综合练习题

一、随机事件与概率

题1

袋中有5个白球和3个黑球,从中任取2个球,求:(1) 两个都是白球的概率;(2) 一个白球一个黑球的概率。

参考答案(3 个标签)
古典概型组合概率计算
  1. 总取法:C82=28C_8^2 = 28
  2. (1) 两个都是白球:C52=10C_5^2 = 10,概率 P1=1028=514P_1 = \frac{10}{28} = \frac{5}{14}
  3. (2) 一个白球一个黑球:C51C31=15C_5^1 C_3^1 = 15,概率 P2=1528P_2 = \frac{15}{28}

答案:(1) 514\frac{5}{14};(2) 1528\frac{15}{28}

题2

某工厂有甲、乙、丙三台机器生产同一种产品,产量分别占总产量的25%、35%、40%,次品率分别为5%、4%、2%。现从产品中任取一件,求:(1) 取到次品的概率;(2) 若取到的是次品,它是甲机器生产的概率。

参考答案(3 个标签)
全概率公式贝叶斯公式条件概率
  1. A1,A2,A3A_1, A_2, A_3 分别表示产品由甲、乙、丙机器生产,BB 表示取到次品。
  2. P(A1)=0.25,P(A2)=0.35,P(A3)=0.40P(A_1)=0.25, P(A_2)=0.35, P(A_3)=0.40
  3. P(BA1)=0.05,P(BA2)=0.04,P(BA3)=0.02P(B|A_1)=0.05, P(B|A_2)=0.04, P(B|A_3)=0.02
  4. (1) 全概率公式:P(B)=i=13P(Ai)P(BAi)=0.25×0.05+0.35×0.04+0.40×0.02=0.0125+0.014+0.008=0.0345P(B) = \sum_{i=1}^3 P(A_i)P(B|A_i) = 0.25\times0.05 + 0.35\times0.04 + 0.40\times0.02 = 0.0125 + 0.014 + 0.008 = 0.0345
  5. (2) 贝叶斯公式:P(A1B)=P(A1)P(BA1)P(B)=0.01250.0345=25690.362P(A_1|B) = \frac{P(A_1)P(B|A_1)}{P(B)} = \frac{0.0125}{0.0345} = \frac{25}{69} \approx 0.362

答案:(1) P(B)=0.0345P(B) = 0.0345;(2) P(A1B)=25690.362P(A_1|B) = \frac{25}{69} \approx 0.362

二、随机变量的数字特征

题3

设随机变量 XX 的概率密度为 f(x)={ax+b,0<x<10,其他f(x) = \begin{cases} ax + b, & 0 < x < 1 \\ 0, & \text{其他} \end{cases},且 E(X)=712E(X) = \frac{7}{12},求:(1) 常数 a,ba, b;(2) D(X)D(X)

参考答案(4 个标签)
概率密度数学期望方差连续型随机变量
  1. (1) 由归一性:01(ax+b)dx=a2+b=1\int_0^1 (ax+b) dx = \frac{a}{2} + b = 1
  2. E(X)=01x(ax+b)dx=a3+b2=712E(X) = \int_0^1 x(ax+b) dx = \frac{a}{3} + \frac{b}{2} = \frac{7}{12}
  3. 解方程组:{a2+b=1a3+b2=712\begin{cases} \frac{a}{2} + b = 1 \\ \frac{a}{3} + \frac{b}{2} = \frac{7}{12} \end{cases} 由第一式 b=1a2b = 1 - \frac{a}{2},代入第二式:a3+12a4=712\frac{a}{3} + \frac{1}{2} - \frac{a}{4} = \frac{7}{12} a12=112\frac{a}{12} = \frac{1}{12},故 a=1a = 1b=12b = \frac{1}{2}
  4. (2) E(X2)=01x2(x+12)dx=01(x3+x22)dx=14+16=512E(X^2) = \int_0^1 x^2(x+\frac{1}{2}) dx = \int_0^1 (x^3 + \frac{x^2}{2}) dx = \frac{1}{4} + \frac{1}{6} = \frac{5}{12}
  5. D(X)=E(X2)[E(X)]2=512(712)2=51249144=6049144=11144D(X) = E(X^2) - [E(X)]^2 = \frac{5}{12} - (\frac{7}{12})^2 = \frac{5}{12} - \frac{49}{144} = \frac{60-49}{144} = \frac{11}{144}

答案:(1) a=1,b=12a=1, b=\frac{1}{2};(2) D(X)=11144D(X) = \frac{11}{144}

题4

XN(0,1)X \sim N(0, 1)Y=X2Y = X^2,求 XXYY 的协方差和相关系数,并判断是否独立。

参考答案(4 个标签)
协方差相关系数独立性正态分布
  1. E(X)=0E(X) = 0E(Y)=E(X2)=D(X)+[E(X)]2=1E(Y) = E(X^2) = D(X) + [E(X)]^2 = 1
  2. E(XY)=E(X3)=0E(XY) = E(X^3) = 0(标准正态分布的奇数阶矩为0)
  3. 协方差:Cov(X,Y)=E(XY)E(X)E(Y)=00=0\text{Cov}(X, Y) = E(XY) - E(X)E(Y) = 0 - 0 = 0
  4. 相关系数:ρXY=Cov(X,Y)D(X)D(Y)=0\rho_{XY} = \frac{\text{Cov}(X,Y)}{\sqrt{D(X)}\sqrt{D(Y)}} = 0
  5. 不相关,但不独立:因为 Y=X2Y = X^2XXYY 有确定的函数关系,显然不独立。

答案:协方差为0,相关系数为0,XXYY 不相关但不独立。

三、大数定律与中心极限定理

题5

某保险公司有10000人参加保险,每人每年付12元保险费,已知一年内一个人死亡的概率为0.006,死亡时其家属可向保险公司领得1000元。用中心极限定理求保险公司一年内利润不少于60000元的概率。

参考答案(4 个标签)
中心极限定理二项分布正态近似保险问题
  1. XX 为一年内死亡人数,则 XB(10000,0.006)X \sim B(10000, 0.006)
  2. E(X)=np=10000×0.006=60E(X) = np = 10000 \times 0.006 = 60
  3. D(X)=np(1p)=60×0.994=59.64D(X) = np(1-p) = 60 \times 0.994 = 59.64σ=59.647.723\sigma = \sqrt{59.64} \approx 7.723
  4. 利润 = 收入 - 赔付 = 10000×121000X=1200001000X10000 \times 12 - 1000X = 120000 - 1000X
  5. 利润不少于60000元:1200001000X60000120000 - 1000X \geq 60000,即 X60X \leq 60
  6. 由中心极限定理,XX 近似服从 N(60,59.64)N(60, 59.64)
  7. P(X60)Φ(60607.723)=Φ(0)=0.5P(X \leq 60) \approx \Phi(\frac{60-60}{7.723}) = \Phi(0) = 0.5

答案:保险公司利润不少于60000元的概率约为 0.50.5

四、参数估计

题6

设总体 XX 的概率密度为 f(x)={θxθ1,0<x<10,其他f(x) = \begin{cases} \theta x^{\theta-1}, & 0 < x < 1 \\ 0, & \text{其他} \end{cases},其中 θ>0\theta > 0 为未知参数,X1,X2,,XnX_1, X_2, \ldots, X_n 为来自总体 XX 的样本。求 θ\theta 的矩估计量和最大似然估计量。

参考答案(4 个标签)
矩估计最大似然估计参数估计连续型总体
  1. 矩估计E(X)=01xθxθ1dx=θ01xθdx=θθ+1E(X) = \int_0^1 x \cdot \theta x^{\theta-1} dx = \theta \int_0^1 x^\theta dx = \frac{\theta}{\theta+1}Xˉ=θθ+1\bar{X} = \frac{\theta}{\theta+1},解得 θ^=Xˉ1Xˉ\hat{\theta} = \frac{\bar{X}}{1-\bar{X}}
  2. 最大似然估计: 似然函数 L(θ)=i=1nθxiθ1=θn(i=1nxi)θ1L(\theta) = \prod_{i=1}^n \theta x_i^{\theta-1} = \theta^n (\prod_{i=1}^n x_i)^{\theta-1} 对数似然 lnL=nlnθ+(θ1)i=1nlnxi\ln L = n\ln\theta + (\theta-1)\sum_{i=1}^n \ln x_i 求导:dlnLdθ=nθ+i=1nlnxi=0\frac{d\ln L}{d\theta} = \frac{n}{\theta} + \sum_{i=1}^n \ln x_i = 0 解得 θ^=ni=1nlnXi\hat{\theta} = -\frac{n}{\sum_{i=1}^n \ln X_i}

答案:矩估计量 θ^=Xˉ1Xˉ\hat{\theta} = \frac{\bar{X}}{1-\bar{X}};最大似然估计量 θ^=ni=1nlnXi\hat{\theta} = -\frac{n}{\sum_{i=1}^n \ln X_i}

题7

设总体 XN(μ,σ2)X \sim N(\mu, \sigma^2),其中 μ,σ2\mu, \sigma^2 均未知。从总体中抽取容量为9的样本,算得 xˉ=10\bar{x} = 10s2=4s^2 = 4。求 μ\mu 的置信度为0.95的置信区间。(t0.025(8)=2.306t_{0.025}(8) = 2.306

参考答案(4 个标签)
区间估计置信区间t分布正态总体
  1. σ2\sigma^2 未知,用 tt 分布:XˉμS/nt(n1)\frac{\bar{X}-\mu}{S/\sqrt{n}} \sim t(n-1)
  2. 置信度 1α=0.951-\alpha = 0.95α=0.05\alpha = 0.05tα/2(n1)=t0.025(8)=2.306t_{\alpha/2}(n-1) = t_{0.025}(8) = 2.306
  3. 置信区间:(xˉtα/2sn,xˉ+tα/2sn)(\bar{x} - t_{\alpha/2}\frac{s}{\sqrt{n}}, \bar{x} + t_{\alpha/2}\frac{s}{\sqrt{n}})
  4. xˉ=10\bar{x} = 10s=2s = 2n=9n = 9sn=23\frac{s}{\sqrt{n}} = \frac{2}{3}
  5. 置信区间:(102.306×23,10+2.306×23)=(101.537,10+1.537)=(8.463,11.537)(10 - 2.306 \times \frac{2}{3}, 10 + 2.306 \times \frac{2}{3}) = (10 - 1.537, 10 + 1.537) = (8.463, 11.537)

答案μ\mu 的置信度为0.95的置信区间为 (8.463,11.537)(8.463, 11.537)

五、假设检验

题8

某厂生产的某种元件的寿命 XN(μ,σ2)X \sim N(\mu, \sigma^2),其中 μ,σ2\mu, \sigma^2 均未知。现从一批产品中随机抽取16件,测得平均寿命 xˉ=240\bar{x} = 240 小时,样本标准差 s=8s = 8 小时。问在显著性水平 α=0.05\alpha = 0.05 下,能否认为这批元件的平均寿命大于235小时?(t0.05(15)=1.753t_{0.05}(15) = 1.753

参考答案(4 个标签)
假设检验单侧检验t检验正态总体均值
  1. 提出假设:H0:μ235H_0: \mu \leq 235H1:μ>235H_1: \mu > 235(右侧检验)
  2. 检验统计量:t=Xˉμ0S/nt(n1)t = \frac{\bar{X} - \mu_0}{S/\sqrt{n}} \sim t(n-1)(当 H0H_0 成立时)
  3. 拒绝域:t>tα(n1)=t0.05(15)=1.753t > t_{\alpha}(n-1) = t_{0.05}(15) = 1.753
  4. 计算统计量:t=2402358/16=52=2.5t = \frac{240 - 235}{8/\sqrt{16}} = \frac{5}{2} = 2.5
  5. 因为 2.5>1.7532.5 > 1.753,落在拒绝域内,故拒绝 H0H_0

答案:在显著性水平 α=0.05\alpha = 0.05 下,拒绝 H0H_0,可以认为这批元件的平均寿命大于235小时。

题9

某机床加工某种零件,零件直径 XN(μ,σ2)X \sim N(\mu, \sigma^2)。正常工作时 σ2=0.0482\sigma^2 = 0.048^2。某日从该机床加工的零件中抽取9个,测得样本方差 s2=0.0064s^2 = 0.0064。问在显著性水平 α=0.05\alpha = 0.05 下,该机床工作是否正常?(χ0.0252(8)=17.535\chi^2_{0.025}(8) = 17.535χ0.9752(8)=2.180\chi^2_{0.975}(8) = 2.180

参考答案(4 个标签)
假设检验卡方检验方差检验正态总体方差
  1. 提出假设:H0:σ2=0.0482=0.002304H_0: \sigma^2 = 0.048^2 = 0.002304H1:σ20.002304H_1: \sigma^2 \neq 0.002304(双侧检验)
  2. 检验统计量:χ2=(n1)S2σ02χ2(n1)\chi^2 = \frac{(n-1)S^2}{\sigma_0^2} \sim \chi^2(n-1)(当 H0H_0 成立时)
  3. 拒绝域:χ2<χ1α/22(n1)=2.180\chi^2 < \chi^2_{1-\alpha/2}(n-1) = 2.180χ2>χα/22(n1)=17.535\chi^2 > \chi^2_{\alpha/2}(n-1) = 17.535
  4. 计算统计量:χ2=8×0.00640.002304=0.05120.00230422.22\chi^2 = \frac{8 \times 0.0064}{0.002304} = \frac{0.0512}{0.002304} \approx 22.22
  5. 因为 22.22>17.53522.22 > 17.535,落在拒绝域内,故拒绝 H0H_0

答案:在显著性水平 α=0.05\alpha = 0.05 下,拒绝 H0H_0,认为该机床工作不正常,方差发生了显著变化。


总结

本套综合练习题涵盖了概率论与数理统计的核心考点:

  • 随机事件与概率(2题):古典概型、全概率公式与贝叶斯公式
  • 随机变量的数字特征(2题):连续型随机变量的期望与方差、协方差与相关性
  • 大数定律与中心极限定理(1题):中心极限定理的实际应用
  • 参数估计(2题):矩估计与最大似然估计、正态总体均值的区间估计
  • 假设检验(2题):正态总体均值的单侧t检验、正态总体方差的卡方检验

建议重点掌握全概率/贝叶斯公式数字特征计算最大似然估计正态总体的假设检验四大核心题型。