logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • 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

5.填空题某次考试成绩X服从正态分布X~N(75,15²)(单位:分),则此次考试的及格率P(X≥60)=____,优秀率P(X≥90)=____,考试成绩至少高于____分才能排名前50%。第1空: 15.87%第2空:第3空:

5.填空题 某次考试成绩X服从正态分布X~N(75,15²)(单位:分),则此次考试的及格率P(X≥60)=____,优秀率P(X≥90)=____,考试成绩至少高于____分才能排名前50%。 第1空: 15.87% 第2空: 第3空:

题目解答

答案

为了解决这个问题,我们需要使用正态分布的性质和标准正态分布表。正态分布 $ X \sim N(75, 15^2) $ 的均值为 $ \mu = 75 $,标准差为 $ \sigma = 15 $。 ### 第1空:及格率 $ P(X \geq 60) $ 首先,我们需要将 $ X = 60 $ 转换为标准正态变量 $ Z $。标准正态变量 $ Z $ 的计算公式为: \[ Z = \frac{X - \mu}{\sigma} \] 将 $ X = 60 $, $ \mu = 75 $,和 $ \sigma = 15 $ 代入,得到: \[ Z = \frac{60 - 75}{15} = \frac{-15}{15} = -1 \] 我们需要找到 $ P(X \geq 60) $,这等价于 $ P(Z \geq -1) $。根据正态分布的对称性, $ P(Z \geq -1) = 1 - P(Z < -1) = 1 - P(Z \leq -1) $。从标准正态分布表中,我们可以找到 $ P(Z \leq -1) \approx 0.1587 $。因此: \[ P(Z \geq -1) = 1 - 0.1587 = 0.8413 \] 将这个概率转换为百分比,得到: \[ 0.8413 \times 100\% = 84.13\% \] 所以,及格率 $ P(X \geq 60) $ 为 $ \boxed{84.13\%} $。 ### 第2空:优秀率 $ P(X \geq 90) $ 同样,我们需要将 $ X = 90 $ 转换为标准正态变量 $ Z $: \[ Z = \frac{90 - 75}{15} = \frac{15}{15} = 1 \] 我们需要找到 $ P(X \geq 90) $,这等价于 $ P(Z \geq 1) $。从标准正态分布表中,我们可以找到 $ P(Z \leq 1) \approx 0.8413 $。因此: \[ P(Z \geq 1) = 1 - P(Z \leq 1) = 1 - 0.8413 = 0.1587 \] 将这个概率转换为百分比,得到: \[ 0.1587 \times 100\% = 15.87\% \] 所以,优秀率 $ P(X \geq 90) $ 为 $ \boxed{15.87\%} $。 ### 第3空:考试成绩至少高于多少分才能排名前50% 要找到考试成绩至少高于多少分才能排名前50%,我们需要找到中位数。对于正态分布,中位数等于均值。因此,考试成绩至少高于 $ \mu = 75 $ 分才能排名前50%。 所以,答案是 $ \boxed{75} $。

解析

考查要点:本题主要考查正态分布的概率计算及中位数的应用。
解题思路:

  1. 标准化转换:将原始分数转化为标准正态变量 $Z$,利用标准正态分布表查概率。
  2. 对称性应用:通过 $Z$ 值的对称性简化计算。
  3. 中位数性质:正态分布的中位数等于均值,直接用于确定排名前50%的分数。

第1空:及格率 $P(X \geq 60)$

  1. 标准化计算:
    $Z = \frac{60 - 75}{15} = -1$
  2. 查标准正态分布表:
    $P(Z \leq -1) \approx 0.1587$,因此:
    $P(X \geq 60) = 1 - 0.1587 = 0.8413 = 84.13\%$

第2空:优秀率 $P(X \geq 90)$

  1. 标准化计算:
    $Z = \frac{90 - 75}{15} = 1$
  2. 查标准正态分布表:
    $P(Z \leq 1) \approx 0.8413$,因此:
    $P(X \geq 90) = 1 - 0.8413 = 0.1587 = 15.87\%$

第3空:排名前50%的最低分数

  1. 中位数性质:正态分布的中位数等于均值 $\mu = 75$,因此分数 高于75分 才能排名前50%。

相关问题

  • 下列关于变量的说法,错误的是(1.5) A. 常见的变量主要有自变量、因变量和混杂变量B. 混杂变量不会干扰研究结果C. 自变量不受结果的影响D. 自变量是因,因变量是果E. 因变量随自变量改变的影响而变化

  • {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

  • 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

  • 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

  • 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

  • 5.聚类分析可以看作是一种非监督的分类。()

  • {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

  • 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

  • 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

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

  • 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

  • 聚类分析的常见应用领域不包括( )A. 数据分析B. 图像处理C. 客户分割D. 发现关联购买行为

  • 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

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 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

  • 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

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

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