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

某种小汽车氧化氮的排放量的数学期望为 .9g/km, 标准差为-|||-https:/img.cdnjtzy.com/zyb_1097b667cd35772a5542394b30d84004.jpg.9g/km, 某汽车公司有这种小汽车100辆,以X表示这些车辆氧化氮排放量-|||-的算术平均,问当L为何值时 overline (X)gt L 的概率不超过0.01.

题目解答

答案

解析

本题考查中心极限定理的应用。解题的关键思路是先根据已知条件求出样本均值$\overline{X}$的期望和方差,再利用中心极限定理确定$\overline{X}$近似服从的正态分布,最后根据给定的概率不等式求解$L$的值。

  1. 计算样本均值$\overline{X}$的期望和方差:
    • 设$X_{i}(i = 1,2,\cdots,100)$表示第$i$辆小汽车氧化氮的排放量,已知$E(X_{i}) = 0.9$,$D(X_{i}) = 1.9^{2}$。
    • 根据期望和方差的性质,对于样本均值$\overline{X}=\frac{1}{100}\sum_{i = 1}^{100}X_{i}$,其期望$E(\overline{X})$为:
      $E(\overline{X}) = E(\frac{1}{100}\sum_{i = 1}^{100}X_{i})=\frac{1}{100}\sum_{i = 1}^{100}E(X_{i})$
      因为$E(X_{i}) = 0.9$,所以$E(\overline{X})=\frac{1}{100}\times100\times0.9 = 0.9$。
    • 其方差$D(\overline{X})$为:
      $D(\overline{X}) = D(\frac{1}{100}\sum_{i = 1}^{100}X_{i})=\frac{1}{100^{2}}\sum_{i = 1}^{100}D(X_{i})$
      因为$D(X_{i}) = 1.9^{2}$,所以$D(\overline{X})=\frac{1}{100^{2}}\times100\times1.9^{2}=\frac{1.9^{2}}{100}$。
  2. 确定$\overline{X}$近似服从的正态分布:
    由于各辆汽车氧化氮的排放量相互独立,根据中心极限定理,当样本容量$n = 100$足够大时,$\overline{X}$近似服从正态分布$N(E(\overline{X}),D(\overline{X}))$,即$\overline{X}\sim N(0.9,\frac{1.9^{2}}{100})$。
  3. 对$P\{\overline{X} > L\} \leq 0.01$进行标准化处理:
    令$Z=\frac{\overline{X}-E(\overline{X})}{\sqrt{D(\overline{X})}}=\frac{\overline{X}-0.9}{0.19}$,则$Z\sim N(0,1)$。
    $P\{\overline{X} > L\} = P\{\frac{\overline{X}-0.9}{0.19} > \frac{L - 0.9}{0.19}\}=1 - P\{\frac{\overline{X}-0.9}{0.19} \leq \frac{L - 0.9}{0.19}\}=1 - \varPhi(\frac{L - 0.9}{0.19})$
    其中$\varPhi(z)$是标准正态分布$N(0,1)$的分布函数。
  4. 求解$L$的值:
    已知$P\{\overline{X} > L\} \leq 0.01$,即$1 - \varPhi(\frac{L - 0.9}{0.19}) \leq 0.01$,移项可得$\varPhi(\frac{L - 0.9}{0.19}) \geq 0.99$。
    查标准正态分布表可得$\varPhi(2.33)=0.99$,所以$\frac{L - 0.9}{0.19} \geq 2.33$。
    解这个不等式:
    $\begin{align*}\frac{L - 0.9}{0.19} &\geq 2.33\\L - 0.9 &\geq 2.33\times0.19\\L - 0.9 &\geq 0.4427\\L &\geq 0.9 + 0.4427\\L &\geq 1.3427\end{align*}$
    所以$L$的最小值为$1.3427g/km$。

相关问题

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • {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

  • 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

  • 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

  • 2024年,我国每天大约有( )个小包裹往来于中国和世界各国之间A. 800万B. 1100万C. 1000万D. 900万

  • 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

  • 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

  • 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

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