13研究生数理统计习题部分解答.docx
《13研究生数理统计习题部分解答.docx》由会员分享,可在线阅读,更多相关《13研究生数理统计习题部分解答.docx(18页珍藏版)》请在冰豆网上搜索。
![13研究生数理统计习题部分解答.docx](https://file1.bdocx.com/fileroot1/2023-2/2/3c159c09-0da6-467e-b3a1-36928dbc6b12/3c159c09-0da6-467e-b3a1-36928dbc6b121.gif)
13研究生数理统计习题部分解答
13研究生数理统计习题部分解答
12研究生数理统计习题部分解答
第六章抽样分布
1.
设(X1,X2,?
Xn)是来自总体N(?
?
2)的简单随机样本,X是样本均值,记
S121212122222?
(Xi?
X),S2?
?
(Xi?
X),S3?
(Xi?
?
)2,?
?
n?
1i?
1ni?
1n?
1i?
112?
?
(Xi?
?
)2则服从自度n?
1的t分布的随机变量是T?
。
S42A.
X?
?
S1n?
1
B.
X?
?
S2X?
?
n?
1
C.
X?
?
S32n
D.
S4n
[答案:
选B]
12当S?
(Xi?
X)2时,服从自度n?
1的t分布的随机变量应为?
n?
1i?
1 T?
X?
?
Sn
A、S1212X?
?
X?
?
?
(Xi?
X)2?
S2,Tn?
1i?
1S1n?
1Sn?
1 而不是T?
X?
?
Sn
B、S2212n?
11nn?
1222?
?
(Xi?
X)?
?
(X?
X)?
S?
ini?
1nn?
1i?
1n ?
T?
X?
?
S2n?
1?
X?
?
n?
1nSn?
1?
X?
?
Sn。
2.
设随机变量X,Y相互独立,均服从N(0,3)分布且X1,?
X9与Y1,?
Y9分别是来自总体X,Y的简单随机样本,则统计量U?
)分布。
2X1X9Y1Y922服从参数为的的分布]
解:
X,Y相互独立,均服从N(0,32)分布,又X1,?
X9与Y1,?
Y9分别来自总体
X,Y,可知X1,?
X9与Y1,?
Y9之间均相互独立,均服从分布N(0,32)
9Yi19?
Yi?
2因而?
Xi~N(0,9?
3),X?
?
Xi~N(0,1),~N(0,1),?
?
~?
2(9),?
39i?
1i?
1?
3?
i?
192919?
Y?
且X?
?
Xi与?
?
i?
相互独立,
9i?
1i?
1?
3?
219?
Xi?
19i?
19i因而
19Xi?
19iYi23?
Yi?
19?
2iX1X9Y1Y922服从参数为9的t分布。
3.
2设(X1,X2,X3,X4)是取自正态总体X~N(0,2)的简单随机样本且Y?
,b?
布,其自度为。
同学习指导文件综例[答案:
a?
时,统计量Y服从?
分
2112),b?
时,统计量Y服从?
分布,其自度为]20100统计量Y?
a(X1?
2X2)2?
b(3X3?
4X4)2?
[a(X1?
2X2)]2?
[b(3X3?
4X4)]2设Y1?
a(X1?
2X2),Y2?
b(3X3?
4X4)即Y?
?
Yi
2i?
122X~N(0,2)可知Xi~N(0,22),i?
1,2,3,4,且
EY1?
E[a(X1?
2X2)]?
a(EX1?
2EX2)?
a(0?
2?
0)?
0
EY2?
E[b(3X3?
4X4)]?
b(3EX3?
4EX4)?
b(3?
0?
4?
0)?
0DY1?
D[a(X1?
2X2)]?
a(DX1?
4DX2)?
a(22?
4?
22)?
20aDY2?
D[b(3X3?
4X4)]?
b(9DX3?
16DX4)?
b(9?
22?
16?
22)?
100b若统计量Y服从?
分布,则Y?
布,即
2?
Yi,可知自度为2且Yi(i?
1,2)服从标准正态分
2i?
12EY1?
EY2?
0,DY1?
20a?
1?
a?
4.
11,DY2?
100b?
1?
b?
。
201001619设X1,X2,?
X9是取自正态总体X的简单随机样本,Y1?
?
Xi,Y2?
?
Xi,
6i?
13i?
72(Y1?
Y2)19,证明统计量Z服从自度为2的t分布。
S?
?
(Xi?
Y2)2,Z?
2i?
6S2证明:
记DX?
?
,易见EY1?
EY2?
EX,DY1?
?
26,DY2?
?
23于
2Y1和Y2相互独立,可见E(Y1?
Y2)?
0,D(Y1?
Y2)?
从而
U?
正态总体样本方差的性质,知 ?
?
2?
26?
?
23?
?
22
Y1?
Y2?
2~N(0,1)
22S2?
22
~?
2
(2)
2于Y1与Y2独立、Y1与S以及Y2与S独立,可见Y1?
Y2与S独立。
于是,服从t分布的随机变量的结构,知 Z?
5.
设总体X服从正态分布N(0,2),而X1,X2,?
X15是来自总体的简单随机样本,则随机变量
2X12X10 Y?
222(X11X15)2(Y1?
Y2)?
SU?
22~t
(2)。
2服从分布,参数为。
同学习指导文件综例 [答案填:
F(10,5)]解:
?
Xi12~N(0,1),?
(X12?
?
X10)~?
2(10),24122(X11?
?
X15)~?
2(5)4且显然此二者相互独立,则:
12(X12X10)422X1X1010?
~F(10,5) Y?
2212(X11X15)22(X11?
?
X15)456.
设总体X服从正态分布N(?
?
2)(?
?
0),从中抽取简单随机样本X1,?
X2n,
n12n,其样本均值为X?
Xi,求统计量Y?
?
(Xi?
Xn?
i?
2X)2?
2ni?
1i?
1的数学期望E(Y)。
解:
E(Xi)?
?
D(Xi)?
?
2,E(Xi2)?
?
2?
?
2,
E(X)?
?
D(X)?
n?
22n,E(X)?
2?
22n?
?
2
Y?
?
(Xi?
Xn?
i?
2X)2i?
122?
?
(Xi2?
Xn?
i?
4X?
2XiXn?
1?
4XiX?
4Xn?
iX)i?
1n
?
?
X?
4nX?
2?
XiXn?
i?
4X?
Xi2i22nn2n
i?
12ni?
1ni?
1
?
?
Xi2?
4nX2?
2?
XiXn?
ii?
1i?
1E(Y)?
?
E(X)?
4nE(X)?
2?
E(Xi)E(Xn?
i)2i2i?
1i?
12nn?
2n(?
2?
?
2)?
4n(魏宗舒
?
2
2n?
?
2)?
2n?
2?
2(n?
1)?
21.设是来自服从参数为的泊松分布
的联合分布律。
2.解
的样本,试写出样本
2.设是来自上的均匀分布的样本,未知写出样本的联合密度函数;
指出下列样本函数中哪些是统计量,哪些不是?
为什么?
设样本的一组观察是:
1,,,1,1,写出样本均值、样本方差和标准差。
2.解
0 其他和
是,和
不是。
因为和
中不含总体中的唯一未知参数,而
和中含有未知参数。
样本均值样本方差
实际应为除以n-1
样本标准差
3.查表求3.解
。
4.设
,
,,
。
,
。
,
,
,求常数,使。
即为
。
4.解t分布关于纵轴对称,所以
附表可查得,所以。
5.设
5.证明:
;。
是来自正态总体
的样本,试证:
独立同分布于,分布的定义,,即
【解】?
i?
2?
Xi?
152i~?
(5),?
2?
?
Xi2~X2(n?
5)
22i?
1n2且?
12与?
2相互独立.
所以
X12/5Y?
2~F(5,n?
5)
X2/n?
57.求总体X~N的容量分别为10,15的两个独立随机样本平均值差的绝对值大于
的概率.【解】令X的容量为10的样本均值,Y为容量为15的样本均值,则X~N(20,310),
Y~N(20,
3),且X与Y相互独立.15则X?
Y~N?
0,?
33N(0,),?
1015?
那么Z?
所以
X?
Y~N(0,1),?
?
P(|X?
Y|?
)?
P?
|Z|2[1?
?
()]
?
?
?
2(1?
)?
X1?
X2X108.设总体X~N,X1,…,X10,…,X15为总体的一个样本.则Y=2222X11?
X12?
?
?
X15222?
?
服从 分布,参数为 .【解】
Xi?
~N(0,1),i=1,2,…,15.
102215?
Xi?
?
Xi?
2222那么?
1~?
(10),?
?
2~?
(5)
i?
1i?
11且?
1与?
2相互独立,所以
2X12X10X12/10Y?
?
2~F(10,5)222(X11X15)X2/522所以Y~F分布,参数为.
9.设总体X~N,总体Y~N(μ2,σ2),X1,X2,…,Xn1和Y1,Y2,…,Xn2分别来自总体X和
Y的简单随机样本,则
n2?
n122?
(X?
X)?
(Y?
Y)?
j?
?
i?
i?
1j?
1?
= .En1?
n2?
21n11n222【解】令S?
(Yi?
Y), ?
(Xi?
X),S2?
n?
1?
n1?
1i?
1j?
1221则
?
(Xi?
1n1i2?
X)?
(n1?
1)S,?
(yj?
y)2?
(n2?
1)S2,
221j?
1n2又?
?
那么
21(n1?
1)S12?
2~?
(n1?
1),?
?
2222(n2?
1)S2?
2~?
2(n2?
1),
n2?
n122?
(X?
X)?
(Y?
Y)?
j?
?
i?
1i?
1j?
12?
?
E?
?
E(?
2?
12?
?
2?
2)
?
?
n1?
n2?
2n1?
n2?
2
?
2n1?
n2?
22[E(?
12)?
E(?
2)]?
2
?
2
n1?
n2?
2[(n1?
1)?
(n2?
1)]?
?
212n10.设总体X~N,X1,X2,…,X2n是总体X的一个样本,X?
Xi,?
2ni?
1令Y=
?
(Xi?
1ni?
Xn?
i?
2X)2,求EY.
【解】令Zi=Xi+Xn+i,i=1,2,…,n.则
Zi~N(2μ,2σ2)(1≤i≤n),且Z1,Z2,…,Zn相互独立.
nZi22令 Z?
?
S?
?
(Zi?
Z)/n?
1,
i?
1ni?
1nXi1n1则 XZ?
Z,?
i2n2n2i?
1i?
1故 Z?
2X那么
2nY?
?
(Xi?
Xn?
i?
2X)?
?
(Zi?
Z)2?
(n?
1)S2,
2i?
1i?
1nn所以
E(Y)?
(n?
1)ES2?
2(n?
1)?
2.
11.设总体X的概率密度为f(x)=e本,其样本方差为S2,求E(S2).解:
题意,得
12?
x(-∞?
1xe,x?
0,?
?
2f(x)?
?
1?
e?
x,x?
0,?
?
2E(S2)?
D(X)?
E(X2)?
E2(X)?
?
1x于是 E(X)?
?
xf(x)dx?
?
xedx?
0
?
?
21?
?
2?
x22E(X)?
?
xf(x)dx?
?
xedx?
?
x2e?
xdx?
2,?
?
02?
?
所以
E(S2)?
2.
第7章参数估计
7.
设容量为n的简单随机样本取自总体N(,36),且样本均值在区间(,)内的概率不小于,问样本容量n至少应取多大?
1n62解:
设X1,X2,?
Xn是取自总体的简单随机样本,则:
X?
?
Xi~N(,)
ni?
1n又于:
?
n?
?
nX?
?
P{?
X?
}?
P336n
?
n?
?
231则:
n,查表得n?
?
n?
(?
3)2?
?
3?
3?
?
即知样本容量n至少应取35.
8.
设总体X的方差为1,据来自X的容量为100的简单随机样本,测得均值为5,则X的期望的置信度近似等于的置信区间为。
[答案:
填(,)]
110011100据题意可知,X~N(?
1),X?
xi?
5,?
Xi~N(?
100)且x?
100?
100i?
1i?
11,即?
?
,查表得?
?
,可知
?
x11P?
xx P?
10?
10?
?
110?
?
P
因而总体X的期望的置信度近似等于的置信区间为(,)。
9.
来自正态总体X~N(?
),容量为9的简单随机样本,若得到样本均值X?
5,则未知参数?
的置信度为的置信区间为。
[答案:
填(,)]
据题意可知
5P1?
?
,又
910.
5,得55?
,即?
?
(,)。
假设,,,是总体X的简单随机样本值,已知Y?
lnX服从正态分布
N(?
1)。
求X的数学期望EX;求?
的置信度为的置信区间;
利用上述结果求b的置信度为的置信区间。
解:
Y的概率密度为:
f(y)?
e2?
1?
(y?
?
)22,y,于是,
b?
EX?
EeY?
12?
1212eet?
?
y?
(y?
?
)22dy
?
ee1?
t22dt
?
ee2?
?
1(t?
1)22dt?
e?
?
12当置信度1时,?
?
。
标准正态分布的水平为?
?
的分位数为?
?
。
故Y~N(?
14),可得
?
Y11P?
YY P?
2212?
其中
Y?
于是,有
P
从而(?
)就是?
的置信度为的置信区间。
函数e的严格递增性,可见
x11(ln2)?
ln1?
0441 ?
PPe?
e2?
e
2?
?
因此b的置信度为的置信区间为(e11.
设总体X的概率密度为
)。
?
(?
?
1)x?
f(x)00?
x?
1其他
其中未知参数1,X1,X2,?
Xn是取自总体的简单随机样本,用矩法估计和极大似然估计法求?
的估计量。
解:
E(X)?
?
10x(?
?
1)x?
dx1?
?
2令X1?
?
2X?
1,此即?
的矩估计量。
,解得:
21?
X
百分数,样本中有543人拥有私人汽车,求样本中拥有私人汽车的人的百分数的SE;求总体中拥有私人汽车的人的百分数的95%的置信区间。
21.解故
,
,
所以总体中拥有私人汽车的人的百分数的95%的置信区间观测值为
。
3.
设总体X服从二项分布b,n已知,X1,X2,…,Xn为来自X的样本,求参数p的矩法估计.
【解】E(X)?
np,E(X)?
A1?
X,因此np=X
?
?
所以p的矩估计量 p2.设总体X的密度函数
Xn?
2?
(?
?
x),0?
x?
?
f=?
?
2
?
其他.?
0,X1,X2,…,Xn为其样本,试求参数θ的矩法估计.【解】E(X)?
2?
2?
?
02?
x2x3x(?
?
x)dx?
20?
?
?
23?
3令E(X)=A1=X,因此
?
=X3^所以θ的矩估计量为 ?
?
3X.
3.设总体X的密度函数为f,X1,X2,…,Xn为其样本,求θ的极大似然估计.
?
?
e?
?
x,x?
0,f=?
x?
0.?
0,?
?
x?
?
1,0?
x?
1,f=?
其他.?
0,【解】似然函数L?
?
f(x,?
)enii?
1i?
1nn?
?
xi?
?
eennxii?
1n
g?
lnL?
nlnxi
i?
1dgdlnLnnxi?
0知d?
d?
?
i?
1n
i?
xi?
1n?
?
所以θ的极大似然估计量为?
(2)似然函数Ln1.X?
x?
ii?
1n?
1,0?
xi?
1,i=1,2,…,n.
nlnL?
nln?
?
(?
?
1)ln?
xi
i?
1ndlnLn?
?
ln?
xi?
0知
d?
?
i?
1nln?
xii?
1n?
?
n?
lnxi?
1n
i所以θ的极大似然估计量为 ?
n?
lnxi?
1n
i3.序号收益率从一批炒股票的股民一年收益率的数据中随机抽取10人的收益率数据,结果如下:
12345678910--------求这批股民的收益率的平均收益率及标准差的矩估计值.3n?
9【解】 x?
?
4s?
9
?
?
x?
?
EXxi2?
)]2?
A,即有?
2?
[E(X E(X)?
D(X)?
[E(X)],E(X)?
A2?
?
知?
2ni?
1222n101?
)]A2?
[E(X?
[?
Xi2?
10(X)2]10i?
12?
?
于是 ?
9s10所以这批股民的平均收益率的矩估计值及标准差的矩估计值分别为-和
3.
随机变量X服从[0,θ]上的均匀分布,今得X的样本观测值:
,,,,,,,求θ的矩法估计和极大似然估计,它们是否为θ的无偏估计.
【解】
(1)E(X)?
?
2,令E(X)?
X,则
?
?
2X且E(?
?
)?
2E(X)?
2E(X)?
?
2x?
2?
?
且2X是一个无偏估计.所以θ的矩估计值为?
?
1?
(2)似然函数L?
?
f(xi,?
),i=1,2,…,8.
i?
1显然L=L(θ)↓(θ>0),那么?
?
max{xi}时,L=L(θ)最大,
1?
i?
888所以θ的极大似然估计值?
?
=
因为E(?
?
)=E(max{xi})≠θ,所以?
?
=max{xi}不是θ的无偏计.
1?
i?
81?
i?
8?
=k6.设X1,X2,…,Xn是取自总体X的样本,E=μ,D=σ,?
2
2?
(Xi?
1n?
1i?
1?
Xi)2,
?
为σ2的无偏估计.问k为何值时?
【解】令 Yi?
Xi?
1?
Xi,i=1,2,…,n-1,
则 E(Yi)?
E(Xi?
1)?
E(Xi)0,D(Yi)?
2?
2,
2
?
?
E[k(于是 E?
222222Y)]?
k(n?
1)EY?
2?
(n?
1)k,?
i1i?
1n?
1?
)?
?
即2?
(n?
1)k?
?
时,那么当E(?
有 k?
221.
2(n?
1)7.设X1,X2是从正态总体N中抽取的样本
?
1?
?
211311?
2?
X1?
X2;?
?
3?
X1?
X2;X1?
X2;?
334422?
1,?
?
2,?
?
3都是μ的无偏估计量,并求出每一估计量的方差.试证?
?
1)?
E?
【证明】E(?
?
2)?
E(?
1?
2121?
2X1?
X2?
?
E(X1)?
E(X2),
3?
3333?
313E(X1)?
E(X2)?
?
44?
3)?
E(?
11E(X1)?
E(X2)?
?
22?
1,?
?
2,?
?
3均是μ的无偏估计量.所以?
45?
2?
2?
?
1?
2?
1)D(X1)D(X2)?
X?
?
(2)D(?
99?
3?
?
3?
5?
2?
1?
?
3?
?
2)D(X1)D(X2)?
D(?
8?
4?
?
4?
2222?
?
1?
?
3)D(X1)?
D(X2)?
?
D(?
2?
2?
8.某车间生产的螺钉,其直径X~N,过去的经验知道σ2=,今随机抽取6枚,
测得其长度如下:
试求μ的置信概率为的置信区间.【解】n=6,σ2=,α==,
22x?
ua?
?
,
2μ的置信度为的置信区间为
x?
u?
/2(?
?
)?
(,).
n?
?
9.总体X~N(μ,σ2),σ2已知,问需抽取容量n多大的样本,才能使μ的置信概率为1-α,
且置信区间的长度不大于L?
【解】σ2已知可知μ的置信度为1-α的置信区间为?
x?
u?
/2,n?
于是置信区间长度为2?
?
u?
/2,n4?
2(u?
/2)22?
?
u?
/2≤L,得n≥那么2Ln10.设某种砖头的抗压强度X~N,今随机抽取20块砖头,测得数据如下:
64694992559741848899846610098727487844881求μ的置信概率为的置信区间.求σ2的置信概率为的置信区间.【解】x?
s?
?
?
1?
?
n?
20,
t?
/2(n?
1)?
(519?
),2?
?
/2(n?
1)?
?
(19?
)?
520,.975?
(19)
(1)μ的置信度为的置信区间
x?
t(n?
1)/2(,)
n20
(2)?
的置信度为的置信区间
2
?
(n?
1)s2(n?
1)s2?
?
191922?
?
?
?
?
2(,)2?
(n?
1)?
(n?
1)?
1?
?
/2?
?
/2?
?
3.
?
(?
?
1)x?
0?
x?
1;设总体X~f(x)=?
其中1
其他.?
0,X1,X2,…,Xn是X的一个样本,求θ的矩估计量及极大似然估计量.
【解】
(1)
E(X)?
?
又
xf(x)dx?
?
(?
?
1)x?
?
1dx?
01?
?
1,?
?
2X?
E(X)?
故
?
?
1,?
?
22X?
1
1?
X?
?
2X?
1.所以θ的矩估计量 ?
1?
X
(2)似然函数
n?
n?
n?
(?
?
1)?
xi0?
xi?
1(i?
1,2,?
n).L?
L(?
)?
?
f(xi)?
?
i?
1i?
1?
0其他?
取对数
lnL?
nln(?
?
1)lnxii?
1n(0?
xi?
1;1?
i?
n),
dlnLnlnxi?
0,d1i?
11?
所以θ的极大似然估计量为?
nnn.
i?
lnXi?
1?
6x?
(?
?
x),0?
x?
?
;12.设总体X~f(x)=?
?
3
?
其他.?
0,
X1,X2,…,Xn为总体X的一个样本求θ的矩估计量;
?
).求D(?
【解】
(1)E(X)xf(x)dx?
?
6x20?
3(?
?
x)dx?
?
2,
令 EX?
X?
?
2,
?
?
2X.所以θ的矩估计量 ?
?
)?
D(2X)?
4D(X)?
(2)D(?
又
4DX,,n?
E(X)?
?
于是
26x3(?
?
x)0?
36?
23?
2dx?
?
20103?
2?
2?
2D(X)?
E(X)?
(EX),,
1042022所以
?
)?
?
.D(?
5n13.设某种电子元件的使用寿命X的概率密度函数为
2?
2e?
2(x?
?
),x?
?
;f(x,θ)=?
0,x?
?
.?
其中θ(θ>0)为未知参数,又设x1,x2,…,xn是总体X的一组样本观察值,求θ的极大似然估
计值.
【解】似然函数
?
?
2(xi?
?
)?
2n?
e?
i?
1L?
L(?
)0?
ni?
1nxi?
0;i?
1,2,?
n;其他.
lnL?
nln2?
2?
(xi?
?
),xi?
?
;i?
1,2,?
n,dlnL?
2n?
0知lnL(?
)?
dmin{x}时lnL(?
?
)?
maxlnL(?
)那么当?
1?
i?
ni?
?
0?
?
min{x}所以θ的极大似然估计量?
i1?
i?
n14.设总体X的概率分布为XP0 1 2 3θ2 2θ(1-θ) θ2 1-2θ其中θ(01)是未知参数,利用总体的如下样本值3,1,3,0,3,1,2,3,求θ的矩2估计值和极大似然估计值.【解】
?
?
3?
x
(1)E(X)?
3?
4?
令E(X)?
x得?
48xi又 x2i?
18?
?
所以θ的矩估计值?
83?
x1?
.446i似然函数L?
?
P(x,?
)?
4?
i?
1(1?
?
2)(1?
2?
)4.
lnL?
ln4?
6ln?
?
2ln(1?
?
)?
4ln(1?
?
),dlnL6286?
28?
?
24?
20,d?
?
1?
?
1?
2?
?
(1?
?
)(1?
2?
)解6?
28?
?
24?
?
0
得 ?
1,2?
27?
13.2于
7?
131?
122?
?
7?
13.所以θ的极大似然估计值为 ?
215.设总体X的分布函数为
1?
?
x?
?
F=?
x?
0,x?
?
.?
其中未知参数β>1,α>0,设X1,X2,…,Xn为来自总体X的样本
当α=1时,求β的矩估计量;
当α=1时,求β的极大似然估计量;当β=2时,求α的极大似然估计量.【解】
?
?
x?
1;?
当α=1时,f(x,?
)?
Fx1(x,1,?
)?
?
x?
?
1
?
x?
1.?
0,?
2?
2,x?
?
;?
当β=2时,f(x,?
)?
Fx1(x,?
2)?
?
x3
?
0,x?
?
.?
(1)E(X)x?
1dx?
?
1?
?
x111
?
?
令E(X)?
X,于是?
X,X?
1X.X?
1?
?
所以?
的矩估计量?
(2)似然函数
L?
L(?
)?
?
i?
1n?
n?
n?
(?
?
1)xi?
xi?
1,(i?
1,2,?
n);f(xi,?
)i?
1?
?
0,其他.?
nlnL?
nln?
?
(?
?
1)?
lnxi,i?
1
dlnLnnlnxi?
0,d?
?
i?
1?
?
所以?
的极大似然估计量?
n.
i?
lnxi?
1n(3)似然函数
nL?
?
i?
1?
2n?
2n,xi?
?
(i?
1,2,?
n);?
n3f(xi,?
)xi?
?
?
i?
1?
?
0,其他.?
显然L?
L(?
)?
?
?
min{xi}时,L?
L(?
?
)