应用数理统计Chapter2

合集下载

应用数理统计第二章

x1 x2 { | X () x1} { | X () x2}.
3、右连续性:F ( x 0) F ( x); 至多可列个间断点.
4、F () lim F ( x) lim P( X x) 0; F () lim F ( x) lim P( X x) 1.
n
称X 服从参数为n, p的二项分布，记X ~ B(n, p).
2、二项分布 B(n, p) 当n 1时即退化为两点分布.
参数n, p对分布的影响.
若P( X k0 ) max P( X k ), 则称k0为最可能出现次数.
k
b(k ; n, p) (n 1) p k 1 . 设0 p 1, b(k; n, p) P( X k ), 则有 b(k 1; n, p) k (1 p)
解 :由性质4得, F () A 1;
x 0 0
故B 1.
又由右连续性得, lim F ( x) A B F (0) 0;
1 e x , x 0; 从而r.v. X 的分布函数为F ( x) 0, x 0.
例2 : 在半径为2的圆内等可能地任意投点,以X 表示投的点与圆心的距离试求 . X的分布函数.
解 : a 若x 0, 则{X x}是不可能事件, 于是F ( x) 0;
x2 b 若0 x 2, 则F ( x) P{ X x} P{0 X x} ; 4
c 若x 2, 则{X x}是必然事件, 于是F ( x) 1.
0, x 0; 1 2 从而X 的分布函数F ( x) x , 0 x 2; 4 1, x 2.
k 2

2应用数理统计基本概念.

(3) t 分布
设X ～ N(0,1) , Y～则称变量
, 且X与Y相互独立，
服从自由度为 n 的 t 分布. 记为 T～t (n).
2. 性质（1）具有自由度为 n 的 t 分布的随机变量 T 的
数学期望和方差为: E( T ) = 0; D( T ) = n / ( n - 2 ) , 对 n > 2
样本中所包含的个体数目称为样本容量.
从国产轿车中抽5辆进行耗油量试验。
样本容量为5。
最常用的一种抽样方法叫作 “简单随机抽样”。它要求抽取的样本满足下面两点:
(1) 代表性（随机性）：从总体中抽取样本的每一个分量Xk 是随机的, 每一个个体被抽到的可能性相同。 (2) 独立同分布性
X1, X 2, , X n 是相互独立的随机变量.

n n 1
D

X

D
X
n

DX
三. 抽样分布
统计量既然是依赖于样本的，而后者又是随机变量，故统计量也是随机变量，因而就有一定的分布，这个分布叫做统计量的“抽样分布” . 常用的有
正态分布， 2分布， t 分布， F 分布
(1) 标准正态分布 X ~ N 0,1
1
2 2
n
xi 2
i1

3. 总体、样本、样本值的关系事实上我们抽样后得到的资料是具体的、确定的值. 如从某班学生中抽取10人测量身高，得到10个数，它们是样本取到的值而不是样本. 我们只能观察到随机变量取的值,而见不到随机变量.
总体分布决定了样本取值的概率规律，也就是样本取到样本值的规律，因而可由样本值去推断总体.
F 分布的分位点

应用数理统计课件(配庄楚强版教材)第二章

（ξ1,ξ2,..,ξn), 则（ξ1,ξ2,…,ξn)的联合分布函
数为： F ( x1 , x2 ,L , xn )
= P { ξ1 < x1 , ξ 2 < x2 , ..., ξ n < xn }
= P { ξ1 < x1}P{ ξ 2 < x2 } ⋅ ... ⋅ P{ ξ n < xn }
（2）χ2 分布（Chi-square distribution）
χ 2 ～χ 2 (n)
{ } p分位点：χ p2 (n ) 满足P
χ
2
<
χ
2 p
(n)
=p
p53（9 347）表 4
χ
2 0.95
(9
)
=
16.91（9
p540)
表p 4 χ2 分布分位数表
n
p
8
9
0 ．90 13．362 14．684
又如：α = 0.1，uα = u0.1 = ? (表中没有)
u0.1 = −u1−0.1 = −u0.9 = −1.282
对称性(symmetricy)：
0.1
uα = −u1−α
α = 0.1
u0.1
u1− 0.1
习题或附表中α通常是指分位点之外的概率（面积）
单侧分位点：α放在分位点u1−α的一侧双侧分位点: α分割放在正负对称的
2 +L +
)
m
1
9
二. t 分布 (t distribution)
Definition: 若ξ～N(0,1), η～χ2(n)且相互独立,
则有
t=
ξ η
～ t (n )

应用数理统计习题答案西安交大施雨

应用数理统计答案学号：姓名：班级：目录第一章数理统计的基本概念 (2)第二章参数估计 (14)第三章假设检验 (23)第四章方差分析与正交试验设计 (28)第五章回归分析 (31)第六章统计决策与贝叶斯推断 (34)对应书目：《应用数理统计》施雨著西安交通大学出版社第一章数理统计的基本概念1.1 解：∵2(,)XN μσ∴ 2(,)n XN σμ∴(0,1)N 分布∴(1)0.95P X P μ-<=<=又∵ 查表可得0.025 1.96u =∴ 221.96n σ=1.2 解：(1) ∵(0.0015)X Exp∴ 每个元件至800个小时没有失效的概率为：8000.001501.2(800)1(800)10.0015x P X P X e dxe -->==-<=-=⎰∴ 6个元件都没失效的概率为： 1.267.2()P ee --==(2)∵(0.0015)X Exp∴ 每个元件至3000个小时失效的概率为：30000.001504.5(3000)0.00151x P X e dxe--<===-⎰∴ 6个元件没失效的概率为： 4.56(1)P e-=-1.4 解：ini n x n x ex x x P ni i 122)(ln 2121)2(),.....,(122=--∏∑==πσμσ1.5证：21122)(naa x n x a x n i ni ii+-=-∑∑==∑∑∑===-+-=+-+-=ni i ni i ni i a x n x x na a x n x x x x 1222211)()(222a) 证：)(11111+=+++=∑n ni i n x x n x)(11)(1111n n n n n x x n x x x n n -++=++=++])()1(1 ))((12)[(11)](11[11)(11212111121211212112n n n i n n n i n i n i ni n n n i n i n in x x n n x x x x n x x n x x n x x n x x n S -+++--+--+=-+--+=-+=++=+=+=+=++∑∑∑∑] )(11))1()((12)([112111212n n n n n n n n n x x n x n x x n x x n x x nS n -++-+-+--++=++++ ])(11S [1 ])(1[n S 11212n 212n n n n n x x n n n x x n n n -+++=-+++=++1.6证明 (1) ∵22112211221()()()2()()()()()nni ii i nni i i i ni i X X X X X X X X X n X X X n X μμμμμ=====-=-+-=-+--+-=-+-∑∑∑∑∑(2) ∵2221112221221()22ii i nn ni i i i i ni ni XX X X X nX X nX nX X nX =====-=-+=-+=-∑∑∑∑∑1.10 解:(1).∑∑====ni i n i i x E n x n E X E 11)(1)1()(p np n=⋅=1np m p x D n x n D X D ni in i i )1()(1)1()(121-===∑∑==))(1()(122∑=-=n i i x x n E S E)1(1)])1(1())1(([1)])()(())()(([1])()([1])([12222212212212p mp nn p m p mp n n p m p mp n n x E x D n x E x D n x nE x E n x x E n ni i i n i i n i i --=+--+-=+-+=-=-=∑∑∑=== 同理，（2）.λ===∑∑==ni i n i i x E n x n E X E 11)(1)1()(λnx D n x n D X D ni in i i 1)(1)1()(121===∑∑==λnn x E x D n x E x D n x nE x E n S E ni i i n i i 1)])()(())()(([1])()([1)(2122122-=+-+=-=∑∑==(3).2)(1)1()(11ba x E n x n E X E ni i n i i +===∑∑==na b x D nx n D X D ni ini i 12)()(1)1()(2121-===∑∑==12)(1)])()(())()(([1])()([1)(22122122a b n n x E x D n x E x D n x nE x E n S E ni i i n i i -⋅-=+-+=-=∑∑==(4).λ===∑∑==ni i ni i x E n x n E X E 11)(1)1()(nx D nx n D X D ni ini i 2121)(1)1()(λ===∑∑==221221221)])()(())()(([1])()([1)(λnn x E x D n x E x D n x nE x E n S E ni i i n i i -=+-+=-=∑∑==(5).μ===∑∑==ni i n i i x E n x n E X E 11)(1)1()(nx D nx n D X D ni in i i 2121)(1)1()(σ===∑∑==221221221)])()(())()(([1])()([1)(σ⋅-=+-+=-=∑∑==nn x E x D n x E x D n x nE x E n S E ni i i n i i1.11 解：由统计量的定义知，1，3，4，5，6，7为统计量，5为顺序统计量 1.17 证：),(~ λαΓXxe x xf λαααλ--Γ=∴1)()( 令kXY =ke ky k ke ky yf kyky⋅Γ=⋅Γ=∴----λαααλαααλαλ11)()( )()()(即 ),(~ky Y αΓ1.18 证：),(~ b a X β),()1()( 11b a B x xx f b a ---=∴),(),(),()1()( 11b a B b k a B b a B x x x X E b a k k +=-=∴⎰∞+∞---),(),1()( b a B b a B X E +=∴ba a ab a b a b a a a a b a b a a a b b a b a b a +=Γ+Γ++ΓΓ=Γ++Γ+Γ+Γ=ΓΓ+Γ⋅++ΓΓ+Γ=)()()()()()()1()()1()()()()1()()1(),(),2()(2b a B b a B X E +=))(1()1()()()()2()()2(b a b a a a a b b a b a b a ++++=ΓΓ+Γ⋅++ΓΓ+Γ= 22)]([)()( X E X E X D -=∴2))(1())(1()1(b a b a ab ba ab a b a a a +++=+-++++=1.19 解：∵(,)X F n m 分布12(1)022()((1))()(1)()()()(1)()()n n m n mn m yn m y n mn nP Y y P X X y m myP X y n n n x x dx m m m++--+≤=+≤=<-Γ=+ΓΓ⎰222212211()()()1()(1)()()11(1)(1)(,)n n m n m n mn mn mf y P Y y y y y y y yy B ++----'=≤Γ=+ΓΓ----=∴ 22(1)(,)n m n n Y X X m mβ=+分布1.20 解：∵()Xt n 分布122212()()(()2(1)n n P Y y P X y P X xdxn ++-≤=≤=≤≤Γ=+11111212122()()()(1)()1()(1)()()()n n n n nf y P Y y y yn y y n n n+++--+--'=≤Γ=+Γ=+ΓΓ∴2(1,)2nY XF =分布1.21 解: (1) ∵(8,4)XN 分布∴ 4(8,)25XN 分布，即5(8)(0,1)2X N -∴ 样本均值落在7.88.2分钟之间的概率为：5(7.88)5(8)5(8.28)(7.88.2)()2220.383X P X P ---≤≤=≤≤=(2) 样本均值落在7.58分钟之间的概率为：5(7.58)5(8)5(88)(7.58)()2225(8)(0 1.25)20.3944X P X P X P ---≤≤=≤≤-=≤≤=若取100个样品，样本均值落在7.58分钟之间的概率为：10(7.88)10(8)10(8.28)(7.88.2)()2222*(0.84130.5)0.6826X P X P ---≤≤=≤≤=-=单个样品大于11分钟的概率为：110.77340.2266P =-=25个样品的均值大于9分钟的概率为210.97980.0202P =-= 100个样品的均值大于8.6分钟的概率为310.99870.0013P =-= 所以第一种情况更有可能发生1.23 解：(1) ∵2(0,)XN σ分布∴2(0,)XN nσ分布∴22()(1)χσ∵ 22221()()ni i a X an X an σσ===∑∴21a n σ=同理 21b m σ=(2) ∵2(0,)XN σ分布∴222(1)X χσ分布由2χ分布是可加性得：2221()ni i X n χσ=∑()nic X t m ==∑∴c =(3) 由(2)可知2221()ni i X n χσ=∑2221122211(,)nni ii i n mn mi ii n i n X d Xnn dF n m XmXmσσ==++=+=+=∑∑∑∑∴ md n=1.25 证明：∵211(,)XN μσ分布∴2211()(1)i X μχσ-∴1221111()()n i i X n μχσ=-∑ 同理2222212()()n i i Y n μχσ=-∑1122222112211111222221122112()()(,)()()n n i i i i n n i i i i X n n X F n n Y n Y n μσμσμσμσ====--=--∑∑∑∑第二章参数估计 2.1 (1) ∵ ()XExp λ分布∴ ()1E X λ=令 ˆ1X λ= 解得λ的矩估计为: ˆ1X λ= (2) ∵ (,)XU a b 分布∴ ()2a bE X +=2()()12b a D X -=令 1ˆˆ2ab A X +==22221ˆˆˆˆ()()1124n i i b a a b A X n =-++==∑ （22211n i i X X S n =-=∑）解得a 和b 的矩估计为:ˆˆaX bX ==(3) 110()1E X x x dx θθθθ-=*=+⎰令1ˆˆ1A X θθ==+∴ˆ1X X θ=- (4) 110()(1)!kk x kE X x x e dx k βββ--=*=-⎰令ˆkX β= ∴ ˆk Xβ=(5) 根据密度函数有2221()22()E X a aE X a λλλ=+=++根据矩估计有1222221ˆˆˆ22ˆˆˆa A X a a A S X λλλ+==++==+解得λ和a 的矩估计为: ˆˆaX λ==- (6) ∵ (,)X B m p∴ ()E X mp =令 1ˆmpA X == 解得p 的矩估计为:ˆX pm= 2.3解：∵ X 服从几何分布，其概率分布为：1()(1)k P X k p p -==-故p 的似然函数为： 1()(1)ni i x nnL p p p =-∑=-对数似然函数为：1ln ()ln ()ln(1)ni i L p n p x n p ==+--∑令 1ln ()1()01nii L p n x n p p p=∂=--=∂-∑ ∴ 1ˆpX= 2.4 解：由题知X 应服从离散均匀分布，⎪⎩⎪⎨⎧≤≤==其它011)(N k N k x p2)(NX E =矩估计：令7102=∧N1420=∴∧N 极大似然估计：⎪⎩⎪⎨⎧≤≤=其它071011)(N N N L要使)(N L 最大，则710=N710=∴∧N2.5 解：由题中等式知：2196.196.196.1)025.01(025.0)(1S X +=+=∴+=+-Φ=∴=-Φ-∧∧∧-σμθσμμσθσμθ2.6 解：（1） 05.009.214.2=-=R0215.005.04299.05=⨯==∴∧d R σ （2）将所有数据分为三组如下所示：0197.005.03946.005.0)05.005.005.0(316=⨯==∴=++=∴∧d R R σ2.7 解：（1）⎩⎨⎧+<<=其它 01x1)(θθx fθθθθθθ≠+==+=++=∴∧21)()(2121)(X E E X E ∴ X =∧θ不是θ的无偏估计，偏差为21=-∧θθ （2） θ=-)21(X E 21-=∴∧X θ是θ的无偏估计（3）22))(()())(()(θθθθ-+=-+=∧∧X E X D E D M S E41121+=n 2.8 证：由例2.24，令2211x a x a +=∧μ，则∧μ 为μ无偏估计应满足121=+a a因此1μ，2μ，3μ都是μ的无偏估计)()()()(21)()(2513)()(95)9491)(()())(()()(1233212221212∧∧∧∧∧∧=∧<<===+=∴+==∑μμμμμμμD D D X D D X D D X D X D D a a X D X D a D i i i2132121X X +=∴∧μ最有效 2.9 证： )(~λp Xλλ==∴)( )(X D X EX 是λ=)(X E 的无偏估计，2*S 是λ=)( X D 的无偏估计 )()1()())1((2*2*S E X E S XE αααα-+=-+∴λλααλ=-+=)1(∴2*)1(SX αα-+是λ的无偏估计2.10 解：因为2222((1))()(1)()(1)()1(1)()11(1)1E X S E X E S na E S n n a E S n n n a n nααααλαλαλαλλ**+-=+-=+--=+---=+-=-所以 2(1)X S αα*+-是λ的无偏估计量2.15 解：因为ˆθ是θ的有效估计量ˆˆˆ()()()E uE a b aE b a b u θθθ=+=+=+= 221ˆˆˆˆ()()()()D u D a b a D a D θθθ=+=≤ （其中,1ˆθ是θ的任意无偏估计量中的一个）所以 ˆu是u 的有效估计量 2．26 解：因为总体服从正态分布，所以)01X U N μσ-=（，）对于给定的1α-，查标准正态分布表可得2u α，使得 2()1P U u αα<=- 即：22()1P X p X ααα<<+=-区间的长度2d L α=<，所以22224u n L ασ>2.28 解：因为总体服从正态分布，所以)01X U N μσ-=（，）， 222(1)nS V n χσ=-由因为U 和V 是相互独立的，所以(1)X T t n =-对于给定的1α-，查标t 分布表可得2t α，使得 2()1P U t αα<=-，即：2()1P X X ααμα<<=- 当30n =，35X =，15S =时，第一家航空公司平均晚点时间μ的95%的置信区间为：(29.3032,40.6968)对于给定的1α-，查标t 分布表可得t α，使得 ()1P U t αα>=-，即：()1P X αμα<+=- 故μ的具有单侧置信上限的单侧置信区间为(,)X α-∞+ 所以经计算可得：第一家航空公司的单侧上限置信区间为(,39.7327)-∞ 第二种航空公司的单侧上限置信区间为(,36.3103)-∞ 所以选择第二家航空公司。

应用数理统计习题答案_西安交大（论文资料）

应用数理统计答案学号：姓名：班级：目录第一章数理统计的基本概念 (2)第二章参数估计 (14)第三章假设检验 (24)第四章方差分析与正交试验设计 (29)第五章回归分析 (32)第六章统计决策与贝叶斯推断 (35)对应书目：《应用数理统计》施雨著西安交通大学出版社第一章数理统计的基本概念1.1 解：∵2(,)X N μσ∼ ∴ 2(,)n X N σμ∼∴)(0,1)X N μσ−∼分布∴(1)0.95P X P μ−<=<=又∵ 查表可得0.025 1.96u = ∴ 221.96n σ=1.2 解：(1) ∵ (0.0015)X Exp ∼∴ 每个元件至800个小时没有失效的概率为：8000.001501.2(800)1(800)10.0015x P X P X e dxe −−>==−<=−=∫∴ 6个元件都没失效的概率为： 1.267.2()P e e −−==(2) ∵ (0.0015)X Exp ∼∴ 每个元件至3000个小时失效的概率为：30000.001504.5(3000)0.00151x P X e dxe−−<===−∫∴ 6个元件没失效的概率为： 4.56(1)P e −=−1.4 解：ini n x n x ex x x P ni i 122)(ln 2121)2(),.....,(122=−−Π∑==πσμσ1.5证：∵21122)(na a x n x a x ni ni ii+−=−∑∑==∑∑∑===−+−=+−+−=ni i ni i ni i a x n x x naa x n x x x x 1222211)()(222a) 证：)(11111+=+++=∑n ni i n x x n x )(11)(1111n n n n n x x n x x x n n −++=++=++])()1(1 ))((12)[(11)](11[11)(11212111121211212112n n n i n n n i n i n i ni n n n i n i n in x x n n x x x x n x x n x x n x x n x x n S −+++−−+−−+=−+−−+=−+=++=+=+=+=++∑∑∑∑] )(11))1()((12)([112111212n n n n n n n n n x x n x n x x n x x n x x nS n −++−+−+−−++=++++])(11S [1 ])(1[nS 11212n 212n n n n n x x n n n x x n n n −+++=−+++=++ 1.6证明 (1) ∵22112211221()()()2()()()()()nni ii i nni i i i ni i X X X X X X X X X n X X X n X μμμμμ=====−=−+−=−+−−+−=−+−∑∑∑∑∑(2) ∵2221112221221()22ii i nn ni i i i i ni ni XX X X X nX X nX nX X nX =====−=−+=−+=−∑∑∑∑∑1.10 解: (1).∑∑====ni i n i i x E n x n E X E 11)(1)1()(p np n=⋅=1np mp x D n x n D X D ni in i i )1()(1)1()(121−===∑∑==))(1()(122∑=−=n i i x x n E S E)1(1)])1(1())1(([1)])()(())()(([1])()([1])([12222212212212p mp nn p m p mp n n p m p mp n n x E x D n x E x D n x nE x E n x x E n ni i i n i i n i i −−=+−−+−=+−+=−=−=∑∑∑=== 同理，（2）. λ===∑∑==ni i n i i x E n x n E X E 11)(1)1()(λnx D n x n D X D ni in i i 1)(1)1()(121===∑∑==λnn x E x D n x E x D n x nE x E n S E ni i i n i i 1)])()(())()(([1])()([1)(2122122−=+−+=−=∑∑==(3). 2)(1)1()(11b a x E n x n E X E ni i n i i +===∑∑==na b x D nx n D X D ni ini i 12)()(1)1()(2121−===∑∑==12)(1)])()(())()(([1])()([1)(22122122a b nn x E x D n x E x D n x nE x E n S E ni i i n i i −⋅−=+−+=−=∑∑==(4). λ===∑∑==ni i n i i x E n x n E X E 11)(1)1()(nx D nx nD X D ni ini i 2121)(1)1()(λ===∑∑==221221221)])()(())()(([1])()([1)(λnn x E x D n x E x D n x nE x E n S E ni i i n i i −=+−+=−=∑∑==(5). μ===∑∑==ni ini i x E nx nE X E 11)(1)1()(nx D nx nD X D ni i ni i 2121)(1)1()(σ===∑∑==221221221)])()(())()(([1])()([1)(σ⋅−=+−+=−=∑∑==nn x E x D n x E x D n x nE x E n S E ni i i n i i1.11 解：由统计量的定义知，1，3，4，5，6，7为统计量，5为顺序统计量 1.17 证：),(~ λαΓX ∵xe x xf λαααλ−−Γ=∴1)()( 令kXY =ke ky k k e ky yf kyky ⋅Γ=⋅Γ=∴−−−−λαααλαααλαλ11)()( )()()(即 ),(~ky Y αΓ1.18 证：),(~ b a X β∵),()1()( 11b a B x xx f b a −−−=∴),(),( ),()1()( 11b a B b k a B b a B x x x X E b a k k +=−=∴∫∞+∞−−−),(),1()( b a B b a B X E +=∴ba a ab a b a b a a a a b a b a a a b b a b a b a +=Γ+Γ++ΓΓ=Γ++Γ+Γ+Γ=ΓΓ+Γ⋅++ΓΓ+Γ=)()()()()()()1()()1()()()()1()()1(),(),2()(2b a B b a B X E +=))(1()1()()()()2()()2(b a b a a a a b b a b a b a ++++=ΓΓ+Γ⋅++ΓΓ+Γ= 22)]([)()( X E X E X D −=∴2))(1())(1()1(b a b a ab ba ab a b a a a +++=+−++++= 1.19 解：∵ (,)X F n m ∼分布2212(1)022()((1))((1)()()()(1)()()n n m n mn m yn m y n mn nP Y y P X X y m myP X y n n n x x dx m mm ++−−+≤=+≤=<−Γ=+ΓΓ∫2222122221122()()()1((1()()11(1)(1)(,)n n m n m n m n m n m f y P Y y y y yy y yy B ++−−−−′=≤Γ=+ΓΓ−−−−=∴ 22(1)(,)n mn n Y X X m mβ=+∼分布1.20 解：∵ ()X t n ∼分布122212()()((2(1n n P Y y P X y P X xdxn ++−≤=≤=≤≤=+112211221212122()()()(1)()1()(1(()()n n n n n f y P Y y y y n y y nn n +++−−+−−′=≤Γ=+Γ=+ΓΓ∴ 2(1,)2nY X F =∼分布1.21 解: (1) ∵ (8,4)X N ∼分布∴ 4(8,)25X N ∼ 分布，即5(8)(0,1)2X N −∼ ∴ 样本均值落在7.88.2∼分钟之间的概率为：5(7.88)5(8)5(8.28)(7.88.2)()2220.383X P X P −−−≤≤=≤≤=(2) 样本均值落在7.58∼分钟之间的概率为：5(7.58)5(8)5(88)(7.58)(2225(8)(0 1.25)20.3944X P X P X P −−−≤≤=≤≤−=≤≤= 若取100个样品，样本均值落在7.58∼分钟之间的概率为：10(7.88)10(8)10(8.28)(7.88.2)(2222*(0.84130.5)0.6826X P X P −−−≤≤=≤≤=−= 单个样品大于11分钟的概率为：110.77340.2266P =−= 25个样品的均值大于9分钟的概率为210.97980.0202P =−= 100个样品的均值大于8.6分钟的概率为310.99870.0013P =−= 所以第一种情况更有可能发生1.23 解：(1) ∵ 2(0,)X N σ∼分布 ∴ 2(0,X N nσ∼分布∴ 22)(1)nXχσ∼∵ 222221()(ni i nXa X an X an σσ===∑∴ 21a n σ=同理 21b m σ=(2) ∵2(0,)X N σ∼分布 ∴222(1)X χσ∼分布由2χ分布是可加性得：2221()ni i X n χσ=∑∼()ninX c X t m ==∑∼ ∴c =(3) 由(2)可知2221()ni i X n χσ=∑∼2221122211(,)nni ii i n mn mi ii n i n X d Xnn dF n m XmXmσσ==++=+=+=∑∑∑∑∼∴ md n=1.25 证明：∵ 211(,)X N μσ∼分布 ∴ 2211((1)i X μχσ−∼∴ 1221111(()n i i X n μχσ=−∑∼同理 2222212(()n i i Y n μχσ=−∑∼ 1122222112211111222221122112()()(,)()()n n i i i i n n i i i i X n n X F n n Y n Y n μσμσμσμσ====−−=−−∑∑∑∑∼ 第二章参数估计2.1 (1) ∵ ()X Exp λ∼分布∴ ()1E X λ=令 ˆ1X λ= 解得λ的矩估计为: ˆ1X λ= (2) ∵ (,)X U a b ∼分布∴ ()2a bE X +=2()()12b a D X −=令 1ˆˆ2ab A X +==22221ˆˆˆˆ()()1124n i i b a a b A X n =−++==∑ （22211n i i X X S n =−=∑）解得a 和b 的矩估计为:ˆˆaX bX =−=(3) 110()1E X x x dx θθθθ−=∗=+∫令 1ˆˆ1A X θθ==+∴ˆ1XXθ=− (4) 110()(1)!kk x kE X x x e dx k βββ−−=∗=−∫令ˆkX β= ∴ ˆkXβ=(5) 根据密度函数有2221()22()E X a aE X a λλλ=+=++根据矩估计有1222221ˆˆˆ22ˆˆˆa A X a a A S X λλλ+==++==+解得λ和a 的矩估计为:ˆˆaX λ==(6) ∵ (,)X B m p ∼ ∴ ()E X mp =令 1ˆmpA X == 解得p 的矩估计为:ˆXpm= 2.3解：∵ X 服从几何分布，其概率分布为：1()(1)k P X k p p −==−故p 的似然函数为： 1()(1)ni i x nnL p p p =−∑=−对数似然函数为：1ln ()ln ()ln(1)ni i L p n p x n p ==+−−∑令 1ln ()1()01nii L p n x n p p p =∂=−−=∂−∑ ∴ 1ˆpX= 2.4 解：由题知X 应服从离散均匀分布，⎪⎩⎪⎨⎧≤≤==其它01 1)(Nk N k x p2)(NX E =矩估计：令 7102=∧N1420=∴∧N 极大似然估计：⎪⎩⎪⎨⎧≤≤=其它07101 1)(NN N L ∵要使)(N L 最大，则710=N710=∴∧N 2.5 解：由题中等式知：2196.196.196.1)025.01(025.0)(1S X +=+=∴+=+−Φ=∴=−Φ−∧∧∧−σμθσμμσθσμθ2.6 解：（1） 05.009.214.2=−=R ∵0215.005.04299.05=×==∴∧d Rσ（2）将所有数据分为三组如下所示：1x 2x 3x 4x5x 6x i R1 2.14 2.10 2.15 2.13 2.12 2.13 0.05 2 2.10 2.15 2.12 2.14 2.10 2.13 0.05 32.11 2.14 2.10 2.11 2.15 2.10 0.050197.005.03946.005.0)05.005.005.0(316=×==∴=++=∴∧d R R σ 2.7 解：（1）⎩⎨⎧+<<=其它 01x 1)(θθx f ∵ θθθθθθ≠+==+=++=∴∧21)()(2121)(X E E X E ∴ X =∧θ不是θ的无偏估计，偏差为21=−∧θθ（2） θ=−21(X E ∵ 21−=∴∧X θ是θ的无偏估计（3）22))(()())(()(θθθθ−+=−+=∧∧X E X D E D MSE41121+=n 2.8 证：由例2.24，令2211x a x a +=∧μ，则∧μ 为μ无偏估计应满足121=+a a因此1μ，2μ，3μ都是μ的无偏估计)()()()(21)()(2513)()(95)9491)(()())(()()(1233212221212∧∧∧∧∧∧=∧<<===+=∴+==∑μμμμμμμD D D X D D X D D X D X D D a a X D X D a D i i i ∵∵2132121X X +=∴∧μ最有效2.9证： )(~λp X ∵ λλ==∴)( )(X D XEX ∵是λ=)(X E 的无偏估计，2*S 是λ=)( X D 的无偏估计)()1()())1((2*2*S E X E S X E αααα−+=−+∴λλααλ=−+=)1(∴2*)1(SX αα−+是λ的无偏估计2.10 解：因为2222((1))()(1)()(1)()1(1)()11(1)1E X S E X E S na E S n n a E S n n n a n nααααλαλαλαλλ∗∗+−=+−=+−−=+−−−=+−=− 所以 2(1)X S αα∗+−是λ的无偏估计量2.15 解：因为ˆθ是θ的有效估计量ˆˆˆ()()()E uE a b aE b a b u θθθ=+=+=+= 221ˆˆˆˆ()()()()D u D a b a D a D θθθ=+=≤ （其中,1ˆθ是θ的任意无偏估计量中的一个）所以 ˆu是u 的有效估计量 2．26 解：因为总体服从正态分布，所以)01X U N μσ−=∼（，）对于给定的1α−，查标准正态分布表可得2u α，使得2()1P U u αα<=−即：22()1P X p X ααα−<<=−区间的长度2d L α=<，所以 22224u n L ασ>2.28 解：因为总体服从正态分布，所以)01X U N μσ−=∼（，）， 222(1)nS V n χσ=−∼由因为U 和V 是相互独立的，所以(1)X T t n =−∼对于给定的1α−，查标t 分布表可得t α，使得 2()1P U t αα<=−，即：22()1P X X ααμα<<+=− 当30n =，35X =，15S =时，第一家航空公司平均晚点时间μ的95%的置信区间为：(29.3032,40.6968)对于给定的1α−，查标t 分布表可得t α，使得 ()1P U t αα>=−，即：()1P X αμα<+=− 故μ的具有单侧置信上限的单侧置信区间为(,)X α−∞+ 所以经计算可得：第一家航空公司的单侧上限置信区间为(,39.7327)−∞第二种航空公司的单侧上限置信区间为(,36.3103)−∞所以选择第二家航空公司。

应用数理统计

t1a/2 (n 1) t10.05/2 (15 1) t0.975 (14) 查表得 2.1448；
代入公式： St1a/2 (n 1) 得上限： =0.58+
1.3336 g2.1448
＝1.24197
n 1
15 1
1.3336 g2.1448
下限： =0.58-
＝-0.08197
n r
r QA 1Qe
> F1- r 1, n r ， F1- 查表可得结果。
认为因素 A 对试验指标的影响是显著的，并找出最佳水平。
P191.习题 1.方差分析
P192.习题 3 正交试验设计——正交表的直观分析本题应表示为 L16(43x26):9 个因子，前 3 个为 4 水平，后 6 个为 2 水平，共 16 次试验。正交表记作： Ln (r1 r2 gggrm ) ；当 r1＝r2＝…＝rn 时表示为 Ln（rm）；
②
拒绝域：
X
2 n
>
X12
a
(m

1

l
)
其中 m 为数据的组数，l 为未知参数的个数。例题：
3、秩和检验
①假设： H0 : F1(x) F2( x) ，H1:F1(x) F2 (x)
②将数据从小到大排列， ③算秩（限顺序），值一样时求几个数的平均值作为秩， ④算秩和，查表 P256.
注意将数的个数少的作为 n1 来计算秩和后，比较 R1 与 T1,T2 的关系。 ⑤拒绝域：X0={R1<T1 或 R1>T2}(T1<T2)
15 1
因此 a 的置信度为 0.95 的区间估计为（-0.08197, 1.24197）。

清华大学杨虎应用数理统计课后习题参考答案2

习题三1 正常情况下，某炼铁炉的铁水含碳量2(4.55,0.108)X N .现在测试了5炉铁水，其含碳量分别为4.28，4.40，4.42，4.35，4.37. 如果方差没有改变，问总体的均值有无显著变化？如果总体均值没有改变，问总体方差是否有显著变化（0.05α=）？解由题意知 2~(4.55,0.108),5,0.05X N n α==，1/20.975 1.96u u α-==，设立统计原假设 0010:,:H H μμμμ=≠ 拒绝域为{}00K x c μ=->，临界值1/21.960.108/0.0947c u α-==⋅=，由于 0 4.364 4.550.186x c μ-=-=>，所以拒绝0H ，总体的均值有显著性变化.设立统计原假设 22220010:,:H H σσσσ=≠ 由于0μμ=，所以当0.05α=时22220.0250.97511()0.03694,(5)0.83,(5)12.83,n i i S X n μχχ==-===∑2210.02520.975(5)/50.166,(5)/5 2.567c c χχ====拒绝域为 {}222200201//K s c s c σσ=><或由于220/ 3.167 2.567S σ=>，所以拒绝0H ，总体的方差有显著性变化. 2 一种电子元件，要求其寿命不得低于1000h .现抽测25件，得其均值为x =950h .已知该种元件寿命2(100,)X N σ，问这批元件是否合格（0.05α=）？解由题意知 2(100,)X N σ，设立统计原假设0010:,:,100.0.05.H H μμμμσα≥<==拒绝域为{}00K x c μ=-> 临界值为 0.050.0532.9c u u =⋅=⋅=-由于 050x c μ-=-<，所以拒绝0H ，元件不合格.3 某食品厂用自动装罐机装罐头食品，每罐标准重量为500g ，现从某天生产的罐头中随机抽测9罐，其重量分别为510，505，498，503，492，502，497，506，495（g ），假定罐头重量服从正态分布. 问 (1)机器工作是否正常（0.05α=）？ 2）能否认为这批罐头重量的方差为5.52（0.05α=）？解（1）设X 表示罐头的重量(单位：g). 由题意知2(,)XN μσ,μ已知设立统计原假设 0010:500,:H H μμμμ==≠,拒绝域 {}00K x c μ=-> 当0.05α=时，2500.89,34.5, 5.8737x s s ===临界值 12(1) 4.5149c t n α-=-⋅=，由于00.8889x c μ-=<，所以接受0H ，机器工作正常.（2）设X 表示罐头的重量(单位：g). 由题意知2(,)XN μσ，σ已知设立统计原假设 222220010: 5.5,:H H σσσσ==≠拒绝域为 {}{}222200102K s c sc σσ=<> 当α=0.05时，可得2220.0250.97512500.89,34.5,(5) 2.7,(5)19.02,0.3, 2.11x s c c χχ======由于22001.0138s K σ=∈,所以接受0H ，可以认为方差为25.5.4 某部门对当前市场的鸡蛋价格情况进行调查，抽查某市20个集市上鸡蛋的平均售价为3.399（元/500克），标准差为0.269（元/500克）.已知往年的平均售价一直稳定在 3.25（元/500克）左右，问该市当前的鸡蛋售价是否明显高于往年？（0.05α=）解设X 表示市场鸡蛋的价格（单位：元/克），由题意知2(,)XN μσ设立统计原假设 0010: 3.25,:H H μμμμ==>, 拒绝域为 {}00K x c μ=->当α=0.05时，13.399,0.269,20,0.0992x n c ασμ-====⋅=临界值由于0 3.399 3.250.149.x c μ-=-=>所以拒绝0H ，当前的鸡蛋售价明显高于往年.5 已知某厂生产的维尼纶纤度2(,0.048)X N μ，某日抽测8根纤维，其纤度分别为1.32，1.41，1.55，1.36，1.40，1.50，1.44，1.39，问这天生产的维尼纶纤度的方差2σ是否明显变大了（0.05α=）？解由题意知 2(,0.048)XN μ，0.05α=设立统计原假设 2222220010:0.048,:0.048H H σσσσ==>=拒绝域为{}2200K s c σ=>，当0.05α=时，2220.950.951.4213,0.0055,(7)14.07,(7)7 2.0096x s c χχ=====由于220 2.3988s c σ=>，所以拒绝0H ，认为强度的方差明显变大.6 某种电子元件,要求平均寿命不得低于2000h ，标准差不得超过130h .现从一批该种元件中抽取25只,测得寿命均值1950h ,标准差148h s =.设元件寿命服从正态分布，试在显著水平 α=0.05下, 确定这批元件是否合格. 解设X 表示电子元件的平均寿命（单位：h ），由题意知2(,)X N μσ设立统计原假设 0010:=2000H <H μμμμ≥，：拒绝域为 {}00K x c μ=-<当0.05α=时，1950,148,(1)50.64x s c t n α===-=-临界值由于 050x c μ-=->，所以接受0H ，即这批电子元件的寿命是合格的. 7 设n X X X ,...,,21为来自总体(,4)XN μ的样本，已知对统计假01:1;: 2.5H H μμ== 的拒绝域为0K {}2>=X .1）当9=n 时，求犯两类错的概率α与β；2）证明：当n →∞时，α→0，β→0.解（1）由题意知 {}010~(,4),:1;: 2.5,2,9.X N H H K X n μμμ===>= 犯第一类错误的概率为()21 1.51(1.5)0.0668.X P X P αμ⎫=>==>==-Φ=⎪⎭犯第二类错误的概率为()2 2.50.75(0.75)1(0.75)0.2266.X P X P βμ⎫=≤==≤=-⎪⎭=Φ-=-Φ=（2）若0:1H μ=成立，则(1,4)X N}{}{00000()=11)n P H H P X c P X c nc αμμσ=≥+=-<+=-Φ否定成立当n →∞时，0)1ncσΦ→，所以0()n n α→→∞同理 }{0010=<+=+c )/)()=0()n P X c n βμμμσΦ-→Φ-∞→∞ 8 设需要对某一正态总体,4()N μ的均值进行假设检验H 0：μ= 15，H 1：μ< 15 取检验水平α=0.05，试写出检验H 0的统计量和拒绝域.若要求当H 1中的μ=13时犯第二类错误的概率不超过β=0.05，估计所需的样本容量n . 解由题意知 (,4)XN μ,σ已知, 设立统计原假设 01:15,:15H H μμ=<则拒绝域为}{015K X c =-<，其中临界值0.05c μ=⋅=-犯第二类错误的概率1513130.05P X P Xβ⎛⎫⎛⎫=->==->≤⎪⎭⎝⎝即1.65)0.95Φ≥, 化简得23.311n≥≈.9 设nXXX,...,,21为来自总体X～2(,)Nμσ的样本，2σ为已知, 对假设：0011:;:H Hμμμμ==其中01μμ≠，试证明：22011212()()nαβσμμμμ--=+⋅-解（1）10>μμ当时,由题意知00110:;:;H Hμμμμμ==>犯第一，二类错误分别为,αβ，则有001(|)P X c c uααμμμ-=>+=⇒=011100(|))XP X c P uαβμμμμμ-=≤+==≤=⇒()()220 11111120010 u u u u n u u ββααβαβσμμμ------=-=⇒+==+-（2）10μμ≤当时由题意知00110:,:H Hμμμμμ==≤，犯第一，二类错误分别为,αβ，则有00(|)P X c c uααμμμ=<+=⇒=()()01100220 1111120010 (|))XP X c P uu u u u n u uαβααβαββμμμμμσμμ-----=≥+==≥+=⇒=⇒+==+-10设171,...,XX为总体2(0,)X N σ样本，对假设：2201:9,: 2.905H Hσσ==的拒绝域为}{24.93K s=<. 求犯第Ⅰ类错误的概率α和犯第Ⅱ类错的概率β.解由题意知2(0,)X N σ,222~().nsnχσ统计假设为2201:9,: 2.905H Hσσ==. 拒绝域为}{24.93K s=<则犯第一，二类错误的概率,αβ分别是()()22222221717417174497.3040.0259999171744 3.319120.48810.750.253.319 3.319s s P s P P s P s P ασβσ⎛⎫⎛⎫⨯⨯=<==<=<== ⎪ ⎪⎝⎭⎝⎭⎛⎫⨯=<==-<==-= ⎪⎝⎭11 设总体是密度函数是1,01(;)0,x x f x θθθ-<<=⎧⎨⎩其他统计假设 01:1,:2H H θθ==.现从总体中抽取样本21,X X ,拒绝域2134ΚX X =≤⎧⎫⎨⎬⎩⎭，求：两类错误的概率,αβ 解由题意知010213:1;:2,, 2.4H H K X n X θθ⎧⎫===≤=⎨⎬⎩⎭当12121,0,11(;1) 1.~(0,1),(,)0,x x f x X U f x x θ<<⎧===⎨⎩时，其他此时 212121231431(,)0.250.75ln 0.75.4x x P X f x x dx dx X αθ≤⎛⎫=≤===+⎪⎝⎭⎰⎰当1212122,014,0,12(;2).(,)0,0,x x x x x x f x f x x θ<<<<⎧⎧===⎨⎨⎩⎩时，其他其他此时 21212123143992(,)ln 0.75.4168x x P X f x x dx dx X βθ>⎛⎫=>===+⎪⎝⎭⎰⎰12 设总体2(,)X N μσ，根据假设检验的基本原理，对统计假设：00110:,:()()H H μμμμμσ==>已知；0010:,:H H μμμμσ≥<（未知），试分析其拒绝域. 解由题意知 2(,)XN μσ,当00110:,:()H H μμμμμ==>成立时()01X P X c P αμμμ=->==>=-Φ{}1100,u c u K X c ααμ--===->所以拒绝域为 }{00K X c μ=->当0010:,:H H μμμμ≥<成立时00()()X P X c P X c P αμμμμ⎛⎛⎫⎫=-<≥≥-<=<=Φ}{00,c K X c ααμμμ===-<所以拒绝域为}{00K X c μ=-< 13 设总体2(,)X N μσ根据假设检验的基本原理，对统计假设：（1）22220010:,:()H H σσσσμ=>已知；（2）22220010:,:()H H σσσσμ≤>未知试分析其拒绝域.解由题意知 2~(,)X N μσ（1）假设统计假设为 22220010:=,:>H H σσσσ 其中μ已知当0H 成立时，拒绝域形式为 2020=>sK c σ⎧⎫⎪⎨⎬⎪⎭⎩由222220=(n)ns ns χσσ，可得220=>nsP nc ασ⎧⎫⎪⎨⎬⎪⎭⎩ 所以 21-=()nc n αχ，由此可得拒绝域形式为2201-201=>()sK n n αχσ⎧⎫⎪⎨⎬⎪⎭⎩ （2）假设统计假设为 22220010:<,:>H H σσσσ 其中μ未知当0H 成立时，选择拒绝域为 2020=>sK c σ⎧⎫⎪⎨⎬⎪⎭⎩，由222(-1)(1)n s n χσ-得 ()()()()222201111n s n s P n c P n c ασσ⎧⎫⎧⎫--⎪⎪⎪⎪=>-≤>-⎨⎬⎨⎬⎪⎪⎪⎪⎩⎭⎩⎭所以21(1)(1)n c n αχ--=-，由此可得拒绝域形式为2201-201=>(1)1s K n n αχσ⎧⎫⎪-⎨⎬-⎪⎭⎩14 从甲、乙两煤矿各取若干样品，得其含灰率（%）为,甲:24.3, 20.8, 23.7, 21.3,17.4, 乙:18.2, 16.9, 20.2, 16.7 .假定含灰率均服从正态分布且2212=σσ，问甲、乙两煤矿的含灰率有无显著差异（=0.05α）？解由题意知 2212(,),Y (,)XN N μσμσ设统计假设为 012112:=;:H H μμμμ≠ 其中12=5,=4n n 当=0.05α时1/2122.3238,(2) 2.3646w s t n n α-==+-=临界值1-12=(+2) 3.6861w c t n n s α-⋅= 拒绝域为}{0 3.6861K x y c =->= 而 03.5,,.x y c H -=<接受认为没有差别15 设甲、乙两种零件彼此可以代替，但乙零件比甲零件制造简单，造价也低.经过试验获得它们的抗拉强度分别为（单位：kg/cm 2）：甲：88，87，92，90，91 乙：89，89，90，84，88假定两种零件的抗拉强度都服从正态分布，且21σ =22σ.问甲种零件的抗拉强度是否比乙种的高（=0.05α）？解由题意知 2212(,),Y (,)XN N μσμσ设统计假设为 012112:=;:H H μμμμ≠，其中12=5,=5n n 当=0.05α时122.2136,(2) 1.86,w s t n n α==+-=-临界值1-212=(+2) 2.2136w c t n n s α-⋅= 拒绝域为}{0 2.2136K x y c =->=而 1.6x y c -=<，所以接受0H ，认为甲的抗拉强度比乙的要高.16 甲、乙两车床生产同一种零件.现从这两车床产生的产品中分别抽取8个和9个，测得其外径（单位：mm ）为：甲：15.0，14.5，15.2，15.5，14.8，15.1，15.2，14.8乙：15.2，15.0，14.8，15.2，15.0，15.0，14.8，15.1，14.8假定其外径都服从正态分布，问乙车床的加工精度是否比甲车床的高（=0.05α）？解由题意知 2212(,),Y (,)XN N μσμσ设统计假设为 2222012112:;:H H σσσσ≥<，其中12=8,=9n n当=0.05α时 220.0955,0.0261x y s s ==，临界值 12(1,1)0.2684c F n n α=--=拒绝域为202x ys K c s ⎧⎫⎪⎪=<⎨⎬⎪⎪⎭⎩，而22 3.6588x y s F c s ==>，接受0H ，认为乙的精度高.17 要比较甲、乙两种轮胎的耐磨性，现从甲、乙两种轮胎中各取8个，各取一个组成一对，再随机选取8架飞机，将8对轮胎磨损量（单位：mg ）数据列表如下：试问这两种轮胎的耐磨性有无显著差异？(=0.05α). 假定甲、乙两种轮胎的磨损量分别满足2212(,),Y (,)XN N μσμσ且两个样本相互独立.解由题意知 2212(,),Y (,)X N N μσμσ设统计假设为 012112:=;:H H μμμμ≠，其中12===8n n n 当=0.05α时，令()221/211,320,102200,319.69,(1) 2.36461n ZZ i Z X Y z s z z s t n n α-==-==-==-=-∑ 拒绝域为}{0K z c =>，临界值1-2=(1)2138Z c t n s α-⋅= 而320z c =<，所以接受0H ，认为两种轮胎耐磨性无显著差异.18 设总体2212(,),Y (,)X N N μσμσ, 由两总体分别抽取样本 X ：4.4，4.0，2.0，4.8 Y ：6.0，1.0，3.2，0.41）能否认为12μμ= (=0.05α)? 2）能否认为2212σσ= (=0.05α)？解 (1) 由题意知 2212(,),Y (,)XN N μσμσ设统计假设为 012112:=;:H H μμμμ≠，其中12==4=n n n令Z X Y =-，则有22111.15,()9.02331n z i z s z z n ===-=-∑，当=0.05α时，1-2=(1) 3.1824c t n α-=，1-2=(1)/ 4.78Z c t n s α-⋅= 拒绝域为}{0K z c =>，而 1.15z c =<，所以012,.H μμ=接受认为 (2) 由题意知 2212(,),Y(,)XN N μσμσ设统计假设为 2222220111:=;:H H σσσσ≠，其中12==4=n n n 其中221.5467, 6.4367x y s s ==，拒绝域为2201222>x x y y s s K c c s s ⎧⎫⎪⎪=<⎨⎬⎪⎪⎭⎩或临界值 1/21221212(1,1)0.0648,(1,1)15.4392c F n n c F n n αα-=--==--=而22201220.2403,,.X Ys F H s σσ===接受认为19 从过去几年收集的大量记录发现，某种癌症用外科方法治疗只有2%的治愈率.一个主张化学疗法的医生认为他的非外科方法比外科方法更有效.为了用实验数据证实他的看法，他用他的方法治疗200个癌症病人，其中有6个治好了.这个医生断言这种样本中的3%治愈率足够证实他的看法.（1）试用假设检验方法检验这个医生的看法；（2）如果该医生实际得到了4.5%治愈率，问检验将证实化学疗法比外科方法更有效的概率是多少？解 (1) 记每个病人的治愈情况为X ，则有(1,) XB p设统计假设为 0010:=0.02;:0.02H p p H p p >≤=，其中200,0.05n α==拒绝域为}{00K x p c =-<，临界值10.0163c αμ-== 而 000.01,,0.02.x p c H p -=<>拒绝不能认为(2) 不犯第二类错误的概率101 4.5%P X u p p αβ-⎧⎫⎪⎪-=>=⎨⎬⎪⎪⎭⎩由(1,) XB p ，可得 (1),p p EX p DX n-==由中心极限定理得1 4.5%10.72X P p β⎧⎫⎪-=>=⎬⎪⎭=-Φ=20 在某公路上，50min 之间，观察每15s 内通过的汽车数，得下表通过的汽车数量0 1 2 3 4 ≥5 次数f92 68 28 11 1 0问能否认为通过的汽车辆数服从泊松分布（=0.10α）？解设统计假设为 0010:()(),()(),200.0.10H F x F x H F x F x n α====4001ˆ,0.805.j j H X j n λν====∑若成立记 ˆ1,2,3,4ˆ(),!j j j p P x j e j λλ-==-=则有ˆ0.8050102143243500.8050.4471,0.805*0.3599,*0.144920.8050.805*0.0389,*0.0078,10.0014,34j j p e e p p p p p p p p p p λ--=============-=∑检验统计量的值为()2522210.9500 2.1596(1)(4)9.848,~(),0.805.jj n j jnp m r np H X P ανχχχλλ-=-==<--===∑不拒绝认为且21 对某厂生产的汽缸螺栓口径进行100次抽样检验，测得100数据分组列表如下：组限10.93～10.9510.95～10.9710.97～10.9910.99～11.01频数 582034 组限 11.01～11.0311.03～11.0511.05～11.0711.07～11.09 频数1766 4试对螺栓的口径X 的分布做假设检验（=0.05α）.解设X 表示螺栓的口径，2(,)XN μσ，分布函数为()F x ，统计假设为0010:()(),:()()H F x F x H F x F x =≠，其中100,0.05,2n r α===在0H 成立的情况下，计算得88221111ˆˆ11.0024,()0.00101888j j j j i i X x v x v μσμ====⋅==-⋅=∑∑ 由ˆ11.0024(0,1)ˆ0.00319X X N μσ--=得0810.9311.002411.0911.00242.2689,, 2.74520.003190.00319x x --==-==所以110887()()0.0386,,()()0.0140p x x p x x =Φ-Φ==Φ-Φ=检验统计量的值为2822210.951()13.825(1)(5)11.07j j nj jv np m r np αχχχ-=-==>--==∑由此应该20,~(,).H X N μσ拒绝不能认为22 检查产品质量时，每次抽取10个产品检验，共抽取100次，得下表：次品数0 1 2 3 4 5 6 7 8 9 10 频数 35 40 18 5 1 1 0 0 0 0 0 问次品数是否服从二项分布（=0.05α）？解设X 表示抽取的次品数，2(,)XN μσ，分布函数为()F x ，统计假设为0010:()(),:()()H F x F x H F x F x =≠，其中10,0.05n α==在0H 成立的情况下，01ˆNjj X pjvN N===∑计算得00101192280101102103371010010*******(1),0,1,,10;ˆˆˆ(1)0.3487,(1)0.3874,(1)0.1937ˆˆ(1)0.0574,(1)10,jj N j j N p C p p j p C p p p C p p p C p p p C p pp C p p--=-==-==-==-==-==-= 检验统计量的值为0020()21022210.9505.1295(1)(9)16.92jj n j jnp m r np ανχχχ-=-==<--==∑因此0,~(10,0.1).H X B 不拒绝认为23 请71人比较A 、B 两种型号电视机的画面好坏，认为A 好的有23人，认为B 好的有45人，拿不定主意的有3人，是否可以认为B 的画面比A 的好（=0.10α）？解设X 表示A 种型号电视机的画面要好些，Y 表示B 中型号电视机画面要好些分布函数分别为()X F x ，()Y F x ，统计假设为01:()(),:()(),10,100.0.05X Y X Y H F x F x H F x F x N n α=≠===由题意知++=23=45,=+n n n n n --，检验统计量 ,min()s n n +-=而23(68)25s s α=<=，所以0,.H B 拒绝认为的画面好24 为比较两车间（生产同一种产品）的产品某项指标的波动情况，各依次抽取12个产品进行测量，得下表甲 1.13 1.26 1.16 1.41 0.86 1.39 1.21 1.22 1.20 0.62 1.18 1.34 乙 1.21 1.31 0.99 1.59 1.41 1.48 1.31 1.12 1.60 1.38 1.60 1.84 问这两车间所生产的产品的该项指标分布是否相同（=0.05α）？解设,X Y 分别表示甲乙两车间所生产产品的指标分布，分布函数分别()X F x ()Y F x ，统计假设为01:()(),:()(),.0.05,12,X Y X Y H F x F x H F x F x n m α=≠===检验统计量为秩和T ，易知T 的样本值为112T =且(150,300)T N拒绝域为012K u u α-⎧⎫⎪=>⎨⎬⎪⎭⎩而0.9752.194 1.96u u =>=，所以0,.H 拒绝认为指标分布不相同25 观察两班组的劳动生产率(件/h)，得下表：问两班组的劳动生产率是否相同（α=0.05）？解设,X Y 分别表示两个组的劳动生产率，分布函数分别为(),X F x ()Y F x ，统计假设为01:()(),:()(),.0.05,9,9X Y X Y H F x F x H F x F x n m α=≠===检验统计量为秩和T ，易知T 的样本值为73T = 拒绝域形式为}{01212,<K T t T t t t =<>其中而12(9,9)=66,(9,9)105t t =，因此T K ∈, 所以0,.H 接受认为劳动生产率相同26 观观察得两样本值如下：Ⅰ 2.36 3.14 7.52 3.48 2.76 5.43 6.54 7.41 Ⅱ 4.38 4.25 6.54 3.28 7.21 6.54 问这两样本是否来自同一总体（α=0.05）？解设,X Y 分别表示Ⅰ，Ⅱ两个样本，分布函数分别是(),X F x ()Y F x ，统计假设为01:()(),:()(),.0.05,6,8,X Y X Y H F x F x H F x F x n m α=≠===检验统计量为秩和T ，易知T 的样本值为49T = 拒绝域形式为}{01212,<K T t T t t t =<>其中而12(6,8)=32,(6,8)58t t =，因此0T K ∈, 所以0,.H 接受认为来自同一总体 27 某种动物配偶的后代按体格的属性分为三类，各类的数目是：10，53，46,按照某种遗传模型其比率之比应为：22)1(:)1(2:p p p p --，问数据与模型是否相符（05.0=α）？解设体格的属性为样本X ，由题意知(2,1)X B p -其密度函数为()f x ，其中22(,)(1)0,1,2xxx f x p C p p x -=-=统计假设为0010:()(),:()()H F x F x H F x F x =≠似然函数为222211(1)(1)i iii nnx x x x n nxnxi i L C pp pp C--===-=-∏∏解得最大似然统计量为 ˆ12xp=- 则 220ˆˆ 1.330.1121pp === 1ˆˆˆ2(1)0.4454p p p =-= 22ˆˆ(1)0.4424p p =-= 拒绝域为}{2201(1)K m r αχχ-=>--而 ()21022210.950ˆ0.9134(1)(9) 3.8414ˆjj n j j np m r npανχχχ-=-==<--==∑所以0,.H 不拒绝认为与模型相符28 在某地区的人口调查中发现：15729245个男人中有3497个是聋哑人.16799031个女人中有3072个是聋哑人.试检验“聋哑人与性别无关”的假设（05.0=α）.解设X 表示男人中聋哑人的个数，Y 表示女人中聋哑人的个数，其分布函数分别表示为()X F x ，()Y F x . 统计假设为01:(,)()(),:(,)()()X Y X Y H F x y F x F x H F x y F x F x =≠拒绝域为}{2201(1)K m r αχχ-=>--而21022210.950ˆ()62.64(1)(1) 3.84ˆj j n j jv np m r np αχχχ-=-==>--==∑ 所以0,.H 拒绝认为聋哑与性别相关 29 下表为某药治疗感冒效果的联列表：试问该药疗效是否与年龄有关（α=0.05）？解设X 表示该药的疗效与年龄有关，Y 表示该药的疗效与年龄无关，其分布函数分别表示为(),X F x ()Y F x . 统计假设为01:(,)()(),:(,)()(),3,3,0.05,X Y X Y H F x y F x F x H F x y F x F x r s α=≠===拒绝域为}{2201(1)K m r αχχ-=>--而 ()21022210.950ˆ13.59(1)(4)9.488ˆj j n j j np m r npανχχχ-=-==>--==∑所以0,.H 拒绝认为疗效与年龄相关30 某电子仪器厂与协作的电容器厂商定，当电容器厂提供的产品批的不合格率不超过3%时以高于95%的概率接受，当不合格率超过12%时，将以低于10%的概率接受.试为验收者制订验收抽样方案.解由题意知，010.03,0.12,0.05,0.1p p αβ====代入式子 01()1()L p L p αβ=-⎧⎨=⎩()L p 选用式子()()()(1)(1)L P X d P U np p np p φ=≤=≤≈--计算求得 66,4n d ==，于是抽查方案是：抽查66件产品，如果抽得的不合格产品4X ≤，则接受这批产品，否则拒绝这批产品.31 假设一批产品的质量指标2(,)XN μσ（2σ已知），要求质量指标值越小越好.试给出检验抽样方案（,n c ）的计算公式.若2σ未知，又如何确定检验抽样方案（,n c ）？若质量高时指质量指标在一个区间时，又如何确定检验抽样方案（,n c ）?解 (1) 解方程组01()1()L L μαμβ=-⎧⎨=⎩ 得 ()201u u n αβσμμ⎛⎫+⎪= ⎪-⎝⎭10u u c u u αβαβμμ+=+ (2) 若2σ未知，用*2M 估计2σ，从而得出公式()2*201u u M n αβμμ⎛⎫+⎪= ⎪-⎝⎭10u u c u u αβαβμμ+=+习题四1 下表数据是退火温度x (C 0)对黄铜延性η效应的试验结果，η是以延伸率计算的，且设为正态变量，求η对x 的样本线性回归方程.x (C 0)300 400 500 600 700 800 y (%)40 50 55 60 67 70解利用回归系数的最小二估计：101ˆˆˆxyxx l l y xβββ⎧=⎪⎨⎪=-⎩其中2211,n nxy i i xx i i i l x y nxy l x nx ===-=-∑∑ 代入样本数据得到：10ˆˆ0.0589,24.6286ββ==样本线性回归方程为：ˆ24.62860.0589yx =+2 证明线性回归函数中(1)回归系数1β的置信水平为α-1的置信区间为211ˆˆ(2)n αβ--；(2)回归系数0β的置信水平为α-1的置信区间为2ˆ(2)n αβ-±-.证 (1) 由于211ˆ,xx N l σββ⎛⎫ ⎪⎝⎭()0,1N222(2)ES n χσ-又因为：，()222ˆ2(2)n n σχσ--故所以()2t n -易知 {}11ˆ1p cββα-<=-，1P α<=-⎪⎭⎩其中()122n α--所以1β的置信水平为α-1的置信区间为211ˆˆ(2)n αβ-- (2) 由0ˆβ～2201(,())xxnx N l βσ+，得 ()0,1N ，()222ˆ2(2)n n σχσ--，0ˆβ与2ˆσ相互独立，所以：()2T t n ==-根据11221(2)(2)P T t n P t n ααα--⎫⎪⎛⎫⎪-=<-=<- ⎪⎪⎝⎭⎪⎪⎭()()0001122ˆˆ22P n n ααβββ--⎛⎫ ⎪ ⎪=--<<+- ⎪ ⎪ ⎪⎝⎭得到0β的置信度为1α-的置信区间()012ˆ2n αβ--.3 某河流溶解氧浓度（以百万分之一计）随着水向下游流动时间加长而下降.现测得8组数据如下表所示.求溶解氧浓度对流动时间的样本线性回归方程，并以α=0.05对回归显著性作检验.流动时间t （天） 0.5 1.0 1.6 1.8 2.6 3.2 3.8 4.7 溶解氧浓度（百万分之一）0.28 0.29 0.29 0.18 0.17 0.18 0.10 0.12解利用101ˆˆˆtyttl l y t βββ⎧=⎪⎨⎪=-⎩其中2211,n n ty i i tt i i i l t y nty l t nt ===-=-∑∑ 代入样本数据得到： 10ˆˆ0.0472,0.3145ββ=-= 所以，样本线性回归方程为：ˆ0.31450.0472yt =- 拒绝域形式为：{}21ˆc β>()20.95ˆ1,6,0.0058ttF c c l σ==>而21ˆ0.0022β=，所以回归模型不显著. 4 假设X 是一可控制变量，Y 是一随机变量,服从正态分布.现在不同的X 值下分别对Y 进行观测，得如下数据i x0.25 0.37 0.44 0.55 0.60 0.62 0.68 0.70 0.73 i y2.57 2.31 2.12 1.92 1.75 1.71 1.60 1.51 1.50 i x 0.75 0.82 0.84 0.87 0.88 0.90 0.95 1.00 i y1.41 1.33 1.31 1.25 1.20 1.19 1.15 1.00(1)假设X 与Y 有线性相关关系，求Y 对X 样本回归直线方程，并求2σ=DY 的无偏估计；(2)求回归系数210σββ、、的置信度为95%的置信区间； (3)检验Y 和X 之间的线性关系是否显著（=0.05α）； (4)求Y 置信度为95%的预测区间；(5)为了把Y 的观测值限制在)68.1,08.1(，需把x 的值限制在什么范围？（=0.05α）解 (1) 利用101ˆˆˆxyxx l l y x βββ⎧=⎪⎨⎪=-⎩其中2211,n nxy i i xx i i i l x y nxy l x nx ===-=-∑∑计算得10ˆˆ2.0698, 3.0332ββ=-= 所以，样本线性回归方程为：ˆ 3.0332 2.0698yx =-，22ˆ0.002015ES σ== (2) 根据第二题，1β的置信区间为()112ˆˆ2n αβ-±-，代入值计算得到：()1 2.1825, 1.9571β∈--，0β的置信区间为()02ˆ2n αβσ-±-，代入数值计算得到：()0 2.95069,3.1160β∈.(3) 根据F 检验法，其拒绝域形式为 }{201ˆK c β=> 而 12ˆ(2),xxc tn l ασ-=- 显然10K β∈，所以Y 和X 之间具有显著的线性关系.(4)()221(0,(1))xxxx yN l nσ-++,()2ˆ1()1(0,1)xxx x s x N l n -=++令222ˆ(2)(2),(2)ˆ()n nt n s x σχσσ---则有 1122ˆˆˆ((2),(2))y ytn yt n αα--∈--(5) 根据(4)的结论，令 22ˆˆ1.68 1.08yyαα--+=-=，解得 (0.7802,0.8172)x ∈5 证明对一元线性回归系数0ˆβ,1ˆβ相互独立的充分必要条件是0=x . 证 ""⇒()()()()()010011111ˆˆˆˆˆˆcov ,E y x ββββββββββ=--=---2110111101ˆˆˆˆ()E y x y x βββββββββ=---++2211011101ˆy xE y x ββββββββ=---++ ()2211ˆx E ββ=-- 222221111ˆˆˆ()xx E D E l σββββ=+=+ 若要()01ˆˆcov ,0ββ=，那么0x =.反之显然也成立，命题的证.6 设n 组观测值),...,2,1)(,(n i y x i i =之间有关系式：i i i i x x y εεββ，+-+=)(10～),...,2,1)(,0(2n i N =σ（其中∑==ni i x n x 11），且n εεε,...,,21相互独立.(1) 求系数10,ββ的最小二乘估计量10ˆ,ˆββ； (2) 证明∑∑∑===-+-=-ni i n i i i n i i y y y y y y 121212)ˆ()ˆ()(，其中∑==n i i y n y 11 (3) 求10ˆ,ˆββ的分布. 解 (1) 最小化残差平方和：2201[()]Ei i S y x x ββ=---∑01ββ求，的偏导数[][]220101012()02()()0E Ei i i i i S S y x x y x x x x ββββββ∂∂=----==-----=∂∂∑∑， 01ˆˆ,xyxxl y l ββ==得到：(2) 易知()()()22221111ˆˆˆˆˆˆ()()2()nnnniiiiiii i i i i i i i y y y yy y y y yy y y y y ====-=-+-=-+-+--∑∑∑∑ 其中01ˆˆˆ()()xyi i i xxl yx x y x x l ββ=+-=+-，将其代入上式可得 1ˆˆ()()0niiii y yy y =--=∑ 所以,∑∑∑===-+-=-ni i n i i i ni iy y yy y y121212)ˆ()ˆ()( (3)20ˆ~(0,),i N y εσβ=，200ˆ~(,)N nσββ∴同理，易得211ˆ~(,)xxN l σββ∴7 某矿脉中13个相邻样本点处某种金属的含量Y 与样本点对原点的距离X 有如下观测值 ix 2 3 4 5 7 8 10 i y 106.42 108.20 109.58 109.50 110.00 109.93 110.49 ix 11 14 15 16 18 19 i y 110.59 110.60 110.90 110.76 111.00 111.20分别按(1)x b a y +=；(2)x b a y ln +=；(3)xba y +=. 建立Y 对X 的回归方程，并用相关系数221TES S R -=指出其中哪一种相关最大.解 (1)令v y a bv ==+，根据最小二乘法得到，正规方程：101ˆˆˆvy vv l l y vβββ⎧=⎪⎨⎪=-⎩，最后得到10ˆˆ1.1947,106.3013ββ==所以：样本线性回归方程为：ˆ106.3013y=+10.8861R = (2) 令ln ,v x y a bv ==+101ˆˆˆvyvv l l y vβββ⎧=⎪⎨⎪=-⎩，得到10ˆˆ1.714,106.3147ββ== 所以：样本线性回归方程为：ˆ106.3147 1.714ln yx =+，20.9367R = (3) 令1,v y a bv x==+ 101ˆˆˆvy vv l l y vβββ⎧=⎪⎨⎪=-⎩，得到10ˆˆ111.4875,9.833ββ==- 所以：样本线性回归方程为：ˆ111.48759.833yx =-，30.987R = 综上，123R R R <<,所以第三种模型所表示的X Y 与的相关性最大. 8 设线性模型⎪⎩⎪⎨⎧++=+-=+=3213221211122εββεββεβy y y其中i ε～),0(2σN （1,2,3.i =）且相互独立，试求1β、2β的LS 估计.解令()()1231212310,,,21,(,),,,12T TT Y y y y X βββεεεε⎡⎤⎢⎥==-==⎢⎥⎢⎥⎣⎦则线性模型可转化为 Y X βε=+ 根据 222TTTTES Y X Y Y Y X X X ββββ=-=-+，令 20ES β∂=∂ 可得 ()1ˆTT X X X Y β-=即 112322311ˆˆ(23),(2)66Y Y Y Y Y ββ=++=--+ 9 养猪场为估算猪的毛重，随机抽测了14头猪的身长1x (cm)，肚围2x (cm)与体重y (kg)，得数据如下表所示，试求一个22110x b x b b y ++=型的经验公式.解由多元线性模型得：()2140,Y X I βεεσ=+⎧⎪⎨=⎪⎩()()()0121212,,,,,,TTTn n Y y y y ββββεεεε===()114149145581516215271159621627416971ˆ172741787918084190851929419891110395T T X X X X Y β-⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦代入数值得到：12ˆ15.93840.52230.4738yx x =-++ 同样得到：12ˆ15.93840.52230.4738yx x =-++ 10 某种商品的需求量y ，消费者的平均收入1x 和商品价格2x 的统计数据如下表所示.试求y 对1x 、2x 的线性回归方程. 1i x1000 600 1200 500 300 400 1300 1100 1300 300 2i x 5 7 6 6 8 7 5 4 3 9 y100 75 80 70 50 65 90 100 110 60解建立回归模型201122=+++(0,)Y x x N βββεεσ其中根据2()=0E S ββ∂∂，可求得β的LS 估计为 -1ˆ=(X X)T T X Y β代入x ，得0=111.6918,β 1=0.0143,β 2=7.1882,β-则回归方程为：12ˆ111.69180.01437.1882yx x =+-11 设n 组观测值),...,2,1)(,(n i y x i i =之间有如下关系：i i i i i x x y εεβββ，+++=2210～),...,2,1)(,0(2n i N =σ，且n εεε,...,,21相互独立.(1)求系数210,,βββ的最小二乘估计量21ˆ,ˆ,ˆβββ； (2)设n i x x y i i i ,...,2,1,ˆˆˆˆ2210=++=βββ，∑==n i i y n y 11，证明：∑∑∑===-+-=-ni i ni i i ni i y y y y y y 121212)ˆ()ˆ()(解 (1) ()()()0121212,,,,,,TTTn n Y y y y ββββεεεε===1222211111Tn n X x x x x x x ⎛⎫ ⎪= ⎪ ⎪⎝⎭()1ˆT T X X X Y β-=(2)()()()22221111ˆˆˆˆˆˆ()()2()nnnniiiiiii i i i i i i i y y y yy y y y yy y y y y ====-=-+-=-+-+--∑∑∑∑()()11ˆˆˆˆ()0nT T i i i i x x x x y yy y β-==--=∑其中:y=x ，将其代入，得到 ()22211ˆˆ()()nni i i i i i y y y yy y ==∴-=-+-∑∑ 12(1)求形如210的回归方程；(2)对上述回归方程的显著性作检验； (3)求当x =5.5时Y 的估计值.解 (1) 令212,xx x x ==，求得回归方程为：2ˆ 3.4167 2.72620.3905yx x =+- (2) 拒绝域形式为：{}21ˆc β> ()20.9521ˆ1,6ˆxxF c l σβ=>而，所以回归方程具有显著性 (3) 将 5.5x =代入回归方程，得到ˆ 6.5982y=13 设y 和变量12,x x 有形为ε++=2211x b x b y ,2(0,)N εσ的回归方程模型，试用最小二乘法求出12b b 和的估计.解令 ()()()121212,,,,,TT Tn Y y y y βββεεε===1112121222Tn n x x x X x x x ⎛⎫=⎪⎝⎭残差平方和为 222T T T T E S Y X Y Y Y X X X ββββ=-=-+令 20E S β∂=∂，得到 112ˆ(,)()T T T X X X Y βββ-==.。

庄楚强应用数理统计二

应用数理统计第二章数理统计基本概念1、设()12,,,n ξξξ为0—1分布的一个样本，问：（1）求样本均值ξ的期望与方差；（2）求修正样本方差2*S 的期望；（3）试证()21S ξξ=-。

解：由于()0,1ξ，所以E p ξ=，()1D p p ξ=-（1）()111111n nn i i i i i E E E E p n n n ξξξξ===⎛⎫==== ⎪⎝⎭∑∑∑()()()2221111111111n nn i i i i i D D D D np p p p n n n n n ξξξξ===⎛⎫====-=- ⎪⎝⎭∑∑∑（2）()()222112*1111n n i i i i E SE E n n n ξξξξ==⎡⎤⎡⎤⎛⎫=-=-⎢⎥ ⎪⎢⎥--⎣⎦⎝⎭⎣⎦∑∑()()()()()()2222111111n n i i i i i E nE D E n D E n n ξξξξξξ==⎡⎤⎧⎫⎡⎤⎡⎤=-=+-+⎨⎬⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦--⎣⎦⎩⎭∑∑ ()()()22111111n p p p n p p p p p n n ⎧⎫⎡⎤⎡⎤=-+--+=-⎨⎬⎣⎦⎢⎥-⎣⎦⎩⎭（3）由于()0,1ξ，所以211nnii i i ξξ===∑∑，故()()22222222111111111n n n n i i i i i i i i S n n n n n ξξξξξξξξξξξξ====⎛⎫=-=-=-=-=-=- ⎪⎝⎭∑∑∑∑，得证。

2、设总体()0,1N ξ，()12,,,n ξξξ为其样本，问：（1）求样本方差2S 的分布密度；（2）求样本标准差S 的分布密度。

解：（1）由于()0,1N ξ，所以根据定理，()()()()22212212*11ni ni i i n Sn ξξξξχσσ==--==--∑∑，而()21n χ-的分布密度为：()1122121,01;1220,0n xn x e x n f x n x ----⎧>⎪-⎪⎛⎫-=Γ⎨ ⎪⎝⎭⎪⎪≤⎩ ()2211ni i S n ξξ==-∑，所以样本方差2S 的分布密度为：()()()2131122222112211,01;122220,0nx n n nx n n n S nx e nx n x e x n n f x n x --------⎧'⋅=>⎪-⎪⎛⎫⎛⎫-=ΓΓ⎨ ⎪ ⎪⎝⎭⎝⎭⎪⎪≤⎩ 同理，样本标准差S 的分布密度为：()()()221112222222132211,01;122220,0nx n n n x n n n S nx e nx n x e x n n f x n x --------⎧'⋅=>⎪⎪-⎛⎫⎛⎫-=ΓΓ⎨ ⎪ ⎪⎝⎭⎝⎭⎪⎪≤⎩ 3、设(),F F m n ，而1ln 2Z F =，求Z 的分布密度。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

定理 2.2.1
正态分布
4
推论 1 推论 2
5
定理 2.2.2
i.i.d. N(0,σ2)r.v.经过正交变换仍为i.i.d.N(0,σ2)r.v. 6
证明: (1) Yi
n k
1
aik
X
k，则由推论1知
Y ~ N(a
n k 1
aik
,
2
n k 1
ai2k
).
因此E(Yi ) a
当随机变量 2 2(n) 时，对给定 (01)，称满足 P(2 2(n)=的 2(n) 是自由度为n的卡方分布的下侧分位数. 分位数 2(n) 可以从附表中查到。
18
(1) 若r.v. ~ n2, 则 2分布的数学期望与方差
E( ) n, D( ) 2n.
证明:
证明:
分布的可加性
有n m个 x x”
x x x
Fm
(x
x)
Fm
(x)
(m
n! 1)!(n
(F( m)!
x))m1
(F ( x x) F ( x))(1 F ( x x))nm
12
Fm ( x
x)
Fm ( x)
(m
n! 1)!(n
(F ( x))m1 m)!
(F ( x x) F ( x))(1 F ( x x))nm
当m n时，得到样本极大值X(n)的分布
Fn( x) P( X(n) x) (F( x))n,
fn( x) n(F(x))n1 f ( x).
13
练习设总体密度函数为 p(x)=3x2, 0x1. 从该总体抽得一个容量为5的样本，试计算 P(x(2)1/2)。
14
大家很快会看到，有很多统计推断是基于正态分布的假设的，以标准正态变量为基石而构造的三个著名统计量在实际中有广泛的应用，这是因为这三个统计量不仅有明确背景，而且其抽样分布的密度函数有明显表达式，它们被称为统计中的“ 三大抽样分布 ” 。
fm
(
x)
lim
x0
Fm
(
x
x) x
Fm
(
x)
n!
(F ( x))m1(1 F ( x))nm f ( x).
(m 1)!(n m)!
当m 1时，得到样本极小值X (1)的分布 F1( x) P( X(1) x) 1 (1 F( x))n,
f1( x) n(1 F ( x))n1 f ( x).
的样本,
X和S2分别为样本均值和样本方差, 则有
8
证明:
9
i 2, , n,
(3) 由(2)的证明知Y1, ,Yn 相互独立，而因此，X 与 S 2 独立.
10
注：
X ~ N (, 2 ) X ~ N (0,1) n n
11
§ 2.3 次序统计量的分布
§2.3.1 单个次序统计量的分布
设Z1
n1 i 1
X
2 i
,
其中X
i
i.i.d.
~ N (0,1), Z2
X , n1n2 2
in1 1 i
i.i.d.
其中Xi ~ N (0,1).
19
i.i.d.
由Z1与Z2的独立性知，X1,L , X n1, X n11,L , X n2n1 ~ N (0,1),
Z1 Z2
X , n2n1 2
15
§ 2.4 三大抽样分布：
§2.4.1 分布
2分布是由正态分布派生出来的一种分布.
定义: 设
，则随机变量
n
X
2 1
X
2 2
Xn2
Xi2
服从自由度为 n 的
分布，记为
i 1
~
2 n
.
定理 2.4.1
(证明略)
16
其中伽玛函数为
( x) et t x1dt, 0
x 0.
随着n的增大,密度曲线逐渐趋于平缓,对称. 17
i1
i
故由定义有Z1 Z2 ~ n21n2.
20
§2.4.2 t 分布
Gosset1908年以笔名student提出
定义:
设X～N(0,1) , Y～
2 n
，且 X与Y相互独立，
则称变量
t X Yn
所服从的分布为自由度为 n的 t 分布，记为 t ~ tn.
定理 2.4.2
21
N (0,1) 0.4
浙江财经学院本科教学课程
应用数理统计
第二章抽样分布及若干准备知识
§ 2.1 引言 § 2.2 正态总体样本均值和样本方差的分布 § 2.3 次序统计量的分布 § 2.4 § 2.5 统计量的极限分布 § 2.7 充分统计量
1
§ 2.1 引言
何谓抽样分布? 统计量的分布称为抽样分布.
• 在研究数理统计的问题时，往往需要知道所讨论的统计量的分布.
i.i.d.
定理设X1, , X n ~ F , f 为 F 的p.d.f. , 则X(m)的密度函数为
fm ( x)
(m
n! 1)!(n
(F ( x))m1(1 m)!
F ( x))nm
f
( x).
证明: 对任意实数x，考虑事件“X(m)落在小区间( x, x x]”
“样本观察值中有1个落在( x, x x]之间，有m 1个 x,
0 (i
j),则
i a

)
2
,
Cov(Yi
,Yj
)
0.
(3) 特别，若a 0，由(2)知i 0,i 1, , n.故
i.i.d.
Y1, ,Yn ~ N (0, 2 ).
7
§2.2.2 正态变量样本均值和样本方差的分布 ★
定理 2.2.3 设X1,X2,…,Xn是来自正态总体
n k
1
aik
,
D(Yi
)
2
n k 1
ai2k
.
Cov(Yi ,Yj ) E[(Yi EYi )(Yj EYj )]
n k 1
n l 1
aik
a
jl
E[(
X
k
a)(Xl
a)]
2
n k 1
aik
a
jk
.
(2)
当
A为正交阵时，
n k 1
ai2k
1，且
a a n
k 1 ik jk
0, D(t)
• 从理论上而言,只要知道了总体X的分布,统计量的
分布即可求出,但实际操作起来并不容易.
精确分布: 正态总体样本均值和样本方差的分
抽样分布
布，
极限分布: 样本容量足够大时,作为精确分布
的近似
2
§ 2.2 正态总体均值和样本方差的分布
性质：样本均值与样本方差的无偏性
证明: (ii)
3
§2.2.1 正态变量线性函数的分布
tn的p.d.f. 与标准正态分布N (0,1)很相似, 0.3
0.2
n=20 n = 10.1
-3 -2 -1
123
厚尾分布
22
分位数
设t～t(n)，若对0<<1,
存在 t(n)>0，满足
P{tt(n)} =
则称 t(n)为
t(n) 的下侧分位数.
t (n)
23
(1)
设r.v.
t
~
tn , E(t)