(05)第5章概率与概率分布

合集下载

(概率论与数理统计茆诗松) 第5章统计量及其分布

次序统计量的函数在实际中经常用到。如样本极差 Rn = x(n) x(1)
例5.3.9 设总体分布为U(0,1)， x1, x2,…, xn 为样本，则(x(n), x(1))的联合密度函数为
p1,n(y,z)=n(n1)(zy)n-2, 0 y z 1
令 R = x(n) x(1) ，由 R 0, 可以推出 0 x(1) = x(n)R 1 R ，
bk = (xi称为x)k样/n 本k阶中心矩。特别，样本二阶中心矩就是样本方差。
当总体关于分布中心对称时，我们用 x 和 s
刻画样本特征很有代表性，而当其不对称时，
只用 x 和 s 就显得很不够。为此，需要一些刻画
分布形状的统计量，如样本偏度和样本峰度，它们都是样本中心矩的函数。
定义： 1 = b3/b23/2 称为样本偏度， 2 = b4/b22 称为样本峰度。
次序统计量的应用之一是五数概括与箱线图。在得到有序样本后，容易计算如下五个值：最小观测值 xmin= x(1) , 最大观测值 xmax=x(n) , 中位数 m0.5 , 第一4分位数 Q1 = m0.25, 第三4分位数 Q3 = m0.75. 所谓五数概括就是指用这五个数：
xmin , Q1 , m0.5 , Q3 , xmax 来大致描述一批数据的轮廓。
当n 时样本 p 分位数 mp 的渐近分布为
p(1 p)
mp ~ Nxp,
n p2xp
特别，对样本中位数，当n时近似地有
m0.5
~Nx0.5,
4n
1 p2x0.5
例5.3.10 设总体为柯西分布，密度函数为
p(x,)= 1/[(1+(x)2)] , x + 不难看出是该总体的中位数，即x0.5= 。

统计学第五章习题正确答案

第五章概论与概率分布重点知识1．样本、样本空间、随机事件的定义；2．事件的运算：交、并、对立事件、互斥事件；3．概论的定义：古典定义、统计定义、经验定义；4．概率的计算：加法公式，乘法公式，条件概率，事件的独立性，全概率公式，贝叶斯公式； 5．随机变量的定义，有几种类型；6．离散型随机变量及其分布的定义与性质，数学期望与方差：重点了解二项分布及其简单性质； 7．连续型随机变量及其分布的定义与性质，数学期望与方差：重点了解正态分布及其简单性质，会根据标准正态分布计算任何正态分布随机变量的概率；复习题一、填空1．用古典法求算概率．在应用上有两个缺点：①它只适用于有限样本点的情况；②它假设。

2．若事件A 和事件B 不能同时发生，则称A 和B 是事件。

3．在一副扑克牌中单独抽取一次，抽到一张红桃或爱司的概率是；在一副扑克牌中单独抽取一次，抽到一张红桃且爱司的概率是。

4.甲、乙各射击一次，设事件A 表示甲击中目标，事件B 表示乙击中目标，则甲、乙两人中恰好有一人不击中目标可用事件表示.5.已知甲、乙两个盒子里各装有2个新球与4个旧球，先从甲盒中任取1个球放入乙盒，再从乙盒中任取1个球，设事件A 表示从甲盒中取出新球放入乙盒，事件B 表示从乙盒中取出新球，则条件概率P(B A )=＿＿．6.设A,B 为两个事件，若概率P (A )=41,P(B)=32,P(AB)=61,则概率P(A+B)=＿＿．7.设A,B 为两个事件，且已知概率P(A)=0.4,P(B)=0.3，若事件A,B 互斥，则概率P(A+B)=＿＿． 8.设A,B 为两个事件，且已知概率P(A)=0.8，P(B)=0.4，若事件A ⊃B ，则条件概率P(B A )=＿＿． 9.设A,B 为两个事件，若概率P(B)=103,P(B A )=61,P(A+B)=54,则概率P(A)=＿＿．10.设A,B 为两个事件，且已知概率P(A )=0.7，P(B)=0.6,若事件A,B 相互独立，则概率P(AB)=＿＿． 11.设A,B 为两个事件，且已知概率P(A)=0.4，P(B)=0.3,若事件A,B 相互独立，则概率P(A+B)=＿＿． 12.设A,B 为两个事件，若概率P(B)=0.84，P(A B)=0.21，则概率P(AB)=＿＿． 13.设离散型随机变量X 的概率分布如下表ccccPX 4322101-则常数c =＿＿．14.已知离散型随机变量X 的概率分布如下表４１４１21P321X则概率P ｛3<X ｝=＿＿．15.已知离散型随机变量X 的概率分布如下表6632P213-X１１则数学期望)(X E =＿＿．16.设离散型随机变量X 服从参数为p 的两点分布，若离散型随机变量X 取1的概率p 为它取0的概率q 的3倍，则方差)(X D =＿＿.17.设连续型随机变量的概率X 密度为⎪⎩⎪⎨⎧<<-=其他,0210,1)(2x x k x ϕ 则常数k =＿＿．18.设连续型随机变量X 的概率密度为⎩⎨⎧≤≤=其他,00,24)(2rx x x ϕ 则常数r =＿＿．19.已知连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧≥=-其他,00,2)(2x xex xϕ 则概率}11{<<-X P =＿＿．20.已知连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧≤≤=其他,021,2)(2x x x ϕ 则数学期望)(X E =_____．21.设X 为随机变量，若数学期望1)12(=-X E ，则数学期望)(X E =＿＿．22.设X 为随机变量，若方差3)63(=-X D ，则方差)(X D =＿＿．二、单项选择1.设A,B 为两个事件，若事件A ⊃B ，则下列结论中( )恒成立.(a)事件A,B 互斥（b)事件A,B 互斥 (c)事件A ,B 互斥 (d)事件A ,B 互斥 2.设A,B 为两个事件，则事件B A +=( ).(a)A +B (b)A-B (c)A B （d)AB3.投掷两颗均匀骰子，则出现点数之和等于6的概率为( ).(a)111 (b)115 (c)361 (d)3654.盒子里装有10个木质球与6个玻璃球，木质球中有3个红球、7个黄球，玻璃球中有2个红球、4个黄球，从盒子里任取1个球．设事件A 表示取到玻璃球，事件B 表示取到红球，则条件概率P(A B )=( )．(a)114 (b)74 (c)83 (d)535.设A,B 为两个事件，若概率P(A)=31,P(A B ）=32,P(A B )=53,则概率P(B)=＿＿．(a)51 (b)52 (c)53 (d)546.设A,B 为两个事件，且已知概率P(A)>O ，P(B)＞0，若事件A ⊃B,下列等式中( )恒成立．(a)P(A+B)=P(A)+P(B) (b)P(A-B)=P(A)-P(B)(c)P(AB)=P(A)P(B) (d)P(B A )=17.设A,B 为两个事件，则概率P(A+B)=( ).(a)P(A)+P(B) (b)P(A)+P(B)-P(A)P(B)(c)1-P （B A ) (d)1-P( A )P(B ) 8.设A,B 为两个事件，若概率P(A)=31,P(B)=41,P(AB)=121，则( ).(a)事件A 包含B (b)事件A ，B 互斥但不对立 (c)事件A ，B 对立 (d)事件A ，B 相互独立 9.设A,B 为两个事件，且已知概率P(A)=53,P(A+B)=107,若事件A,B 相互独立，则概率P(B)=( ).(a)161 （b)101 (c)41 (d)5210.设A,B 为两个事件，且已知概率P(A)>O ，P(B)>O ，若事件A,B 相互独立，则下列等式中( )恒成立．(a)P(A+B)=P(A)+P(B) (b)P(A+B)=P(A) (c)P(A-B)=P(A)-P(B) (d)P(A-B)=P(A)P(B )11.中（）可以作为离散型随机变量X 的概率分布．(a)6321-P321X１１ (b)653-21P321X１(c)6321P321X １１ (d)65321P321X １12.已知离散型随机变量X 的概率分布如下表52511015110142101PX-则下列概率计算结果中（）正确．(a)0}3{==X P (b)0}0{==X P . (c)1}1{=->X P (d)1}4{=<X P13.设离散型随机变量X 的所有可能取值为-1与l ，且已知离散型随机变良X 取-1的概率为)10(<<p p ，取1的概率为q ，则数学期望=)(2X E ( ).(a)O (b)l (c)p q - (d)2)(p q - 14.设连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧≥+=其他,00,1)(2x x kx ϕ 则常数k =( ).(a)π1(b)π (c)π2(d)2π15.下列函数中（）不能作为连续型随机变量X 的概率密度．(a)⎩⎨⎧≤≤-=其他,001,3)(2x x x f (b)⎪⎩⎪⎨⎧≤≤-=其他,021,2)(x x x g(c)⎪⎩⎪⎨⎧≤≤=其他,020,cos )(πx x x h (d)⎪⎩⎪⎨⎧≤≤=其他,02,sin )(ππx x x h 16.设X 为连续型随机变量,若b a ,皆为常数，则下列等式中（）非恒成立．(a)}{}{a X P a X P ==≥ (b)}{}{b X P b X P <=≤ (c)1}{=≠a X P (d)0}{==b X P 17.已知连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧<<=其他,040,81)(x x x ϕ 则数学期望)(X E =( ).(a)21 (b)2 (c)83 (d)3818.设X 为随机变量，若数学期望)(X E 存在，则数学期望))((X E E =（）.(a)O (b))(X E (c))(2X E (d)2))((X E 19.设X 为随机变量，若方差)(X D =4，则方差)43(+X D =（）.(a)12 (b)16 (c)36 (d)4020.设X ,Y 为随机变量，已知随机变量X 的标准差等于4，随机变量Y 的标准差等于3，若随机变量X ,Y 相互独立，则随机变量X -Y 的标准差等于（）.(a)1 (b)7 (c)5 (d)7四、名词解释1、数学期望：2、对立事件：3、随机事件：4、事件和：5、事件积：6、互斥事件：7、互相独立事件：五、判断题1．对于连续型随机变量，讨论某一点取值的概率是没有意义的。

概率论与数理统计(英文) 第五章

5. Random vectors and Joint Probability Distribution s随机向量与联合概率分布5.1 Concept of Joint Probability Distributions(1) Discrete Variables Case 离散型Often, trials are conducted where two random variables are observed simultaneously in order to determine not only their individual behavior but also the degree of relationship between them.( X, Y)For two discrete random variables X and Y, we write the probability that X will take the value x and Y will take the value y as P(X=x, Y=y). Consequently, P(X=x, Y=y) is the probability of the intersection of the events X=x and Y=y.(X=x, Y=y) ------ (X=x)∩(Y=y)The distribution of probability is specified by listing the probabilities associated with all possible pairs of values x and y, either by formula or in a table. We refer to the function p(x, y)=P(X=x, Y=y) and the corresponding possible values (X, Y) as the j oint probability distribution (联合分布)of X and Y.They satisfy(,)0, (,)1xyp x y p x y ≥=∑∑,where the sum is over all possible values of the variable.Example 5.1.1 Calculating probabilities from a discrete joint probability distributionLet X and Y have the joint probability distribution.(a) Find (1)P X Y +>;(b) Find the probability distribution ()()X p x P X x == of the individualrandom variable X . Solution(a) The event 1X Y +>is composed of the pairs of values (l,1), (2,0), and (2,l). Adding their corresponding probabilities(1)(1,1)(2,0)(2,1)0.20.100.3.P X Y p p p +>=++=++=(b) Since the event X =0 is composed of the two pairs of values (0,0) and (0,1), we add their corresponding probabilities to obtain(0)(0,0)(0,1)0.10.20.3P X p p ==+=+=.Continuing, we obtain (1)(1,0)(1,1)0.40.20.6P X p p ==+=+= and(2)(2,0)(2,1)0.100.1P X p p ==+=+=.In summary, (0)0.3X p =, (1)0.6X p = and (2)0.1X p =is the probabilitydistribution of X . Note that the probability distribution ()X p x of appears in the lower margin of this enlarged table. The probability distribution ()Y p y of Y appears in the right-hand margin of the table. Consequently, the individual distributions are called marginal probability distributions .（边缘分布）From the example, we see that for each fixed value of x , the marginalprobability distribution is obtained as()()(,)X yP X x p x p x y ===∑,where the sum is over all possible values of the second variable. Continuing, we obtain()()(,)Y xP Y y p y p x y ===∑.Example 3.5.3Suppose the number X of patent applications （专利申请）submitted by a company during a 1-year period is a random variable having thePoisson distribution with mean λ, (()!n e P X n n λλ-==)and the variousapplications independently have probability (0,1)p ∈ of eventually being approved.Determine the distribution of the number of patent applications during the 1-year period that are eventually approved.先求联合分布密度，再求边缘分布Solution Let Y be the number of patent application being eventually approved during 1-year period. Then the event {}Y k = is the union of mutually exclusive events {,}X n Y k == ()n k ≥.If X n =, then the random variable S has the binomial distribution with parameter n and p :(|)(1)k k n k n P Y k X n C p p -===-. (0)n k ≥≥ Thus(,)()(|)P X n Y k P X n P Y k X n ====== (1)!nk kn k n e C p p n λλ--=⋅⋅-when k>n, P(X=n, Y=k)=0,Hence the distribution of Y is()(,)(,)n n kP Y k P X n Y k P X n Y k ∞∞=========∑∑(1)!nk kn k n n ke C p p n λλ∞--==⋅⋅-∑!(1)!!()!nk n k n k n e p p n k n k λλ∞--==⋅⋅--∑(1)!()!kn kkn k n ke p p k n k λλλ-∞--==⋅⋅--∑()(1)(1)()()!!!mk k p m p p p e e ek m k λλλλλλ∞---=-==∑ ()!k pp e k λλ-= Thus, Y has the Poisson distribution of mean p λ. exercise从1，2，3，4，5五个数中不放回随机的接连地取3个，然后按大小排成123X X X <<，试求13(,)X X 的联合分布，x1,x3 独立吗？Homework Chap 5 1,(2) Continuous Variables Case 连续型随机向量There are many situations in which we describe an outcome by giving the values of several continuous random variables. For instance, we may measure the weight and the hardness of a rock, the pressure and the temperature of a gas. Suppose that X and Y are two continuous random variables. A function (,)f x y is called the joint probability density of these random variables, if the probability that , a X b c Y d ≤≤≤≤ is given by the multiple integral(, )(,)b da cP a X b c Y d f x y dxdy ≤≤≤≤=⎰⎰Thus, a function (,)f x y can serve as a joint probability density if all of the following hold:for all values of x and y , f is integrable on R 2 andTo extend the concept of a cumulative distribution function to the two variables case, we can define F (x , y )(, )(, )F x y P X x Y y =≤≤,and we refer to the corresponding function F as the joint cumulative distribution function of the two random variables.Example 5.1.2If the joint probability density of two random variables is given by236 for 0,0(,)0 elsewherex y e x y f x y --⎧>>=⎨⎩ Find the joint distribution function, and use it to find the probability(2,4)P X Y ≤≤.Solution By definition,23006 for 0, 0(,)(,)0 elsewhere y x yu vxe du e dv x y F x yf u v dudv ---∞-∞⎧>>⎪==⎨⎪⎩⎰⎰⎰⎰Thus,23(1)(1) for >0, >0(,)0 elsewhere x y e e x y F x y --⎧--=⎨⎩.Hence,412(2, 4)(2, 4)(1)(1)0.9817P X Y F e e --≤≤==--=.ExampleIf the joint probability density of two random variables is given by2,1,01(,)0,kxy x y x f x y ⎧≤≤≤≤=⎨⎩其他(a)find the k; (b)find the probability2((,)),{(,)|,01}P X Y D D x y x y x x ∈=≤≤≤≤solutionsince(,)1f x y dxdy ∞∞-∞-∞=⎰⎰24111001(,)()226x x kf x y dxdy dx kxydy k x dx ∞∞-∞-∞==-=⎰⎰⎰⎰⎰ hence k=6.21124001((,))663()4xx DP X Y D xydxdy dx xydy x x x dx ∈===-=⎰⎰⎰⎰⎰joint marginal densities 边缘密度Given the joint probability density of two random variables, the probability density of the X or Y can be obtained by integrating out another variable,The functions f X and f Y respectively are called the marginal density （边缘密度）of X and Y .,ExampleThe joint probability density of two random variables is given by26,1,01(,)0,xy x y x f x y ⎧≤≤≤≤=⎨⎩其他find the marginal density from the joint density when [0,1]x ∈，215()(,)633X xf x f x v dv xydy x x +∞-∞====-⎰⎰[0,1]x ∉，()0X f x =，hence 533,01()0,X x x x f x elsewhere ⎧-≤≤=⎨⎩23,01()0,Y y y f x elsewhere ⎧≤≤=⎨⎩exercises求服从B 上均匀分布的随机向量（X,Y ）的分布密度及分布函数。

概率论与数理统计第5章

i 1 4 i 2 2 i i 1
n
n
性质2.（分布可加性）:若X～2(n1)，Y～2(n2)，X与 Y独立，则
X + Y～2(n1+n2 )
3、2分布表及有关计算
(1)构成 P{2(n)>λ}=α，已知n, α可查表求得λ; (2)有关计算P 2 (n) 2 (n) 称为上侧α分位数
例5.1 设 X ~ N ( , 2 ) (X1,X2,…,Xn)为X的一个样本，
求(X1,X2,…,Xn)的密度。解 (X1,X2,…,Xn)为X的一个样本，故
X i ~ N ( , 2 )
n
i 1,2,, n
f ( x1 , x2 ,, xn ) f ( xi )
16 2
解
i 1,2,,16
2 1 16 2 2 P ( X i ) P 8 2 (16) 16 2 16 i 1
2—分布的密度函数f(y)曲线
n/2 1 f ( y) 2 ( n / 2) y 0,
n y 1 2 2
e , y0 y0
2 例5.4 X ~ N ( , ) (X1,X2,X3)为X的一个样本
X 1 X 2 X 3 的分布。求

(n)为整体记号
2
2 (n) 2 2 查表得 0 ( 25 ) 34 . 382 10) 18.307 .1 0.05 (
1 当n充分大时，近似有 (n ) (u 2n - 1) 2 2
2
练习1. P(2(n)<s)=1-p ∵P(2(n) < s)=1- P(2(n) s )=1-p ∴ P(2(n) s )=p 2 s p (n) 练习2. P(2(11)>s)=0.05,求s

第五章概率与概率分布

P( A)
事件A发生的次数m 重复试验次数n

m n
英语字母出现频率
space 0.2 ; I 0.055 ; C 0.023 ; G 0.011 ; Q 0.001 ; E R U B Z 0.105 ; T 0.072 ; 0.054 ; S 0.052 ; 0.0225 ; M 0.021 ; 0.0105 ; V 0.008 ; 0.001 O H P K 0.0654 ; 0.047 ; 0.0175 ; 0.003 ; A D Y X 0.063 ; 0.035 ; 0.012 ; 0.002 ; N 0.059 L 0.029 W 0.012 J 0.001
一、概率(Probability)的定义
概率：0-1之间的数，衡量事件A发生可能性（机会）的数值度量。记P（A） •Probability: A value between 0 and 1, inclusive, describing the relative possibility (chance or likelihood) an event will occur.
P ( A) A包含的可能结果 (偶数 ) 全部可能结果 3 6
实际与理论分析不符时，实际中可能作弊。
如：河北银行人员为买奖券，盗2000万并没中大奖。
西安彩票中心人员中奖率极高,结果是作弊。
例：已知有148名学生统计表
专业
性别
男女
金融学院工商学院经济学院会计学院 15 15 22 14 30 12 25 15
摘自：概率论与数理统计简明教程1988》李贤平卞国瑞立鹏，高等教育出版社
吴
大量统计的结果,用于破解密码
美国正常人血型分布

统计(05)第5章__概率与概率分布

3. P(A∪A)= P(A)+P(A)= P ( ) = 1
统计学
概率的加法法则
(例题分析)
【例】根据钢铁公司职工的例子，随机抽取一名职工，计算该职工为炼钢厂或轧钢厂职工的概率
某钢铁公司所属企业职工人数工厂男职工女职工合计
炼铁厂炼钢厂轧钢厂合计
4400 3200 900 8500
P ( C ) =P ( A∪B ) = P ( A ) + P ( B ) - P ( A∩B ) =0.2 + 0.16 - 0.08 = 0.28
统计学
5.2.3 条件概率、乘法公式与独立事件
统计学条件概率 (conditional probability)
• 在事件B已经发生的条件下，求事件A发生的概率，称这种概率为事件B发生条件下事件A发生的条件概率，记为
统计学
事件的独立性
(例题分析)
【例】某工人同时看管三台机床，每单位时间(如30分钟)内机床不需要看管的概率：甲机床为0.9，乙机床为0.8，丙机床为0.85。若机床是自动且独立地工作，求
（1）在30分钟内三台机床都不需要看管的概率
二. 条件概率、乘法公式与独立事件三. 全概率公式和贝叶斯公式
统计学
5.2.1 概率的性质
统计学
1. 非负性
–) 1
2. 规范性
– 必然事件的概率为1；丌可能事件的概率为0。即P ( ) = 1； P ( ) = 0
若A不B互斥，则P ( A∪B ) = P ( A ) + P ( B ) 推广到多个两两互斥事件A1，A2，…，An，有 P ( A1∪A2 ∪… ∪An) = P ( A1 ) + P (A2 ) + …+ P (An )

练习题答案05

第五章概率、概率分布与临床决策练习题一、最佳选择题1．若事件A 和事件B 互不相容，则一定有（）。

A. P (A +B )=P (A )+P (B )B. P (A +B )=P (AB )C. P (AB )= P (A ) P (B )D. P (A │B )= P (A )E. P (B │A )= P (B )2．若人群中某疾病发生的阳性数X 服从二项分布，则从该人群随机抽取n 个人，阳性数X 不小于k 人的概率为( )。

A. P (k )+ P (k +1)+…+ P (n )B. P (k +1)+ P (k +2)+…+ P (n )C. P (0)+ P (1)+…+ P (k )D. P (0)+ P (1)+…+ P (k -1)E. P (1)+ P (2)+…+ P (k -1)3．Poisson 分布的标准差σ和平均数λ的关系是( )。

A.λ=σ B. λ<σ C. λ=σ2 D. λ= E. λ>σ4．当n 很大，二项分布在下列条件下可用Poisson 分布近似（）。

A. λπ≈nB. λ≈n X /C. λππ≈-)1(nD. λππ≈-)1(E. λππ≈-n /)1(5．对于任何两个随机变量X1和X2，一定有( )。

A. E (X 1+X 2)＝E (X 1)+E (X 2)B. V (X 1+X 2)＝V (X 1)+ V (X 2)C. E (X 1+X 2)＝E (X 1)·E (X 2)D. V (X 1+X 2)＝V (X 1)·V (X 2)E. E (X 1+X 2)＝E (X 1X 2)二、问答题1．简述概率的统计定义。

2．举例说明医学观察结果中的离散型随机变量和连续型随机变量。

3．举例说明医学现象中的先验概率和后验概率。

4．简述二项分布的应用条件。

5．简述Poisson 分布的性质特征。

6．简述概率和概率分布在临床决策中的运用。

概率论与数理统计答案第五章(东华大学出版)

第五章复习题Page1941、设i (i=1,2,,50)ξ 是相互独立的随机变量，且它们都服从参数为0.03λ=的泊松分布。

记1250ξξξξ=+++ ，试用中心极限定理计算P(3)ξ≥。

解：由中心极限定理可认为~ξ((),())(1.5,1.5)N E D N ξξ=，则(3)P ξ≥1.31.5)1)1(1.225)10.889751.51.5P ===-Φ=-=。

2、一部件包括10部分。

每部分的长度是一个随机变量，它们相互独立且具有同一分布。

其数学期望为2mm ，均方差为0.05mm ，规定总长度为20±0.1mm 时产品合格，试求产品合格的概率。

解：由中心极限定理可认为总长度~ξ((),())(20,0.025)N E D N ξξ=，则(19.920.P ξ≤≤()2(0.6325)10.4735025P ξ=≤=Φ-=。

3、一个加法器同时收到20个噪声电压(1,2,,20)k V k = 。

设它们是相互独立的随机变量，且都在区间[0,10]上服从均匀分布。

V 为加法器上受到的总噪声电压，求(105)P V >解：由中心极限定理可知)3500,100()121020,520())(),((~2N N V D V E N V =⨯⨯=，则(105))1(0.39)10.65170.3483P V P >=>=-Φ=-= 4、计算机在进行加法时，对每个加数取整（取为最接近它的整数），设所有的取整误差是相互独立的，且它们都在(0.5,0.5]-上服从均匀分布。

（1）若将1500个数相加，问误差总和的绝对值超过15的概率是多少？（2）问几个数加在一起可使得误差总和的绝对值小于10的概率为0.90？解：（1）由中心极限定理：误差总和)125,0()1211500,01500(~N N =⨯⨯ξ，因此(||15)2(12(10.9099)0.1802P P ξ>=>=-Φ=⋅-=。

第五章概率及概率分布

P A B P ( A) P ( B)
16
第一节概率的一般概念
三、概率的加法和乘法 1、概率的加法例如：抛掷一枚硬币，正面朝上和正面朝下的概率各为0.50，问在实验中，硬币正面朝上或朝下的概率是多少？答：硬币正面朝上或朝下的概率是1。获得一、二、三等奖的概率分别为：0.002、0.005和0.993，获奖的概率是多少？答：获奖的概率为1。
17
第一节概率的一般概念
三、概率的加法和乘法 2、概率的乘法 A事件出现的概率不影响B事件出现的概率，这两个事件为独立事件。两个独立事件积的概率，等于这两个事件概率的乘积。表示两个事件同时出现的概率。用公式可表示为：
P ( A B ) P ( A) P ( B)
18
第一节概率的一般概念
npq 101/ 2 1/ 2 1.58
31
第二节二项分布
四、二项分布的平均数和标准差例如：有一份试卷，共有50道选择题，并且都为四选一，假定一个学生一点都不会，只能凭猜测来回答。问凭猜测来回答，平均能猜对几道题，猜对题目数的标准差为多少。分析：因为完全不会做而只是靠猜测，因此属于二项分布的运用条件。
8
第一节概率的一般概念
一、概率的定义（2）后验概率——
表5.1 抛掷硬币试验中正面朝上的频率试验者德摩根蒲丰皮尔逊皮尔逊抛硬币次数 2048 4040 12000 24000 正面朝上次数 1061 2048 6019 12012 正面朝上频率 0.5181 0.5069 0.5016 0.5005
职教学院刘春雷 E-mail：lcl2156@
1
第五章
概率及概率分布
第一节概率的一般概念第二节二项分布

陈国华等主编概率论与数理统计第五章习题解答

x>0 x≤0
(α > 0, β > 0)
a a 1 1 1 dx = ∫ cos(tx) ⋅ dx + ∫ sin(tx) ⋅ dx −a −a −a 2a 2a 2a 1 1 1 = ⋅ sin(tx) |a sin(at ) x =− a = at 2a t t −1 （2）参数为 λ 的指数分布的特征函数为， φ X (t ) = (1 − i ) ，参数为 λ 的指数分布可看做
1
π (1 + x 2 )
(−∞ < x < +∞) ；
⎧A ⎪ (D) X i 的概率函数为： g ( x) = ⎨ x 3 ⎪0 ⎩
x ≥1 x <1
(i = 1,2,3, ) ．
答案：CABAD 三．解答题
1．一颗骰子连续掷 4 次，点数总和记为 X ，估计 p (10 < X < 18) ．
3．已知随机变量 X 的数学期望为 10，方差 DX 存在且 P (−20 < X < 40) ≤ 0.1 ，则
DX ≥ ． 4．设 X 1 , X 2 , , X n，为独立同分布的随机变量序列，且 X i (i = 1,2, ) 服从参数为 2 的
指数分布，则 n → ∞ 当时， Yn =
1 n 2 ∑ X i 依概率收敛于 n i =1
1 1 ln n + ln n = 0 2 2
n
DX n = EX n = ln n
n 1 1 D ( Xi) = 2 ∑ 2 n n i =1
2
∑ ln i → 0(n → ∞)
i =1
根据马尔可夫大数定律， {X n } 服从大数定律。
3 、已知随机变量 X 和 Y 的数学期望、方差以及相关系数分别为 E ( X ) = E (Y ) = 2 ,

贾俊平《统计学》(第5版)章节题库-第5章概率与概率分布【圣才出品】

客购买其他商品。则某顾客来超市购买食品的条件下，也购买其他商品的概率为（）。
A．0.80
B．0.60
C．0.4375
D．0.35
【答案】C
【解析】由于 A =顾客购买食品， B =顾客购买其他商品。则有 P A 80% ，
P B=
60%
,
P AB 35% 。则 P B
A
P AB P A
0.35 0.8
A．抛掷多次硬币，恰好有一半结果正面朝上 B．抛掷两次硬币，恰好有一次结果正面朝上 C．抛掷多次硬币，出现正面的次数接近一半 D．抛掷一次硬币，出现的恰好是正面【答案】C
【解析】概率的统计定义：在相同条件下随机试验 n 次，事件 A 出现 m 次 m n ，
则比值 m n 称为事件 A 发生的频率。随着 n 的增大，该频率围绕某一常数上下波动，趋于
者对工作不满意，或者二者皆有的概率为 P AB P AB P AB P A
P B P AB 0.4 0.3 0.15 0.55 。
10．一家超市所作的一项调查表明，有 80％的顾客到超市是来购买食品，60％的人
是来购买其他商品，35％的人既购买食品也购买其他商品。设 A =顾客购买食品， B =顾
4．随机抽取一只灯泡，观察其使用寿命 t ，其样本空间为 Ω=（）。 A．{ t 0 } B．{ t 0 } C．{ t 0 } D．{ t 0 }
【答案】D 【解析】一个试验中所有的简单事件的全体称为样本空间或基本空间。灯泡的使用寿
命样本空间为 Ω={ t 0 }。
5．观察一批产品的合格率 p ，其样本空间为 Ω=（）。 A．{ 0 p 1 }
稳定，这个频率的稳定值即为该事件的概率，记为 P(A)。故概率 P(A)=1／2 的含义是抛掷多次硬币，出现正面的次数接近一半。

概率分布及概率分布图

概率密度函数图
总结词
概率密度函数图是一种展示连续概率分布的图形，通过曲线的高低表示概率密度的大小。
详细描述
概率密度函数图是连续概率分布的图形表示，它通过曲线的高低表示概率密度的大小。在概率密度函数图中，曲线下方的面积表示事件发生的概率。这种图形可以帮助我们了解连续随机变量的分布情况，并用于估计和预测未来的事件。
02 离散概率分布
二项分布
01
02
03
定义
二项分布是描述在n次独立重复的伯努利试验中成功的次数的概率分布。
公式
$B(n, p) = C(n, k) p^k (1-p)^{n-k}$，其中C(n, k)是组合数，表示从n个不同项中选取k个的方法数。
应用场景
例如，抛硬币的结果（正面或反面），或者给定数量的独立事件中成功事件的次数。
泊松分布
定义
泊松分布是描述在单位时间内（或单位面积内）随机事件的次数，当这些事件以小概率发生，并且这些事件之间是独立的。
公式
应用场景
例如，放射性衰变或者网络中同时发生的请求数。
$P(X=k) = frac{e^{lambda}lambda^k}{k!}$，其中 $lambda$是事件的平均发生率。
05 概率分布及概率分布图的应用实例
在统计学中的应用
1 2 3
描述性统计
概率分布图可以用来描述数据的分布情况，如频数分布图、直方图等，帮助我们了解数据的集中趋势、离散程度等。
假设检验
在假设检验中，概率分布图可以用来表示样本数据和理论分布之间的比较，帮助我们判断样本数据是否符合预期的分布。
概率分布的种类
离散概率分布
描述离散随机变量的取值概率，如二项分布、泊松分布等。

《概率论与数理统计》课件第五章大数定律及中心极限定理

有极其重要的地位？
4.大样本统计推断的理论基础
是什么？
大数定律中心极限定理
随机现象中平均结果的稳定性
大数定律的客观背景
大量抛掷硬币正面出现频率
字母使用频率
生产过程中的废品率
§5.1 大数定律
背景：1. 频率稳定性2. 大量测量结果算术平均值的稳定性
回顾
随机现象的主要研究方法
概率分布
01
证：_x001A__x001B__x001B_,_x001A__x001B__x001B_,⋯, _x001A__x001B__x001B_, ⋯相互独立同分布，则_x001A__x001B__x001B__x001B_,_x001A__x001B__x001B__x001B_, ⋯,_x001A__x001B__x001B__x001B_, ⋯也相互独立同分布,由辛钦大数定律得证.
第五章大数定律及中心极限定理
§5.1 大数定律§5.2 中心极限定理
要点：用切比雪夫不等式估算概率独立同分布,用中心极限定理计算对于二项分布，当n很大时，计算
本章要解决的问题
1.为何能以某事件发生的频率
作为该事件的概率的估计？
2.为何能以样本均值作为总体
期望的估计？
3.为何正态分布在概率论中占
解：(1)设X表示一年内死亡的人数，则~(, )，其中=，=.%. 设Y表示保险公司一年的利润，=×−.需要求的是_x001A_<_x001B_.
由中心极限定理
_x001A_<_x001B_=_x001A_×−<_x001B_ =_x001A_>_x001B_=−_x001A_≤_x001B_
且，
由中心极限定理
解：设为第i个螺丝钉的重量，相互独立同分布. 于是，一盒螺丝钉的重量为

概率论与数理统计复旦第5章习题详解

（2）求有 1 名家长来参加会议的学生数不多于 340 的概率.
【解】（1）以 Xi(i=1,2,…,400)记第 i 个学生来参加会议的家长数.则 Xi 的分布律为
Xi
0
1
2
P
0.05
0.8
0.15
易知 E（Xi=1.1）,D(Xi)=0.19,i=1,2,…,400.
400
而 X Xi ,由中心极限定理得 i

1 6

52

1 6

62

1 6

91 6
,
从而
D( X i
)

E
(
X
2 i
)
[E( Xi )]2

91 6

7 2
2

35 12
.
又 X1,X2,X3,X4 独立同分布.
从而 E(X )

4
E(
i 1
Xi)

4 i 1
E( Xi )

4

7 2
14,
D(X )
习题五
1.一颗骰子连续掷 4 次，点数总和记为 X.估计 P{10<X<18}.
4
【解】设 X i 表每次掷的点数，则 X X i i 1
E(Xi
)

1
1 6

2

1 6

3
1 6

4
1 6

5
1 6

6
1 6

7 2
,
E
(
X
2 i
)

《贾俊平统计学考研真题含复试与典型习题详解第6版》读书笔记PPT模板思维导图下载

内容简介
第1章导论
1.2 课后习题详解
1.1 复习笔记
1.3 典型习题详解
第2章数据的搜集
2.2 课后习题详解
2.1 复习笔记
2.3 典型习题详解
第3章数据的图表展示
3.2 课后习题详解
3.1 复习笔记
3.3 典型习题详解
第4章数据的概括性度量
4.2 课后习题详解
4.1 复习笔记
4.3 典型习题详解
第5章概率与概率分布
5.2 课后习题详解
5.1 复习笔记
5.3 典型习题详解
第6章统计量及其抽样分布
6.2 课后习题详解
6.1 复习笔记
6.3 典型习题详解
第7章参数估计
7.2 课后习题详解
7.1 复习笔记
7.3 典型习题详解
第8章假设检验
8.2 课后习题详解
8.1 复习笔记
8.3 典型习题详解
第9章分类数据分析
9.2 课后习题详解
9.1 复习笔记
9.3 典型习题详解
第10章方差分析
10.2 课后习题详解
10.1 复习笔记
10.3 典型习题详解
第11章一元线性回归
11.2 课后习题详解
11.1 复习笔记
11.3 典型习题详解
第12章多元线性回归
12.2 课后习题详解
12.1 复习笔记
12.3 典型习题详解
第13章时间序列分析和预测
13.2 课后习题详解
13.1 复习笔记
13.3 典型习题详解
第14章指数
14.2 课后习题详解
14.1 复习笔记

概率论与数理统计(经管类)第五章课后习题答案

Φ 2.5
7. 某车间有同型号机床 200 台,它们独立地工作者,每台开动的概率均为 0.6,开动时耗电均为 1 千瓦. 问电厂至少要供给该车间多少电力,才能以 99.9%的概率保证用电需要? 解:用 X 表示 200 台机台开动的台数. X~B(200,0.6) np 200 0.6 120, npq 6.9, 设 N 为满足条件的最小正整数 P0 P Φ Φ 0 N N 120 6.9 120 6.9 120 6.9 X 120 6.9 Φ N 120 6.9
D X
2
1
µ|
250 1002
3σ .
0.975.
3. 设随机变量 X 服从正态分布N µ, σ .试估计概率P |X 解:因 X 服从正态分布,则D X σ P |X µ| 3σ
D X
2
σ 3σ
2
1 9
4. 已知随机事件 X 的期望 E(X)=100,方差 D(X)=10,估计 X 落在(80,120)内的概率. 解: P 80 120 P |X 100| 20 1
Y
1,2,··· ,0
∑
X ,n
1,2,
, Φ x 为标准正态分布函数,则
lim
P
1 = B .(依据棣莫弗‐拉普拉斯中心极限定理)
Φ 1 D.1.6 0, 事件 A 不发生, 1, 事件 A 发成 , (i=1,2,…,100),且 P(A)=0.8, X1,X2,…,X100 相互独
1 Φ 1.66 1 1 Φ 1.67 0.9525 6. 有一批建筑房屋用的木柱,其中 80%的长度不小于 3 米,现从这批木材中随机抽取 100 根,问其中至少有 30 根短于 3 米得概率是多少? 解:用 X 表示 100 根木柱中短于 3 米得根数则 X~B(100,0.2), np PX 1 1 100 0.2 20, npq 30 1 P X 30 P X 4 20 30 4 0.0062 20 4,

概率论与数理统计第五章

第 ×× 次课 2学时本次课教学重点：常用的统计量本次课教学难点：总体，简单随机样本，统计量的概念。

本次课教学内容：第五章数理统计的基础知识第一节数理统计的基本概念教学组织：一、引言在前五章中我们学习了概率论的基本内容，因为随机变量及其所伴随的概率分布全面描述了随机现象的统计规律性，所以在概率论的许多问题中，概率分布通常都是已知的，或者假设是已知的，而一切计算与推理都是在此基础上得出来的。

然而，实际情况往往并非如此。

一个随机现象所服从的分布概型可能完全不知道，或者只知道其概型而不知其分布函数中所含的参数。

例如，某工厂生产的灯泡的寿命服从什么分布是不知道的。

再如，某厂生产的一件产品是合格品还是不合格品，我们知道它服从两点分布，但其参数p 却不知道。

那么怎样才能知道一个随机现象的分布或其参数呢？这就是数理统计所要解决的一个首要问题。

为了获得灯泡的寿命分布，我们从所有的灯泡中抽出一部分进行观察与测试以取得相关信息，从而做出推断。

由于观察和测试是随机现象，依据有限个观察与测试对整体所做出的推断不可能绝对准确，这个不确定性我们用概率来表达。

数理统计学的基本问题就是依据观测或试验所取得的有限信息对整体做出推断，每个推断必须伴有一定的概率来表明其可靠程度。

这种伴有一定概率的推断称为统计推断。

二、总体与随机样本 1、总体在数理统计中，我们往往研究有关对象的某一数量指标(如灯泡的寿命这一数量指标)。

为此，考虑与这一数量指标相联系的随机试验，对这一数量指标进行试验或观察。

我们把研究对象的全体所构成的一个集合称为总体，总体中的每个对象称为个体。

总体中所包含的个体的个数称为总体的容量。

容量有限的总体称为有限总体，容量无限的总体称为无限总体。

例如，考察某批灯泡的质量，如这一批灯泡共有5000只，每个灯泡的寿命是一个可能的观察值，是一个个体。

所有5000只灯泡的寿命是一个有限总体。

概率论与数理统计第五章习题详解 (2)

习题五1 .已知()1E X =，()4D X =，利用切比雪夫不等式估计概率{}1 2.5P X -<.解：据切比雪夫不等式{}221P X σμεε-<≥-{}241 2.51 2.5P X -<≥-925=.2．设随机变量X 的数学期望()E X μ=，方程2()D X σ=，利用切比雪夫不等式估计{}||3P X μσ-≥.解：令3εσ=，则由切比雪夫不等式{}2()||3D X P X μσε-≥≤，有{}221||3(3)9P X σμσσ-≥≤=.3. 随机地掷6颗骰子，利用切比雪夫不等式估计6颗骰子出现点数之和在1527 之间的概率.解：设X 为6颗骰子所出现的点数之和；i X 为第i 颗骰子出现的点数，1,2,,6i = ，则61ii X X==∑，且126,,...,X X X 独立同分布，分布律为：126111666⎛⎫ ⎪⎪ ⎪⎝⎭，于是6117()62i k E X k ==⋅=∑6221191()66i k E X k ==⋅=∑所以22()()()i i i D X E X E X =-914964=-3512=，1,2,,6i =因此 617()()6212ii E X E X===⨯=∑6135()()612i i D X D X ===⨯∑352=故由切比雪夫不等式得：{}{}|5271428P X P X ≤≤=<<{}7217P X =-<-< {}|()|7P X E X =-<2()17D X ≥-13559114921414=-⨯=-=.即6颗骰子出现点数之和在1527 之间的概率大于等于914.4. 对敌阵地进行1000次炮击，每次炮击中。

炮弹的命中颗数的期望为0.4，方差为3.6，求在1000次炮击中，有380颗到420颗炮弹击中目标的概率.{}1|()|7P X E X =--≥解：以i X 表示第i 次炮击击中的颗数(1,2,,1000)i =有()0.4i E X = ，() 3.6i D X =据定理：则10001380420i i P X =⎧⎫<≤⎨⎬⎩⎭∑420400380400--≈Φ-Φ11()()33=Φ-Φ-12()13=Φ- 20.62931=⨯- 0.2586= .5. 一盒同型号螺丝钉共有100个，已知该型号的螺丝钉的重量是一个随机变量，期望值是100g ，标准差是10g . 求一盒螺丝钉的重量超过10.2kg 的概率.解：设i X 为第i 个螺丝钉的重量，1,2,,100i = ，且它们之间独立同分布，于是一盒螺丝钉的重量1001ii X X==∑，且由()100i E X =10=知()100()10000i E X E X =⨯=，100=，由中心极限定理有：100001020010000(10200)10100X P X P --⎧⎫>=>⎨⎬⎩⎭100002100X P -⎧⎫=>⎨⎬⎩⎭1000012100X P -⎧⎫=-≤⎨⎬⎩⎭1(2)≈-Φ10.977250.02275=-= .6. 用电子计算机做加法时，对每个加数依四舍五入原则取整，设所有取整的舍入误差是相互独立的，且均服从[]0.5,0.5-上的均匀分布.（1）若有1200个数相加，则其误差总和的绝对值超过15的概率是多少？（2）最多可有多少个数相加，使得误差总和的绝对值小于10的概率达到90%以上.解：设i X 为第i 个加数的取整舍入误差，则{}i X 为相互独立的随机变量序列，且均服从[]0.5,0.5-上的均匀分布，则0.50.5()0i E X xdx μ-===⎰0.5220.51()12i D X x dx σ-===⎰（1）因1200n =很大，由独立同分布中心极限定理对该误差总和12001ii X=∑，1200115i i P X =⎧⎫>⎨⎬⎩⎭∑15P ⎫⎪=>12 1.5i i P X =⎫⎪=>⎬⎪⎭2(1(1.5))=-Φ 0.1336= .即误差总和的绝对值超过15的概率达到13.36% .(2) 依题意，设最多可有n 个数相加，则应求出最大的n ，使得1100.9n k k P X =⎧⎫<≥⎨⎬⎩⎭∑由中心极限定理：1110n ni ii i P X P X ==⎧⎧⎫⎪<=<⎨⎬⎨⎪⎩⎭⎩∑∑210.9≈Φ-≥ .即0.95Φ≥查正态分布得 1.64≥即21012()446.161.64n ≤≈取446n =，最多可有446个数相加 .7. 在人寿保险公司是有3000个同一年龄的人参加人寿保险，在1年中，每人的的死亡率为0.1%，参加保险的人在1年第1天交付保险费10元，死亡时家属可以从保险公司领取2000元，求保险公司在一年的这项保险中亏本的概率.解以X 表示1年死亡的人数依题意，(3000,0.001)X B注意到{}{}200030000P P X =>保险公司亏本其概率为{}1530000.001151P X -⨯>≈-Φ1(6.932)=-Φ 0≈ .即保险公司亏本的概率几乎为0 .8. 假设12,,...,n X X X 是独立同分布的随机变量，已知()ki k E X α= (1,2,3,4;1,2,,)k i n == .证明：当n 充分大时，随机变量211nn i i Z X n==∑近似服从正态分布.证明：由于12,,...,n X X X 独立同分布，则22212,,...,n X X X 也独立同分布由()ki k E X α= (1,2,3,4;1,2,,)k i n ==有22()iE X α=，2242()((i iiD XE X E X ⎡⎤=-⎣⎦242αα=-2211()()nn i i E Z E X nα==⋅=∑2242211()()()nn i i D Z D X n nαα==⋅=-∑{}15P X =>因此，根据中心极限定理：(0,1)nZU Nα-=即当n充分大时，n Z近似服从2242(,())N nααα- .9. 某保险公司多年的统计资料表明：在索赔户中被盗索赔户占20%，以X表示在随机抽查的100个索赔户中因被盗向保险公司索赔的户数.（1）写出X的概率分布；（2）利用德莫弗-位普拉斯中心极限定理.求：被盗索赔户不少于14户，且不多于30户的概率.解（1）(100,0.2)X B，所以{}1001000.20.80,1,2,,100k k kP X k C k-===()20E X np==，()(1)16D X np p=⋅-=（2）{}|430P X≤≤1420203020XP---⎧⎫=≤≤(2.5)( 1.5)=Φ-Φ-(2.5)( 1.5)1=Φ+Φ--0.9940.93310.927=+-= .10 .某厂生产的产品次品率为0.1p=，为了确保销售，该厂向顾客承诺每盒中有100只以上正品的概率达到95%，问：该厂需要在一盒中装多少只产品？解：设每盒中装n只产品，合格品数~(,0.9)X B n，()0.9E X n=，()0.09D X n=则{}{}1001100P X P X>=-≤1000.910.95n -=-Φ=1000.9 1.65n-=-解得117n =，即每盒至少装117只才能以95%的概率保证一盒内有100只正品。

概率论与数理统计第五章课后习题及参考答案

概率论与数理统计第五章课后习题及参考答案概率论与数理统计第五章课后习题及参考答案1．用切比雪夫不等式估计下列各题的概率．(1)废品率为03.0，1000个产品中废品多于20个且少于40个的概率；(2)200个新生儿中，男孩多于80个而少于120个的概率(假设男孩和女孩的概率均为5.0)．解：(1)设X 为1000个产品中废品的个数，则X ～)1000,03.0(B ，有30)(=X E ，1.29)(=X D ，由切比雪夫不等式，得)3040303020()4020(-<-<-=<<-="X" )103010(<-<-="X" 709.010<="" bdsfid="71" p="" x="">1.2912=-≥．(2)设X 为200个新生儿中男孩的个数，则X ～)200,5.0(B ，有100)(=X E ，50)(=X D ，由切比雪夫不等式，得)10012010010080()12080(-<-<-=<<-="X" )2010020(<-<-="X" 8<="" bdsfid="77" p="" x="">7205012=-≥．2．一颗骰子连续掷4次，点数总和记为X ，估计)1810(<<="">解：设i X 为该骰子掷第i 次出现的点数，则61)(==k X P i ，6,,2,1 =i ，6,,2,1 =k ．27)654321(61)(=+++++=i X E ，691)654321(61)(2222222=+++++=i X E ，35)]([)()(22=-=i i i X E X E X D ，4,3,2,1=i ．因为4321X X X X X +++=，且1X ，2X ，3X ，4X 相互独立，故有14)(=X E ，335)(=X D ．由切比雪夫不等式，得)1418141410()1810(-<-<-=<<-<-="X" )<="" bdsfid="88" p="" x="">414(<-=X P 271.0433512=-≥．3．袋装茶叶用及其装袋，每袋的净重为随机变量，其期望值为100g ，标准差为10g ，一大盒内装200袋，求一盒茶叶净重大于5.20kg 的概率．解：设i X 为一袋袋装茶叶的净重，X 为一盒茶叶的净重，由题可知∑==2001i i X X ，100)(=i X E ，100)(=i X D ，200,,2,1 =i ．因为1X ，2X ，…，200X 相互独立，则20000)()(2001==∑=i i X E X E ，20000)()(2001==∑=i i X D X D ．)()(20500)()(()20500(2001X D X E X D X E X P X P i i ->-=>∑=)1020020000205001020020000(?->?-=X P )2251020020000(>?-=X P 由独立同分布的中心极限定理，1020020000?-X 近似地服从)1,0(N ，于是0002.0)5.3(1)2251020020000(=Φ-≈>?-X P ．4．有一批建筑用木桩，其80%的长度不小于3m ．现从这批木桩中随机取出100根，试问其中至少有30根短于3m 的概率是多少？解：设X 为100根木桩中短于3m 的根数，则由题可知X ～)2.0,100(B ，有20)(=X E ，16)(=X D ，由棣莫弗—拉普拉斯定理，得)30(1)30(<-=≥X P X P )42030(1)()((1-Φ-=-Φ-=X D X E X 0062.0)5.2(1=Φ-=．5．某种电器元件的寿命服从均值为100h 的指数分布．现随机选取16只，设它们的寿命是相互独立的．求这16只元件寿命总和大于1920h 的概率．解：设i X 为第i 只电器元件的寿命，由题可知i X ～)01.0(E ，16,,2,1 =i ，且1X ，2X ，…，16X 相互独立，则100)(=i X E ，10000)(=i X D ．记∑==161i i X X ，则1600)()(161==∑=i i X E X E ，160000)()(161==∑=i i X D X D ．))()(1920)()(()1920(X D X E X D X E X P X P ->-=>)400160019204001600(->-=X P )8.04001600(>-=X P ，由独立同分布的中心极限定理，1600-X 近似地服从)1,0(N ，于是2119.0)8.0(1)8.04001600(=Φ-=>-X P ．6．在数值计算中中，每个数值都取小数点后四位，第五位四舍五入(即可以认为计算误差在区间]105,105[55--??-上服从均匀分布)，现有1200个数相加，求产生的误差综合的绝对值小于03.0的概率．解：设i X 为每个数值的误差，则i X ～)105,105(55--??-U ，有0)(=i X E ，1210)(8-=i X D ，1200,,2,1 =i ．从而0)()(12001==∑=i i X E X E ，61200110)()(-===∑i i X D X D ．由独立同分布的中心极限定理，X 近似地服从)10,0(6-N ，于是)03.0(<="" bdsfid="123" p="">()(03.0)()((X D X E X D X E X P -≤-=12101200003.0121012000(44--?-≤?-=X P 9974.01)3(2=-Φ=．7．某药厂断言，该厂生产的某药品对医治一种疑难的血液病治愈率为8.0．医院检验员任取100个服用此药的病人，如果其中多于75个治愈，就接受这一断言，否则就拒绝这一断言．(1)若实际上此药对这种病的治愈率是8.0，问接受这一断言的概率是多少？(2)若实际上此药对这种病的治愈率是7.0，问接受这一断言的概率是多少？解：设X 为100个服用此药的病人中治愈的个数，(1)由题可知X ～)8.0,100(B ，则80)(=X E ，16)(=X D ，由棣莫弗—拉普拉斯定理，得)75(1)75(≤-=>X P X P 48075(1))()((1-Φ-=-Φ-=X D X E X 8944.0)25.1(=Φ=．(2)由题可知X ～)7.0,100(B ，则70)(=X E ，21)(=X D ，由棣莫弗—拉普拉斯定理，得)75(1)75(≤-=>X P X P 217075(1)()((1-Φ-=-Φ-=X D X E X 1379.0)09.1(1=Φ-=．8．一射手在一次射击中，所得环数的分布律如下表：X678910P 05.005.01.03.05.0求：(1)在100次射击中环数介于900环与930环之间的概率是多少？(2)超过950环的概率是多少？解：设X 为100次射击中所得的环数，i X 为第i 次射击的环数，则∑==1001i i X X ，15.9)(=i X E ，95.84)(2=i X E ，2275.1)]([)()(22=-=i i i X E X E X D ，100,,2,1 =i ．由1X ，2X ，…，100X 相互独立，得915)()(1001==∑=i i X E X E ，75.122)()(1001==∑=i i X D X D ．由独立同分布的中心极限定理，75.122915-X 近似地服从)1,0(N ，于是(1))930900(≤≤X P ))()(930)()()()(900(X D X E X D X E X X D X E P -≤-≤-=75.12291593075.12291575.122915900(-≤-≤-=XP )75.1221575.122915(≤-=X P 823.01)35.1(2=-Φ≈．(2))950(>X P ))()(950)()((X D X E X D X E X P ->-=75.122915950)()((->-=X D X E X P 001.0)1.3(1=Φ-≈．9．设有30个电子元件1A ，2A ，…，30A ，其寿命分别为1X ，2X ，…，30X ，且且都服从参数为1.0=λ的指数分布，它们的使用情况是当i A 损坏后，立即使用1+i A (29,,2,1 =i )．求元件使用总时间T 不小于350h 的概率．解：由题可知i X ～)1.0(E ，30,,2,1 =i ，则10)(=i X E ，100)(=i X D ．记∑==301i i X T ，由1X ，2X ，…，30X 相互独立，得300)()(301==∑=i i X E T E ，3000)()(301==∑=i i X D T D ．))()(350)()(()350(T D T E T D T E T P T P ->-=>30103003503010300(?->?-=T P )91.03010300(>?-≈T P ，由独立同分布的中心极限定理，3010300?-T 近似地服从)1,0(N ，于是1814.0)91.0(1)91.03010300(=Φ-=>?-T P ．10．大学英语四级考试，设有85道选择题，每题4个选择答案，只有一个正确．若需要通过考试，必须答对51道以上．试问某学生靠运气能通过四级考试的概率有多大？解：设X 为该学生答对的题数，由题可知X ～41,85(B ，则25.21)(=X E ，9375.15)(=i X D ，85,,2,1 =i ．由棣莫弗—拉普拉斯中心极限定理，近似地有9375.1525.21-X ～)1,0(N ，得)8551(≤≤X P ))()(85)()()()(51(X D X E X D X E X X D X E P -≤-≤-=)9375.1525.21859375.1525.219375.1525.2151(-≤-≤-=X P 0)45.7()97.15(=Φ-Φ=．即学生靠运气能通过四级考试的概率为0．。