2010-北航-应用数理统计-习题参考答案

合集下载

应用数理统计 杨虎 第三章习题及答案

应用数理统计   杨虎 第三章习题及答案

习题三2.设总体的分布密度为:(1),01(;)0,x x f x ααα+<<=⎧⎨⎩其它1(,,)n X X 为其样本,求参数α的矩估计量1ˆα和极大似然估计量2ˆα .现测得样本观测值为:0.1,0.2,0.9,0.8,0.7,0.7,求参数α的估计值 .解 计算其最大似然估计:()()11111(,)11ln (,)ln(1)ln nnnn i i i i nn ii L x x x x L x x n x αααααααα===⎡⎤=+=+⎣⎦=++∏∏∑1121ln (,)ln 01ˆ10.2112ln nn i i n ii d n L x x x d nx ααααα====+=+=--=∑∑ 其矩估计为:()1 3.40.10.20.90.80.70.766X =+++++= 3077.0121ˆ,212)1()1(110121=--==++=++=+=⎰++X XX x dx x EX αααααααα所以:12112ˆˆ,11ln n ii X nX X αα=⎛⎫⎪- ⎪==-+-⎪ ⎪⎝⎭∑, 12ˆˆ0.3077,0.2112αα≈≈.3. 设元件无故障工作时间X 具有指数分布,取1000个元件工作时间的记录数据,经分组后得到它的频数分布为:如果各组中数据都取为组中值,试用最大似然法求参数的点估计. .解 最大似然估计:11(,),ln ln i nx n nx n i L x x e e L n nx λλλλλλλ--====-∏711120000ˆln 0,,2010001000i i i d n L nx X x v d X λλλ==-=====∑ 1ˆ0.05X λ==.4. 已知某种灯泡寿命服从正态分布,在某星期所生产的该种灯泡中随机抽取10只,测得其寿命(单位:小时)为:1067,919,1196,785,1126,936,918,1156,920,948 设总体参数都未知,试用极大似然法估计这个星期中生产的灯泡能使用1300小时以上的概率.解 设灯泡的寿命为x ,2~(,)x N μσ,极大似然估计为:2211ˆˆ,()ni i x x x n μσ===-∑ 根据样本数据得到:2ˆˆ997.1,17235.81μσ== . 经计算得,这个星期生产的灯泡能使用1300小时的概率为0.0075.5. 为检验某种自来水消毒设备的效果,现从消毒后的水中随机抽取50升,化验每升水中大肠杆 菌的个数(假定一升水中大肠杆菌个数服从Poisson 分布),其化验结果如下:试问平均每升水中大肠杆菌个数为多少时,才能使上述情况的概率为最大? 解 设x 为每升水中大肠杆菌个数,~()x P λ,Ex λ=,由3题(2)问知,λ的最大似然估计为x ,所以().150/1*42*310*220*117*0ˆ=++++==X L λ所以平均每升氺中大肠杆菌个数为1时,出现上述情况的概率最大 .7. 设1234,,,X X X X 是总体X 的样本,设有下述三个统计量: 123411163ˆ()()X X X X a ++=+12342234ˆ()/10X X X X a +++= 12343ˆ()/4X X X X a +++=指出1ˆ,a2ˆ,a 3ˆa 中哪几个是总体均值a =EX 的无偏估计量,并指出哪一个方差最小? 解22222111111ˆˆ()(),()()0.2763369E D ααααααασσσσσ=+++==+++= 2ˆ(234)/10E αααααα=+++=,22ˆ0.3D ασ= 223314ˆˆ(),0.25416E D ααααααασσ=+++=== 所以 123ˆˆˆ,,ααα无偏,3ˆα方差最小.8. 设1,...,n X X 是来自总体X 的样本,并且EX =μ,DX = 2σ,2,X S 是样本均值和样本方差,试确定常数c ,使22X cS -是2μ的无偏估计量 .解2222222222()E X cS EX cES DX E X c c nσσμσμ-=-=+-=+-=所以1c n =.9. 设1ˆθ,2ˆθ是θ的两个独立的无偏估计量,并且1ˆθ的方差是2ˆθ的方差的两倍 .试确定常数c 1, c 2,使得11ˆc θ+22ˆc θ为θ的线性最小方差无偏估计量 . 解: 设22122,2D D θσθσ==112212121221(()11E c c c c c c c c c c θθμμμμ+=+=+=+==-),,()()222222211221211(2221D c c c c c c θθσσσ+=+=+-)()222111121321c c c c +-=-+当1212*33c -=-=,上式达到最小,此时21213c c =-= .10. 设总体X 具有如下密度函数,1,01(,)0,x x f x θθθθ-<<=>⎧⎨⎩,0其它1,...,n X X 是来自于总体X的样本,对可估计函数1()g θθ=,求()g θ的有效估计量ˆ()gθ,并确定R-C 下界 .解 因为似然函数1111L(,),ln ln (1)ln i i nn n n n i i x x x x L n x θθθθθ--====+-∑∏∏111ln ln ln ln ()0i i i d n L x n x n x g d n n θθθθ⎛⎫⎛⎫=+=---=---= ⎪ ⎪⎝⎭⎝⎭∑∑∑ 所以取统计量1ln i T x n=-∑ 11111101ln ln ln ln i E X x x dx xdx x x x dx θθθθθθ--===-=-⎰⎰⎰得1ET θ==()g θ,所以1ln i T x n=-∑是无偏估计量 令()c n θ= 由定理2.3.2知 T 是有效估计量,由221()1()g DT c n n θθθθ-'===- 所以 C-R 方差下界为21n θ.11. 设1,...,n X X 是来自于总体X 的样本,总体X 的概率分布为:||1||(,)()(1),1,0,1,012x x f x x θθθθ-=-=-≤≤1) 求参数θ的极大似然估计量ˆθ;2) 试问极大似然估计ˆθ是否是有效估计量?如果是,请求它的方差ˆD θ和信息量()I θ;3 试问θ是否是相合估计量?(书上没有这个问题) 解 1)()()111(,)1122ln ln (n )ln(1)iii ix x nx n x n i i i L x x L x x θθθθθθθ--=∑⎛⎫⎛⎫∑=-=- ⎪ ⎪⎝⎭⎝⎭=+--∏∑∑n 1ln 01(1)n xi xi d n L xi d θθθθθθ-⎛⎫=-=-= ⎪--⎝⎭∑∑∑ 得到θ最大似然估计量1ˆxi nθ=∑ 2)()()110011,10122Exi E xi E xi n n θθθθθ⎛⎫⎛⎫==-++-= ⎪ ⎪⎝⎭⎝⎭∑∑所以11Exi E xi n nθ==∑∑ 所以ˆθ是无偏估计量,()(1)n c θθθ=-,由定理2.3.2得到1ˆxi n θ=∑是θ有效估计量信息量c()1()(1)I n θθθθ==-3)1(1)ˆD 0,(n )c()nθθθθ-==→→∞ 所以,T 也是相合估计量 .12 从一批螺钉中随机地取16枚,测得其长度(单位:cm)为:2.14,2.10,2.13,2.15,2.13,2.12,2.13,2.10,2.15, 2.12,2.14,2.10,2.13,2.11,2.14,2.11设钉长分布为正态,在如下两种情况下,试求总体均值μ的90%置信区间,1)若已知σ=0.01cm ; 2)若σ未知;解 因为 2.125,16,0.171,X n s ===()0.950.9510.95, 1.65,15 1.7532t αμ===-1) 计算0.950.952.1209, 2.1291X b a X αμμ-===+== 所以 置信区间为[]1.1212.129,2) 计算((0.950.9515 2.1175,15 2.1325X t b X t α-==+== 所以 置信区间为[]2.1152.135,.13 随机地取某种炮弹9发做试验,测得炮口速度的样本标准差s=11(m/s),设炮口速度服从正态分布,求这种炮弹的炮口速度的标准差σ的置信度为95%的置信区间 .解 由题意标准差σ的置信度为0.95的置信区间为0.9750.0252222(1)(1)(,)(8)(8)n S n S χχ-- 计算得0.9750.0252222(1)(1)11,9,0.05,7.431,21.072(8)(8)n S n S S n a b αχχ--=======所以 置信区间为 [7.431,21.072].14. 随机地从A 批导线中抽取4根,并从B 批导线中抽取5根,测得其电阻(Ω)为:A 批导线:0.143,0.142,0.143,0.137B 批导线:0.140,0.142,0.136,0.138,0.140设测试数据分别服从21(,)N μσ和22(,)N μσ,并且它们相互独立,又212,,μμσ均未知,求参数12μμ-的置信度为95%的置信区间 .解 由题意,这是两正太总体,在方差未知且相等条件下,对总体均值差的估计:置信区间为121221(2)X Y tn n S n α--±+- 计算得2626A B 120.14125,0.1392,8.25*10, 5.2*10,4,5,0.05x y S S n n α--======= 26W W 0.9756.5710,0.00255,(7) 2.365,0.0022,0.0063S S t a b -====-=所以[0.0022,0.0063]-.15. 有两位化验员A 、B ,他们独立地对某种聚合物的含氯量用相同方法各作了10次测定,其测定值的方差2s 依次为0.5419和0.6065,设2A σ与2B σ分别为A 、B 所测量数据的总体的方差(正态总体),求方差比2A σ/2B σ的置信度为95%的置信区间 .解 由题意,这是两正太总体方差比的区间估计:置信区间为22AA22BB1212(,)1(1,1)(1,1)22S S S S F n n Fn n -----计算得22A B 120.5419,0.6065,10,0.05S S n n α=====22AA22B B0.9750.0250.2217, 3.6008(9,9)(9,9)S S S S a b F F ====所以置信为 [0.2217,3.6008].。

应用数理统计复习题及答案()

应用数理统计复习题及答案()

应用数理统计复习题(2010)一 填空题 1设621,,,X X X 是总体)1,0(~N X 的一个样本,26542321)()(X X X X X X Y +++++=。

当常数C = 1/3 时,CY 服从2χ分布。

2 设统计量)(~n t X ,则~2X F(1,n) ,~12XF(n,1) 。

3 设n X X X ,,,21 是总体),(~2σu N X 的一个样本,当常数C = 1/2(n-1) 时,∑-=+-=11212)(n i i i X X C S 为2σ的无偏估计。

4 设)),0(~(2σεεβαN x y ++=,),,2,1)(,(n i y x i i =为观测数据。

对于固定的0x ,则0x βα+~ ()20201,x x N x n Lxx αβσ⎛⎫⎡⎤- ⎪⎢⎥++ ⎪⎢⎥ ⎪⎢⎥⎣⎦⎝⎭。

5.设总体X 服从参数为λ的泊松分布,1.9,2,2,2.1, 2.5为样本,则λ的矩估计值为ˆλ= 2.1 。

6.设总体212~(,),,,...,n X N X X X μσ为样本,μ、σ2 未知,则σ2的置信度为1-α的置信区间为 ()()()()222212211,11n Sn S n n ααχχ-⎡⎤--⎢⎥⎢⎥--⎢⎥⎣⎦。

7.设X 服从二维正态),(2∑μN 分布,其中⎪⎪⎭⎫⎝⎛=∑⎪⎪⎭⎫⎝⎛=8221,10μ令Y =X Y Y ⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫⎝⎛202121,则Y 的分布为 ()12,02TN A A A A μ⎛⎫= ⎪⎝⎭∑ 。

8.某试验的极差分析结果如下表(设指标越大越好):表1 因素水平表表2 极差分析数据表则(1)较好工艺条件应为22121A B C D E 。

(2)方差分析中总离差平方和的自由度为 7 。

(3)上表中的第三列表示 A B ⨯交互作用 。

9.为了估计山上积雪溶化后对河流下游灌溉的影响,在山上建立观测站,测得连续10年的观测数据如下表(见表3)。

北航数理统计答案

北航数理统计答案

北航数理统计答案【篇一:北航数理统计考试题】术部2011年12月2007-2008学年第一学期期末试卷一、(6分,a班不做)设x1,x2,…,xn是来自正态总体n(?,?2)的样本,令t?x?x),试证明t服从t-分布t(2)二、(6分,b班不做)统计量f-f(n,m)分布,证明1f的?(0?1)的分位点x?是1f1??(n,m)。

三、(8分)设总体x的密度函数为?(1??)x?,0?x?1p(x;?)??0,其他?其中???1,是位置参数。

x1,x2,…,xn是来自总体试求参数?的矩估计和极大似然估计。

四、(12分)设总体x的密度函数为?1?x???exp???,x???p(x;?)??????,??0,其它其中???????,?已知,??0,?是未知参数。

x1,x2,…,xn是来自总?体x的简单样本。

(1)试求参数?的一致最小方差无偏估计?;(2)?是否为?的有效估计?证明你的结论。

五、(6分,a班不做)设x1,x2,…,xn是来自正态总体n(?简单样本,y1,y2,…,yn是来自正态总体n(?两样本相互独立,其中?设h0:?1??2,h1:?1??2,1221?,?1)2的,?2)的简单样本,且21,?1,?2,?222是未知参数,???22。

为检验假可令zi?xi?yi, i?1,2,...,n ,???1??2 ,则上述假设检验问题等价于h0:?1?0,h1:?1?0,这样双样本检验问题就变为单检验问题。

基于变换后样本z1,z2,…,zn,在显著性水平?下,试构造检验上述问题的t-检验统计量及相应的拒绝域。

六、(6分,b班不做)设x1,x2,…,xn是来自正态总体n(?简单样本,?0已知,?2未知,试求假设检验问题h0:?2,?)02的??0,h1:?22??02的水平为?的umpt。

七、(6分)根据大作业情况,试简述你在应用线性回归分析解决实际问题时应该注意哪些方面?八、(6分)设方差分析模型为?xij????i??j??ij?2??ij服从正态总体分布n(0,?)且?ij相互独立??i?1,2,...,p;j?1,...,q?pq??和?满足??i?0,??j?0.j?ii?1j?1?总离差平方和pst?sa?sb?se中sa?q?(xi??x),x?i?1x??pqi?1j?11pqij,xi??1qijx?qj?1,且e(se)=(p-1)(q-1)?.?...??p?0的拒绝2试求e(sa),并根据直观分析给出检验假设h0:?1??2域形式。

应用数理统计课后习题参考答案

应用数理统计课后习题参考答案

习题五1 某钢厂检查一月上旬内的五天中生产的钢锭重量,结果如下:(单位:k g)日期重旦量1 5500 5800 5740 57102 5440 5680 5240 56004 5400 5410 5430 54009 5640 5700 5660 570010 5610 5700 5610 5400试检验不同日期生产的钢锭的平均重量有无显著差异? ( =0.05)解根据问题,因素A表示日期,试验指标为钢锭重量,水平为 5.2假设样本观测值y j(j 123,4)来源于正态总体Y~N(i, ),i 1,2,...,5检验的问题:H。

:i 2 L 5, H i : i不全相等.计算结果:注释当=0.001表示非常显著,标记为*** '类似地,=0.01,0.05,分别标记为查表F0.95(4,15) 3.06,因为F 3.9496 F0.95(4,15),或p = 0.02199<0.05 ,所以拒绝H。

,认为不同日期生产的钢锭的平均重量有显著差异2 考察四种不同催化剂对某一化工产品的得率的影响,在四种不同催化剂下分别做试验解根据问题,设因素A表示催化剂,试验指标为化工产品的得率,水平为 4 .2假设样本观测值y j(j 1,2,..., nJ来源于正态总体Y~N(i, ), i 1,2,...,5 .其中样本容量不等,n分别取值为6,5,3,4 .日产量操作工查表 F O .95(3,14) 3.34,因为 F 2.4264 F °.95(3,14),或 p = 0.1089 > 0.05, 所以接受H 。

,认为在四种不同催化剂下平均得率无显著差异3试验某种钢的冲击值(kg Xm/cm2 ),影响该指标的因素有两个,一是含铜量 A ,另一个是温度试检验含铜量和试验温度是否会对钢的冲击值产生显著差异? ( =0.05 )解 根据问题,这是一个双因素无重复试验的问题,不考虑交互作用设因素A,B 分别表示为含铜量和温度,试验指标为钢的冲击力,水平为 12.2假设样本观测值y j (i 1,2,3, j 1,2,3,4)来源于正态总体 Y j ~N (j ,),i 1,2,3,j 1,2,3,4 .记i 为对应于A 的主效应;记 j 为对应于B j 的主效应;检验的问题:(1) H i 。

应用数理统计课后答案

应用数理统计课后答案

(n

2)
1
1 n

(x0
x)2 lxx
)
所以 当 0.05 时,有:

(
x0
)

ˆ
t 12
(n

2)
1
1 n

(
x0
lxx
x
)
2
0.466 2.2281
1

1 12

(225 205)2 14300
1.09455
即得 所求预测区间为: ( 77.5855, 79.7746) 。

5852 15
832
S A

3 i1
1 5
Ti2

T2 n
23430.6
5852 15
615.6
Se ST S A 832 615 .6 216 .4
所以
F

SA Se
(r 1) (n r)

615.6 (3 1) 216.4 (15 3)
4-47. 甲、乙两个车间生产同一种产品,要比较这种产品的某项指标波动的情况,从这两个
车间连续 15 天取得反映波动大小的数据如下表:
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 1.57
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 1.95
(n1k) (k)
a(k )
a(k)[x(n1k) x(k)]
1
10.18 10.82
2

《应用数理统计》第三章假设检验课后作业参考答案

《应用数理统计》第三章假设检验课后作业参考答案

第三章 假设检验课后作业参考答案3.1 某电器元件平均电阻值一直保持2.64Ω,今测得采用新工艺生产36个元件的平均电阻值为2.61Ω。

假设在正常条件下,电阻值服从正态分布,而且新工艺不改变电阻值的标准偏差。

已知改变工艺前的标准差为0.06Ω,问新工艺对产品的电阻值是否有显著影响?(01.0=α)解:(1)提出假设64.2:64.2:10≠=μμH H , (2)构造统计量36/06.064.261.2/u 00-=-=-=nX σμ(3)否定域⎭⎬⎫⎩⎨⎧>=⎭⎬⎫⎩⎨⎧>⋃⎭⎬⎫⎩⎨⎧<=--21212αααu u uu u u V (4)给定显著性水平01.0=α时,临界值575.2575.2212=-=-ααuu ,(5) 2αu u <,落入否定域,故拒绝原假设,认为新工艺对电阻值有显著性影响。

3.2 一种元件,要求其使用寿命不低于1000(小时),现在从一批这种元件中随机抽取25件,测得其寿命平均值为950(小时)。

已知这种元件寿命服从标准差100σ=(小时)的正态分布,试在显著水平0.05下确定这批元件是否合格。

解:{}01001:1000, H :1000X 950 100 n=25 10002.5V=u 0.05H x u αμμσμα-≥<====->=提出假设:构造统计量:此问题情形属于u 检验,故用统计量:此题中:代入上式得:拒绝域:本题中:0.950.950u 1.64u 0.0u H =>∴即,拒绝原假设认为在置信水平5下这批元件不合格。

3.3某厂生产的某种钢索的断裂强度服从正态分布()2,σμN ,其中()2/40cm kg =σ。

现从一批这种钢索的容量为9的一个子样测得断裂强度平均值为X ,与以往正常生产时的μ相比,X 较μ大20(2/cm kg )。

设总体方差不变,问在01.0=α下能否认为这批钢索质量显著提高? 解:(1)提出假设0100::μμμμ>=H H , (2)构造统计量5.13/4020/u 00==-=nX σμ (3)否定域{}α->=1u u V(4)给定显著性水平01.0=α时,临界值33.21=-αu(5) α-<1u u ,在否定域之外,故接受原假设,认为这批钢索质量没有显著提高。

应用数理统计习题答案2222

应用数理统计习题答案2222

2214243.(1)[||]0.140(2)[||]0.144(,4),(,),(0,)[||]20.1800255(3){||0.1}2(10.9521.9615372tnE a D nnE aN a N a t a Nn nE t t dtnP tPnξξξξξξπ-+∞-==≤⇒=-≤=-==≤==≤=≤=Φ-≥=⇒≥⎰《应用数理统计》参考答案习题一0.51.(,0.5)(,){||0.1}0.9972.97442N a N anP a Pnξξξξ⇒-<=<==⇒=2242.(,4)(,)100||(1)(||)()0.90,0.330.20.2(2):P(||)N a N aa UP a U P Uaξξξξσξεε⇒--<=<==-≥≤挈比学夫不等式(5)(5)125515(3){15}1{15}1{15,15,,15}1215121[{}]221[1(1.5)]0.292P P P P ξξξξξξ>=-≤=-≤≤≤--=->=--Φ=1121212111()(1){}{,,,}{1,1,,1}()()(1)(1)k n n nn m nm n m n m ni i P k pq P M m P m m m P m m m pqpq q q ξξξξξξξ----======≤≤≤-≤-≤-≤-=-=---∑∑4.5. 6.13.0)25(1}8.012138.012{}13{)54,12(~)1()4,12(~=Φ-=->-=>ξξξξP P N N (1)(1)1255511515(2){10}1{10}1{10,10,,10}1[{10}]1[1{10}]1210121[1{}]221[11(1)]0.579P P P P P P ξξξξξξξξ<=-≥=->>>=->=--≤--=--≤=--+Φ=6(1)0.001567.2800~(0.0015)(1){800}[{800}][0.0015]x E P P e dx e ξξξ∞-->=>==⎰6(6)30000.00156 4.56(2){3000}[{3000}][0.0015](1)x P P e dx e ξξ--<=<==-⎰12121(1)11(2){}{,,,}{1,1,,1}()()n n nn k nk n k n k ni i P K k P k k k P k k k pqpq q q ξξξξξξ--====≥≥≥-≥+≥+≥+=-=-∑∑7.8.9.由中心极限定理:10.11.22222(1)(1)(1)()222~()()()[()](,)it itit n e n n e n e it i t t t nit it n n nn p t e t t ee n e e e N n λξλλξξλλλλλξλϕϕϕλξλ---+--∴=∴======∴12121233~(20,3),~(20,),~(20,)10151~(0,)2{||0.3}1220.67N N N N P P ξξξξξξξξξ-∴->=->=-Φ=2(),(),E a D ξξσ==121(0,1)(0,1)~(,)n n i i i ni i na a n N N N a n nξξσξσξ==--∴∴=∑∑∑22222222,(),()()(),(),(),(,)k k k k k k k k k k k k k kk k E a E a D E E a a a a E A a D A n a a A N a nξξξξξ===-=--∴==-∴221212122221212122212(),()(),()0,()()()2,()()()2,(1)()2(1)i i E E a D D E D D D E E D EQ n E n ξξξξσξξξξξξσξξξξξξσξξσ====∴-=-=+=∴-=-+-=∴=--=-13.14.15. N16.17.2212221221,(),(),()()0,()()()(1),11[()](1)1niii ii i iniiniiE a E a D DnE D D DnDn D nDES n Dn nE ES Dn n nσξξξσξξξξξξξσξξξξξξξ=======∴-=-=+--===--==--∑∑∑222222222424222(1),11()(1)()2(1)21 ()2(1)() nsnns nE n Es On nns nD n Ds On n n χσσσσσσσ--=-⇒==+-=-⇒==+112323''' '2(121)(1)()()()()5231()(121)23023021AD E E E EA E E A AVar Aξξξξξξηξηηηηηξξξξξ⎛⎫⎪-+=-==⎪⎪⎝⎭=--=--⎛⎫⎛⎫⎪⎪==--=⎪⎪⎪⎪⎝⎭⎝⎭11222211()2822121(2)||2241128116xx xxe dx dxπ⎛⎫⎛⎫- ⎪⎪∞∞⎝⎭⎝⎭-∞-∞-=∑-⎛⎫⎛⎫∑==⎪ ⎪-⎝⎭⎝⎭⎰⎰()11223'122111110(,),211151,11012N A A AAξηξηξηηθθ⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪⎝⎭∑⎛⎫⎛⎫⎛⎫⎪==⎪ ⎪⎪⎝⎭⎝⎭⎪⎝⎭‘=,由引理1.2.3,则-的联合分布为-18.21.22.23.11223''12111111~(,),1011111432111111121301111210.2N A A AA Aξηξξηξηθρρρρρρρρρηη⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪ ⎪-⎝⎭⎝⎭ ⎪⎝⎭∴∑⎛⎫⎛⎫+--⎛⎫⎛⎫⎪⎪∑=-=⎪ ⎪⎪⎪---⎝⎭⎝⎭⎪⎪-⎝⎭⎝⎭∴--=⇒=-==A,--时与独立2''44''22'''''' 44224(0,)(,)()()2()()()()()cov(,)(,)()() ()()2()()()2()nN IE A B tr A tr B tr ABE A E B tr A tr BA B E A B E A E Btr A tr B tr AB tr A tr B tr AB ζσζζζζσσζζζζσσζζζζζζζζζζζζσσσσσ=+=∴=-=+-=()11112222121122,1,1,0822177,122477yay y Qyba babθθθθθθθ--⎛⎫⎛⎫--=⎪⎪-⎝⎭⎝⎭⇒===-=⎛⎫⎪⎛⎫⎛⎫∴=∑== ⎪⎪ ⎪⎪⎝⎭⎝⎭⎪⎝⎭2212221~(,),~(0,),~(1),(0,1)/(1)nnN a Nn nnsn NT t nσξξξσξχσξ++---=-24.又 则令 则与 独立,则 与独立,且26.则27.'11111(,,),(,,)111(,,),()11n n n ij n n n n i i i ia a B D nn n ξξθξσσσσδσσ⨯======-∑∑'2,0,D D D BD ===221(,)(,)1()n ni i n nB N a N I ηξθσσ===∑,i i i aξγσ-=2'11,()()()ni i i a D n ηγζγγξθξθσ=-==-=--∑∑B nηξ=ξηζ)1(~2-n χζ11(,)22U ξθθ-+(1)()121111221111()2201()121()()[1()]1[]21()()[()][]2(,)(1)()()[()()](1)[]n x n n n n n n n x f x other F x dx x f x nf x F x n x f x nf x F x n x f x y n n f x f yF y F x n ny x ξξθξξθθθθθ-------⎧-<<+⎪=⎨⎪⎩==-+∴=-=⋅⋅-+==⋅+-=--=⋅-⋅-⎰2222122222212222(0,),1()||2()()()()22(1)i y n i n i i Y a N E d Y dy n a D d E d E d E n n n nσξσσξσσσπσσσππ-∞-∞===-==-=-=-=⋅-=-∑⎰∑33.34.2222122122210.3(0,0.3),(0,)1010()(9)0.310()100.18{}0.30.3{(2}0.01iniiniiniN NPPξξξξχξξξ===--⨯<-=<=∑∑∑222(2)(0,1),(1)0.3(9){0.9}0.9932nsN ntP Psnξχσξξξ--<=<=12121222221221212(3)(0,0.18),(0,0.18)(0,1),(0,1)0.18(1),()(1)0.18{()40}0.9N NN NPξξξξχχξξξξ+-+<=-2241322442213(4)~(1),~(0,0.12),10.73 {10.73}{}0.950.12()0.12NP Pξχξξξξξξξξ-<=<= -22112222122(1)(0,),(0,)(1),()(1)11,n n mi ii i nn ni iin n mN n N mn mma bn mξσξσξξχχσσσ+==+=+--==∑∑∑∑《应用数理统计》参考答案习题二1. 由矩估计法222211112(2)(),(0,)(0,1),/(),n mni ii n i nniii i i m N n N t m c m n ξχξσσξξσσ+=+===∴=∑∑∑∑∑2222221121221(3)(),()()/(1,1),/nn mi i i i n ni i n mi i n n m n m F n m d nm ξξχχσσξσξσ+==+=+=+--∴=∑∑∑∑818226212266174.00281610(74.002)88610 6.85710ii ii a X x S x nS S σ=-=--⎧===⎪⎪⎨⎪==⨯=-⎪⎩∴==⨯⨯=⨯∑∑2. (1) 由矩估计法(2)(3)(4)(5)(6)3. 11'1202()33A x EX x dx θαξθθαξθθξ==-====∴=⎰111'101(1)2211A EX x x dx θαξθαθξθξθξ==+==+==+-∴=-⎰1211211122222221212222222121112()2x x n ii e xdx e x dx A X n A S S S θθθθθθαθθξθαθθξθξθξθθξθξθ--+∞--+∞==⋅=+==⋅===+∴=+==-+⎧=-⎪∴⎨=⎪⎩⎰∑⎰111(1)122Ni NN A x N NN ξξ=+===⋅⇒=∑11102()1A dx ξξθξ===⇒=-⎰22122(1)(1)2k k A k k ξθθθθξ∞-===--=⇒=∑2()02{0},(){0}0{}()0.7,11x a A X A P A P dxaaP a p ξξξ--=<=<=--=<=Φ-=≈⎰设表示出现的次数,4.(1)11111(1)()ln ()[ln ln (1)ln ]ln ()1[ln ln ]ln ln 0ln ln ni i ni i n ni i i i ni i L c x L c x L c x n c x n nx n cθθθθθθθθθθθθθ-+=======+-+∂=+-=+-=∂=-∏∑∑∑∑1111221(2)()ln ()[ln 1)ln ]ln ()]0(ln )ni ni i n i i ni i L L x L x n x θθθθθ======+∂=+=∂=∑∑∑11()()()()11(3)()ln ()ln ln ()011,,,,()0,0,11,()()n n i n n n nn nn n n L L n L n L other other L L θθθθθθθθξξθξθθθθθξθξθξ====-∂=-=∂⎧⎧≤≤⎪⎪==⎨⎨⎪⎪⎩⎩≤≤=∏11()()()()11(3)()ln ()ln ln ()011,,,,()0,0,11,()()nn i n n n n n n n n n L L n L n L other other L L θθθθθθθθξξθξθθθθθξθξθξ====-∂=-=∂⎧⎧≤≤⎪⎪==⎨⎨⎪⎪⎩⎩≤≤=∏1111(4)()(1)ln ()[ln ln ()ln(1)]()ln ()01i iii nx x N x N i nx N i i i n niii i L C L C x N x x N x L x Nθθθθθθθθθθθ-=====-=++---∂=-=∂-=∏∑∑∑5.221()212212241(5)()()ln()[ln]22()2()ln()[022in xiniini iiLxLx xLθθθθθθθθθθθθθξθ--====-=-----∂==∂=∑∑(1)11(1)11(1)(1)(6)()ln()[ln ln(1)ln]ln()(),,,()()nc ciiniinc ci niL c xL c c c xL ncL c xL Lθθθθθθθθθθθξξθξθξ-+==-+===--+∂=-=∂=≤≤⇒=∏∑∏不能解出,所以由22111(7)()1)(1)ln()[2ln(2)ln(1)ln(1)]2ln()22]01inxiini iiniiL xL x xx nL nθθθθθθθθθθθξ-====--=+--+--∂=-=⇒=∂-∏∑∑(11max(1)~(,0)11(1)(),,,0(),()()nnniULL Lξθθθξξθθθξθθ==-=<<-=≤∏11()1min~(,2)11(2)(),,,2,()(),,,222nnnin nULL Lξθθθθξξθθθξξξθθθθ===<<=≤<∏6.7.所以不唯一。

《应用数理统计》习题解答

《应用数理统计》习题解答

2214243.(1)[||]0.140(2)[||]0.144(,4),(,),(0,)[||]20.1800255(3){||0.1}2(10.9521.9615372tnE a D nnE aN a N a t a NnnE t t dtnP t Pnξξξξξξπ-+∞-==≤⇒=-≤=-==≤==≤=≤=Φ-≥=⇒≥⎰《应用数理统计》参考答案习题一0.51.(,0.5)(,){||0.1}0.9972.97442N a N anP a Pnξξξξ⇒-<=<==⇒=2242.(,4)(,)100||(1)(||)()0.90,0.330.20.2(2):P(||)N a N aa UP a U P Uaξξξξσξεε⇒--<=<==-≥≤挈比学夫不等式(5)(5)125515(3){15}1{15}1{15,15,,15}1215121[{}]221[1(1.5)]0.292P P P P ξξξξξξ>=-≤=-≤≤≤--=->=--Φ=1121212111()(1){}{,,,}{1,1,,1}()()(1)(1)k n n nn m nm n m n m ni i P k pq P M m P m m m P m m m pqpq q q ξξξξξξξ----======≤≤≤-≤-≤-≤-=-=---∑∑4.5. 6. 13.0)25(1}8.012138.012{}13{)54,12(~)1()4,12(~=Φ-=->-=>ξξξξP P N N (1)(1)1255511515(2){10}1{10}1{10,10,,10}1[{10}]1[1{10}]1210121[1{}]221[11(1)]0.579P P P P P P ξξξξξξξξ<=-≥=->>>=->=--≤--=--≤=--+Φ=6(1)0.001567.2800~(0.0015)(1){800}[{800}][0.0015]x E P P e dx e ξξξ∞-->=>==⎰6(6)30000.00156 4.56(2){3000}[{3000}][0.0015](1)x P P e dx e ξξ--<=<==-⎰1212(2){}{,,,}{1,1,,1}n n nn P K k P k k k P k k k ξξξξξξ==≥≥≥-≥+≥+≥+7.8.均值的和(差)等于和的均值,方差的和差都等于方差的和9.由中心极限定理:10.11.22222(1)(1)(1)()222~()()()[()](,)it itit n e n n e n e it i t t tn it it n n nn p t e t t ee n e e e N n λξλλξξλλλλλξλϕϕϕλξλ---+--∴=∴======∴12121233~(20,3),~(20,),~(20,)10151~(0,)2{||0.3}1220.67N N N N P P ξξξξξξξξξ-∴->=->=-Φ=2(),(),E a D ξξσ==121(0,1)(0,1)~(,)n n i i i ni i na a n N N N a n nξξσξσξ==--∴∴=∑∑∑22222222,(),()()(),(),(),(,)k k k k k k k k k k k k k kk k E a E a D E E a a a a E A a D A n a a A N a nξξξξξ===-=--∴==-∴22121212222(),()(),()0,()()()2,()()()2,i i E E a D D E D D D E E D ξξξξσξξξξξξσξξξξξξσ====∴-=-=+=∴-=-+-=13.14.15.16.2212221221,(),(),()()0,()()()(1),11[()](1)1niii ii i iniiniiE a E a D DnE D D DnDn D nDES n Dn nE ES Dn n nσξξξσξξξξξξξσξξξξξξξ=======∴-=-=+--===--==--∑∑∑222222222424222(1),11()(1)()2(1)21 ()2(1)() nsnns nE n Es On nns nD n Ds On n n χσσσσσσσ--=-⇒==+-=-⇒==+112323''' '2(121)(1)()()()()5231()(121)23023021AD E E E EA E E A AVar Aξξξξξξηξηηηηηξξξξξ⎛⎫⎪-+=-==⎪⎪⎝⎭=--=--⎛⎫⎛⎫⎪⎪==--=⎪⎪⎪⎪⎝⎭⎝⎭11223''''110(2)(,)111()()()()5231()(121)23023021BE E E EB E E B BVar Bξηηηξξξηηηηξξξξξ⎛⎫⎛⎫ ⎪===⎪ ⎪⎝⎭ ⎪⎝⎭∑=--=--⎛⎫⎛⎫⎪⎪==--=⎪⎪⎪⎪⎝⎭⎝⎭11222211()2822121(2)||2241128116xx xxe dx dxπ⎛⎫⎛⎫- ⎪⎪∞∞⎝⎭⎝⎭-∞-∞-=∑-⎛⎫⎛⎫∑==⎪ ⎪-⎝⎭⎝⎭⎰⎰17.18.21.22.()11223'122'111110(,),211151,1101221111111100130111100310110N A A AAA Aξηξηξηηθθ⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪⎝⎭∑⎛⎫⎛⎫⎛⎫⎪==⎪ ⎪⎪⎝⎭⎝⎭⎪⎝⎭⎛⎫⎛⎫⎛⎫⎛⎫⎪⎪∑=-=⎪ ⎪⎪⎪⎝⎭⎝⎭⎪⎪⎝⎭⎝⎭‘=,由引理1.2.3,则-的联合分布为--11223''12111111~(,),1011111432111111121301111210.2N A A AA Aξηξξηξηθρρρρρρρρρηη⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪ ⎪-⎝⎭⎝⎭ ⎪⎝⎭∴∑⎛⎫⎛⎫+--⎛⎫⎛⎫⎪⎪∑=-=⎪ ⎪⎪⎪---⎝⎭⎝⎭⎪⎪-⎝⎭⎝⎭∴--=⇒=-==A,--时与独立2''44''22'''''' 44224(0,)(,)()()2()()()()()cov(,)(,)()() ()()2()()()2()nN IE A B tr A tr B tr ABE A E B tr A tr BA B E A B E A E Btr A tr B tr AB tr A tr B tr AB ζσζζζζσσζζζζσσζζζζζζζζζζζζσσσσσ=+=∴=-=+-=()11112222121122,1,1,0822177,122477yay y Qyba babθθθθθθθ--⎛⎫⎛⎫--=⎪⎪-⎝⎭⎝⎭⇒===-=⎛⎫⎪⎛⎫⎛⎫∴=∑== ⎪⎪ ⎪⎪⎝⎭⎝⎭⎪⎝⎭23.24.又 则令 则与 独立,则 与独立,且26.则2212221~(,),~(0,),~(1),(0,1)/(1)n n N a N n n ns n N T t n σξξξσξξχσξξ++----=-'11111(,,),(,,)111(,,),()11n n n ij n n n n i i i ia a B D nn n ξξθξσσσσδσσ⨯======-∑∑'2,0,D D D BD ===221(,)(,)1()n ni i nnB N a N I ηξθσσ===∑,i i i aξγσ-=2'11,()()()ni i i a D n ηγζγγξθξθσ=-==-=--∑∑B nηξ=ξηζ)1(~2-n χζ11(,)22U ξθθ-+(1)()121111221111()2201()121()()[1()]1[]21()()[()][]2(,)(1)()()[()()](1)[]n x n n n n n n n x f x other F x dx x f x nf x F x n x f x nf x F x n x f x y n n f x f y F y F x n n y x ξξθξξθθθθθ-------⎧-<<+⎪=⎨⎪⎩==-+∴=-=⋅⋅-+==⋅+-=--=⋅-⋅-⎰27.33.2222122222212222(0,),1()||2 ()()()()22(1)iyniniiY a NE d Y dynaD dE d E d Ennn nσξσσξσσσπσσσππ-∞-∞===-==-=-=-=⋅-=-∑⎰∑2222122122210.3(0,0.3),(0,)1010()(9)0.310()100.18{}0.30.3{(2}0.01iniiniiniN NPPξξξξχξξξ===--⨯<=<=∑∑∑222(2)(0,1),(1)0.3(9){0.9}0.9932nsN ntP Psnξχσξξξ--<=<=12121222221221212(3)(0,0.18),(0,0.18)(0,1),(0,1)0.18(1),()(1)0.18{()40}0.9N NN NPξξξξχχξξξξ+-+-+<=-224132244(4)~(1),~(0,0.12),10.73 {10.73}{}0.95NP Pξχξξξξ-<=<=34.《应用数理统计》参考答案2211222212222211(1)(0,),(0,)(1),()(1)11,()()(2)nn miii i n nniii nn mi i i i n N n N m n m m a b n m a b n m ξσξσξξχχσσσξξχ+==+=+==+--==++-∑∑∑∑∑∑222211112(2)(),(0,)(0,1),/(),n mni ii n i nniii i i m N n N t m c m n ξχξσσξξσσ+=+===∴=∑∑∑∑∑2222221121221(3)(),()()/(1,1),/nn mi i i i n ni i n mi i n n m n mF n m d nm ξξχχσσξσξσ+==+=+=+--∴=∑∑∑∑1. 由矩估计法2. (1) 由矩估计法(2)(3)(4)(5)818226212266174.00281610(74.002)88610 6.85710181ii i i a X x S x n S S n σ=-=--⎧===⎪⎪⎨⎪==⨯=-⎪⎩∴==⨯⨯=⨯--∑∑11'1202()33A x EX x dx θαξθθαξθθξ==-====∴=⎰111'101(1)2211A EX x x dx θαξθαθξθξθξ==+==+==+-∴=-⎰1211211122222221212222222121112()2x x n i i e xdx e x dx A X n A S S S θθθθθθαθθξθαθθξθξθξθθξθξθ--+∞--+∞==⋅=+==⋅===+∴=+==-+⎧=-⎪∴⎨=⎪⎩⎰∑⎰111(1)122Ni N NA x N NN ξξ=+===⋅⇒=∑11102()1A dx ξξθξ===⇒=-⎰2∞3.4.2()2{0},(){0}{}()0.7,110.7,0.525x aA X AP A P dxa aP a pp aξξξ--=<=<=--=<=Φ-=≈∴≈=-⎰设表示出现的次数,(1)11111(1)()ln()[ln ln(1)ln]ln()1[ln ln]ln ln0 ln lnniiniin ni ii iniiL c xL c xLc x n c xnnx n cθθθθθθθθθθθθθ-+=======+-+∂=+-=+-=∂=-∏∑∑∑∑1111221(2)()ln()[ln1)ln]ln()]0(ln)niniiniiniiLL xLxnxθθθθθ======+∂=+=∂=∑∑∑11()()()()11(3)()ln()lnln()11,,,,()0,0,11,()()nnin nn nnn nnnLL nL nLother otherL Lθθθθθθθθξξθξθθθθθξθξθξ====-∂=-=∂⎧⎧≤≤⎪⎪==⎨⎨⎪⎪⎩⎩≤≤=∏11()()()()11(3)()ln()lnln()11,,,,()0,0,11,()()nnin nn nnn nnnLL nL nLother otherL Lθθθθθθθθξξθξθθθθθξθξθξ====-∂=-=∂⎧⎧≤≤⎪⎪==⎨⎨⎪⎪⎩⎩≤≤=∏5.221()212212241(5)()()ln()[ln]22()2()ln()[022in xiniini iiLxLx xLθθθθθθθθθθθθθξθ--====-=-----∂==∂=∑∑(1)11(1)11(1)(1)(6)()ln()[ln ln(1)ln]ln()(),,,()()nc ciiniinc ci niL c xL c c c xL ncL c xL Lθθθθθθθθθθθξξθξθξ-+==-+===--+∂=-=∂=≤≤⇒=∏∑∏不能解出,所以由22111(7)()1)(1)ln()[2ln(2)ln(1)ln(1)]2ln()22]01inxiini iiniiL xL x xx nL nθθθθθθθθθθθξ-====--=+--+--∂=-=⇒=∂-∏∑∑(~(,0)11nUξθ∏6.7.所以不唯一。

应用数理统计课后习题参考答案

应用数理统计课后习题参考答案

习题五1试检验不同日期生产的钢锭的平均重量有无显著差异?(α=0.05) 解 根据问题,因素A 表示日期,试验指标为钢锭重量,水平为5.假设样本观测值(1,2,3,4)ij y j =来源于正态总体2~(,),1,2,...,5i i Y N i μσ= .检验的问题:01251:,:i H H μμμμ===L 不全相等 .计算结果:表5.1 单因素方差分析表注释: 当=0.001表示非常显著,标记为 ‘***’,类似地,= 0.01,0.05,分别标记为 ‘**’ ,‘*’ .查表0.95(4,15) 3.06F =,因为0.953.9496(4,15)F F =>,或p = 0.02199<0.05, 所以拒绝0H ,认为不同日期生产的钢锭的平均重量有显著差异.2 考察四种不同催化剂对某一化工产品的得率的影响,在四种不同催化剂下分别做试验 试检验在四种不同催化剂下平均得率有无显著差异?(α=0.05)解根据问题,设因素A 表示催化剂,试验指标为化工产品的得率,水平为4 .假设样本观测值(1,2,...,)ij i y j n =来源于正态总体2~(,),1,2,...,5i i Y N i μσ= .其中样本容量不等,i n 分别取值为6,5,3,4 .检验的问题:012341:,:i H H μμμμμ===不全相等 .计算结果:表5.2 单因素方差分析表查表0.95(3,14) 3.34F =,因为0.952.4264(3,14)F F =<,或p = 0.1089 > 0.05,所以接受0H ,认为在四种不同催化剂下平均得率无显著差异 .3 试验某种钢的冲击值(kg ×m/cm2),影响该指标的因素有两个,一是含铜量A ,另试检验含铜量和试验温度是否会对钢的冲击值产生显著差异?(α=0.05) 解 根据问题,这是一个双因素无重复试验的问题,不考虑交互作用.设因素,A B 分别表示为含铜量和温度,试验指标为钢的冲击力,水平为12.假设样本观测值(1,2,3,1,2,3,4)ij yi j ==来源于正态总体2~(,),1,2,3,ij ij Y N i μσ=1,2,3,4j = .记i α⋅为对应于i A 的主效应;记j β⋅为对应于j B 的主效应;检验的问题:(1)10:i H α⋅全部等于零,11:i H α⋅不全等于零;(2)20:j H β⋅全部等于零,21:j H β⋅不全等于零; 计算结果:表5.3 双因素无重复试验的方差分析表查表0.95(2,6) 5.143F =,0.95(3,6) 4.757F =,显然计算值,A B F F 分别大于查表值,或p = 0.0005,0.0009 均显著小于0.05,所以拒绝1020,H H ,认为含铜量和试验温度都会对钢的冲击值产生显著影响作用.设每个工人在每台机器上的日产量都服从正态分布且方差相同 .试检验:(α=0.05)1) 操作工之间的差异是否显著? 2) 机器之间的差异是否显著?3) 它们的交互作用是否显著?解 根据问题,这是一个双因素等重复(3次)试验的问题,要考虑交互作用.设因素,A B 分别表示为机器和操作,试验指标为日产量,水平为12. 假设样本观测值(1,2,3,1,2,3,4)ijk y i j ==来源于正态总体2~(,),1,2,3,ij ij Y N i μσ= 1,2,3,4j =,1,2,3k = .记i α⋅为对应于i A 的主效应;记j β⋅为对应于j B 的主效应;记ij γ为对应于交互作用A B ⨯的主效应; 检验的问题:(1)10:i H α⋅全部等于零,11:i H α⋅不全等于零; (2)20:j H β⋅全部等于零,21:j H β⋅不全等于零; (3)30:ij H γ全部等于零,31:ij H γ不全等于零;计算结果:表5.4 双因素无重复试验的方差分析表查表0.95(3,24) 3.01F =,0.95(2,24) 3.4F =,0.95(6,24) 2.51F =,计算值 3.01,A F <3.4, 2.51B A B F F ⨯>>,或0.05A p >>,而,B A B p p ⨯均显著小于0.05,所以拒绝2030,H H ,接受10H ,认为操作工之间的差异显著,机器之间的差异不显著,它们之间的交互作用显著 . 5 某轴承厂为了提高轴承圈退火的质量,制定因素水平分级如下表所示因素 上升温度℃ 保温时间(h)出炉温度℃水平1 800 6 400 水平28208500试填好正交试验结果分析表并对试验结果进行直观分析和方差分析 .解 根据题意,这是一个3因素2水平的试验问题 .试验指标为硬度的合格率 .应选择正交表44(2)L 来安排试验,随机生成正交试验表如下:方差来源 自由度 平方和 均方 F 值 P 值 因素A 因素B 相互效应A ×B误差 总和3 2 6 24 352.750 27.167 73.5 41.333 144.750.917 13.583 12.250 1.7220.5323 7.8871 7.11290.6645 0.00233** 0.00192**由此可见第三号试验条件为:上升温度800℃、保温时间6h 、出炉温度500℃ . 直观分析需要计算K 值,计算结果如下:直观分析 由计算的K 值知,因素A 、B 、C 的极差分别为70,40,40,因此主次关系为A B C >=,B ,C 相当 .由于试验指标为硬度的合格率,应该是越大越好,所以各确定因素的水平分别是121,,A B C ,即最佳的水平组合是121A B C ,即最佳搭配为:上升温度800℃、保温时间8h 、出炉温度400℃.采用方差分析法,计算得下表:表5.7 方差分析表方差来源平方和 自由度 均方差 F 值 A 1225 1 1225 1 B 400 1 400 0.33 C 400 1 400 0.33 误差 1225 1 1225 总和32504如果显著性检验水平取0.1α=,则查表得0.9(1,1)39.9F =,显然计算的F 值1,0.33A B C F F F ===均小于查表值,所以认为三个因素对结果影响都显著 .6问应选用哪张正交表安排试验,并写出第8号试验的条件;如果9组试验结果为(单位:kg/100m 2):62.925,57.075,51.6,55.05,58.05,56.55,63.225,50.7,54.45,试对该正交试验结果进行直观分析和方差分析.解 该问题属于3因素3水平的试验问题,试验指标为水稻产量 .根据题意应选择正交表49(3)L 来安排试验,随机生成正交表如下:由表可知,第8号试验的条件:品种(A 3)珍珠矮11号,插值密度(B 2)3.75棵/100m 2,施肥量(C 1)0.75kg/100m 2纯氨; 直观分析需要计算K 值,计算结果如下:同上题进行直观分析,得出K 值的大小关系为:111312212223333132,,K K K K K K K K K >>>>>>由直观分析看出:本例较好的水平搭配是:113A B C 采用方差分析法,计算得下表:表5.10 方差分析表方差来源平方和自由度 均方差F 值A 1.759 2 0.879 0.0223B 65.861 2 32.931 0.8361C 6.660 2 3.330 0.0845 误差78.776 239.388 39.3880.9(2,2)9F =,所以认为三个因素对结果影响都不显著.7 在阿魏酸的合成工艺考察中,为了提高产量,选取了原料配比A ,吡啶量B 和反应时间C 三个因素,它们各取了7个水平如下:原料配比A :1.0,1.4,1.8,2.2,2.6,3.0,3.4 吡啶量B :10,13,16,19,22,25,28 反应时间C :0.5,1.0,1.5,2.0,2.5,3.0,3.5试选用合适的均匀设计表安排试验,并写出第7号试验的条件;如果7组试验的结果(收率)为:0.33,0.336,0.294,0.476,0.209,0.451,0.482,试对该均匀试验结果进行直观分析并通过回归分析发现可能更好的工艺条件.解 根据题意选择均匀设计表47(7)U 来安排试验,有3个因素,根据使用表,实验安排如:表5.11 试验安排表6 6 5 4 0.4517 7 7 7 0.482 所以第7号实验的条件为:原配料比3.4,吡啶量28ml,反应时间3.5h.通过直观分析,最好的实验条件是:原配料比3.4,吡啶量28ml,反应时间3.5h. 通过回归分析,最合适的实验条件是:原配料比2.6,吡啶量16ml,反应时间0.5h.习题六1 从某中学高二女生中随机选取8名,测得其升高、体重如下:1 2 3 4 5 6 78身高(cm)160 159 160 157 169 162 165 154体重(kg)49 46 53 41 49 50 48 43在绝对距离下,试用最短距离法和离差平方和法对其进行聚类分析.解由R软件,用最短距离(左)和差离平方和法(右)对题目进行聚类分析如下图6.1,表6.1和表6.2:最短距离法离差平方和法图6.1 聚类树形图表6.1 聚类附表(最短距离法)步骤聚类合并系数首次出现的阶段类别下一步组1 组2 组1 组21 1 6 5.000 0 0 22 1 2 10.000 1 0 43 4 8 13.000 0 0 74 1 7 13.000 2 0 55 1 3 13.000 4 0 66 1 5 17.000 5 0 7表6.2 聚类附表(离差平方和法)2 已知五个变量的距离矩阵为03674012340444401592343331).;2);3)036034022020401000⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭试用最短距离法和最长距离法对这些变量进行聚类,并画出聚类图和二分树.解 针对距离矩阵1),采用两种方法计算如下. ①最短距离法的聚类步骤如下:12345036740159036020w w w w w ⎛⎫ ⎪⎪ ⎪ ⎪⎪⎪⎝⎭a )将()236,1w w f h =合并为一类,,{}11456,,,,H w w w h =距离矩阵如下0743023060⎛⎫ ⎪⎪ ⎪ ⎪⎝⎭{}()457457),,,2b w w h w w f h ==合并为一类,{}2167,,,H w h h =距离矩阵如下:034030⎛⎫ ⎪⎪ ⎪⎝⎭{}()()1681689),,3,3c w h h w h f h f h ===合并为一类,最后,,聚类图和树状图如图6.2:图6.2 聚类图(左)与树状图(右)②最长距离法与最短距离法类似,步骤如下: a )()236,1w w f h =合并为一类,{}11456,,,,H w w w h =距离矩阵如下0746025090⎛⎫ ⎪⎪ ⎪ ⎪⎝⎭ {}(){}4574572167),,,2,,,b w w h w w f h H w h h ===合并为一类,距离矩阵如下:067090⎛⎫⎪⎪ ⎪⎝⎭{}()()1681689),,69c w h h w h f h f h ===合并为一类,最后,,,聚类图和树状图如图6.3:图6.3 聚类图(左)与树状图(右)(2)针对距离矩阵2)012340234034040⎛⎫ ⎪⎪ ⎪ ⎪⎪⎪⎝⎭①最短距离法的聚类步骤如下 a )()216,1w w f h =合并为一类,{}13456,,,,0342043040H w w w h =⎛⎫⎪⎪ ⎪ ⎪⎝⎭距离矩阵如下{}()367367),,,2b w h h w h f h ==合并为一类,{}24567,,,,H w w h h =聚类矩阵如下:043040⎛⎫⎪⎪ ⎪⎝⎭{}(){}()4784789879),,3,,4c w h h w h f h h w h f h ====合并为一类,最后,,聚类图和树状图如图6.4:图6.4 聚类图(左)与树状图(右)②由于本题数据的特殊性,最长距离法与最短距离法结果相同(略). (3)044440333022010⎛⎫ ⎪⎪ ⎪ ⎪⎪⎪⎝⎭最短距离法的聚类步骤如下a ) ()456,1w w f h =合并为一类,{}11236,,,,H w w w h =距离矩阵如下0444033020⎛⎫ ⎪⎪ ⎪ ⎪⎝⎭{}(){}36736724567),,,2,,,,b w h h w h f h H w w h h ===合并为一类,距离矩阵如下:044030⎛⎫⎪⎪ ⎪⎝⎭{}(){}()4784789879),,3,,4c w h h w h f h h w h f h ====合并为一类,最后,,,聚类图和树状图如图6.5:图6.5 聚类图(左)与树状图(右)由于本题数据的特殊性,最长距离法与最短距离法结果相同(略).3 在一项关于作物对土壤营养的反应的研究中,要测定土壤的总磷量和总氮量(占干物质重的百分比),今对10份土样测得数据如下:总氮量(%)0.120.63 1.19 2.30 1.29 0.73 0.52 0.33 0.61 0.470.66在绝对距离下,试用重心法对其进行聚类分析.解由R软件得到重心法聚类分析的结果如图6.6与表6.3:图6.6 聚类树形图表6.3 聚类过程记录表步骤聚类合并系数首次出现的阶段类别下一步组1 组2 组1 组21 1 8 .001 0 0 22 1 10 .002 1 0 43 6 9 .005 0 0 64 15 .010 2 0 75 2 4 .010 0 0 86 67 .027 3 0 77 1 6 .048 4 6 88 1 2 .459 7 5 99 1 3 2.572 8 0 04 1975年Dagnelie收集了11年的气象数据资料如下表变量年序x1x2x3x4其中:x 1—前一年11月12日的降水量;x 2—7月均温;x 3—7月降雨量;x 4—月日辐射,试对这四个气象因子进行主成分分析. 解 由R 软件分析得到如下表6.4,6.5:表6.4 各主成分的重要性:主成分1 主成分2 主成分3 主成分4 标准差 1.6103349 0.9890848 0.53407741 0.37854199 方差贡献率 0.6482947 0.2445722 0.07130967 0.03582351 累积贡献率0.64829470.89286680.964176491.00000000表6.5 因子荷载:主成分1 主成分2 主成分3 主成分4 X1 0.291 0.871 0.332 -0.214 X2 -0.506 0.425 -0.742 -0.111 X3 0.577 0.136 -0.418 0.688 X4-0.5710.2050.4040.685由于前两个主成分对应的累积贡献率已经达到89.287,因此选取主成分的数目为2.5 对某初中12岁的女生进行体检,测量其身高x 1、体重x 2、胸围x 3和坐高x 4,共测得58个样本,并算得1234(,,,)x x x x x ='的样本协方差为19.9410.5023.566.5919.7120.958.637.97 3.937.55S ⎛⎫ ⎪⎪= ⎪ ⎪ ⎪⎝⎭ 试进行样本主成分分析.解 首先计算样本的相关系数矩阵:10.484410.32240.887210.70330.59760.31251⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭设相关系数矩阵的特征值和特征向量分别为d 和v 阵,计算得到0.0546000 0 0.312600= 000.96470 000 2.6681d ⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭即四个特征值依次为:2.6681,0.9647,0.3126,0.0546,前两个主成分的累计贡献率为:90.8471%,因此提取主成分为2.四个特征根相应的特征向量为0.06000.70600.5333 0.4620 0.7317 0.17430.34040.5642=0.60570.19320.60400.48060.30690.65870.48460.4870v -⎛⎫ ⎪-⎪ ⎪--- ⎪-⎝⎭ 因此,两个主成分的表达式为:112340.060.73170.60570.3069z x x x x =+-- 212340.7060.17430.19320.6587z x x x x =-+-+6 比较因子分析和主成分分析模型的异同,阐明两者的关系. 解(1)提取公因子的方法主要有主成分法和公因子法.若采取主成分法,则主成分分析和因子分析基本等价,该法从解释变量的变异的角度出发,尽量使变量的方差能被主成分解释;而公因子法主要从解释变量的相关性角度,尽量使变量的相关程度能被公因子解释,当因子分析目的重在确定结构时则用到该法.(2)主成分分析和因子分析都是在多个原始变量中通过他们之间的内部相关性来获得新的变量,达到既减少分析指标个数,又能概括原始指标主要信息的目的.但他们各有其特点:主成分分析是将n 个原始变量提取m 个支配原始变量的公因子,和1个特殊因子,各因子之间可以相关或不相关.(3)统用降维的方法,但差异也很明显:主成分分析把方差划分为不同的正交成分,而因子分析则把方差化分为不同的起因因子;因子分析中的特征值的计算只能从相关系数矩阵出发,且必须把主成分划分为因子.(4)因子分析提取的公因子比主成分分析提取的主成分更具有可解释性.(5)两者分析的实质及重点不同.主成分的数学模型为Y AX =,因子分析的数学模型为X AF ε=+.因而可知主成分分析是实际上是线性变换,无假设检验,而因子分析是统计模型,某些因子模型是可以得到假设检验的;主成分分析主要综合原始数据的信息,而因子分析重在解释原始变量之间的关系.(6)SPSS 数据的实现:两者都通过“analyzedata reduction Factor ···”过程实现,但主成分分析主要使用“descriptires ”,“extraction ”,“stores ”对话框,而因子分析处使用这些外,还可使用“rotaction ”对话框进行因子旋转.7 试对第4题的变量作因子分析,并将结果和上面的结果进行比较. 解 用SPSS 分析,计算结果如下表6.6-6.8:表6.6 反应压缩比情况表 提取方法: 主成分法计算的相关系数矩阵的特征值和方差贡献率:表6.7 方差解释度提取方法: 主成分法表6.8 主成分矩阵8 为研究某一树种的叶片形态,选取50片叶测量其长度x 1(mm )和宽度x 2(mm ),按样本数据求得其平均值和协方差矩阵为:129048134,92,4845x x S ⎛⎫=== ⎪⎝⎭求出相关系数阵R ,并由R 出发作因子分析;解1)求相关系数矩阵:904810.7303,48900.73031S R ⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭ 2)用R 软件求R 的特征根及其相应的特征向量,软件输出结果如下:$values[1] 2.99393809 0.07273809 $vectors[,1] [,2] [1,] 0.7071068 -0.7071068 [2,] 0.7071068 0.7071068122.9939,0.0727,λλ∴==12(),()0.7071,0.7071-0.7071,0.7071T Tηη==3) 求载荷矩阵A :1.22350.19071.22350.1907A -⎛⎫= ⎪⎝⎭4)22121.5333, 1.5333,h h == 0.98810.154*0.98810.154A -⎛⎫= ⎪⎝⎭12121,1,0.3043,0.3043u u v v ===-=,222222000011112,0,()0.9074,20i i iii i i i i i A u B v C u v D u v =========-===∑∑∑∑9 1981年,生物学家Grogan 和Wirth 对两种蠓虫Af 和Apf 根据其触角长度x 1和翼长x 2进行了分类,分类的数据资料如下:Af 1 2 3 4 5 6 7 8 x 1 1.24 1.36 1.38 1.38 1.38 1.40 1.48 1.54 x 2 1.27 1.74 1.64 1.82 1.90 1.70 1.82 1.82 Apf 1 2 3 4 5 6 x 1 1.14 1.18 1.20 1.26 1.28 1.30 x 2 1.78 1.96 1.86 2.00 2.00 1.96 (1)试建立Af 和Apf 的Fisher 判别模型;(2)对样本(1.24,1.80),(1.28,1.84),(1.40,2.04)进行判别分类. 解 (1)建立Fisher 判别模型991122121111(,)(1.42,1.75),(,)(1.23,1.93)99T TT T i i i i i i x x y y μμ======∑∑120.08480.1490.01980.0218,0.1490.39120.02180.039A A ⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭12120.0080.0130.0130.0332A A n n ⎛⎫+== ⎪+-⎝⎭∑()120.19,0.18Tμμ-=-,()()121 1.325,1.842T μμ+= 1345.05135.42135.4283.33--⎛⎫= ⎪-⎝⎭∑, 带入Fisher 判别函数 ()12345.05135.42[(,)(1.325,1.84)]0.19,0.18135.4283.33Tx x -⎛⎫-- ⎪-⎝⎭1291.301741.336944.534x x =--(2)把三个样本(1.24,1.80),(1.28,1.84),(1.4,2.04)带入模型,得到结果:三个样本均属于Apf 类.10 在两个玉米品种之间进行判别:137玉米G 1和甜玉米G 2,选取的两个变量是:x 1—玉米果穗长;x 2—玉米果穗直径,两个类的样本容量为n 1=n 2=40,实际算得两个类的样本均值和样本协方差为:121218.5625.348.120 4.4589.661 3.720,,,5.98 4.12 4.458 4.350 3.720 3.410x x S S ⎛⎫⎛⎫⎛⎫⎛⎫==== ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭试建立G 1,G 2的Bayes 类线性判别函数.解 因为已知两类的样本均值和样本协方差为:12(18.56,5.98),(25.34,4.12)T T x x ==,128.120 4.4589.661 3.720,4.458 4.350 3.720 3.410S S ⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭可计算得到修正的公共协方差矩阵和逆矩阵12120.2280.1450.1450.0992A A n n ⎛⎫+== ⎪+-⎝⎭∑,15.6393.738.25147.38--⎛⎫= ⎪-⎝⎭∑()()()121216.78,1.86,21.95,5.052TTμμμμ-=-+= 带入Fisher 判别函数()112121(())()2T W x x μμμμ-=-+-∑ ()()12 5.6393.73[(,)21.95,5.05] 6.78,1.868.25147.38Tx x -⎛⎫=-- ⎪-⎝⎭1274.396.951141.29x x =-+-。

《应用数理统计》第三章假设检验课后作业参考答案

《应用数理统计》第三章假设检验课后作业参考答案

第三章 假设检验课后作业参考答案3.1 某电器元件平均电阻值一直保持2.64Ω,今测得采用新工艺生产36个元件的平均电阻值为2.61Ω。

假设在正常条件下,电阻值服从正态分布,而且新工艺不改变电阻值的标准偏差。

已知改变工艺前的标准差为0.06Ω,问新工艺对产品的电阻值是否有显著影响?(01.0=α)解:(1)提出假设64.2:64.2:10≠=μμH H , (2)构造统计量36/06.064.261.2/u 00-=-=-=nX σμ(3)否定域⎭⎬⎫⎩⎨⎧>=⎭⎬⎫⎩⎨⎧>⋃⎭⎬⎫⎩⎨⎧<=--21212αααu u uu u u V (4)给定显著性水平01.0=α时,临界值575.2575.2212=-=-ααuu ,(5) 2αu u <,落入否定域,故拒绝原假设,认为新工艺对电阻值有显著性影响。

3.2 一种元件,要求其使用寿命不低于1000(小时),现在从一批这种元件中随机抽取25件,测得其寿命平均值为950(小时)。

已知这种元件寿命服从标准差100σ=(小时)的正态分布,试在显著水平0.05下确定这批元件是否合格。

解:{}01001:1000, H :1000X 950 100 n=25 10002.5V=u 0.05H x u αμμσμα-≥<====->=提出假设:构造统计量:此问题情形属于u 检验,故用统计量:此题中:代入上式得:拒绝域:本题中:0.950.950u 1.64u 0.0u H =>∴即,拒绝原假设认为在置信水平5下这批元件不合格。

3.3某厂生产的某种钢索的断裂强度服从正态分布()2,σμN ,其中()2/40cm kg =σ。

现从一批这种钢索的容量为9的一个子样测得断裂强度平均值为X ,与以往正常生产时的μ相比,X 较μ大20(2/cm kg )。

设总体方差不变,问在01.0=α下能否认为这批钢索质量显著提高? 解:(1)提出假设0100::μμμμ>=H H , (2)构造统计量5.13/4020/u 00==-=nX σμ (3)否定域{}α->=1u u V(4)给定显著性水平01.0=α时,临界值33.21=-αu(5) α-<1u u ,在否定域之外,故接受原假设,认为这批钢索质量没有显著提高。

应用数理统计答案2

应用数理统计答案2

案 网
ww w. kh da w.
co
ln L(θ ) = ∑ [ln θ + ( θ − 1) ln xi ]
m
̂ =ξ θ (n)
课 后
n ∂ ln L(θ ) =− =0 θ ∂θ ⎧1 ⎧1 ⎪ n , ξ1 ,… , ξ n ≤ θ ⎪ n , ξ ( n ) ≤ θ ∵ L(θ ) = ⎨θ = ⎨θ ⎪ ⎪ 0, other ⎩ ⎩ 0, other 1 1 ≤ , L(θ ) ≤ L(ξ ( n ) ) n n θ ξ( n )
co
m
(3)
α2 = ∫
+∞
θ1
1 e θ2
2

x −θ1 θ2
n 1 ⋅ x 2 dx = A2 = ∑ X i2 = θ12 + 2θ 2 ξ n i =1
课 后
⎧ ⎪θ1 = ξ − S ∴⎨ ⎪ ⎩ θ2 = S

案 网
̂ = (ξ − θ ) 2 + 2θ ξ ∴ A2 = S + ξ = θ 2 2

1 2θ
2
( xi −θ )2
n
(6) L(θ ) = ∏ cθ c xi − ( c +1)
i =1
i =1
∂ ln L(θ ) nc ̂,所以由 = − = 0不能解出θ ∂θ θ
i =1
课 后
̂ =ξ L(θ ) ≤ L(ξ (1) ) ⇒ θ (1)

案 网
c − ( c +1) ̂ ,θ ≤ ξ1 ,… , ξ n L(θ ) = ∏ cθ xi
∑ x ∑ (N − x )
i


案 网

北航《应用数理统计》考习题及参考解答

北航《应用数理统计》考习题及参考解答

北航2010应用数理统计考试题及参考解答09B一、填空题每小题3分;共15分 1;设总体X 服从正态分布(0,4)N ;而1215(,,)X X X 是来自X 的样本;则221102211152()X X U X X ++=++服从的分布是_______. 解:(10,5)F .2;ˆn θ是总体未知参数θ的相合估计量的一个充分条件是_______.解:ˆˆlim (), lim Var()0n nn n E θθθ→∞→∞==. 3;分布拟合检验方法有_______与_______. 解:2χ检验、柯尔莫哥洛夫检验. 4;方差分析的目的是_______.解:推断各因素对试验结果影响是否显着.5;多元线性回归模型=+Y βX ε中;β的最小二乘估计ˆβ的协方差矩阵ˆβCov()=_______. 解:1ˆσ-'2Cov(β)=()X X . 二、单项选择题每小题3分;共15分1;设总体~(1,9)X N ;129(,,,)X X X 是X 的样本;则___B___. A 1~(0,1)3X N -;B 1~(0,1)1X N -; C1~(0,1)9X N -;~(0,1)N . 2;若总体2(,)XN μσ;其中2σ已知;当样本容量n 保持不变时;如果置信度1α-减小;则μ的置信区间____B___.A 长度变大;B 长度变小;C 长度不变;D 前述都有可能.3;在假设检验中;就检验结果而言;以下说法正确的是____B___. A 拒绝和接受原假设的理由都是充分的;B 拒绝原假设的理由是充分的;接受原假设的理由是不充分的;C 拒绝原假设的理由是不充分的;接受原假设的理由是充分的;D 拒绝和接受原假设的理由都是不充分的.4;对于单因素试验方差分析的数学模型;设T S 为总离差平方和;e S 为误差平方和;A S 为效应平方和;则总有___A___.A T e A S S S =+;B 22(1)AS r χσ-;C/(1)(1,)/()A e S r F r n r S n r ----;D A S 与e S 相互独立.5;在多元线性回归分析中;设ˆβ是β的最小二乘估计;ˆˆ=-εY βX 是残差向量;则___B____.A ˆn E ()=0ε;B 1ˆ]σ-''-εX X 2n Cov()=[()I X X; Cˆˆ1n p '--εε是2σ的无偏估计;DA 、B 、C 都对.三、本题10分设总体21(,)XN μσ、22(,)YN μσ;112(,,,)n X X X 和212(,,,)n Y Y Y 分别是来自X 和Y 的样本;且两个样本相互独立;X Y 、和22XY S S 、分别是它们的样本均值和样本方差;证明12)(2)X Y t n n +-;其中2221212(1)(1)2X Yn S n S S n n ω-+-=+-.证明:易知221212(,)X YN n n σσμμ--+;(0,1)X Y U N =.由定理可知22112(1)(1)Xn S n χσ--;22222(1)(1)Yn S n χσ--.由独立性和2χ分布的可加性可得222121222(1)(1)(2)XYn S n S V n n χσσ--=++-.由U 与V 得独立性和t 分布的定义可得12(2)X Y t n n =+-.四、本题10分设总体X 的概率密度为1, 0,21(;), 1,2(1)0, x f x x θθθθθ⎧<<⎪⎪⎪=≤<⎨-⎪⎪⎪⎩其他,其中参数01)θθ<<(未知;12()n X X X ,,,是来自总体的一个样本;X 是样本均值;1求参数;的矩估计量θθˆ2证明24X 不是2θ的无偏估计量.解:1101()(,)22(1)42x x E X xf x dx dx dx θθθθθθ+∞-∞==+=+-⎰⎰⎰; 令()X E X =;代入上式得到θ的矩估计量为1ˆ22X θ=-.2222211141 (4)44[()]4()424E X EX DX EX DX DX n nθθθ⎡⎤==+=++=+++⎢⎥⎣⎦;因为()00D X θ≥>,;所以22 (4)E X θ>.故24X 不是2θ的无偏估计量.五、本题10分设总体X 服从[0,](0)θθ>上的均匀分布;12(,,)n X X X 是来自总体X 的一个样本;试求参数θ的极大似然估计.解:X 的密度函数为 似然函数为显然0θ>时;()L θ是单调减函数;而{}12max ,,,n x x x θ≥;所以{}12ˆmax ,,,nX X X θ=是θ的极大似然估计.六、本题10分设总体X 服从(1,)B p 分布;12(,,)n X X X 为总体的样本;证明X 是参数p 的一个UMVUE .证明:X 的分布律为1(;)(1),0,1x x f x p p p x -=-=.容易验证(;)f x p 满足正则条件;于是21()ln (;)(1)I p E f x p p p p ⎡⎤∂==⎢⎥∂-⎣⎦. 另一方面1(1)1Var()Var()()p p X X n n nI p -===; 即X 得方差达到C-R 下界的无偏估计量;故X 是p 的一个UMVUE .七、本题10分某异常区的磁场强度服从正态分布20(,)N μσ;由以前的观测可知056μ=.现有一台新仪器;用它对该区进行磁测;抽测了16个点;得261, 400x s ==;问此仪器测出的结果与以往相比是否有明显的差异α=0.05.附表如下:t 分布表χ2分布表解:设0H :560==μμ.构造检验统计量)15(~0t ns X t μ-=;确定拒绝域的形式2t t α⎧⎫>⎨⎬⎩⎭.由05.0=α;定出临界值1315.2025.02/==t t α;从而求出拒绝域{}1315.2>t .而60,16==x n ;从而||0.8 2.1315t ===<;接受假设0H ;即认为此仪器测出的结果与以往相比无明显的差异.八、本题10分已知两个总体X 与Y 独立;211~(,)X μσ;222~(,)Y μσ;221212, , , μμσσ未知;112(,,,)n X X X 和212(,,,)n Y Y Y 分别是来自X 和Y 的样本;求2122σσ的置信度为1α-的置信区间.解:设布定理知的样本方差,由抽样分,分别表示总体Y X S S 2221 ,[]/2121/212(1,1)(1,1)1P F n n F F n n ααα---<<--=-;则222221211221/2122/212//1(1,1)(1,1)S S S S P F n n F n n αασασ-⎛⎫<<=- ⎪----⎝⎭; 所求2221σσ的置信度为α-1的置信区间为222212121/212/212//, (1,1)(1,1)S S S S F n n F n n αα-⎛⎫ ⎪----⎝⎭. 九、本题10分试简要论述线性回归分析包括哪些内容或步骤.。

2010-北航-应用数理统计-习题参考答案

2010-北航-应用数理统计-习题参考答案

~ N (0,1).
x n 1 x

n 1 n

(n 1)

2
2 Sn 相互独立,从而
x n 1 x

(n 1)
n 1 n S 2 (n 1)

n ( x n 1 x ) ~ t (n 1). n 1 S

2
第 2 页 /第 23 页
北京航空航天大学
研究生应用数理统计
对数似然函数是
ln L( ) n ln ( 1) ln xi
i 1 n ln L( ) n ln xi 0 i 1 n
解得

n
ln x
i 1
n
i
10. ( P81.8)
第 5 页 /第 23 页
北京航空航天大学
研究生应用数理统计
m , n
m n

ˆz 于是有,
1
m n
1 2 ,0 x 1 8. ( P80.5) 设总体 X 服从的概率密度函数为 f ( x, ) , x 1 ,其中 , 2 ( 1 ) 0, 其他
0 1,是未知参数,x1 ,x 2 ,…,x n 为来自总体的简单样本。试求参数 的矩估计 ˆ 。
书后部分习题解答整理版
即 ~ t (n 1) .
5. (P35.28) 设 x1 , x 2 ,…, x m 和 y1 , y 2 ,…, y n 分别是从 N ( 1 , 2 ) 和 N ( 2 , 2 ) 总 体中抽取的独立样本, 和 是两个实数,试求
( x 1 ) ( y 2 )
第 3 页 /第 23 页

(整理)北航研究生数理统计历年试题.

(整理)北航研究生数理统计历年试题.

2007-2008年第一学期期末试卷一、(6分,A 班不做)设x 1,x 2,…,x n 是来自正态总体2(,)N μσ的样本,令)x x T -=,试证明T 服从t -分布t (2)二、(6分,B 班不做)统计量F-F(n,m)分布,证明111(,)F F n m αααα-的(0<<1)的分位点x 是。

三、(8分)设总体X 的密度函数为(1),01(;) 0 , x x p x ααα⎧+<<=⎨⎩其他其中1α>-,是位置参数。

x 1,x 2,…,x n 是来自总体X 的简单样本,试求参数α的矩估计和极大似然估计。

四、(12分)设总体X 的密度函数为1x exp x (;) 0 , p x μμσσσ⎧⎧-⎫-≥⎨⎬⎪=⎭⎨⎩⎪⎩,其它,其中,0,μμσσ-∞<<+∞>已知,是未知参数。

x 1,x 2,…,x n 是来自总体X 的简单样本。

(1)试求参数σ的一致最小方差无偏估计σ∧; (2)σ∧是否为σ的有效估计?证明你的结论。

五、(6分,A 班不做)设x 1,x 2,…,x n 是来自正态总体211(,)N μσ的简单样本,y 1,y 2,…,y n 是来自正态总体222(,)N μσ的简单样本,且两样本相互独立,其中221122,,,μσμσ是未知参数,2212σσ≠。

为检验假设012112:, :,H H μμμμ=≠可令12, 1,2,..., , ,i i i z x y i n μμμ=-==-则上述假设检验问题等价于0111:0, :0,H H μμ=≠这样双样本检验问题就变为单检验问题。

基于变换后样本z 1,z 2,…,z n ,在显著性水平α下,试构造检验上述问题的t-检验统计量及相应的拒绝域。

六、(6分,B 班不做)设x 1,x 2,…,x n 是来自正态总体20(,)N μσ的简单样本,0μ已知,2σ未知,试求假设检验问题22220010:, :H H σσσσ≥<的水平为α的UMPT 。

应用数理统计课后答案

应用数理统计课后答案
解得 , 2 的极大似然估计值:
1 n ˆ xi x n i 1 1 n 2 ˆ 2 ( xi x) 2 sn n i 1
则 , 2 的极大似然估计量:
1 n ˆ n X i X i 1 1 n 2 ˆ 2 ( X i X )2 Sn n i 1
1 e x, F (x) 0,
x 0, x 0.
(1) FY ( y) P{Y y} P{aX b y} P{ X
y b yb }(a 0) F ( ) a a
y b y b 当 0,即y b时,FY ( y ) 1 e a . a 当 y b 0,即y b时,F ( y ) 0. Y a

Xi
i 1
2
(t ) e i1
i ( eit 1)
2
根据特征函数的性质(5)得: X 1 X 2 ~ P(1 2 )
第二章 数理统计的基本概念
8.解:设 X 为样本,x 为样本的观测值。由于数据已经按照从小到大的顺序排列,
于是经验分布函数为:
0, 1 , 8 1 , 4 3 , 8 1 Fn ( x ) , 2 5 8 , 3, 4 7 , 8 1,
y
1 e y, FY ( y ) 0,
y 0, y 0.
14.证明:
Cov( , ) Cov(aX b, cY d ) acCov ( X , Y ) D( ) D(aX b) a 2 D( X )同理:D( ) c 2 D(Y )
由极大似然估计的不变性可知
ˆ Sn
  1. 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. 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. 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)。

第 3 页 /第 23 页
北京航空航天大学
研究生应用数理统计
书后部分习题解答整理版
解:⑴ 由 x
1 n xi , n i 1
1 n 1 xi ) 2 n i 1 n
则 Var ( x ) Var (
Var ( x ) n
i 1 i
n
1
2
1 n (1 ) (1 ) 。 n
书后部分习题解答整理版
解:
t x t Px t P ) (
又因为参数 , 2 的极大似然估计是
X , 2


1 n (X i X )2 n i 1
t x 所以 Px t的极大似然估计是

x n 1 x S
n 的抽样分布。 n 1
解:由正态分布的特性可得
x ~ N ( ,
则有
2
n
) , xn1 ~ N ( , 2 ) ,
n 1 2 ), n
(n 1)
2
S 2 ~ 2 (n 1).
xn 1 x ~ N (0,
从而
x n 1 x n 1 n
n
xi 121n 2n
e
2
(1 x )
, 1 xi ( i )
由 2 0 ,则似然函数为 1 的单调递增函数,且 - 1 xi ( i ) ,由极大似
ˆ min{x } 。 然估计定义可知, 1 的极大似然估计为 1 i
i
对 2 , ln L(1, 2 ) -n ln 2

1 2 1 2 5 2 2 ˆ D 2 0.347 2 , 3 4 12


L( ; x1 , x2 ,, xn ) e
n
( xi x0 )
i 1
n
, xi x 0 0 ( i 1 , 2,, n )
则有
ln L( ) n ln ( xi x0 )
i 1 n n ln L( ) n xi nx0 0 ,得 nx nx0 0 i 1
- 2 , x1 ,x 2 ,…,x n 为来自总体的简单样本,求参数 1 及 2 的极大似然估计。
解:由 f ( x;1 , 2 ) 为概率密度函数可知, 2 0 。 似然函数为 L(1 , 2 ; x1 , x2 ,, xn )
1

2n
e

i 1
11. ( P81.9)设 X 为电子元件的失效时间(单位:小时) ,其密度函数为
e ( x x0 ) , x x0 0 f ( x, ) x x0 0,
抽取 n 个该电子元件,独立进行测试,失效时间分别为 x1 , x 2 ,…, x n 。 ⑴ 当 x 0 已知时,求 的极大似然估计; ⑵ 当 已知时,求 x 0 的极大似然估计。 解:⑴ 似然函数为
ˆ , ˆ 都是总体均值 E ( X ) 的无偏估计。 ˆ , 故统计量 3 1 2
第 7 页 /第 23 页

北京航空航天大学
研究生应用数理统计
书后部分习题解答整理版

1 2 3 2 1 2 2 ˆ D 1 0.38 2 , 5 10 2
研究生应用数理统计
书后部分习题解答整理版
做矩估计, x
1 2 , 4 1 。 2
ˆ 2x 可得 的矩估计,
9. ( P80.7)
解: (1)由分布函数得出概率密度函数
f ( x; )
d ( F ( x; ) x 1 x 1 dx 0x 1
⑵ 因为总体 X 服从两点分布 B(1, ) ,则参数 的频率估计为
x
i 1
n
i
n
x,
ˆ 于是 q( ) 的频率估计 q
1 x (1 x ) 。 n
7. ( P80.2)设总体 X 服从正态分布 N ( ,1) , x1 , x 2 ,…, x n 为简单随机样本,在这 n 个样本观测值中仅知道事件 { X 0} 发生 m 次,求 的频率替换估计。 解:由题意 X ~ N (0,1) , 则 P{X 0} P{X } P{X } 1 P{X } 1 ( ) , 而由频率 P{ X 0} 则有, ( ) 1 -
解:
E( X )
1 1 1 xdx xdx 0 2 2(1 ) 1 1 2 1 1 (1 2 ) 2 2 2(1 ) 2 1 1 1 2 (1 ) 4 4 4

第 4 页 /第 23 页
北京航空航天大学

~ N (0,1).
x n 1 x

n 1 n

(n 1)

2
2 Sn 相互独立,从而
x n 1 x

(n 1)
n 1 n S 2 (n 1)

n ( x n 1 x ) ~ t (n 1). n 1 S

2
第 2 页 /第 23 页
北京航空航天大学
研究生应用数理统计
A B/n
,其中 A ~ N (0,1) , B ~
2 (n) 。
则X2
A2 A2 / 1 ,其中 A 2 ~ 2 (1) , B ~ 2 (n) , B/n B/n
故 X 2 ~ F (1, n) 。 4. ( P34.27) 设总体 X ~ N ( , 2 ) , x1 , x 2 ,…, x n 为其样本, x 及 S 2 分别为样本均 值及方差,又设 xn1 ~ N ( , 2 ) ,且与 x1 , x 2 ,…, x n 相互独立,试求统计量
m , n
m n

ˆz 于是有,
1
m n
1 2 ,0 x 1 8. ( P80.5) 设总体 X 服从的概率密度函数为 f ( x, ) , x 1 ,其中 , 2 ( 1 ) 0, 其他
0 1,是未知参数,x1 ,x 2 ,…,x n 为来自总体的简单样本。试求参数 的矩估计 ˆ 。
2 1m
2

2 (n 1) S 2 n
2
( x 1 ) ( y 2 )
2 (m 1) S12m (n 1) S 2 n mn2
2
m

2
n
~ t (m n 2) 。
6. ( P80.1)设总体 X 服从两点分布 B(1, ) , 0 1 , x1 , x 2 ,…, x n 为简单随机样 本,⑴ 求 q( ) Var ( x ) ;⑵ 求 q( ) 的频率估计。
n

ˆ 于是, 的极大似然估计
⑵ 似然函数

1 。 x x0
L( x0 ; x1 , x 2 , , x n ) n e
( xi x0 )
i 1
n
n e n ( x0 x ) , xi x0 0 ( i 1 , 2,, n )
当 已知时,为 x 0 的单调递增函数,于是由极大似然估计定义可知,
m
) , y ~ N ( 2 ,
2
n
),
(m 1) S12m

2
~ (m 1) ,
2
2 (n 1) S 2 n

2
~ 2 (n 1) ,
于是有, ( x 1 ) ~ N (0,
2
m
2 ) , ( y 2 ) ~ N (0,
2
n
2),

( x 1 ) ( y 2 ) ~ N (0, (
1 3 1 x1 x2 x3 有 5 10 2
1 3 1 1 3 1 ˆ E E X 1 X 2 X 3 E ( X ) E ( X ). 1 10 2 5 5 10 2

同理可得
ˆ E ˆ E ( X ). E 2 3
(m 1) S12m
2 (n 1) S 2 n
2
m

2
n
) 2 ) ,

2

2
~ 2 (m n 2) ,
( x 1 ) ( y 2 )
(
于是有,
2
m

2
n
) 2 ~ t (m n 2) , ) /( m n 2)
(

(m 1) S


E( X )

xf ( x; )dx

,得

x
1

x
1

dx
x dx 1
1


令X
1
x x 1
(2) 的似然函数是
1 n ) 1 min x1 x n ( L( ) x1 x n 0其它
对数似然函数是
ln L( ) n ln ( 1) ln xi
i 1 n ln L( ) n ln xi 0 i 1 n
解得

n
ln x
i 1
n
i
10. ( P81.8)
第 5 页 /第 23 页
北京航空航天大学
相关文档
最新文档