工程硕士数理统计第六章

天津理工大学概率论与数理统计第六章习题答案详解

第六章 数理统计的基本概念 一.填空题 1.若n ξξξ,,,21 是取自正态总体),(2σμN 的样本， 则∑==n i i n 11ξξ服从分布 )n ,(N 2 σμ . 2.样本),,,(n X X X 21来自总体),(~2 σμN X 则~)(22 1n S n σ - )(1χ2-n ； ~)(n S n X μ- _)(1-n t __。其中X 为样本均值，∑=--=n i n X X n S 122 11)(。 3.设4321X X X X ,,,是来自正态总体).(220N 的简单随机样本， +-=221)2(X X a X 243)43(X X b -，则当=a 20 1=a 时，=b 1001=b 时，统计量X 服从2 X 分布，其自由度为 2 . 4. 设随机变量ξ与η相互独立, 且都服从正态分布(0,9)N , 而12 9(,, ,) x x x 和 129(,,,)y y y 是分别来自总体ξ和η的简单随机样本, 则统计量 ~U = (9)t . 5. 设~(0,16),~(0,9),,X N Y N X Y 相互独立, 12 9 ,, ,X X X 与 1216 ,,,Y Y Y 分别 为X 与Y 的一个简单随机样本, 则22 2 1292 22 1216 X X X Y Y Y ++ +++ +服从的分布为 (9,16).F 6. 设随机变量~(0,1)X N , 随机变量2~()Y n χ, 且随机变量X 与Y 相互独立, 令T =, 则2~T F (1,n ) 分布. 解： 由T =, 得22 X T Y n =. 因为随机变量~(0,1)X N , 所以22~(1).X χ

概率论与数理统计第4章作业题解

第四章作业题解 4.1 甲、乙两台机床生产同一种零件, 在一天内生产的次品数分别记为 X 和 Y . 已知 ,X Y 的概率分布如下表所示: 如果两台机床的产量相同, 问哪台机床生产的零件的质量较好？ 解： 11.032.023.014.00)(=?+?+?+?=X E 9.0032.025.013.00)(=?+?+?+?=Y E 因为 )()(Y E X E >，即乙机床的平均次品数比甲机床少，所以乙机床生产的零件质量较好。 4.2 袋中有 5 个球, 编号为1,2,3,4,5, 现从中任意抽取3 个球, 用X 表示取出的3 个球中的 最大编号，求E (X ). 解：X 的可能取值为3,4,5. 因为1.01011)3(35 == = =C X P ；3.010 3)4(35 2 3== = =C C X P ； 6.010 6)5(3 5 24=== =C C X P 所以 5.46.053.041.03)(=?+?+?=X E 4.3 设随机变量X 的概率分布1 {}(0,1,2,),(1) k k a P X k k a +===+ 其中0a >是个常 数，求()E X 解: 1 1 2 1 1 1 ()(1) (1) (1) k k k k k k a a a E X k k a a a -∞ ∞ +-=== = +++∑∑ ，下面求幂级数11 k k k x ∞ -=∑的和函数， 易知幂级数的收敛半径为1=R ，于是有 1 2 1 1 1()( ),1,1(1) k k k k x k x x x x x ∞ ∞ -==''=== <--∑ ∑

第六章、数理统计的基本知识解答

第五章、数理统计的基本知识 五、证明题： 1．证：因为随机变量12,,,n X X X 相互独立，并且与总体X 服从相同的正态分布 2(,)N μσ，所以，它们的线性组合 112 22111111[, ()](,)n n i i i i n n i i X X X n n N N n n n σμσμ======??=∑∑∑∑ 即样本均值X 服从正态分布2 (, )N n σμ. 2．证：因为随机变量12,,,n X X X 相互独立，并且与总体X 服从相同的正态分布 2(,)N μσ，所以，它们的线性组合 112 22111111[, ()](,)n n i i i i n n i i X X X n n N N n n n σμσμ======??=∑∑∑∑ 即样本均值X 服从正态分布2 (, )N n σμ。所以，将X 标准化，即得 ~(0,1 )u N = . 3．证：因为随机变量12,,,n X X X 相互独立，并且与总体X 服从相同的正态分布 2(,)N μσ，即 2~(,),1,2,i X N i n μσ= 所以得 ~(0,1),1,2,,i X N i n μ σ -= 又因为12,,,n X X X 相互独立，所以 12,,, n X X X μ μ μ σσσ --- 也相互独立。 于是，2 2 222 1 1 1 ()( )~()n n i i i i X X n μ μσ σ ==-χ= -=χ∑∑.

4．证：由§5.4定理2知，统计量 ~(0,1) u N =； 又由§5.4定理4知，统计量 2 22 2 (1) ~(1) n S n σ - χ=χ- 因为X与2S 独立，所以统计量u= 2 2 2 (1) n S σ - χ=也是独立的。于是，根据§5.3定理2可知，统计量 ~(1) t t n ===-. 5．证：由§5.4定理1知： 22 12 12 12 ~(,),~(,) X N Y N n n σσ μμ. 因为X与Y独立，所以可知： 22 12 12 12 ~(,) X Y N n n σσ μμ --+. 于是，得 ~(0,1) U N =. 6．证：由§5.4定理6的推论知，统计量 ~(0,1) U N =. 又由§5.4定理4知： 2 22 11 11 2 2 22 22 22 2 (1) ~(1), (1) ~(1). n S n n S n σ σ - χ=χ- - χ=χ- 因为2 1 S与2 2 S独立所以2 1 χ与2 2 χ也是独立的，由2χ分布的可加性可知，统计量

概率论与数理统计第4章作业题解25554

第四章作业题解 4.1 甲、乙两台机床生产同一种零件, 在一天内生产的次品数分别记为 X 和 Y . 已知 ,X Y 的概率分布如下表所示: 如果两台机床的产量相同, 问哪台机床生产的零件的质量较好？ 解： 11.032.023.014.00)(=?+?+?+?=X E 9.0032.025.013.00)(=?+?+?+?=Y E 因为 )()(Y E X E >，即乙机床的平均次品数比甲机床少，所以乙机床生产的零件质量较好。 4.2 袋中有 5 个球, 编号为1,2,3,4,5, 现从中任意抽取3 个球, 用X 表示取出的3 个球中的 最大编号，求E (X ). 解：X 的可能取值为3,4,5. 因为1.01011)3(35====C X P ；3.010 3 )4(3523====C C X P ； 6.010 6 )5(3524====C C X P 所以 5.46.053.041.03)(=?+?+?=X E 4.3 设随机变量X 的概率分布1 {}(0,1,2,),(1)k k a P X k k a +== =+L 其中0a >是个常 数，求()E X 解: 1121 1 1()(1)(1)(1)k k k k k k a a a E X k k a a a -∞∞ +-====+++∑∑g g ，下面求幂级数1 1k k kx ∞ -=∑的和函数，易知幂级数的收敛半径为1=R ，于是有 1 2 1 1 1 ()(),1,1(1)k k k k x kx x x x x ∞ ∞ -==''===<--∑∑

根据已知条件，0a >，因此011a a < <+，所以有 2 21 ()(1)(1)1a E X a a a a = =+-+g . 4.4 某人每次射击命中目标的概率为p , 现连续向目标射击, 直到第一次命中目标为止, 求射击次数的期望. 解：因为X 的可能取值为1,2,……。依题意，知X 的分布律为 1(),1,1,2,k P X k q p q p k -===-=L L 所以)1( )()()(1 1 1 1 '-='='== ∑∑∑∞ =∞=∞ =-q q p q p q p p kq X E k k k k k k p p p q p 1 1)1(12 2=?=-= 4.5 在射击比赛中, 每人射击4 次, 每次一发子弹. 规定4弹全未中得0分, 只中1弹得15 分, 中2弹得30 分, 中3弹得55分, 中4弹得100分. 某人每次射击的命中率为0.6, 此人期 望能得到多少分？ 解：设4次射击中命中目标的子弹数为X ，得分为Y ，则X ~B (4,0.6) 因为 0256.04.06.0)0(4 4=?==C X P 1536.04.06.0)1(311 4=?==C X P 3456.04.06.0)2(2224=?==C X P 3456.04.06.0)3(1334=?==C X P 1296.04.06.0)4(0444=?==C X P 所以Y 的分布律为 故期望得分为 1296.01003456.0553456.0301536.0150256.00)(?+?+?+?+?=Y E = 44.64 4.6 设随机变量 X 的概率分布为1 32 {(1)}(1,2,,),3 k k k k P X k +=-= =L 说明X 的期望不存在。

2006年7月工程硕士研究生试题 数理统计

2005级工程硕士研究生试题（2006、7） （注：前7题闭卷，八、九题开卷） 一、简单计算下列各题： 1、 事件A 、B 满足P(A)＝0.5，P(B)＝0.6，P(B/A)＝0.8, 求P(A ∪B). 2、 设X 、Y 为两个相互独立的随机变量，V(X)=5，V(Y)=3为它们的方差，求V(X －Y). 二、选择题 1、 设A 、B 是两事件，则下列等式中( )是不正确的． ①若P(AB)＝P(A)P(B)，则A ，B 相互独立 ②P(AB)＝P(B)P(A/B) ③P(AB)＝P(A)P(B)，A ，B 互不相容 ④P(AB)＝P(A)P(B/A) 2、 X 1，X 2，X 3是取自总体的样本，C 是未知参数，则( )是统计量。 ①X 1 +CX 2+X 3 ②X 1X 2 ③CX 1X 2X 3 ④∑-=3 1I 2i )C X (31 3、 A 、B 为二事件，则=?B A AB ( ) ①φ(不可能事件〕 ②S(必然事件) ③A ④A ∪B 4、 X 为正态分布的随机变量，概率密度f(x)＝ 8)1x (2e 221--π, 则E(2X 2－1)＝( ) ① 1 ② 6 ③ 4 ④ 9 三、同一种产品由甲、乙、丙三个厂家供应．由长期经验知，三家的正品率分别为0．95、0.90、0.80，三家产品数所占比例为2：3：5，混合在一起． （l ）从中任取1件，求此件产品为正品的概率； （2）现取到1件产品为正品，同它是由甲、乙、丙三个厂中哪个厂生产的可能性大？ 四、设有10件产品，其中有2件次品，从中任取3件，设取到的次品数为X ，（1）求X 的分布率；（2）求X 的分布函数；（3）求P （X<1.5）. 五、设（X ，Y ）的联合密度函数为f(x,y)=???≥≤≤-其它00y ,1x 0e y （l ）求边缘分布密度f X ( x)、f Y (y); （2）问X ，Y 是否独立？为什么？

070103概率论与数理统计-2019年

070103概率论与数理统计专业（全日制或非全日制） 硕士研究生培养方案 一、培养目标 本专业培养德、智、体全面发展，适应现代科技发展和国民经济建设需要，能在政府、企事业单位和经济管理部门从事统计调查、统计信息分析与管理、数据分析等开发、应用和管理工作，或在科研部门、高等院校从事科学研究和教学工作的高级专门人才工程技术及管理的高级专门人才。具体要求如下： 1、具有坚定正确的政治方向，努力学习掌握马克思主义的基本原理，树立正确的世界观、人生观和价值观；遵纪守法，品行端正，作风正派，具有较高的综合素质和愿为社会主义建设艰苦奋斗的献身精神。 2、掌握概率论与数理统计的基本理论和方法，能熟练地运用统计软件分析数据，具有独立从事科学研究和解决实际问题的能力。 3、熟练掌握一门外国语，具有阅读外文资料和使用外文写作论文的能力；具备熟练地使用计算机及数学软件进行科学计算以及借助互联网阅读专业资料的能力。 4、身心健康、德才兼备。 二、研究方向 本学科设置以下研究方向： 1、数理统计与金融学 2、随机分析 3、统计学习算法 4、统计与大数据分析 三、学习年限 学习年限一般为3年，最长不超过4年。课程学习时间为一年半。硕士生应在规定的学习期限内完成培养计划要求的课程学习和论文等工作。 四、课程设置与学分 本专业课程设置包括学位课、非学位课和实践环节，应修总学分不少于34学分（具体课程设置见附表）。其中 1、学位课：不少于19学分。其中，公共学位课9学分。 2、非学位课：不少于13学分。 3、实践环节：2学分。 五、实践环节 硕士研究生应参加学术活动、教学实践、科研实践或社会实践等实践活动。学术活动为

数理统计论文

研究生课程考核试卷 （适用于课程论文、提交报告） 科目：概率论与数理统计上课时间：2017.2-2017.5 姓名：刘振学号： 20160702031专业：机械工程教师：刘朝林 工作单位或所在行业：重庆大学 考生成绩： 卷面成绩平时成绩课程综合成绩阅卷评语： 阅卷教师 (签名)

回归分析在数理统计中的应用 摘要:回归分析是数理统计中重要的一种数据统计分析的思想, 是处理变量间的相关关系的一种有效工具。其目的在于根据已知自变量的变化来估计或预测因变量的变化情况，或者根据因变量来对自变量做一定的控制. 它可以提供变量间相关关系的数学表达式, 且利用概率统计知识，对经验公式及有关问题进行分析、判断以确定经验公式的有效性,从众多的解释变量中，判断哪些变量对因变量的影响是显著的，哪些是不显著的. 还可以利用所得经验公式，由一个或几个变量的值去预测或控制个变量的值时的值，去预测或控制另一个变量的取值，同时还可知道这种预测和控制可以达到什么样的精度。 本文就是针对实际问题运用回归分析中一元线性回归分析的统计方法，来确定自变量与 另一个变量的相关关系，并确立出较为合理的回归方程，再对其的可信度进行统计检验. 关键词：回归分析；回归方程；F检验法

1．问题的提出 调查一下重庆大学学生的生活费与家庭收入的关系，看看是否家庭收入越高，学生的每月支出也越多，从而根据学生每月消费支出，进而估计学生的家庭收入情况，对学生的生活补助等问题有重要的参考意义 2.数据描述 根据调研的重庆大学学生家庭月收入与每月生活费的数据，确定两者关系。数据来源100多份问卷调查的抽样，取其中10份，绘制表1如下图所示序号家庭月收入每月生活费14800 500 25200 600 35420 650 45600 700 56000 750 66400 800 76800 900 87000 1000 97200 1200 108000 1500 表1-1 重庆大学学生家庭月收入与每月生活费的数据利用matlab软件画出家庭月收入与每月生活费的散点图，如图一所示

(完整)高等数理统计2011

南昌大学研究生2010～2011学年第 2 学期期末考试试卷 试卷编号： ( A )卷 课程名称： 高等数理统计 适用专业： 数学 姓名： 学号： 专业： 学院： 考试日期： 2011年6月19日 考试占用时间： 150分钟 考试形式（开卷或闭卷）： 题号 一 二 三 四 五 六 七 八 九 十 总分 累分人 签名 题分 15 15 20 25 25 100 得分 考生注意事项：1、本试卷共 页，请查看试卷中是否有缺页或破损。如有立即举手报告以便更换。 2、考试结束后，考生不得将试卷、答题纸和草稿纸带出考场。 一、证明题： (15分) 得分 评阅人 设1(0,1):X N ，2(0,4):X N ，且1X 与2X 独立，求112=+Y X X 与212=-Y X X 的联合分布。

二、计算题：(15分) 得分 评阅人 设总体X 有密度函数201 ()0 <P X 。

三、综合题：(20分) 得分 评阅人 （1） 检查Poisson 布族的完备性； （2） 判断分布族{(1),0,1,2,;0}θθθθ=-=>L x p x 是否为指数族；

四、应用题：(25分) 得分 评阅人 设1,,L n X X 为独立同分布变量，01θ<<， 11Pr(1)2θ-=-=X ， 11Pr(0)2==X ， 1Pr(1)2θ ==X ， （1） 求θ的1?θMLE 并问1 ?θ是否是无偏的； （2） 求θ的矩估计2 ?θ ； （3） 计算θ的无偏估计的方差的C-R 下界。

第六章 数理统计的基本知识课后习题参考答案

第六章 数理统计的基本知识 1 ．10 2 21 1 () 210110(,,)i i x f x x e μσ=--∑=K ；2 2()12*10 1(),1x f x e x μσ-- -∞<<+∞=。 2．t 分布；9. 3．11,, 2.20100 4．解： 0 (0,1)0.3 i X N -~Q 10 1 22 ( )(10)0.3 i i X χ=∴~∑ {} {}1010222 2 11 1.441.44()(10)160.10.3 0.3i i i i X P X P P χ==??∴>=>=>=∑∑???? ５．解：4 (12,)5 X N : 可参考书中67P 页 （1）{ } 121210.7372P X -<=Φ-=； （2）{}125max(,,,)15P X X X

(1) ()1 c c c E X x c x dx c x dx θθθθθθθθ+∞ +∞ -+-=== -? ? 令 1c X θθ=-，得θ的估计量为$X X c θ =-，θ的估计值为$1 1 11n i i n i i x n x c n θ===-∑∑ （2）极大似然估计 (1)(1)(1)11()()()n n n L c x c x c x x θθθθθθθθθθ-+-+-+==L L 1 ln ()ln()(1)ln n i i L n c x θ θθθ==-+∑ 令1 ln ln ln 0n i i L n n c x θθ=?=+-=?∑ 得θ的估计值为$1 ln ln n i i n x n c θ ==-∑，θ的估计量为$1 ln ln n i i n X n c θ ==-∑ 3．（1） 矩估计 1214 33 X ++= = 22()122(1)3(1)32E X θθθθθ=?+?-+?-=- 令()E X X = 得θ的估计值为$5 6 θ = 极大似然估计 2256112233()()()()2(1)22L P X x P X x P X x θθθθθθθ=====?-?=- 令 ln 5101L θθθ?=-=?-，得θ的估计值为$56 θ= （2）矩估计量 1 1n i i X X n λ===∑ 极大似然估计 1 111211()()()...()... ! ! !...! i n x x x n n n n n e e L P X x P X x P X x e x x x x λ λ λλλλλ---∑ ===== = 令 ln ()0i x L n λθλ ?=-+=?∑，得λ的似然估计值为$i x n λ=∑，

数理统计参考论文

重庆市固定资产投资与房地产投资 线性关系分析 学号 20111602084 姓名陈磊 学院土木工程学院专业土木工程 成绩

重庆市固定资产投资与房地产投资 线性关系分析 摘要：我国房地产投资近年来迅猛发展，无论在规模还是在增速上都达到了前所未有的水平，房地产业作为新兴的产业，对我国的经济发展起着举足轻重的作用。房地产投资与固定资产的投资息息相关，研究两者之间的关系并作出预测显得非常有必要。借助于数理统计的知识，在实际的数据的基础上，对两者之间进行一个简单的一元线性回归分析。在建立起模型之后，通过显著性检验方法进行检验，以检查结果的正确性。并通过模型对重庆市的房地产投资作出一个大致的预测，同时对相关结论进行分析，以指导实际工作。 关键词：固定资产投资；房地产投资；线性回归 一、问题提出及分析 重庆市作为国家中心城市之一，西部惟一的直辖市，凭借特殊的政策优势、基础条件优势, 经过政府一系列积极政举，经济发展环境持续向好,直辖以来积蓄的发展势能不断释放。在大力推动“五个重庆”、统筹城乡、内陆开放、深化改革、振兴区县、改善民生等重点工作的情况下，重庆市继续加强落实了中央扩大内需的投资项目和政府主导的投资计划，不断鼓励并激活社会资本，使得固定资产投资需求不断扩大、投资力度不断增强、投资结构不断优化，基础产业、基础设施、房地产及其他第三产业的投资齐头并进，全市固定资产投资保持平稳较快增长。 固定资产是指企业使用期限超过1年的房屋、建筑物、机器、机械、运输工具以及其他与生产、经营有关的设备、器具、工具等。固定资产投资是建造和购置固定资产的经济活动。按照管理渠道分，全社会固定资产投资总额分为基本建设、更新改造、房地产开发投资和其他固定资产投资四个部分。 房地产业作为一个国计民生的大行业，其投资额牵动着整个社会的安居问题。重庆目前又在推出宜居重庆的政策，由此引发思考：房地产投资在固定资产中是否存在一定的关系，与固定资产投资的关系如何，是否可以用一定的方式进行预测？ 借助统计学与软件的分析，采用散点图的描绘，可以看到固定资产投资额与房地产投资额可能存在一定的线性关系，由此借助数理统计知识，通过一元线性回归的相关知识对该问题进行分析。

概率统计简明教程 第六章 数理统计的基础知识

第六章数理统计的基础知识 从本章开始，我们将讨论另一主题：数理统计.数理统计是研究统计工作的一般原理和方法的数学学科，它以概率论为基础，研究如何合理地获取数据资料，并根据试验和观察得到的数据，对随机现象的客观规律性作出合理的推断. 本章介绍数理统计的基本概念，包括总体与样本、经验分布函数、统 计量与抽样分布，并着重介绍三种常用的统计分布：2 分布、t分布和F 分布. §1 总体与样本 1.1 总体 在数理统计中，我们把所研究对象的全体称为总体，总体中的每个元素称为个体.例如,研究某班学生的身高时,该班全体学生构成总体,其中每个学生都是一个个体；又如,考察某兵工厂生产炮弹的射程,该厂生产的所有炮弹构成总体,其中每个炮弹就是一个个体. 在具体问题的讨论中,我们关心的往往是研究对象的某一数量指标(例如学生的身高)，它是一个随机变量,因此，总体又是指刻画研究对象某一数量指标的随机变量X.当研究的指标不止一个时，可将其分成几个总体来研究.今后，凡是提到总体就是指一个随机变量.随机变量的分布函数以及分布律（离散型）或概率密度（连续型）也称为总体的分布函数以及分布律或概率密度，并统称为总体的分布. 总体中所包含的个体总数叫做总体容量.如果总体的容量是有限的，则称为有限总体；否则称为无限总体.在实际应用中，有时需要把容量很大的有限总体当做是无限总体来研究. 1.2随机样本 在数理统计中，总体X的分布通常是未知的，或者在形式上是已知 182

183 的但含有未知参数.那么为了获得总体的分布信息,从理论上讲,需要对总体X 中的所有个体进行观察测试，但这往往是做不到的.例如,由于测试炮弹的射程试验具有破坏性,一旦我们获得每个炮弹的射程数据,这批炮弹也就全部报废了.所以，我们不可能对所有个体逐一加以观察测试,而是从总体X 中随机抽取若干个个体进行观察测试.从总体中抽取若干个个体的过程叫做抽样，抽取的若干个个体称为样本，样本中所含个体的数量称为样本容量. 抽取样本是为了研究总体的性质，为了保证所抽取的样本在总体中具有代表性，抽样方法必须满足以下两个条件： （1）随机性 每次抽取时，总体中每个个体被抽到的可能性均等. （2）独立性 每次抽取是相互独立的，即每次抽取的结果既不影响其它各次抽取的结果，也不受其它各次抽取结果的影响. 这种随机的、独立的抽样方法称为简单随机抽样，由此得到的样本称为简单随机样本. 对于有限总体而言，有放回抽样可以得到简单随机样本，但有放回抽样使用起来不方便.在实际应用中，当总体容量N 很大而样本容量n 较小时（一般当10N n ≥时），可将不放回抽样近似当作有放回抽样来处理. 对于无限总体而言，抽取一个个体不会影响它的分布，因此，通常采取不放回抽样得到简单随机样本.以后我们所涉及到的抽样和样本都是指简单随机抽样和简单随机样本. 从总体X 中抽取一个个体，就是对总体X 进行一次随机试验.重复做n 次试验后，得到了总体的一组数据12(,,,)n x x x ，称为一个样本观测值.由于抽样的随机性和独立性，每个(1,2,,)i x i n = 可以看作是某个随机变量(1,2,,)i X i n = 的观测值，而(1,2,,)i X i n = 相互独立且与总体 X 具有相同的分布.习惯上称n 维随机变量12(,,,)n X X X 为来自总体X 的简单随机样本. 定义1.1 设总体X 的分布函数为()F x ，若随机变量12,,,n X X X 相互独立，且都与总体X 具有相同的分布函数，则称12,,,n X X X 是来自

数理统计答案第四章汪荣鑫

P168 2解：假设0 1234:H μμμμ=== 112 34:H μμμμ不全为零 1234454562024.52r n n n n n X ======= 经计算可得下列反差分析表： 查表得0.05(3,16) 3.24F = 0.0517.8837 0.4745(3,16)37.6887 F F = =< 故接受0H 即可认为四个干电池寿命无显着差异 3 解：假设0 123:H μμμ== 1123:H μμμ不全相等 12336140.9278r n n n X ===== 经计算可得下列方差分析表： 0.050.05(2,15) 3.68 4.373 3.68(2,15) F F F ==>= ∴拒绝0H 故可认为该地区三所小学五年级男生平均身高有显着差异。

4 解： 假设01234:H μμμμ=== 11234:H μμμμ不全相等 123445100.535r n n n n X ====== 0.05(3,16) 3.24F = 0.05(3,16) 3.24F F >= ∴拒绝0H 故可认为这几支伏特计之间有显着差异。 5 解：假设012345:H μμμμμ==== 112345:H μμμμμ不全相等 60 1234553 89.6r n n n n n X ======= 0.050.05(4,10) 3.4815.18(4,10)F F F ==>

∴拒绝0H 故可认为温度对得率有显着影响 2 151515 11(,( ))X X N n n μμσ--+ 由T 检验法知： ()T t n r = - 给定的置信概率为10.95α-= 0.025{()}0.95P T t n r <-= 故15μμ-的置信概率为的置信区间为 150.025150.025((,()E E X X t n r X X t n r ----+- 2.236E S = == 0.025(10) 2.2281t = 由上面的数据代入计算可得： 150.025150.0259084 2.2281 2.236 1.932210.0678E E X X t X X t --=--?=-+= 故15μμ-的置信区间为（ , ） 2 343434 11(,( ))X X N n n μμσ--+ 由T 检验法知： ()X X T t n r = - 34μμ-的置信区间为： 340.025340.025((,()E E X X t n r X X t n r ----+-

智轩考研数学红宝书2010精华习题完全解答---概数第六章 数理统计的基本概念

第六章 数理统计的基本概念精华习题 一、填空题 1. 设)2,0(,,,2 4321N X X X X 是来自正态总体的样本，则统计量 243221)43( 1)2(1Y X X X X -+-= 服从______分布。. 2. 3456则 71 2((C D

3．设1234, , , X X X X 是取自总体()~0, 4X N 的简单随机样本，()2 122X a X X =-+()2 3434b X X - ()2 ~n c ，则 ()()()()2 4 C 1 2 24A n B n n D n ====或或 【解】选()C 。因为()2 ~X n c ，故, a b 不可能同时为零，但可以其中一个或全不为零。 12（（（3

第六章 数理统计的基本概念精华习题完全解答 一、填空题 1．设)2,0(,,,2 4321N X X X X 是来自正态总体的样本，则统计量 243221)43( 1)2(1Y X X X X -+-= 服从______分布。. 2 3 45．设随机变量()~, X F n n ，则概率{}1P X <= __________。 【解】()(){}{}{}{}111~, ~, 111112X F n n F n n P X P Y P P X P X X X ìü T T<=<=<=>T<=íy?t 。

6． 设总体()2, 01 ~0, X x x X f x other <<ì=í? ，12, X X 来自X 的简单随机样本，12U X =，21V X =+， 则12U P V ìü ￡=í y?t _______。 【解】()12, ~X X ()1212124, 01, 01 , 0, x x x x f x x other <<<<ì=í? 2P < 7 1 2 (( A B C D

数理统计第四章作业答案

习题4作业答案4.2 解： 提出假设：

4.6 解：本题为双因素无重复实验方差分析提出如下假设：

查F 表得：F0.05（2，6）= 5.14， F0.05（3，6）=4.76 因此，FA> F0.05（2，6）, FB> F0.05（3，6） 所以拒绝原假设H01，H02，认为使用不同的促进剂和不同分量的氧化锌，对定强有显著影响。 补充：具体计算过程仅供参考 4.9 为考虑合成纤维中对纤维弹性有影响的二个因素：收缩率A 和总拉伸倍数B 。现就A 和B 各取4种水平做实验，在每一组合水平下各作2次试验，试验结 和总拉伸倍数分别对纤维弹性有无显著影响？并问二者对纤维弹性有无显著交互作用（α=0.05）？ 解：提出如下假设 H 01：收缩率对纤维弹性无显著影响； H 02：总拉伸倍数对纤维弹性无显著影响； H 03：收缩率和总拉伸倍数对纤维弹性无显著交互作用； 其中，由S ij?=∑x ijk l k=1，i =1,2,3,4，j =1,2,3,4，分别有 S 11?=∑x 11k 2k=1=144，S 21?=∑x 21k 2k=1=148，

S 12?=∑x 12k 2k=1=145，S 22?=∑x 22k 2k=1=150， S 13?=∑x 13k 2k=1=148，S 23?=∑x 23k 2k=1=155， S 14?=∑x 14k 2k=1=152，S 24?=∑x 24k 2k=1=148， S 31?=∑x 31k 2k=1=149，S 41?=∑x 41k 2k=1=148， S 32?=∑x 32k 2k=1=156，S 42?=∑x 42k 2k=1=145， S 33?=∑x 33k 2k=1=149，S 43?=∑x 43k 2k=1=141， S 34?=∑x 34k 2k=1=147，S 44?=∑x 44k 2k=1=138， 每行的和为 S 1??=∑∑x 1jk 2k=14j=1=589，S 2??=∑∑x 2jk 2 k=14j=1=601， S 3??=∑∑x 3jk 2k=14j=1=601，S 4??=∑∑x 4jk 2k=14j=1=572， 每列的和为 S ?1?=∑∑x i1k 2k=14i=1=589，S ?2?=∑∑x i2k 2 k=14i=1=596， S ?3?=∑∑x i3k 2k=14i=1=593，S ?4?=∑∑x i4k 2 k=14i=1=585， 则所有数据总和为S =∑∑∑x ijk 2k=14j=14i=1=2363， 数据平方总和为SS =∑∑∑x ijk 22k=14j=14i=1=174673， 故Q A =1 sl ∑S i??2r i=1?1 rsl S 2=1 4×2∑S i??24i=1?1 4×4×2S 2=70.59， Q B =1 rl ∑S ?j?2s j=1?1 rsl S 2=1 4×2∑S ?j?24j=1?1 4×4×2S 2=8.59， Q E =SS ?1 l ∑∑S ij?2s j=1r i=1=SS ?1 2∑∑S ij?24j=14i=1=21.5， Q T =SS ?1rsl S 2=174673?1 4×4×2×23632=180.22， Q I =Q T ?Q A ?Q B ?Q E =79.54， 对给定的水平α=0.05，查表得F 0.05(3,16)=3.24，F 0.05(9,16)=2.54，因为F A =17.56>3.24，F B =2.13<3.24，F I =6.60>2.54，故接受H 02，拒绝H 01和H 03，即认为总拉伸倍数对纤维弹性无显著影响，收缩率对纤维弹性有显著影响，且收缩率和总拉伸倍数对纤维弹性有显著交互作用。 4.11 九二零是一种植物生长调节剂，某微生物厂生产的九二零存在着产品效价低，成本高等问题，为解决这一问题，用正交安排试验，选取的因素及水平如下表： L 8(27)的第1,2,4,7列上，所得试验结果（效价：万单位）依次为： 2.05, 2.24, 2.44, 1.10, 1.50, 1.35, 1.26, 2.00.

第六章数理统计学的基本概念

第六章数理统计的基本概念 一、教学要求 1．理解总体、个体、简单随机样本和统计量的概念，掌握样本均值、样本方差及样本矩的计算。 2．了解分布、t分布和F分布的定义和性质，了解分位数的概念并会查表计算。 3．掌握正态总体的某些常用统计量的分布。 4．了解最大次序统计量和最小次序统计量的分布。 本章重点：统计量的概念及其分布。 二、主要内容 1．总体与个体 我们把研究对象的全体称为总体(或母体)，把组成总体的每个成员称为个体。在实际问题中，通常研究对象的某个或某几个数值指标，因而常把总体的数值指标称为总体。设x为总体的某个数值指标，常称这个总体为总体X。X的分布函数称为总体分布函数。当X为离散型随机变量时，称X的概率函数为总体概率函数。当X为连续型随机变量时，称X的密度函数为总体密度函数。当X服从 正态分布时，称总体X为正态总体。正态总体有以下三种类型： (1)未知，但已知； (2)未知，但已知； (3)和均未知。 2．简单随机样本 数理统计方法实质上是由局部来推断整体的方法，即通过一些个体的特征来推断总体的特征。要作统计推断，首先要依照一定的规则抽取n个个体，然后对这些个体进行测试或观察得到一组数据，这一过程称为抽样。由于抽样前无法知道得到的数据值，因而站在抽样前的立场上，设有可能得到的值为，n维随机向量()称为样本。n称为样本容量。(）称为样本观测值。 如果样本()满足 （1）相互独立； (2) 服从相同的分布，即总体分布； 则称()为简单随机样本。简称样本。 设总体X的概率函数(密度函数)为，则样本（)的联合概率函数(联合密度函数为)

3. 统计量 完全由样本确定的量，是样本的函数。即：设是来自总体X 的 一个样本，是一个n 元函数，如果 中不含任何总体的未知参数， 则称 为一个统计量，经过抽样后得到一组样本观测值 ， 则称 为统计量观测值或统计量值。 4. 常用统计量 （1）样本均值： （2）样本方差： （3）样本标准差： 它们的观察值分别为： 这些观察值仍分别称为样本均值、样本方差和样本标准差。 （4）样本（k 阶）原点矩 1 1,1,2,n k k i i A X k n ===∑ （5）样本（k 阶）中心矩 1 1(),2,3,n k k i i B X X k n ==-=∑ 其中样本二阶中心矩21 1(),n k i i B X X n ==-∑又称为未修正样本方差。 （6）顺序统计量 将样本中的各个分量由小到大的重排成 (1)(2)()n X X X ≤≤≤ 则称(1)(2)(),,n X X X 为样本顺序统计量，()(1)n X X -为样本的极差。 （7）样本相关系数： 1 ()()()() n n i i i i i xy x y x x y y x x y y r S S =----= = ∑∑其中：,x y 分别为数据{,i i x y 的样本均值，,x y S S 分别为样本a 标准差。 5、直方图与箱线图 （1）直方图 先将所有采集的数据进行整理，得到顺序统计量，找出其中的最小值(1)x ，最大值()n x ，即所有的数据都落在区间(1)(),n x x ????上，现取区间(1)(),n x k x k ? ?-+?? （其

高等数理统计实验报告

《高等数理统计》实验报告 一、实验目的 不同分布的随机数生成原理及其算法实现 二、实验内容 1.针对均匀分布的随机数生成原理及算法实现 2.以指数分布为例的反函数方法的随机数生成 3.针对正态分布的随机数生成原理及算法实现 4.基于Box–Muller算法的随机数生成及算法实现 5.基于舍选抽样法算法的随机数生成及算法实现 三、实验过程 1.均匀分布随机数生成 方法一：迭代取中法 原理： 这里在迭代取中法中介绍平方取中法 , 其迭代式如下 : 其中，是迭代算子，而则是每次需要产生的随机数。 第一个式子表示的是将平方后右移位，并截右端的位。 而第二个式子则是将截尾后的数字再压缩倍，显然 :。 注： 迭代取中法有一个不良特性就是若初始随机数参数以及初始值选择不恰当，最后结果容易退化成0. 附结果验证： （1）当初始值为123456，s=2时，部分结果如下， 所有结果均不退化为0

（2）当初始值为12345，s=2时，部分结果如下：注：当迭代次数达到48次时，随机数则退化为0 （3）当初始值为12345，s=1时，部分结果如下：注：当迭代次数达到4次时，随机数则退化为0

方法二：乘同余法 = = 其中，是迭代算子，而则是每次需要产生的随机数，为参数； 注： 这里的参数选取是需要一定理论基础的，否则所产生的随机数的周期将较小，相关性会较大。 附图： 当迭代次数为300次时，p值为0.54： 当迭代次数为1000次时，p值几乎为1

方法三：混合同余法（又称线性同余法LCG） 混合同余法是加同余法和乘同余法的混合形式,其迭代式如下 =( = 其中，是迭代算子，而则是每次需要产生的随机数，为参数； 一般而言，高的是2的指数次幂(一般2^32或者2^64)，因为这样取模操作截断最右的32或64位就可以了 在的条件下，参数按如下方式选取： ,取附近的数 为任意非负整数 注： 参数,,选取直接影响了伪随机数产生的质量 该随机数的生成方法在某一周期内成线性增长的趋势，但是在大多数场合，这种极富“规律”型的随机数是不适用的 使用场合：LCG不能用于随机数要求高的场合，例如不能用于Monte Carlo模拟，不能用于加密应用。不过有些场合LCG有很好的应用，例如内存很紧张的嵌入式中，电子游戏控制台用的小整数，使用高位可以胜 附结果验证： 当迭代次数为1000时，p值几乎为1

高等数理统计教学大纲

近代物理实验方法教学大纲 一、课程名称：近代物理实验方法 二、课程代码：S06070101025 三、课程英文名称：Experimental Methods on Advanced Physics 四、课程负责人：徐建文 五、学时：48学时 六、课程性质：专业方向理论课/选修 七、适用专业：研究生统计专业 八、选课对象：统计类专业 九、预修课程：高等数学、线性代数、概率论与数理统计，测度论 十、课程教材：茆诗松、王静龙、濮晓龙编著.高等数理统计.高等教育出版社，2006 十一、参考书目： 陈希孺编著，数理统计引论.科学出版社，1981 茆诗松、王静龙编著，数理统计.华东师范大学出版社，1990. 十二、开课单位：数理学院 十三、课程的性质、目的和任务： 本课程是为统计学专业及相关专业的学生而开设的。课程目的是使得学完该课程的学生能够进入数理统计各个分支的学习和研究。本课程致力于数理统计的基本概念、基本方法和基本理论，体现了数理统计的现代发展，能为学生进入理论研究领域和实际应用领域打下扎实的基础。 十四、课程基本要求： 1. 基本概念 理解统计结构、乘积结构以及可控结构等概念；了解常用的分布族，包括Gamma分布族、Beta分布族、Fisher分布族、t分布族、多项分布族、多元正态分布族等；理解统计量的定义及秩序统计量等常见的统计量；理解统计量的渐进分布；掌握统计量的充分性和完备性；理解指数型分布的含义。 2.点估计 了解评价估计优劣的常见标准，包括均方误差、偏差、相合性以及渐进正态性等概念；理解UMVUE 的概念和计算方法；掌握信息不等式的含义和有效估计的概念；掌握参数的矩估计方法、极大似然估计方法和最小二乘方法；掌握位置参数和尺度参数的同变估计的计算。 3. 统计决策理论与Bayes分析 理解统计决策问题的概念；掌握统计决策问题的三个基本要素；掌握常用的损失函数；理解决策函数、风险函数的概念；掌握最小最大决策的概念；掌握决策函数的容许性的概念；理解Stein效应的概念；掌握单参数指数族和最小最大估计的容许性；掌握Bayes风险准则和Bayes公式；掌握Bayes 后验风险准则和共轭鲜艳分布；掌握Bayes估计的常见性质。

本书介绍了核方法Kernel记得上高等数理统计

本书第六章介绍了核方法（Kernel）。记得上高等数理统计的时候，老师布置过关于核方法的一片小论文作业，只不过当时并没有重视，作业也是应付了事。这两天读了这一章，觉得核方法是一种非常重要的工具。当然，这一章中也有众多地方读不懂，慢慢继续读吧。下面写点读书笔记和心得。6.1节，先从最基本的一维核平滑说起。所谓的平滑，我觉得可以这样理解。对于一维变量及其相应，可以在二维空间中画一个散点图。如果利用插值，将点连接起来，那么连线可能是曲折不平的。所谓的平滑，就是用某种手段使得连线变得平滑光滑一点。那么手段可以有多种，比如第五章介绍的样条平滑，是利用了正则化的方法，使得连线达到高阶可微，从而看起来比较光滑。而本章要介绍的核方法，则是利用核，给近邻中的不同点，按照其离目标点的距离远近赋以不同的权重，从而达到平滑的效果。下面比较详细的介绍之前介绍过k-最近 邻方法，是用f?(x)=Ave(y i|x i∈N k/(x))作为回归方程E(Y|X=x)的估计。 上图显示的是一个利用最近邻方法对回归方程的估计。真模型是图中蓝色的线，绿色的曲曲折折的这一条就是用30最近邻方法对这个真模型的估计。可以看到，确实是非常的不平滑，而且也很丑，也是不必要的。下面图是利用了核平滑之后得到的结果，可以明显地看出来，拟合的曲线确实平滑了很多。

上面仅仅是一个核平滑的例子。下面给出一维核平滑的一些具体的公式 f?(x0)=∑Ni=1Kλ(x0,xi)yi∑Ni=1Kλ(x0,xi) 这个就是利用核平滑对x0点的真实值的估计，可以看出，这其实是一个加权平均，相比起最近邻方法，这里的特殊的地方就是权重Kλ(x0,x)。这个权重就称为核。核函数有很多种，常用的包括Epanechnikov quadratic 核：Kλ(x0,x)=D(x?x0λ) with D(t)=34(1?t2),|t|<1