Skip to main content

2.3 常见分布

小题

  1. 【2025-13-5 分】X1,X2,,X20\displaystyle X_1, X_2, \cdots, X_{20} 是来自总体 B(1,0.1)\displaystyle B(1, 0.1) 的简单随机样本, 令 T=i=120Xi\displaystyle T=\sum_{i=1}^{20}X_i, 利用泊松分布近似表示二项分布的方法可得 P{T1}\displaystyle P\{T \leq 1\} \approx( ) A. 1e2\displaystyle \dfrac{1}{e^2} B. 2e2\displaystyle \dfrac{2}{e^2} C. 3e2\displaystyle \dfrac{3}{e^2} D. 4e2\displaystyle \dfrac{4}{e^2}

  2. 【1994-4-3 分】 设随机变量 X 的概率密度为

f(x)={2x,0<x<1,0,其他f(x)= \begin{cases} 2x, & 0<x<1, \\ 0, & \text{其他} \end{cases}

以 Y 表示对 X 的三次独立重复观察中事件 {X12}\displaystyle \{X \leq \dfrac{1}{2}\} 出现的次数, 则 P{Y=2}=\displaystyle P\{Y=2\}=

  1. 【1997-4-3 分】 设随机变量 X 服从参数为 (2,p)\displaystyle (2, p) 的二项分布, 随机变量 Y 服从 (3,p)\displaystyle (3, p) 的二项分布, 若 P{X1}=59\displaystyle P\{X \geq 1\}=\dfrac{5}{9}P{Y1}=\displaystyle P\{Y \geq 1\}=

  2. 【1988-1-2 分】 设随机变量 X 服从均值为10, 均方差为0.02 的正态分布.已知 Φ(x)=x12πeu22du\displaystyle \Phi(x)=\int_{-\infty}^{x}\dfrac{1}{\sqrt{2\pi}}e^{-\frac{u^2}{2}}du, Φ(2.5)=0.9938\displaystyle \Phi(2.5)=0.9938 则 X 落在区间(9.95, 10.05) 内的概率为

  3. 【1991-1-3 分】 若随机变量 X 服从均值为2, 方差为 σ2\displaystyle \sigma^2 的正态分布, 且 P{2<X<4}=0.3\displaystyle P\{2<X<4\}=0.3, 则 P{X<0}=\displaystyle P\{X<0\}=

  4. 【1993-5-3 分】 设随机变量 X 与 Y 均服从正态分布, XN(μ,42)\displaystyle X \sim N(\mu, 4^2), YN(μ,52)\displaystyle Y \sim N(\mu, 5^2), 记 p1=P{Xμ4}\displaystyle p_1=P\{X \leq \mu-4\}, p2=P{Yμ+5}\displaystyle p_2=P\{Y \geq \mu+5\}, 则( ). A. 对任何实数 μ\displaystyle \mu 都有 p1=p2\displaystyle p_1=p_2 B. 对任何实数 μ\displaystyle \mu, 都有 p1<p2\displaystyle p_1<p_2 C. 只对 μ\displaystyle \mu 的个别值, 才有 p1=p2\displaystyle p_1=p_2 D. 对任何实数 μ\displaystyle \mu, 都有 p1>p2\displaystyle p_1>p_2

  5. 【1993-4-3 分】 设随机变量X 的概率密度为 φ(x)\displaystyle \varphi(x), 且 φ(x)=φ(x)\displaystyle \varphi(-x)=\varphi(x), F(x)\displaystyle F(x) 是X 的分布函数, 则对任意实数 a 有( ). A. F(a)=10aφ(x)dx\displaystyle F(-a)=1-\int_{0}^{a}\varphi(x)dx B. F(a)=120aφ(x)dx\displaystyle F(-a)=\dfrac{1}{2}-\int_{0}^{a}\varphi(x)dx C. F(a)=F(a)\displaystyle F(-a)=F(a) D. F(a)=2F(a)1\displaystyle F(-a)=2F(a)-1

  6. 【1995-45-3 分】 设随机变量 X 服从正态分布 N(μ,σ2)\displaystyle N(\mu, \sigma^2), 则随着 σ\displaystyle \sigma 的增大, 概率 P{Xμ<σ}\displaystyle P\{|X-\mu|<\sigma\}( ) A. 单调增大    B. 单调减小    C. 保持不变    D. 增减不定

  7. 【1998-1-4 分】 从正态总体 N(3.4,62)\displaystyle N(3.4, 6^2) 中抽取容量为 n 的样本, 如果要求其样本均值位于区间(1.4, 5.4) 内的概率不小于0.95, 问样本容量 n 至少应取多大? 附表: 标准正态分布表 Φ(z)=z12πet22dt\displaystyle \Phi(z)=\int_{-\infty}^{z}\dfrac{1}{\sqrt{2\pi}}e^{-\frac{t^2}{2}}dt

Z1.281.6451.962.33
Φ(z)\displaystyle \Phi(z)0.9000.9500.9750.990
  1. 【2002-1-3 分】 设随机变量 X 服从正态分布 N(μ,σ2)(σ>0)\displaystyle N(\mu, \sigma^2)(\sigma>0), 且二次方程 y2+4y+X=0\displaystyle y^2+4y+X=0 无实根的概率为 12\displaystyle \dfrac{1}{2}, 则 μ=\displaystyle \mu=

  2. 【2004-134-4 分】 设随机变量X 服从正态分布 N(0,1)\displaystyle N(0, 1), 对给定的 α(0<α<1)\displaystyle \alpha(0<\alpha<1), 数 uα\displaystyle u_\alpha 满足 P{X>uα}=α\displaystyle P\{X>u_\alpha\}=\alpha, 若 P{X<x}=α\displaystyle P\{|X|<x\}=\alpha, 则 x=\displaystyle x=( ). A. uα2\displaystyle u_{\frac{\alpha}{2}} B. u1α2\displaystyle u_{1-\frac{\alpha}{2}} C. u1α2\displaystyle u_{\frac{1-\alpha}{2}} D. u1α\displaystyle u_{1-\alpha}

  3. 【2006-13-4 分】 设随机变量 X 服从正态分布 N(μ1,σ12)\displaystyle N(\mu_1, \sigma_1^2), Y 服从正态分布 N(μ2,σ22)\displaystyle N(\mu_2, \sigma_2^2), 且 P{Xμ1<1}>P{Yμ2<1}\displaystyle P\{|X-\mu_1|<1\}>P\{|Y-\mu_2|<1\}, 则必有( ) A. σ1<σ2\displaystyle \sigma_1<\sigma_2 B. σ1>σ2\displaystyle \sigma_1>\sigma_2 C. μ1<μ2\displaystyle \mu_1<\mu_2 D. μ1>μ2\displaystyle \mu_1>\mu_2

  4. 【2013-13-4 分】X1\displaystyle X_1, X2\displaystyle X_2, X3\displaystyle X_3 是随机变量, 且 X1N(0,12)\displaystyle X_1 \sim N(0, 1^2), X2N(0,22)\displaystyle X_2 \sim N(0, 2^2), X3N(5,32)\displaystyle X_3 \sim N(5, 3^2), Pi=P{2Xi2}(i=1,2,3)\displaystyle P_i=P\{-2 \leq X_i \leq 2\}(i=1, 2, 3), 则( ) A. P1>P2>P3\displaystyle P_1>P_2>P_3    B. P2>P1>P3\displaystyle P_2>P_1>P_3 C. P3>P1>P2\displaystyle P_3>P_1>P_2    D. P1>P3>P2\displaystyle P_1>P_3>P_2

  5. 【2016-1-4 分】 设随机变量 XN(μ,σ2)(σ>0)\displaystyle X \sim N(\mu, \sigma^2)(\sigma>0), 记 p=P{Xμ+σ2}\displaystyle p=P\{X \leq \mu+\sigma^2\}, 则( ) A. p 随着 μ\displaystyle \mu 增加而增加    B. p 随着 σ\displaystyle \sigma 增加而增加 C. p 随着 μ\displaystyle \mu 增加而减少    D. p 随着 σ\displaystyle \sigma 增加而减少

  6. 【2018-13-4 分】 设随机变量 X 的概率密度 f(x)\displaystyle f(x) 满足 f(1+x)=f(1x)\displaystyle f(1+x)=f(1-x), 且 02f(x)dx=0.6\displaystyle \int_{0}^{2}f(x)dx=0.6, 则 P{X<0}=\displaystyle P\{X<0\}=( ) A. 0.2\displaystyle 0.2    B. 0.3\displaystyle 0.3    C. 0.4\displaystyle 0.4    D. 0.5\displaystyle 0.5

  7. 【2024-1-5 分】 设随机变量 X, Y 相互独立, 且 XN(0,2)\displaystyle X \sim N(0, 2), YN(2,2)\displaystyle Y \sim N(-2, 2), 若 P{2X+Y<a}=P{X>Y}\displaystyle P\{2X+Y<a\}=P\{X>Y\}, 则 a=\displaystyle a=( ) A. 210\displaystyle -2-\sqrt{10}    B. 2+10\displaystyle -2+\sqrt{10} C. 26\displaystyle -2-\sqrt{6}    D. 2+6\displaystyle -2+\sqrt{6}

  8. 【2024-3-5 分】 设随机变量 X, Y 相互独立, 且 XN(0,2)\displaystyle X \sim N(0, 2), YN(1,1)\displaystyle Y \sim N(-1, 1), 若 p1=P{2X>Y}\displaystyle p_1=P\{2X>Y\}, p2=P{X2Y>1}\displaystyle p_2=P\{X-2Y>1\} 则( ). A. p1>p2>12\displaystyle p_1>p_2>\dfrac{1}{2} B. p2>p1>12\displaystyle p_2>p_1>\dfrac{1}{2} C. p1<p2<12\displaystyle p_1<p_2<\dfrac{1}{2} D. p2<p1<12\displaystyle p_2<p_1<\dfrac{1}{2}

大题

  1. 【1989-4-8 分】 设随机变量在[2, 5]上服从均匀分布, 现在对 X 进行三次独立观测, 试求至少有两次观测值大于3 的概率.

  2. 【1992-45-7 分】 假设测量的随机误差 XN(0,102)\displaystyle X \sim N(0, 10^2), 试求在100 次独立重复测量中, 至少有三次测量误差的绝对值大于19.6 的概率 α\displaystyle \alpha, 并利用泊松分布求出 α\displaystyle \alpha 的近似值(要求小数点后取两位有效数字). [附表]

λ\displaystyle \lambda1234567
eλ\displaystyle e^{-\lambda}0.3680.1350.0500.0180.0070.0020.001
  1. 【1990-45-7 分】 某地抽样调查结果表明, 考生的外语成绩(百分制) 近似服从正态分布, 平均成绩为72 分, 96 分以上的占考生总数的2.3%, 试求考生的外语成绩在60 分至84 分之间的概率. [附表] (表中 Φ(x)\displaystyle \Phi(x) 是标准正态分布函数)
X00.51.01.52.02.53.0
Φ(x)\displaystyle \Phi(x)0.5000.6920.8410.9330.9770.9940.999
  1. 【1991-5-6 分】 在电源电压不超过200 伏, 在200240 伏和超过240 伏三种情况下, 某种电子元件损坏的概率分别为0.1, 0.001 和0.2, 假设电源电压 X 服从正态分布 N(220,252)\displaystyle N(220, 25^2), 试求: (1) 该电子元件损坏的概率 α\displaystyle \alpha; (2) 该电子元件损坏时, 电源电压在200240 伏的概率 β\displaystyle \beta. [附表] (表中 Φ(x)\displaystyle \Phi(x) 是标准正态分布函数)
X0.100.200.400.600.801.001.201.40
Φ(x)\displaystyle \Phi(x)0.5300.5790.6550.7260.7880.8410.8850.919