当前位置: 首页 > 其他范文 > 其他范文

概率论作业实践作业

作者:微尘 | 发布时间:2021-01-19 01:06:15 收藏本文 下载本文

第一章随机事件与概率 1.将一枚均匀的硬币抛两次,事件C B A , ,分别表示“第一次出现正面”,“两次出现同一面”,“至少有一次出现正面”。试写出样本空间及事件C B A , ,中的样本点。

解:样本空间为  反 正正、正反、反正、反     正正、正反  A,  正正  B,  正正、正反、反正  C 2.设31)( A P,21)( B P,试就以下三种情况分别求)(A B P:

(1)AB ,(2)B A,(3)81)( AB P 解:由公式.A B A B A AB      可得(1)1 1()()()()02 2P BA P B AB P B P AB       ;(2)1 1 1()()()()2 3 6P BA P B A P B P A       ;(3)838121)()()()(       AB P B P AB B P A B P 3.某人忘记了电话号码的最后一个数字,因而随机的拨号,求他拨号不超过三次而接通所需的电话的概率是多少?如果已知最后一个数字是奇数,那么此概率是多少? 解: 记 H 表拨号不超过三次而能接通。Ai 表第 i 次拨号能接通。

如果第一次拨号不通,第二拨号就不再拨这个号码。

***101)|()|()()|()()()(2 1 3 1 2 1 1 2 1 13 2 1 2 1 1           A A A P A A P A P A A P A P A P H PA A A A A A H 三种情况互斥  如果已知最后一个数字是奇数(记为事件 B)问题变为在 B 已发生的条件下,求 H 再发生的概率。)| | |)|(3 2 1 2 1 1B A A A B A A B PA B H P   )|()|()|()|()|()|(2 1 3 1 2 1 1 2 1 1A A B A P A B A P B A P A B A P B A P B A P    53314354415451       4.进行一系列独立试验,每次试验成功的概率均为,试求以下事件的概率:

(1)直到第 r 次才成功;(2)在 n 次中取得)1(n r r  次成功; 解:(1)p p Pr 1)1( (2)r n r rnp p C P )1(5.设事件 A,B 的概率都大于零,说明以下四种叙述分别属于那一种:

(a)必然对,(b)必然错,(c)可能对也可能错,并说明理由。

(1)若 A,B 互不相容,则它们相互独立。

(2)若 A 与 B 相互独立,则它们互不相容。

(3)()()0.6 P A P B  ,则 A 与 B 互不相容。

(4)()()0.6 P A P B  ,则 A 与 B 相互独立。

解:(1)必然错。因为 A 与 B 互不相容,AB,()0 P AB ,而()()0 P A P B ,所以()()()()P A P B P A P B ,即 A 与 B 不是相互独立的。

(2)必然错。因 A 与 B 相互独立,所以()()()0 P AB P A P B  ,而 A 与 B 互不相容,AB,()0 P AB 。

(3)必然错。若 A 与 B 互不相容,则()0 P AB ,而()()()()P A B P A P B P AB     1.2()1 P AB   。

(4)可能对。A 与 B 相互独立时,()()()()P A B P A P B P AB     1.2()()0.84 P A P B   。

6.有甲、乙两个盒子,甲盒中放有 3 个白球,2 个红球;乙盒中放有 4 个白球,4 个红球,现从甲盒中随机地取一个球放到乙盒中,再从乙盒中取出一球,试求:

(1)从乙盒中取出的球是白球的概率;(2)若已知从乙盒中取出的球是白球,则从甲盒中取出的球是白球的概率。

解:(1)设 A={甲盒中取出的球是白球},B={乙盒中取出的球是白球}, 3 2(),()5 5P A P A,    4 5P B ,P.9 9A B A 根据全概率公式可得           P B P B B P B +P B A A A A           4 2 5 3 23()P B +P P9 5 9 5 45P A A A B A(2)由贝叶斯公式可得                5 3P PP AB159 5P A|B4 2 5 3 23 P B()P B +P P9 5 9 5A B AP A A A B A 7.思考题:讨论对立、互斥(互不相容)和独立性之间的关系。

解: 独立事件不是对立事件,也不一定是互斥事件;对立事件是互斥事件,不能是独立事件;互斥事件一般不是对立事件,一定不是独立事件.第二章随机变量及其概率分布 1.设 X 的概率分布列为:

Xi 0 1 2 3 Pi 0.1 0.1 0.1 0.7 F(x)为其分布的函数,则 F(2)=? 解:

由 F(x)=P{X≤x}得 F(2)=P{x≤2}=P{x=0}+ P{x=1}+P{x=2} =0.1+0.1+0.1=0.3 2.设随机变量 X 的概率密度为 f(x)=, 1 , 0;1 ,2xxxc则常数 c 等于? 3.一办公室内有 5 台计算机,调查表明在任一时刻每台计算机被使用的概率为 0.6,计算机是否被使用相互独立,问在同一时刻(1)恰有 2 台计算机被使用的概率是多少?(2)至少有 3 台计算机被使用的概率是多少?(3)至多有 3 台计算机被使用的概率是多少?(4)至少有 1 台计算机被使用的概率是多少? 解:设 X 表示在同一时刻被使用的台数,则 X ~B(5, 0.6),(1) 2 2 352 0.6 0.4 0.2304 P X C   (2) 3 3 2 4 4 5 5 05 5 53 0.6 0.4 0.6 0.4 0.6 0.4 0.3456 0.2592 0.07776 0.68256 P X C C C        (3) 4 4 5 5 05 53 1 0.6 0.4 0.6 0.4 1 0.2592 0.07776 0.66304 P X C C        (4   0 0 551 1 0 1 0.6 0.4 1 0.01024 0.98976 P X P X C          4.设随机变量 K 在区间(0, 5)上服从均匀分布, 求方程 42x+ 4Kx + K + 2 = 0 有实根的概率。

解: 由0 32 16 16)2(4 4 162 2          k k k k 可得:2 , 1    k k 所以52} 2 {   K P 5.假设打一次电话所用时间(单位:分)X 服从2.0  的指数分布,如某人正好在你前面走进电话亭,试求你等待:(1)超过 10 分钟的概率;(2)10 分钟 到 20 分钟的概率。

解:0 , 2.0)(~2.0 x e x f Xx 2 21002.01 1 2.0 1 } 10 { 1 } 10 {           e e dx e X P X Px

4 220102.02.0 } 20 10 {      e e dx e X Px 6.随机变量 X~N(3, 4),(1)求 P(22),P(X>3);(2)确定 c,使得 P(X>c)= P(X

解:)5.0(1)1()5.0()1()23 2()23 5(} 5 2 {               X P 6915.0 1 8413.0   =0.5328 1 1)5.3(2)5.3()5.3()23 4()23 10(} 10 4 {                X P)5.2()5.0(1)23 2()23 2(1 } 2 { 1 } 2 {                X P X P =6977.0 6915.0 9938.0 1)5.2(1))5.0(1(1           5.0 5.0 1)23 3(1 } 3 { 1 } 3 {          X P X P)23(} {)23(1 } { 1 } {         cc X Pcc X P c X P 所以 5.0)23(c 故 3  c 6.随机变量 X~N(3, 4),(1)求 P(22),P(X>3);(2)确定 c,使得 P(X>c)= P(X

解:因为 X~N(3, 4),将其化成标准形式 即   32xP X x F x       (1)         5 3 2 32 5 5 2 1 0.52 2P X F F                          1 0.5 1 0.8413 0.6915 1 0.5328                 10 3 4 34 10 10 4 3.5 3.52 2P X F F                           2 3.5 1 2 0.9998 1 0.9996                 2 3 2 32 1 2 1 2 2 1 2 2 12 2P X P X P X F F                                                     1 0.5 2.5 1 1 0.5 1 2.5 0.5 1 2.5                          0.6915 1 0.9938 0.6977    

     3 33 1 3 1 3 1 1 0.5 0.52P X P X F              (2)因为    P X c P X c   ,所以      1 , P X c P X c P X c     所以 12P X c   所以   3 12 2cP X c F c        ,又因为 102  所以30,2c即3 c 7.设随机变量 X 与 Y 相互独立,且 X,Y 的分布律分别为 X 0 1 Y 1 2 P 41 43 P 52 53 试求:(1)二维随机变量(X,Y)的分布律;(2)随机变量 Z=XY 的分布律.解: X Y 1 2 0 0.1 0.15 1 0.3 0.45 Z 0 1 2 P 0.25 0.3 0.45 8.思考题:举出几个随机变量的例子。

(1)掷一枚骰子,出现的点数可以用数字 1,2,3,4,5,6 来表示。

(2)一位篮球运动员 3 次罚球的得分结果用数字表示。

(3)在 100 张体育彩票中,有 5 张三等奖,现从中任取 10 张,抽得三等奖的张数用 X 表示。

第三章 多维随机变量及其概率分布 1.设盒子中有 2 个红球,2 个白球,1 个黑球,从中随机地取 3 个,用 X 表示取到的红球个数,用 Y 表示取到的白球个数,写出(X, Y)的联合分布律及边缘分布律。

解:X 可能的取值为 0,1,2.Y 可能的取值为 0,1,2.Y X 0 1 2 0 0 0 0.1 0.1 1 0 0.4 0.2 0.6

2 0.2 0 0.1 0.3 0.2 0.4 0.4 1 2.设二维随机变量),(Y X的联合分布律为:

试根椐下列条件分别求 a 和 b 的值;(1)6.0)1(  X P;(2)5.0)2 | 1(   Y X P;(3)设)(x F是 Y 的分布函数,5.0)5.1( F。

解(1)  1 0.6, P X           1 1, 0 1, 1 1, 2 0.1 0.2 0.6 P X P X Y P X Y P X Y b               ……① 1, 0.1 0.2 0.1 0.2 1,iji jp a b         ……② 由①②得0.1, 0.3 a b  (2)  1| 2 0.5, P X Y     1, 2 0.20.52 0.2P X YP Y a    ……① 又1, 0.1 0.2 0.1 0.2 1,iji jp a b         ……② 所以据①②得 a=0.2 b=0.2(3))(x F是 Y 的分布函数,5.0)5.1( F 所以         ()0, 0 0, 1 1, 1 1, 0 F x P Y x P X Y P X Y P X Y P X Y               0.1 0.2 0.1 0.5 b     ……① 又1, 0.1 0.2 0.1 0.2 1,iji jp a b         ……② 所以据①②得 a=0.3 b=0.1 3.)(Y X、的联合密度函数为:     他 其 01 0 , 1 0)(),(y x y x ky x f 求(1)常数 k;(2)P(X<1/2,Y<1/2);(3)P(X+Y<1);(4)P(X<1/2)。

解:(1)  , 1 f x y dxdy    并且 Y X 0 1 2 0 0.1 0.2 a 1 0.1 b 0.2

     其他 01 0 , 1 0)(),(y x y x ky x f 1 1 12 100 0 0()()2kk x y dxdy k x y dxdy kxy y dx                     12 10012 2 2 2 2k k k k kkx dx x x               ,1 k  (2)1 1 1 122 2 2 200 0 01 1 1,()2 2 2P X Y x y dxdy xy y dx                       12012201 1 1 1 1 1 12 8 4 8 16 16 8x dx x x               (3)P 1 1 12 100 0 011()2xxP X Y x y dxdy xy y dx                 1021301 1 1 1 1 1 1 12 2 2 2 3 2 2 3 3xdx x x               (4)  1120 01 1 1 2 212 2 20 0 0 01 1 32 2 2 2 2 8y x xP X x y dy dx xy dx x dx                                     4.)(Y X、的联合密度函数为:    他 其 00 , 1 0),(x y x kxyy x f 求(1)常数 k;(2)P(X+Y<1);(3)P(X<1/2)。

解:(1)  , 1 f x y dxdy   并且     其他 00 , 1 0),(x y x kxyy x f 1 1 12 3 4 10 00 0 0 012 2 8 8xxk k k kkxydxdy kxydxdy xy dx x dx x                            8 k  (2)   1201 112 2 32 20 08 1 8 1 11 8 4 8 2 23 4 3 8 6yyP X Y xydx dy y y dy y y                (3)   12041 1 1 1 1 22 3 42 2 2 2 20 0 01 1 1 1 18 4 42 2 2 4 2 16y yyP X xydx dy x y dy y y dy y                                     

5.设(X, Y)的联合密度函数如下,分别求 X 与 Y 的边缘密度函数。

           y xy xy x f ,)1)(1(1),(2 2 2 解:边缘概率密度 Xf x或 Yf y可由  , X Y的概率密度  , f x y给出。

    , , ,Xf x f x y dy x        , , ,Yf y f x y dx y     , X Y关于 X 的边缘概率密度为           2 2 2 2 2 2 2 2 21 1 1 1 1arctan1 1 1 1 1 1Xf x dy dy yx y x y x x                    , X Y关于 Y 的边缘概率密度为           2 2 2 2 2 2 2 2 21 1 1 1 1arctan1 1 1 1 1 1Yf y dx dx xx y y x y y                 6.设(X, Y)的联合密度函数如下,分别求 X 与 Y 的边缘密度函数。

解:边缘概率密度 Xf x或 Yf y可由  , X Y的概率密度  , f x y给出,    , , ,Xf x f x y dy x        , , ,Yf y f x y dx y       , X Y关于 X 的边缘概率密度为   000xx x x x x xXf x e dy e dy e y e x xe             即 , 00, 0xXxe xf xx     , X Y关于 Y 的边缘概率密度为      x x x y yY yyf y e dx e d x e e e e               即 , 00, 0yYe yf yy     他 其 00),(x y ey x fx 7.(X, Y)的联合分布律如下,Y X 1 2 3 1 1/6 1/9 1/18

试根椐下列条件分别求 a 和 b 的值;(1)3 / 1)1(  Y P;(2)5.0)2 | 1(   Y X P;(3)已知 X 与 Y 相互独立。

解:(1)3161} 1 {     a Y P,61 a(2)1/6+1/6+1/9+b+1/18+1/9=1,b=7/18(3)由表可得 X,Y 的边缘分布 X 1 2 P 1/3 a+b+1/9 Y 1 2 3 P 1/6+a 1/9+b 1/6 由条件可知 XY 相互独立,可得 P{X=1,Y=1}=P{X=1}*P{Y=1}=1/3*(1/6+a)=1/6 得 a=1/3 P{X=1,Y=2}=P{X=1}*P{Y=2}=1/3*(1/9+b)=1/9 得 b=2/9 8.(X,Y)的联合密度函数如下,求常数 c,并讨论 X 与 Y 是否相互独立?     他 其 01 0 , 1 0),(2y x cxyy x f 解: 16),(10102       cdxdy cxy dxdy y x f,c=6 x dy xy dy y x f x f X 2 6),()(102    ,21023 6),()(y dx xy dy y x f y f Y     ),()()(y x f y f x fY X ,故 X 与 Y 相互独立.9.思考题:联合分布能决定边缘分布吗?反之呢? 解:由联合分布可以得到五一的边缘分布,反之不能成立,在独立条件下,边缘分布可以唯一确定联合分布。.第四章 随机变量的数字特征 1.盒中有 5 个球,其中 2 个红球,随机地取 3 个,用 X 表示取到的红球的个数,则 EX 是:B(A)1;(B)1.2;(C)1.5;(D)2.2.设 X 有密度函数:083)(2xx f他 其4 2   x, 求)1(), 1 2(),(2XE X E X E ,并求 X 大于数学期望)(X E的概率。

解:2152432383)(4422    x dxxx X E 2 a b 1/9

824)81163(83)1 2()1 2(3 4422     x x dxxx X E 41248183 1)1(4222 2    x dxxx XE 6 7 1831)5.7(1)5.7())((422           dxxX P X P X E X P 3.设二维随机变量),(Y X的联合分布律为 Y X 0 1 2 0 0.1 0.2 a 1 0.1 b 0.2 已知65.0)( XY E,则 a 和 b 的值是:

(A)a=0.1, b=0.3;(B)a=0.3, b=0.1;(C)a=0.2, b=0.2;(D)a=0.15, b=0.25。

解:  0 0 0.1 0 1 0.2 0 2 1 0 0.1 1 1 1 2 0.2 0.65 E XY a b                   ……① 又 0.1 0.20.1 0.2 1 a b       ……② 联立①②得 0.15, 0.25 a b   4.设随机变量(X, Y)的联合密度函数如下:求)1(, ,  XY E EY EX。

    他 其 02 0 , 1 0),(y x xyy x f 解:边缘概率密度 Xf x或 Yf y可由  , X Y的概率密度  , f x y给出     , , ,Xf x f x y dy x        , , ,Yf y f x y dx y       , X Y关于 X 的边缘概率密度为  22 2 2001 12 0 22 2Xf x xydy x ydy x y x x            ,即 2 , 0 10,Xx xf x   其它

  , X Y关于 Y 的边缘概率密度为 12 1 1001 11 02 2 2Yyf y xydx y xdx y x y           ,即 , 0 220,Yyyf y  其它 又      ,XE X xf x dx xf x y dxdy              ,YE Y yf y dy yf x y dxdy             1 20 0,XE X xf x dx xf x y dxdy x xydxdy             21 2 1 12 2 2 3 10 00 0 0 02 2()22 3 3yx xydy dx x dx x dx x                            1 20 0,YE Y yf y dy yf x y dxdy y xydxdy              3 21 2 1 12 10 00 0 0 08 8 43 3 3 2 3y xy xydy dx x dx xdx                                   1 2 1 22 20 0 0 01 1 , 1 E XY xy f x y dxdy xy xydxdy x y xy dxdy                   1 2 1 2 1 2 12 2 2 3 2 2 20 00 0 0 0 0 0 01 13 2x y dxdy xy dxdy x y dx dy xy dx                               1 2 120 0 08 8 172 13 9 9x dx dy xdx        5.设 X 有分布律:

则)3 2(2  X X E是:D(A)1;(B)2;(C)3;(D)4.6.丢一颗均匀的骰子,用 X 表示点数,求DX EX,.解:X 的分布为 6 , 5 , 4 , 3 , 2 , 1 ,61)(   k k X P 276216166***611)(              X E 6916166***611)(2 2 2 2 2 2             X E 619))(()()(2 2   X E X E X D X 0 1 2 3 P 0.1 0.2 0.3 0.4

7.X 有密度函数: 04 /)1()(xx f他 其2 0   x,求 D(X).解:     22D X E X E X     又   4 322 2 2 2001 54 16 12 3x x xE X x f x dx x dx             4 322001 74 16 12 6x x xE X xf x dx x dx               2225 7 113 6 36D X E X E X             8.设(2)X P,)6.0 , 3(~ B Y,相互独立,则)2(), 2(Y X D Y X E  的值分别是:(A)-1.6 和 4.88;(B)-1 和 4;(C)1.6 和 4.88;(D)1.6 和-4.88.9.设)3 , 4(~), ,(~ N Y b a U X,X 与 Y 有相同的期望和方差,求b a,的值。(B)(A)0 和 8;(B)1 和 7;(C)2 和 6;(D)3 和 5.10.下列结论不正确的是(C)(A)X 与 Y 相互独立,则 X 与 Y 不相关;(B)X 与 Y 相关,则 X 与 Y 不相互独立;(C))()()(Y E X E XY E ,则 X 与 Y 相互独立;(D))()(),(y f x f y x fY X,则 X 与 Y 不相关; 11.若 0),( Y X C O V,则不正确的是(D)(A))()()(Y E X E XY E ;(B))()()(Y E X E Y X E   ;(C))()()(Y D X D XY D ;(D))()()(Y D X D Y X D   ; 12.(Y X,)有联合分布律如下,试分析 X 与 Y 的相关性和独立性。

Y X-1 0 1-1 1/8 1/8 1/8 0 1/8 0 1/8 1 1/8 1/8 1/8 解:

X 与 Y 的分布律分别为 X-1 0 1

 3 2 31 0 1 08 8 8E X        ;   22 2 23 2 3 31 0 18 8 8 4E X              223 304 4D X E X E X          3 2 31 0 1 08 8 8E Y        ;   22 2 23 2 3 31 0 18 8 8 4E Y              223 304 4D Y E Y E Y                    1 1 1 1 11 1 1 0 1 1 0 1 0 0 0 0 18 8 8 8 8E XY                         1 1 11 1 1 0 1 1 08 8 8                   , 0 0 0 Cov X Y E XY E X E Y         , 003 34 4XYCov X YD X D Y    故 X 与 Y 不相关,又     1 1 1 11, 1 , 1 18 8 8 64P X Y P X P Y              所以 X 与 Y 相互独立     , ,i j i jP X x Y y P X x X Y y        故 X 与 Y 不相互独立; 13.)()()(Y E X E XY E 是 X 与 Y 不相关的(B)(A)必要条件;(B)充分条件:(C)充要条件;(D)既不必要,也不充分。

14.)()()(Y E X E XY E 是 X 与 Y 相互独立的(A)A 必要条件;(B)充分条件:(C)充要条件;(D)既不必要,也不充分。

15.思考题:(1)设随机变量(X, Y)有联合密度函数如下:试验证 X 与 Y 不相关,但不独立。

  他 其 01 4 / 21),(2 2y x y xy x f P 3/8 2/8 3/8 Y-1 0 1 P 3/8 2/8 3/8

(2)设),(Y X有 他 其 0145),(2y x yy x f,试验证)()()(Y E X E XY E ,但 X 与 Y 不相互独立 解: 0421)(11122     xdxdyy xx X E 97421)(11122     xdxdyy xy Y E     11122421)(xdxdyy xxy XY E0,0  ,不相关   01 1 ,8)1(21421)(2 2122xx xdyy xx fxX     01 0 ,27421)(252yydxy xy fyy Y 显然:),()()(y x f y f x fY X ,所以 X 与 Y 不独立.(2)设),(Y X有 他 其 0145),(2y x yy x f,试验证)()()(Y E X E XY E ,但 X 与 Y 不相互独立 解: 045)(1112     xdxdyyx X E 7545)(1112     xd x d yyy Y E 045)(1112     xdxdyyxy XY E)()()(Y E X E XY E    01 1 ,8)1(545)(412xxdyyx fxX     01 0 ,2545)(23yydxyy fyy Y 显然:),()()(y x f y f x fY X ,所以 X 与 Y 不独立.讨论)()()(Y E X E XY E 与独立性,相关性与独立性之间的关系 解:若 X 与 Y 相互独立,则)()()(Y E X E XY E ,反之不成立.独立一定不相关,反之不真.第五章大数定律及中心极限定理 1.一批元件的寿命(以小时计)服从参数为 0.004 的指数分布,现有元件 30 只,一只在用,其余 29 只备用,当使用的一只损坏时,立即换上备用件,利用中心极限定理求 30 只元件至少能使用一年(8760 小时)的近似概率。

解:设第 I 只元件的寿命为     21,2, , 30;250;250.i i iX i E X D X    301iiY X 是这 30 只元件的寿命总和。

   2250 30 7500;30 250 E Y D Y      所以 30301175008760 7500 8760 75008760 8760 130 250 30 250 30 250iiiiXP Y P X P                               1 0.9201 1 0.8212 0.1788      2.某一随机试验,“成功”的概率为 0.04,独立重复 100 次,由中心极限定理求最多“成功”6 次的概率的近似值。

解:X 是实验成功的次数,则  100,0.04;100 0.04;100 0.04 0.96 1.92 X B np npq            0 4 4 6 40 6 1.041 2.0833 0.8508 1 0.9812 0.8321.92 1.92 1.92XP X P                   第六章样本与统计量 1.有 n=10 的样本;1.2,1.4,1.9,2.0,1.5,1.5,1.6,1.4,1.8,1.4,则样本均值 X =,样本均方差 S,样本方差2S。

解:1 21.2 1.4 1.9 2.0 1.5 1.5 1.6 1.4 1.8 1.41.5710nx x xXn                          1022 2 2 2 2211 11.2 1.57 1.4 1.57 1.9 1.57 2.0 1.57 1.5 1.571 9iis x xn                      2 2 2 2 21.5 1.57 1.6 1.57 1.4 1.57 1.8 1.57 1.4 1.57 0.0646            0.254 s  2.设总体方差为2b有样本nX X X , , ,2 1,样本均值为 X,则),(1X X Cov。

解:因为样本nX X X , , ,2 1均值的期望等于总体的期望,即   E X E X  又      1,2, ,iE X E X i  ,所以     1,2, ,iE X E X i  

因为        , Cov X Y E XY E X E Y  且          , Cov X X E XX E X E X D X    所以               1 1 1, Cov X X E X X E X E X E XX E X E X D X      又 2bD Xn,所以   21 ,bCov X X D Xn  3.查有关的附表,下列分位点的值:9.0Z=,)5(21.0=,)10(9.0t=。

解:0.9 0.11.28(9)Z Z    逆查标准正态分布表,属于参数的区间估计问题。

20.1(5)9.236  查附表 4,0.1, 5 n       1, t n t n  (P132)   0.9 0.110 10 1.3722, t t    查附表 3 0.1, 10 n    5.设总体),(~2  N X,样本nX X X , , ,2 1,样本均值 X,样本方差2S,则   ~ 0,1/XNn;   ~ 1/Xt nS n   2 2211()~ 1niiX X n    2 2 2 22 21 221 11()~n ni nii iX X X XX n                                         iX 是标准化。

第七章 参数估计 1.设总体 X 的密度函数为: 他 其 01 0)(1x xx f,有样本nX X X , , ,2 1,求未知参数  的矩估计。

解:总体期望为   11 11 10 001 1E X x x dx x dx x            由矩估计法,令1X,所以1XX ,即21XX    2.每分钟通过某桥量的汽车辆数)(~   X,为估计  的值,在实地随机地调查了 20 次,每次 1 分钟,结果如下 次数:

2 3 4 5 6

量数:

9 5 3 7 4 试求  的一阶矩估计和二阶矩估计。

解:2.5  x,8.62 s,1 EX,21 DX,所以1923.01ˆ x,3835.01ˆ s 3.设总体 X 的密度函数为:  他 其 01 0)1()(x xx f,有样本nX X X , , ,2 1,求未知参数  的极大似然估计。

解:

似然函数为 1 1(1)(1)(),n nni ii iL x x         两边取对数 1ln ln(1)()nniiL x      即 1ln ln(1)lnniiL n x      两边对  求导  1ln1 1ln 01 2 2niid Lnxd         得  的极大似然估计211lnniinx         4.纤度是衡量纤维粗细程度的一个量,某厂化纤纤度),(~2  N X,抽取 9 根纤维,测量其纤度为:1.36,1.49,1.43,1.41,1.27,1.40,1.32,1.42,1.47,试求  的置信度为95.0的置信区间,(1)若2 2048.0  ,(2)若2未知 解:(1)1.36+1.49+1.43+1.41+1.27+1.40+1.32+1.42+1.471.397, 0.05, 0.0489x       的置信度为95.0的置信区间 0.048 0.0481.96 , 1.96 1.397 1.96 ,1.397 1.96 1.387,1.4079 9x xn n                  (2)         22 2 2 22i1 1s = x = [ 1.36-1.397 1.49-1.397 + 1.43-1.397 + 1.41-1.397n-1 8x  

         2 2 2 2 2+ 1.27-1.397 + 1.40-1.397 + 1.32-1.397 + 1.42-1.397 + 1.47-1.397 ] 0.0049  的置信度为95.0的置信区间        /2 /2 0.025 0.0250.0049 0.00491 , 1 1.397 8 ,1.397 89 9s sx t n x t n t tn n                    0.0049 0.00491.397 2.306 ,1.397 2.306 1.3932,1.40089 9         的置信区间就是2的置信区间的端点的算术根  0.036, 0.076 5.为分析某自动设备加工的另件的精度,抽查 16 个另件,测量其长度,得075.12  x㎜,s = 0.0494 ㎜,设另件长度),(~2  N X,取置信度为95.0,(1)求2的置信区间,(2)求  的置信区间。

解:00244036.02 s,0366054.0)1(2  s n,262.6)15(2975.0 ,448.27)15(2025.0  所以2置信区间为:   0058.0 , 0013.0262.60366054.0,448.270366054.0.的置信区间为:[0.0361,0.0762] 第八章假设检验 1.某种电子元件的阻值(欧姆))400 , 1000(~ N X,随机抽取 25 个元件,测得平均电阻值992  x,试在1.0  下检验电阻值的期望  是否符合要求? 解:

2 2~(1000, 400), 20 X N  , 由题意,可提出假设检验:0 0 1 0: 1000;: 1000 H H         这是2为已知,关于  的双侧假设检验问题,因此用 U 检验法。取检验统计量  0~ 0,1 ,XU Nn其中25, 992.n x  且00992 10002,2025XUn    又0.0520.1, 1.65 Z Z   ,   02 22 , , , 1.65 1.65, U W Z Z                    拒绝1000 :0  H

2.在上题中若2未知,而 25 个元件的均方差25  s,则需如何检验,结论是什么? 解:由于方差未知,故用 t 检验.检验假设: 1000 :0  H,1000 :1  H 6.15 / 251000 992  t 查表 7109.1)24(05.0 t 由于7109.1 6.1   t,故接收原假设, 电阻值的期望  符合要求, 3.成年男子肺活量为3750  毫升的正态分布,选取 20 名成年男子参加某项体育锻练一定时期后,测定他们的肺活量,得平均值为3808  x毫升,设方差为2 2120  ,试检验肺活量均值的提高是否显著(取02.0  )? 解:

2 2 2~(3750, 120), 120 X N  , 根据题意,可提出假设检验:0 0 1 0: 3750;: 3750 H H         这是2为已知,关于  的双侧假设检验问题,因此用 U 检验法。取检验统计量  0~ 0,1 ,XU Nn其中20, 3808.n x  且003808 3750 1033.839,120 12020 20XUn     又0.0120.02, 2.34 Z Z   ,   02 23.839 , , , 2.34 2.34, U W Z Z                    拒绝0H:肺活量提高显著;

实践作业

实践作业1

暑假实践作业

实践作业小结

实践课程作业

本文标题: 概率论作业实践作业
链接地址:https://www.dawendou.com/fanwen/qitafanwen/402580.html

版权声明:
1.大文斗范文网的资料来自互联网以及用户的投稿,用于非商业性学习目的免费阅览。
2.《概率论作业实践作业》一文的著作权归原作者所有,仅供学习参考,转载或引用时请保留版权信息。
3.如果本网所转载内容不慎侵犯了您的权益,请联系我们,我们将会及时删除。

重点推荐栏目

关于大文斗范文网 | 在线投稿 | 网站声明 | 联系我们 | 网站帮助 | 投诉与建议 | 人才招聘 | 网站大事记
Copyright © 2004-2025 dawendou.com Inc. All Rights Reserved.大文斗范文网 版权所有