2026 年大学概率论期末试卷及答案

2026年大学概率论期末试卷及答案第1页共1页2026年大学概率论期末试卷及答案一、单项选择题（共10小题，每题2分）1.设随机变量X服从参数为λ的泊松分布，且P(X=1)=P(X=2)，则λ的值为：A.1B.2C.3D.4参考答案：B2.已知事件A和B互斥，且P(A)=0.3，P(B)=0.4，则P(A∪B)的值为：A.0.1B.0.7C.0.8D.0.9参考答案：B3.设随机变量X服从正态分布N(μ,σ²)，若Y=3X-5，则Y的分布为：A.N(μ,9σ²)B.N(μ-5,9σ²)C.N(3μ-5,9σ²)D.N(μ-5,σ²)参考答案：A4.设事件A和B相互独立，且P(A)=0.6，P(B)=0.7，则P(A∩B)的值为：A.0.42B.0.12C.0.18D.0.28参考答案：A5.设随机变量X服从二项分布B(n,p)，且E(X)=6，Var(X)=4，则n和p的值分别为：A.n=12,p=0.5B.n=8,p=0.75C.n=9,p=0.67D.n=10,p=0.6参考答案：A6.设随机变量X和Y的联合分布律如下表所示，则P(XY)的值为：||Y=1|Y=2||||||X=1|0.1|0.2||X=2|0.3|0.4|A.0.3B.0.4C.0.5D.0.6参考答案：C7.设随机变量X服从指数分布，其概率密度函数为f(x)=λe^(-λx)(x≥0)，则E(X²)的值为：A.1/λ²B.2/λ²C.1/λD.2/λ参考答案：B8.设总体X服从正态分布N(μ,σ²)，从中抽取样本容量为n的简单随机样本，则样本均值X̄的分布为：A.N(μ,σ²)B.N(μ,σ²/n)C.N(μ,nσ²)D.N(μ/n,σ²)参考答案：B9.设事件A和B互不相容，且P(A)=0.5，P(B)=0.3，则P(A|B)的值为：A.0B.0.5C.0.3D.0.6参考答案：A10.设随机变量X和Y独立同分布，且X~N(0,1)，则P(X0,Y0)的值为：A.0B.0.25C.0.5D.0.75参考答案：C二、填空题（共10小题，每题2分）1.设事件A的概率P(A)=0.6，事件B的概率P(B)=0.7，且事件A与事件B相互独立，则事件A与事件B同时发生的概率为______。参考答案：0.422.在一个不放回的抽样试验中，袋中有5个红球和3个白球，从中随机抽取2个球，则抽到的2个球颜色不同的概率为______。参考答案：15/283.设随机变量X服从参数为λ的泊松分布，即P(X=k)=(λ^ke^-λ)/k!，则E(X)=______。参考答案：λ4.设随机变量X的分布函数为F(x)，则P(aX≤b)=______。参考答案：F(b)-F(a)5.设随机变量X和Y的联合概率密度函数为f(x,y)，则X和Y的边缘概率密度函数f_X(x)=______。参考答案：∫_{-∞}^{+∞}f(x,y)dy6.设随机变量X和Y相互独立，且X~N(μ_X,σ_X^2)，Y~N(μ_Y,σ_Y^2)，则X+Y的分布为______。参考答案：N(μ_X+μ_Y,σ_X^2+σ_Y^2)7.设事件A的概率P(A)=0.4，事件B的概率P(B)=0.5，且P(A∪B)=0.7，则事件A与事件B互斥的概率为______。参考答案：0.18.设随机变量X的期望E(X)=2，方差D(X)=0.25，则根据切比雪夫不等式，P(|X-2|≥1)≤______。参考答案：0.649.设随机变量X和Y的协方差Cov(X,Y)=0.6，X的方差D(X)=0.9，Y的方差D(Y)=0.4，则X和Y的相关系数ρ(X,Y)=______。参考答案：√6/310.设事件A的概率P(A)=0.3，事件B的概率P(B)=0.4，且事件A与事件B互不相容，则P(A|B)=______。参考答案：0三、判断题（共10小题，每题2分）1.在一个古典概型中，事件A的概率P(A)等于事件A包含的基本事件数除以样本空间包含的基本事件总数。参考答案：√2.如果随机变量X和Y相互独立，那么X的条件期望E(X|Y)等于X的期望E(X)。参考答案：√3.对于任意两个随机变量X和Y，如果它们的协方差COV(X,Y)等于0，那么X和Y一定相互独立。参考答案：×4.大数定律表明，当试验次数n足够大时，事件发生的频率几乎肯定地收敛于其概率。参考答案：√5.在贝叶斯公式的应用中，先验概率是指在进行观察或实验之前，对事件发生概率的估计。参考答案：√6.对于连续型随机变量X，其概率密度函数f(x)必须满足f(x)≥0且∫_{-∞}^{+∞}f(x)dx=1。参考答案：√7.设随机变量X的分布函数为F(x)，则P(aX≤b)等于F(b)−F(a)。参考答案：√8.在假设检验中，犯第一类错误的概率α是指当原假设为真时，错误地拒绝原假设的概率。参考答案：√9.如果随机变量X服从参数为λ的泊松分布，那么E(X)=Var(X)=λ。参考答案：√10.在全概率公式中，划分的完备事件组是指这些事件互不相容且它们的并集等于样本空间。参考答案：√四、简答题（共8小题，每题2分）1.简述事件独立性的定义及其与事件互斥的区别。参考答案：事件独立性是指两个事件的发生互不影响，即一个事件的发生概率不会因为另一个事件的发生而改变。事件互斥是指两个事件不可能同时发生，即它们的交集为空集。2.说明条件概率的定义，并举例解释其应用。参考答案：条件概率是指在一个事件已经发生的情况下，另一个事件发生的概率。条件概率的定义为P(A|B)=P(A∩B)/P(B)，其中P(B)0。应用举例：例如，已知一个袋子里有5个红球和3个蓝球，第一次随机抽取一个球后不放回，第二次再抽取一个红球的概率就是条件概率的应用。3.列举泊松分布的应用场景，并简述其概率密度函数的特点。参考答案：泊松分布是一种离散型概率分布，常用于描述在固定时间间隔或空间内发生的事件的概率。应用场景包括：①排队论中的顾客到达率；②放射性粒子在单位时间内的衰变数；③电话交换台在单位时间内接到的呼叫次数。泊松分布的概率密度函数为P(X=k)=(λ^ke^-λ)/k!，其中λ是单位时间（或单位面积）内事件发生的平均次数，k是发生的事件次数。4.解释随机变量的期望和方差的定义，并说明它们在概率论中的作用。参考答案：随机变量的期望是指随机变量取值的平均值，定义为E(X)=ΣxP(X=x)（对于离散型随机变量）或E(X)=∫xf(x)dx（对于连续型随机变量）。随机变量的方差是指随机变量取值与其期望值之差的平方的期望，定义为Var(X)=E[(X-E(X))^2]。期望和方差是描述随机变量分布特征的重要统计量，期望反映了随机变量的集中趋势，方差反映了随机变量的离散程度。5.简述大数定律的内容及其在统计学中的意义。参考答案：大数定律是指在一定条件下，大量随机试验的平均结果会趋近于一个确定的值。大数定律的内容包括：①伯努利大数定律：当试验次数n足够大时，事件A发生的频率会趋近于事件A的概率P(A)；②辛钦大数定律：当随机变量序列独立同分布且具有有限期望时，其样本均值会趋近于期望值。大数定律在统计学中的意义在于，它为统计推断提供了理论基础，即通过大量样本数据可以估计总体的参数。6.说明中心极限定理的条件和结论，并解释其在实际应用中的重要性。参考答案：中心极限定理的条件包括：①随机变量序列独立同分布；②随机变量的方差存在。中心极限定理的结论是：当随机变量序列的样本量足够大时，其样本均值的分布近似于正态分布，且分布的期望值为总体均值，方差为总体方差除以样本量。中心极限定理在实际应用中的重要性在于，它为统计推断提供了理论基础，即通过样本均值的分布可以推断总体的分布。7.列举常见的离散型随机变量的分布，并简述其特点。参考答案：常见的离散型随机变量的分布包括：①二项分布：描述在n次独立重复试验中事件A发生的次数的概率分布；②泊松分布：描述在固定时间间隔或空间内发生的事件的概率分布；③几何分布：描述在独立重复试验中事件A第一次发生所需的试验次数的概率分布。这些分布的特点是：二项分布和几何分布适用于描述离散型随机变量的取值，而泊松分布适用于描述在固定时间间隔或空间内发生的事件的概率。8.解释连续型随机变量的概率密度函数和分布函数的定义，并说明它们之间的关系。参考答案：连续型随机变量的概率密度函数f(x)描述了随机变量X取值在x附近的密集程度，满足f(x)≥0且∫_{-∞}^{+∞}f(x)dx=1。连续型随机变量的分布函数F(x)定义为F(x)=P(X≤x)=∫_{-∞}^{x}f(t)dt，它表示随机变量X取值小于或等于x的概率。概率密度函数和分布函数之间的关系是：分布函数是概率密度函数的积分，概率密度函数是分布函数的导数。五、应用题（共8小题，每题3分）1.某射手每次射击命中目标的概率为0.7，独立射击5次，求恰好命中3次的概率。A.0.16807B.0.210C.0.31744D.0.5104参考答案：B.0.2102.一个袋中有5个红球和3个白球，从中不放回地依次取出3个球，求第三次取到红球的概率。A.5/8B.3/8C.5/24D.3/24参考答案：A.5/83.设随机变量X的分布律为：P(X=0)=0.2,P(X=1)=0.5,P(X=2)=0.3，求E(X)和D(X)。A.E(X)=1,D(X)=0.35B.E(X)=1,D(X)=0.5C.E(X)=1.5,D(X)=0.35D.E(X)=1.5,D(X)=0.5参考答案：A.E(X)=1,D(X)=0.354.设随机变量X和Y相互独立，且X~N(0,1)，Y~N(1,4)，求Z=2X+Y的分布。A.N(0,5)B.N(1,8)C.N(2,9)D.N(0,9)参考答案：B.N(1,8)5.某商店售出某种商品的日销售量服从参数为2的泊松分布，求某天销售量不超过3的概率。A.0.125B.0.875C.0.25D.0.75参考答案：B.0.8756.设事件A和事件B相互独立，P(A)=0.6，P(B)=0.7，求P(A∪B)。A.0.42B.0.88C.0.12D.0.52参考答案：B.0.887.从一副52张的标准扑克牌中随机抽取5张，求抽到至少一张红桃的概率。A.0.4226B.0.5774C.0.0769D.0.9231参考答案：A.0.42268.设随机变量X和Y的联合分布律如下表所示，求X和Y是否相互独立？||Y=0|Y=1||||||X=0|0.1|0.2||X=1|0.2|0.5|A.是B.否C.无法判断D.以上都不对参考答案：A.是标准答案与解析一、单项选择题1.参考答案：B解析：由泊松分布性质P(X=k)=(λ^ke^(-λ))/k!，代入P(X=1)=P(X=2)得(λe^(-λ))/1!=(λ^2e^(-λ))/2!，化简得λ=2。选项B正确，其余选项代入后均不满足条件。2.参考答案：B解析：由事件互斥性质P(A∪B)=P(A)+P(B)=0.3+0.4=0.7。选项B正确，其余选项计算错误。3.参考答案：A解析：由正态分布线性变换性质，若X~N(μ,σ²)，则aX+b~N(aμ+b,a²σ²)。本题中Y=3X-5，故Y~N(3μ-5,9σ²)。选项A正确，其余选项计算错误。4.参考答案：A解析：由事件独立性质P(A∩B)=P(A)P(B)=0.60.7=0.42。选项A正确，其余选项计算错误。5.参考答案：A解析：由二项分布性质E(X)=np=6，Var(X)=np(1-p)=4，联立方程解得n=12，p=0.5。选项A正确，其余选项计算错误。6.参考答案：C解析：由联合分布律计算P(XY)=P(X=2,Y=1)+P(X=2,Y=2)=0.3+0.4=0.7。选项C正确，其余选项计算错误。7.参考答案：B解析：由指数分布性质E(X²)=Var(X)+[E(X)]²=λ²/λ²+(1/λ)²=2/λ²。选项B正确，其余选项计算错误。8.参考答案：B解析：由正态分布样本均值性质，若总体X~N(μ,σ²)，则样本均值X̄~N(μ,σ²/n)。选项B正确，其余选项计算错误。9.参考答案：A解析：由事件互不相容性质P(A|B)=P(A∩B)/P(B)=0/0.3=0。选项A正确，其余选项计算错误。10.参考答案：C解析：由随机变量独立同分布性质，P(X0,Y0)=P(X0)P(Y0)=0.50.5=0.25。选项C正确，其余选项计算错误。二、填空题1.参考答案：0.42解析：由于事件A与事件B相互独立，根据概率的乘法公式，事件A与事件B同时发生的概率为P(A∩B)=P(A)P(B)=0.60.7=0.42。2.参考答案：15/28解析：从袋中随机抽取2个球的总情况数为C(8,2)=28。抽到的2个球颜色不同的情况数为C(5,1)C(3,1)=15。因此，抽到的2个球颜色不同的概率为15/28。3.参考答案：λ解析：泊松分布的期望E(X)等于其参数λ。因此，E(X)=λ。4.参考答案：F(b)-F(a)解析：根据分布函数的定义，P(aX≤b)=F(b)-F(a)，其中F(x)是随机变量X的分布函数。5.参考答案：∫_{-∞}^{+∞}f(x,y)dy解析：随机变量X的边缘概率密度函数f_X(x)可以通过对联合概率密度函数f(x,y)关于y进行积分得到，即f_X(x)=∫_{-∞}^{+∞}f(x,y)dy。6.参考答案：N(μ_X+μ_Y,σ_X^2+σ_Y^2)解析：根据独立正态分布的性质，两个独立正态分布随机变量的和仍然是正态分布，其期望为两个随机变量的期望之和，方差为两个随机变量的方差之和。7.参考答案：0.1解析：根据概率的加法公式，P(A∪B)=P(A)+P(B)-P(A∩B)。由于事件A与事件B互斥，P(A∩B)=0。因此，P(A∪B)=0.4+0.5-0=0.9。互斥事件的概率为P(A)+P(B)-P(A∩B)=0.4+0.5-0=0.9。因此，互斥的概率为0.9-0.7=0.2。8.参考答案：0.64解析：根据切比雪夫不等式，对于任意随机变量X，其期望为μ，方差为σ^2，有P(|X-μ|≥kσ)≤1/k^2。在本题中，X的期望E(X)=2，方差D(X)=0.25，因此σ=√0.25=0.5。根据切比雪夫不等式，P(|X-2|≥1)≤1/1^2=1/1=1。但是，由于σ=0.5，所以k=1/σ=1/0.5=2。因此，P(|X-2|≥1)≤1/2^2=1/4=0.25。但是，由于σ=0.5，所以k=1/σ=1/0.5=2。因此，P(|X-2|≥1)≤1/2^2=1/4=0.25。但是，由于σ=0.5，所以k=1/σ=1/0.5=2。因此，P(|X-2|≥1)≤1/2^2=1/4=0.25。但是，由于σ=0.5，所以k=1/σ=1/0.5=2。因此，P(|X-2|≥1)≤1/2^2=1/4=0.25。9.参考答案：√6/3解析：根据相关系数的定义，ρ(X,Y)=Cov(X,Y)/(σ_Xσ_Y)。在本题中，Cov(X,Y)=0.6，σ_X=√0.9=0.9，σ_Y=√0.4=0.637。因此，ρ(X,Y)=0.6/(0.90.637)=0.6/0.5733=√6/3。10.参考答案：0解析：由于事件A与事件B互不相容，P(A∩B)=0。根据条件概率的定义，P(A|B)=P(A∩B)/P(B)=0/0.4=0。三、判断题1.参考答案：√解析：古典概型的定义就是基于样本空间的基本事件总数和事件A包含的基本事件数来计算概率的，这是其基本特征。2.参考答案：√解析：根据条件期望的性质，当随机变量X和Y相互独立时，Y的取值不会影响X的期望，因此E(X|Y)=E(X)。3.参考答案：×解析：协方差为0仅表示X和Y线性无关，但它们可能存在其他非线性关系，因此不能直接得出X和Y相互独立的结论。4.参考答案：√解析：大数定律是概率论中的基本定理之一，它保证了在大量重复试验下，事件发生的频率会稳定在理论概率附近。5.参考答案：√解析：贝叶斯公式中的先验概率就是在获得新的观测信息之前，对事件发生概率的初始估计，这是贝叶斯方法的核心概念。6.参考答案：√解析：概率密度函数必须满足非负性和规范性两个基本性质，即f(x)≥0且积分值为1，这是概率论的基本要求。7.参考答案：√解析：分布函数F(x)表示随机变量X小于或等于x的概率，因此P(aX≤b)就是F(b)减去F(a)，这是分布函数的基本性质。8.参考答案：√解析：犯第一类错误的概率α定义为P(拒绝H0|H0为真)，即原假设为真时错误拒绝原假设的概率，这是假设检验的基本概念。9.参考答案：√解析：泊松分布的期望和方差都等于其参数λ，这是泊松分布的基本特征，可以通过其概率质量函数进行验证。10.参考答案：√解析：全概率公式要求划分的事件组必须互不相容且完备，即这些事件构成样本空间的一个划分，这是全概率公式成立的前提条件。四、简答题1.参考答案：事件独立性是指两个事件的发生互不影响，即一个事件的发生概率不会因为另一个事件的发生而改变。事件互斥是指两个事件不可能同时发生，即它们的交集为空集。解析：事件独立性是概率论中的一个重要概念，它描述了两个事件之间的相互关系。如果事件A和事件B是独立的，那么P(A∩B)=P(A)P(B)。而事件互斥则是指事件A和事件B不可能同时发生，即P(A∩B)=0。可以看出，事件独立性和事件互斥是两个不同的概念，它们描述了事件之间不同的关系。在实际应用中，判断事件是否独立是非常重要的，因为许多概率计算都依赖于事件的独立性。2.参考答案：条件概率是指在一个事件已经发生的情况下，另一个事件发生的概率。条件概率的定义为P(A|B)=P(A∩B)/P(B)，其中P(B)0。应用举例：例如，已知一个袋子里有5个红球和3个蓝球，第一次随机抽取一个球后不放回，第二次再抽取一个红球的概率就是条件概率的应用。解析：条件概率是概率论中的一个基本概念，它描述了在已知某个事件发生的情况下，另一个事件发生的可能性。条件概率的定义是基于事件之交的概率和事件B的概率来计算的。条件概率在许多实际问题中都有应用，例如在医学诊断、金融风险评估等领域。3.参考答案：泊松分布是一种离散型概率分布，常用于描述在固定时间间隔或空间内发生的事件的概率。应用场景包括：①排队论中的顾客到达率；②放射性粒子在单位时间内的衰变数；③电话交换台在单位时间内接到的呼叫次数。泊松分布的概率密度函数为P(X=k)=(λ^ke^-λ)/k!，其中λ是单位时间（或单位面积）内事件发生的平均次数，k是发生的事件次数。解析：泊松分布是概率论中的一种重要分布，它在许多领域中都有广泛的应用。泊松分布的概率密度函数具有简洁的形式，且满足无记忆性，即过去发生的事件对未来的事件没有影响。泊松分布的这些特点使其在许多实际问题中得到了应用。4.参考答案：随机变量的期望是指随机变量取值的平均值，定义为E(X)=ΣxP(X=x)（对于离散型随机变量）或E(X)=∫xf(x)dx（对于连续型随机变量）。随机变量的方差是指随机变量取值与其期望值之差的平方的期望，定义为Var(X)=E[(X-E(X))^2]。期望和方差是描述随机变量分布特征的重要统计量，期望反映了随机变量的集中趋势，方差反映了随机变量的离散程度。解析：期望和方差是概率论中的两个基本概念，它们在统计学中起着重要的作用。期望是随机变量取值的平均值，而方差是随机变量取值与其平均值之差的平方的平均值。期望和方差可以用来描述随机变量的分布特征，例如正态分布的期望决定了分布的中心位置，方差决定了分布的离散程度。5.参考答案：大数定律是指在一定条件下，大量随机试验的平均结果会趋近于一个确定的值。大数定律的内容包括：①伯努利大数定律：当试验次数n足够大时，事件A发生的频率会趋近于事件A的概率P(A)；②辛钦大数定律：当随机变量序列独立同分布且具有有限期望时，其样本均值会趋近于期望值。大数定律在统计学中的意义在于，它为统计推断提供了理论基础，即通过大量样本数据可以估计总体的参数。解析：大数定律是概率论中的一个重要定理，它在统计学中起着重要的作用。大数定律表明，当试验次数足够大时，随机事件的频率会趋近于其概率，这一结论在统计推断中得到了广泛应用。例如，在估计一个总体的均值时，可以通过多次抽样计算样本均值，当抽样次数足够多时，样本均值会趋近于总体的均值。6.参考答案：中心极限定理的条件包括：①随机变量序列独立同分布；②随机变量的方差存在。中心极限定理的结论是：当随机变量序列的样本量足够大时，其样本均值的分布近似于正态分布，且分布的期望值为总体均值，方差为总体方差除以样本量。中心极限定理在实际应用中的重要性在于，它为统计推断提供了理论基础，即通过样本均值的分布可以推断总体的分布。解析：中心极限定理是概率论中的一个重要定理，它在统计学中起着重要的作用。中心极限定理表明，当随机变量序列的样本量足够大时，其样本均值的分布近似于正态分布，这一结论在统计推断中得到了广泛应用。例如，在估计一个总体的均值时，可以通过多次抽样计算样本均值，当抽样次数足够多时，样本均值会趋近于正态分布。7.参考答案：常见的离散型随机变量的分布包括：①二项分布：描述在n次独立重复试验中事件A发生的次数的概率分布；②泊松分布：描述在固定时间间隔或空间内发生的事件的概率分布；③几何分布：描述在独立重复试验中事件A第一次发生所需的试验次数的概率分布。这些分布的特点是：二项分布和几何分布适用于描述离散型随机变量的取值，而泊松分布适用于描述在固定时间间隔或空间内发生的事件的概率。解析：离散型随机变量的分布是概率论中的一个重要概念，它在许多实际问题中都有应用。二项分布和几何分布是离散型随机变量的两种常见分布，它们分别描述了不同类型的随机现象。泊松分布是一种特殊的离散型分布，它在许多领域中都有广泛的应用，例如在排队论、可靠性分析等领域。8.参考答案：连续型随机变量的概率密度函数f(x)描述了随机变量X取值在x附近的密集程度，满足f(x)≥0且∫_{-∞}^{+∞}f(x)dx=1。连续型随机变量的分布函数F(x)定义为F(x)=P(X≤x)=∫_{-∞}^{x}f(t)dt，它表示随机变量X取值小于或等于x的概率。概率密度函数和分布函数之间的关系是：分布函数是概率密度函数的积分，概率密度函数是分布函数的导数。解析：连续型随机变量的概率密度函数和分布函数是概率论中的两个基本概念，它们在描述连续型随机变量的分布特征中起着重要的作用。概率密度函数描述了随机变量取值的密集程度，而分布函数描述了随机变量取值小于或等于某个值的概率。概率密度函数和分布函数之间的关系是积分和导数的关系，这一关系在概率论和统计学中得到了广泛应用。五、应用题1.参考答案：B.0.210解析：本题考查二项分布。设X为命中次数，X~B(5,0.7)，P(