真题
一、(20分) 已知 X X X 服从 f ( x ) = c e − x 2 ( 1 + e − x 2 ) 2 , − ∞ < x < ∞ f(x)=c \frac{e^{-\frac{x}{2}}} {(1+e^{-\frac{x}{2}})^2}, -\infty<x<\infty f(x)=c(1+e−2x)2e−2x,−∞<x<∞.
(1) 求 c c c;
(2) 令 Y = X 3 Y=X^3 Y=X3,求 Y Y Y的密度函数.
二、(20分) 已知 X X X 的密度函数为 f ( x ; θ ) = 3 x 2 θ 3 , 0 < x < θ , f(x;\theta )=\frac{3x^2}{\theta ^3},0<x<\theta , f(x;θ)=θ33x2,0<x<θ,
其中 θ \theta θ 的先验分布是 U ( 0 , 1 ) U(0,1) U(0,1). 求后验分布 π ( θ ∣ X = x ) \pi(\theta\vert X=x) π(θ∣X=x).
三、(20分) 证明: T T T 是 θ \theta θ 的无偏估计, 则 T ( x ) T(x) T(x) 是 θ \theta θ的UMVUE的充要条件是对任意零的无偏估计 U U U,都有 E [ T U ] = 0. E[TU]=0. E[TU]=0.
四、(20分) 设 X i ∼ N ( μ , σ 2 ) X_i\sim \mathcal{N}(\mu,\sigma^2) Xi∼N(μ,σ2), i = 1 , 2 , . . . , n i=1,2,...,n i=1,2,...,n, 其中 σ \sigma σ已知. 求如下假设检验问题的UMPT, 若UMPT不存在, 请说明理由.
(1) H 0 : μ = μ 0 v.s. H 1 : μ = μ 1 < μ 0 H_0:\mu = \mu_0 \quad \text{v.s.} \quad H_1:\mu = \mu_1 < \mu_0 H0:μ=μ0v.s.H1:μ=μ1<μ0.
(2) H 0 : μ = μ 0 v.s. H 1 : μ ≠ μ 0 H_0:\mu = \mu_0\quad \text{v.s.}\quad H_1:\mu \neq \mu_0 H0:μ=μ0v.s.H1:μ=μ0.
五、(40分) X 1 , X 2 , . . . , X n ∼ P ( λ ) X_1,X_2,...,X_n\sim \mathcal{P}(\lambda) X1,X2,...,Xn∼P(λ), 并且彼此独立.
(1)求 λ \lambda λ的最大似然估计 λ n ^ \hat{\lambda_n} λn^
(2)判断 λ ^ n + 1 n \hat{\lambda}_n+\frac{1}{\sqrt{n}} λ^n+n1是否为 λ \lambda λ的相合估计.
(3)求 n ( λ ^ n − λ ) \sqrt{n}(\hat{\lambda}_n - \lambda) n(λ^n−λ)的极限分布.
(4)求 n ( λ ^ n 2 − λ 2 ) \sqrt{n}(\hat{\lambda}_n^2 - \lambda^2) n(λ^n2−λ2)的极限分布.
六、(30分) 有回归模型
y i = β x i + e i , 1 ≤ i ≤ n y_i = \beta x_i + e_i,\quad 1\leq i \leq n yi=βxi+ei,1≤i≤n
当 1 ≤ i ≤ n 1 1 \leq i \leq n_1 1≤i≤n1 时, e i ∼ N ( 0 , σ 1 2 ) e_i\sim \mathcal{N}(0,\sigma_1^2) ei∼N(0,σ12), 当 n 1 + 1 ≤ i ≤ n n_1+1\leq i \leq n n1+1≤i≤n 时, e i ∼ N ( 0 , σ 2 2 ) e_i\sim \mathcal{N}(0,\sigma_2^2) ei∼N(0,σ22).
(1) 求 β \beta β 的最小二乘估计及其分布.
(2) 求 β \beta β 的最大似然估计及其分布, 比较其方差与最小二乘估计的方差.
(3) 若 e i e_i ei 的分布未知, 但已知其期望方差不变, 求 β \beta β 的无偏估计, 使其方差不大于 (1) 中估计量的方差.
解析
一、(20分) 已知 X X X 服从 f ( x ) = c e − x 2 ( 1 + e − x 2 ) 2 , − ∞ < x < ∞ f(x)=c \frac{e^{-\frac{x}{2}}} {(1+e^{-\frac{x}{2}})^2}, -\infty<x<\infty f(x)=c(1+e−2x)2e−2x,−∞<x<∞.
(1) 求 c c c;
(2) 令 Y = X 3 Y=X^3 Y=X3,求 Y Y Y的密度函数.
Solution:
(1) 积分得 ∫ − ∞ ∞ e − x 2 ( 1 + e − x 2 ) 2 = 2 ∫ 0 ∞ d x ( 1 + x ) 2 = 2 , \int_{-\infty}^\infty \frac{e^{-\frac{x}{2}}} {(1+e^{-\frac{x}{2}})^2} = 2\int_0^\infty \frac{dx}{(1+x)^2} = 2, ∫−∞∞(1+e−2x)2e−2x=2∫0∞(1+x)2dx=2,
由密度函数的正则性, c = 1 2 c=\frac{1}{2} c=21.(2) 用微分法, ∀ y ∈ R \forall y\in \mathbb{R} ∀y∈R, P ( Y = y ) = P ( X = y 1 3 ) = f ( y 1 3 ) ∣ d d y y 1 3 ∣ = 1 6 y − 2 3 e − y 1 3 2 ( 1 + e − y 1 3 2 ) 2 d y . P(Y=y)=P(X=y^{\frac{1}{3}})=f(y^{\frac{1}{3}})\left| \frac{d}{dy}y^{\frac{1}{3}} \right|=\frac{1}{6}\frac{y^{-\frac{2}{3}}e^{-\frac{y^{\frac{1}{3}}}{2}}}{(1+e^{-\frac{y^{\frac{1}{3}}}{2}})^2}dy. P(Y=y)=P(X=y31)=f(y31) dydy31 =61(1+e