《概率论与数理统计》第二学期期末试卷A (精选03)

原创已于 2026-05-27 16:04:20 修改 · 536 阅读

9 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#概率论

于 2026-05-25 15:44:31 首次发布

《概率论与数理统计》第二学期期末试卷A (精选03)

大学生期末考试复习平台前往平台
在这里插入图片描述

一、填空题（每题3分，共15分）

设 $\frac{1}{4}, \quad P(AB) = 0, \quad P(BC) = P(AC) = \frac{1}{6}$ ，则事件 $A, B, C$ 都不发生的概率为 ______。

::::: details 查看答案与解析

答案： $\frac{7}{12}$

解析：
本题考查利用加法公式计算多个事件的概率。

第一步：分析求解目标
“事件 $A, B, C$ 都不发生” 的概率记为 $P(\overline{A}\overline{B}\overline{C})$ 。根据对立事件的性质，有：

$P(\overline{A}\overline{B}\overline{C}) = 1 - P(A \cup B \cup C)$

第二步：应用概率加法公式
对于三个事件，其并集的概率公式为：

$\cup B \cup C) = P(A) + P(B) + P(C) - [P(AB) + P(BC) + P(AC)] + P(ABC)$

第三步：代入已知条件
由于 $P (A B) = 0$ ，而 $\subset AB$ ，因此有 $\le P(ABC) \le P(AB) = 0 \implies P(ABC) = 0$ 。
代入公式计算：

$\cup B \cup C) = \frac{1}{4} + \frac{1}{4} + \frac{1}{4} - \left(0 + \frac{1}{6} + \frac{1}{6}\right) + 0 = \frac{3}{4} - \frac{1}{3} = \frac{5}{12}$

第四步：求出最终结果

$P(\overline{A}\overline{B}\overline{C}) = 1 - \frac{5}{12} = \frac{7}{12}$

难度: ⭐⭐
考点: #加法公式 #对立事件 #概率性质

:::: details 💡 学习锦囊
📖 相关公式与知识点:

$\cup B \cup C) = P(A) + P(B) + P(C) - P(AB) - P(BC) - P(AC) + P(ABC)$
对立事件： $P(\overline{A}) = 1 - P(A)$
::: tip 思路分析
看到“都不发生”首先联想到利用德·摩根定律转化为“至少有一个发生”的对立事件；另外注意隐含条件 $\implies P(ABC)=0$ 。
:::
::::

:::: details 🔄 举一反三

设 $P (A) = 0.4, P (B) = 0.3, P (A B) = 0.1$ ，求 $A, B$ 至少有一个发生的概率。
::: details 查看练习答案与解析
答案： $0.6$ 解析： $\cup B) = P(A) + P(B) - P(AB) = 0.4 + 0.3 - 0.1 = 0.6$ 。
:::
::::
:::::
随机变量 $T$ 在 $[0, 6]$ 上服从均匀分布，则方程 $x^2 + Tx + 1 = 0$ 有实根的概率为 ______。

::::: details 查看答案与解析

答案： $\frac{2}{3}$

解析：
本题考查连续型随机变量函数的概率计算，实质上涉及几何概型。

第一步：分析方程有实根的条件
一元二次方程 $x^2 + Tx + 1 = 0$ 有实根，当且仅当其判别式满足：

$\Delta = T^2 - 4 \times 1 \times 1 \ge 0 \implies T^2 \ge 4$

解得 $\ge 2$ 或 $\le -2$ 。

第二步：结合随机变量取值范围
已知随机变量 $\sim U[0, 6]$ ，即 $T$ 的取值区间为 $[0, 6]$ 。
由于 $\ge 0$ ，因此有实根的有效区域为 $\in [2, 6]$ 。

第三步：计算概率
根据均匀分布的概率计算公式（几何测度之比）：

$\le T \le 6) = \frac{6 - 2}{6 - 0} = \frac{4}{6} = \frac{2}{3}$

难度: ⭐
考点: #均匀分布 #几何概型 #判别式

:::: details 💡 学习锦囊
📖 相关公式与知识点:

若 $\sim U[a, b]$ ，则对于 $\subset [a, b]$ ，有 $\le X \le d) = \frac{d - c}{b - a}$ 。
::: warning 易错点
在解不等式 $T^2 \ge 4$ 时，务必注意要与 $T$ 的实际定义域 $[0, 6]$ 取交集，不要直接漏掉约束条件。
:::
::::

:::: details 🔄 举一反三

随机变量 $\sim U[1, 5]$ ，求方程 $t^2 + Xt + 1 = 0$ 没有实根的概率。
::: details 查看练习答案与解析
答案： $\frac{1}{4}$ 解析：无实根需 $\Delta = X^2 - 4 < 0 \implies -2 < X < 2$ 。已知 $\in [1, 5]$ ，则有效区间为 $\le X < 2$ 。概率为 $\frac{2 - 1}{5 - 1} = \frac{1}{4}$ 。
:::
::::
:::::
随机变量 $X$ 服从参数为 $\lambda$ 的泊松分布，且 $E [(X - 1) (X - 2)] = 1$ ，则 $\lambda =$ ______。

::::: details 查看答案与解析

答案： $1$

解析：
本题考查泊松分布的数字特征，包括期望和方差的性质应用。

第一步：展开期望内部的代数式

$E[(X - 1)(X - 2)] = E[X^2 - 3X + 2] = E[X^2] - 3E[X] + 2$

第二步：回顾泊松分布的数字特征若 $\sim P(\lambda)$ ，则：

期望： $\lambda$
方差： $\lambda$
利用方差公式 $D[X] = E[X^2] - (E[X])^2$ ，可以求得二阶矩：

$E[X^2] = D[X] + (E[X])^2 = \lambda + \lambda^2$

第三步：代入已知等式求解
将数字特征代入第一步展开的式子：

$\lambda + \lambda^2 - 3\lambda + 2 = 1 \implies \lambda^2 - 2\lambda + 1 = 0$

因式分解得 $(\lambda - 1)^2 = 0$ ，解得 $\lambda = 1$ 。

难度: ⭐⭐
考点: #泊松分布 #数学期望 #二阶矩

:::: details 💡 学习锦囊
📖 相关公式与知识点:

泊松分布性质： $\lambda$
方差基本公式转换： $E[X^2] = D[X] + (E[X])^2$
::::

:::: details 🔄 举一反三

设 $\sim P(\lambda)$ ，已知 $P(X=0) = e^{-2}$ ，求 $E [X]$ 。
::: details 查看练习答案与解析
答案： $2$ 解析： $\frac{\lambda^0 e^{-\lambda}}{0!} = e^{-\lambda} = e^{-2} \implies \lambda = 2$ 。泊松分布的期望为 $\lambda = 2$ 。
:::
::::
:::::
设总体 $X$ 服从参数为 $\lambda$ 的指数分布 $Exp(\lambda)$ ， $X_1, X_2, \ldots, X_n$ 是来自总体 $X$ 的简单随机样本，则 $D\overline{X} =$ ______。

::::: details 查看答案与解析

答案： $\frac{1}{n\lambda^2}$

解析：
本题考查独立样本均值的方差性质以及指数分布的数字特征。

第一步：确定总体的方差对于指数分布 $Exp(\lambda)$ （采用通常的概率密度 $\lambda e^{-\lambda x}, x>0$ ），其：

期望： $\frac{1}{\lambda}$
方差： $\frac{1}{\lambda^2}$

第二步：应用样本均值的方差性质
由于 $X_1, X_2, \dots, X_n$ 是独立同分布的随机样本，其样本均值为 $\overline{X} = \frac{1}{n}\sum_{i=1}^n X_i$ 。
根据方差的性质：

$D\overline{X} = D\left(\frac{1}{n}\sum_{i=1}^n X_i\right) = \frac{1}{n^2}\sum_{i=1}^n D[X_i] = \frac{1}{n^2} \cdot n \cdot D[X] = \frac{D[X]}{n}$

第三步：计算最终结果
将 $\frac{1}{\lambda^2}$ 代入：

$D\overline{X} = \frac{1}{n\lambda^2}$

难度: ⭐
考点: #指数分布 #样本均值 #方差性质

:::: details 💡 学习锦囊
📖 相关公式与知识点:

$D[aX] = a^2 D[X]$
独立变量和的方差： $D\left(\sum X_i\right) = \sum D[X_i]$
::::

:::: details 🔄 举一反三

设总体 $\sim N(\mu, \sigma^2)$ ， $X_1, \ldots, X_n$ 是其样本，求 $D\overline{X}$ 。
::: details 查看练习答案与解析
答案： $\frac{\sigma^2}{n}$ 解析： $D\overline{X} = \frac{D[X]}{n} = \frac{\sigma^2}{n}$ 。
:::
::::
:::::
设 $X_1, X_2, \ldots, X_{16}$ 是来自总体 $\sim N(4, \sigma^2)$ 的简单随机样本， $\sigma^2$ 已知，令 $\overline{X} = \frac{1}{16}\sum_{i=1}^{16} X_i$ ，则统计量 $\frac{4\overline{X} - 16}{\sigma}$ 服从分布为 ______（必须写出分布的参数）。

::::: details 查看答案与解析

答案： $N (0, 1)$

解析：
本题考查样本均值的正态分布性质以及标准正态分布的转化。

第一步：确定 $\overline{X}$ 的分布
因为 $X_i \sim N(4, \sigma^2)$ ，所以样本均值也服从正态分布：

$\overline{X} \sim N\left(4, \frac{\sigma^2}{16}\right)$

第二步：推导 $4\overline{X}$ 的分布令 $4\overline{X}$ ，根据正态分布的线性组合性质：

均值： $E[4\overline{X}] = 4 \cdot E[\overline{X}] = 4 \times 4 = 16$
方差： $D[4\overline{X}] = 4^2 \cdot D[\overline{X}] = 16 \times \frac{\sigma^2}{16} = \sigma^2$
即：
$4\overline{X} \sim N(16, \sigma^2)$

第三步：标准化
统计量 $\frac{4\overline{X} - 16}{\sigma}$ 正是由均值为 $16$ 、标准差为 $\sigma$ 的正态变量减去均值并除以标准差得到的。
因此，该统计量服从标准正态分布：

$\frac{4\overline{X} - 16}{\sigma} \sim N(0, 1)$

难度: ⭐⭐
考点: #正态分布 #标准化 #样本均值特征

:::: details 💡 学习锦囊
📖 相关公式与知识点:

样本均值的分布性质：若 $X_i \sim N(\mu, \sigma^2)$ ，则 $\overline{X} \sim N\left(\mu, \frac{\sigma^2}{n}\right)$ 。
正态分布标准化公式：若 $\sim N(\mu, \sigma^2)$ ，则 $\frac{Y-\mu}{\sigma} \sim N(0, 1)$ 。
::::

:::: details 🔄 举一反三

设 $X_1, \ldots, X_n \sim N(\mu, \sigma^2)$ ，求 $\frac{\overline{X} - \mu}{\sigma / \sqrt{n}}$ 的分布。
::: details 查看练习答案与解析
答案： $N (0, 1)$
解析：样本均值 $\overline{X} \sim N(\mu, \frac{\sigma^2}{n})$ ，标准化后即得标准正态分布。
:::
::::
:::::

二、选择题（每题3分，共15分）

以 $A$ 表示“概率考试及格，英语不及格”，则 $\overline{A}$ 表示（）
- A. 概率考试不及格，英语考试及格
- B. 概率英语考试都及格
- C. 概率英语考试都不及格
- D. 概率不及格或英语及格

::::: details 查看答案与解析

答案： D

解析：
本题考查事件的基本运算及德·摩根定律。

第一步：用字母定义基础事件
令 $J$ 表示“概率考试及格”， $E$ 表示“英语考试及格”。

第二步：列出事件 $A$ 的表达式
根据题意，事件 $A$ 发生代表概率及格且英语不及格，即：

$\cap \overline{E}$

第三步：利用对立事件与德·摩根定律化简

$\overline{A} = \overline{J \cap \overline{E}} = \overline{J} \cup \overline{\overline{E}} = \overline{J} \cup E$

第四步：文字翻译
$\overline{J} \cup E$ 代表“概率考试不及格（ $\overline{J}$ ）” 或（ $\cup$ ） “英语考试及格（ $E$ ）”。
因此，正确选项为 D。

难度: ⭐
考点: #事件运算 #德·摩根定律

:::: details 💡 学习锦囊
📖 相关公式与知识点:

德·摩根定律： $\overline{A \cap B} = \overline{A} \cup \overline{B}$
::: warning 易错点
不要凭主观直觉简单将文字反义化（如误选 A），必须严格按照符号运算法则进行推导。
:::
::::

:::: details 🔄 举一反三

若事件 $A$ 表示“两件产品中至少有一件是次品”，则 $\overline{A}$ 表示？
::: details 查看练习答案与解析
答案：两件产品都是正品。
:::
::::
:::::
如果 $\sim N(3, 16)$ ，且 $Y = 3 X + 4$ ，则 $D Y$ 等于（）
- A. 144
- B. 25
- C. 27
- D. 43

::::: details 查看答案与解析

答案： A

解析：
本题考查方差的性质以及线性变换对数字特征的影响。

第一步：识别已知的方差
正态分布记号通常为 $N(\mu, \sigma^2)$ ，已知 $\sim N(3, 16)$ ，可知 $D [X] = 16$ 。

第二步：应用方差公式
根据方差的基本性质： $D[aX + b] = a^2 D[X]$ 。
代入题目中的参数：

$3^2 D[X] = 9 \times 16 = 144$

因此，正确选项为 A。

难度: ⭐
考点: #正态分布参数 #方差的线性运算

:::: details 💡 学习锦囊
📖 相关公式与知识点:

随机变量线性变换的方差性质： $D[aX + b] = a^2 D[X]$
::::

:::: details 🔄 举一反三

设 $D [X] = 4$ ，求 $D [2 X - 3]$ 的值。
::: details 查看练习答案与解析
答案： $16$ 解析： $2^2 \times D[X] = 4 \times 4 = 16$ 。
:::
::::
:::::
设 $X$ 服从参数为 $\lambda = \frac{1}{9}$ 的指数分布， $F (x)$ 为其分布函数，则 $P\{3 < X < 9\} = （\quad）$
- A. $F\left(\frac{3}{9}\right)$
- B. $\frac{1}{9} \left( \frac{1}{\sqrt[3]{e}} - \frac{1}{e} \right)$
- C. $\frac{1}{\sqrt[3]{e}} - \frac{1}{e}$
- D. $\int_{0}^{9}e^{-x / 3}dx$

::::: details 查看答案与解析

答案： C

解析：
本题考查指数分布的分布函数及其区间概率的求解。

第一步：写出指数分布的分布函数
当 $\sim Exp(\lambda)$ 时，其分布函数为：

$\begin{cases} 1 - e^{-\lambda x}, & x \ge 0 \\ 0, & x < 0 \end{cases}$

本题中 $\lambda = \frac{1}{9}$ ，故 $e^{-\frac{x}{9}}$ 。

第二步：利用分布函数计算区间概率

$P\{3 < X < 9\} = F(9) - F(3)$

$e^{-\frac{9}{9}} = 1 - e^{-1}$

$e^{-\frac{3}{9}} = 1 - e^{-\frac{1}{3}}$

第三步：两式相减

$P\{3 < X < 9\} = (1 - e^{-1}) - (1 - e^{-\frac{1}{3}}) = e^{-\frac{1}{3}} - e^{-1} = \frac{1}{\sqrt[3]{e}} - \frac{1}{e}$

因此，正确选项为 C。

难度: ⭐⭐
考点: #指数分布 #分布函数 #区间概率

:::: details 💡 学习锦囊
📖 相关公式与知识点:

指数分布的概率密度函数： $\lambda e^{-\lambda x} \quad (x > 0)$
指数分布的累积分布函数： $e^{-\lambda x} \quad (x \ge 0)$
::::

:::: details 🔄 举一反三

设 $\sim Exp(1/2)$ ，求 $P\{X > 2\}$ 。
::: details 查看练习答案与解析
答案： $e^{-1}$ 解析： $P\{X > 2\} = 1 - P\{X \le 2\} = 1 - F(2) = 1 - (1 - e^{-1}) = e^{-1}$ 。
:::
::::
:::::
$X_{1}, X_{2}, \ldots, X_{16}$ 是来自总体 $\sim N(0, 1)$ 的独立同分布样本，设： $\sum_{i=1}^{8} X_i^2, \quad Y = \sum_{i=9}^{16} X_i^2$ ，则 $\frac{Z}{Y} \sim （\quad）$
- A. $N (0, 1)$
- B. $t (16)$
- C. $\chi^{2}(16)$
- D. $F (8, 8)$

::::: details 查看答案与解析

答案： D

解析：
本题考查概率论中的三大抽样分布之一——F分布的定义。

第一步：分析 $Z$ 和 $Y$ 的分布因为 $X_1, \ldots, X_{16}$ 均服从标准正态分布 $N (0, 1)$ 且独立，
根据卡方分布的定义：

$\sum_{i=1}^8 X_i^2$ 服从自由度为 8 的卡方分布，记为 $\sim \chi^2(8)$ 。
$\sum_{i=9}^{16} X_i^2$ 也服从自由度为 8 的卡方分布，记为 $\sim \chi^2(8)$ 。
且 $Z$ 与 $Y$ 互不重叠，故两者独立。

第二步：根据F分布的定义判定
设 $\sim \chi^2(m), V \sim \chi^2(n)$ 且两者独立，则统计量 $\frac{U/m}{V/n} \sim F(m, n)$ 。
代入本题：

$\frac{Z/8}{Y/8} = \frac{Z}{Y} \sim F(8, 8)$

故选 D。

难度: ⭐⭐
考点: #F分布 #卡方分布 #三大抽样分布

:::: details 💡 学习锦囊
📖 相关公式与知识点:

$\chi^2$ 分布：独立标准正态变量的平方和
$F$ 分布： $\frac{U/m}{V/n}$ ，其中 $\sim \chi^2(m), V \sim \chi^2(n)$ 独立
::: note 重要说明
本题原卷 OCR 识别有误漏写了求和号，考生需通过观察样本子集 $1\sim8$ 和 $9\sim16$ 判断出这其实是样本平方和。
:::
::::

:::: details 🔄 举一反三

设 $\sim N(0,1), Y \sim \chi^2(n)$ 且独立，求统计量 $\frac{X}{\sqrt{Y/n}}$ 的分布。
::: details 查看练习答案与解析
答案： $t (n)$ 解析：这是学生氏 t 分布的经典定义公式。
:::
::::
:::::
已知 $X_{1}, X_{2}, \dots, X_{n}$ 是来自总体的样本，则下列是统计量的是（）
- A. $\overline{X} + A$
- B. $\frac{1}{n - 1}\sum_{i = 1}^{n}X_{i}$
- C. $\overline{X} + a + 10$
- D. $\frac{1}{3}\overline{X} + a\overline{X}_1 + 5$

::::: details 查看答案与解析

答案： B

解析：
本题考查统计量的基本概念。

第一步：回忆统计量的定义
统计量是样本的函数，且不包含任何未知的总体参数。

第二步：逐一排查选项

A：包含 $X$ ，它通常表示总体变量，非样本。
C、D：包含参数 $a$ ，若未指明它是已知常量，通常在数理统计中代表未知参数。
B： $\frac{1}{n-1}\sum_{i=1}^n X_i = \frac{n}{n-1}\overline{X}$ ，该表达式仅包含样本观测值 $X_i$ 和已知常数系数，满足统计量定义。

因此，选 B。

难度: ⭐
考点: #统计量概念 #样本函数

:::: details 💡 学习锦囊
📖 相关公式与知识点:

统计量：设 $X_1, X_2, \ldots, X_n$ 是总体 $X$ 的一个样本，如果一个实值函数 $T(X_1, X_2, \ldots, X_n)$ 不包含任何未知参数，则称 $T$ 为一个统计量。
::::

:::: details 🔄 举一反三

设总体均值 $\mu$ 未知，下列哪项是统计量？ A. $\sum_{i=1}^n X_i^2$ , B. $\sum_{i=1}^n (X_i - \mu)^2$ 。
::: details 查看练习答案与解析
答案：A
解析：B 选项由于含有未知参数 $\mu$ ，不能作为统计量。
:::
::::
:::::