概率论与数理统计 CH6-2
首页
上页
返回
下页
结束
•练习题
1.设 总 体X服 从 正 态 分 布N (, 2 )， 其 中已 知 ， 2未 知 ，X1 , X 2 , X 3
是 取 处 自 总 体X的 一 个 容 量 为3的 样 本 ， 则 不 是 统 计 量的 是
(A) X1 X2 X3
(C) 2( X1 X 2 X 3 )
S
11 n1 n2
~
t(n1 n2 2)
其中S 2
(n1
1)S12 (n2 1)S22 n1 n2 2
首页
上页
返回
下页
结束
2> 一般情况时有 ( X Y ) ( 1 2) ~ N (0,1)
2 1
2 2
n1 n2
以及
S12
2 2
S22
它们一般都是 1，2，，k 的函数.
E( X l )
xl
f
(
x， 1， 2，， k
)dx
,（ X 为连续型），l 1,2,, k
或 E(X l ) xl p(x，1，2，，k ) （ X为离散型）， l 1,2,, k xRx
令
E( X l )
同理
Eˆ 2
1 3
EX 1
1 3
EX 2
1 3
EX 3
EX
,
Dˆ 2
1 9
DX 1
1 9
DX 2
1 9
DX 3
2
/
3,
所以
Eˆ 3
1 2
EX 1
2 3
EX
2
1 3
EX 3
5 EX 6
5
6
ˆ1 ,ˆ2 为无偏估计量,Dˆ1 Dˆ2 , ˆ2 更有效.
(B)max{X1, X 2 , X 3 }
1
n i 1
Xi X
2
1 n
n
1
E
i
1
Xi X
2
1 n1
n E
i1
(
X
2 i
2Xi X
X
2
)
1 n1
n E
i1
X
2 i
2nX
1 n
n i 1
Xi
n i 1
X
2
1 n1
n E
2 1
~ F (n1 1, n2 1)
首页
上页
返回
下页
结束
总体矩与样本矩 设（X1，X2，Xn）为总体X的样本，则
EX
1 n
X n i1 X i
样本均值；
DX
S 2
1 n1
n
(Xi
i 1
X )2
样本方差；
DX
S
1 n1
n i 1
(Xi
X )2
样本标准差
f
(x)
6 x(
3
x) ,0
x
0 , 其 它
其中θ 为未知参数， X1,…,Xn为总体的一个样本。 １）求θ的矩估计量；
２）若3.5,4.2,5.3,4.4,3.7,5.8,3.9,4.8为一组样本观察值，求θ的矩估计值。
解： １）总体X只有一个未知参数，其一阶总体矩为：
对应于样本的一组观测值
为θ的估计值 。
(x1，x2，，xn )
，称ˆ(x1，x2，，xn )
对于点估计问题，关键是找一个合适的统计量，所谓合适是指既
有合理性，又有计算上的方便性. 这里只介绍两种常用的点估计方 法：矩估计法和最大似然估计法.
首页
上页
返回
下页
结束
一、矩估计法
•矩估计法：用样本矩作为相应总体矩的估计量，或以样本矩的连 续函数作为相应的总体矩的连续函数的估计量，这种估计方法称 为矩估计法.
i 1
2 若Y ~ 2(n), X ,Y相互独立，则 X ~ t(n)
Yn
若两个总体X与Y相互独立,且X～N(1,12),Y ～(2,22), (X1 ,X2，…Xn1), (Y1 ,…Yn2)分别为取自总体X,Y的样本,则
1>
当12= 22时
(X Y ) ( 1 2)
1
n( D( X
[(n 1) 2
)
]
[E
2
(
X
)]2
)]
n1
n
n1
E(S 2 ) D( X )
所以
M 2
1 n
n
i 1
(Xi
X
)2
是总体方差D(X)的一致估计量
但不是无偏估计量。
而样本方差
S2
1 n1
n i 1
(Xi
X)
是方差的无偏估计
首页
上页
返回
首页
上页
返回
下页
结束
例7 : 证明：样本均值X 1 n
n 1
X i和样本方差S 2
1 n1
n i 1
Xi X
2
分 别 是 总 体X的 期 望E（X） 和 方 差D（X） 的 无 偏 估 计 量 。
证明: 设总体X的均值和方差分别为 E( X ) , D( X ) 2
下页
结束
标准三: 一致性
设统计量 ˆ 是未知参数 的点估计量,样本容量为n ,
若对任意 0, lim p ˆ 1 n (或 lim p ˆ 0) n
则称ˆ 为 的相合估计,又称一致估计.
首页
上页
返回
下页
结束
例8：已知总体X有概率密度函数：
其中
(0
1) 2
未知，(
X1，X 2，，X 8
)
是取自
X
的样本，
(3，1，0，3，3，1，2，3) 是对应的样本值，求参数
的矩估计量及对应的矩估计值.
解 E( X ) 0 2 1 2 (1 ) 2 2 3 (1 2 ) 3 4
1X
~
N( ,
2
);
n
2
n1
2
S2
~
2 (n 1);
3 ( X ) n ~ t(n 1). 4 U X ~ N (0,1)
S
/ n
首页
上页
返回
下页
结束
设总体 X～N(0,1), (X1,X2，…Xn)为样本,则
n
1
X i 2 ~ 2 (n);
• 定义2 设X为连续型随机变量，其概率密度函数为 f (x，1，2，，k ) 或X 为离散型随机变量，其分布律为 PX x p( x，1，2，，k ) 其中1，2，，k 为待估参数，( X1，X 2，，X n )为来自总体 X
的样本，假设总体 X 的前k阶原点矩 E(X l ) 都存在，l 1,2,,k
ˆ1
1 2
X1
1 2
X 2 , ˆ2
1 3
X1
1 3
X2
1 3
X 3 ,ˆ3
1 2
X1
2 3
X2
1 3
X3
解 Eˆ1
E[
1 2
X1
1 2
X2
]
1 2
EX 1
1 2
EX 2
=EX=μ
Dˆ1
D[
1 2
X1
1 2
X2
]
1 4
DX 1
1 4
DX
2
=DX/2=σ2/2
E( X )
6 x 2 ( x)
0
3
dx
6
3[
x 2dx
0
0
x3dx]
2
由矩估计法： X
ˆ 2X
计
2
算
２）将数据代入，得θ的矩估计值为
器
ˆ
2x
2 1 8
8 i 1
xi
2 4.45
8.9
的 使 用
首页
上页
P {X
k} k
k!
e
(k=0,1,2…；0＜θ＜+∞)
试求θ的矩估•计1、量建。立待估参数θ与总体（原点）矩之间的关系；
解：E(X)•=2、θ, 令令样E本(X的)=相X应（原点）矩ˆ等于X总体（原点）矩，
解方程得到θ的估计量；
又由于D(X)=θ 故可得θ的另一个矩估计量为
•3、代入样本值，得到θ的估计值。
X2,…,Xn是一个样本，试求a,b的矩估计量。
解：均匀分布的期望和方差分别为：
E(X ) a b 2
(b a)2 D( X )
12
由矩估计法得： a b
(b
2 a
)2
12
X M
'' 22
a b 2X
概率论与数理统计第6章(公共数学版)
Xi
1 n (X1
X2
Xn)
S 2
1 n
n i 1
(Xi
X )2
显然
S 2
1 n
n
[
X
2 i
i 1
2Xi
X
(X )2]
1n [
n i1
X
2 i
2X
n i 1
Xi
n( X )2 ]
1 n
n i 1
X
2 i
2X
X
(X )2
S 2
1 n
n i 1
X
2 i
(X )2
16
样本均方差
样本标准差
4
Yi 2
i 1
4
Yi
2
i1 4
4
Yi
2
4
i1 2
32
T 4( X 2) 4 Yi 2 i 1
X 2
4
Yi
2
i1 4
X 2
~ t(4),
4
Yi
2
4
i1 2
即 T 服从自由度为 4 的 t 分布: T ~ t(4). 由 P{| T | t0 } 0.01.
t0 t0.995 (4) 4.6041.
设( X1, X2,, Xn )为来自总体X的一个样本
则( X1, X2,, Xn )为一个随机向量 X为一个随机变量 X1, X2,, Xn相互独立,且具有和总体X同样的分布
样本的同分布性和相互独立性
11
三、统计量 对所研究的对象收集了有关样本的数据
后,还要对数据进行加工和提炼,将样本的有关 信息,利用数学的工具进行加工.
S
S2
概率论与数理统计-ch6-样本与抽样分布
概率论与数理统计-ch6-样本与抽样分布概率论中，所研究的随机变量是假定其分布是已知的，在此前提下研究它的性质、数字特征等。
在数理统计中，所研究的随机变量的分布是未知或不完全知道的，通过重复独⽴的试验得到许多观察值去推断随机变量的种种可能分布。
1、随机样本总体：试验的全部可能的观察值。
=样本空间个体：每⼀个可能观察值。
=样本点容量：总体中所包含的个体的个数。
有限总体⽆限总体⼀个总体对应⼀个随机变量X，对总体的研究就是对随机变量X的研究。
所以将不区分总体与相应的随机变量，统称为总体X。
样本：在数理统计中，⼈们都是通过从总体中抽取⼀部分个体，根据获得的数据来对总体分布得出推断的，被抽出的部分个体叫做总体的⼀个样本。
对总体进⾏⼀次观察，就会得到⼀个随机变量X1，对总体进⾏n次重复的、独⽴的观察，就会得到n个随机变量X1，X2，...,Xn，这n个随机变量X1，X2，...,Xn是对总体随机变量X观察的结果。
则X1，X2，...,Xn是相关独⽴且与X具有相同分布，称为来⾃总体X的⼀个简单随机样本。
n称为样本的容量。
进⾏n次观察得到的⼀组实数x1,x2,...,xn是随机变量X1，X2，...,Xn的观察值，称为样本值，也称为X的n个独⽴的观测值。
2、抽样分布样本是统计推断的依据，但往往不直接使⽤样本本⾝，⽽是由样本构造的函数。
统计量：设X1，X2，...,Xn是来⾃总体X的⼀个样本，g(X1，X2，...,Xn)是其函数，且g中不含任何未知参数，则称g(X1，X2，...,Xn)是⼀统计量。
统计量也是⼀个随机变量。
g(x1,x2,...,xn)是统计量的观测值。
常⽤的统计量：经验分布函数：经验分布函数(empirical distribution function)是根据样本得到的分布函数.如设，是总体的样本值，将它们按⼤⼩顺序排列为，则称分布函数为经验分布函数是与总体分布函数相对应的统计量。
总体的分布函数是F(x)，统计量的经验分布函数是F n（x)，⽤F n（x)去推断F(x)，当n⾜够⼤时，F n（x)以概率1收敛于F(x)。
概率论与数理统计c6_2
§6.2 常用统计分布
一、四种常用统计分布 1. 标准正态分布
x2 e 2
1 f ( x) 2
P{ X u }
2013-7-3
,x R
上侧分位数u ( 0< <1）满足
u
f ( x )dx
1
数理统计常用分布
阴影部 分面积 为
对于正态分布有： (u ) 1
2 ( n) n
(
2n
)
2 ( n) n 2 u ( n) n u 2n 2n
2013-7-3
27
例: 查表计算概率 1. X ~ N (0,1), P{1.58 X 1.96} ?
2. χ 2 ~ χ 2 (15), P{6.262 χ 2 24.996} ?
24
2.
Xi
Xi 2 ~ N (0,1) ~ ( n) i 1
n 2
Hale Waihona Puke 故Y1
2
i 1
X i ~ ( n).
n 2 2
#
2013-7-3 25
证明 ( n) n u 2n
2
证
因
2
n
i 1
2
n
i 1
2 Xi
且 X1，X2，…,Xn相互独立，Xi～N(0,1)，
E( 2 ) E ( X i2 ) D( X i ) n,
i 1 i 1 n n
2013-7-3
6
数理统计常用分布
D(χ 2 ) D( X i2 )
概率论和数理统计-概率6-2-PPT课件
设 X ,X , ,X 是总体 F 的一个样本， s ( x )x 1 2 n
表示 x ,x , ,x 中不大于 x 的随机变量的 . 1 2 n
定义 经验分布函数为
1 F (x ) s (x ) x n n 例设总体 F 具有一个样本值 1 ， 1 ， 2 ，则经验分布函数
F 的观察值为 3(x) x 1 0, 若 2 F 1 x 2 3(x) ,若 3 若 x2 1,
数理统计
一般，设x1 , x2 ,, xn 是总体的一个容量为 n的样本 值.将它们按大小次序排列 如下：x(1) x( 2 ) x( n ) 则经验分布函数 Fn ( x )的观察值为 0, k Fn ( x ) , n 1 , 若x x(1) 若x( k ) x x( k 1) , ( k 1,2,, n 1) 若x x( n )
2
来定义.
1 2 2 注 已知 (1 )就是 . 由定义 Xi ~ (1 ), ,2分布 2 n 1 n 2 2 2 即 Xi ~ 可加性知 Xi ~ ,2.再由 ,2. i 1 2 2
分布的性质
2
数理统计
1n 1 n 2 2 x x ; s ( x x ) i i ni1 n1i1 1 n 1n k 2 s (x ); i x k x n1i1 ni1 i 1 n k b ( x x ) k 1 ,2 , k i n1i1
k 1 ,2 ,
x 是一个样本的观察值 , 则 g ( x ,x , x ) 也是统 n 1 2 n
数理统计
几个常见统计量
它反映了 1 n 样本平均值 总体均值 X Xi n i 1 的信息 n 1 2 2 样本方差 S (X X ) i n 1i 1 它反映了总体 方差的信息
概论论与数理统计课本答案CH6 ans
概率论第六章习题解答习题6.11． 求下列总体分布中参数的矩估计：（1）21,01,(;)0,,x x f x θθθ+−≤≤⎧=⎨⎩其他 其中θ < 1；（2）f (x ; p ) = p (1 − p ) x − 1，x = 1, 2, …；其中0 < p < 1；（3）1211221e ,,(;,)0,,x x f x θθθθθθ−−⎧⎪≥=⎨⎪⎩其他 其中−∞ < θ 1 < +∞，θ 2 > 0． 解：（1）因11320021211E()(21)d ()323226X x x x x x θθθθθθθ−−=+−=+=+=+∫，有θ = 6 E (X ) − 3，故θ 的矩估计为ˆ63X θ=−； （2）因1121111d d d 11E()(1)d d d 1(1)x x x x x x x x q X x p p p x qp q p q p p q q q q p q ∞∞∞∞−−====⎛⎞=⋅−=⋅=====⎜⎟−−⎝⎠∑∑∑∑， 故1E()p X =，p 的矩估计为1ˆpX=； （3）因∫∫∫∞+−−+∞−−∞+−−∞+−−+−=−⋅=⋅=121121121121d eede)1(d e1)(E 2θθθθθθθθθθθθθx x x x x X x x x x212121121eeθθθθθθθθθ+=−−=+∞−−+∞−−x x x ，且∫∫∫∞+−−+∞−−∞+−−∞+−−⋅+−=−⋅=⋅=121121121121d 2eede)1(d e1)(E 22222θθθθθθθθθθθθθx x x x x x X x x x x22212122122222)(E 2d e12e121121θθθθθθθθθθθθθθ++=+=⋅+−=∫∞+−−+∞−−X x x x x x ， 则2222122212122)(22)](E [)(E )(D θθθθθθθ=+−++=−=X X X ，即)(D 2X =θ，)(D )(E 1X X −=θ，故θ 1和θ 2的矩估计为n S X −=1ˆθ，nS =2ˆθ． 2． 求下列总体分布中参数的极大似然估计：（1）f (x ; θ ) = θ (1 − θ ) x − 1，x = 1, 2, …；其中0 < θ < 1； （2）λλλ−=e !);(x x f x，x = 0, 1, 2, …；其中λ > 0；（3）222)(ln 2eπ21),;(σµσσµ−−=x xx f ，x = 0；其中−∞ < µ < +∞，σ > 0．解：（1）nx nx x x n ni i n x f x f x f L −−−−∑−=−−⋅−===121)1()1()1()1();();();()(11121θθθθθθθθθθθθ""，即)1ln()(ln )(ln 1θθθ−−∑+==n x n L ni i ，令011)(1d )(ln d 1=−−⋅−∑+⋅==θθθθn x n L n i i ，得xx nni i11==∑=θ， 故θ 的极大似然估计为X1ˆ=θ； （2）λλλλλλλλλλλλn n x n x x x n x x x x x x x f x f x f L ni in−−−−∑=⋅===e !!!e !e !e !);();();()(212121121"""，即λλλn x x x x L n ni i −−⋅∑==)!!!ln(ln )(ln 211"，令01d )(ln d 1=−⋅∑==n x L n i i λλλ，得x x n ni i ==∑=11λ， 故λ 的极大似然估计为X =λˆ； （3）),;(),;(),;(),(222212σµσµσµσµn x f x f x f L "=212222222212)(ln 212)(ln 2)(ln 22)(ln 1e)π2(1eπ21eπ21eπ21σµσµσµσµσσσσ∑===−−−−−−−−ni i n x nnx nx x x x x x x x ""，即21221222)(ln )ln()ln π2(ln 2),(ln σµσσµ∑−−−+−==ni i n x x x x nL "，令0ln 2)1()(ln 2),(ln 21212=−∑=∑−⋅−−=∂∂==σµσµµσµn x x L ni i ni i ，得∑==ni i x n 1ln 1µ，再令02)(ln 12),(ln 412222=∑−+⋅−=∂∂=σµσσσµni i x n L ，得∑−==n i i x n 122)(ln 1µσ， 故µ和σ 2的极大似然估计为∑==n i i X n 1ln 1ˆµ，∑−===∧∑n i n i i i X n X n 1212)ln 1(ln 1σ． 3． 设总体X 的密度函数为⎩⎨⎧<<+=,,0,10,)1();(其他x x x f θθθ求参数θ 的极大似然估计与矩法估计，并看看它们是否一致？今获得样本观测值为0.4, 0.7, 0.27, 0.55,0.68, 0.31, 0.45, 0.83．试分别求θ 的极大似然估计值与矩估计值．解：因121212()(;)(;)(;)(1)(1)(1)(1)()n n n n L f x f x f x x x x x x x θθθθθθθθθθθθ==+⋅++=+"""，即ln L (θ ) = n ln (θ + 1) + θ ln (x 1 x 2 … x n )，令12d ln ()1ln()0d 1n L n x x x θθθ=⋅+=+"， 则12111ln()ln nn ii nnx x x x θ==−−=−−∑"，故θ 的极大似然估计为1ˆ1ln nii nX θ==−−∑；因1211E()(1)d (1)22xX x x x θθθθθθθ++=⋅+=+⋅=++∫，有2E()11E()X X θ−=−，故θ 的矩法估计为21ˆ1X Xθ−=−； 显然参数θ 的极大似然估计与矩法估计不一致；又因样本观测值为0.4, 0.7, 0.27, 0.55, 0.68, 0.31, 0.45, 0.83，有1(0.40.70.83)0.523758x =+++="，故θ 的极大似然估计值为8ˆ10.3982ln 0.4ln 0.7ln 0.83θ=−−=+++"，θ 的矩估计值为20.523751ˆ0.099710.52375θ×−==−． 习题6.21． 设容量为3的随机样本X 1 , X 2 , X 3取自概率密度函数为1,0,(;)0,,x f x θθθ−⎧<<⎪=⎨⎪⎩其他的总体．证明1(1)ˆ4X θ=和2(3)ˆ43X θ=都是θ 的无偏估计量． 证：总体X 的分布函数为0,0,(;),0,1,,x x F x x x θθθθ<⎧⎪⎪=≤<⎨⎪≥⎪⎩则容量为3的样本的最小顺序统计量X (1) 的分布函数和密度函数为33(1)0,0,(;)1[1(;)]11,0,1,,x x F x F x x x θθθθθ<⎧⎪⎪⎛⎞=−−=−−≤<⎨⎜⎟⎝⎠⎪⎪≥⎩23(1)(1)3(),0,(;)(;)0,x x f x F x θθθθθ⎧−<<⎪′==⎨⎪⎩其他且最大顺序统计量X (3) 的分布函数和密度函数为33(3)0,0,(;)[(;)],0,1,,x x F x F x x x θθθθθ<⎧⎪⎪⎛⎞==≤<⎨⎜⎟⎝⎠⎪⎪≥⎩23(3)(3)3,0,(;)(;)0,x x f x F x θθθθ⎧<<⎪′==⎨⎪⎩其他得234222321(1)33300031212ˆE()4E()4()d (2+)d 2+234x x x X x x x x x x x θθθθθθθθθθθθθ⎛⎞==⋅−=−=−=⎜⎟⎝⎠∫∫，2432(3)33300044344ˆE()E()d d 334x x X x x x x θθθθθθθ==⋅==⋅=∫∫，故1(1)ˆ4X θ=和2(3)ˆ43X θ=都是θ 的无偏估计量． 2． 设总体X 服从伯努利分布B (1, p )，p 为未知参数（0 < p < 1）．样本X 1 , …, X n 来自于X ．（1）证明：当n = 1时，p 2不存在无偏估计；（2）若n ≥ 2，求p 2的一个无偏估计量． 解：（1）当n = 1时，样本X 1的概率分布为101~1X p p ⎛⎞⎜⎟−⎝⎠， 则任何统计量T = T (X 1)的数学期望为E (T ) = T (0) ⋅ (1 − p ) + T (1) ⋅ p = T (0) + [T (1) − T (0)] ⋅ p ≠ p 2， 故当n = 1时，p 2不存在无偏估计；（2）若n ≥ 2，有样本均值11n i i X X n ==∑，样本方差2211()1n i i S X X n ==−−∑， 则E()E()X X p ==，22E()D()(1)S X p p p p ==−=−，即222E()E()E()X S X S p −=−=， 故2X S −是p 2的一个无偏估计量．3． 设从均值为µ ，方差为σ 2（> 0）的总体X 中分别抽取容量为n 1 , n 2的两个独立样本，样本均值分别为1X 和2X ．试证：对于任意满足条件a + b = 1的常数a 和b ，12ˆaX bX µ=+都是µ 的无偏估计，并确定a 、b 使方差ˆD()µ达到最小． 解：因12E()E()X X µ==，211D()X n σ=，222D()X n σ=，有12ˆE()E()E()()a X b X a b a b µµµµ=+=+=+，故当a + b = 1时，ˆE()µµ=，12ˆaX bX µ=+都是µ 的无偏估计； 又22222222222121112121212()2(1)ˆD()D()D()(1)n n a n a n a a a X b X a a n n n n n n σσµσ⎡⎤+−+−=+=⋅+−⋅=+=⎢⎥⎣⎦， 令212112ˆ2()2d D()0d n n a n a n n µσ+−==，得112n a n n =+，且2212212ˆ2()d D()0d n n n n a µσ+=>，故当112n a n n =+，2121n b a n n =−=+时，方差ˆD()µ达到最小． 4． 设X 1 , X 2 , X 3 , X 4是来自均值为θ 的指数分布的样本，其中θ 未知．证明下列三个估计量1123411()()36T X X X X =+++，212341(6543)10T X X X X =+−+，T 3 = 2 X 1 − X 2 + 3 X 3 − 3 X 4 ，均为θ的无偏估计量，并说明上述估计量中哪个最有效．证：因总体X 服从均值为θ 的指数分布，即X ~ e (1/θ )，有E (X ) = θ ，D (X ) = θ 2 ，则112341111E()[E()E()][E()E()]()()3636T X X X X θθθθθ=+++=+++=，2123411E()[6E()5E()4E()3E()](6543)1010T X X X X θθθθθ=+−+=+−+=，E (T 3) = 2 E (X 1) − E (X 2) + 3 E (X 3) − 3 E(X 4) = 2θ − θ + 3θ − 3θ = θ ， 故T 1 , T 2 , T 3均为θ 的无偏估计量；又222221123411115D()[D()D()][D()D()]()()93693618T X X X X θθθθθ=+++=+++=， 22222212341143D()[36D()25D()16D()9D()](3625169)10010050T X X X X θθθθθ=+++=+++=，D (T 3) = 4 D (X 1) + D (X 2) + 9 D (X 3) + 9 D (X 4) = 4θ 2 + θ 2 + 9θ 2 + 9θ 2 = 23θ 2 ， 显然D (T 1) < D (T 2) < D (T 3)， 故T 1最有效，T 2其次，T 3最差．5． 设ˆθ是参数θ 的无偏估计量，且ˆD()0θ>，试证：2ˆ()θ不是θ 2的无偏估计量． 证：因ˆθ是参数θ 的无偏估计量，即ˆE()θθ=，有2222ˆˆˆˆE[()]()[E()]()D D θθθθθθ=+=+>， 故2ˆ()θ不是θ 2的无偏估计量． 习题6.31． 随机地从一批零件中抽取10个，测得其长度（单位：cm ）为：2.13, 2.14, 2.12, 2.13, 2.11, 2.15, 2.14, 2.13, 2.12, 2.13．假设该批零件的长度服从正态分布N (µ , σ 2)，试求总体均值µ 的置信系数为95%的置信区间：（1）若已知σ = 0.01；（2）若σ 未知． 解：（1）单个正态总体，已知σ ，估计µ ，总体均值µ 的点估计为X，枢轴量为~(0,1)X U N =，置信系数1 − α = 0.95，置信区间为/2/2(X u u αα−+，因1(2.13 2.14 2.13) 2.1310x =+++="，σ = 0.01，n = 10，u 0.025 = 1.96， 故µ 的置信系数95%的置信区间为(2.13 1.96 2.13 1.96(2.1238,2.1362)−+=；（2）单个正态总体，未知σ ，估计µ ，总体均值µ 的点估计为X，枢轴量为~(1)X T t n =−，置信系数1 − α = 0.95，置信区间为/2/2((1)(1)X t n t n αα−−+−，因1(2.13 2.14 2.13) 2.1310x =+++="， 222221[(2.13 2.13)(2.14 2.13)(2.13 2.13)]0.01159s =−+−++−="，n = 10，t 0.025 (9) = 2.2622，故µ 的95%置信区间为(2.13 2.2622 2.13 2.2622(2.1217,2.1383)−+=．2． 为估计制造某件产品所需的单件平均工时（单位：小时），现制造了五件，记录所需工时为：10.5, 11, 11.2, 12.5, 12.8．设制造单件产品所需工时服从正态分布，试求单件平均工时的置信系数95%的置信区间．解：单个正态总体，未知σ ，估计µ ，总体均值µ 的点估计为X，枢轴量为~(1)X T t n =−，置信系数1 − α = 0.95，置信区间为/2/2((1)(1)X t n t n αα−−+−，因1(10.51112.8)11.65x =+++="，222221[(10.511.6)(1111.6)(12.811.6)]0.99754s =−+−++−="，n = 5，t 0.025 (4) = 2.7764，故µ 的95%置信区间为(11.6 2.7764 2.7764(10.3615,12.8385)−+=．3． 设有两台机床用来生产规格相同的铝合金薄板．随机选取每台机床轧制的产品若干张，测得它们的厚度（单位：cm ）如下：机器I ：0.243, 0.238, 0.248, 0.245, 0.236, 0.241, 0.239， 机器II ：0.261, 0.254, 0.255, 0.257, 0.253, 0.250，设两台机床所生产的薄板的厚度服从方差相等的正态分布．试给出两台机床生产的铝合金薄板平均厚度差的置信系数为95%的置信区间．解：两个正态总体，未知22,x y σσ（但22x yσσ=），估计µ x −µ y ，均值差µ x −µ y 的点估计为X Y −，枢轴量为()()~(2)X Y T t n m µµ−−−=+−， 置信系数1 − α = 0.95，置信区间为(， 因1(0.2430.2380.239)0.24147x =+++="，1(0.2610.2540.250)0.2556y =+++="， 222221[(0.2430.2414)(0.2380.2414)(0.2390.2414)]0.00426x s =−+−++−="，222221[(0.2610.255)(0.2540.255)(0.2500.255)]0.00375ys =−+−++−="， n = 7，m = 6，t 0.025 (11) = 2.2010， 故µ 的95%置信区间为(0.24140.255 2.2010(0.0185,0.0087)−±=−−．4． 由容量为15，取自正态总体N (µ , σ 2)的随机样本算得23.2, 4.24x s ==，确定σ 2和σ 的置信系数90%的置信区间．解：单个正态总体，估计σ 2，总体方差σ 2的点估计为S 2，枢轴量为2222(1)~(1)n S n χχσ−=−，置信系数1 − α = 0.90，置信区间为2222/21/2(1)(1)(,)(1)(1)n S n S n n ααχχ−−−−−，因s 2 = 4.24，n = 15，20.05(14)23.685χ=，20.95(14) 6.571χ=，故σ 2的90%置信区间为14 4.2414 4.24(,(2.5062,9.0336)23.685 6.571××=； σ 的90%置信区间为(1.5831,3.0056)=．5． 设有两个化验员A 和B 独立对某种聚合物中的含氯量用同一种方法各做了10次测定，其测定值的方差分别为220.512,0.665ABs s ==．假定各自的测定值均服从正态分布，方差分别为2Aσ和2Bσ，求22ABσσ的置信系数为0.90的置信区间．解：两个正态总体，估计22A B σσ，方差比22A Bσσ的点估计为22A B S S ，枢轴量为2222~(1,1)A AB B S F F n m S σσ=−−，置信系数1 − α = 0.90，置信区间为2222/22222/21/2/2111(,)(,(1,1))(1,1)(1,1)(1,1)A A A A B B B BS S S S F m n F n m F n m F n m S S S S αααα−⋅⋅=⋅⋅−−−−−−−−，因220.512,0.665A B s s ==，n = 10，m = 10，F 0.05 (9, 9) = 3.18，故22A Bσσ的置信系数为0.90的置信区间为0.51210.512(, 3.18)(0.2421,2.4484)0.665 3.180.665××=．6． 设枪弹的速度（单位：米/秒）服从正态分布．为了比较两种枪弹的速度，在相同的条件下进行了速度测定．算得数据如下：枪弹甲：m = 110，2810x =，s x = 121.41；枪弹乙：n = 100，2682y =，s x = 105.06．试求这两种枪弹的平均速度之差的置信系数近似为95%的置信区间．解：两个正态总体，未知22,x yσσ（大样本），估计µ x −µ y ，均值差µ x −µ y 的点估计为X Y −，大样本情形下枢轴量为()()~(0,1)X Y T N µµ−−−=，置信系数1 − α = 0.95，置信区间为(，因m = 110，2810x =，s x = 121.41，n = 100，2682y =，s x = 105.06，u 0.025 = 1.96，故µ x −µ y 的95%置信区间为(28102682 1.96(97.36,158.64)−±=．复习题六1． 设X 1 , …, X n 为来自总体X 的样本，X 的概率密度函数为22(),0,(;)0,,x x f x θθθθ⎧−<<⎪=⎨⎪⎩其他 其中θ（> 0）是未知参数．试求参数θ 的矩估计量． 解：因3323222002212E()()d ()()23233X x x x x x θθθθθθθθθθ=⋅−=−=−=∫，有θ = 3 E (X )，故θ 的矩估计为ˆX θ=． 注：此题有误，密度函数非零取值范围应为0 < x < θ ．2． 伯莱托（Pareto ）分布是常用于研究收入的模型，其分布函数为⎪⎩⎪⎨⎧<≥⎟⎠⎞⎜⎝⎛−=,,0,,1),;(111212θθθθθθx x x x F 其中θ 1 > 0，θ 2 > 0．若随机样本X 1 , …, X n 取自该分布，求θ 1与θ 2的极大似然估计量．解：伯莱托分布的密度函数为⎪⎩⎪⎨⎧<≥⋅=′=+,,0,,),;(),;(11112212122θθθθθθθθθθx x x x F x f则1211211212121112212122112122222222)(),;(),;(),;(),(++++=⋅==θθθθθθθθθθθθθθθθθθθθθθθθn n nnn x x x x x x x f x f x f L """，即ln L (θ 1, θ 2) = n ln θ 2 + n θ 2 ln θ 1 − (θ 2 + 1) ln (x 1 x 2 …x n )，显然θ 1越大，ln L (θ 1, θ 2) 就越大，且x i ≥ θ 1，故θ 1的极大似然估计量为)1(11},,min{ˆX X X n =="θ； 令0)ln(ln 1),(ln 2112221=−+⋅=∂∂n x x x n n L "θθθθθ，得111212ln ln 11ln )ln(θθθ−=−=∑=ni i n x n n x x x n "， 故θ 2的极大似然估计量为)1(12ln ln 11ˆX X n ni i −=∑=θ．3． 设总体X 的概率密度为2231/224πe ,0,(;)0,0,xx x f x x ααα−−−⎧⎪>=⎨≤⎪⎩ 试求参数α 的矩估计和极大似然估计，并证明矩估计量是无偏的． 解：因222231/2211/2200E()4πe d 2π(1)de xxX x x x x αααα+∞+∞−−−−−−=⋅=⋅−∫∫22222211/2211/221/21/2002πe2πe d()0(2πe )2πx x x x x ααααααα+∞+∞+∞−−−−−−−−−=−+=+−=∫，故α=，α的矩估计为ˆXα=；因2222221231/2231/2231/221212()(;)(;)(;)4πe4πe4πenx x x n n L f x f x f x x x x αααααααααα−−−−−−−−−==⋅""2213/22124π()eni i x n n n n x x x αα=−−−∑="，即212211ln ()ln 43ln ln π2ln()2nn i i n L n n x x x x ααα==−−+−∑"，令231d ln ()1230d n i i L n x αααα==−⋅+=∑，得α=，故α的极大似然估计为ˆα= 4． 设总体X 的密度函数为||1(;)e ,2x f x x λλ−−=−∞<<+∞，试求参数λ（−∞ < λ < +∞）的极大似然估计量．解：112||||||||121111()(;)(;)(;)e e e e 2222ni n i x x x x n n L f x f x f x λλλλλλλλ=−−−−−−−−∑==⋅=""，即1ln ()ln 2||ni i L n x λλ==−−−∑，设顺序统计量为x (1) , x (2) , …, x (n )，并且记x (0)为−∞，x (n + 1)为+∞，不妨设x (k ) ≤ λ < x (k + 1)，k = 0, 1, …, n − 1, n ， 则1111ln ()ln 2()()ln 2()kn k ni i i i i i k i i k L n x x n k x x n k λλλλλ==+==+=−−−−−=−−+−+−∑∑∑∑11ln 2(2)kni i i i k n n k x x λ==+=−+−+−∑∑，若2n k <，有n − 2k < 0，ln L (λ )关于λ 单调增加，若2nk >，有n − 2k < 0，ln L (λ )关于λ 单调减少， 当n 为偶数时，取2nk =，ln L (λ )在()()221n n x x λ+≤<时达到最大，（由连续性知()21n x λ=时也达到最大），故当n 为偶数时，λ 的极大似然估计量ˆλ为区间()()221[,]n n X X+上的任何值；当n 为奇数时，取12n k −=，ln L (λ )在()()1122n n x x λ−+≤<时单调增加，取12n k +=，ln L (λ )在()()1322n n x x λ++≤<时单调减少，即ln L (λ ) 在()12n x λ+=时达到最大，故当n 为奇数时，λ 的极大似然估计量()12ˆn X λ+=．5． 设总体X ~ N (µ , σ 2)，X 1 , …, X n 是X 的样本，X 为样本均值，求常数c 和d ，使∑−=+−1121)(n i i i X X c 与∑=−ni i X X d 1||分别为σ 2和σ 的无偏估计．解：因E (X i ) = µ ，2222)](E [)(D )(E µσ+=+=i i i X X X ，则∑∑∑−=++−=++−=+−+=−+=⎥⎦⎤⎢⎣⎡−1112211112211121)](E )(E 2)(E )(E [)2(E )(E n i i i i i n i i i i i n i i i X X X X c X X X X c X X c221122222)1(22)1(]2)()[(σσµµσµσ−=⋅−⋅=−+++=∑−=n c n c c n i ，故当)1(21−=n c 时，21121)(E σ=⎥⎦⎤⎢⎣⎡−∑−=+n i i i X X c ，∑−=+−−1121)()1(21n i i i X X n 为σ 2的无偏估计； 因∑∑≠=−−=−=−ij j i n j j i i X n X n n X n X X X 1111，有i X X −服从正态分布，且E()E()E()0i i X X X X µµ−=−=−=，22222(1)1(1)11D()D()D()(1)i i jj i n n n X X X X n n n n n n σσ≠−−−−=+=+⋅−=∑， 则21~(0,)i n X X N n σ−−~(0,1)X N ，记X Y =Y ~ N (0, 1)，则22222200E(||)||d 2d 2y y y Y y yy y+∞−−−+∞+∞−∞===−=∫∫即E(||)i X X −=，11E(||)E(||)n ni i i i d X X d X X d n ==−=−=⋅∑∑，故当d =时，1E ||ni i d X Xσ=⎡⎤−=⎢⎥⎣⎦∑1||n i X X =−为σ 的无偏估计．。
概率论第六章习题参考解答(高等第二版)
《概率论与数理统计》第六章习题exe6-1解：10()0x b f x b ⎧<<⎪=⎨⎪⎩其他01()()2bb E X xf x dx x dx b +∞-∞==⋅=⎰⎰ 令11μ=A ，即2b X =，解得b 的矩估计量为ˆ2b X = 2ˆ2(0.50.60.1 1.30.9 1.60.70.9 1.0) 1.6899bx ==++++++++= exe6-2解：202()()()3x E X xf x dx x dx θθθθ+∞-∞-==⋅=⎰⎰令11μ=A ，即,3θ=X 解得θ的矩估计量为ˆ3X θ= Exe6-3解：（1）由于12222()()()()(1)()E X mpE X D X E X mp p mp μμ==⎧⎨==+=-+⎩ 令 ⎩⎨⎧==.2211μμA A求解得221111p m p μμμμ⎧-=-⎪⎪⎨⎪=⎪⎩，p, m 的矩估计量为22211(1)ˆ11ˆˆA A n S pA nX X m p ⎧--=-=-⎪⎪⎨⎪=⎪⎩Exe6-4解：（1）()E X λ= 令11μ=A ，即,λ=X 解得λ的矩估计量为ˆX λ= {}),2,1,0(!===-x e x x X P xλλ{}),2,1,0(!===-i i xi x e x x X P iλλ似然函数11111(){}()!!niii x n nx n i ni i i ii eL P X x e x x λλλλλ=--===∑====∏∏∏11ln ()()ln ln(!)nni i i i L n x x λλλ===-+-∑∑1ln ()0nii x d L n d λλλ==-+=∑解得λ的最大似然估计值为 11ˆni i x x n λ===∑ （2）由（1）知1ˆ(6496101163710)7.210x λ==+++++++++= Exe6-5解：（1）似然函数1(1)111(){}(1)(1)ni i i nnx x ni i i L p P X x p p p p =--==∑===-=-∏∏∑-==-ni i nx np p 1)1(1ln ()ln (1)ln ni i L p n p x p ==+-⋅∑)1ln()(ln 1p n x p n ni i --+=∑=1(1)ln ()01ni i x d L p n dp p p =-=-=-∑01)(ln 1=---=∑=pn x p ndp p L d ni i 解得p 的最大似然估计值为 11ˆnii npxx===∑ （2）155ˆ5174926px ===++++ Exe6-6解：由2()2()x f x μσ--=（1）2σ已知，似然函数221()()2211()(,)ni i i x nx n nii i L f x eμμσσμμ=----==∑===∏2211ln ())()2nii L n x μμσ==---∑21ln ()1(22)02nii d L x d μμμσ==--=∑即11()0nniii i x n xμμ==-=-=∑∑解得μ的最大似然估计值 1ˆnii xx nμ===∑（2）μ已知，似然函数为212222)(222)(12122121),()(σμσμπσσπσσ∑⎪⎭⎫ ⎝⎛====----==∏∏ni i i x nx ni n i i e ex f L21222)(21)ln(2)2ln(2)(ln μσσπσ-∑---==n i ix n n L 0)()(212)(ln 2122222=-+-=∑=μσσσσni i x n L d d 解得∑=-=n i i x x n 122)(1ˆσ，故2σ的最大似然估计值为 .)(1ˆ122∑=-=n i i i x x n σ Exe6-7解：（1）矩估计量2220()()()(3)2xt x xt xx E X xf x dx x e dx e dx t e dt θθθθθθθθ=--+∞+∞+∞+∞--∞==⋅===Γ=⎰⎰⎰⎰令2X θ=，得ˆ/2X θ= 似然函数211()(,)ix n nii i i x L f x eθθθθ-====∏∏1111ln ()(ln 2ln )ln 2ln nnnii i i i i i x L x x n x θθθθθ====--=--∑∑∑ 令21ln ()210ni i d L n x d θθθθ==-+=∑解得θ的最大似然估计值为111ˆ22n ii x x n θ===∑ （2）2311()(,)2ixnni i i i x L f x e θθθθ-====∏∏331111ln ()[2ln ln(2)]2ln ln(2)nnnii i i i i i x L x x n x θθθθθ====--=--∑∑∑令2321ln ()1602nii d L n xd θθθθθ==-⋅-=∑013)(ln 1223=+⋅-=∑=ni ixn d L d θθθθθ解得θ的最大似然估计值为 111ˆ33ni i x x n θ===∑ （3） ),(~p m B X ，m 已知{}∏∏=-=-===ni x m x x m ni i i i ip p C x X P p L 11)1()(1111ln ()[ln ln ()ln(1)]ln ln ln(1)()i inx m i i i nnnx m i i i i i L p C x p m x p C p x p nm x =====++--=++--∑∑∑∑令 11ln ()01n ni ii i x nm x d L p dp p p==-=-=-∑∑即1111(1)1n nniiii i i x xxnmppp p p===+==---∑∑∑ 解得p 的最大似然估计值为 1ˆnii xxpmnm===∑ Exe6-8解：(1)似然函数为{}{}{})1(2)1(2121)(522θθθθθθθ-=⋅-⋅==⋅=⋅==X P X P X P L)1ln(ln 52ln )(ln θθθ-++=L 令 0115)(ln =--=θθθθL d d 解得θ的最大似然估计值为.65ˆ=θ Exe6-9解：2121222222)()(22)(12)(111212121),,(),,(),(σβαβασβασβασπσπσπβαβαβα∑∑⎪⎪⎭⎫⎝⎛=====+-+---+--=---===∏∏∏∏ni i n i i i i i i y x ny ni x ni n i i Y n i i X e eey f x f L))()((21ln 2)2ln(),(ln 21212βαβασσπβα+-∑+--∑---===ni i ni i y x n n L0))()((22),(ln 112=+-+--=∂∂∑∑==βαβασβααni i n i i y x L 0)()((22),(ln 112=+----=∂∂∑∑==βαβασβαβn i i n i i x x L 联立 解得,2ˆ,2ˆyx y x -=+=βα故βα,的最大似然估计量为 .2ˆ,2ˆYX Y X -=+=βαExe6-10解：（1）由1/2EX μθ==，得θ的矩估计量ˆ2X θ= ˆ()2()2()22E E X E X θθθ===⋅= 故θ的矩估计量ˆ2X θ=是θ的无偏估计量。
概率统计ch6.2
2 2 ( n 1) S 2 则 P 1 / 2 ( n 1) / 2 ( n 1) 1 , 2 2 ( n 1) S 2 ( n 1 ) S 2 即 P 2 2 1 , 1 / 2 ( n 1) / 2 ( n 1)
即所求置信区间为( 3.07, 4.93).
2015-7-6
数科院 26
1 2. 两个总体方差比 2 的置信区间 2
2
仅讨论总体均值 1 , 2 为未知的情况.
由于 ( n1 1) S1
2
1
2
~ ( n1 1),
2
( n2 1) S2
2
2
2
~ 2 ( n2 1),
随机区间( , ) 以 1 的概率包含着参数 的真值, 而不能说参数以 1 的概率落入随机区间 ( , ).
由大数定律，在这些区间中，包含θ真值的区间个数占 100(1- )%，不包含θ真值的区间个数占100 %。
例如抽样1000次， ＝0.01，则得到的1000个区间 中，大约只有10个区间不包含θ 的真值。
2015-7-6
数科院 24
例5
为比较І, ІІ两种型号步枪子弹的枪口速度,
随机地取І型子弹10发, 得到枪口速度的平均值为
x1 500(m / s),标准差 s1 1.10(m / s), 随机地取ІІ 型子弹20发, 得枪口速度平均值为 x 2 496(m / s),
标准差 s2 1.20(m / s), 假设两总体都可认为近似
若α＝0.05， σ2 ＝1， n＝16， Z 2 1.96(查表)
X 0.49 抽取一个样本 ,得 x 5.20 5.20 0.49 4.71,5.69
第十六讲(数理统计中常用的分布、抽样分布定理)
3 n足够大 时， (n)近似服从• (n,2n) N
2
证
1设
2 (n) X i2
i 1
n
X i ~ N (0,1) i 1,2, , n
X 1 , X 2 , , X n
相互独立,
2 i
则 E ( X i ) 0, D( X i ) 1, E ( X ) 1
•2
P{ X z } 1
-z= z1-
例1 求
z0.05 , z0.025 , z0.005 , z0.95 .
解： P{ X 1.645} 0.05, P{ X 1.96} 0.05, P{ X 2.575} 0.005.
z0.05 1.645 , z0.025 1.96 , z0.005 2.575
0.4 0.3 0.2 0.1
n= 1 n=20
-3
-1
1
2
3
t 分布的图形(红色的是标准正态分布)
t分布的性质： 1. t分布的密度函数关于t 0对称.当n充分大时, 其图形近似于标准正态分布概率密度的图形， 1 t 2 2 再 由函数的性质有 lim f (t ) 2 e . n
~ ( n2 ), U
2
与V 相互
U n1 F V n2
服从自由度为n1及 n2 的F分布，n1称为 第 一自由度，n2称为第二自由度，记作
F~F(n1,n2) . 由定义可见，
1 V n2 ~F(n2,n1) F U n1
若F~F(n1,n2)， F的概率密度为
( n1 n2 ) n n1 n21 1 n n 2 n ( n1 ) 2 ( y ) 1 n1 y 2 ( y ) ( 1 ) ( 2 ) 2 2 2 0
概率论与数理统计讲解6-2-1ppt课件
(此性质可以推广到多个随机变量的情形)
2 2 2 设 ~ ( n ), 并且 i 1 ,2 , ,m ) 相互 i i i( 2 2 独立 , 则 ~ ( n n n ). i 1 2 m i 1
性质2
22 2 2 若 ~ ( n ), 则 E ( ) n , D ( ) 2 n .
n
2 即 分 布 的 极 限分 分 , 布 也 布, 即 是 当 n 很 正 大 态 时 2 n n
2 n
近 似N 服 ( 0 , 1 从 ). 进 而 ~N ( n , 2 n ).
近似 2 n
例 1 设 X ,X , ,X 为来自正态总体 N ( 0 , 1 ) 的一组 1 2 6 样本 ,求 C ,C 使得 1 2
X X X X X 2 1 X 2 2 3 4 5 62 所以 ( ) ( )~ ( 2 ) 4 2
则 C 1 2 , C 1 4 . 1 2
2. t 分布
定义 设 X~N (0 ,1 ), Y~2(n ),且 X ,Y X 独立 ,则称随机变量 T 服从自由度为 n Y/n 学生氏资料 的 t 分布 , 记为 T~t(n ).
2 根据 分布的可加性知 n i 1ቤተ መጻሕፍቲ ባይዱ2
Xi
n
2
(n)分布的概率密度曲线如 图 . 演
n 1 ~ , . 2 2
示
2 分布的性质
立 , 则 ~ ( n n ).
2 1 2 2 2 1 2
m
) 性质1 ( 分布的可加性
2
2 2 2 2 2 2 设 ~ ( n ), ~ ( n ), 并且 ,2 独 1 1 2 2 1
概率论与数理统计教学课件-ch6 样本及抽样分布
Stop
定理
iid
若 X 1 ,X 2 , i,iX dn 1~N ( 1 , 1 2 ),
X Y n 1 1 1 , iY n 1 1 2,X i,,Y n 2 S 1 ~ 2 N n ( 1 1 2 ,1 i2 n 2 1 1 )(X ,i且 两X 样)2本;独立
t1 (n ) t (n )
t(n)
Stop
存在t/2(n)>0， 满足 P{|T| t/2(n)}=，则称 t/2(n)为t(n)的双侧分位点.
t/2(n)
t/2(n)
Stop
• F—分布 构造 若1 ~2(n1)， 2~2(n2)，1， 2独立，则
F 2 1//n n1 2~F(n1,n2).
(1 11 n1 n2
2)
~
t(n1
n2
2).其中
Sw2
(n11)S12 (n2 1)S22 n1 n22
称为混合样本方. 差
Stop
例 设总 X~体 N(,2)如 , 果9要 .9 7% 的 以 概率保X 证 偏 0.1,差 试问 2 在 0.5时 , 样本n应 容取 量?多大
例 设(X1, X2,,X6)是来自正态 N(0总 ,1)的 体 样本 ;又设 Y(X1X2X3)2(X4X5X6)2 试确定c常 使c数 Y服从 2分布 ,并指出其自 . 由
样本观测值 对样本 X1， … ，Xn进行观测， 即可得一组观测值 x1， … ，xn • 统计量
样本 X1， … ，Xn的函数 g(X1， … ，Xn )称 为是总体 X 的一个统计量，若g(X1， … ，Xn ) 与任何未知参数无关。
统计量的观测值 若样本 X1， … ，Xn的观测值为x1， … ，xn，