forex trading logo
Корзина пуста



Новые поступления

Поиск в каталоге

Статистика

Rambler's Top100


Математика Часть 4. Тестовые задания

Цена:
Основная цена: 75,00 руб
Описание

Сборник заданий по дисциплине «МАТЕМАТИКА» (часть 4)

Вставить формылы не представляется возможным, поэтому пишите на helpstudy@inbox.ru вышлю полный текст заданий для сверки.

Оценка 5.

 

Задание 1

Вопрос 1. Каким событием согласно терминологии теории вероятностей является попадание в мишень при вы-стреле в тире?

1. Достоверным событием.

2. Возможным событием.

3. Событием совместимым с событием А, если событие А состоит в непопадании в мишень.

4. Событием противоположным событию А, если событие А состоит в попадании в мишень.

5. Неслучайным событием.

 

Вопрос 2. Предположим, что событие А при проведении k испытаний имело место s раз. Какова абсолютная частота появления события А?

1. .

2. .

3. .

4. s.

5. .

 

Вопрос 3. При шести бросаниях игральной кости (кубика с цифрами от 1 до 6 на гранях) цифра 5 выпала 2 раза, цифра 4 выпала 2 раза, а цифры 3 и 2 выпали по 1 разу каждая. Какова по результатам этого наблюдения частость (относительная частота) события, состоящего в выпадании цифры 3 или цифры 4?

1. .

2. .

3. .

4. .

5. .

 

Вопрос 4. Каково статистическое определение вероятности?

1. Вероятностью события А называется отношение числа исходов, благоприятствующих событию А, к общему числу испытаний в серии наблюдений.

2. Вероятностью называют устойчивую частоту появления события.

3. Вероятностью называют постоянную величину, около которой группируются наблюдаемые значения частости.

4. Вероятностью называют среднее арифметическое частости появления события при проведении серии одина-ковых испытаний.

5. Вероятностью называют отношение числа благоприятствующих исходов к числу всех равновозможных исхо-дов.

 

Вопрос 5. Какое событие является достоверным?

1. Событие, которому благоприятствуют более половины из единственно возможных исходов испытания.

2. Выпадание положительного числа при бросании игральной кости.

3. Извлечение вслепую белого шара из урны, в которой находятся одинаковые, за исключением цвета, белые и черные шары.

4. Падение бутерброда маслом вверх.

5. Выпадание разных цифр при двух бросаниях игральной кости.

 

Задание 2

Вопрос 1. В каком случае система событий называется полной?

1. Если сумма вероятностей этих событий равна единице.

2. Если события несовместимы и равновозможны.

3. Если произведение вероятностей этих событий равно единице.

4. Если события являются несовместимыми и единственно возможными.

5. Если сумма вероятностей этих событий превышает единицу, а сами события являются совместимы.

 

Вопрос 2. Допустим, что при некотором испытании возможны события А и В, вероятность события А , вероятность несовместимого с А события B . Какое из приведенных ниже высказываний не всегда будет истиной?

1. Событие А является противоположным событию В.

2. Событие В является противоположным событию А.

3. Если события А и В являются единственно возможными, то система событий А, В является полной.

4. События А и В – равновозможные.

5. Событие, которому благоприятствуют А и В, является достоверным.

 

Вопрос 3. Какова вероятность того, что при трех бросаниях игральной кости три раза выпадает цифра 3?

1. .

2. .

3. .

4. .

5. .

 

Вопрос 4. Из урны, в которой 4 белых шара и 3 черных, случайным образом извлекают два шара. (Шар после из-влечения не возвращают в урну). Шары в урне различаются только цветом. Какова вероятность того, что первым бу-дет извлечен черный шар, а вторым – белый?

1. .

2. .

3. .

4. .

5. .

 

Вопрос 5. При попадании в мишень пули, она опрокидывается. Допустим, что о стрелке А известно, что он попа-дает в мишень с вероятностью , о стрелке В известно, что он попадает в мишень с вероятностью , а о стрелке С известно, что он попадает в мишень с вероятностью . Стрелки А, В, С одновременно выстрелили в мишень. Какова вероятность того, что мишень опрокинется?

1. .

2. .

3. .

4. .

5. .

 

Задание 3

Вопрос 1. Что выражает формула Бернулли?

1. Теорему сложения вероятностей.

2. Вероятность появления события r раз при k независимых испытаниях .

3. Вероятность появления события А в двух независимых испытаниях.

4. Вероятность появления двух совместных событий при одном испытании.

5. Условную вероятность единственно возможного события.

 

Вопрос 2. Какова вероятность того, что 4 раза извлекая из урны, с завязанными глазами, шар, мы ровно 2 раза из-влечем белый, если в урне 6 белых шаров и 4 черных, и после каждого извлечения шар возвращается в урну?

1. 0.360.96.

2. 0.5.

3. 0.1.

4. 0.36.

5. 0.16.

 

Вопрос 3. Для определения какой величины служит формула Байеса?

1. Для определения вероятности события , противоположного событию Е.

2. Для определения полной вероятности события .

3. Для определения вероятности события при условии появления события Е.

4. Для определения вероятности появления события или Е.

5. Для определения вероятности появления в ряду независимых испытаний события Е после события .

 

Вопрос 4. Стрелок попадает в цель с вероятностью 0.6. Каково для этого стрелка наиболее вероятное число попа-даний в цель при 6 выстрелах?

1. 2.

2. 3.

3. 4.

4. 5.

5. 6.

 

Вопрос 5. Вероятность изготовления годного изделия автоматическим станком равна 0.9. Вероятность изготовле-ния изделия первого сорта этим станком равна 0.8. Какова вероятность того, что случайно взятое из годных, изделие окажется первого сорта?

1. .

2. 0.72.

3. 0.8.

4. 0.6.

5. 0.98.

 

Задание 4

Вопрос 1. Что называют кривой вероятностей?

1. График зависимости вероятности попадания в цель от расстояния до цели.

2. График функции .

3. Ломанную кривую биноминального распределения.

4. График функции .

5. График функции .

 

Вопрос 2. Для чего применяется локальная теорема Лапласа?

1. Для приближенного определения вероятности появления события ровно m раз при n повторных независимых испытаниях.

2. Для отыскания максимума кривой вероятностей.

3. Для отыскания точки пересечения кривой вероятностей с осью Ox.

4. Для отыскания минимума кривой вероятностей.

5. Для статистического анализа результатов повторных независимых испытаний.

 

Вопрос 3. Как выглядит асимптотическая формула Пуассона?

1. .

2. .

3. .

4. .

5. .

 

Вопрос 4. При каком условии допустимо использование асимптотической формулы Пуассона?

1. .

2. .

3. .

4. .

5. .

 

Вопрос 5. Пусть n – число независимых испытаний, в каждом из которых вероятность наступления события A рав-на p. Чему равен предел вероятности того, что число m появлений события A при n испытаниях удовлетворяет нера-венству , если n неограниченно возрастает?

1. , где  = np.

2. .

3. 1.

4. 0.

5. .

 

Задание 5

Вопрос 1. В каком случае говорят, что дискретная случайная величина X, у которой k возможных значений, определена?

1. Если известен исход испытания, определяющего значение случайной величины X.

2. Если известны все k возможных значений случайной величины X.

3. Если известны (заданы) все возможные значения случайной величины X и соответствующие ве-роятности .

4. Если заданы k значений вероятностей исхода испытания.

5. Если заданы минимальное и максимальное значения случайной величины X.

 

Вопрос 2. Что называют функцией распределения непрерывной случайной величины X?

1. Функцию .

2. Функцию где - вероятность того, что случайная величина X равна x.

3. Функцию при где - вероятность того, что случайная величина X равна x.

4. Функцию где - вероятность того, что случайная величина X будет больше x.

5. Функцию , где - вероятность того, что случайная величина X будет не больше x.

 

Вопрос 3. Каким свойством не обладает интегральная функция распределения ?

1. .

2. .

3. .

4. - непрерывна.

5. - невозрастающая.

 

Вопрос 4. Чему равна плотность распределения вероятностей случайной величины X, удовлетворяющей условию и равномерно распределенной на интервале , если , ?

1. .

2. .

3. .

4. .

5. .

 

Вопрос 5. График какой функции называют кривой распределения вероятностей непрерывной случайной величины X?

1. Интегральной функции распределения .

2. , где .

3. , где - плотность распределения вероятностей случайной величины X.

4. Функции плотности распределения вероятностей.

5. , где .

 

Задание 6

Вопрос 1. Каково среднее значение случайной величины, принимающей значение 1 с вероятностью 0.25 и значе-ние 3 с вероятностью 0.75?

1. 2.

2. 1.25.

3. 1.5.

4. 2.5.

5. 1.75.

 

Вопрос 2. Чему равно математическое ожидание суммы двух случайных величин X, Y?

1. .

2. .

3. .

4. .

5. .

 

Вопрос 3. В каком случае можно утверждать, что математическое ожидание произведения двух случай-ных величин X и Y равно произведению их математических ожиданий ?

1. Если случайные величины X и Y – дискретные.

2. Если случайные величины X и Y – непрерывные.

3. Если плотность распределения - непрерывная функция.

4. Если количество значений, принимаемых случайной величиной X совпадает с количеством значений, прини-маемых случайной величиной Y.

5. Если случайные величины X и Y – независимы.

 

Вопрос 4. Что называют дисперсией случайной величины?

1. Среднеквадратическое значение случайной величины.

2. Среднее значение отклонения случайной величины от 0.

3. Среднее значение отклонения случайной величины от ее математического ожидания.

4. Среднее значение квадрата отклонения случайной величины от ее математического ожидания.

5. Модуль максимального отклонения значения случайной величины от ее математического ожидания.

 

Вопрос 5. Чему равна дисперсия суммы независимых случайных величин X и Y?

1. .

2. .

3. .

4. .

5. .

 

Задание 7

Вопрос 1. Каково среднее значение случайной величины, если плотность ее вероятности определяется формулой ?

1. b.

2. .

3. .

4. .

5. .

 

Вопрос 2. Как формулируется теорема Ляпунова?

1. Если плотность вероятности случайной величины определяется формулой , то это слу-чайная величина подчиняется нормальному закону распределения.

2. При достаточном большом количестве n случайных величин , отклонения которых от их математических ожиданий, так же, как и дисперсии, ограничены, сумма будет подчинена закону распределения, сколь угодно близкому к закону нормального.

3. С вероятностью, сколь угодно близкой к 1, можно утверждать, что при неограниченном возрастании числа n независимых испытаний частость появления наблюдаемого события как угодно мало отличается от его вероятности.

4. Если X – случайная величина, математическое ожидание которой , а  – произвольное положитель-ное число, то и .

5. Если случайная величина X не принимает отрицательных значений и  - произвольная положительная величи-на, то , где .

 

Вопрос 3. Какие два параметра однозначно определяют случайную величину, подчиненную нормальному закону распределения?

1. Среднее квадратическое отклонение и дисперсия.

2. Математическое ожидание и дисперсия.

3. , е.

4. .

5. Максимальное значение функции плотности вероятности и среднее квадратическое отклонение.

 

Вопрос 4. Рассмотрим непрерывную положительную случайную величину X с математическим ожиданием . Что можно утверждать относительно вероятности на основании неравенства Маркова?

1. .

2. .

3. .

4. .

5. .

 

Вопрос 5. Рассмотрим случайную величину X, математическое ожидание которой равняется 0, а дисперсия – 10. Как оценивается , исходя из неравенства Чебышева?

1. .

2. .

3. .

4. .

5. .

 

Задание 8

Вопрос 1. Пусть вероятность появления события А в отдельном испытании составляет 0.7 и мы подсчитываем чис-ло m появлений события А в n таких независимых испытаниях. При каком числе испытаний n вероятность выполнения неравенства превысит 0.9?

1. .

2. .

3. .

4. .

5. .

 

Вопрос 2. Проверено 3000 патронов из всего их выпуска. При этом доля брака составила 0.15. Какова вероятность того, что отклонение доли брака в выборке от генеральной доли не превышает по абсолютной величине 0.01? (выборка повторная)

1. .

2. .

3. .

4. .

5. .

 

Вопрос 3. По данным выборки, представленным вариационным рядом

x 1 2 5 8 9

частоты 3 4 6 4 3

найти выборочную среднюю и выборочную дисперсию и выбрать правильный ответ.

1. , .

2. , .

3. , .

4. , .

5. , .

 

Вопрос 4. Для каждой из 1500 независимых случайных величин дисперсия не превышает 3. Какова вероятность того, что отклонение средней арифметической этих случайных величин от средней арифметической их математиче-ских ожиданий не превысит числа 0.4 по абсолютной величине? (Используйте теорему Чебышева)

1. .

2. .

3. .

4. .

5. .

 

Вопрос 5. По данным ОТК брак при выпуске деталей составляет 2.5%. Пользуясь теоремой Бернулли, ответьте на вопрос: какова вероятность того, что при просмотре партии из 8000 деталей будет установлено отклонение от средней доли брака менее 0.005?

1. .

2. .

3. .

4. .

5. .

 

Задание 9

Вопрос 1. При каком объеме выборки можно утверждать с надежностью , что отклонение выборочной средней от генеральной не превысит предельной ошибки при повторной выборке, если дано ?

1. .

2. .

3. .

4. .

5. .

 

Вопрос 2. Для данных выборочного наблюдения и каков будет доверительный интервал для оценки с надежностью ?

1. .

2. .

3. .

4. .

5. .

 

Вопрос 3. Что означает большая теснота корреляционной зависимости величин x и y?

1. Наличие линейной корреляции между x и y.

2. Большую степень рассеяния значений y относительно линии регрессии.

3. Отсутствие функциональной зависимости между x и y.

4. Малую степень рассеяния значений y относительно линии регрессии.

5. Наличие точной корреляционной зависимости между x и y.

 

Вопрос 4. Что определяет уравнение регресси y по x?

1. Функциональную зависимость y от среднего значения .

2. Плотность распределения переменной y.

3. Тесноту корреляционной зависимости y от x.

4. Зависимость частных средних значений y (при определенных x) от x.

5. Степень линейности зависимости между y и x.

 

Вопрос 5. По какому набору данных можно определить предельную ошибку выборки?

1. Объем выборки, выборочная средняя, заданная надежность.

2. Объем генеральной совокупности, выборочная средняя, объем выборки.

3. Заданная надежность, выборочная средняя, выборочная дисперсия.

4. Объем генеральной совокупности, заданная надежность, выборочная средняя, выборочная дисперсия.

5. Объем выборки, заданная надежность, выборочная дисперсия.

 

Задание 10

Вопрос 1. Какое из следующих утверждений неверно? Линейная функциональная зависимость между x и y имеет место при:

1. Слиянии прямых регрессии y по x и x по y.

2. Равенстве коэффициента корреляции 1.

3. Равенстве коэффициента корреляции 0.

4. Расположении частот значений x и y лишь на одной диагонали корреляционной таблицы.

5. Равенстве единице произведения коэффициентов прямых регрессии x по y и y по x.

 

Вопрос 2. Как выглядит график прямых регрессии при условии, что ?

 

Вопрос 3. Чему равен коэффициент корреляции двух случайных независимых величин x и y, если ?

1. 1.

2. 0.5.

3. –0.5.

4. 0.

5. -1.

 

Вопрос 4. Чему равен коэффициент корреляции r случайных величин x и y, полученный на основании данных таблицы?

1. 0.82.

2. 0.54.

3. 0.21.

4. 0.03.

5. 0.99.

 

Вопрос 5. Чему равны коэффициенты регрессии и случайных величин x и y, представленных таблицей из вопроса 4?

1. 0.25 и 0.75.

2. 0.15 и 0.35.

3. 0.82 и 0.48.

4. 0.45 и 0.65.

5. 0.93 и 0.35.

 

Задание 11

Вопрос 1. При обследовании 11 учеников получены следующие данные о росте и весе:

Чему равен коэффициент корреляции роста и веса учеников?

1. 0.23.

2. 0.98.

3. 0.15.

4. 0.35.

5. 0.67.

 

Вопрос 2. Какое и




Copyright © 2013 www.helpstudy.ru