注:若,则.
A.0.3413 | B.0.4772 | C.0.1359 | D.0.06795 |
2 . 为了监控某种零件的一条生产线的生产过程,检验员每天从该生产线上随机抽取16个零件,并测量其尺寸(单位:cm).根据长期生产经验,可以认为这条生产线正常状态下生产的零件的尺寸服从正态分布N(μ,σ2).
(1)假设生产状态正常,记X表示一天内抽取的16个零件中其尺寸在(μ-3σ,μ+3σ)之外的零件数,求P(X≥1)及X的数学期望.
(2)一天内抽检的零件中,如果出现了尺寸在(μ-3σ,μ+3σ)之外的零件,那么就认为这条生产线在这一天的生产过程可能出现了异常情况,需对当天的生产过程进行检查.
①试说明上述监控生产过程方法的合理性.
②下面是检验员在一天内抽取的16个零件的尺寸:
9.95 | 10.12 | 9.96 | 9.96 | 10.01 | 9.92 | 9.98 | 10.04 |
10.26 | 9.91 | 10.13 | 10.02 | 9.22 | 10.04 | 10.05 | 9.95 |
经计算得==9.97, s==≈0.212,其中xi为抽取的第i个零件的尺寸,i=1,2,…,16.用样本平均数作为μ的估计值,用样本标准差s作为σ的估计值,利用估计值判断是否需对当天的生产过程进行检查,剔除(-3,+3)之外的数据,用剩下的数据估计μ和σ (精确到0.01).
参考数据:若随机变量Z服从正态分布N(μ,σ2),则P(μ-3σ<Z<μ+3σ)≈0.997 3,0.997 316≈0.957 7,≈0.09.
A. | B. | C. | D. |
数学(分) | 119 | 145 | 99 | 95 | 135 | 120 | 122 | 85 | 130 | 120 |
物理(分) | 84 | 90 | 82 | 84 | 83 | 81 | 83 | 81 | 90 | 82 |
(2)①数学组的章老师打算从这10个同学中,按照这次测试数学的等第是否优秀,利用分层随机抽样的方法抽取5人,再从这5人中抽取3个人,并仔细考查这3个人的答题情况.设最后抽出的3个人中数学等第优秀的人数为,求的分布列及数学期望;
②如果本次测试理科考生的物理成绩,用样本估计总体,以10名同学物理成绩的平均数为,方差为,若从参加考试的800名理科考生中随机抽取4人,求这4人中至少有1人的物理成绩的等第优秀的概率.
参考数据:取.
若,则,.
.
0.10 | 0.05 | 0.025 | 0.010 | 0.005 | |
2.706 | 3.841 | 5.024 | 6.635 | 7.879 |
参考数据:若则,,
(1)求这30名同学中数学成绩的样本平均数(同一组数据用该组区间的中点值作代表);
(2)若这30名同学的数学成绩服从正态分布,其中近似为样本平均数.
(ⅰ)求;
(ⅱ)某专业共录取该省20名同学,即表示这20名同学中数学成绩超过128分的人数,利用(ⅰ)的结果,求的数学期望(精确到个位).
附:若随机变量服从正态分布,则,
(1)用样本估计总体,试估计此次知识竞赛成绩的平均数;
(2)将此次竞赛成绩近似看作服从正态分布(用样本平均数和标准差s分别作为,的近似值),已知样本的标准差.现从该校参与知识竞赛的所有学生中任取200人,记这200人中知识竞赛成绩超过89分的学生人数为随机变量X,求X的数学期望;
(3)从得分区间和的试卷中用分层抽样的方法抽取10份试卷,再从这10份样本中随机抽测3份试卷,若已知抽测的3份试卷来自于不同区间,求抽测3份试卷有2份来自区间的概率.
参考数据:若,则,,.
(1)现从该样本中随机抽取两名学生的竞赛成绩,求这两名学生恰有一名学生获奖的概率.
(2)若该校所有参赛学生的成绩近似地服从正态分布,其中,为样本平均数的估计值,利用所得正态分布模型解决以下问题:
①若该校共有名学生参加了竞赛,试估计参赛学生中超过分的学生人数(结果四舍五入到整数);
②若从所有参赛学生中(参赛学生人数大于)随机抽取名学生进行座谈,设其中竞赛成绩在分以上的学生人数为,求随机变量的分布列和数学期望.
附:若随机变量服从正态分布,则,,.
年份 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 | 2023 |
年份代码 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
新建社区养老机构 |
(1)若该地区参与社区养老的老人的年龄近似服从正态分布,其中年龄的有人,试估计该地参与社区养老的老人有多少?(结果按四舍五入取整数)
(2)已知变量与之间的样本相关系数,请求出关于的线性回归方程,并据此估计年时,该地区新建社区养老机构的数量.(结果按四舍五入取整数)
参考公式与数据:①,.;
②若随机变量,则,,;
③,.