题目
三、判断题( ) 1.对立事件一定是互斥事件。( ) 2.设X为一随机变量,F(x)是X的分布函数,a为一个常数,则一定有P(X>a)=1-F(a)。( ) 3.若X服从参数为λ的指数分布,则D(X)=lambda^2。( ) 4.若随机变量X,Y相互独立,则一定有D(X+Y)=D(X)+D(Y)。( ) 5.设总体X~N(μ,σ²),X₁,X₂,…,Xₙ是总体一个样本,overline(X),S²分别是样本均值和样本方差,则(overline(X)-mu)/(frac(S){sqrt(n))}sim t(n)。
三、判断题
( ) 1.对立事件一定是互斥事件。
( ) 2.设X为一随机变量,F(x)是X的分布函数,a为一个常数,则一定有P{X>a}=1-F(a)。
( ) 3.若X服从参数为λ的指数分布,则D(X)=$\lambda^{2}$。
( ) 4.若随机变量X,Y相互独立,则一定有D(X+Y)=D(X)+D(Y)。
( ) 5.设总体X~N(μ,σ²),X₁,X₂,…,Xₙ是总体一个样本,$\overline{X}$,S²分别是样本均值和样本方差,则$\frac{\overline{X}-\mu}{\frac{S}{\sqrt{n}}}\sim t(n)$。
题目解答
答案
让我们逐一分析每个判断题。
1. **对立事件一定是互斥事件。**
- 对立事件是两个事件,其中一个事件的发生意味着另一个事件不发生。互斥事件是两个事件,它们不能同时发生。对立事件是互斥事件的一种特殊类型,其中两个事件是互补的(即,它们的并集是整个样本空间)。
- 因此,对立事件一定是互斥事件,但互斥事件不一定是对立事件。
- 答案:正确。
2. **设X为一随机变量,F(x)是X的分布函数,a为一个常数,则一定有P{X>a}=1-F(a)。**
- 分布函数F(x)定义为P{X≤x}。因此,P{X>a} = 1 - P{X≤a} = 1 - F(a)。
- 答案:正确。
3. **若X服从参数为λ的指数分布,则D(X)=$\lambda^{2}$。**
- 指数分布的方差由D(X) = $\frac{1}{\lambda^2}$给出。
- 答案:错误。
4. **若随机变量X,Y相互独立,则一定有D(X+Y)=D(X)+D(Y)。**
- 对于两个随机变量X和Y,它们和的方差由D(X+Y) = D(X) + D(Y) + 2Cov(X,Y)给出。如果X和Y是独立的,那么Cov(X,Y) = 0,所以D(X+Y) = D(X) + D(Y)。
- 答案:正确。
5. **设总体X~N(μ,σ²),X₁,X₂,…,Xₙ是总体一个样本,$\overline{X}$,S²分别是样本均值和样本方差,则$\frac{\overline{X}-\mu}{\frac{S}{\sqrt{n}}}\sim t(n)$。**
- 统计量$\frac{\overline{X}-\mu}{\frac{S}{\sqrt{n}}}$遵循自由度为n-1的t分布,而不是n。因此,正确的陈述是$\frac{\overline{X}-\mu}{\frac{S}{\sqrt{n}}}\sim t(n-1)$。
- 答案:错误。
最终答案是:
1. 正确
2. 正确
3. 错误
4. 正确
5. 错误
所以,答案是 $\boxed{\text{对,对,错,对,错}}$。
解析
- 对立事件与互斥事件的关系:对立事件是互斥事件的特例,必须满足两个事件的并集为整个样本空间。
- 分布函数的定义:分布函数$F(a)$表示$P(X \leq a)$,由此可推导$P(X > a)$的表达式。
- 指数分布的方差:指数分布的方差公式为$\frac{1}{\lambda^2}$,需注意与题目中的表达式对比。
- 独立随机变量的方差性质:独立变量和的方差等于方差的和。
- t分布的自由度:样本方差$S^2$基于$n-1$自由度,因此$t$分布的自由度应为$n-1$。
第1题
对立事件一定是互斥事件
- 对立事件要求两个事件互斥且并集为样本空间,因此必然满足互斥条件。
- 结论:正确。
第2题
$P\{X > a\} = 1 - F(a)$
- 分布函数定义为$F(a) = P(X \leq a)$,因此:
$P(X > a) = 1 - P(X \leq a) = 1 - F(a).$ - 结论:正确。
第3题
指数分布的方差为$\lambda^2$
- 指数分布的方差公式为:
$D(X) = \frac{1}{\lambda^2}.$ - 题目中写为$\lambda^2$,与公式矛盾。
- 结论:错误。
第4题
独立变量和的方差
- 若$X$与$Y$独立,则协方差$\text{Cov}(X,Y) = 0$,因此:
$D(X+Y) = D(X) + D(Y).$ - 结论:正确。
第5题
t分布的自由度
- 样本方差$S^2$的计算公式为:
$S^2 = \frac{1}{n-1} \sum_{i=1}^n (X_i - \overline{X})^2.$ - 因此统计量$\frac{\overline{X} - \mu}{S/\sqrt{n}}$服从自由度为$n-1$的$t$分布,而非$n$。
- 结论:错误。