清华大学概率论与数理统计复习ppt
合集下载
概率论与数理统计复习资料共44页PPT

作则 才能收 到成效 。—— 马卡连 柯 14、劳动者的组织性、纪律性、坚毅 精神以 及同全 世界劳 动者的 团结一 致,是 取得最 后胜利 的保证 。—— 列宁 摘自名言网
15、机会是不守纪律的。——雨果
16、业余生活要有意义,不要越轨。——华盛顿 17、一个人即使已登上顶峰,也仍要自强不息。——罗素·贝克 18、最大的挑战和突破在于用人,而用人最大的突破在于信任人。——马云 19、自己活着,就是为了使别人过得更美好。——雷锋 20、要掌握书,莫被书掌握;要为生而读,莫为读而生。——布尔沃
END
概率论与数理统计复习资料
11、战争满足了,或曾经满足过人的 好斗的 本能, 但它同 时还满 足了人 对掠夺 ,破坏 以及残 酷的纪 律和专 制力的 欲望。 ——查·埃利奥 特 12、不应把纪律仅仅看成教育的手段 。纪律 是教育 过程的 结果, 首先是 学生集 体表现 在一切 生活领 域—— 生产、 日常生 活、学 校、文 化等领 域中努 力的结 果。— —马卡 连柯(名 言网)
15、机会是不守纪律的。——雨果
16、业余生活要有意义,不要越轨。——华盛顿 17、一个人即使已登上顶峰,也仍要自强不息。——罗素·贝克 18、最大的挑战和突破在于用人,而用人最大的突破在于信任人。——马云 19、自己活着,就是为了使别人过得更美好。——雷锋 20、要掌握书,莫被书掌握;要为生而读,莫为读而生。——布尔沃
END
概率论与数理统计复习资料
11、战争满足了,或曾经满足过人的 好斗的 本能, 但它同 时还满 足了人 对掠夺 ,破坏 以及残 酷的纪 律和专 制力的 欲望。 ——查·埃利奥 特 12、不应把纪律仅仅看成教育的手段 。纪律 是教育 过程的 结果, 首先是 学生集 体表现 在一切 生活领 域—— 生产、 日常生 活、学 校、文 化等领 域中努 力的结 果。— —马卡 连柯(名 言网)
概率论与数理统计期末复习课件

置信水平
用于确定样本统计量的不 确定性范围。
置信区间
根据置信水平和抽样分布, 估计未知参数的可能值范 围。
点估计与最优性
点估计
用单一的数值估计未知参数的值。
无偏估计
样本统计量的期望值等于真实参数 值。
最小方差估计
选择一个点估计,使得预测误差的 方差最小。
假设检验与p值
假设检验
根据样本数据对未知参数 提出假设,并进行检验。
详细描述
一元线性回归是一种最简单的回归分析方 法,用于研究一个因变量和一个自变量之 间的线性关系。
一元线性回归模型通常表示为`Y = β0 + β1*X + ε`,其中Y是因变量,X是自变量, ε是误差项。β0和β1是需要估计的参数。
重要概念
适用范围
一元线性回归模型假设因变量Y和自变量X 之间存在线性关系,即Y的变化可以由X的 变化来解释。
02
置信区间
根据自助法计算的统计量的置信区间,可以用来估计总体参数的区间范
围。
03
应用
在社会科学和医学研究中,自助法和置信区间被广泛应用于估计样本参
数的可靠性和精度。例如,在估计人口平均年龄的置信区间时,自助法
可以用来确定样本大小和置信水平之间的关系。
CHAPTER 06
实验设计初步
完全随机设计
描述 马尔科夫链通常用状态转移图来表示,其中每个状态通过 箭头连接到其他状态,箭头上标记了从一个状态转移到另 一个状态的概率。
实例 例如天气预报、股票价格等都可以被视为马尔科夫链。
平稳过程与遍历性
定义
平稳过程是一类特殊的随机过程,它具有“时间齐次性”和“空 间齐次性”的性质。
描述
概率论与数理统计完整ppt课件

化学
在化学领域,概率论与数理统计被用于研究化学反应的速率和化 学物质的分布,如化学反应动力学、量子化学计算等。
生物
在生物学中,概率论与数理统计用于研究生物现象的变异和分布, 如遗传学、生态学、流行病学等。
在工程中的应用
通信工程
01
概率论与数理统计在通信工程中用于信道容量、误码率、调制
解调等方面的研究。
边缘分布
对于n维随机变量(X_1,...,X_n),在概 率论中,分别定义了X_1的边缘分布 、...、X_n的边缘分布。
04
数理统计基础
样本与抽样分布
01
02
03
总体与样本
总体是包含所有可能数据 的数据集合,样本是总体 的一个随机子集。
抽样方法
包括简单随机抽样、分层 抽样、系统抽样等。
样本分布
描述样本数据的分布情况 ,如均值、中位数、标准 差等。
参数估计与置信区间
参数估计
利用样本数据估计总体的 未知参数,如均值、方差 等。
点估计
用样本统计量作为总体参 数的估计值。
置信区间
给出总体参数的一个估计 区间,表示对总体的参数 有一个可信的估计范围。
假设检验与方差分析
假设检验
通过样本数据对总体参数提出 假设,然后根据假设进行检验
01
定义
设E是一个随机试验,X,Y是定义在E上,取值分别为实数的随机变量
。称有序实数对(X,Y)为一个二维随机变量。
02
分布函数
设(X,Y)是一个二维随机变量,对于任意实数x,y,二元函数
F(x,y)=P({X<=x,Y<=y})称为二维随机变量(X,Y)的分布函数。
03
边缘分布
对于二维随机变量(X,Y),在概率论中,分别定义了X的边缘分布和Y的
在化学领域,概率论与数理统计被用于研究化学反应的速率和化 学物质的分布,如化学反应动力学、量子化学计算等。
生物
在生物学中,概率论与数理统计用于研究生物现象的变异和分布, 如遗传学、生态学、流行病学等。
在工程中的应用
通信工程
01
概率论与数理统计在通信工程中用于信道容量、误码率、调制
解调等方面的研究。
边缘分布
对于n维随机变量(X_1,...,X_n),在概 率论中,分别定义了X_1的边缘分布 、...、X_n的边缘分布。
04
数理统计基础
样本与抽样分布
01
02
03
总体与样本
总体是包含所有可能数据 的数据集合,样本是总体 的一个随机子集。
抽样方法
包括简单随机抽样、分层 抽样、系统抽样等。
样本分布
描述样本数据的分布情况 ,如均值、中位数、标准 差等。
参数估计与置信区间
参数估计
利用样本数据估计总体的 未知参数,如均值、方差 等。
点估计
用样本统计量作为总体参 数的估计值。
置信区间
给出总体参数的一个估计 区间,表示对总体的参数 有一个可信的估计范围。
假设检验与方差分析
假设检验
通过样本数据对总体参数提出 假设,然后根据假设进行检验
01
定义
设E是一个随机试验,X,Y是定义在E上,取值分别为实数的随机变量
。称有序实数对(X,Y)为一个二维随机变量。
02
分布函数
设(X,Y)是一个二维随机变量,对于任意实数x,y,二元函数
F(x,y)=P({X<=x,Y<=y})称为二维随机变量(X,Y)的分布函数。
03
边缘分布
对于二维随机变量(X,Y),在概率论中,分别定义了X的边缘分布和Y的
概率论与数理统计期末复习PPT课件

P(B | A) P(B | A); (3)当0 P( A) 1, 0 P(B) 1时,
P(B | A) P(B| A) 1
第11页/共50页
2) 若事件A和B相互独立,则 (1) 事件A与事件B也相互独立 (2)事件 A与事件B也相互独立; (3) 事件A与事件B也相互独立.
n
3)若A1, A2 , An相互独立,则P A1, A2 An P Ai i 1
第1页/共50页
2.概率的几何定义
设样本空间是一个有限区域。若样本点落在
内的任何区域G中的事件A的概率与区域G的测度
(或长度、或面积、或体积等)成正比,
则区域内任意一点落在区域G的概率为区域G的
测度与区域的测度的比值,即
P(
A)
G的测度 的测度
.
第2页/共50页
3.概率的公理化定义
设E是一个随机试验,为它的样本空间,
x
4 F (x)为右连续函数,即对任意的实数x, 有F (x 0) F (x).
反之, 具有以上四个性质的函数, 一定是某个随机变量的分布函数.
二、离散型随机变量
第24页/共50页
定义 设X是一个离散型随机变量,它可
能取值为 x1, x2 ,, x并k ,且取, 各个值的对应概
率为
p1, p即2 ,, pk ,,
(A)P(A | B) P(A | B) (B)P(A | B) P(A | B)
(C)P(AB) P(A)P(B)
3.计算与证明题
(D)P(AB) P(A)P(B)
(1)设A, B是任意两个随机事件,其中A的概率
不等于0和1,证明: P(B | A) P(B | A)是随机 事件A与B独立的充要条件.
P(B | A) P(B| A) 1
第11页/共50页
2) 若事件A和B相互独立,则 (1) 事件A与事件B也相互独立 (2)事件 A与事件B也相互独立; (3) 事件A与事件B也相互独立.
n
3)若A1, A2 , An相互独立,则P A1, A2 An P Ai i 1
第1页/共50页
2.概率的几何定义
设样本空间是一个有限区域。若样本点落在
内的任何区域G中的事件A的概率与区域G的测度
(或长度、或面积、或体积等)成正比,
则区域内任意一点落在区域G的概率为区域G的
测度与区域的测度的比值,即
P(
A)
G的测度 的测度
.
第2页/共50页
3.概率的公理化定义
设E是一个随机试验,为它的样本空间,
x
4 F (x)为右连续函数,即对任意的实数x, 有F (x 0) F (x).
反之, 具有以上四个性质的函数, 一定是某个随机变量的分布函数.
二、离散型随机变量
第24页/共50页
定义 设X是一个离散型随机变量,它可
能取值为 x1, x2 ,, x并k ,且取, 各个值的对应概
率为
p1, p即2 ,, pk ,,
(A)P(A | B) P(A | B) (B)P(A | B) P(A | B)
(C)P(AB) P(A)P(B)
3.计算与证明题
(D)P(AB) P(A)P(B)
(1)设A, B是任意两个随机事件,其中A的概率
不等于0和1,证明: P(B | A) P(B | A)是随机 事件A与B独立的充要条件.
清华大学概率论与数理统计复习ppt

i 1
令
d
ln L( ) d
n
n i 1
ln
xi
0
解得的极大似然估计量为ˆ n n
ln Xi
i 1
(3)当 2时,X的概率密度函数为:
f
(
x)
2 2
x3
,
0,
似然函数为:
x x
L( )
n
f
(
xi
)
(
2n 2n
x 1
,
0,
x 1, 其中未知参数 1,
x 1.
X1,L , Xn为来自X的简单随机样本,
求(1)的矩估计量;
(2)的最大似然估计量。
解:1,由于E( X )
x f ( x; )d x
1
x
x 1d x
, 1
令 X,解得参数的矩估计量ˆ X .
考题(3 2008级 48学时)
三、(本题10分)设总体X 在[0, ]上服从均匀分布, 其中 ( 0)未知,(X1,L , Xn)为来自总体X的样本, 求的矩估计量。(见教材P127-128的例6.2)
考题(4 2008级 48学时)
七、(10分)设某种元件的使用寿命X的概率密度为
f
ln L() N ln (n N ) ln(1 )
令 d ln L = N n N 0, 解得:ˆ N
d 1
n
所以的极大似然估计为ˆ N n
考题(7 2006级 32学时)
三、(本题14分)设总体X的概率密度为:
概率论与数理统计ppt课件(完整版)

27
( 1)
n 1
例4. 设P(A)=p, P(B)=q, P(AB)=r, 用p, q, r表示下列 事件的概率:
(1) P ( A B ); (2) P ( A B); (3) P ( A B); (4)P( A B ).
28
§5. 条件概率
(一)条件概率: 设试验E的样本空间为S, A, B是事件, 要考虑 在A已经发生的条件下B发生的概率, 这就是条件概 率问题.
概率论与数理统计
第一章 概率论的基本概念 前 言
1. 确定性现象和不确定性现象.
2. 随机现象: 在个别试验中其结果呈现出不确定性, 在 大量重复试验中其结果又具有统计规律性. 3. 概率与数理统计的广泛应用.
2
§1.随机试验
我们将对自然现象的一次观察或进行一次科学试验 称为试验。
举例:
E1: 抛一枚硬币,观察正(H)反(T) 面 的情 况.
B A 类似地, 事件 S 为可列个事件A1, A2, ...的积事件.
k 1 K
(2) A B A B
S
(3)A B
9
4.差事件:
事件A-B={x|xA且xB} 称为A与B的差. 当且仅当 A发生, B不发生时事件A-B发生. 即:
A - B A AB
显然: A-A=, A- =A, A-S=
(一) 频率 1. 在相同的条件下, 共进行了n次试验,事件A发生的次 数nA, 称为A的频数, nA/n称为事件A发生的频率, 记为 fn(A).
2. 频率的基本性质: (1) 0 f( 1; (非负性) n A) (2) f n ( S ) 1; (规范性) (3)若A1,A 2, , Ak 两两互不相容 ,则 f n ( A1 A2 Ak ) f n ( A1 ) f n ( A2 ) f n ( Ak ).(有限可加性)
( 1)
n 1
例4. 设P(A)=p, P(B)=q, P(AB)=r, 用p, q, r表示下列 事件的概率:
(1) P ( A B ); (2) P ( A B); (3) P ( A B); (4)P( A B ).
28
§5. 条件概率
(一)条件概率: 设试验E的样本空间为S, A, B是事件, 要考虑 在A已经发生的条件下B发生的概率, 这就是条件概 率问题.
概率论与数理统计
第一章 概率论的基本概念 前 言
1. 确定性现象和不确定性现象.
2. 随机现象: 在个别试验中其结果呈现出不确定性, 在 大量重复试验中其结果又具有统计规律性. 3. 概率与数理统计的广泛应用.
2
§1.随机试验
我们将对自然现象的一次观察或进行一次科学试验 称为试验。
举例:
E1: 抛一枚硬币,观察正(H)反(T) 面 的情 况.
B A 类似地, 事件 S 为可列个事件A1, A2, ...的积事件.
k 1 K
(2) A B A B
S
(3)A B
9
4.差事件:
事件A-B={x|xA且xB} 称为A与B的差. 当且仅当 A发生, B不发生时事件A-B发生. 即:
A - B A AB
显然: A-A=, A- =A, A-S=
(一) 频率 1. 在相同的条件下, 共进行了n次试验,事件A发生的次 数nA, 称为A的频数, nA/n称为事件A发生的频率, 记为 fn(A).
2. 频率的基本性质: (1) 0 f( 1; (非负性) n A) (2) f n ( S ) 1; (规范性) (3)若A1,A 2, , Ak 两两互不相容 ,则 f n ( A1 A2 Ak ) f n ( A1 ) f n ( A2 ) f n ( Ak ).(有限可加性)
概率论与数理统计PPT课件(共8章)第六章 数理统计的基本概念

代表性
每个样本Xi(i=1,2,…,n)与 总体X具有相同的分布
独立性
各个样本X1,X2,…,Xn的取 值互不影响,即X1,X2,…,Xn是 相互独立的随机变量.
6.1.3 样本的联合分布
若 X1 ,X2 , ,Xn 为总体 X 的一个样本, X 的分布函数为 F(x) ,则 X1 ,X2 , ,Xn
n
n
xi
n xi
p i1 (1 p) i1 ,
概
率
论
与
数 理
6.2
统
计
统计量与抽样分布
6.2.1 统计量
定义 6.2 不含任何未知参数的样本 X1 ,X2 , ,Xn 的连续函数 g(X1 ,X2 , ,Xn )
称为统计量.
下面列出一些常用的统计量.
(1)样本均值
X
1 n
n i1
Xi
(2)样本方差
概
率
论
与
数
理 统 计
数理统计的基本概念
第六章
概
率
论
与
数
理 统
壹 总体与样本
计
贰 统计量与抽样分布
目录
概
率
论
与
数 理
6.1
统
计
总体与样本
总体与个体
6.1.1 总体
在数理统计中,通常把研究对象的全体称为总体,把构 成总体的每个研究对象称为个体.
总体分布
为了便于数学上的处理,我们将总体定义为随机变量, 记作.随机变量的分布称为总体分布.
N
(1
,12
)
与
N
(2
,
2 2
)
的样本,且这两个样本相互独立.设
清华大学概率论与数理统计课件强大数定理

lim
n
An
lim
n
An=lim n
An
称
lim
n
An为随机事件序列{
An
}的极限事件.
引理5.4.1 (博雷尔-康特立引理)
(1) 若随机事件序列{ An }满足 P( An ) ,则 n1
P
(lim n
An
)
0,
P(lim An ) 1 n
(2) 若随机事件序列{An }相互独立,则 P( An )=
定义 设A1, A2 , , An , 为一列事件,记
lnimAn
An
k 1 nk
称lnimAn为事件序列{ An }的上限事件. 记
lim An
An
n
k 1 nk
称lim An为事件序列系
上限事件lnimAn表示事件An发生无穷多次.下 限事件 lim An表示事件An至多只有有限个不发生.
若{i }是独立随机变量序列,Di
2 i
,
(i 1, 2, n),则对任意的 0,均有
P{max m jn
j
(i E(i ))
i 1
} 1 2
n
2 j
j 1
科尔莫戈罗夫不等式是概率论中最重要的不等 式之一,当n=1时,科尔莫戈罗夫不等式就退化为 车贝晓夫不等式,而咯依克-瑞尼不等式又是科 尔莫戈罗夫不等式的推广.
n1
成立的充要条件为
P(lnimAn ) 1,
或者 P(lim An ) 0 n
定理5.4.1 n ( ) a.s. ( ) n( ) P ( )
反例(p298例一) n ( ) a.s. ( ) NO n ( ) P ( )
概率论与数理统计总复习知识点归纳PPT课件

P( AB ) P( A B) 1 P( A B) 0.4
鄙
什
杯
雇
烁
舅
笋
第3页/共19页
编 孤 描 辛 填 屠 帧 暂 骂 巾 冀 芭
齐
蛆
稳
仔
第二、三章 随机变量及其分布
1.常用分布
B(n,p),P( ),U[a,b],E( ),N(, 2 );
二维均匀、二维正态
2.联合分布和边缘分布
C
0.3*0.2
于是有
D
P(C / D)
P(C ) P(D / C )
P(C) P(D / C) P(C ) P(D / C )
0.9 * 0.3 * 0.2
0.1*(0.3*0.8 0.7 *0.2) 0.9*0.3*0.2
0.587.
组
债
攒
韶
燕
邢
版
第2页/共19页
决 晾 础 肖 影 拂 普 函 棒 芥 成 肥
载
活
断
挞
例2 填空(可作图帮助分析)
(1) 设P(A)=0.7,P(A-B)=0.3,则
=P_(_A__B__) 0.6
P(A B) P(A) P(AB) 0.3,P(AB) 0.7 0.3 0.4
(2) 若A 与B 独立,且A 与B 互不相容,则min{P(A),P(B)}=____。
解
SG
1
dx
1x dy 1
00
2
1/ S 2,(x, y) G
f (x, y) 0 ,
(x, y) G
1
1 x
1
EX xf (x, y)dxdy 0 dx0 R2
2xdy 3
同理 E(X2 )=1/6, E(XY )=1/12. 从而DX=E(X2 )- (EX )2=1/18
鄙
什
杯
雇
烁
舅
笋
第3页/共19页
编 孤 描 辛 填 屠 帧 暂 骂 巾 冀 芭
齐
蛆
稳
仔
第二、三章 随机变量及其分布
1.常用分布
B(n,p),P( ),U[a,b],E( ),N(, 2 );
二维均匀、二维正态
2.联合分布和边缘分布
C
0.3*0.2
于是有
D
P(C / D)
P(C ) P(D / C )
P(C) P(D / C) P(C ) P(D / C )
0.9 * 0.3 * 0.2
0.1*(0.3*0.8 0.7 *0.2) 0.9*0.3*0.2
0.587.
组
债
攒
韶
燕
邢
版
第2页/共19页
决 晾 础 肖 影 拂 普 函 棒 芥 成 肥
载
活
断
挞
例2 填空(可作图帮助分析)
(1) 设P(A)=0.7,P(A-B)=0.3,则
=P_(_A__B__) 0.6
P(A B) P(A) P(AB) 0.3,P(AB) 0.7 0.3 0.4
(2) 若A 与B 独立,且A 与B 互不相容,则min{P(A),P(B)}=____。
解
SG
1
dx
1x dy 1
00
2
1/ S 2,(x, y) G
f (x, y) 0 ,
(x, y) G
1
1 x
1
EX xf (x, y)dxdy 0 dx0 R2
2xdy 3
同理 E(X2 )=1/6, E(XY )=1/12. 从而DX=E(X2 )- (EX )2=1/18
概率论与数理统计ppt课件(完整版)

25
2.概率的性质:
性质1. P() 0.
性质2. 若 A1 , A 2 ,, An 是两两互不相容的事件 , 则 P( A1 A 2 An)
P( A1) P( A 2) P( A n). (有限可加性)
性质3. 若A B, 则有 P(B A) P(B) P( A);
6
例1. 试确定试验E2中样本空间, 样本点的个数, 并给出如
下事件的元素: 事件A1=“第一次出现正面”、事件A2=“
恰好出现一次正面”、事件A3=“至少出现一次正面”.
7
(三)事件间的关系与事件的运算 1.包含关系和相等关系:
若事件A发生必然导致事件B发生,则称件B包含事件A,记 作AB. 若A B且A B, 即A=B, 则称A与B相等.
2
§1.随机试验
我们将对自然现象的一次观察或进行一次科学试验 称为试验。
举例:
E1: 抛一枚硬币,观察正(H)反(T) 面 的情 况.
E2: 将一枚硬币抛三次,观察正反面出现的情况.
E3: 将一枚硬币抛三次,观察出现正面的情况. E4: 电话交换台一分钟内接到的呼唤次数. E5: 在一批灯泡中任取一只, 测试它的寿命.
A
s
B
(4)A B
10
5.事件的互不相容(互斥): 若A B , 则称A与B是互不相容的 , 或互斥的,即
A与B不能同时发生 .
B
A
AB
11
6. 对立事件(逆事件):
为对立事件. 即 : 在一次实验中 , 事件A与B中必然有一 个发生, 且仅有一个发生 .
若A B S且A B ,则称A与B互为逆事件,也称
概率论与数理统计期末复习知识点.ppt

E( X ) x f ( x)dx
(2-2)函数:Y = g(X)(g 为连续函数)
E(Y ) E[g( X )] g( x) f ( x)dx
(2-3)设(X,Y)是连续型随机变量,
概率密度为 f (x , y). 若 Z=g(X,Y)(g为二元连续函数)
n
n
n
ai X i ~ N ( ai i , ai 2 i 2 )
i 1
i 1
i 1
两个随机变量的函数的分布
(1) Z=X+Y 的分布
分布函数: FZ (z ) P{Z z} f ( x, y)dxdy
x yzBiblioteka 概率密度:fZ(z)
f (z y, y)dy
f (x, z x)dx
3 °可列可加性: 设A1,A2,… 是两两互不相容
的事件,即对于 i j, Ai Aj ,i, j 1,2, , 则
P(A1∪A2 ∪ …)=P(A1)+P(A2 )+ …
• 概率性质
(1) P(φ)=0 .
(2) (有限可加性) 若A1,A2,… An 两两不相容,
P(A1∪A2∪…∪An)=P(A1)+P(A2)+ … +P(An) (3) 若A B,则有 P(B– A)=P(B) – P(A) ;
1.条件概率
P(B
A)
P( AB) ,
P( A) 0
P( A)
2.乘法公式 P( AB) P( A)P( A B)
n
3.全概率公式 P( A) P( A Bi )P(Bi ) i 1
4.贝叶斯公式
P( Bi A)
P( A Bi )P( Bi )
概率论与数理统计[PPT]
![概率论与数理统计[PPT]](https://img.taocdn.com/s3/m/38bf38c9998fcc22bcd10dc5.png)
m 5 解: , m 5, F到渐近线l的距离 m 5 3 3
将 乐 一 中 廖 凡
返 回
前一页
后一页
2-1抛物线复习
6、直线y x m与曲线 1 y 2 x有两个不同交点, 则实数m的取值范围为(B ) A.( 2, 2) B.( 2, 1] C.( 2,1] D.[1, 2)
3、标准方程: (2)焦点在y轴
p F (0, ) 2Fra bibliotekp l:y 2
l:y
p 2
F (0,
p ) 2
抛物线:x2 2py( p 0)
抛物线:x2 2py( p 0)
一般式 |a| a a x ay(a 0) , p p ,焦点(0, ), 准线y 2 4 4 焦点:一次除以4二次零,准线:一次除以4的相反数
解:设 | PF1 | r1 ,| PF2 | r2 ,则 r1 r2 2 a (1), r1 r2 2 m
2 2
(2),
将 乐 一 中 廖 凡
(1) (2) 得4 r1r2 4a 4m, r1r2 a m
返 回
前一页
后一页
2-1抛物线复习
x2 y 2 5 5、若双曲线 1的渐近线l方程为y x, 9 m 3 则双曲线焦点F 到渐近线l的距离为( C )
解:F1 (1, 0), F2 (1, 0), A 0, 2 , | PA | | PF1 || AF1 | 5
| PA | | PF1 || PA | (2a | PF2 |) | PA | | PF2 | 2a | AF2 | 2a 5 2 2
A
解:F 1, 0 , 设直线AC与BD的方程分别为
- 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)。
X,
解得的矩估计量为ˆ X .
X 1
(2)似然函数为:
L( )
n
f
(
xi
)
(
x1 x2
L
n
xn ) 1
,
i 1
0,
xi 1,(i 1, 2L , n) 其它
n
当xi 1时, 对数似然函数为ln L( ) nln ( 1) ln xi
题型分析
一、有关矩估计法及极大似然估计法方面的题型 考题(1 2009级 24学时) 五、(本题18分)设随机变量X的分布函数为:
F
(
x;
,
)
1
(
x
)
,
x ,其中参数 0, 1,
0,
x
设X1, X2,L , Xn是来自X的简单随机样本,
(1)当 1时,求未知参数的矩估计量;
(
x)
2e2( x
0,
),
x ,其中
其他
0为未知参数,
又设x1,L , xn是X的一组样本观察值,求参数的
极大似然估计。
解:似然函数为:
n
L( xi , )
2n
e
2
i 1
(
xi)Fra bibliotek,当xi
,(i
1, 2,L
, n);
L( xi , ) 0, 其他。当xi ,(i 1, 2,L , n)时,
1
X 1
n
2 似然函数为:L( xi , ) f ( xi , )
i 1
(
x1 x2
L
n
xn )
1
,
0,
xi 1(i 1, 2,L , n) 其他
当xi 1(i 1, 2,L , n)时,L( ) 0,取对数得
n
ln L( ) nln ( 1) ln xi , 两边对 求导,
i 1
得
d ln L =
d
n
n i 1
ln
xi令
d ln L
d
0, 可得
n
n
ln Xi
i 1
故的最大似然估计量为 ˆ n n .
ln Xi
i 1
考题(8 2005级 224学时)
三、(本题8分)设X1,
f
(
x)
2
x
2
,
0 x ,其中未知参数 0,
0, 其他
X1,L , Xn是样本,求的矩估计和最大似然估计。
(此题和2008级的第三大题一样的.)
考题(6 2007级 64学时 作业P153 四)
七、(本题8分)设X1,L , Xn为总体X的样本, X的密度函数为:
, 0 x 1 f ( x, ) 1 , 1 x 2;其中未知参数 0
0,
其他
设N为样本值x1,L , xn中小于1的个数,求的极
大似然估计。
解:似然函数为:
n
L( xi , ) f ( xi , ) N (1 )nN
i 1
考题(3 2008级 48学时)
三、(本题10分)设总体X 在[0, ]上服从均匀分布, 其中 ( 0)未知,(X1,L , Xn)为来自总体X的样本, 求的矩估计量。(见教材P127-128的例6.2)
考题(4 2008级 48学时)
七、(10分)设某种元件的使用寿命X的概率密度为
f
L( xi , ) 0;取对数并求导得:
d ln L =2n 0,所以L单调增加。
d
因此当取x1, x2,L , xn的最小值时,L( )取最大值。
所以的极大似然估计为ˆ min{ x1, x2,L , xn}.
考题(5 2007级 32学时) 六、(本题10分)设随机变量X的概率密度为
x1 x2 L xn )3
,
i 1
0,
xi ,(i 1, 2L , n)
其它
当xi 时,越大,L( )越大,所以的极大似然估计 量为 ˆ min{ X1, X2,K , Xn}
考题(2 2008级 24学时) 三、(本题14分)设随机变量X的概率密度为:
f
(
x)
ln L() N ln (n N ) ln(1 )
令 d ln L = N n N 0, 解得:ˆ N
d 1
n
所以的极大似然估计为ˆ N n
考题(7 2006级 32学时)
三、(本题14分)设总体X的概率密度为:
f
(
x,
)
(2)当 1时,求未知参数的极大似然估计量;
(3)当 2时,求未知参数的极大似然估计量。
解:(1)当 1时,X的概率密度函数为:
f
(
x)
x 1
,
0,
x1 x1
E( X )
x f ( x)d x
1
x
x 1d x
1
2
x
2
,
0 x ,其中未知参数 0,
0, 其他
X1,L , Xn是来自X的样本,求(1)的矩估计;
(2)的极大似然估计。
解:1,E( X )
x f ( x)d x
0
2x2
2 dx
2
3
令1
E( X )
A1
X
2,
3
得ˆ 3 X为参数的矩估计量。
2
2 似然函数为:
L( xi , )
n i 1
2 xi
2
2n
2n
n i 1
xi ,0
xi
,(i 1, 2,L
, n)
而L( )是的单调减少函数,所以的极大似然估计
量为ˆ max{ X1, X2,L , Xn}.
x 1
,
0,
x 1, 其中未知参数 1,
x 1.
X1,L , Xn为来自X的简单随机样本,
求(1)的矩估计量;
(2)的最大似然估计量。
解:1,由于E( X )
x f ( x; )d x
1
x
x 1d x
, 1
令 X,解得参数的矩估计量ˆ X .
i 1
令
d
ln L( ) d
n
n i 1
ln
xi
0
解得的极大似然估计量为ˆ n n
ln Xi
i 1
(3)当 2时,X的概率密度函数为:
f
(
x)
2 2
x3
,
0,
似然函数为:
x x
L( )
n
f
(
xi
)
(
2n 2n