目录
- A A A组
-
- 6.设 x 1 , x 2 , ⋯ , x n x_1,x_2,\cdots,x_n x1,x2,⋯,xn是来自总体 X ∼ N ( μ , σ 2 ) X\sim N(\mu,\sigma^2) X∼N(μ,σ2)( μ , σ 2 \mu,\sigma^2 μ,σ2都未知)的简单随机样本的观测值,则 σ 2 \sigma^2 σ2的最大似然估计值为( )。
( A ) 1 n ∑ i = 1 n ( x i − μ ) 2 ; (A)\cfrac{1}{n}\displaystyle\sum^n_{i=1}(x_i-\mu)^2; (A)n1i=1∑n(xi−μ)2;
( B ) 1 n ∑ i = 1 n ( x i − x ‾ ) 2 ; (B)\cfrac{1}{n}\displaystyle\sum^n_{i=1}(x_i-\overline{x})^2; (B)n1i=1∑n(xi−x)2;
( C ) 1 n − 1 ∑ i = 1 n ( x i − μ ) 2 ; (C)\cfrac{1}{n-1}\displaystyle\sum^n_{i=1}(x_i-\mu)^2; (C)n−11i=1∑n(xi−μ)2;
( D ) 1 n − 1 ∑ i = 1 n ( x i − x ‾ ) 2 . (D)\cfrac{1}{n-1}\displaystyle\sum^n_{i=1}(x_i-\overline{x})^2. (D)n−11i=1∑n(xi−x)2. - 8.设 X ‾ \overline{X} X为来自总体 X ∼ N ( μ , σ 2 ) X\sim N(\mu,\sigma^2) X∼N(μ,σ2)( σ 2 \sigma^2 σ2未知)的一个简单随机样本的样本均值,若已知在置信水平 1 − α 1-\alpha 1−α下, μ \mu μ的置信区间长度为 2 2 2,则在显著性水平 α \alpha α下,对假设检验问题 H 0 : μ = 1 , H 1 : μ ≠ 1 H_0:\mu=1,H_1:\mu\ne1 H0:μ=1,H1:μ=1,要使得检验结果接受 H 0 H_0 H0,则应有( )。
( A ) X ‾ ∈ ( − 1 , 1 ) ; (A)\overline{X}\in(-1,1); (A)X∈(−1,1);
( B ) X ‾ ∈ ( − 1 , 3 ) ; (B)\overline{X}\in(-1,3); (B)X∈(−1,3);
( C ) X ‾ ∈ ( − 2 , 2 ) ; (C)\overline{X}\in(-2,2); (C)X∈(−2,2);
( D ) X ‾ ∈ ( 0 , 2 ) . (D)\overline{X}\in(0,2). (D)X∈(0,2). - 12. 设总体 X X X的概率密度为 f ( x ; α , β ) = { α , − 1 < x < 0 , β , 0 ⩽ x < 1 , 0 , 其 他 , f(x;\alpha,\beta)=\begin{cases}\alpha,&-1<x<0,\\\beta,&0\leqslant x<1,\\0,&其他,\end{cases} f(x;α,β)=⎩⎪⎨⎪⎧α,β,0,−1<x<0,0⩽x<1,其他,其中 α , β \alpha,\beta α,β是未知参数,总体 X X X的样本值为 − 0.5 , 0.3 , − 0.2 , − 0.6 , − 0.1 , 0.4 , 0.5 , − 0.8 -0.5,0.3,-0.2,-0.6,-0.1,0.4,0.5,-0.8 −0.5,0.3,−0.2,−0.6,−0.1,0.4,0.5,−0.8。则 α \alpha α的最大似然估计值为______。
- 6.设 x 1 , x 2 , ⋯ , x n x_1,x_2,\cdots,x_n x1,x2,⋯,xn是来自总体 X ∼ N ( μ , σ 2 ) X\sim N(\mu,\sigma^2) X∼N(μ,σ2)( μ , σ 2 \mu,\sigma^2 μ,σ2都未知)的简单随机样本的观测值,则 σ 2 \sigma^2 σ2的最大似然估计值为( )。
- B B B组
-
- 4.设总体 X ∼ N ( μ , σ 2 ) X\sim N(\mu,\sigma^2) X∼N(μ,σ2),来自 X X X的一个样本为 X 1 , X 2 , ⋯ , X 2 n X_1,X_2,\cdots,X_{2n} X1,X2,⋯,X2n,记 X ‾ = 1 n ∑ i = 1 n X i , T = ∑ i = 1 n ( X i − X ‾ ) 2 + ∑ i = n + 1 2 n ( X i − μ ) 2 \overline{X}=\cfrac{1}{n}\displaystyle\sum^n_{i=1}X_i,T=\displaystyle\sum^n_{i=1}(X_i-\overline{X})^2+\displaystyle\sum^{2n}_{i=n+1}(X_i-\mu)^2 X=n1i=1∑nXi,T=i=1∑n(Xi−X)2+i=n+1∑2n(Xi−μ)2,当 μ \mu μ已知时,基于 T T T构造估计 σ 2 \sigma^2 σ2的置信水平为 1 − α 1-\alpha 1−α的置信区间为( )。
( A ) ( T χ 1 − α 2 2 ( 2 n ) , T χ α 2 2 ( 2 n ) ) ; (A)\left(\cfrac{T}{\chi^2_{1-\frac{\alpha}{2}}(2n)},\cfrac{T}{\chi^2_{\frac{\alpha}{2}}(2n)}\right); (A)(χ1−2α2(2n)T,χ2α2(2n)T);
( B ) ( T χ α 2 2 ( 2 n ) , T χ 1 − α 2 2 ( 2 n ) ) ; (B)\left(\cfrac{T}{\chi^2_{\frac{\alpha}{2}}(2n)},\cfrac{T}{\chi^2_{1-\frac{\alpha}{2}}(2n)}\right); (B)(χ2α2(2n)T,χ1−2α2(2n)T);
( C ) ( T χ 1 − α 2 2 ( 2 n − 1 ) , T χ α 2 2 ( 2 n − 1 ) ) ; (C)\left(\cfrac{T}{\chi^2_{1-\frac{\alpha}{2}}(2n-1)},\cfrac{T}{\chi^2_{\frac{\alpha}{2}}(2n-1)}\right); (C)(χ1−2α2(2n−1)T,χ2α2(2n−1)T);
( D ) ( T χ α 2 2 ( 2 n − 1 ) , T χ 1 − α 2 2 ( 2 n − 1 ) ) . (D)\left(\cfrac{T}{\chi^2_{\frac{\alpha}{2}}(2n-1)},\cfrac{T}{\chi^2_{1-\frac{\alpha}{2}}(2n-1)}\right). (D)(χ2α2(2n−1)T,χ1−2α2(2n−1)T). - 11.设 X 1 , X 2 , ⋯ , X n X_1,X_2,\cdots,X_n X1,X2,⋯,Xn为取自正态总体 N ( μ , σ 2 ) N(\mu,\sigma^2) N(μ,σ2)的一个简单随机样本,证明样本均值 X ‾ \overline{X} X是总体均值 μ \mu μ的相合估计量。
- 20.设 X 1 , X 2 , ⋯ , X n X_1,X_2,\cdots,X_n X1,X2,⋯,Xn是取自均匀分布 ( 0 , θ ) (0,\theta) (0,θ)上的一个样本,证明: T n = max { X 1 , X 2 , ⋯ , X n } T_n=\max\{X_1,X_2,\cdots,X_n\} Tn=max{ X1,X2,⋯,Xn}是 θ \theta θ的相合估计量。
- 21.设从均值为 μ \mu μ,方差为 σ 2 > 0 \sigma^2>0 σ2>0的总体中分别抽取容量为 n 1 , n 2 n_1,n_2 n1,n2的两个独立样本,样本均值分别为 X ‾ , Y ‾ \overline{X},\overline{Y} X,Y。证明:对于满足条件 a + b = 1 a+b=1 a+b=1的常数 a , b a,b a,b, T = a X ‾ + b Y ‾ T=a\overline{X}+b\overline{Y} T=aX+bY是 μ \mu μ的无偏估计量,并确定常数 a , b a,b a,b的值,使得方差 D ( T ) D(T) D(T)达到最小。
- 23.设 X 1 , X 2 , ⋯ , X n X_1,X_2,\cdots,X_n X1,X2,⋯,Xn是来自总体 X X X的一个简单随机样本, θ ^ n ( X 1 , X 2 , ⋯ , X n ) \hat{\theta}_n(X_1,X_2,\cdots,X_n) θ^n(X1,X2,⋯,Xn)是 θ \theta θ的一个估计量,若 E ( θ ^ n ) = θ + k n , D ( θ ^ n ) = σ n 2 E(\hat{\theta}_n)=\theta+k_n,D(\hat{\theta}_n)=\sigma^2_n E(θ^n)=θ+kn,D(θ^n)=σn2,且 lim n → ∞ k n = lim n → ∞ σ n 2 = 0 \lim\limits_{n\to\infty}k_n=\lim\limits_{n\to\infty}\sigma_n^2=0 n→∞limkn=n→∞limσn2=0。证明: θ ^ n \hat{\theta}_n θ^n是 θ \theta θ的相合(一致)估计量。
- 4.设总体 X ∼ N ( μ , σ 2 ) X\sim N(\mu,\sigma^2) X∼N(μ,σ2),来自 X X X的一个样本为 X 1 , X 2 , ⋯ , X 2 n X_1,X_2,\cdots,X_{2n} X1,X2,⋯,X2n,记 X ‾ = 1 n ∑ i = 1 n X i , T = ∑ i = 1 n ( X i − X ‾ ) 2 + ∑ i = n + 1 2 n ( X i − μ ) 2 \overline{X}=\cfrac{1}{n}\displaystyle\sum^n_{i=1}X_i,T=\displaystyle\sum^n_{i=1}(X_i-\overline{X})^2+\displaystyle\sum^{2n}_{i=n+1}(X_i-\mu)^2 X=n1i=1∑nXi,T=i=1∑n(Xi−X)2+i=n+1∑2n(Xi−μ)2,当 μ \mu μ已知时,基于 T T T构造估计 σ 2 \sigma^2 σ2的置信水平为 1 − α 1-\alpha 1−α的置信区间为( )。
- C C C组
-
- 1.设总体 X X X在非负整数集 { 0 , 1 , 2 , ⋯ , k } \{0,1,2,\cdots,k\} {
0,1,2,⋯,k}上等可能取值, k k k为未知参数, x 1 , x 2 , ⋯ , x n x_1,x_2,\cdots,x_n x1,x2,⋯,xn为来自总体 X X X的简单随机样本值,则 k k k的最大似然估计值为( )。
( A ) x n ; (A)x_n; (A)xn;
( B ) x ‾ ; (B)\overline{x}; (B)x;
( C ) min { x 1 , x 2 , ⋯ , x n } ; (C)\min\{x_1,x_2,\cdots,x_n\}; (C)min{ x1,x2,⋯,xn};
( D ) max { x 1 , x 2 , ⋯ , x n } . (D)\max\{x_1,x_2,\cdots,x_n\}. (D)max{ x1,x2,⋯,xn}. - 3.某大学学生身高 X ∼ N ( μ , σ ) X\sim N(\mu,\sigma) X∼N(μ,σ),其中 μ , σ 2 \mu,\sigma^2 μ,σ2均未知。从总体中抽取 X 1 , X 2 , ⋯ , X 16 16 X_1,X_2,\cdots,X_{16}16 X1,X2,⋯,X1616个样本,假设检验问题为 H 0 : μ ⩽ 140 c m , H 1 : μ > 140 c m H_0:\mu\leqslant140\mathrm{cm},H_1:\mu>140\mathrm{cm} H0:μ⩽140cm,H1:μ>140cm。由样本观察值计算得 x ‾ = 170 c m , s 2 = 16 , α = 0.05 , t 0.05 ( 15 ) = 1.75 \overline{x}=170\mathrm{cm},s^2=16,\alpha=0.05,t_{0.05}(15)=1.75 x=170cm,s2=16,α=0.05,t0.05(15)=1.75,则检验的结果为( )。
( A ) (A) (A)接受 H 0 H_0 H0,可能会犯第二类错误;
( B ) (B) (B)拒绝 H 0 H_0 H0,可能会犯第二类错误;
( C ) (C) (C)接受 H 0 H_0 H0,可能会犯第一类错误;
( D ) (D) (D)拒绝 H 0 H_0 H0,可能会犯第一类错误; - 10.设 X 1 , X 2 , ⋯ , X 100 X_1,X_2,\cdots,X_{100} X1,X2,⋯,X100为取自总体 X X X的一个简单随机样本, X X X服从参数为 λ \lambda λ( λ > 0 \lambda>0 λ>0, λ \lambda λ未知)的指数分布。
-
- (1)求 λ \lambda λ的置信水平为 0.95 0.95 0.95的置信区间;
- (2)若由样本值 x 1 , x 2 , ⋯ , x 100 x_1,x_2,\cdots,x_{100} x1,x2,⋯,x100算得 x ‾ = 1 100 ∑ i = 1 100 x i = 8 \overline{x}=\cfrac{1}{100}\displaystyle\sum^{100}_{i=1}x_i=8 x=1001i=1∑100xi=8,求相应的 λ \lambda λ的置信水平为 0.95 0.95 0.95的置信区间。( Φ ( 1.96 ) = 0.975 , Φ ( 1.64 ) = 0.95 \varPhi(1.96)=0.975,\varPhi(1.64)=0.95 Φ(1.96)=0.975,Φ(1.64)=0.95)
- 1.设总体 X X X在非负整数集 { 0 , 1 , 2 , ⋯ , k } \{0,1,2,\cdots,k\} {
0,1,2,⋯,k}上等可能取值, k k k为未知参数, x 1 , x 2 , ⋯ , x n x_1,x_2,\cdots,x_n x1,x2,⋯,xn为来自总体 X X X的简单随机样本值,则 k k k的最大似然估计值为( )。
- 写在最后
A A A组
6.设 x 1 , x 2 , ⋯ , x n x_1,x_2,\cdots,x_n x1,x2,⋯,xn是来自总体 X ∼ N ( μ , σ 2 ) X\sim N(\mu,\sigma^2) X∼N(μ,σ2)( μ , σ 2 \mu,\sigma^2 μ,σ2都未知)的简单随机样本的观测值,则 σ 2 \sigma^2 σ2的最大似然估计值为( )。
( A ) 1 n ∑ i = 1 n ( x i − μ ) 2 ; (A)\cfrac{1}{n}\displaystyle\sum^n_{i=1}(x_i-\mu)^2; (A)n1i=1∑n(xi−μ)2;
( B ) 1 n ∑ i = 1 n ( x i − x ‾ ) 2 ; (B)\cfrac{1}{n}\displaystyle\sum^n_{i=1}(x_i-\overline{x})^2; (B)n1i=1∑n(xi−x)2;
( C ) 1 n − 1 ∑ i = 1 n ( x i − μ ) 2 ; (C)\cfrac{1}{n-1}\displaystyle\sum^n_{i=1}(x_i-\mu)^2; (C)n−11i=1∑n(xi−μ)2;
( D ) 1 n − 1 ∑ i = 1 n ( x i − x ‾ ) 2 . (D)\cfrac{1}{n-1}\displaystyle\sum^n_{i=1}(x_i-\overline{x})^2. (D)n−11i=1∑n(xi−x)2.
解 在 μ \mu μ未知时, σ 2 \sigma^2 σ2的最大似然估计值为 1 n ∑ i = 1 n ( x i − x ‾ ) 2 \cfrac{1}{n}\displaystyle\sum^n_{i=1}(x_i-\overline{x})^2 n1i=1∑n(xi−x)2,故选 ( B ) (B) (B)。(这道题主要利用了最大似然估计求解)
8.设 X ‾ \overline{X} X为来自总体 X ∼ N ( μ , σ 2 ) X\sim N(\mu,\sigma^2) X∼N(μ,σ2)( σ 2 \sigma^2 σ2未知)的一个简单随机样本的样本均值,若已知在置信水平 1 − α 1-\alpha 1−α下, μ \mu μ的置信区间长度为 2 2 2,则在显著性水平 α \alpha α下,对假设检验问题 H 0 : μ = 1 , H 1 : μ ≠ 1 H_0:\mu=1,H_1:\mu\ne1 H0:μ=1,H1:μ=1,要使得检验结果接受 H 0 H_0 H0,则应有( )。
( A ) X ‾ ∈ ( − 1 , 1 ) ; (A)\overline{X}\in(-1,1); (A)X∈(−1,1);
( B ) X ‾ ∈ ( − 1 , 3 ) ; (B)\overline{X}\in(-1,3); (B)X∈(−1,3);
( C ) X ‾ ∈ ( − 2 , 2 ) ; (C)\overline{X}\in(-2,2); (C)X∈(−2,2);
( D ) X ‾ ∈ ( 0 , 2 ) . (D)\overline{X}\in(0,2). (D)X∈(0,2).
解 因 σ 2 \sigma^2 σ2未知,置信区间为 ( X ‾ − t α 2 ( n − 1 ) S n , X ‾ + t α 2 ( n − 1 ) S n ) \left(\overline{X}-t_{\frac{\alpha}{2}}(n-1)\cfrac{S}{\sqrt{n}},\overline{X}+t_{\frac{\alpha}{2}}(n-1)\cfrac{S}{\sqrt{n}}\right) (X−t2α(n−1)nS,X+t2α(n−1)nS),则置信区间长度为 2 t α 2 ( n − 1 ) S n = 2 2t_{\frac{\alpha}{2}}(n-1)\cfrac{S}{\sqrt{n}}=2 2t2α(n−1)nS=2,故 t α 2 ( n − 1 ) S n = 1 t_{\frac{\alpha}{2}}(n-1)\cfrac{S}{\sqrt{n}}=1 t2α(n−1)nS=1。
要使检验结果接受 H 0 H_0 H0,则应有 ∣ T ∣ = ∣ X ‾ − 1 S n ∣ < t α 2 ( n − 1 ) |T|=\left|\cfrac{\overline{X}-1}{\frac{S}{\sqrt{n}}}\right|<t_{\frac{\alpha}{2}}(n-1) ∣T∣=∣∣∣∣∣nSX−1∣∣∣∣∣<t2α(n−1),即 X ‾ ∈ ( 1 − t α 2 ( n − 1 ) S n , 1 + t α 2 ( n − 1 ) S n ) = ( 0 , 2 ) \overline{X}\in\left(1-t_{\frac{\alpha}{2}}(n-1)\cfrac{S}{\sqrt{n}},1+t_{\frac{\alpha}{2}}(n-1)\cfrac{S}{\sqrt{n}}\right)=(0,2) X∈(1−t2α(n−1)nS,1+t2α(n−1)nS)=(0,2)时,接受 H 0 H_0 H0。(这道题主要利用了置信区间求解)
12. 设总体 X X X的概率密度为 f ( x ; α , β ) = { α , − 1 < x < 0 , β , 0 ⩽ x < 1 , 0 , 其 他 , f(x;\alpha,\beta)=\begin{cases}\alpha,&-1<x<0,\\\beta,&0\leqslant x<1,\\0,&其他,\end{cases} f(x;α,β)=⎩⎪⎨⎪⎧α,β,0,−1<x<0,0⩽x<1,其他,其中 α , β \alpha,\beta α,β是未知参数,总体 X X X的样本值为 − 0.5 , 0.3 , − 0.2 , − 0.6 , − 0.1 , 0.4 , 0.5 , − 0.8 -0.5,0.3,-0.2,-0.6,-0.1,0.4,0.5,-0.8 −0.5,0.3,−0.2,−0.6,−0.1,0.4,0.5,−0.8。则 α \alpha α的最大似然估计值为______。
解 似然函数 L ( α ) = ∏ i = 1 n f ( x i ; α , β ) = α 5 ( 1 − α ) 3 L(\alpha)=\displaystyle\prod^n_{i=1}f(x_i;\alpha,\beta)=\alpha^5(1-\alpha)^3 L(α)=i=1∏nf(xi;α,β)=α5(1−α)3,取对数,求导整理得 d ln L ( α ) d α = 5 α − 3 1 − α = 0 \cfrac{\mathrm{d}\ln L(\alpha)}{\mathrm{d}\alpha}=\cfrac{5}{\alpha}-\cfrac{3}{1-\alpha}=0 dαdlnL(α)=α5−1−α3=0,驻点为 α = 5 8 \alpha=\cfrac{5}{8} α=85,则 α \alpha α的最大似然估计值为 α ^ = 5 8 \hat{\alpha}=\cfrac{5}{8} α^=85。(这道题主要利用了似然函数求解)