Skip to main content

第6章 数理统计

基础部分

  1. X1,X2X_1,X_2是取自正态总体XN(1,1)X \sim N(1,1)的简单随机样本,则X111X2\frac{X_1-1}{|1-X_2|}( ) A. t(1)t(1) B. F(1,1)F(1,1) C. χ2(1)\chi^2(1) D. N(1,1)N(1,1)
  2. X1,X2,,X10X_1,X_2,\cdots,X_{10}是来自正态总体XN(0,σ2)(σ>0)X \sim N(0,\sigma^2)(\sigma>0)的简单随机样本,Y2=19i=210Xi2Y^2=\frac{1}{9}\sum_{i=2}^{10}X_i^2,则( ) A. X12χ2(1)X_1^2 \sim \chi^2(1) B. Y2χ2(9)Y^2 \sim \chi^2(9) C. X1Yt(9)\frac{X_1}{|Y|} \sim t(9) D. X12Y2F(9,1)\frac{X_1^2}{Y^2} \sim F(9,1)
  3. 设总体XXYY相互独立,且都服从正态分布N(0,σ2)N(0,\sigma^2)X1,X2,,XnX_1,X_2,\cdots,X_nY1,Y2,,YnY_1,Y_2,\cdots,Y_n分别是来自总体XXYY且容量都为nn的两个简单随机样本,样本均值,样本方差分别为X,SX2\overline{X},S_X^2Y,SY2\overline{Y},S_Y^2,则( ) A. XYN(0,σ2)\overline{X}-\overline{Y} \sim N(0,\sigma^2) B. SX2+SY2χ2(2n2)S_X^2+S_Y^2 \sim \chi^2(2n-2) C. XYSX2+SY2t(2n2)\frac{\overline{X}-\overline{Y}}{\sqrt{S_X^2+S_Y^2}} \sim t(2n-2) D. SX2SY2F(n1,n1)\frac{S_X^2}{S_Y^2} \sim F(n-1,n-1)
  4. 设随机变量XN(0,1)X \sim N(0,1)YN(0,1)Y \sim N(0,1),则( ) A. X+YX+Y服从正态分布 B. X2+Y2X^2+Y^2服从χ2\chi^2分布 C. X2/Y2X^2/Y^2服从FF分布 D. X2X^2Y2Y^2服从χ2\chi^2分布
  5. nn为正整数,随机变量Xt(n)X \sim t(n)YF(1,n)Y \sim F(1,n),常数cc满足P{X>c}=25P\{X>c\}=\frac{2}{5},则P{Yc2}=P\{Y \leq c^2\}=( ) A. 15\frac{1}{5} B. 25\frac{2}{5} C. 35\frac{3}{5} D. 45\frac{4}{5}
  6. X1,X2,,Xn(n2)X_1,X_2,\cdots,X_n(n \geq 2)为来自标准正态总体XX的简单随机样本,记X=1ni=1nXi\overline{X}=\frac{1}{n}\sum_{i=1}^{n}X_iS2=1n1i=1n(XiX)2S^2=\frac{1}{n-1}\sum_{i=1}^{n}(X_i-\overline{X})^2Y=XSY=\overline{X}-S,则E(Y2)=E(Y^2)=( ) A. 11n1-\frac{1}{n} B. 1+1n1+\frac{1}{n} C. 11n11-\frac{1}{n-1} D. 1+1n11+\frac{1}{n-1}
  7. X,YX,Y独立同分布于N(0,σ2)N(0,\sigma^2)X1,,X9X_1,\cdots,X_9Y1,,Y11Y_1,\cdots,Y_{11}是分别来自总体XXYY的简单随机样本,样本方差分别为SX2S_X^2SY2S_Y^2,记S12=12(SX2+SY2)S_1^2=\frac{1}{2}(S_X^2+S_Y^2)S22=19(4SX2+5SY2)S_2^2=\frac{1}{9}(4S_X^2+5S_Y^2),则方差最小的是( ) A. SX2S_X^2 B. SY2S_Y^2 C. S12S_1^2 D. S22S_2^2
  8. XX的概率密度为f(x;σ)={2xσex2σ,x>00,x0f(x;\sigma)=\begin{cases}\frac{2x}{\sigma}e^{-\frac{x^2}{\sigma}},&x>0\\0,&x \leq 0\end{cases},其中σ\sigma为大于零的未知参数,已知X1,X2,,XnX_1,X_2,\cdots,X_n是来自总体XX的简单随机样本,则σ\sigma的最大似然估计量为( ) A. σ^=1n1i=1nXi\hat{\sigma}=\frac{1}{n-1}\sum_{i=1}^{n}X_i B. σ^=1n1i=1nXi2\hat{\sigma}=\frac{1}{n-1}\sum_{i=1}^{n}X_i^2 C. σ^=1ni=1nXi\hat{\sigma}=\frac{1}{n}\sum_{i=1}^{n}X_i D. σ^=1ni=1nXi2\hat{\sigma}=\frac{1}{n}\sum_{i=1}^{n}X_i^2
  9. 设某个试验有三种可能结果,其发生的概率分别为p1=λ2p_1=\lambda^2p2=(1λ)2p_2=(1-\lambda)^2p3=2λ(1λ)p_3=2\lambda(1-\lambda),其中参数λ\lambda未知,0<λ<10<\lambda<1。现做了nn次独立重复试验,观测到三种结果发生的次数分别为n1,n2,n3(n1+n2+n3=n)n_1,n_2,n_3(n_1+n_2+n_3=n),则λ\lambda的最大似然估计值为_____。
  10. 设二维总体(X,Y)(X,Y)的概率密度为f(x,y;λ)={1λ2ex+yλ,x>0,y>00,其他f(x,y;\lambda)=\begin{cases}\frac{1}{\lambda^2}e^{-\frac{x+y}{\lambda}},&x>0,y>0\\0,&\text{其他}\end{cases}λ\lambda为大于0的参数,(X1,Y1),(X2,Y2),,(Xn,Yn)(X_1,Y_1),(X_2,Y_2),\cdots,(X_n,Y_n)为来自总体的简单随机样本,则λ\lambda的最大似然估计量为_____。
  11. 设总体XX的概率密度为f(x;θ)={e(xθ),xθ0,其他f(x;\theta)=\begin{cases}e^{-(x-\theta)},&x \geq \theta\\0,&\text{其他}\end{cases}X1,X2,,XnX_1,X_2,\cdots,X_n是来自总体XX的简单随机样本,则未知参数θ\theta的最大似然估计量θ^=\hat{\theta}=_____。
  12. X1,X2,,XnX_1,X_2,\cdots,X_n是取自总体XX的简单随机样本,XX的概率密度为f(x)=12λexλ,<x<+,λ>0f(x)=\frac{1}{2\lambda}e^{-\frac{|x|}{\lambda}},-\infty<x<+\infty,\lambda>0。求: (1) λ\lambda的矩估计量; (2) λ\lambda的最大似然估计量。
  13. 设连续型总体XX的分布函数为F(x;θ)={0,x0xθ,0<x<11,x1F(x;\theta)=\begin{cases}0,&x \leq 0\\x^{\sqrt{\theta}},&0<x<1\\1,&x \geq 1\end{cases}θ\theta为未知参数,且θ>0\theta>0X1,X2,,XnX_1,X_2,\cdots,X_n为来自总体XX的简单随机样本。求θ\theta的矩估计量与最大似然估计量。
  14. 在数集Ω={0,1,2,,N}\Omega=\{0,1,2,\cdots,N\}中有放回地抽取nn次,得X1,X2,,XnX_1,X_2,\cdots,X_n,则NN的最大似然估计量是( ) A. max{X1,X2,,Xn}\max\{X_1,X_2,\cdots,X_n\} B. min{X1,X2,,Xn}\min\{X_1,X_2,\cdots,X_n\} C. 1ni=1nXi\frac{1}{n}\sum_{i=1}^{n}X_i D. nn
  15. 设某元件的使用寿命TT的分布函数F(t)F(t)满足微分方程F(t)+2tθ2[F(t)1]=0,t0F'(t)+\frac{2t}{\theta^2}[F(t)-1]=0,t \geq 0θ\theta为大于0的常数,F(0)=0F(0)=0;且该元件性能Q(θ)=θ2(lnθ234)+θQ(\theta)=\theta^2(\frac{\ln\theta}{2}-\frac{3}{4})+\theta。任取nn个此种元件做寿命试验,测得值分别为t1,t2,,tnt_1,t_2,\cdots,t_n。 (1) 求θ\theta的最大似然估计值θ^\hat{\theta}; (2) 求该元件性能QQ的最大似然估计值Q^\hat{Q}
  16. 设总体XX的数学期望E(X)=0E(X)=0,方差D(X)=σ2D(X)=\sigma^2,而X1,X2,,Xn(n>2)X_1,X_2,\cdots,X_n(n>2)是来自总体XX的简单随机样本,X=1ni=1nXi\overline{X}=\frac{1}{n}\sum_{i=1}^{n}X_iS2=1n1i=1n(XiX)2S^2=\frac{1}{n-1}\sum_{i=1}^{n}(X_i-\overline{X})^2,则下列属于σ2\sigma^2的无偏估计量的是( ) A. nX2+S2n\overline{X}^2+S^2 B. 12(nX2+S2)\frac{1}{2}(n\overline{X}^2+S^2) C. 13(nX2+S2)\frac{1}{3}(n\overline{X}^2+S^2) D. 14(nX2+S2)\frac{1}{4}(n\overline{X}^2+S^2)
  17. μ\mu是总体XX的数学期望,σ\sigma是总体XX的标准差,X1,X2,,XnX_1,X_2,\cdots,X_n是来自总体XX的简单随机样本,则总体方差σ2\sigma^2的无偏估计量是( ) A. 1n1i=1n(Xiμ)2\frac{1}{n-1}\sum_{i=1}^{n}(X_i-\mu)^2μ\mu未知 B. 1ni=1n(Xiμ)2\frac{1}{n}\sum_{i=1}^{n}(X_i-\mu)^2μ\mu未知 C. 1n1i=1n(Xiμ)2\frac{1}{n-1}\sum_{i=1}^{n}(X_i-\mu)^2μ\mu已知 D. 1ni=1n(Xiμ)2\frac{1}{n}\sum_{i=1}^{n}(X_i-\mu)^2μ\mu已知
  18. σ\sigma是总体XX的标准差,X1,X2,,XnX_1,X_2,\cdots,X_n是来自总体XX的简单随机样本,则样本标准差SS是总体标准差σ\sigma的( ) A. 无偏估计量 B. 最大似然估计量 C. 相合估计量 D. 最小方差估计量
  19. X1X_1是来自正态总体XN(0,σ2)(σ>0)X \sim N(0,\sigma^2)(\sigma>0)的一个简单随机样本,x1x_1为其样本值,则σ2\sigma^2的一个无偏估计量为_____。
  20. 设总体XX的概率分布为 |XX|0|1|2|3| |----|----|----|----|----| |PP|θ3\theta^3|3θ2(1θ)3\theta^2(1-\theta)|3θ(1θ)23\theta(1-\theta)^2|(1θ)3(1-\theta)^3| 其中0<θ<10<\theta<1X1,X2,,XnX_1,X_2,\cdots,X_n为来自总体XX的简单随机样本。求θ\theta的最大似然估计量,并判定它是否为θ\theta的无偏估计量,说明理由。
  21. 设一批零件的长度服从正态分布N(μ,σ2)N(\mu,\sigma^2),其中σ2\sigma^2已知,μ\mu未知。现从中随机抽取nn个零件,测得样本均值为x\overline{x},则当置信度为0.90时,μ\mu大于μ0\mu_0的接受条件为( ) A. x>μ0σnz0.10\overline{x}>\mu_0-\frac{\sigma}{\sqrt{n}}z_{0.10} B. x>μ0+σnz0.05\overline{x}>\mu_0+\frac{\sigma}{\sqrt{n}}z_{0.05} C. x>μ0+σnz0.10\overline{x}>\mu_0+\frac{\sigma}{\sqrt{n}}z_{0.10} D. x>μ0σnz0.05\overline{x}>\mu_0-\frac{\sigma}{\sqrt{n}}z_{0.05}
  22. X1,X2,,XnX_1,X_2,\cdots,X_n是来自总体XX的简单随机样本,X\overline{X}为样本均值,E(X)=θE(X)=\theta,检验H0:θ=0;H1:θ0H_0:\theta=0;H_1:\theta \neq 0,且拒绝域W1={X>1}W_1=\{|\overline{X}|>1\}W2={X>2}W_2=\{|\overline{X}|>2\}分别对应显著性水平α1\alpha_1α2\alpha_2,则( ) A. α1=α2\alpha_1=\alpha_2 B. α1>α2\alpha_1>\alpha_2 C. α1<α2\alpha_1<\alpha_2 D. α1\alpha_1α2\alpha_2的大小关系不确定
  23. X1,x2X_1,x_2是来自正态总体N(μ,1)N(\mu,1)的简单随机样本,并设原假设H0:μ=2H_0:\mu=2,备择假设H1:μ=4H_1:\mu=4,若拒绝域W={X>3}W=\{\overline{X}>3\}X=12i=12Xi\overline{X}=\frac{1}{2}\sum_{i=1}^{2}X_i,记α,β\alpha,\beta分别为犯第一类错误和第二类错误的概率,则( ) A. α=β=1Φ(2)\alpha=\beta=1-\Phi(\sqrt{2}) B. α=1Φ(2),β=Φ(2)\alpha=1-\Phi(\sqrt{2}),\beta=\Phi(\sqrt{2}) C. α=Φ(2),β=1Φ(2)\alpha=\Phi(\sqrt{2}),\beta=1-\Phi(\sqrt{2}) D. α=β=Φ(2)\alpha=\beta=\Phi(\sqrt{2})
  24. 设总体X(123θ22θ(1θ)(1θ)2)X \sim \begin{pmatrix}1&2&3\\\theta^2&2\theta(1-\theta)&(1-\theta)^2\end{pmatrix},作检验H0:θ=0.1;H1:θ=0.9H_0:\theta=0.1;H_1:\theta=0.9,抽取3个样本,取拒绝域WW{X1=1,X2=1,X3=1}\{X_1=1,X_2=1,X_3=1\},则犯第二类错误的概率为_____。