1 . 五一小长假到来，多地迎来旅游高峰期，各大旅游景点都推出了种种新奇活动以吸引游客，小明去成都某熊猫基地游玩时，发现了一个趣味游戏，游戏规则为：在一个足够长的直线轨道的中心处有一个会走路的机器人，游客可以设定机器人总共行走的步数，机器人每一步会随机选择向前行走或向后行走，且每一步的距离均相等，若机器人走完这些步数后，恰好回到初始位置，则视为胜利.
(1)若小明设定机器人一共行走4步，记机器人的最终位置与初始位置的距离为步，求的分布列和期望；
(2)记为设定机器人一共行走步时游戏胜利的概率，求，并判断当为何值时，游戏胜利的概率最大；
(3)该基地临时修改了游戏规则，要求机器人走完设定的步数后，恰好第一次回到初始位置，才视为胜利.小明发现，利用现有的知识无法推断设定多少步时获得胜利的概率最大，于是求助正在读大学的哥哥，哥哥告诉他，“卡特兰数”可以帮助他解决上面的疑惑：将个0和个1排成一排，若对任意的，在前个数中，0的个数都不少于1的个数，则满足条件的排列方式共有种，其中，的结果被称为卡特兰数.若记为设定机器人行走步时恰好第一次回到初始位置的概率，证明：对（2）中的，有

2 . 杭州亚运会的三个吉祥物是琮琮、宸宸和莲莲，他们分别代表了世界遗产良渚古城遗址、京杭大运河和西湖，分别展现了不屈不挠、坚强刚毅的拼搏精神，海纳百川的时代精神和精致和谐的人文精神．甲同学可采用如下两种方式购买吉祥物，方式一：以盲盒方式购买，每个盲盒19元，盲盒外观完全相同，内部随机放有琮琮、宸宸和莲莲三款中的一个，只有打开才会知道买到吉祥物的款式，买到每款吉祥物是等可能的；方式二：直接购买吉祥物，每个30元．
(1)甲若以方式一购买吉祥物，每次购买一个盲盒并打开．当甲买到的吉祥物首次出现相同款式时，用X表示甲购买的次数，求X的分布列；
(2)为了集齐三款吉祥物，甲计划先一次性购买盲盒，且数量不超过3个，若未集齐再直接购买吉祥物，以所需费用的期望值为决策依据，甲应一次性购买多少个盲盒？

3 . 质数（prime number）又称素数，一个大于1的自然数，除了1和它本身外，不能被其他自然数整除，则这个数为质数，数学上把相差为2的两个素数叫做“孪生素数”.如：3和5，5和7……，在1900年的国际数学大会上，著名数学家希尔伯特提出了23个问题，其中第8个就是大名鼎鼎的孪生素数猜想：即存在无穷多对孪生素数.我国著名数学家张益唐2013年在《数学年刊》上发表论文《素数间的有界距离》，破解了困扰数学界长达一个半世纪的难题，证明了孪生素数猜想的弱化形式.那么，如果我们在不超过的自然数中，随机选取两个不同的数，记事件，这两个数都是素数；事件：这两个数不是孪生素数，则（       ）

A．

B．

C．

D．

5 . 英国数学家贝叶斯（1701-1763）在概率论研究方面成就显著，创立了贝叶斯统计理论，对于统计决策函数、统计推断等做出了重要贡献．贝叶斯公式就是他的重大发现，它用来描述两个条件概率之间的关系.该公式为：设，，…，是一组两两互斥的事件，，且，，则对任意的事件，，有，. 现有三台车床加工同一型号的零件，第台加工的次品率为，每加工一个零件耗时分钟，第，台加工的次品率均为，每加工一个零件分别耗时分钟和分钟，加工出来的零件混放在一起.已知第，，台车床加工的零件数分别占总数的，，.
(1)任取一个零件，计算它是次品的概率；
(2)如果取到的零件是次品，计算加工这个零件耗时（分钟）的分布列和数学期望.

6 . 在信息论中，熵（entropy）是接收的每条消息中包含的信息的平均量，又被称为信息熵､信源熵､平均自信息量.这里，“消息”代表来自分布或数据流中的事件､样本或特征.（熵最好理解为不确定性的量度而不是确定性的量度，因为越随机的信源的熵越大）来自信源的另一个特征是样本的概率分布.这里的想法是，比较不可能发生的事情，当它发生了，会提供更多的信息.由于一些其他的原因，把信息（熵）定义为概率分布的对数的相反数是有道理的.事件的概率分布和每个事件的信息量构成了一个随机变量，这个随机变量的均值（即期望）就是这个分布产生的信息量的平均值（即熵）.熵的单位通常为比特，但也用、、计量，取决于定义用到对数的底.采用概率分布的对数作为信息的量度的原因是其可加性.例如，投掷一次硬币提供了1的信息，而掷次就为位.更一般地，你需要用位来表示一个可以取个值的变量.在1948年，克劳德•艾尔伍德•香农将热力学的熵，引入到信息论，因此它又被称为香农滳.而正是信息熵的发现，使得1871年由英国物理学家詹姆斯•麦克斯韦为了说明违反热力学第二定律的可能性而设想的麦克斯韦妖理论被推翻.设随机变量所有取值为，定义的信息熵，（，）.
(1)若，试探索的信息熵关于的解析式，并求其最大值；
(2)若，（），求此时的信息熵.

7 . 2023年10月11日，中国科学技术大学潘建伟团队成功构建255个光子的量子计算机原型机“九章三号”，求解高斯玻色取样数学问题比目前全球是快的超级计算机快一亿亿倍.相较传统计算机的经典比特只能处于0态或1态，量子计算机的量子比特（qubit）可同时处于0与1的叠加态，故每个量子比特处于0态或1态是基于概率进行计算的.现假设某台量子计算机以每个粒子的自旋状态作为是子比特，且自旋状态只有上旋与下旋两种状态，其中下旋表示“0”，上旋表示“1”，粒子间的自旋状态相互独立.现将两个初始状态均为叠加态的粒子输入第一道逻辑门后，粒子自旋状态等可能的变为上旋或下旋，再输入第二道逻辑门后，粒子的自旋状态有的概率发生改变，记通过第二道逻辑门后的两个粒子中上旋粒子的个数为.
(1)若通过第二道逻辑门后的两个粒子中上旋粒子的个数为2，且，求两个粒子通过第一道逻辑门后上旋粒子个数为2的概率；
(2)若一条信息有种可能的情况且各种情况互斥，记这些情况发生的概率分别为，，…，，则称（其中）为这条信息的信息熵.试求两个粒子通过第二道逻辑门后上旋粒子个数为的信息熵；
(3)将一个下旋粒子输入第二道逻辑门，当粒子输出后变为上旋粒子时则停止输入，否则重复输入第二道逻辑门直至其变为上旋粒子，设停止输入时该粒子通过第二道逻辑门的次数为（，2，3，⋯，，⋯）.证明：当无限增大时，的数学期望趋近于一个常数.
参考公式：时，，.