|
M18E1T60 | Нормальное распределение |
V1 | Математическое ожидание случайной величины распределенной по нормальному закону распределения равно: |
| |
| -3 |
| |
| |
| -4 |
V2 | Математическое ожидание случайной величины распределенной по нормальному закону распределения равно: |
| -4 |
| -3 |
| |
| |
| |
V3 | Математическое ожидание случайной величины распределенной по нормальному закону распределения равно: |
| |
| |
| –1 |
| |
| -4 |
V4 | Дисперсия случайной величины распределенной по нормальному закону равна: |
| |
| |
| |
| |
| –3 |
V5 | Среднее квадратическое отклонение случайной величины распределенной по нормальному закону равно: |
| |
| |
| |
| |
| |
V6 | Дисперсия случайной величины распределенной по нормальному закону равна: |
| -4 |
| |
| |
| |
| |
V7 | – интегральная функция Лапласа. Случайная величина X распределена по нормальному закону с параметрами a=4 и σ=3. Вероятность |
| |
| |
| |
| |
| |
V8 | Случайная величина X распределена по нормальному закону с параметрами a и σ. – интегральная функция Лапласа. Укажите неверное |
| |
| |
| |
| |
| |
V9 | – интегральная функция Лапласа. На рисунке изображена нормальная кривая N(1; 0.8). Площадь заштрихованной фигуры равна |
| Ф(2)-Ф(1) |
| Ф(1.25) |
| |
| 2Ф(1.5) |
| Ф(1) |
V10 | – интегральная функция Лапласа. На рисунке изображена нормальная кривая N(1; 0.8). Площадь заштрихованной фигуры равна |
| Ф(1.5)-Ф(0.5) |
| Ф(1.875) |
| |
| 2Ф(0.625) |
| Ф(1) |
V11 | На рисунке изображены две нормальные кривые: 1 – N(1; σ1), 2 – N(2; σ2). Укажите верное |
| σ1<σ2 |
| σ1>σ2 |
| σ1=σ2 |
| σ1<0 |
| σ2<0 |
V12 | – интегральная функция Лапласа. Случайная величина X распределена по нормальному закону с параметрами а и σ. Её функция распределения F(x) равна |
| Ф(х) |
| |
| 0.5+ Ф(х) |
| |
| |
V13 | Для нормального распределения площадь под графиком плотности вероятности равна |
| |
| p
|
| |
|
|
|
M19E1T60 | Биномиальное распределение |
V1 | Производится 300 независимых испытаний, в каждом из которых вероятность появления события А постоянна и равна 0.8. Случайная величина Х – число появлений события А при 300 испытаниях. Тогда М(Х) равно |
| |
| |
| |
| |
| |
V2 | Производится 400 независимых испытаний, в каждом из которых вероятность появления события А постоянна и равна 0.7. Случайная величина Х – число появлений события А в 400 испытаниях. Тогда М(Х) равно |
| |
| |
| |
| |
| |
V3 | Производится 200 независимых испытаний, в каждом из которых вероятность появления события А постоянна и равна 0.6. Случайная величина Х – число появлений события А при 200 испытаниях. Тогда М(Х) равно |
| |
| |
| |
| |
| |
V4 | Производится 200 независимых испытаний, в каждом из которых вероятность появления события А постоянна и равна 0.6. Х – случайная величина – число появлений события А в 200 испытаниях. Тогда D(Х) равна |
| |
| |
| |
| |
| |
V5 | Производится 300 независимых испытаний, в каждом из которых вероятность появления события А постоянна и равна 0,8. Х – случайная величина – число появлений события А при 300 испытаниях. Тогда D(Х) равна |
| |
| |
| |
| |
| |
V6 | Производится 400 независимых испытаний, в каждом из которых вероятность появления события А постоянна и равна 0,7. Х – случайная величина – число появлений события А при 400 испытаниях. Тогда D(Х) равна |
| |
| |
| |
|
M20E1T120 | Система двух случайных величин |
V1 | Случайные величины X и Y независимы, ρ – их коэффициент корреляции. Укажите верное равенство |
| ρ=0 |
| ρ=1 |
| ρ=-1 |
| ρ=0.5 |
| ρ=-2 |
V2 | Регрессией случайной величины X по Y называется |
| условное математическое ожидание M(X|Y=у) |
| условное математическое ожидание M(Y|X=x) |
| условная дисперсия D(X|Y=у) |
| условная дисперсия D(Y|X=x) |
V3 | Регрессией случайной величины Y по X называется |
| условное математическое ожидание M(X|Y=у) |
| условное математическое ожидание M(Y|X=x) |
| условная дисперсия D(X|Y=у) |
| условная дисперсия D(Y|X=x) |
V4 | M(X), M(Y) - математические ожидания случайных величин X и Y соответственно, cov(X, Y) – ковариация этих случайных величин, M(XY) - математическое ожидание произведения этих случайных величин. Укажите неверное |
| Если X и Y независимы, то cov(X, Y)=0 |
| Если cov(X, Y)=0, то X и Y независимы |
| cov(X, Y)=M(XY)-M(X)M(Y) |
| cov(X, Y)=M((X-M(X))(Y-M(Y))) |
| cov(X, X)=D(X), где D(X) – дисперсия случайной величины X |
V5 | Случайные величины X и Y связаны линейной функциональной зависимостью, ρ – их коэффициент корреляции. Укажите верное |
| ρ=0 |
| ρ=1 или ρ=-1 |
| 0<ρ<1 |
| ρ>1 или ρ<-1 |
| -1<ρ<1 |
V6 | Установлено, что между случайными переменными X и Y существует линейная корреляционная зависимость, причём Y увеличивается с увеличением X. Коэффициент корреляции между X и Y может принимать значение |
| 0.8 |
| |
| -0.71 |
| 1.04 |
| -1.2 |
V7 | Установлено, что между случайными переменными X и Y существует линейная корреляционная зависимость, причём Y уменьшается с увеличением X. Выборочный коэффициент корреляции между X и Y может принимать значение |
| 0.85 |
| |
| -0.71 |
| 1.3 |
| -1.05 |
V8 | Ковариация равна |
| произведению дисперсий обеих переменных |
| квадратному корню из произведения дисперсий обеих переменных |
| математическому ожиданию суммы отклонений переменных от своих математических ожиданий |
| математическому ожиданию произведения отклонений переменных от своих математических ожиданий |
| произведению отклонений переменных от своих математических ожиданий |
V9 | Мерой взаимосвязи двух случайных величин является |
| дисперсия |
| произведение математических ожиданий этих величин |
| разность между математическими ожиданиями этих величин |
| ковариация |
| сумма математических ожиданий этих величин |
V10 | Величина коэффициента корреляции может находиться в пределах |
| [-1; 1] |
| [0; 1] |
| [0; 100] |
| |
| [-1; 0] |
M21E1T90 | Первичная обработка статистических данных |
V1 | Признак X представлен вариационным рядом xi 2 4 5 7 ni 5 4 4 7 Выборочная средняя равна |
| 4.75 |
| 4.5 |
| |
| |
| |
V2 | Признак X представлен вариационным рядом xi 2 4 5 7 ni 5 4 4 7 Выборочная дисперсия приближённо равна |
| 4.75 |
| 4.5 |
| 3.79 |
| |
| 3.99 |
V3 | Признак X представлен выборкой значений 1, 2, 4, 1, 0, 2, 3, 1, 2, 2. Частота варианта 2 равна |
| |
| |
| |
| 0.4 |
| 0.5 |
V4 | Признак X представлен выборкой значений 1, 2, 4, 1, 0, 2, 3, 1, 2, 2. Частость варианта 2 равна |
| |
| |
| |
| 0.4 |
| 0.5 |
V5 | Признак X представлен выборкой значений 1, 2, 4, 1, 0, 2, 3, 1, 2, 2. Мода равна |
| |
| |
| |
| 0.4 |
| 0.5 |
V6 | Признак X представлен выборкой значений 1, 2, 4, 2, 1, 0, 3, 1, 2, 2. Медиана равна |
| |
| |
| |
| |
| 0.5 |
V7 | Признак X представлен вариационным рядом xi 2-4 4-6 6-8 8-10 10-12 ni 5 4 4 7 1 Модальным является интервал |
| 2-4 |
| 4-6 |
| 6-8 |
| 8-10 |
| 10-12 |
V8 | Признак X представлен вариационным рядом xi 2-4 4-6 6-8 8-10 10-12 ni 29 10 7 2 2 Медиальным является интервал |
| 2-4 |
| 4-6 |
| 6-8 |
| 8-10 |
| 10-12 |
V9 | Признак X представлен вариационным рядом xi 2-4 4-6 6-8 8-10 10-12 ni 19 7 10 2 2 Выборочная средняя равна |
| |
| |
| |
| 5.05 |
| |
V10 | Признак X представлен вариационным рядом xi -2 -1 0 1 2 ni 1 5 10 7 2 Выборочная средняя равна |
| |
| |
| |
| 0.16 |
| |
V11 | Признак X представлен вариационным рядом xi -2 -1 0 1 2 ni 1 5 10 7 2 Выборочная дисперсия равна |
| 0.96 |
| 0.9344 |
| |
| 0.16 |
| |
V12 | Признак X представлен выборкой значений 1, 2, 4, 1, 0, 2, 3, 1, 2, 2. Выборочная средняя равна |
| 1.8 |
| |
| |
| |
| 0.5 |
V13 | Выборочная дисперсия может быть вычислена по формуле |
| |
| |
| |
| |
| |
V14 | Для ряда наблюдений 5.33, 9.37, 5.79, 8.26, 6.8, 4.85, 7.51 выборочная средняя приближённо равна |
| 47.91 |
| 15.77 |
| 8.315 |
| 7.22 |
| 6.84 |
V15 | Для ряда наблюдений 548, 553, 569, 573, 578 выборочная средняя равна |
| 470.16 |
| 564.2 |
| 8.315 |
| |
| 56.86 |
V16 | Вариация признака – это |
| приближение признака к некоторой постоянной |
| показатель изменчивости признака |
| среднее значение признака |
| то же, что и корреляция |
| определение тесноты связи признака с другим признаком |
V17 | Вариационный ряд – это |
| ряд, построенный по атрибутивному признаку |
| это аддитивный ряд |
| ряд, построенный по количественному признаку |
| ряд, построенный по количественному и качественному признакам |
| неранжированный ряд |
M22E1T120 | Статистическое оценивание |
V1 | Отдел технического контроля проверил 5 партий изделий по 50 штук в каждой. Количество бракованных изделий в этих партиях составило 3, 2, 1, 4 и 2 изделия соответственно. Точечная оценка доли бракованных изделий в партии, содержащей 50 изделий, составляет |
| 0.048 |
| 0.48 |
| 2.4 |
| 0.24 |
| среди указанных вариантов ответов нет правильного |
V2 | Известно, что статистика , используемая в интервальном оценивании параметра θ, имеет стандартное нормальное распределение. Для построения доверительного интервала для θ (с надёжностью 95 %) необходимо решить неравенство . Неверным является утверждение |
| |
| |
| |
| – квантиль стандартного нормального распределения уровня 0.025 |
| – квантиль стандартного нормального распределения уровня 0.975 |
V3 | Известно, что статистика , используемая в интервальном оценивании параметра θ, имеет стандартное нормальное распределение. Для построения доверительного интервала для θ (с надёжностью 95 %) необходимо решить неравенство . Неверным является утверждение |
| |
| |
| |
| – квантиль стандартного нормального распределения уровня 0.025 |
| – квантиль стандартного нормального распределения уровня 0.025 |
V4 | Известно, что статистика , используемая в интервальном оценивании параметра θ, имеет распределение Стьюдента с k степенями свободы. Для построения доверительного интервала для θ (с надёжностью 90 %) необходимо решить неравенство . Неверным является утверждение |
| |
| |
| |
| –квантиль распределения Стьюдента с k степенями свободы уровня 0.1 |
| – квантиль распределения Стьюдента с k степенями свободы уровня 0.05 |
V5 | Оценка называется несмещённой, если |
| её дисперсия является минимальной |
| её математическое ожидание равно значению оцениваемого параметра |
| разность между оценкой и параметром не превышает по абсолютной величине 3s |
| её математическое ожидание меньше значения оцениваемого параметра |
| её математическое ожидание больше значения оцениваемого параметра |
V6 | Оценка называется состоятельной, если |
| её математическое ожидание равно оцениваемому параметру |
| её математическое ожидание меньше оцениваемого параметра |
| её математическое ожидание больше оцениваемого параметра |
| её дисперсия является минимальной |
| она сходится по вероятности к оцениваемому параметру |
V7 | Оценка называется эффективной, если её |
| математическое ожидание равно оцениваемому параметру |
| математическое ожидание меньше оцениваемого параметра |
| математическое ожидание больше оцениваемого параметра |
| дисперсия является минимальной |
| дисперсия является максимальной |
V8 | Выборочная дисперсия есть |
| смещённая и состоятельная оценка генеральной средней |
| несмещённая и состоятельная оценка генеральной дисперсии |
| смещённая и состоятельная оценка генеральной дисперсии |
| несмещённая и состоятельная оценка генеральной средней |
| несмещённая и асимптотически эффективная оценка генеральной дисперсии |
V9 | Выборочная средняя есть |
| смещённая и состоятельная оценка генеральной средней |
| несмещённая и состоятельная оценка генеральной дисперсии |
| смещённая и состоятельная оценка генеральной дисперсии |
| несмещённая и состоятельная оценка генеральной средней |
| несмещённая и асимптотически эффективная оценка генеральной дисперсии |
V10 | Несмещённой оценкой генеральной дисперсии является |
| |
| |
| |
| |
| |
V11 | Несмещённой оценкой генеральной средней является |
| |
| |
| |
| |
| |
V12 | Известно, что статистика , используемая в интервальном оценивании параметра θ, имеет хи-квадрат распределение с k степенями свободы. Для построения доверительного интервала для θ (с надёжностью 90 %) необходимо решить неравенство . Верным является утверждение |
| |
| – квантиль хи-квадрат распределения с k степенями свободы уровня 0.9 |
| |
| – квантиль хи-квадрат распределения с k степенями свободы уровня 0.95 |
| |
V13 | Из нормальной генеральной совокупности извлечена выборка объёма n=20, рассчитана выборочная средняя и с доверительной вероятностью 95% найдена интервальная оценка генеральной средней . Верхняя граница доверительного интервала для , найденного с надёжностью 90%, принимает значение |
| 3.03 |
| 3.44 |
| 4.12 |
| 4.92 |
| 5.33 |
V14 | Из нормальной генеральной совокупности извлечена выборка объёма n=20, рассчитана выборочная средняя и с доверительной вероятностью 95% найдена интервальная оценка генеральной средней . Верхняя граница доверительного интервала для , найденного с надёжностью 99%, принимает значение |
| 3.03 |
| 3.44 |
| 4.12 |
| 4.92 |
| 5.33 |
V15 | Из нормальной генеральной совокупности извлечена выборка объёма n=20, рассчитана выборочная средняя и с доверительной вероятностью 95% найдена интервальная оценка генеральной средней . Нижняя граница доверительного интервала для , найденного с надёжностью 90%, принимает значение |
| 3.03 |
| 3.44 |
| 4.12 |
| 4.92 |
| 5.33 |
V16 | Из нормальной генеральной совокупности извлечена выборка объёма n=20, рассчитана выборочная средняя и с доверительной вероятностью 95% найдена интервальная оценка генеральной средней . Нижняя граница доверительного интервала для , найденного с надёжностью 99%, принимает значение |
| 3.03 |
| 3.44 |
| 4.12 |
| 4.92 |
| 5.33 |
V17 | Какое из следующих понятий не относится к свойствам точечной оценки параметра |
| эффективность |
| согласованность |
| состоятельность |
| несмещённость |
| смещённость |
V18 | Доверительный интервал для математического ожидания нормально распределённой случайной величины строится |
| на основе стандартного нормального распределения, если дисперсия неизвестна |
| на основе распределения Фишера |
| с использованием хи-квадрат распределения |
| с использованием статистики Стьюдента, если дисперсия неизвестна |
| с использованием статистики Стьюдента, если дисперсия известна |
V19 | F-статистика имеет распределение: |
| нормальное |
| Стьюдента |
| Фишера |
| Лапласа |
| Гаусса |
V20 | t-статистика имеет распределение |
| нормальное |
| Стьюдента |
| Фишера |
| Лапласа |
| хи-квадрат |
V21 | Всю совокупность реализаций случайной величины называют |
| полной совокупностью |
| репрезентативной совокупностью |
| выборочной совокупностью |
| генеральной совокупностью |
| статистической совокупностью |
V22 | Оценка, имеющая наименьшую дисперсию из всех оценок параметра, найденных по выборке фиксированного объёма называется |
| несмещённой |
| эффективной |
| несостоятельной |
| состоятельной |
| наилучшей |
V23 | Множество наблюдений представляющих часть генеральной совокупности реализаций случайной величины называют |
| полной совокупностью |
| репрезентативной совокупностью |
| генеральной совокупностью |
| выборочной совокупностью |
| статистической совокупностью |
V24 | Оценка, сходящаяся по вероятности к оцениваемому параметру, называется |
| несмещённой |
| эффективной |
| несостоятельной |
| состоятельной |
| наилучшей |
V25 | Смещение оценки – это |
| сумма математического ожидания оценки и истинного значения оцениваемого параметра |
| отклонение зависимой переменной регрессии от среднего значения |
| разность между выборочными средними двух величин |
| отклонение наблюдения от среднего значения |
| разность между математическим ожиданием оценки и истинным значением оцениваемого параметра |
V26 | Доверительный интервал для математического ожидания нормально распределённой случайной величины строится |
| на основе стандартного нормального распределения, если дисперсия известна |
| на основе распределения Фишера |
| с использованием хи-квадрат распределения |
| на основе стандартного нормального распределения, если дисперсия неизвестна |
| с использованием статистики Стьюдента, если дисперсия известна |
V27 | Доверительный интервал для среднего квадратического отклонения нормально распределённой случайной величины строится |
| на основе стандартного нормального распределения, если дисперсия неизвестна |
| на основе распределения Фишера |
| с использованием хи-квадрат распределения |
| с использованием статистики Стьюдента, если дисперсия неизвестна |
| с использованием статистики Стьюдента, если дисперсия известна |
Дата добавления: 2015-08-28; просмотров: 39 | Нарушение авторских прав
<== предыдущая лекция | | | следующая лекция ==> |