李永乐复习全书概率论与数理统计 第五、六章 大数定律和中心极限定理及数理统计的基本概念

第五章  大数定律和中心极限定理

第六章  数理统计的基本概念

6.1  总体、样本、统计量和样本数字特征

例4  设总体$X\sim P(\lambda )$，则来自总体$X$的样本$X_1,X_2,\cdots ,X_n$的样本均值$\overline{X}$的分布律为______。

解  当$X_1,X_2$独立时，$X_1+X_2\sim P(2\lambda )$，进一步得知$X_1,X_2,\cdots ,X_n$独立同为$P(\lambda )$分布时$\sum _{i=1}^n{X}_i=n\overline{X}\sim P(n\lambda )$。于是，对于任意$n>2$，得$n\overline{X}$的分布律 P { n X ‾ = k } = ( n λ ) k k ! e − n λ , k = 0 , 1 , 2 , ⋯ P\{n\overline{X}=k\}=\cfrac{(n\lambda)^k}{k!}e^{-n\lambda},k=0,1,2,\cdots P{nX=k}=k!(nλ)k​e−nλ,k=0,1,2,⋯。而 P { n X ‾ = k } = P { X ‾ = k n } P\{n\overline{X}=k\}=P\left\{\overline{X}=\cfrac{k}{n}\right\} P{nX=k}=P{X=nk​}，所以$P\left\{\overline{X}=\frac{k}{n}\right\}=\frac{(n\lambda {)}^k}{k!}{e}^{-n\lambda },k=0,1,2,\cdots$。（这道题主要利用了分布函数性质求解）

6.2  常用统计抽样分布和正态总体的抽样分布

例5  设$X\sim N(0,{\sigma }^2)$，从总体$X$中抽取样本$X_1,X_2,\cdots ,X_9$，试确定$\sigma$的值，使得 P { 1 < X ‾ < 3 } P\{1<\overline{X}<3\} P{1<X<3}为最大，其中$\overline{X}=\frac{1}{9}\sum _{i=1}^9{X}_i$。

解  因为$\frac{\overline{X}}{\sigma /3}=\frac{3\overline{X}}{\sigma }\sim N(0,1)$，所以
p ( σ ) = P { 1 < X ‾ < 3 } = P { 3 σ < 3 X ‾ σ ⩽ 9 σ } = Φ ( 9 σ ) − Φ ( 3 σ ) , p ′ ( σ ) = φ ( 9 σ ) ( − 9 σ 2 ) − φ ( 3 σ ) ( − 3 σ 2 ) = − 9 2 π σ 2 e − 81 2 σ 2 + 3 2 π σ 2 e − 9 2 σ 2 = 3 2 π σ 2 e − 9 2 σ 2 ( 1 − 3 e − 36 σ 2 ) . p(\sigma)=P\{1<\overline{X}<3\}=P\left\{\cfrac{3}{\sigma}<\cfrac{3\overline{X}}{\sigma}\leqslant\cfrac{9}{\sigma}\right\}=\varPhi\left(\cfrac{9}{\sigma}\right)-\varPhi\left(\cfrac{3}{\sigma}\right),\\ \begin{aligned} p'(\sigma)&=\varphi\left(\cfrac{9}{\sigma}\right)\left(-\cfrac{9}{\sigma^2}\right)-\varphi\left(\cfrac{3}{\sigma}\right)\left(-\cfrac{3}{\sigma^2}\right)\\ &=-\cfrac{9}{\sqrt{2\pi}\sigma^2}e^{-\frac{81}{2\sigma^2}}+\cfrac{3}{\sqrt{2\pi}\sigma^2}e^{-\frac{9}{2\sigma^2}}=\cfrac{3}{\sqrt{2\pi}\sigma^2}e^{-\frac{9}{2\sigma^2}}(1-3e^{-\frac{36}{\sigma^2}}). \end{aligned} p(σ)=P{1<X<3}=P{σ3​<σ3X​⩽σ9​}=Φ(σ9​)−Φ(σ3​),p′(σ)​=φ(σ9​)(−σ29​)−φ(σ3​)(−σ23​)=−2π ​σ29​e−2σ281​+2π ​σ23​e−2σ29​=2π ​σ23​e−2σ29​(1−3e−σ236​).​
  令$p^{\prime }(\sigma )=0$，得$e^{-\frac{36}{{\sigma }^2}}=\frac{1}{3}$，解得$\sigma =\frac{6}{\sqrt{\ln 3}}$。当$\sigma <\frac{6}{\sqrt{\ln 3}}$时，$p^{\prime }(\sigma )>0$；当$\sigma >\frac{6}{\sqrt{\ln 3}}$时，$p^{\prime }(\sigma )<0$。
  因此，当$\sigma =\frac{6}{\sqrt{\ln 3}}$时， p ( σ ) = P { 1 < X ‾ < 3 } p(\sigma)=P\{1<\overline{X}<3\} p(σ)=P{1<X<3}为最大。（这道题主要利用了函数求导求解）

例6  已知$X_1,X_2,X_3$相互独立且服从$N(0,{\sigma }^2)$，证明：$\sqrt{\frac{2}{3}}\frac{X_1+X_2+X_3}{|X_2-X_3|}$服从$t(1)$分布。

证  记$Y_1=X_2+X_3,Y_2=X_2-X_3$，则
$$\begin{array}{rl}\mathrm{C}\mathrm{o}\mathrm{v}(Y_1,Y_2)& =E(Y_1{Y}_2)-E(Y_1)E(Y_2)=E[(X_2+X_3)(X_2-X_3)]\\ & =E(X_1^2)-E(X_2^2)={\sigma }^2-{\sigma }^2=0.\end{array}$$
  所以$Y_1,Y_2$独立，$N(0,2{\sigma }^2)$均服从，且与$X_1$独立，$X_1+X_2+X_3=X_1+Y_1\sim N(0,3{\sigma }^2)$，所以$\frac{1}{\sigma \sqrt{3}}(X_1+X_2+X_3)\sim N(0,1),{\left(\frac{X_2-X_3}{\sqrt{2}\sigma }\right)}^2\sim {\chi }^2(1)$，且$X_1+X_2+X_3$与$X_2-X_3$相互独立，按$t$分布定义有$\sqrt{\frac{2}{3}}\frac{X_1+X_2+X_3}{|X_2-X_3|}\sim t(1)$。（这道题主要利用了协方差求解）

例8  设随机变量$X_1,X_2,\cdots ,X_n$独立同分布且具有相同的分布密度，证明： P { X n > max ⁡ ( X 1 , ⋯   , X n ) } = 1 n P\{X_n>\max(X_1,\cdots,X_n)\}=\cfrac{1}{n} P{Xn​>max(X1​,⋯,Xn​)}=n1​。

证  以$f(x),F(x)$分别表示$X_i$共同的概率密度和分布函数，则
P { X n > max ⁡ ( X 1 , ⋯   , X n ) } = P { X 1 < X n , ⋯   , X n − 1 < X n } = ∫ − ∞ + ∞ [ ∫ ⋯ ∫ x i < x n ∏ i = 1 n − 1 f ( x i ) d x i ] f ( x n ) d x n = ∫ − ∞ + ∞ [ ∏ i = 1 n − 1 ∫ − ∞ x n f ( x i ) d x i ] f ( x n ) d x n = ∫ − ∞ + ∞ F n − 1 ( x n ) f ( x n ) d x n = 1 n F n ( x n ) ∣ − ∞ + ∞ = 1 n . \begin{aligned} P\{X_n>\max(X_1,\cdots,X_n)\}&=P\{X_1<X_n,\cdots,X_{n-1}<X_n\}\\ &=\displaystyle\int^{+\infty}_{-\infty}\left[{\displaystyle\int\cdots\displaystyle\int}_{x_i<x_n} \prod^{n-1}_{i=1}f(x_i)\mathrm{d}x_i\right]f(x_n)\mathrm{d}x_n\\ &=\displaystyle\int^{+\infty}_{-\infty}\left[\prod^{n-1}_{i=1}\displaystyle\int^{x_n}_{-\infty}f(x_i)\mathrm{d}x_i\right]f(x_n)\mathrm{d}x_n\\ &=\displaystyle\int^{+\infty}_{-\infty}F^{n-1}(x_n)f(x_n)\mathrm{d}x_n\\ &=\cfrac{1}{n}F^n(x_n)\biggm\vert^{+\infty}_{-\infty}=\cfrac{1}{n}. \end{aligned} P{Xn​>max(X1​,⋯,Xn​)}​=P{X1​<Xn​,⋯,Xn−1​<Xn​}=∫−∞+∞​[∫⋯∫xi​<xn​​i=1∏n−1​f(xi​)dxi​]f(xn​)dxn​=∫−∞+∞​[i=1∏n−1​∫−∞xn​​f(xi​)dxi​]f(xn​)dxn​=∫−∞+∞​Fn−1(xn​)f(xn​)dxn​=n1​Fn(xn​)∣∣∣∣​−∞+∞​=n1​.​
（这道题主要利用了函数积分求解）

写在最后

  如果觉得文章不错就点个赞吧。另外，如果有不同的观点，欢迎留言或私信。
  欢迎非商业转载，转载请注明出处。