当前位置:耘佑范文网 > 作文范文 >

概率统计冲刺讲义

| 浏览次数:

  2010 年 年 导航领航 考研 数学 冲刺班 讲义

  概率统计

 邓泽华

 编讲

 一、填空题分析

 填空题主要考查基础知识和运算能力,特别是运算的准确性 。

 1.(04-1-3-4)设随机变量 X 服从参数为  的指数分布,则 P X DX  

 .【1e,概率计算】

 2.(04-3)设总体21~ ( , ) X N   ,总体22~ ( , ) Y N   ,11 2, , ,nX X X 和21 2, , ,nY Y Y 分别是来自总体 X 和 Y 的简单随机样本,则1 22 21 11 2( ) ( )2n ni ii iX X Y YEn n            

  . 【2 ,数字特征】

 3.(06-1-3-4)设随机变量 X 与 Y 相互独立,且均服从区间 [0,3] 上的均匀分布,则    max , 1 P X Y  

 .【19,概率计算】

 4.(05-1-3-4)从数 1,2,3,4 中任取一个数,记为 X ,再从 X , , 1 中任取一个数,记为 Y ,则   } 2 {Y P

 .【1348,概率计算】

 5.(05-1-3-4)设二维随机变量 ( , ) X Y 的概率分布为 X Y

 0 1 0 0.4 a

 1 b

 0.1

 若随机事件   0 X  与   1 X Y   相互独立,则 a 

 , b

 .【0.4,0.1,确定常数】

 6.(06-3)设总体 X 的概率密度为1( ) e2xf x ,( x   ),1 2, , ,nX X X 为来自总体 X 的简单随机样本,其样本方差为2S ,则2ES 

 .【2,数字特征】

 7.(07-1-3-4)在区间 (0,1) 中随机地取两个数,则这两个数的差的绝对值小于12的概率为

  .【34,概率计算】

 8.(08-1-3-4)设随机变量 X 服从参数为 1 的泊松分布,则 2P X EX  

 . 【12e,概率计算】

 9.(08-n)设1 2 3 4, , , X X X X 为来自正态总体 (2,4) N 的简单随机样本,则2( ) E X 

 . 【 5 ,数字特征】

 10.(09-1)设1 2, , ,mX X X 为来自二项分布总体的简单随机样本,若2X kS  为2np 的无偏估计量,则 k 

 . 【 1  ,数字特征】

 11.(09-3)设1 2, , ,mX X X 为来自二项分布总体的简单随机样本,记统计量2T X S   ,则 ET 

 . 【2np ,数字特征】

 12.(09-n)设总体 X 的概率密度1( , ) e ,2xf x x     ,其中参数 ( 0)    未知,若1 2, , ,mX X X 是来自总体 X 的简单随机样本,11ˆ1niiXn是  的估计量,则ˆ E  

 . 【1nn,数字特征】

 二、选择题分析

 解选择题的方法有 ⑴直接法;⑵间接法 (排)

 除法、特例法等)

 ; ⑶数形结合法。考点涉及概念、理论、方法和运算 。

 1.(06-1-4)设 A , B 为随机事件,且 ( ) 0 P B  , ( ) 1 P A B  ,则必有(

 ).【C,概率公式】

 (A)

 ( ) ( ) P A B P A  (B)

 ( ) ( ) P A B P B 

 (C)

 ( ) ( ) P A B P A  (D)

 ( ) ( ) P A B P B 

 2. (04-1-3-4)设随机变量 X 服从正态分布 (0,1) N ,对给定的 (0,1)   ,数 u  满足   P X u    ,若   P X x    ,则 x 等于(

 ).【B,正态概率】

 (A)2u  (B)12u (C)12u(D)1u  3. (06-1-3-4)设随机变量 X ~21 1( , ) N   , Y ~22 2( , ) N   ,且 1 2{ 1} { 1} P X P Y        ,则必有(

 ). 【A,正态概率】

 (A)1 2   (B)1 2   (C)1 2   (D)1 2  

 4.(04-4)设随机变量1 2, , , ( 1)nX X X n  独立同分布,且其方差为20   . 令11niiY Xn,则(

 ).【C,数字特征】

 (A)212( )nD X Yn  (B)211( )nD X Yn 

 (C)21( , ) Cov X Yn

  (D)21( , ) Cov X Y  

 5.(05-4)设1 2, , , ,nX X X 为独立同分布的随机变量列,且均服从参数为  的指数分布,则(

 ).【C,中心极限定理】

 (A)1lim ( )niinX nP x xn        (B)1lim ( )niinX nP x xn         (C)1lim ( )niinX nP x xn        (D)1lim ( )niinXP x xn         6.(05-1)设1 ,, ( 2)nX X n  为来自总体 (0,1) N 的简单随机样本,则(

 ).【D,抽样分布】

 (A)

 ~ (0,1) nX N (B)2 2~ ( ) nS n  (C)

 (1)~ ( 1)n Xt nS (D)2122( 1)~ (1, 1)niin XF nX 7.(05-3)设一批零件的长度服从正态分布2( , ) N   ,其中参数2,   未知. 现从中随机抽取 16 个零件,测得样本均值 20 x  (cm),样本标准差 1 s  (cm),则  的置信度为 0.90 的置信区间是(

 ).

 【C,置信区间】

 (A)0.05 0.051 1(20 (16),20 (16))4 4t t  

  (B)0.1 0.11 1(20 (16),20 (16))4 4t t  

 (C)0.05 0.051 1(20 (15),20 (15))4 4t t  

  (D)0.1 0.11 1(20 (15),20 (15))4 4t t  

 8.(07-1-3-4)某人向同一目标独立重复射击,每次射击命中目标的概率为 (0 1) p p   ,则此人第 4 次射击恰好第 2 次命中目标的概率为(). 【C,概率计算】

 (A)23 (1 ) p p  (B)26 (1 ) p p  (C)2 23 (1 ) p p  (D)2 26 (1 ) p p 

 9.(07-1-3-4)设 ( , ) X Y 服从二维正态分布,且 X 与 Y 不相关, ( )Xf x , ( )Yf y 分别为 X ,Y 的概率密度,则在 Y y  的条件下, X 的条件概率密度 ( )X Yf x y  (). 【A,条件密度】

 (A)

 ( )Xf x (B)

 ( )Yf y (C)

 ( ) ( )X Yf x f y (D)( )( )XYf xf y

 10. (08-1-3-4)设随机变量 , X Y 独立同分布,且 X 的分布函数为 ( ) F x ,则   max , Z XY 的分布函数为().【A,函数的分布】

 (A)2 ( )F x

  (B)

 ( ) ( ) F x F y

 (C)21 [1 ( )] F x   (D)

 [1 ( )][1 ( )] F x F y  

 11.(08-1-3-4)设随机变量 ~ (0,1) X N , ~ (1,4) Y N ,且相关系数 1XY  ,则().【D,相关系数】

 (A)

   2 1 1 P Y X    (B)

   2 1 1 P Y X   

 (C)

   2 1 1 P Y X    (D)

   2 1 1 P Y X   

 12.(08-n)设1 2 3, , A A A 为 3 个随机事件,下列结论中正确的是().【A,独立性】

 (A)若1 2 3, , A A A 相互独立,则1 2 3, , A A A 两两独立

 (B)若1 2 3, , A A A 两两独立,则1 2 3, , A A A 相互独立 (C)若1 2 3 1 2 3( ) ( ) ( ) ( ) P A A A P A P A P A  ,则1 2 3, , A A A 相互独立 (D)若1A 与2A 独立,2A 与3A 独立,则1A 与3A 独立 13.(08-n)设随机变量 X 服从参数为 , n p 的二项分布,则().【D,数字特征】

 (A)

 (2 1) 2 E X np  

  (B)

 (2 1) 4 E X np  

 (C)

 (2 1) 2 (1 ) D X np p    (D)

 (2 1) 4 (1 ) D X np p   

 14.(09-1-n).设随机变量 X 的分布函数为1( ) 0.3 ( ) 0.7 ( )2xF x x    ,则 EX  ().【C,数字特征】

 (A)

 0

  (B)

 0.3

 (C)

 0.7

 (D)

 1

 15.(09-1-3).设随机变量 X 与 Y 相互独立,且 X 服从标准正态分布 (0,1) N , Y 的概率分布为    10 12P Y P Y     ,记 ( )ZF z 为随机变量 Z XY  的分布函数,则函数 ( )ZF z 的间断点的个数为().【B,函数的分布】

 (A)

 0 (B)

 1 (C)

 2 (D)

 3

 16.(09-3-n)事件 A 与 B 互不相容,则().【D,概率公式】

 (A)

 ( ) 0 P AB 

  (B)

 ( ) ( ) ( ) P AB P A P B 

  (C)

 ( ) 1 ( ) P A P B  

  (D)

 ( ) 1 P A B 

 三、解答题分析

 (一)考点分析 近三年的考点分布情况如下:

 数学一 07 年

 已知二维随机变量密度求概率与函数的密度、已知总体密度求参数矩估计与统计量的无偏性 08 年

 已知独立和边缘求条件概率与函数的密度、已知总体密度求统计量期望与方差 09 年

 摸球问题中的条件概率与联合分布、已知总体密度求参数矩估计和最大似然估计 数学三 07 年

 与数学一相同 08 年

 与数学一相同 09 年

 与数学一相同、已知二维随机变量密度求条件密度与条件概率 数学农科 08 年

 已知随机变量密度和期望求常数与分布函数、已知二维离散随机变量的联合分布求边缘分布与概率 09 年

 已知随机变量密度和函数期望求常数与概率、已知离散随机变量 X 与 Y 的概率分 布及   P X Y  求联合分布与相关系数 (二)综合举例 例 例 1

  甲乙两人进行乒乓球单打比赛,甲每局获胜的概率为 0.6 ,比赛采用五局三胜制. ⑴求甲获胜的概率; ⑵已知甲获胜,求甲是 3:0 获胜的概率. 解

 【二项分布、独立性、条件概率】

 ⑴甲获胜的概率为      3 2 2 2 2 23 43:0 3:1 3:2 0.6 0.6 0.4 0.6 0.6 0.4 0.6 0.68256 P P P C C           ; ⑵ A 表示“甲获胜”, B 表示“甲是 3:0 获胜”

 ( ) ( ) 0.216( ) 0.31646( ) ( ) 0.68256P AB P BP B AP A P A    .

 例 例 2

 在电源电压不超过 200 V, 200~ 240 V 和超过 240 V 三种情况下,某种电子元件损坏的概率分别为 0.1 , 0.001 和 0.2 ,设电源电压2~ (220,25 ) X N ,已知 (0.8) 0.788   ,求 ⑴该电子元件损坏的概率  ; ⑵该电子元件损坏时,电源电压在 200~ 240 V 的概率  . 解 解

 【正态分布、全概率公式、贝叶斯公式】

 2~ (220,25 ) X N ,  200 220200 ( ) ( 0.8) 1 (0.8) 0.21225P X          ,  240 220 200 220200 240 ( ) ( ) (0.8) ( 0.8) 0.57625 25P X             ,  240 220240 1 ( ) 1 (0.8) 0.21225P X       

 ⑴设 A “电子元件损坏”,由全概率公式,得         ( ) 200 200 200 240 200 240 P A P X P A X P X P A X          

     240 240 0.0642 P X P A X     ; ⑵由贝叶斯公式,得     200 240 200 2400.009( )P X P A XP A     . 例 3

 设 随 机 变 量 X 的 分 布 密 度 为, 0 2,( ) ,2 4,0, ,ax xf x bx c xelse      且 2 EX  , 31 34P X    ,求:⑴常数 , , a b c ;⑵分布函数 ( ) F x ;⑶随机变量 e X Y  的期望与方差.

 解 解

 【一维随机变量分布与数字特征】

 ⑴由分布密度的性质 ( ) 1 f x dx,得2 40 21 ( ) 2 6 2 axdx bx c dx a b c       , 2 42 20 28 562 ( ) 63 3EX ax dx bx cx dx a b c        ,  2 31 23 3 51 3 ( )4 2 2P X axdx bx c dx a b c          , 解得1 1, , 14 4a b c     . ⑵ X 的取值范围为 (0,4) ,   ( ) F x P X x  

 当 0 x  时, ( ) 0 F x  ;当 4 x  时, ( ) 1 F x  ; 当 0 4 x   时, ( ) ( )xF x f x dx  , 当 0 2 x   时,201( )4 8xxF x xdx  ,

 当 2 4 x   时,220 21 1( ) ( 1) 14 4 8xxF x xdx x dx x         . ⑶2 42 20 21 1 1e e ( 1)e (e 1)4 4 4X x xEY E x dx x dx        , 2 42 2 2 2 4 20 21 1 1e e ( 1)e (e 1)4 4 16X x xEY E x dx x dx        , 2 2 2 2 21( ) e (e 1)4DY EY EY     .

 例 例 4

 设盒内有 5 个球,其中 2 个红球,3 个白球,从中无放回地抽取 3 个,设 X 为抽到的红球总数, Y 为第三次抽到的红球数. ⑴求 ( , ) X Y 的概率分布;⑵求 ( , ) Cov X Y ,问 X 和 Y 是否独立?

 解

 【二维离散随机变量概率分布与数字特征】

 ⑴ X 的可能值为 0,1,2; Y 的可能值为 0,1,  3 2 10, 0 0.15 4 3P X Y     ,   0, 1 0 P X Y    ,  2 3 2 3 2 21, 0 0.45 4 3P X Y        ,  3 2 21, 1 0.25 4 3P X Y     ,  2 1 32, 0 0.15 4 3P X Y     ,  3 2 1 2 3 12, 1 0.25 4 3P X Y         ( , ) X Y 的概率分布为0 10 0.1 00.4 0.2 10.1 0.2 2X Y        . ⑵ ( , ) Cov X Y EXY EXEY   , X 的概率分布为0 1 20.1 0.6 0.3   , 0.6 0.6 1.2 EX    , Y 的概率分布为0 10.6 0.4   , 0.4 EY  , XY 的概率分布为0 1 20.6 0.2 0.2   , 0.2 0.4 0.6 EXY    ,

 ( , ) 0.12 Cov X Y EXY EXEY    , X 和 Y 不独立. 例 例 5

 设随机变量 U 服从 [0 12] , 上的均匀分布,令随机变量1,3 6,0, ,UXelse    1,2 4,0, ,UYelse    求:

 ⑴ ( , ) X Y 的概率分布; ⑵在 0.5 Y  条件下, X 的条件分布; ⑶ X 与 Y 的相关系数. 解

 【二维离散随机变量的概率分布、条件分布、相关系数】

 ⑴ X 的概率分布为0 13/4 1/4   , Y 的概率分布为0 15/6 1/6    ( , ) X Y 的概率分布为0 10 2/3 1/121 1/6 1/12X Y      , 其中    20, 0 (3,6), (2,4)3P X Y P U U       ,    10, 1 (3,6), (2,4)12P X Y P U U       ,    11, 0 (3,6), (2,4)6P X Y P U U       ,    11, 1 (3,6), (2,4)12P X Y P U U      

 ⑵    0, 0 2/3 40 0.50 5/6 5P X YP X YP Y     ,    1, 0 1/6 11 0.50 5/6 5P X YP X YP Y     , 故在 0.5 Y  条件下, X 的条件分布为0 14/5 1/5    ⑶ X 与 Y 的相关系数( , )XYCov X YDX DY  , ( , ) Cov X Y EXY EXEY   ,14EX  ,16EY  , XY 的概率分布为0 111/12 1/12   ,112EXY  ,1( , )24Cov X Y EXY EXEY    . 又2 21 1 3( )4 16 16DX EX EX      ,2 21 1 5( )6 36 36DY EY EY      , 故( , ) 115XYCov X YDX DY   .

 例 例 6

 设二维随机变量 ) , ( Y X 的概率密度为  ) , ( y x f( ),0 1,0,c x y y xelse     ⑴求常数 c ;

 ⑵求关于 Y X, 的边缘分布密度并判断 X 和 Y 是否独立; ⑶求 (0 1) X x x    时 Y 的条件分布密度;

 ⑷求   1 P X Y   ; ⑸求112P X Y X     和112P X Y X     ; ⑹求 Z X Y   的分布密度. 解 解

 【二维连续随机变量的基本问题:确定常数、边缘密度、条件密度、概率计算、条件概率计算、分布函数】

 ⑴由密度的性质10 0( , ) 1 ( ) 1 2xf x y dxdy dx c x y dy c          . ⑵ X 的取值范围为 [0,1] , 当 0 1 x   时,20( ) ( , ) 2( ) 3xXf x f x y dy x y dy x    , 所以关于 X 的边缘分布密度23 ,0 1,( )0, .Xx xf xelse    类似可得关于 X 的边缘分布密度21 2 3 ,0 1,( )0, .Yy y yf yelse     由于 ( , ) ( ) ( )X Yf x y f x f y  ,故 X 和 Y 不独立. ⑶ (0 1) X x x    时 Y 的条件分布密度 22( ),0 , ( , )( ) 3( )0, .Y XXx yy x f x yf y x xf xelse     ⑷  1120111 ( , ) 2( )3yyx yP X Y f x y dxdy dy x y dx        . ⑸11,212( , )11,1 211 2( , )2x y xxf x y dxdyP X Y XP X Y Xf x y dxdyP X                    11201,1 11, ( , ) 2( )2 3yyx yP X Y X f x y dxdy dy x y dx             问:如何求 ) , ( Y X 的联合分布函数 ( , ) F x y ?

 例 例 7

 随机变量 X 和 Y 相互独立,且 X 服从 [0,1] 上的均匀分布, Y 服从参数为 1 的指数分布.

 ⑴求 2 Z X Y   的概率密度函数;⑵求 EZ , DZ ;⑶求 ( , ) Cov Y Z . 解 解 【二维随机变量函数的概率分布、数字特征】

 ⑴ X 服从 [0,1] 上的均匀分布,密度为1, [0,1],( )0, [0,1],Xxf xx  Y 服从参数为 1 的指数分布,密度为, 0,( )0, 0.yYe yf yy   随机变量 X 和 Y 相互独立,故 ) , ( Y X 的概率密度 ,0 1, 0,( , ) ( ) ( )0, ,yX Ye x yf x y f x f yelse      X 的取值范围为 [0,1] , Y 的取值范围为 (0, )  , 2 Z X Y   的取值范围为 (0, )  . 2 Z X Y   的分布函数   ( )ZF z P Z z   , 当 0 z  时, ( ) 0ZF z  , 当 0 z  时,     ( ) 2ZF z P Z z P X Y z     2( , )yx y z Df x y dxdy e dxdy   , 其中 D 为积分域 2x y z   与密度 ( , ) f x y 的非零区域的交集. 当 0 2 z   时, 2 222 2 20 0 0 0 01( ) e e (1 e ) ( e 1)2z z zz x z xy y x z zZF z dx dy dx dx z              , 当 2 z 时, 1 2 1 1 22 20 0 0 0 01( ) e (1 e ) 1 (e 1)e2z x z xy y x z zZF z dx e dy dx dx              . 故 Z 的概率密度20, 0,1( ) ( ) (1 ),0 2,21( 1) , 2.2zZ Zzzf z F z e ze e z        ⑵12EX  ,112DX  , 1 EY  , 1 DY  , (2 ) 2 2 EZ E X Y EX EY      , 又 X 和 Y 相互独立,故443DZ DX DY   

 ⑶由 X 和 Y 相互独立知, ( , ) 0 Cov X Y  , 故 ( , ) ( ,2 ) 2 ( , ) ( , ) 0 1 Cov Y Z Cov Y X Y Cov Y X Cov Y Y DY        . 例 例 8 假设一电路装有三个同种电子元件,其工作状态相互独立,且无故障工作时间都服从参数为  的指数分布. ⑴当三个元件都无故障时,电路正常工作,否则电路不能正常工作.求电路正常工作时间 T的概率分布.;

 ⑵当三个元件中有一个无故障时,电路正常工作,否则电路不能正常工作.求电路正常工作时间 T 的概率分布 解

 设三个电子元件无故障工作时间分别为1 2 3, , X X X ,则它们相互独立,且都服从参数为  的指数分布,分布函数为1 e , 0,( )0, 0.xxF xx     ⑴电路正常工作时间  1 2 3min , , T X X X  ,其取值范围为 (0, )  , 分布函数   ( )TF t P T t   , 0 t  时, ( ) 0TF t  , 0 t  时,      1 2 3( ) min , ,TF t P T t P X X X t         1 2 3 1 2 31 min , , 1 , , P X X X t P X t X t X t             3 31 2 31 1 [1 ( )] 1tP X t P X t P X t F t e           ,

 故电路正常工作时间 T 的分布函数31 e , 0,( )0, 0.tTtF tt     ⑵电路正常工作时间  1 2 3max , , T X X X  ,其取值范围为 (0, )  , 分布函数   ( )TF t P T t   , 0 t  时, ( ) 0TF t  , 0 t  时,      1 2 3( ) max , ,TF t P T t P X X X t    

      1 2 3P X t P X t P X t    3 3( ) (1 )tF t e    ,

 故电路正常工作时间 T 的分布函数3 3(1 e ) , 0,( )0, 0.tTtF tt    

 例 例 9

 设 ) 1 ( , , ,2 1 n X X Xn 为独立同分布的随机变量,且都服从2(0, ) N  ,记 n i X X Y XnXi inii, , 1 , ,11    ,求 ⑴ , 1, ,iDY i n  ; ⑵1Y 与nY 的协方差1( , )nCov Y Y ; ⑶若21( )nc Y Y  是2 的无偏估计量,求常数 c . 解 解

 ⑴21 1 1( ) [(1 ) ] , 1, ,ni i i kk inDY D X X D X X i nn n n      . ⑵1Y 与nY 的协方差1 1( , ) ( , )n nCov Y Y Cov X X X X   

 1 1( , ) ( , ) ( , ) ( , )n nCov X X Cov X X Cov X X Cov X X    

 2 2 2 21 11 1 1 1 1 10 ( , ) ( , )n nCov X X Cov X X DXn n n n n n              .

 ⑶2 21 1 1 1 1( ) ( ) ( ) [ 2 ( , )]n n n n nEc Y Y cE Y Y cD Y Y c DY DY Cov Y Y        

 2 2 2 2 21 1 2 2 4( )n n nc cn n n n           ,故2 4ncn. 例 例 10

 某车间有同型号机 200 台,每台机床开动的概率为 0.7,假设各机床开动与否互不影响,开动时每台机床需消耗电能 15kw.

 ⑴试用切比雪夫不等式估计用电量在 1800~ 2250 kw 间的概率; ⑵ 问 至 少 供 电 多 少 才 可 以 95 % 的 概 率 保 证 不 致 因 供 电 不 足 而 影 响 生 产 ?( (1.645) 0.95   )

 解 解

 【切比雪夫不等式、中心极限定理】

 ⑴机床开动的台数 ~ (200,0.7) X B , 140 EX  , 42 DX  ,       1800 15 2250 120 150 20 140 10 P X P X P X            4220 140 10 1 0.58100P X        

 ⑵由中心极限定理知, X 近似服从 ~ (140,42) X N , 设供电 a kw 可以 95%的概率保证不致因供电不足而影响生产,则  1401515 ( ) 0.95 (1.645)15 42aaP X a P X           140151.645 226042aa   (kw). 例 例 11

 假设某种型号的螺钉的重量是随机变量,期望值为 50 克,标准差为 5 克, ⑴设每 100 个螺钉为一袋,求每袋螺丝钉的重量超过 5100 克的概率; ⑵若这样的螺钉装有 500 袋,求 500 袋中最多有 4%的重量超过 5100 克的概率. 已知 (2) 0.9772   , (2.59) 0.995   . 【⑴ 0.02275 ;⑵ 0.995 】

 例 例 12

 设总体 X 的分布函数0, 0,,0 1,( ),1 2,, 2,xxF xa xa b x      ,其中 , , a b  为常数,且 1 EX  . ⑴求 , a b ; ⑵抽取的 n 个样本值1 ,,nx x 中有 k 个 1(1 ) k n   ,求  的最大似然估计. 解 解

 【参数估计】

 ⑴由题设知,总体 X 的概率分布为

 X

 0

 1

 2

 P

 

 2 a  

 b  

 1 2 2( ) 2 EX a b a b          , ( ) 1 F a b     ,解得 1, 0 a b   . ⑵似然函数 ( ) (1 2 ) kn kL     , ln ( ) ln(1 2 ) ( )ln L k n k        , 令2ln ( ) 01 2d k n kLd     ,解得2n kn , 故  的最大似然估计ˆ2n kn . 例 例 13

 总体 X 的分布密度2(ln )21e , 0,( )20, 0.xxf xxx    1 ,,nX X 是来自总体 X 的简单随机样本. ⑴求参数  的最大似然估计量 ˆ  ;【11ˆ lnniiXn】

 ⑵求 ˆ  的数学期望.【  】

 例 例 14

 总体 X ~2(0, ) N  , 1 ,,nX X 是来自总体 X 的简单随机样本. ⑴求常数 , a b ,使得2 2aX bS  服从2 分布,并指出2 分布的自由度; ⑵证明:存在常数 c ,使得121( )niiniic XX X服从 t 分布.

 例 例 15

 总体 X ~2( , ) N   ,参数2,   未知, 6,6,7,8,8 是来自总体 X 的简单随机样本, ⑴求参数  的置信度为 95%的置信区间; ⑵针对原假设0H :

 2   与备择假设1H :

 2   ,作显著性水平为 5%的假设检验. 已知标准正态分布的 2.5%与 5%的上側分位数分别为 1.96 与 1.65;自由度为 4 的 t 分布的2.5%与 5%的上側分位数分别为 2.78 与 2.132;自由度为 4 的2 分布的 95%与 90%的上側分位数分别为 0.711 与 1.064. 解 解

 由样本计算得 7, 1 X S  

 ⑴由2 2( ( 1) , ( 1) )S SX t n X t nn n     ,其中0.0252( 1) (4) 2.78 t n t   ,  的置信度为 0.95 的置信区间是 (5.76,8.24)

 ⑵检验0H :

 2   ,备择假设1H :

 2   (相当于检验0H :

 2   ,备择假设1H :

 2   )

 统计量2 22 22 2( 1) 42 2n S SS    ,

 拒绝域2 20.95 (4)0.711     . 由样本得,2 21 0.711 S     ,接受0H

  附录

 近三年真题 07 解答题 1.(07-1-3-4)设二维随机变量 ( , ) X Y 的概率密度为 2 ,0 1,0 1,( , )0, .x y x yf x y       其它 ⑴求   2 P X Y  ;【724】

 ⑵求 Z X Y   的概率密度 ( )zf z .【222 , 0 1,( ) (2 ) ,1 2,0, .zz z zf z z zelse      】

 2.(07-1-3)设总体 X 的概率密度为1, 0 ,21( , ) , 1,2(1 )0,xf x x    其他,1 ,,nX X 是来自总体X 的简单随机样本. ⑴求参数  的矩估计量ˆ ;【1ˆ22X    】

 ⑵判断24X 是否为2 的无偏估计量,并说明理由. 【不是,2 24 1(4 )4E X DXn      】

 3.(07-4)设随机变量 X 与 Y 独立同分布,且 X 的概率分布为  213P X   , 123P X   , max( , ) U X Y  , min( , ) V X Y  . ⑴求 ( , ) U V 的联合概率分布;⑵求 U 与 V 的协方差 ( , ) Cov U V . 【⑴1 21 4/9 02 4/9 1/9U V      ;⑵4( , )81Cov U V  】

 08 解答题 1.(08-1-3-4)设随机变量 X 和 Y 相互独立, X 的概率分布为  1( 1,0,1)3P X i i     ,Y 的概率密度为1, [0,1),( )0, [0,1),Yyf yy   记 Z X Y   .

 ⑴求102P Z X    ;【12】

 ⑵求 Z 的概率分布 ( )Zf z .【1, [ 1,2),( ) 30, [ 1,2).Zxf zx   】

 2. ( 08-1-3 )

 设nX X X , , ,2 1 是 来 自 总 体2( , ) N   的 简 单 随 机 样 本 , 记2 21 11 1, ( )1n ni ii iX X S X Xn n    , 2 21T X Sn  . ⑴证 T 是2 的无偏估计量;

 ⑵当 0, 1     时,求 DT .【2( 1) n n】

 3.(08-4)设某企业生产线上产品合格率为 0.96,不合格产品中只有34产品可进行再加工,且再加工合格率为 0.8,其余均为废品,每件合格品获利 80 元,每件废品亏损 20 元,为保证该企业每天平均利润不低于 2 万元,问企业每天至少生产多少产品?【256】

 4.(08-n)设随机变量 X 的概率密度为,0 1,( ) , 1 2,0, ,ax xf x b xelse    且 X 的数学期望1312EX  ,⑴求常数 , a b ; ⑵求 X 的分布函数 ( ) F x . 5.(08-n)设二维随机变量 ( , ) X Y 的概率分布为1 0 10 0.1 0.2 02 0.3 0.1 0.3X Y        ⑴求 ( , ) X Y 关于 , X Y 的边缘分布;

 ⑵求   2 P X Y   ; ⑶求   0 0 P Y X   . 09 解答题 1.(09-1-3)袋中有 1 个红球、 2 个黒球、 3 个白球,现有放回地从袋中取两次,每次取一个球, X , Y , Z 分别表示两次取球所取得的红球、黒球与白球的个数. ⑴求   1 0 P X Z   ;【49】

 ⑵求二维随机变量 ( , ) X Y 的概率分布.【0 1 20 1/4 1/3 1/91 1/6 1/9 02 1/36 0 0X Y       】

 2.(09-1)设总体 X 的概率密度为2e , 0,( )0, 0,xx xf xx  其中参数 ( 0)    未知,nX X X , , ,2 1 是来自总体 X 的简单随机样本.. ⑴求参数  的矩估计量;【12ˆX  】

 ⑵求参数  的最大似然估计量.【22ˆX  】

 3.(09-3)设二维随机变量 X 的概率密度为e ,0 ,( , )0, .xy xf x yelse    ⑴求条件概率密度 ( )Y Xf y x ;【1,0 ,( )0, .Y Xy xf y x xelse  】

 ⑵求条件概率   1 1 P X Y   .【e 2e 1】

 4.(09-n)设随机变量 X 的概率密度为2 , ,( )0, ,x a x bf xelse    且21 EX  . ⑴求 , a b 的值;【2 6,2 2a b   】

 ⑵求   1 P X  .【12】

 5.(09-n)已知随机变量 X 与 Y 的概率分布分别为 X

 1 

 1

 P

 1/2

 1/2

  Y

 0

 1

 P

 1/4

 3/4

 且  14P X Y   . ⑴求二维随机变量 ( , ) X Y 的概率分布;【0 11 0 1/21 1/4 1/4X Y      】

 ⑵求 X 与 Y 的相关系数XY .【33 】


推荐访问:讲义 概率 冲刺

热门排行

春节晚会观后感600字14篇

春节晚会观后感600字14篇春节晚会观后感600字篇1晚上八点,吃完年夜饭后,我们一家人整整齐齐坐在

2020央视春晚观后感3篇

2020央视春晚观后感3篇2020央视春晚观后感篇1“爆竹声中一岁除,春风送暖入屠苏。千门万门曈曈日

2023特殊符号图案大全(全文)

๑• •ั๑๑฀฀๑♬✿ 。 :*★☆⊙☺☻☼♠♥♡♣♤♥♦♧♨♩ิε฀฀䁠iddot;฀bull;●○●ゃ卣䁠hearts;♡๑฀฀☜☞☎☏♡⊙◎☺☻✖╄►◄▧▨♨◐◑...

2022央视虎年春晚观后感高中作文7篇

2022央视虎年春晚观后感高中作文7篇2022央视虎年春晚观后感高中作文篇1时间匆匆流逝,已经到了农

积极分子谈话记录30篇_确定入党积极分子谈话会议记录

确定入党积极分子谈话会议记录篇一谈话时间:XXXX年6月19日谈话地点:谈话对象:入党联系人:记录人

春晚观后感300字4篇

春晚观后感300字4篇春晚观后感300字篇1春节是每个中国人都颇为期待的一天,它不仅仅代表家庭团圆的

幼儿园谈话记录:幼儿园晨谈记录100篇

坦直幼儿园党团结对谈心记录(2010年)序号时间去谈心人姓名被谈心人姓名谈心内容备注110 2 26

2020年医院党员谈心谈话记录_2020年谈话记录

职工医院谈心谈话记录单位:职工医院谈心交心对象签名年月日

2022年党支部领导班子“迎盛会、铸忠诚、强担当、创业绩”主题教育专题组织生活会对照检查材料(思想学习工作生活四个方面)【完整版】

2022年党支部领导班子“迎盛会、铸忠诚、强担当、创业绩”主题教育专题组织生活会对照检查材料(思想学习工作生活四个方面)【完整版】下面是小编为大家整理的《20...

【幼儿园谈话记录】 幼儿园晨谈记录100篇

坦直幼儿园党团结对谈心记录(2010年)