C

[解析] 解法一：抛掷一枚均匀硬币5次，硬币正面出现的次数多于反面出现次数，说明正面至少出现三次，则有
   
   解法二：由于抛掷五次，正面次数多于反面和反面次数多于正面概率相同，所以均为。

B

[解析]
   
   由于随机事件，，相互独立，则
   

A

[解析] 随机变量X和Y独立同分布，，，则有
   
   
   即
   
   
   因此
   

B

[解析] 两个人都是女生的小队个数即X的取值可能为0、1、2、3。总共有可能分组情形
   
   其中，包含情形
   
   
   包含情形
   
   
   包含情形
   
   
   包含情形
   
   因此
   

A

[解析] 泊松分布的均值为λ，而每个人是否购物是独立的，所以每天商品B被购买的概率=每个人购买商品B的概率×来到人数的期望值=2000×0.0001=0.2。

C

[解析] X、Y的联合分布是二维正态分布，只有这个条件的话X、Y的独立性无法判断，因此X+Y是否服从正态分布无法判断。

C

[解析] 若事件A和C独立，B和C独立，则有P(AC)=P(A)P(C)，P(BC)=P(B)P(C)，P(A∪B)P(C)=(P(A)+P(B)-P(AB))P(C)=P(A)P(C)+P(B)P(C)-P(AB)P(C)=P(AC)+P(BC)-P(AB)P(C)。另一方面，P((A∪B)C)=P(AC∪BC)=P(AC)+P(BC)-P(ABC)。只有当事件A∩B与事件C相互独立时，即P(AB)P(C)=P(ABC)时，有P(A∪B)P(C)=P((A∪B)C)，此时A+B与C独立；其他情形A+B与C不独立。

B

[解析] 已知总体服从正态分布，且总体方差已知，n=9为小样本，此时仍可选用统计量，且有
   
   则总体均值μ的95%置信区间为：
   
   代入数据可得厘米，又，因此的95%置信区间为：。

C

[解析] 犯第二类错误的概率
   
   解得：，即样本量至少取为97。

A

[解析] 对于线性回归模型，由普通最小二乘估计的过程知
   
   因此
   
   

中位数是一组数据排序后处于中间位置上的变量值。中位数主要用于测度顺序数据的集中趋势，当然也适用于作为数值型数据的集中趋势，但不适用于分类数据。中位数是一个位置代表值，其特点是不受极端值的影响。当一组数据的分布偏斜程度较大时，使用中位数也许是一个好的选择。平均数也称为均值或数学期望，它是一组数据相加后除以数据的个数得到的结果。平均数在统计学中具有重要的地位，是集中趋势的最主要测度值，它主要适用于数值型数据，而不适用于分类数据和顺序数据。但平均数的主要缺点是易受数据极端值的影响，对于偏态分布的数据，平均数的代表性较差。

拒真错误是假设检验中的第一类错误，是指原假设H₀为真却被拒绝了，犯这种错误的概率用α表示，所以也称α错误。
   采伪错误是假设检验中的第二类错误，是指原假设不正确而接受原假设的错误，犯这种错误的概率用β表示，所以也称β错误。
   二者关系：在样本容量不变的条件下，α与β常常呈现反向的变化，即如果减小α错误，就会增大犯β错误的机会；若减小β错误，也会增大犯α错误的机会。要使α和β同时变小，只有增大样本量。但样本量不可能没有限制，否则就会使抽样调查失去意义，因此，在假设检验中，就有一个对两类错误进行控制的问题。一般来说，哪一类错误所带来的后果越严重，危害越大，在假设检验中就应当把哪一类错误作为首要的控制目标。在假设检验中，通常首先控制犯α错误，这样做最主要的原因是，从实用的观点看，原假设是什么常常是明确的，而备择假设是什么则常常是模糊的。