重庆大学的研究生数理统计总复习共154页文档

重庆大学全日制学术型硕士研究生 《数理统计》（A ）课程试卷2013-2014学年第一学期（秋）请保留四位小数，部分下侧分位数为：0.95 1.65u =，0.99 2.33u =，20.95(1) 3.841χ=，0.95(3,6)9.78f =一、（18分）设1X ，2X ，…，64X 是来自总体N （0，2σ）的样本，X ，2S 分别是样本均值和样本方差：（1）求参数c 满足{}0.1P X S c >⋅=；（2）求概率22122234{1}X X P X X +>+；(3)求322321(2)i i i D X X X +=⎡⎤+-⎢⎥⎣⎦∑。

(请写出计算过程)解：（1）~(1)t n-{}}0.1P X S c P c ∴>⋅=>=得0.95(63)c t = 故 1.650.20638c ==（2）2~(0,)X N σ22212(/)(/)~(2)X X σσχ∴+ 同理22234(/)(/)~(2)X X σσχ+2222223412122234(/)(/)(/)(/)/~(2,2)22X X X X X X F X X σσσσ+++∴=+ 22122234{1}{(2,2)1}X X P P F X X +>=>+ 且0.50.50.51(2,2)(2,2)1(2,2)F F F =⇒= 得2222121222223434{1}1{1}0.5X X X X P P X X X X ++>=-≤=++ (3)令2~(2,2)i i n i Y X X N μσ+=+，112n i i Y Y X n ===∑ 221()(1)ni Y i T Y Y n S =∴=-=-∑3232223211(2)[()]i i i i i D X X X DT D Y Y +==⎡⎤+-==-⎢⎥⎣⎦∑∑2~(0,2(11/))i Y YN n σ-+~(0,1)YN=3222422421[2(11/)4(11/)((32))256(11/32)i Y D n n D σσχσ=+=+=+∑二、（26分）设1X ，2X ，…，n X 是来自总体2~(2,)(0)X N σσ>的样本，{}0.95P X A <=。

《概率论与数理统计》复习资料一、复习提纲注：以下是考试的参考内容，不作为实际考试范围，仅作为复习参考之用。

考试内容以教学大纲和实施计划为准；注明“了解”的内容一般不考。

1、能很好地掌握写样本空间与事件方法，会事件关系的运算，了解概率的古典定义2、能较熟练地求解古典概率；了解概率的公理化定义3、掌握概率的基本性质和应用这些性质进行概率计算；理解条件概率的概念；掌握加法公式与乘法公式4、能准确地选择和运用全概率公式与贝叶斯公式解题；掌握事件独立性的概念及性质。

5、理解随机变量的概念，了解(0—1)分布、二项分布、泊松分布的分布律。

6、理解分布函数的概念及性质，理解连续型随机变量的概率密度及性质。

7、掌握指数分布(参数 )、均匀分布、正态分布，特别是正态分布概率计算8、会求一维随机变量函数分布的一般方法，求一维随机变量的分布律或概率密度。

9、会求分布中的待定参数。

10、会求边缘分布函数、边缘分布律、条件分布律、边缘密度函数、条件密度函数，会判别随机变量的独立性。

11、掌握连续型随机变量的条件概率密度的概念及计算。

12、理解二维随机变量的概念，理解二维随机变量的联合分布函数及其性质，理解二维离散型随机变量的联合分布律及其性质，理解二维连续型随机变量的联合概率密度及其性质，并会用它们计算有关事件的概率。

13、了解求二维随机变量函数的分布的一般方法。

14、会熟练地求随机变量及其函数的数学期望和方差。

会熟练地默写出几种重要随机变量的数学期望及方差。

15、较熟练地求协方差与相关系数.16、了解矩与协方差矩阵概念。

会用独立正态随机变量线性组合性质解题。

17、了解大数定理结论，会用中心极限定理解题。

18、掌握总体、样本、简单随机样本、统计量及抽样分布概念，掌握样本均值与样本方差及样本矩概念，掌握2分布(及性质)、t分布、F分布及其分位点概念。

19、理解正态总体样本均值与样本方差的抽样分布定理；会用矩估计方法来估计未知参数。

()(){}{}()22222111221121221164~,~(8),89111,01(1)11~(0,1)1.28 1.280.281(2)0.261 1.8360.2619818ni i n X N S S X S n X X X X E X X n n n n n D X X DX DX DX X X N n n n P X X P U X P X S P μχσμ=-=--=--=---⎛⎫-=+==⇒- ⎪⎝⎭->=>=⎛ -⎧⎫ <-+<=<⎨⎬ ⎩⎭⎝∑解：由题可知（，）且与相互独立（）{}22222222241164. 1.836896464 = 2.08814.688=~(9)991188= 2.08814.688=0.90.01=0.89423948i i i S X X P S S P X X χχχμ=⎧⎫⎫⎪⎪⎪⎪⎪⎪+<⎨⎬⎪⎪⎪⎪⎪⎪⎭⎩⎭⎧⎫⎛⎫⎛⎫⎪⎪ ⎪ ⎪--⎪⎪⎪ ⎪<+<+⎨⎬ ⎪ ⎪⎪⎪⎪ ⎪⎪⎪⎝⎭⎝⎭⎩⎭<<-⎛⎫- ⎪⎝⎭=⋅∑，其中原式（）()()()(){}24882255448822554821584~(0,1)=~4998244~(4)8944 2.132= 2.132=0.1i ii i i i i i i i i ii i N X X X t t X XP X XP t μμχμμμμμμ======⎛⎫ ⎪⎛⎫⎛⎫ ⎪-- ⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪⎝⎭⎛⎫⎛⎫⎛⎫-- ⎪⎪⎪⎝⎭⎝⎭==--⎧⎫⎛⎫⎪⎪-≤-≤⎨⎬ ⎪⎝⎭⎪⎪⎩⎭∑∑∑∑∑∑∑∑∑（）则，()()()(){}222222222891(4)=8~1~(1,8)6498911=(1,8)58.82(8,1)10.90.158.8258.82XXX F FSSXP P F P FSμμμχμ-⎛⎫⎪--==⎧⎫-⎪⎪⎧⎫<<=<=-=⎨⎬⎨⎬⎩⎭⎪⎪⎩⎭（），则也可以用T分布与F分布的关系.0020001111()()1ln(1)11,,ˆˆˆ1ln(1),,ln(1)ln(1)2(;,...,)(;)ln (;,...,)=01ˆ=（）（）似然方程：得到参数的极大似然估计，再由i A nnx n n xn i i i n P X A F A e p p A EX DX A EX p EX X A EX p X p L x x f x e e d L x x nnx d Xλλλλλλλλλλλλλλλ---==<==-=-=-===--=∴=--=--====-∏∏ 0000010000ln(1)ˆln(1)ˆln(1)ˆ(3)=ln(1)=ln(1)==ˆln (;,...,)ln(1){[ln(1)][]}ln(1)ˆ()ln(1)ˆˆ极大似然估计的不变性，推出的极大似然估计为是的无偏估计且是的无偏估计是有效n A p A X p p EA E X p p EX A AA d L x x p n n nx X p d p n AA p AA A λλλλλλ-=-=----⎡⎤----⎣⎦∴-=-=-----=--∴ ()202ˆlim ln(1)ˆlim lim 0ˆ估计又是相合估计量n n n EA A p DA n Aλ→∞→∞→∞⎧=⎪⎨-⎪==⎩∴221212121222122222222221222121.422,2~222(1)(1)~01~(2) (1)(1)(1)(1)2=222X YX Y X YX X X X Nn mX X n S m SU N n mn S m S n S m S X X Sn mX Xtωσσμμμμμμχχσσσσ+++++-+--==++----+-+++-+-+==的无偏估计为且（，+）（，）又且与独立,记则()()()()()()()121212212121211221212122222=22=22222=12122t n mP t t n mX XP t n m t n mP X X t n m S X X t n m SX X t n m Sαααααωαμμμμαμμα-----+-⎧⎫≤+-⎨⎬⎩⎭⎧⎫⎪⎪+-+⎪⎪+-≤≤+-⎨⎬⎪⎪⎪⎪⎩⎭⎧⎪+-+-≤+≤+++-⎨⎪⎩-+-+±+-因此构造的置信区间为{}{}121201212120121212121212.222=022,22=02=02=0=的无偏估计为，在：成立的条件下，大于某个常数应该是小概率事件，因此构造拒绝域：以下确定常数由X X H X X c K X X c cP X X c P P t t μμμμμμμμμμα+++++>+>+⎧⎫⎪⎪⎪=>+⎬⎪⎪⎭⎧⎫⎪⎪⎪⎪=>+=⎨⎬⎪⎪⎪⎪⎩⎭()()122n m c t n m S ααω--+-⇒=+-拒绝域为：3133011331122333333111~(1,).~(3)220.220.230.20.20.80.20.104220.4因为所以，类错误(弃真)：为真类错误(纳伪)：为真i i i i i i i i i i i i i i X B p X B p P X H P X p P X p P X p C C P X H P X p αβ=======I ⎧⎫⎧⎫=≥=≥=⎨⎬⎨⎬⎩⎭⎩⎭⎧⎫⎧⎫===+==⎨⎬⎨⎬⎩⎭⎩⎭=+=II ⎧⎫⎧=<=<=⎨⎬⎨⎩⎭⎩∑∑∑∑∑∑∑313311223333120.4120.430.410.40.60.40.648i i i i i i P X p P X p P X p C C ===⎫⎬⎭⎧⎫=-≥=⎨⎬⎩⎭⎧⎫⎧⎫=-==-==⎨⎬⎨⎬⎩⎭⎩⎭=--=∑∑∑()()221221111211=200ˆnE i i i n n nEi i i i i i i i i ni ii nii S y x dS y x x y x x d x yxββββββ======-=--=⇒-==∑∑∑∑∑∑解：（）利用最小二乘估计使残差平方和最小参数的最小二乘估计量为2211222111111221111ˆ2=~(,)ˆˆˆ~(,)111ˆ===11ˆ（），由正态分布的性质推知服从正态分布ni ii i i i ni ii nnni i iiiinnni i i i i ii i i ni i nn i i i i i x YY x N x xN E D E E x Y x EY x x x x xD D x Y x x ββεβσβββββββ============+⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭⎛⎫⎛ ⎪ ⎪ == ⎪ ⎪⎝⎭⎝∑∑∑∑∑∑∑∑∑∑∑()()()()()222211221222111112211ˆ~(,)ˆˆˆ3=ˆˆˆ2(,)ˆ(,)(,)因此，（）nii ni ii n i i nnE i iiiiii i nni i i i i ii i ni ii ii i i i nniii i xDY xN x ES E Y x D Y x E Y x D Y x DY D x Cov Y x x Yx Cov Y x Cov Y x C xxσσβββββββββ==========⎫⎪⎪=⎪ ⎪⎭⎡⎤-=-+-⎣⎦⎡⎤=-=+-⎣⎦==∑∑∑∑∑∑∑∑∑∑()222221112222222222221111(,)(,)221则ni i i i i i i nni iii i nni i Enni i iii i x x ov Y x Y Cov Y Y xxx x ESn n n xxσσσσσσσσ==========+-=+-=-∑∑∑∑∑∑∑因素：车型水平：3种不同的车型A,B,C方差分析前提假设：正态性，方差齐次性，独立性对比分位数：0.95(2,9) 4.26F F >=，拒绝原假设0123:H μμμ==，认为这三种车型耗油量有显著差异。

一、问题提出和问题分析今天的重庆，肩负着中央赋予的历史重任——着力打造西部地区的重要增长极、长江上游地区的经济中心、成为统筹城乡发展的试验者、在西部地区率先实现全面建设小康社会的目标。

2010年初，又一重要规划将重庆发展提升到国家战略——重庆被确定为国家五大中心城市之一，是中西部地区唯一入选的城市。

这说明，重庆未来的发展不可限量。

自1997年直辖以来，重庆市的经济社会发展极为迅猛。

全市的GDP由1997年的1360.24亿元增长至2010年的7894.2亿元，而整个社会的发展进步也有目共睹。

在重庆过去、现在和未来的发展进程中，在重庆的各种发展规划的要求下，建设必将成为山城的另一个符号。

过去十多年中的大规模、大范围的建设成就了现在的重庆，而重庆未来的发展将需要更多的建设。

作为重庆建设中最重要的一环，建筑业在重庆显然有着重要的地位。

建筑业这种专门从事土木工程、房屋建设和设备安装以及工程勘察设计工作的生产部门，为重庆的发展建设提供着众多的基础设施，满足着居住、工业、商业、办公等各种城市需求。

数据显示，在过去的数年中，重庆市建筑业的总产值占全市GDP的7%-8%，是名副其实的支柱产业。

因此建筑业的发展情况，可以从侧面反映出整个重庆社会经济的发展情况，对重庆建筑业的研究就有了很大的现实意义。

建筑企业是建筑业的主体。

众多的建筑企业的良好发展构成了建筑业的良好发展。

对于建筑企业来说，要实现企业的良好经营和发展，必须要有良好的收入来支撑。

在建筑企业收入的众多影响因素中，企业的劳动生产率无疑是值得关注的一个。

企业都在致力于提高自身的劳动生产效率，而不断提高的劳动生产率，可使得企业的生产经营行为更具效率，因而获得更多的收入，实现更好的发展。

所以，研究重庆市建筑企业劳动生产率与企业收入的关系，可从一个角度来了解重庆市建筑企业的发展情况，从而了解到了重庆建筑业的发展以至于重庆市的经济发展情况。

为了找出二者之间的关系或者规律性，本文采用2001-2010这十年中重庆建筑企业劳动生产率和企业平均收入的数据，通过数学分析，找出二者关系。

概率论与数理统计总复习本课件仅供用作《概率论与与数理统计》课程复习1一、随机事件与概率主要问题: 事件间的关系与运算, 条件概率，乘法公式, 全概率公式, 贝叶斯公式,事件的独立性, Bernoulli概型.常见考点: 全概率公式和Bayes 公式; 加法公式与乘法公式.2同则结合异则分配34由因说果执果溯因5•若P(AB)=0，则P(ABC)=0？P ABC=P C AB P(AB)•Bernoulli概型（n重Bernoulli试验）随机试验只有两个可能结果A,A，记P A=p,P A=q，把该随机试验独立地重复n次记B 为“在n重Bernoulli试验中事件A恰好发生k次”，则P B k=C n k p k q1 k,0≤k≤n6P AB=P A −B =P(A −AB)•对立和互斥之间的关系：除A⋂B =∅外，互斥还要求A⋃A =ΩΩABA ΩA BA −BA −B78910二、随机变量及其概率分布求密度函数f(x); 求分布函数F xf(x),F(x) 的性质：F x =P X ≤x F x = f(t)xdtf x dx=1P x 1<X ≤x 2=F x 2−F x 1= f x dxx 2x 1做完一定要验算：F′(x)=f(x)！11121314已知连续型随机变量X的概率密度f x 求随机变量Y=g(X) 的概率密度f (y)• 分布函数微分法*• 积分转化法f xϕxdx=f(ϕ(x))ϕ′(x)更一般地1516积分转化法（容易推广到多维随机变量情形）设随机变量X 的概率密度为fx ，g(x)是连续或单调函数，Y =g(X)。

如果对任何有界连续函数ℎ(x)，成立ℎg x f x dx= ℎ(y)p y dy其中，−∞≤α<β≤∞，则Y =g(X)的概率密度为f y =p y ,α<y <β0, 其他换元、交换积分次序等变换17181920六种重要分布（三种离散型+三种连续型）1、如果随机试验只有两个结果：A 与A ，则称该试验为Bernoulli 试验。