logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subjecticon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • icon-appicon-app-active手机APP
首页
/
统计
题目

某人下午5:00下班,他所积累的资料表明,到家时间5:35~5:39 5:40~5:44 5:45~5:49 5:50~5:54  迟于5:54乘地铁的概率 0.10    0.25     0.45   0.15     0.05乘汽车的概率 0.30    0.35     0.20   0.10     0.05某日,他抛一枚硬币决定乘地铁还是乘汽车,结果他是5:47到家,试求他是乘地铁回家的概率。

某人下午5:00下班,他所积累的资料表明,

到家时间

5:35~5:39 5:40~5:44 5:45~5:49 5:50~5:54  迟于5:54

乘地铁的概率

0.10    0.25     0.45   0.15     0.05

乘汽车的概率

 0.30    0.35     0.20   0.10     0.05

某日,他抛一枚硬币决定乘地铁还是乘汽车,结果他是5:47到家,试求他是乘地铁回家的概率。

题目解答

答案

解 设=“乘地铁回家”,=“乘汽车回家”

=“5:35~5:39回家”; =“ 5:40~5:44回家”;

=“ 5:45~5:49回家”; =“ 5:50~5:54回家”;

=“ 迟于5:54回家”

因为他到家的时间为5:47,则所求概率为在事件=“5:45~5:49回家”发生条件下发生的条件概率:

(由贝叶斯公式)

。

解析

考查要点:本题主要考查条件概率的应用,特别是贝叶斯定理的理解与运用。需要根据已知的到家时间区间,反推选择交通工具的概率。

解题核心思路:

  1. 确定事件关系:到家时间(B3区间)与交通工具选择(地铁或汽车)之间的条件概率关系。
  2. 应用贝叶斯公式:通过先验概率(抛硬币决定交通工具的等概率)和各个交通工具对应的时间段概率,计算后验概率。
  3. 关键点:正确识别到家时间对应的区间(B3),并准确提取表格中的条件概率值。

步骤分解

1. 定义事件

  • 设 $A$ 表示“乘地铁”,$\bar{A}$ 表示“乘汽车”。
  • 到家时间区间 $B_3$ 对应“5:45~5:49”。

2. 确定先验概率

抛硬币决定交通工具,因此:
$P(A) = P(\bar{A}) = \frac{1}{2}$

3. 提取条件概率

  • 乘地铁时到家在 $B_3$ 的概率:$P(B_3|A) = 0.45$
  • 乘汽车时到家在 $B_3$ 的概率:$P(B_3|\bar{A}) = 0.20$

4. 计算总概率 $P(B_3)$

根据全概率公式:
$\begin{aligned}P(B_3) &= P(B_3|A)P(A) + P(B_3|\bar{A})P(\bar{A}) \\&= 0.45 \times \frac{1}{2} + 0.20 \times \frac{1}{2} \\&= 0.325\end{aligned}$

5. 应用贝叶斯公式

求 $P(A|B_3)$:
$\begin{aligned}P(A|B_3) &= \frac{P(B_3|A)P(A)}{P(B_3)} \\&= \frac{0.45 \times \frac{1}{2}}{0.325} \\&= \frac{0.225}{0.325} \\&= \frac{9}{13} \approx 0.6923\end{aligned}$

相关问题

  • 设随机变量XY都服从N(0,1),则有()A. X+Y服从正态分布B. X+Y服从x^2分布 C. X^2和Y^2都服从x^2分布 D. (X^2)div (Y^2)服从F分布

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 下列关于回归分析的描述不正确的是()A. 回归分析模型可分为线性回归模型和非线性回归模型B. 回归分析研究不同变量之间存在的关系()C. 刻画不同变量之间关系的模型统称为线性回归模型D. 回归分析研究单个变量的变化情况

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差衡量了多个变量的分布C. 协方差和方差的计算方式完全一致D. 方差描述了样本数据的波动程度

  • 假定用于分析的数据包含属性age.数据元组[1]中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70, 问题:使用按箱平均值平滑方法对上述数据进行平滑,箱的深度为3。第二个箱子值为:A. 18.3B. 22。6C. 26。8D. 27。9

  • 重测信度用重测相关系数来表示,相关系数越趋近于下列哪一数值时,则重测信度越高A. 1B. 0.7C. 2D. 3

  • {15分)常规情况下,下列不属于人口学变量的是A. 民族B. 收入C. 年龄D. 睡眠时间E. 性别

  • 像从性不好的资料是()A. 由于死亡或者其他原因不能继续试验B. 能按照试验规定要求完成实验C. 重复参加试验D. 由于纳入标准不合格导致选择的研究对象不符合试验要求E. 能完成试验但是不能按照规定要求完成试验

  • 对研究对象制定明确的纳入标准和排除标准,是为了保证样本的A. 可靠性B. 可行性C. 代表性D. 合理性E. 科学性

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差和方差的计算方式完全一致C. 协方差衡量了多个变量的分布D. 方差描述了样本数据的波动程度

  • {1.5分)确定研究总体和样本时,不需要考虑A. 立题依据B. 样本量C. 抽样方法D. 目标总体E. 纳入及排除标准

  • 44.2021年,我国人均预期寿命提高到了()。A. 78岁B. 79岁C. 78.2岁D. 79.2岁

  • 5.聚类分析可以看作是一种非监督的分类。()

  • 下列哪项属于常见的池化方式。()A. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • 下列哪项属于常见的池化方式。()A. 协方差池化B. 方差池化C. 反向传播D. 最大池化

  • 以下几种数据挖掘功能中,〔〕被广泛的用于购物篮分析.A. 关联分析B. 分类和预测C. 聚类分析D. 演变分析

  • 48皮尔逊相关系数的取值范围为0到正无穷。()A. 错误B. 正确

  • 请你从下表中找出1~100中所有质数.并数一数一共多少个. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

  • 可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述正确的A. 每个样本数据分别归属于与其距离最远的聚类质心所在聚类集合B. 每个簇类的质心累加起来最小C. 最终聚类结果中每个聚类集合中所包含数据呈现出来差异性最大D. 每个簇类的方差累加起来最小

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

上一页下一页
logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号