所以X和Y独立。(3)P(X<Y)=∫_0^∞∫_0^y2e^{-(x+2y)}dxdy=∫_0^∞2e^{-2y}[∫_0^ye^{-x}dx]dy=∫_0^∞2e^{-2y}[1-e^{-y}]dy=∫_0^∞(2e^{-2y}-2e^{-3y})dy=[2e^{-2y}/(-2)-2e^{-3y}/(-3)]_0^∞=[-e^{-2y}+(2/3)e^{-3y}]_0^∞=[0-(-1+2/3)]=1-2/3=1/3解析：求边缘密度函数需要对联合密度函数进行积分。判断独立性需要验证联合密度函数是否等于边缘密度函数的乘积。计算P(X<Y)需要计算二重积分，注意积分区域的确定。实务提示：在计算联合概率时，先画出积分区域有助于正确设置积分限。3.解：因为X~N(μ,σ²)，所以X̄~N(μ,σ²/n)。令T=(X̄-μ)/(S/√n)，则T~t(n-1)。对于给定的置信水平1-α，存在t_{α/2}(n-1)，使得P(|T|<t_{α/2}(n-1))=1-α。即P(|(X̄-μ)/(S/√n)|<t_{α/2}(n-1))=1-α变形得P(X̄-t_{α/2}(n-1)·S/√n<μ<X̄+t_{α/2}(n-1)·S/√n)=1-α所以μ的置信水平为1-α的置信区间为(X̄-t_{α/2}(n-1)·S/√n,X̄+t_{α/2}(n-1)·S/√n)。要证明该置信区间的覆盖概率确实为1-α，只需注意到T=(X̄-μ)/(S/√n)~t(n-1)，所以P(|T|<t_{α/2}(n-1))=1-α，这正是上述推导的基础。解析：当总体方差未知时，使用t分布构造置信区间。关键在于识别统计量的分布，并将其转化为关于μ的不等式，从而得到置信区间。覆盖概率的证明依赖于统计量的分布性质。常见错误是混淆z分布和t分布的使用条件。证明题答案及解析证明：1.首先引入正交变换：设Y₁=X̄=1/√n(X₁+X₂+...+Xₙ)Y₂=a₂₁X₁+a₂₂X₂+...+a₂ₙXₙ...Yₙ=aₙ₁X₁+aₙ₂X₂+...+aₙₙXₙ其中系数矩阵A=(a_{ij})是一个正交矩阵，且第一行元素均为1/√n。由于X₁,X₂,...,Xₙ独立同分布N(μ,σ²)，所以(Y₁,Y₂,...,Yₙ)服从多元正态分布，且协方差矩阵为σ²I。因此，Y₁,Y₂,...,Yₙ相互独立，且Y₁~N(μ,σ²)，Y_i~N(0,σ²)，i=2,3,...,n。注意到：∑_{i=1}^n(X_i-X̄)^2=∑_{i=1}^nX_i^2-nX̄^2=∑_{i=1}^nY_i^2-Y₁^2=∑_{i=2}^nY_i^2因为Y₁与Y₂,...,Yₙ独立，所以X̄与∑_{i=2}^nY_i^2独立，即X̄与S²=(1/(n-1))∑_{i=1}^n(X_i-X̄)^2独立。2.由上面的推导，(n-1)S²/σ²=∑_{i=2}^n(Y_i/σ)^2而Y_i/σ~N(0,1)，i=2,3,...,n，且相互独立，所以∑_{i=2}^n(Y_i/σ)^2~χ²(n-1)。解析：这个证明使用了正交变换的方法，将样本均值和样本方差表示为独立随机变量的函数。关键在于构造一个正交变换，使得变换后的变量相互独立，然后利用卡方分布的性质完成证明。这种方法在多元统计分析中非常常用。实务提示：在证明统计量的分布时，正交变换是一种强有力的工具，可以将相关变量转化为独立变量。应用题答案及解析1.解：样本容量n=16，样本均值X̄=50.2，样本标准差S=2.4。因为总体方差未知，使用t分布构造置信区间。置信水平1-α=0.95，所以α=0.05，自由度df=n-1=15。查t分布表得t_{0.025}(15)=2.131。置信区间为：X̄±t_{α/2}(n-1)·S/√n=50.2±2.131×2.4/4=50.2±2.131×0.6=50.2±1.2786即(48.9214,51.4786)。2.解：建立假设：