概率统计2020-2021考试试题（2）——南京工业大学2023年春季

2020-2021 卷2

——made by njtech_计2104 Melody

填空题

1. 已知 $P(A)=0.4,P(B\mid A)=0.5,P(A\mid B)=0.25$ 则 $P(B)=$

【答案】0.8

【解析】这道题目可以通过使用贝叶斯定理来求解。贝叶斯定理是一个关于条件概率的重要公式，其表达形式为 $P(A|B)=\frac{P(B|A)P(A)}{P(B)}$。

2. 设随机变量 $X\sim N\left(3,{\sigma }^2\right)$, 且 P { 3 < X < 6 } = 0.2 P\{3<X<6\}=0.2 P{3<X<6}=0.2, 则 P { X ≤ 0 } = P\{X \leq 0\}= P{X≤0}=

【答案】0.3

【解析】正态分布，3-6占了0.2 ，对称过来0-3也占0.2，于是整个部分就占了0.4，小于0和大于6的部分一共0.6，对称分一半就是0.3

3. 设随机变量 $\mathrm{X}、\mathrm{Y}$ 相互独立, 且均服从 $[0,3]$ 上的均匀分布, $Z=\max (X,Y)$, 则 P { Z > 1 } = P\{Z>1\}= P{Z>1}=

【答案】$\frac{8}{9}$

【解析】X和Y都是服从(0,3)的均匀分布的，所以得到X和Y在区间(1,3)内的概率都是2/3。然后分别考虑下面四种情况

• X,Y都在(1,3)区间内： $(\frac{2}{3}{)}^2=\frac{4}{9}$
• X在(0,1)区间，Y在(1,3)区间： $(\frac{1}{3})(\frac{2}{3})=\frac{2}{9}$
• X在(1,3)区间，Y在(0,1)区间：$(\frac{2}{3})(\frac{1}{3})=\frac{2}{9}$

所以， P {   Z ≤ 1 } P\{\ Z \leq 1\} P{ Z≤1}的总概率是 $\frac{8}{9}$。

4. 设随机变量 $X\sim E(1)$, 又 $Y=X+e^{-2x}$, 则 $\mathrm{EY}=$

【答案】$\frac{4}{3}$

5. 设 $X_1,X_2,\cdots ,X_n$ 是来自 ${\chi }^2(n)$ 分布的总体的样本, 则 $E\bar{X}=$ , $D\bar{X}=$

【答案】n和2

【解析】这个问题涉及到卡方分布（chi-squared distribution）的期望和方差的计算。在卡方分布中，如果一个随机变量X服从自由度为n的卡方分布（即$X\sim {\chi }^2(n)$），那么它的期望值就是其自由度n，其方差则是自由度的2倍，即2n。

然而在这个问题中，我们需要找到的是样本平均值$\bar{X}$的期望和方差。因为样本平均数是所有样本值的平均，所以它的期望值就是原来随机变量的期望值，即自由度n。而对于方差，我们知道样本平均值的方差等于原来随机变量的方差除以样本数n，所以$D\bar{X}=2n/n=2$。

6. 设某工件的长度 $X\sim N(\mu ,4^2$ ) (单位: $\mathrm{mm}$ ), 今抽取 9 件测量其长度, 得样本均 值 $\bar{x}=147.33$, 则 $\mu$ 的置信度为 $95\%$ 的置信区间为 $\left(z_{0.025}=1.96,z_{0.05}=1.645\right)$.

【答案】$(144.72,149.94)$

【解析】置信区间的计算公式是 $\bar{x}\pm z_{\alpha /2}\cdot \frac{\sigma }{\sqrt{n}}$，其中$\bar{x}$是样本均值，$z_{\alpha /2}$是标准正态分布的$\frac{\alpha }{2}$分位数，$\sigma$是总体标准差，$n$是样本大小。

因为我们需要计算$95\%$的置信区间，所以$\alpha =0.05$，$z_{\alpha /2}=z_{0.025}=1.96$。

代入这些值，我们得到置信区间为$147.33\pm 1.96\cdot \frac{1.5}{\sqrt{9}}=147.33\pm 2.61$。

选择题

1. 设 $P(A)>0,P(B)>0$, 且 $A,B$ 互斥, 则下列结论正确的是
   (A) $A,B$ 独立;
   (B) $\bar{A},\bar{B}$ 互斥;
   © $\bar{A},\bar{B}$ 相容;
   (D) $P(A\bar{B})=P(A)$.

【答案】D

【解析】这个问题涉及到概率论中的基本概念，包括事件的互斥、独立、相容以及概率的计算。

(A)选项：“$A$，$B$ 独立”，这个选项是错误的。互斥事件不能是独立事件，因为如果事件$A$发生，那么事件$B$就不能发生，反之亦然。这与独立事件的定义（一个事件的发生不影响另一个事件的发生概率）相违背。

(B)选项：“$\bar{A}$，$\bar{B}$ 互斥”，这个选项也是错误的。事件$A$和事件$B$是互斥的，说明它们不能同时发生，但是对于它们的补集$\bar{A}$和$\bar{B}$，这两个事件完全可以同时发生。

©选项：“$\bar{A}$，$\bar{B}$ 相容”，这个选项是正确的，相容事件是指至少有一个事件可以发生，$\bar{A}$和$\bar{B}$是相容的，因为它们可以同时发生。

(D)选项：“$P(A\bar{B})=P(A)$”，这个选项是正确的。因为事件$A$和$B$是互斥的，也就是说，$A$和$B$不能同时发生。因此，事件$A$发生的时候，事件$B$一定没有发生，也就是说，$P(A\bar{B})$就是$P(A)$。

所以，正确的选项是D。

2. 设随机变量 $X$ 的分布律为 P { X = k } = b λ k ( k = 1 , 2 , ⋯   ) ( b > 0 ) P\{X=k\}=b \lambda^k(k=1,2, \cdots)(b>0) P{X=k}=bλk(k=1,2,⋯)(b>0), 则 $\lambda$ 为

   (A) $\lambda =1$;

   (B) $\lambda =\frac{1}{b}$;

   © $\lambda =\frac{1}{b+1}$;

   (D) $\lambda =\mathrm{b}+1$.

【答案】C

【解析】题目中给出了随机变量 $X$ 的分布律为 P { X = k } = b λ k ( k = 1 , 2 , ⋯   ) ( b > 0 ) P\{X=k\}=b \lambda^k(k=1,2, \cdots)(b>0) P{X=k}=bλk(k=1,2,⋯)(b>0)。我们知道，对于任何一个随机变量，它所有可能取值的概率之和应该为1。因此，我们可以建立如下方程：

$$b\lambda +b{\lambda }^2+b{\lambda }^3+\cdots =1$$

这是一个无穷等比数列的和，根据等比数列求和公式，只有当公比 $\lambda$ 的绝对值小于1时，等比数列才会收敛，因此 $\lambda$ 必须满足 $|\lambda |<1$。等比数列的和为 $b\lambda /(1-\lambda )=1$。解这个方程，我们得到 $\lambda =b/(b+1)$，因此，选项 © “$\lambda =\frac{1}{b+1}$” 是正确的。

3. 对于随机变量 $X,Y$, 若 $E(XY)=EXEY$, 则下列结论正确的是 ( )
   (A) $D(XY)=DXDY$;
   (B) $D(X+Y)=DX+DY$;
   © $X,Y$ 独立;
   (D) $X,Y$ 不独立.

【答案】B

【解析】该题中已知 $E(XY)=EXEY$，这其实是两个随机变量 $X$ 和 $Y$ 不相关（或协方差为0）的定义，即 $\mathrm{cov}(X,Y)=E(XY)-EXEY=0$，而不是 $X$ 和 $Y$ 独立。独立性是一种更强的条件，对于独立的随机变量，不仅满足不相关的条件，还需要满足 $P(X\in A,Y\in B)=P(X\in A)P(Y\in B)$ 对所有事件 $A$ 和 $B$ 都成立。

选项 (A) 是不正确的，因为二者的方差乘积并不能从 $E(XY)=EXEY$ 得出。选项 © 和 (D) 都与独立性有关，但如前所述，我们不能从 $E(XY)=EXEY$ 这个条件推断出 $X$ 和 $Y$ 的独立性，因此它们都是错误的。

对于选项 (B)，在随机变量的方差的性质中，我们有 $D(X+Y)=DX+DY$ 当且仅当 $X$ 和 $Y$ 不相关。因此，选项 (B) “$D(X+Y)=DX+DY$” 是正确的。

4. 设 $X_1,X_2,\cdots ,X_n$ 是来自总体 $X$ 的简单随机样本, 其中 $EX=\mu ,DX={\sigma }^2$, 则下列统 计量中是 ${\sigma }^2$ 的无偏估计量是
   (A) $\frac{1}{n}{\sum }_{i=1}^n{\left(X_i-\bar{X}\right)}^2$;
   (B) $\frac{1}{n+1}{\sum }_{i=1}^n{\left(X_i-\bar{X}\right)}^2$;
   © $\frac{1}{n-1}{\sum }_{i=1}^n{\left(X_i-\bar{X}\right)}^2$;
   (D) $\frac{1}{n}{\sum }_{i=1}^n{X}_i^2$

【答案】C

【解析】在统计学中，我们经常使用样本方差作为总体方差的无偏估计量。样本方差的公式定义为：$S^2=\frac{1}{n-1}{\sum }_{i=1}^n(X_i-\bar{X}{)}^2$，其中 $\bar{X}$ 是样本平均值，$n$ 是样本数量。此公式中分母为 $n-1$，而不是 $n$，这是为了解决偏差问题，使得 $S^2$ 成为无偏估计量。

三

甲袋中装中有3个白球和3个红球，乙袋中装有4个白球和2个红球，从甲袋中取出一-球放入乙袋， 再从乙袋中取出一球，
(1)求从乙袋中取出的是红球的概率;
(2) 若从乙袋中取出的球为白球，求从甲袋中取出的是红球的概率.

【解】设 A 1 = { A_1=\{ A1​={ 从甲袋中取出白球 } , A 2 = { \}, A_2=\{ },A2​={ 从甲袋中取出红球 } , B = { \}, B=\{ },B={ 从乙袋中取出红球 $\}$.
(1) 由题意, $P\left(B\mid A_1\right)=\frac{2}{7},P\left(B\mid A_2\right)=\frac{3}{7},P\left(A_1\right)=P\left(A_2\right)=\frac{1}{2}$,

由全概率公式 $P(B)=P\left(A_1\right)P\left(B\mid A_1\right)+P\left(A_2\right)P\left(B\mid A_2\right)=\frac{1}{2}\times \frac{2}{7}+\frac{1}{2}\times \frac{3}{7}=\frac{5}{14}$
(2) 由条件概率 $P\left(A_2\mid \bar{B}\right)=\frac{P\left(A_2\bar{B}\right)}{P(\bar{B})}=\frac{P\left(A_2\right)P\left(\bar{B}\mid A_2\right)}{P(\bar{B})}=\frac{\frac{1}{2}\times \frac{4}{7}}{\frac{9}{14}}=\frac{4}{9}$.

四

设连续型随机变量 $\mathrm{X}$ 的概率密度为 $f(x)=\{\begin{array}{l}ax+b,0\le x\le 1,\\ 0,\text{ 其 它, }\end{array}$ 且 $EX=\frac{7}{12}$, 求（1） $a,b$ 的值; （2） $\mathrm{X}$ 的分布函数 $\mathrm{F}(\mathrm{x})$.
$$\begin{array}{rl}& 1={\int }_{-\infty }^{+\infty }f(x)dx={\int }_0^1(ax+b)dx=\frac{a}{2}+b,\\ & \frac{7}{12}={\int }_{-\infty }^{+\infty }xf(x)dx={\int }_0^{1}x(ax+b)dx=\frac{a}{3}+\frac{b}{2},\end{array}$$
联立方程组解得 $a=1,b=\frac{1}{2}$.
由分布函数定义得 $F(x)={\int }_{-\infty }^{x}f(t)dt=\{\begin{array}{cc}0,& x<0,\\ \frac{x^2+x}{2},& 0\le x\le 1,\\ 1,& x>1.\end{array}$

五

某种商品的合格率为 $90\%$, 某单位要想给 100 名职工每个人一件这种商品, 试求: 该单位至少购买多少件这种商品才能以 $97.7\%$, 的概率保证每个人都可以得到一件合格品 $(\Phi (2)=0.977)$.

【解】设至少购买 $\mathrm{n}$ 件商品, $\mathrm{X}$ 表示 $\mathrm{n}$ 件商品中合格品的件数, 则 $X-B(n,0.9),EX=0.9n,DX=0.09n$, 由 $D-L$ 中心极限定理
P { X ≥ 100 } = P { X − 0.9 n 0.09 n ≥ 100 − 0.9 n 0.09 n } ≈ 1 − Φ ( 100 − 0.9 n 0.09 n ) = Φ ( 0.9 n − 100 0.09 n ) ≥ 0.977 = Φ ( 2 ) .(4分)   由  0.9 n − 100 0.3 n ≥ 2 , n ≥ 118.36 ,  取  n = 119. \begin{aligned} & P\{X \geq 100\}=P\left\{\frac{X-0.9 n}{\sqrt{0.09 n}} \geq \frac{100-0.9 n}{\sqrt{0.09 n}}\right\} \\ & \approx 1-\Phi\left(\frac{100-0.9 n}{\sqrt{0.09 n}}\right)=\Phi\left(\frac{0.9 n-100}{\sqrt{0.09 n}}\right) \geq 0.977=\Phi(2) \text {.(4分) } \\ & \text { 由 } \frac{0.9 n-100}{0.3 \sqrt{n}} \geq 2, n \geq 118.36, \text { 取 } \mathrm{n}=119 . \end{aligned} ​P{X≥100}=P{0.09n ​X−0.9n​≥0.09n ​100−0.9n​}≈1−Φ(0.09n ​100−0.9n​)=Φ(0.09n ​0.9n−100​)≥0.977=Φ(2).(4分)  由 0.3n ​0.9n−100​≥2,n≥118.36, 取 n=119.​
因此, 至少购买 119 件这种商品才能以 $97.7\%$ 的概率保证每个人都得到 1 件合格品. (8分)

六

六. (本题 12 分) 设二维随机变量 $(X,Y)$ 的联合概率分布如下表, 求 (1) $X、Y$ 的数 学期望 $EX,EY;$ (2) P { X + Y > 1 } ; ( 3 ) P\{X+Y>1\} ;(3) P{X+Y>1};(3) 若 $Z=\max (X,Y)$, 求 $EZ$.

六、(12分) 解(1) $X\sim \left(\begin{array}{cc}0& 1\\ 0.65& 0.35\end{array}\right),Y\sim \left(\begin{array}{ccc}0& 1& 2\\ 0.4& 0.25& 0.35\end{array}\right)$,(4分)
 (2)  E X = 0 × 0.65 + 1 × 0.35 = 0.35 , E Y = 0 × 0.4 + 1 × 0.25 + 2 × 0.35 = 0.95 , P { X + Y > 1 } = P { X = 0 , Y = 2 } + P { X = 1 , Y = 1 } + P { X = 1 , Y = 2 } = 0.3 + 0.15 + 0.05 = 0.5 , ( 8  分)  \begin{aligned} & \text { (2) } E X=0 \times 0.65+1 \times 0.35=0.35, E Y=0 \times 0.4+1 \times 0.25+2 \times 0.35=0.95, \\ & P\{X+Y>1\}=P\{X=0, Y=2\}+P\{X=1, Y=1\}+P\{X=1, Y=2\}=0.3+0.15+0.05=0.5,(8 \text { 分) } \end{aligned} ​ (2) EX=0×0.65+1×0.35=0.35,EY=0×0.4+1×0.25+2×0.35=0.95,P{X+Y>1}=P{X=0,Y=2}+P{X=1,Y=1}+P{X=1,Y=2}=0.3+0.15+0.05=0.5,(8 分) ​
$\mathbf{X}\sim (3)Z=\max (X,Y)$ 可取值为 $0,1,2$,
P { Z = 0 } = P { X = 0 , Y = 0 } = 0.25 , P { Z = 2 } = P { X = 0 , Y = 2 } + P { X = 1 , Y = 2 } = 0.35 ,  则  P { Z = 1 } = 1 − 0.25 − 0.35 = 0.4 ,  故  Z ∼ ( 0 1 2 0.25 0.4 0.35 ) , E Z = 0.4 + 0.7 = 1.1. ( 12  分)  \begin{aligned} & P\{Z=0\}=P\{X=0, Y=0\}=0.25, \\ & P\{Z=2\}=P\{X=0, Y=2\}+P\{X=1, Y=2\}=0.35, \text { 则 } P\{Z=1\}=1-0.25-0.35=0.4, \\ & \text { 故 } Z \sim\left(\begin{array}{ccc} 0 & 1 & 2 \\ 0.25 & 0.4 & 0.35 \end{array}\right), E Z=0.4+0.7=1.1 .(12 \text { 分) } \end{aligned} ​P{Z=0}=P{X=0,Y=0}=0.25,P{Z=2}=P{X=0,Y=2}+P{X=1,Y=2}=0.35, 则 P{Z=1}=1−0.25−0.35=0.4, 故 Z∼(00.25​10.4​20.35​),EZ=0.4+0.7=1.1.(12 分) ​

七

七. (本题 12 分) 设 $(X,Y)$ 的概率密度函数为 $f(x,y)=\{\begin{array}{lc}2,& 0<x<1,0<y<x,\\ 0,& \text{ 其他, }\end{array}$
求: (1) 求 $X,Y$ 的边缘密度函数 ${\mathrm{f}}_X(x),f_Y(y)$, 并判断 $X,Y$ 是否独立; (2) $\mathrm{Cov}(XY)$; (3) ${\rho }_{x,y}$

七 (12分 $)(\mathrm{X},\mathrm{Y})\sim f(x,y)=\{\begin{array}{lc}2,& 0<x<1,0<y<x\\ 0,& \text{ 其他 }\end{array}$ ，
$$\begin{array}{rl}& EX={\int }_{-\infty }^{+\infty }{\int }_{-\infty }^{+\infty }xf(x,y)dxdy={\int }_0^{1}dx{\int }_0^{x}2xdy=\frac{2}{3},\\ & E{X}^2={\int }_{-\infty }^{+\infty }{\int }_{-\infty }^{+\infty }{x}^{2}f(x,y)dxdy={\int }_0^{1}dx{\int }_0^{x}2x^{2}dy=\frac{1}{2};\end{array}$$
$E{X}^2={\int }_{-\infty }^{+\infty }{\int }_{-\infty }^{+\infty }{x}^{2}f(x,y)dxdy={\int }_0^{1}dx{\int }_0^{x}2x^{2}dy=\frac{1}{2};$
$DX=E{X}^2-(EX{)}^2=\frac{1}{18}$ 。同理, $EY=\frac{1}{3},DY=\frac{1}{18}$
$E(XY)={\int }_{-\infty }^{+\infty }{\int }_{-\infty }^{+\infty }xyf(x,y)dxdy={\int }_0^{1}dx{\int }_0^{x}2xydy=\frac{1}{4}。$
( 8 分)
故 $\mathrm{cov}(X,Y)=E(XY)-EX\cdot EY=\frac{1}{4}-\frac{2}{3}\times \frac{1}{3}=\frac{1}{36}$, 。
(10 分)
于是, ${\rho }_{X,Y}=\frac{\mathrm{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}=\frac{\frac{1}{36}}{\sqrt{\frac{1}{18}}\sqrt{\frac{1}{18}}}=\frac{1}{2}$.
(12分)

八

八. (本题 10 分) 设 $\left(X_1,X_2,\cdots ,X_n\right)$ 为取自总体 $X$ 的样本, $X$ 的密度函数为 $f(x;\alpha )=\{\begin{array}{cc}(\alpha +1)x^{\alpha },& 0<x<1,\\ 0,& \text{ 其他, }\end{array}$ 其中 $\alpha >-1$ 为末知参数, 求: (1) $\alpha$ 的矩估计量; (2) $\alpha$ 的极大似然估计量.

总体 $X$ 的数学期望 $E(X)={\int }_{-\infty }^{+\infty }xf(x)dx={\int }_0^{1}x(\alpha +1)x^{\alpha }dx=\frac{\alpha +1}{\alpha +2}$, 令 $EX=\bar{X}$, 则得末知参数 $\alpha$ 的矩估计量为 $\hat{\alpha }=\frac{1-2\bar{X}}{\bar{X}-1}$
设 $x_1,x_2,\cdots ,x_n$ 是 $X_1,X_2,\cdots ,X_n$ 相应于的样本值, 则似然函数为
$$\begin{array}{c}L(\alpha )=\prod _{i=1}^n(\alpha +1)x_i^{\alpha }=(\alpha +1{)}^n{\left(\prod _{i=1}^n{x}_i\right)}^{\alpha },(i=1,2,\dots ,n),\\ \ln L(\alpha )=n\ln (\alpha +1)+\alpha \left(\sum _{i=1}^n\ln x_i\right),\frac{d\ln L}{d\alpha }=\frac{n}{\alpha +1}+\sum _{i=1}^n\ln x_i,\end{array}$$
令 $\frac{d\ln L}{d\alpha }=0$, 解得 $\alpha$ 的极大似然估计值为 $\hat{\alpha }=-1-n/\left({\sum }_{i=1}^n\ln x_i\right)$.
从而得 $\alpha$ 的极大似然估计量为 $\hat{\alpha }=-1-n/\left({\sum }_{i=1}^n\ln X_i\right)$.

九.

设某次参加概率统计课程的学生成绩服从正态分布, 从中随机地抽取 36 位学生的成绩, 算得平均成绩为 66.5 分, 标准差为 15 分, 问在显著性水平 0.05 下, 是否可以认为这次考试全体学生平均成绩 70 分 $\left(t_{0.025}(35)=2.0301,t_{0.05}(35)=1.6896\right)$.

建立假设 $H_0:\mu ={\mu }_0=70,H_1:\mu \ne {\mu }_0=70$

在 $H_0$ 选取检验统计量 $\mathrm{T}=\frac{\bar{X}-{\mu }_0}{\frac{S}{\sqrt{n}}}\sim t(n-1)$,
由 $\alpha =0.05\Rightarrow t_{\alpha /2}=t_{0.025}(36-1)=2.0301$, 又由 $\bar{x}=66.5、s=15$, 可算得统计量观测值 $t$ 为
$$t=\frac{\bar{x}-{\mu }_0}{\sqrt{s^2/n}}=\frac{66.5-70}{\sqrt{15^2/36}}=-1.4\text{, }$$
因 $|t|=1.4<t_{0.025}(35)=2.0301$, 接受 $H_0$, 故可以认为这次考试全体学生的平均成绩为 70 分。