[单选题]

在观察到任何理赔以前,你认为理赔额的大小服从参数为θ=10,α=1,2或者3的帕累托分布,三种情况等概率。现在观察到一个随机抽取的样本理赔额为20,则该样本点下次理赔额大于30的后验概率为(  )。

A.0.071

B.0.128

C.0.148

D.0.166

E.0.524

参考答案与解析:

相关试题

在观察到任何理赔以前,你认为理赔额的大小服从参数为θ=10,α=1,2或者3的帕累托分布,三种情况等概率。现在观察到一个随机抽取的样本理赔额为20,则该样本点下次理赔额大于30的后验概率为(  )。

[单选题]在观察到任何理赔以前,你认为理赔额的大小服从参数为θ=10,α=1,2或者3的帕累托分布,三种情况等概率。现在观察到一个随机抽取的样本理赔额为20,则

  • 查看答案
  • 在观察到任何理赔以前,你认为理赔额的大小服从参数为θ=10,<img border="0" src="https://img.zhaotiba.com/fujian

    [单选题]在观察到任何理赔以前,你认为理赔额的大小服从参数为θ=10,=1,2或者3的帕累托分布,三种情况等概率。现在观察到一个随机抽取的样本理赔额为20,则该

  • 查看答案
  • 某保险公司的理赔额统计表明,若某笔理赔额为X元,则变量Y=lnX服从正态分布(理赔额遵从对数正态分布),其均值为6.012,方差为792,则某笔理赔额大于1200元的概率与理赔额小于200元的概率之差

    [单选题]某保险公司的理赔额统计表明,若某笔理赔额为X元,则变量Y=lnX服从正态分布(理赔额遵从对数正态分布),其均值为6.012,方差为792,则某笔理赔额

  • 查看答案
  • 某保险公司的理赔额统计表明,若某笔理赔额为X元,则变量Y=lnX服从正态分布(理赔额遵从对数正态分布),其均值为6.012,方差为792,则某笔理赔额大于1200元的概率与理赔额小于200元的概率之差

    [单选题]某保险公司的理赔额统计表明,若某笔理赔额为X元,则变量Y=lnX服从正态分布(理赔额遵从对数正态分布),其均值为6.012,方差为792,则某笔理赔额

  • 查看答案
  • 对于某一特定风险,一年之内的理赔次数服从均值为p的伯努利分布,p的先验概率分布为[0,1]上的均匀分布,计算得到的贝叶斯信度估计值是观察理赔额的1/5时,则理赔额为0的年数是(  )。

    [单选题]对于某一特定风险,一年之内的理赔次数服从均值为p的伯努利分布,p的先验概率分布为[0,1]上的均匀分布,计算得到的贝叶斯信度估计值是观察理赔额的1/5

  • 查看答案
  • 对于某一特定风险,一年之内的理赔次数服从均值为p的伯努利分布,p的先验概率分布为[0,1]上的均匀分布,计算得到的贝叶斯信度估计值是观察理赔额的1/5时,则理赔额为0的年数是(  )。

    [单选题]对于某一特定风险,一年之内的理赔次数服从均值为p的伯努利分布,p的先验概率分布为[0,1]上的均匀分布,计算得到的贝叶斯信度估计值是观察理赔额的1/5

  • 查看答案
  • 损失X服从参数为μ=7,σ=2的对数正态分布,假设存在20%的通货膨胀,免赔额为2000,则理赔额的期望是(  )。

    [单选题]损失X服从参数为μ=7,σ=2的对数正态分布,假设存在20%的通货膨胀,免赔额为2000,则理赔额的期望是(  )。A.15329B.15732C.1

  • 查看答案
  • 损失X服从参数为μ=7,σ=2的对数正态分布,假设存在20%的通货膨胀,免赔额为2000,则理赔额的期望是(  )。

    [单选题]损失X服从参数为μ=7,σ=2的对数正态分布,假设存在20%的通货膨胀,免赔额为2000,则理赔额的期望是(  )。A.15329B.15732C.1

  • 查看答案
  • 假设某保单规定的免赔额为20,而该保单的损失服从均值为5的指数分布,则理赔额的期望为(  )。

    [单选题]假设某保单规定的免赔额为20,而该保单的损失服从均值为5的指数分布,则理赔额的期望为(  )。A.4.1986B.5.1234C.6.2563D.5.

  • 查看答案
  • 假设某保单规定的免赔额为20,而该保单的损失服从均值为5的指数分布,则理赔额的期望为(  )。

    [单选题]假设某保单规定的免赔额为20,而该保单的损失服从均值为5的指数分布,则理赔额的期望为(  )。A.4.1986B.5.1234C.6.2563D.5.

  • 查看答案
  • 在观察到任何理赔以前,你认为理赔额的大小服从参数为θ=10,α=1,2或者3的帕累托分布,三种情况等概率。现在观察到一个随机抽取的样本理赔额为20,则该样本点下次理赔额大于30的后验概率为(  )。