23清华应统

真题

一、(20分) 已知 $X$ 服从 $f(x)=c\frac{e^{-\frac{x}{2}}}{(1+e^{-\frac{x}{2}}{)}^2},-\infty <x<\infty$.

(1) 求 $c$;
(2) 令 $Y=X^3$,求$Y$的密度函数.

二、(20分) 已知 $X$ 的密度函数为 $$f(x;\theta )=\frac{3x^2}{{\theta }^3},0<x<\theta ,$$
其中 $\theta$ 的先验分布是 $U(0,1)$. 求后验分布 $\pi (\theta |X=x)$.

三、(20分) 证明: $T$ 是 $\theta$ 的无偏估计, 则 $T(x)$ 是$\theta$的UMVUE的充要条件是对任意零的无偏估计$U$,都有$E[TU]=0.$

四、(20分) 设 $X_i\sim \mathcal{N}(\mu ,{\sigma }^2)$, $i=1,2,...,n$, 其中 $\sigma$已知. 求如下假设检验问题的UMPT, 若UMPT不存在, 请说明理由.
(1) $H_0:\mu ={\mu }_0\text{v.s.}{H}_1:\mu ={\mu }_1<{\mu }_0$.
(2) $H_0:\mu ={\mu }_0\text{v.s.}{H}_1:\mu \ne {\mu }_0$.

五、(40分) $X_1,X_2,...,X_n\sim \mathcal{P}(\lambda )$, 并且彼此独立.
(1)求$\lambda$的最大似然估计$\widehat{{\lambda }_n}$
(2)判断${\hat{\lambda }}_n+\frac{1}{\sqrt{n}}$是否为$\lambda$的相合估计.
(3)求$\sqrt{n}({\hat{\lambda }}_n-\lambda )$的极限分布.
(4)求$\sqrt{n}({\hat{\lambda }}_n^2-{\lambda }^2)$的极限分布.

六、(30分) 有回归模型
$$y_i=\beta x_i+e_i,1\le i\le n$$
当 $1\le i\le n_1$ 时, $e_i\sim \mathcal{N}(0,{\sigma }_1^2)$, 当 $n_1+1\le i\le n$ 时, $e_i\sim \mathcal{N}(0,{\sigma }_2^2)$.
(1) 求 $\beta$ 的最小二乘估计及其分布.
(2) 求 $\beta$ 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 $e_i$ 的分布未知, 但已知其期望方差不变, 求 $\beta$ 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 $X$ 服从 $f(x)=c\frac{e^{-\frac{x}{2}}}{(1+e^{-\frac{x}{2}}{)}^2},-\infty <x<\infty$.

(1) 求 $c$;
(2) 令 $Y=X^3$,求$Y$的密度函数.

Solution:

(1) 积分得 $${\int }_{-\infty }^{\infty }\frac{e^{-\frac{x}{2}}}{(1+e^{-\frac{x}{2}}{)}^2}=2{\int }_0^{\infty }\frac{dx}{(1+x{)}^2}=2,$$
由密度函数的正则性, $c=\frac{1}{2}$.

(2) 用微分法, $\forall y\in \mathbb{R}$, $$P(Y=y)=P(X=y^{\frac{1}{3}})=f(y^{\frac{1}{3}})\left|\frac{d}{dy}{y}^{\frac{1}{3}}\right|=\frac{1}{6}(1+e^{}$$