【1997-4-3 分】 设随机变量 X 服从参数为 ( 2 , p ) \displaystyle (2, p) ( 2 , p ) 的二项分布, 随机变量 Y 服从 ( 3 , p ) \displaystyle (3, p) ( 3 , p ) 的二项分布, 若 P { X ≥ 1 } = 5 9 \displaystyle P\{X \geq 1\}=\dfrac{5}{9} P { X ≥ 1 } = 9 5 则 P { Y ≥ 1 } = \displaystyle P\{Y \geq 1\}= P { Y ≥ 1 } =
【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 ) = ∫ − ∞ x 1 2 π e − u 2 2 d u \displaystyle \Phi(x)=\int_{-\infty}^{x}\dfrac{1}{\sqrt{2\pi}}e^{-\frac{u^2}{2}}du Φ ( x ) = ∫ − ∞ x 2 π 1 e − 2 u 2 d u , Φ ( 2.5 ) = 0.9938 \displaystyle \Phi(2.5)=0.9938 Φ ( 2.5 ) = 0.9938 则 X 落在区间(9.95, 10.05) 内的概率为
【1991-1-3 分】 若随机变量 X 服从均值为2, 方差为 σ 2 \displaystyle \sigma^2 σ 2 的正态分布, 且 P { 2 < X < 4 } = 0.3 \displaystyle P\{2<X<4\}=0.3 P { 2 < X < 4 } = 0.3 , 则 P { X < 0 } = \displaystyle P\{X<0\}= P { X < 0 } =
【1993-5-3 分】 设随机变量 X 与 Y 均服从正态分布, X ∼ N ( μ , 4 2 ) \displaystyle X \sim N(\mu, 4^2) X ∼ N ( μ , 4 2 ) , Y ∼ N ( μ , 5 2 ) \displaystyle Y \sim N(\mu, 5^2) Y ∼ N ( μ , 5 2 ) , 记 p 1 = P { X ≤ μ − 4 } \displaystyle p_1=P\{X \leq \mu-4\} p 1 = P { X ≤ μ − 4 } , p 2 = P { Y ≥ μ + 5 } \displaystyle p_2=P\{Y \geq \mu+5\} p 2 = P { Y ≥ μ + 5 } , 则( ).
A. 对任何实数 μ \displaystyle \mu μ 都有 p 1 = p 2 \displaystyle p_1=p_2 p 1 = p 2
B. 对任何实数 μ \displaystyle \mu μ , 都有 p 1 < p 2 \displaystyle p_1<p_2 p 1 < p 2
C. 只对 μ \displaystyle \mu μ 的个别值, 才有 p 1 = p 2 \displaystyle p_1=p_2 p 1 = p 2
D. 对任何实数 μ \displaystyle \mu μ , 都有 p 1 > p 2 \displaystyle p_1>p_2 p 1 > p 2
【1993-4-3 分】 设随机变量X 的概率密度为 φ ( x ) \displaystyle \varphi(x) φ ( x ) , 且 φ ( − x ) = φ ( x ) \displaystyle \varphi(-x)=\varphi(x) φ ( − x ) = φ ( x ) , F ( x ) \displaystyle F(x) F ( x ) 是X 的分布函数, 则对任意实数 a 有( ).
A. F ( − a ) = 1 − ∫ 0 a φ ( x ) d x \displaystyle F(-a)=1-\int_{0}^{a}\varphi(x)dx F ( − a ) = 1 − ∫ 0 a φ ( x ) d x
B. F ( − a ) = 1 2 − ∫ 0 a φ ( x ) d x \displaystyle F(-a)=\dfrac{1}{2}-\int_{0}^{a}\varphi(x)dx F ( − a ) = 2 1 − ∫ 0 a φ ( x ) d x
C. F ( − a ) = F ( a ) \displaystyle F(-a)=F(a) F ( − a ) = F ( a )
D. F ( − a ) = 2 F ( a ) − 1 \displaystyle F(-a)=2F(a)-1 F ( − a ) = 2 F ( a ) − 1
【1995-45-3 分】 设随机变量 X 服从正态分布 N ( μ , σ 2 ) \displaystyle N(\mu, \sigma^2) N ( μ , σ 2 ) , 则随着 σ \displaystyle \sigma σ 的增大, 概率 P { ∣ X − μ ∣ < σ } \displaystyle P\{|X-\mu|<\sigma\} P { ∣ X − μ ∣ < σ } ( )
A. 单调增大 B. 单调减小 C. 保持不变 D. 增减不定
【1998-1-4 分】 从正态总体 N ( 3.4 , 6 2 ) \displaystyle N(3.4, 6^2) 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 ) = ∫ − ∞ z 1 2 π e − t 2 2 d t \displaystyle \Phi(z)=\int_{-\infty}^{z}\dfrac{1}{\sqrt{2\pi}}e^{-\frac{t^2}{2}}dt Φ ( z ) = ∫ − ∞ z 2 π 1 e − 2 t 2 d t
【2002-1-3 分】 设随机变量 X 服从正态分布 N ( μ , σ 2 ) ( σ > 0 ) \displaystyle N(\mu, \sigma^2)(\sigma>0) N ( μ , σ 2 ) ( σ > 0 ) , 且二次方程 y 2 + 4 y + X = 0 \displaystyle y^2+4y+X=0 y 2 + 4 y + X = 0 无实根的概率为 1 2 \displaystyle \dfrac{1}{2} 2 1 , 则 μ = \displaystyle \mu= μ =
【2004-134-4 分】 设随机变量X 服从正态分布 N ( 0 , 1 ) \displaystyle N(0, 1) N ( 0 , 1 ) , 对给定的 α ( 0 < α < 1 ) \displaystyle \alpha(0<\alpha<1) α ( 0 < α < 1 ) , 数 u α \displaystyle u_\alpha u α 满足 P { X > u α } = α \displaystyle P\{X>u_\alpha\}=\alpha P { X > u α } = α , 若 P { ∣ X ∣ < x } = α \displaystyle P\{|X|<x\}=\alpha P { ∣ X ∣ < x } = α , 则 x = \displaystyle x= x = ( ).
A. u α 2 \displaystyle u_{\frac{\alpha}{2}} u 2 α
B. u 1 − α 2 \displaystyle u_{1-\frac{\alpha}{2}} u 1 − 2 α
C. u 1 − α 2 \displaystyle u_{\frac{1-\alpha}{2}} u 2 1 − α
D. u 1 − α \displaystyle u_{1-\alpha} u 1 − α
【2006-13-4 分】 设随机变量 X 服从正态分布 N ( μ 1 , σ 1 2 ) \displaystyle N(\mu_1, \sigma_1^2) N ( μ 1 , σ 1 2 ) , Y 服从正态分布 N ( μ 2 , σ 2 2 ) \displaystyle N(\mu_2, \sigma_2^2) N ( μ 2 , σ 2 2 ) , 且 P { ∣ X − μ 1 ∣ < 1 } > P { ∣ Y − μ 2 ∣ < 1 } \displaystyle P\{|X-\mu_1|<1\}>P\{|Y-\mu_2|<1\} P { ∣ X − μ 1 ∣ < 1 } > P { ∣ Y − μ 2 ∣ < 1 } , 则必有( )
A. σ 1 < σ 2 \displaystyle \sigma_1<\sigma_2 σ 1 < σ 2
B. σ 1 > σ 2 \displaystyle \sigma_1>\sigma_2 σ 1 > σ 2
C. μ 1 < μ 2 \displaystyle \mu_1<\mu_2 μ 1 < μ 2
D. μ 1 > μ 2 \displaystyle \mu_1>\mu_2 μ 1 > μ 2
【2013-13-4 分】 设 X 1 \displaystyle X_1 X 1 , X 2 \displaystyle X_2 X 2 , X 3 \displaystyle X_3 X 3 是随机变量, 且 X 1 ∼ N ( 0 , 1 2 ) \displaystyle X_1 \sim N(0, 1^2) X 1 ∼ N ( 0 , 1 2 ) , X 2 ∼ N ( 0 , 2 2 ) \displaystyle X_2 \sim N(0, 2^2) X 2 ∼ N ( 0 , 2 2 ) , X 3 ∼ N ( 5 , 3 2 ) \displaystyle X_3 \sim N(5, 3^2) X 3 ∼ N ( 5 , 3 2 ) , P i = P { − 2 ≤ X i ≤ 2 } ( i = 1 , 2 , 3 ) \displaystyle P_i=P\{-2 \leq X_i \leq 2\}(i=1, 2, 3) P i = P { − 2 ≤ X i ≤ 2 } ( i = 1 , 2 , 3 ) , 则( )
A. P 1 > P 2 > P 3 \displaystyle P_1>P_2>P_3 P 1 > P 2 > P 3 B. P 2 > P 1 > P 3 \displaystyle P_2>P_1>P_3 P 2 > P 1 > P 3
C. P 3 > P 1 > P 2 \displaystyle P_3>P_1>P_2 P 3 > P 1 > P 2 D. P 1 > P 3 > P 2 \displaystyle P_1>P_3>P_2 P 1 > P 3 > P 2
【2016-1-4 分】 设随机变量 X ∼ N ( μ , σ 2 ) ( σ > 0 ) \displaystyle X \sim N(\mu, \sigma^2)(\sigma>0) X ∼ N ( μ , σ 2 ) ( σ > 0 ) , 记 p = P { X ≤ μ + σ 2 } \displaystyle p=P\{X \leq \mu+\sigma^2\} p = P { X ≤ μ + σ 2 } , 则( )
A. p 随着 μ \displaystyle \mu μ 增加而增加 B. p 随着 σ \displaystyle \sigma σ 增加而增加
C. p 随着 μ \displaystyle \mu μ 增加而减少 D. p 随着 σ \displaystyle \sigma σ 增加而减少
【2018-13-4 分】 设随机变量 X 的概率密度 f ( x ) \displaystyle f(x) f ( x ) 满足 f ( 1 + x ) = f ( 1 − x ) \displaystyle f(1+x)=f(1-x) f ( 1 + x ) = f ( 1 − x ) , 且 ∫ 0 2 f ( x ) d x = 0.6 \displaystyle \int_{0}^{2}f(x)dx=0.6 ∫ 0 2 f ( x ) d x = 0.6 , 则 P { X < 0 } = \displaystyle P\{X<0\}= P { X < 0 } = ( )
A. 0.2 \displaystyle 0.2 0.2 B. 0.3 \displaystyle 0.3 0.3 C. 0.4 \displaystyle 0.4 0.4 D. 0.5 \displaystyle 0.5 0.5
【2024-1-5 分】 设随机变量 X, Y 相互独立, 且 X ∼ N ( 0 , 2 ) \displaystyle X \sim N(0, 2) X ∼ N ( 0 , 2 ) , Y ∼ N ( − 2 , 2 ) \displaystyle Y \sim N(-2, 2) Y ∼ N ( − 2 , 2 ) , 若 P { 2 X + Y < a } = P { X > Y } \displaystyle P\{2X+Y<a\}=P\{X>Y\} P { 2 X + Y < a } = P { X > Y } , 则 a = \displaystyle a= a = ( )
A. − 2 − 10 \displaystyle -2-\sqrt{10} − 2 − 10 B. − 2 + 10 \displaystyle -2+\sqrt{10} − 2 + 10
C. − 2 − 6 \displaystyle -2-\sqrt{6} − 2 − 6 D. − 2 + 6 \displaystyle -2+\sqrt{6} − 2 + 6
【2024-3-5 分】 设随机变量 X, Y 相互独立, 且 X ∼ N ( 0 , 2 ) \displaystyle X \sim N(0, 2) X ∼ N ( 0 , 2 ) , Y ∼ N ( − 1 , 1 ) \displaystyle Y \sim N(-1, 1) Y ∼ N ( − 1 , 1 ) , 若 p 1 = P { 2 X > Y } \displaystyle p_1=P\{2X>Y\} p 1 = P { 2 X > Y } , p 2 = P { X − 2 Y > 1 } \displaystyle p_2=P\{X-2Y>1\} p 2 = P { X − 2 Y > 1 } 则( ).
A. p 1 > p 2 > 1 2 \displaystyle p_1>p_2>\dfrac{1}{2} p 1 > p 2 > 2 1
B. p 2 > p 1 > 1 2 \displaystyle p_2>p_1>\dfrac{1}{2} p 2 > p 1 > 2 1
C. p 1 < p 2 < 1 2 \displaystyle p_1<p_2<\dfrac{1}{2} p 1 < p 2 < 2 1
D. p 2 < p 1 < 1 2 \displaystyle p_2<p_1<\dfrac{1}{2} p 2 < p 1 < 2 1