课后题答案6

第六章一、为什么说中国的抗日战争是神圣的民族解放战争？（1）抗日战争是中华民族全民族的反侵略斗争，是一场正义战争。

全国各界民众以不同形式参加抗日民族统一战线，投入了全民族抗战。

（2）抗日战争的胜利彻底打败日本侵略者，捍卫了中国的国家主权和领土完整，使中华民族避免了遭受殖民奴役的厄运。

（3）抗日战争促进了中华民族的觉醒，使中国人民在精神上.组织上的进步达到了前所未有的高度。

（4）抗日战争促进中华民族的大团结，弘扬了中华民族的伟大精神。

并对世界各国反法西斯战争的胜利.维护世界和平的伟大事业产生了巨大影响。

（5）由此，中国的抗日战争是神圣的民族解放战争。

二、为什么说中国共产党是中国人民抗日战争的中流砥柱？A、全面抗战的路线和持久战的方针a、实行全面的全民族抗战的路线。

中国共产党确信，只有动员和依靠群众，才能坚持抗战，并使抗战的胜利成为人民的胜利。

与国民党实行的片面抗战路线不同，中国共产党一开始就主张实行人民战争的全面抗战路线。

这两条不同的抗战路线的存在，就是一切中国问题的关键所在。

b、米取持久战的战略方针1938年5月至6月间，毛泽东发表《论持久战》的演讲，总结抗战10个月来的经验，集中全党智慧，系统阐明了持久战的总方针。

毛泽东阐明的持久战战略思想，揭示了抗日战争的发展规律和坚持抗战、争取抗战胜利必须实行的战略方针，对全国抗战的战略指导产生了积极的影响。

B、敌后战场的开辟与游击战争的发展a、敌后战场的开辟和发展为了贯彻执行全面抗战路线，中国共产党做出了开辟敌后战场的战略决策。

中国抗日战争逐渐形成战略上相互配合的两个战场，一个是主要由国民党军队担任的正面战场，一个是由共产党领导的人民军队为主担负的敌后战场。

b、游击战争的战略地位和作用C、坚持抗战、团结、进步的方针a、统一战线中的独立自主原则。

中国共产党强调，必须在统一战线中坚持独立自主原则，既统一，又独立。

为此，中国共产党保持在思想上、政治上和组织上的独立性，放手发动群众，壮大人民力量；坚持对人民军队的绝对领导，冲破国民党的限制和束缚，努力发张人民武装和抗日根据地；对国民党采取又团结又斗争、以斗争求团结的方针。

1．什么是刚度?钢筋混凝土受弯构件的刚度能否取用EI ？为什么?应该如何取值？答：（1）刚度是指材料或结构在受力时抵抗弹性变形的能力。

（2）钢筋混凝土受弯构件在承受作用时会产生裂缝，其受拉区成为非连续体，这就决定了钢筋混凝土受弯构件的变形（挠度）计算中涉及的抗弯刚度不能直接采用匀质弹性梁的抗弯刚度EI 。

（3）钢筋混凝土受弯构件的抗弯刚度通常用B 表示。

cr s cr s cr -B B M M M M B B 02201⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛+⎪⎪⎭⎫ ⎝⎛=其中0W f M tk cr ⋅=γ， 002W S =γ2．为什么要进行变形计算?答：承受作用的受弯构件，如果变形过大，将会影响结构的正常使用。

例如，桥梁上部结构的挠度过大，梁端的转角亦大，车辆通过时，不仅要发生冲击，而且要破坏伸缩装置处的桥面，影响结构的耐久性；桥面铺装的过大变形将会引起车辆的颠簸和冲击，起着对桥梁结构不利的加载作用。

3．钢筋混凝土受弯构件的挠度为什么要考虑作用长期效应的影响？如何考虑？答：随着时间的增长，构件的刚度要降低，挠度要增大，因此钢筋混凝土受弯构件的挠度为什么要考虑作用长期效应的影响。

按作用短期效应组合计算的挠度值，要乘以挠度长期增长系数ηθ；4．钢筋混凝土受弯构件挠度的限值是多少?如何应用?答：钢筋混凝土受弯构件按上述计算的长期挠度值，在消除结构自重产生的长期挠度后，梁式桥主梁的最大挠度处不应超过计算跨径的1/600；梁式桥主梁的悬臂端不应超过悬臂长度的1/300。

5．受弯构件的变形（挠度）如何控制?答：在承受作用时，受弯构件的变形（挠度）系由两部分组成：一部分是由永久作用产生的挠度，另一部分是由基本可变作用所产生的。

永久作用产生的挠度，可以认为是在长期荷载作用下所引起的构件变形，它可以通过在施工时设置预拱度的办法来消除；而基本可变作用产生的挠度，则需要通过验算来分析是否符合要求。

6．什么是预拱度?预拱度如何设置?有什么条件?答：预拱度为抵消梁、拱、桁架等结构在荷载作用下产生的挠度，而在施工或制造时所预留的与位移方向相反的校正量。

def idcheck():'''6-2 修改idcheck使之可以检测长度为一得标识符，并且可识别Python 关键字'''import stringimport keywordkeys = keyword.kwlistalphas = string.letters+'_'nums = string.digitsalphanums = alphas+numsprint 'Welcome to the Identifier Check V1.1'myInput = raw_input('identifier to test: ')isOne = False # 是否是一个字符if len(myInput) == 1:isOne = Falseif myInput in keys:print '''invalid:symbol has been defined'''return Falseelif myInput[0] not in alphas:print '''invalid:first symbol must be alphabetic'''return Falseelif not isOne:otherInput = myInput[1:]for otherChar in otherInput:if otherChar not in alphanums:print '''invalid:remainn symbols must be alphanumeric'''return Falseprint "okay as an Identifier"return Truedef order(nlist):'''6-3(a) 输入一串数字，从大到小排列注意：输入的是一个列表，其中的值为数字'''newlist = []for x in nlist:newlist.append(int(x))return sorted(newlist,reverse=True)def order2(nlist):'''6-3(b) 和a一样，不过要用字典序注意：字典序就是按字典的排列方式，比如21 就大于111 ，因为2大于1 方式就是把输入的数字变成字符串即可'''# 将里面的元素统统变成字符串先newlist = []for x in nlist:newlist.append(str(x))newlist = sorted(newlist,reverse=True)for i,x in enumerate(newlist):newlist[i] = int(x)return newlistdef avescore():'''输入测试得分，算出平均值'''scorelist = [] # 分数列表while True:myinput = raw_input('Input the score(if No number quite): ')try:scorelist.append(float(myinput))except:breakif not len(scorelist):return Falsereturn sum(scorelist)/len(scorelist)def showstr():'''6-5(a) 更新2-7 使之可以每次向前向后都显示一个字符串的一个字符'''istr = raw_input('Input string: ')lens = len(istr)if lens==0:return Falseif lens==1:print istrreturn Truefor i,j in enumerate(istr):if i ==0 and len(istr)!=1:print j,istr[i+1]elif i == len(istr)-1 and i != 0:print istr[i-1]else:print istr[i-1],j,istr[i+1]return Truedef mycmp():'''6-5(b)通过扫描判断两个字符串是否匹配,不能使用比较操作符或者cmp()''' str1 = raw_input('First string:')str2 = raw_input('Second string:')equal = len(str1) - len(str2)if not equal:return False # 表示长度不相等# 将字符串变成列表for i,j in enumerate(str1):if ord(j)-ord(str2[i]):#如果减下来不为0return Falsereturn Truedef isback():'''6-5(c)判断一个字符串是否是回文，忽略控制符号和空格[支持中文]'''import string# 控制符表示ASCII 码中0~31 以及127 这33个无法输出的字符denny = [chr(i) for i in xrange(0,32)]+list(string.whitespace)denny.append(chr(127))strs = raw_input('Please input string:')# 将输入的数据解码成unicode 因为在windows上默认是gbk，所以这里是gbk # 如果是在其他命令行中，应该以命令行输入的字符编码为主strs = strs.decode('gbk')new = []for i in strs:if i in denny:continuenew.append(i)lens = len(new)if lens%2:return Falseelse:half = lens/2if new[0:half] == new[-1:-half-1:-1]:return Truereturn Falsedef beback():'''6-5(d) 输入一个字符串在后面重复一个反向拷贝，构成回文'''strs = raw_input('Input string: ')# 将输入的数据解码成unicode 因为在windows上默认是gbk，所以这里是gbk # 如果是在其他命令行中，应该以命令行输入的字符编码为主strs = strs.decode('gbk') # 解码为unicodelens = len(strs)# 这里之所以是-1:-lens-1:-1# 分析如下：-1就是倒数第一个，-(lens+1) 就是长度，-1是步进# 就是说从倒数第一个开始-1(步进)，一直减到倒数lens+1，由于切片里是[a:b] 是a<=x<b的，# 所以这里是lens+1 而不是lensreturn strs+strs[-1:-lens-1:-1]def strip():'''6-6 去掉输入的字符串的前面和后面的空格'''strs = raw_input('Input string: ').decode('gbk')new = u''# 由于只是去掉前面和后面的空格，所以不能遍历全部# 分析，从前面遍历到非空格停止，从后面遍历到非空格位置# 为了方便，我首先将字符串变成了列表strs = list(strs)lens = len(strs)for i in range(0,lens): # 从前面开始遍历if strs[i] == ' ':strs[i] =''else:breakfor i in range(-1,-lens-1,-1):if strs[i] == ' ':strs[i] = ''else:break# 将list 转成字符串nstrs = ''for i in range(0,lens):nstrs +=strs[i]return nstrsdef num2eng():'''6-8 输入一个整数，返回相应的英文，限定0~1000'''lists = ['zero','one','two','three','four','five','six','seven','eight','nine']new =''while True:try:iput = int(raw_input('Please input a int(0~1000): '))if iput <0 or iput >1000:continueexcept:continuebreakiput = str(iput)for j in iput:new += lists[int(j)]+'-'return new[0:-1]def minute2time():'''6-9 输入分钟，返回小时数和分钟'''minute = int(raw_input('Please input a minutes: '))hours = minute/60newminute = minute-hours*60return '%d:%02d' % (hours,newminute)def like():'''6-10 写一个函数，返回一个跟输入字符串相似的字符串，要求字符串的大小写反转例如：Mr.Ed 返回mR.eD'''import stringimport randomLetter = string.ascii_uppercase # 大写字母字符串letter = string.ascii_lowercase # 小写字母字符串name = raw_input('Input string: ')newname = ''for i in name:if i in Letter:newname += random.choice(letter)continueif i in letter:newname += random.choice(Letter)continuenewname +=ireturn newnamedef int2ip():'''6-11(a) 创建一个整数到IP地址的转换'''ints = raw_input('Input Int:')# 分析ip地址和整数的关系# ip地址是由4个字节组成，每个字节8位，换成16进制就是8 位# FF.FF.FF.FF ===> 11111111 11111111 11111111 11111111# 那么后面就是一个4位的二进制了# 我们要做的就是将十进制的长整数换成4个字节的二进制或者4个16进制，然后再将每个字节转成独立的十进制# 整数转成四个字节其实就是整数转16进制hexs = hex(int(ints))[2:] # hex转换后把最前面一个0x 先去掉，然后在前面填0 while len(hexs)<8:hexs = '0'+hexsip1 = int(hexs[0]+hexs[1], 16)ip2 = int(hexs[2]+hexs[3], 16)ip3 = int(hexs[4]+hexs[5], 16)ip4 = int(hexs[6]+hexs[7], 16)return '%03d.%03d.%03d.%03d' %(ip1,ip2,ip3,ip4)def ip2int():'''6-11(b) 将ip地址转成整数'''ip = raw_input('Input Ip:')# 分析：# 首先将ip转成列表# 然后变成十六进制，合并在一起# 然后将十六进制转成十进制ips = ip.split('.')ip = []for i in xrange(0,4):ip.append(int(ips[i]))ip[i] = hex(ip[i])[2:]if len(ip[i]) == 1:ip[i] = '0'+ip[i]return int(ip[0]+ip[1]+ip[2]+ip[3], 16)def findchr(string, char):'''6-12(a) 在string 中寻找char 找到返回索引，找不到返回-1不能使用find 或者index方法'''#strs = raw_input('Input string:')#char = raw_input('Input char:') # 书中并没有说是找一个字符还是多个，我们假设为多个lens = len(char) # 计算出char的长度# 我们可以用in 来指导是否存在if char not in string:return -1for i,j in enumerate(string):if j in char:# 找到一个首字母哦~~~if string[i:i+lens] == char: # 检查是否匹配return ireturn -1def rfindchr(string, char):'''6-12(b) 和findchr类似，不过是从后面往前面找'''lens = len(char)lenstr = len(string)if char not in string:return -1rstring = string[::-1] #倒置的stringfor i,j in enumerate(rstring):if j in char:# 索引比长度小1，所以lenstr -1# 因为i 是倒数的，所以整数就是# lenstr-1-iif string[lenstr-1-i:lenstr-1-i+lens] == char:return lenstr-1-ireturn -1def subchr(string, origchar, newchar):'''6-12(c) 和findchr类似只不过找到匹配的字符就用新字符替换掉原来的字符并且返回修改后字符串'''# 这里注意了，是要替换掉第一个，还是替换掉所有的呢？我这里默认是替换掉所有的lens = len(origchar)while True:index = string.find(origchar)if index >-1:# 我的做法是将字符串分割开两段，然后中间加入新字符串string = string[0:index] + newchar + string[index+lens:]else:breakreturn stringdef atoc(string):'''6-13 输入字符串返回复数，只能用complex不能用eval'''cindex = string.rfind('-')if cindex <= 0:cindex = string.rfind('+')if cindex >0 :real = float(string[0:cindex])compl = float(string[cindex:-1])return complex(real,compl)def rochambeau():'''6-14 石头剪子布，输入一个行为，计算机随即产生一个对应的行为，并进行比较看谁赢'''import randomselect = ['paper','shears','rock'] # 定个规则0>1>2cli = int(raw_input('Input your select[1.paper 2.shears 3.rock]: '))-1print ' --- You VS Computer ---'print '\nYou[ %s ]' % select[cli],cup = random.choice([0,1,2])print '\tComputer[ %s ]\n'% select[cup]youwin = ' --- You Win!!! ---'cupwin = ' --- Computer Win!!! ---'eq = ' --- Nobody Win ---'if cup == cli:print eqreturnif (cup-cli)==-2 or (cup > cli and (cli-cup != -2)):print cupwinelse:print youwindef date2date():'''6-15 计算两个日期间的天数'''# 由于现在已经是2000年后了，所以我这里不用DD/MM/YY 用DD/MM/YYYY 日/月/年# 这里用到了上面的isleapyear(year) 函数import datetimemonth = {1:31,2:28,3:31,4:30,5:31,6:30,7:31,8:31,9:30,10:31,11:30,12:31} # 默认的月份和天数while True:# 这里做循环的目的是怕用户输入的日期不存在sdate = raw_input('Input Start Date[DD/MM/YYYY]: ').split('/')dd,mm,yyyy = 0,1,2sdate[dd],sdate[mm],sdate[yyyy] = int(sdate[0]),int(sdate[1]),int(sdate[2])if sdate[mm] > 12 or sdate[mm]<1:continueif isleapyear(sdate[yyyy]):month[2]=29if sdate[dd]<1 or sdate[dd] > month[sdate[mm]]:continuebreak;while True:edate = raw_input('Input End Date[DD/MM/YYYY]: ').split('/')edate[dd],edate[mm],edate[yyyy] = int(edate[0]),int(edate[1]),int(edate[2])if edate[mm] > 12 or edate[mm]<1:continueif isleapyear(sdate[yyyy]):month[2]=29if edate[dd]<1 or edate[dd] > month[edate[mm]]:continuebreak;# 挑简单的先解决，如果是同一天，返回0if sdate == edate:return 0# 如果是同年同月，直接相减if sdate[yyyy] == edate[yyyy] and sdate[mm]==edate[mm]:return edate[dd] - sdate[dd]# 如果是同一年，那么就要判断当年是不是闰年if sdate[yyyy] == edate[yyyy]:# 是闰年，则2月事29天if isleapyear(sdate[yyyy]):month[2] = 29# 然后开始计算月到月days = 0for i in xrange(sdate[mm]+1,edate[mm]): # 开始月到中止月之间的日期days+=month[i]# 最后加上开始日当月过了几天+结束月当月过了几天days += month[sdate[mm]]-sdate[dd] + edate[dd]return days# 如果不是同一年，先计算年与年之间的日期days = 0for year in xrange(sdate[yyyy]+1,edate[yyyy]):if isleapyear(year):days+=366else:days+=365# 然后计算起始年到年终的日期if isleapyear(sdate[yyyy]):month[2] = 29sdays = 0for i in xrange(sdate[mm]+1, 13):sdays+=month[i]sdays += month[sdate[mm]]-sdate[dd]# 最后计算终止年年头到结束日期if isleapyear(sdate[yyyy]):month[2]=29else:month[2] = 28edays = 0for i in xrange(1,edate[mm]):edays+=month[i]edays += edate[dd]return edays+sdays+daysclass matrix:'''6-16 矩阵东西比较多，我在这里做成了类来处理'''# 我用一个列表来表示初始矩阵# 这个矩阵式一个平面，包括纵向和横向# 我这里用横向表示二级# 例如# matrix = [[1,2,3],[2,3,4],[3,5,6]] 转成矩阵就是这样## | 1 2 3 |# | 2 3 4 |# | 3 5 6 |#matrix = []def __init__(self, matrix):self.matrix = matrixself.ylens = len(matrix)self.xlens = len(matrix[0])def ji(self,matrix2):'''6-16 求两个矩阵的积'''import copyif len(matrix2) != self.xlens:return Falseif len(matrix2[0]) != self.ylens:return Falsenew = copy.deepcopy(self.matrix) # 这里主要是复制格式for i in xrange(0, self.ylens):for j in xrange(0, self.xlens):new[i][j] += self.matrix[i][j]*matrix2[j][i]self.matrix = newreturn self.matrixdef add(self,matrix2):'''6-16 求两个矩阵的和'''if len(matrix2) != self.ylens:return Falseif len(matrix2[0])!=self.xlens:return Falsefor i in xrange(0, self.ylens):for j in xrange(0, self.xlens):self.matrix[i][j] += matrix2[i][j]return self.matrixdef sub(self,matrix2):'''矩阵减法'''if len(matrix2) != self.ylens:return Falseif len(matrix2[0]) != self.xlens:return Falsefor i in xrange(0, self.ylens):for j in xrange(0, self.xlens):self.matrix[i][j] -= matrix2[i][j]return self.matrixdef change(self):'''6-16 转置矩阵'''# 所谓转置就是将横和纵交换new_matrix = []for i in xrange(0,self.xlens):new_matrix.append([])for j in xrange(0,self.ylens):new_matrix[i].append([])new_matrix[i][j] = self.matrix[j][i]self.matrix = new_matrixreturn self.matrixdef mypop(inlist):'''6-17 功能类似pop'''del inlist[len(inlist)-1]return inlistdef showlist(inlist,row,xorder=True):'''6-19 输入任意项序列，把它们等距离分列显示，由调用者提供数据和输出格式以及排序方式是水平还是垂直''' numl = len(inlist)*1./rowif numl.is_integer : numl = int(numl)else:numl = int(numl)+1outlist = []x=0# 建立一个list,用来格式化输出col,row = numl,rowfor i in xrange(0, col):outlist.append([])for j in xrange(0, row):outlist[i].append([])outlist[i][j] = inlist[x]x+=1if xorder:outlist[i] = sorted(outlist[i])line =[x for x in xrange(0,col)]if not xorder: # 如果是垂直排序，处理一下for i in xrange(0, row):for j in xrange(0,col):line[j] = outlist[j][i]line = sorted(line)for x in xrange(0, col):outlist[x][i] = line[x]o = ''for i in xrange(0, col):for j in xrange(0,row):if j == row-1:o = '%d' % outlist[i][j]else: o='%d\t' %outlist[i][j]print o,if i!=col-1:print '\n'。

第六章参数估计6.1 点估计问题概述习题1总体X在区间[0,θ]上均匀分布，X1,X2,⋯,Xn是它的样本，则下列估计量θ是θ的一致估计是().(A)θ=Xn; (B)θ=2Xn;(C)θ=X¯=1n∑i=1nXi;(D)θ=Max{X1,X2,⋯,Xn}.解答：应选(D).由一致估计的定义，对任意ɛ>0,P(∣Max{X1,X2,⋯,Xn}-θ∣<ɛ)=P(-ɛ+θ<Max{X1,X2,⋯,Xn}<ɛ+θ)=F(ɛ+θ)-F(-ɛ+θ).因为FX(x)={0,x<0xθ,0≤x≤θ1,x>θ, 及F(x)=FMax{X1,X2,⋯,Xn}(x)=FX1(x)FX2(x)⋯FXn(x),所以F(ɛ+θ)=1, F(-ɛ+θ)=P(Max{X1,X2,⋯,Xn}<-ɛ+θ)=(1-xθ)n,故P(∣Max{X1,X2,⋯,Xn}-θ∣<ɛ)=1-(1-xθ)n→1(n→+∞).习题2设σ是总体X的标准差，X1,X2,⋯,Xn是它的样本，则样本标准差S是总体标准差σ的().(A)矩估计量；(B)最大似然估计量；(C)无偏估计量；(D)相合估计量.解答：应选(D).因为，总体标准差σ的矩估计量和最大似然估计量都是未修正的样本标准差；样本方差是总体方差的无偏估计，但是样本标准差不是总体标准差的无偏估计.可见，样本标准差S是总体标准差σ的相合估计量.习题3设总体X的数学期望为μ,X1,X2,⋯,Xn是来自X的样本，a1,a2,⋯,an是任意常数，验证(∑i=1naiXi)/∑i=1nai(∑i=1nai≠0)是μ的无偏估计量.解答：E(X)=μ,E(∑i=1naiXi∑i=1nai)=1∑i=1nai⋅∑i=1naiE(Xi)(E(Xi)=E(X)=μ)=μ∑i=1nai∑i=1n=μ,综上所证，可知∑i=1naiXi∑i=1nai是μ的无偏估计量.习题4设θ是参数θ的无偏估计，且有D(θ)>0, 试证θ2=(θ)2不是θ2的无偏估计.解答：因为D(θ)=E(θ2)-[E(θ)]2, 所以E(θ2)=D(θ)+[E(θ)]2=θ2+D(θ)>θ2,故(θ)2不是θ2的无偏估计.习题5设X1,X2,⋯,Xn是来自参数为λ的泊松分布的简单随机样本，试求λ2的无偏估计量.解答：因X服从参数为λ的泊松分布，故D(X)=λ, E(X2)=D(X)+[E(X)]2=λ+λ2=E(X)+λ2,于是E(X2)-E(X)=λ2, 即E(X2-X)=λ2.用样本矩A2=1n∑i=1nXi2,A1=X¯代替相应的总体矩E(X2),E(X), 便得λ2的无偏估计量λ2=A2-A1=1n∑i=1nXi2-X¯.习题6设X1,X2,⋯,Xn为来自参数为n,p的二项分布总体，试求p2的无偏估计量.解答：因总体X∼b(n,p), 故E(X)=np,E(X2)=D(X)+[E(X)]2=np(1-p)+n2p2=np+n(n-1)p2=E(X)+n(n-1)p2,E(X2)-E(X)n(-1)=E[1n(n-1)(X2-X)]=p2,于是，用样本矩A2,A1分别代替相应的总体矩E(X2),E(X),便得p2的无偏估计量p2=A2-A1n(n-1)=1n2(n-1)∑i=1n(Xi2-Xi).习题7设总体X服从均值为θ的指数分布，其概率密度为f(x;θ)={1θe-xθ,x>00,x≤0,其中参数θ>0未知. 又设X1,X2,⋯,Xn是来自该总体的样本，试证：X¯和n(min(X1,X2,⋯,Xn))都是θ的无偏估计量，并比较哪个更有效.解答：因为E(X)=θ, 而E(X¯)=E(X),所以E(X¯)=θ, X¯是θ的无偏估计量.设Z=min(X1,X2,⋯,Xn),因为FX(x)={0,x≤01-e-xθ,x>0,FZ(x)=1-[1-FX(x)]n={1-e-nxθ,x>00,x≤0,所以fZ(x)={nθe-nxθ,x>00,x≤0,这是参数为nθ的指数分布，故知E(Z)=θn, 而E(nZ)=E[n(min(X1,X2,⋯,Xn)]=θ,所以nZ也是θ的无偏估计.现比较它们的方差大小.由于D(X)=θ2, 故D(X¯)=θ2n.又由于D(Z)=(θn)2, 故有D(nZ)=n2D(Z)=n2⋅θ2n2=θ2.当n>1时，D(nZ)>D(X¯),故X¯较nZ有效.习题8设总体X服从正态分布N(m,1),X1,X2是总体X的子样，试验证1=2 X1+1 X2, 2=1 X1+ X2,=12X1+12X2,都是m的无偏估计量；并问哪一个估计量的方差最小?解答：因为X服从N(m,1), 有E(Xi)=m,D(Xi)=1(i=1,2),得E( 1)=E(23X1+13X2)=23E(X1)+13E(X2)=23m+13m=m,D( 1)=D(23X1+13X2)=49D(X1)+19D(X2)=49+19=59,同理可得：E( 2)= ,D( 2)= ,E( )= ,D( )=12.所以， 1, 2,都是m的无偏估计量，并且在 1, 2,中，以的方差为最小.习题9设有k台仪器. 已知用第i台仪器测量时，测定值总体的标准差为σi(i=1,2,⋯,k), 用这些仪器独立地对某一物理量θ各观察一次，分别得到X1,X2,⋯,Xk. 设仪器都没有系统误差，即E(Xi)=θ(i=1,2,⋯,k), 问a1,a2,⋯,ak应取何值，方能使用=∑i=1kaiXi估计θ时， 是无偏的，并且D( )最小？解答：因为E(Xi)=θ(i=1,2,⋯,k), 故E( )=E(∑i=1kaiXi)=∑i=1kaiE(Xi)=θ∑i=1kai,欲使E( )=θ, 则要∑i=1kai=1.因此，当∑i=1kai=1时，=∑i=1kaiXi为θ的无偏估计,D( )=∑i=1kai2σi2, 要在∑i=1kai=1的条件下D( )最小，采用拉格朗日乘数法.令L(a1,a2,⋯,ak)=D()+λ(1-∑i=1kai)=∑i=1kai2σi2+λ(1-∑i=1kai),{∂L∂ai=0,i=1,2,⋯,k∑i=1kai=1,即2aiσi2-λ=0,ai=λ2i2;又因∑i=1kai=1,所以λ∑i=1k12σi2=1, 记∑i=1k1σi2=1σ02, 所以λ=2σ02, 于是ai=σ02σi2 (i=1,2,⋯,k),故当ai=σ02σi2(i=1,2,⋯,k)时， =∑i=1kaiXi是θ的无偏估计，且方差最小.习题6.2 点估计的常用方法习题1设X1,X2,⋯,Xn为总体的一个样本，x1,x2,⋯,xn为一相应的样本值，求下述各总体的密度函数或分布律中的未知参数的矩估计量和估计值及最大似然估计量．(1)f(x)={θcθx-(θ+1),x>c0,其它, 其中c>0为已知，θ>1,θ为未知参数.(2)f(x)={θxθ-1,0≤x≤10,其它, 其中θ>0,θ为未知参数.(3)P{X=x}=(mx)px(1-p)m-x, 其中x=0,1,2,⋯,m,0<p<1,p为未知参数.解答：(1)E(X)=∫c+∞x⋅θcθx-(θ+1)dx=θcθ∫c+∞x-θdx=θcθ-1，解出θ=E(X)E(X)-c，令X¯=E(X)，于是=X¯X¯-c为矩估计量，θ的矩估计值为=x¯x¯-c，其中x¯=1n∑i=1nxi．另外，似然函数为L(θ)=∏i=1nf(xi;θ)=θncnθ(∏i=1nxi)-(θ+1)，xi>c，对数似然函数为lnL(θ)=nlnθ+nθlnc-(θ+1)∑i=1nlnxi，对lnL(θ)求导，并令其为零，得dlnL(θ)dθ=nθ+nlnc-∑i=1nlnxi=0，解方程得θ=n∑i=1nlnxi-nlnc，故参数的最大似然估计量为=n∑i=1nlnXi-nlnc．(2)E(X)=∫01x⋅θxθ-1dx=θθ+1，以X¯作为E(X)的矩估计，则θ的矩估计由X¯=θθ+1解出，得=(X¯1-X¯)2，θ的矩估计值为=(x¯1-x¯)2，其中x¯=1n∑i=1nxi为样本均值的观测值．另外，似然函数为L(θ)=∏i=1nf(xi;θ)=θn/2(∏i=1nxi)θ-1，0≤xi≤1，对数似然函数为lnL(θ)=n2lnθ+(θ-1)∑i=1nlnxi，对lnL(θ)求导，并令其为零，得dlnL(θ)dθ=n2θ+12θ∑i=1nlnxi=0，解方程得θ=(-n∑i=1nlnxi)2，故参数的最大似然估计量为=(n∑i=1nlnXi)2．(3)X∼b(m,p)，E(X)=mp，以X¯作为E(X)的矩估计，即X¯=E(X)，则参数p的矩估计为=1 X¯=1 ⋅1n∑i=1nXi，p的矩估计值为=1 x¯=1 ⋅1n∑i=1nxi．另外，似然函数为L(θ)=∏i=1nf(xi;θ)=(∏i=1nC xi) ∑i=1nxi(1- )∑i=1n( -xi)，xi=0,1,⋯,m，对数似然函数为lnL(θ)=∑i=1nlnC xi+(∑i=1nxi)ln +(∑i=1n( -xi))ln(1-p)，对lnL(θ)求导，并令其为零，得dlnL(θ)dθ=1 ∑i=1nxi-11- ∑i=1n( -xi)=0，解方程得 =1 n∑i=1nxi，故参数的最大似然估计量为=1 n∑i=1nXi=1 X¯．习题2设总体X服从均匀分布U[0,θ],它的密度函数为f(x;θ)={1θ,0≤x≤θ0,其它,(1)求未知参数θ的矩估计量；(2)当样本观察值为0.3,0.8,0.27,0.35,0.62,0.55时，求θ的矩估计值.解答：(1)因为E(X)=∫-∞+∞xf(x;θ)dx=1θ∫0θxdx=θ2,令E(X)=1n∑i=1nXi,即θ2=X¯,所以=2X¯.(2)由所给样本的观察值算得x¯=16∑i=16xi=16(0. +0. +0.27+0. +0.62+0. )=0. 17,所以=2x¯=0.96 .习题3设总体X以等概率1θ取值1,2,⋯,θ, 求未知参数θ的矩估计量.解答：由E(X)=1×1θ+2×1θ+⋯+θ×1θ=1+θ2=1n∑i=1nXi=X¯,得θ的矩估计为=2X¯-1.习题4一批产品中含有废品，从中随机地抽取60件，发现废品4件，试用矩估计法估计这批产品的废品率.解答：设p为抽得废品的概率,1-p为抽得正品的概率(放回抽取). 为了估计p,引入随机变量Xi={1,第i次抽取到的是废品0,第i次抽取到的是正品,于是P{Xi=1}=p,P{Xi=0}=1-p=q, 其中i=1,2,⋯,60,且E(Xi)=p, 故对于样本X1,X2,⋯,X60的一个观测值x1,x2,⋯,x60, 由矩估计法得p的估计值为=160∑i=160xi= 60=11 ,即这批产品的废品率为115.习题5设总体X具有分布律X 1 2 3pi θ2 2θ(1-θ) (1-θ)2其中θ(0<θ<1)为未知参数. 已知取得了样本值x1=1,x2=2,x3=1, 试求θ的矩估计值和最大似然估计值.解答：E(X)=1×θ2+2×2θ(1-θ)+ ×(1-θ)2=3-2θ,x¯=1/ ×(1+2+1)= / .因为E(X)=X¯,所以=(3-x¯)/2= /6为矩估计值,L(θ)=∏i=1 P{Xi=xi}=P{X1=1}P{X2=2}P{X =1}=θ4⋅2θ⋅(1-θ)=2θ5(1-θ),lnL(θ)=ln2+5lnθ+ln(1-θ),对θ求导,并令导数为零dlnLdθ=5θ-11-θ=0,得=56.习题6(1)设X1,X2,⋯,Xn来自总体X的一个样本, 且X∼π(λ), 求P{X=0}的最大似然估计.(2)某铁路局证实一个扳道员五年内所引起的严重事故的次数服从泊松分布，求一个扳道员在五年内未引起严重事故的概率p的最大似然估计，使用下面122个观察值统计情况. 下表中，r表示一扳道员某五年中引起严重事故的次数，s表示观察到的扳道员人数.习题6.3 置信区间习题1对参数的一种区间估计及一组观察值(x1,x2,⋯,xn)来说,下列结论中正确的是().(A)置信度越大,对参数取值范围估计越准确;(B)置信度越大,置信区间越长;(C)置信度越大,置信区间越短;(D)置信度大小与置信区间有长度无关.解答：应选(B).置信度越大，置信区间包含真值的概率就越大，置信区间的长度就越大，对未知参数的估计精度越低.反之，对参数的估计精度越高，置信区间的长度越小，它包含真值的概率就越低,置信度就越小.习题2设(θ1,θ2)是参数θ的置信度为1-α的区间估计，则以下结论正确的是().(A)参数θ落在区间(θ1,θ2)之内的概率为1-α;(B)参数θ落在区间(θ1,θ2)之外的概率为α;(C)区间(θ1,θ2)包含参数θ的概率为1-α;(D)对不同的样本观察值，区间(θ1,θ2)的长度相同.解答：应先(C).由于θ1,θ2都是统计量，即(θ1,θ2)是随机区间，而θ是一个客观存在的未知常数，故(A),(B)不正确.习题3设总体的期望μ和方差σ2均存在，如何求μ的置信度为1-α的置信区间？解答：先从总体中抽取一容量为n的样本X1,X2,⋯,Xn.根据中心极限定理，知U=X¯-μσ/n→N(0,1)(n→∞).(1)当σ2已知时，则近似得到μ的置信度为1-α的置信区间为(X¯-uα/2σn,X¯+uα/2σn).(2)当σ2未知时，用σ2的无偏估计S2代替σ2, 这里仍有X¯-μS/n→N(0,1)(n→∞),于是得到μ的1-α的置信区间为(X¯-uα/2Sn,X¯+uα/2Sn),一般要求n≥ 0才能使用上述公式，称为大样本区间估计.习题4某总体的标准差σ=3cm, 从中抽取40个个体，其样本平均数x¯=6 2c ,试给出总体期望值μ的95%的置信上、下限(即置信区间的上、下限).解答：因为n=40属于大样本情形，所以X¯近似服从N(μ,σ2n)的正态分布，于是μ的95%的置信区间近似为(X¯±σnuα/2),这里x¯=6 2,σ= ,n= 0≈6. 2,uα/2=1.96, 从而(x¯±σnuα/2)=(6 2± 0×1.96)≈(6 2±0.93),故μ的95%的置信上限为642.93, 下限为641.07.习题5某商店为了了解居民对某种商品的需要，调查了100家住户，得出每户每月平均需求量为10kg, 方差为9，如果这个商店供应10000户，试就居民对该种商品的平均需求量进行区间估计(α=0.01), 并依此考虑最少要准备多少这种商品才能以0.99的概率满足需求？解答：因为n=100属于大样本问题，所以X¯近似服从N(μ,σ2/n),于是μ的99%的置信区间近似为(X¯±Snuα/2), 而x¯=10,s= ,n=100,uα/2=2.58,习题7某城镇抽样调查的500名应就业的人中，有13名待业者，试求该城镇的待业率p的置信度为0.95置信区间.解答：这是(0-1)分布参数的区间估计问题. 待业率p的0.95置信区间为( 1, 2)=(-b-b2-4ac2a,-b+b2-4ac2a).其中a=n+uα/22,b=-2nX¯-(uα/2)2, c=nX¯2,n= 00,x¯=1 00,uα/2=1.96.则( 1, 2)=(0.015,0.044).习题8设X1,X2,⋯,Xn为来自正态总体N(μ,σ2)的一个样本，求μ的置信度为1-α的单侧置信限.解答：这是一个正态总体在方差未知的条件下，对μ的区间估计问题，应选取统计量：T=X¯-μS/n∼t(n-1).因为只需作单边估计，注意到t分布的对称性，故令P{T<tα(n-1)}=1-α和P{T>tα(n-1)}=1-α.由给定的置信度1-α, 查自由度为n-1的t分布表可得单侧临界值tα(n-1). 将不等式T<tα(n-1)和T>tα(n-1), 即X¯-μS/n<tα(n-1)和X¯-μS/n>tα(n-1)分别变形，求出μ即得μ的1-α的置信下限为X¯-tα(n-1)Sn.μ的1-α的置信上限为X¯+tα(n-1)Sn,μ的1-α的双侧置信限(X¯-tα/2(n-1)Sn,X¯+tα/2(n-1)Sn).习题6.4 正态总体的置信区间习题1已知灯泡寿命的标准差σ=50小时，抽出25个灯泡检验，得平均寿命x¯= 00小时，试以95%的可靠性对灯泡的平均寿命进行区间估计(假设灯泡寿命服从正态分布).解答：由于X∼N(μ,502), 所以μ的置信度为95%的置信区间为(X¯±uα/2σn),这里x¯= 00,n=2 ,σ=50,uα/2=1.96, 所以灯泡的平均寿命的置信区间为(x¯±uα/2σn)=( 00± 02 ×1.96)=( 00±19.6)=( 0. , 19.6).习题2一个随机样本来自正态总体X,总体标准差σ=1.5, 抽样前希望有95%的置信水平使得μ的估计的置信区间长度为L=1.7, 试问应抽取多大的一个样本？解答：因方差已知，μ的置信区间长度为L=2uα/2⋅σn,于是n=(2σLuα/2)2.由题设知，1-α=0.95,α=0.05,α2=0.025. 查标准正态分布表得u0.025=1.96,σ=1.5,L=1.7,所以，样本容量n=(2×1. ×1.961.7)2≈11.96.向上取整数得n=12, 于是欲使估计的区间长度为1.7的置信水平为95%, 所以需样本容量为n=12.习题3设某种电子管的使用寿命服从正态分布. 从中随机抽取15个进行检验，得平均使用寿命为1950小时，标准差s为300小时，以95%的可靠性估计整批电子管平均使用寿命的置信上、下限.解答：由X∼N(μ,σ2), 知μ的95%的置信区间为(X¯±Sntα/2(n-1)),这里x¯=19 0,s= 00,n=1 ,tα/2(14)=2.145, 于是(x¯±sntα/2(n-1))=(19 0± 001 ×2.1 )≈(19 0±166.1 1)=(17 . ,2116 .15).即整批电子管平均使用寿命的置信上限为2116.15, 下限为1783.85.习题4人的身高服从正态分布，从初一女生中随机抽取6名，测其身高如下(单位：cm): 149 158.5 152.5 165 157 142求初一女生平均身高的置信区间(α=0.05).解答：X∼N(μ,σ2),μ的置信度为95%的置信区间为(X¯±Sntα/2(n-1)),这里x¯=1 ,s=8.0187, t0.025(5)=2.571, 于是(x¯±sntα/2(n-1))=(1 ± .01 76×2. 71)≈(1 ± . 16)≈(1 . ,162. 2) .习题5某大学数学测验，抽得20个学生的分数平均数x¯=72,样本方差s2=16, 假设分数服从正态分布，求σ2的置信度为98%的置信区间.解答：先取χ2分布变量，构造出1-α的σ2的置信区间为((n-1)S2χα/22(n-1),(n-1)S2χ1-α/22(n-1)).已知1-α=0.98,α=0.02,α2=0.01,n=20, S2=16.查χ2分布表得χ0.012(19)=36.191,χ0.992(19)=7.633,于是得σ2的98%的置信区间为(19×16 6.191,19×167.6 ),即(8.400,39.827).习题6随机地取某种炮弹9发做试验，得炮口速度的样本标准差s=11(m/s).设炮口速度服从正态分布，求这种炮弹的炮口速度的标准差σ的置信度为0.95的置信区间.解答：已知n=9,s=11(m/s),1-α=0.95.查表得χ0.0252(8)=17.535, χ0.9752(8)=2.180,σ的0.95的置信区间为(8sχ0.0252(8),8sχ0.9752(8)), 即(7.4,21.1).习题7设来自总体N(μ1,16)的一容量为15的样本，其样本均值x1¯=1 .6;来自总体N(μ2,9)的一容量为20的样本，其样本均值x2¯=1 .2;并且两样本是相互独立的，试求μ1-μ2的90%的置信区间.解答：1-α=0.9,α=0.1, 由Φ(uα/2)=1-α2=0.95, 查表，得uα/2=1.645,再由n1=15,n2=20, 得σ12n1+σ22n2=161 +920=9160≈1.2 2,uα/2σ12n1+σ22n2=1.6 ×1.2 2≈2.0 ,x¯1-x¯2=1 .6-13.2=1.4,所以，μ1-μ2的90%的置信区间为(1.4-2.03,1.4+2.03)=(-0.63,3.43).习题8物理系学生可选择一学期3学分没有实验课，也可选一学期4学分有实验的课. 期未考试每一章节都考得一样，若有上实验课的12个学生平均考分为84，标准差为4，没上实验课的18个学生平均考分为77，标准差为6，假设总体均为正态分布且其方差相等，求两种课程平均分数差的置信度为99%的置信区间.解答：设有实验课的考分总体X1∼N(μ1,σ2), 无实验课的考分总体X2∼N(μ2,σ2). 两方差相等但均未知,求μ1-μ2的99%的置信区间，应选t分布变量，T=X1¯-X2¯-(μ1-μ2)SW1n1+1n2∼t(n1+n2-2),其中SW=(n1-1)S12+(n2-1)S22n1+n2-2.μ1-μ2的1-α的置信区间为习题10设两位化验员A,B独立地对某种聚合物含氯量用相同的方法各作10次测定，其测定值的样本方差依次为 sA2=0.5419,sB2=0.6065. 设σA2,σB2分别为A,B所测定的测定值的总体方差，又设总体均为正态的，两样本独立，求方差比σA2/σB2的置信水平为0.95的置信区间.解答：选用随机变量F=SA2σA2/SB2σB2∼F(n1-1,n2-1),依题意，已知sA2=0.5419, sB2=0.6065, n1=n2=10.对于1-α=0.95, 查F分布表得F0.025(9,9)=1F0.025(9,9)=14.03, 于是得σA2σB2的0.95的置信区间为(sA2sB21Fα/2(9,9),sA2sB2Fα/2(9,9))≈(0.222,3.601).总习题解答习题1设总体X服从参数为λ(λ>0)的指数分布，X1,X2,⋯,Xn为一随机样本，令Y=min{X1,X2,⋯,Xn}, 问常数c为何值时，才能使cY是λ的无偏估计量.解答：关键是求出E(Y). 为此要求Y的密度fY(y).因Xi的密度函数为fX(x)={λe-λx,x>00,x<0;Xi的分布函数为FX(x)={1-e-λx,x>00,x≤0,于是FY(y)=1-[1-FX(y)]n={1-e-nλy,y>00,y≤0.两边对y求导得fY(y)=ddyFY(y)={nλe-nλy,y>00,y≤0,即Y服从参数为nλ的指数分布，故E(Y)=nλ.为使cY成为λ的无偏估计量，需且只需E(cY)=λ, 即cnλ=λ, 故c=1n.习题2设X1,X2,⋯,Xn是来自总体X的一个样本，已知E(X)=μ, D(X)=σ2.(1)确定常数c, 使c∑i=1n-1(Xi+1-Xi)2为σ2的无偏估计；(2)确定常数c, 使(X¯)2-cS2是μ2的无偏估计(X¯,S2分别是样本均值和样本方差).解答：(1)E(c∑i=1n-1(Xi+1-Xi)2)=c∑i=1n-1E(Xi+12-2XiXi+1+Xi2)=c∑i=1n-1{D(Xi+1)+[E(Xi+1)]2-2E(Xi)E(Xi+1)+D(Xi)+[E(Xi)+[E(Xi)]2}=c(n-1)(σ2+μ2-2μ2+σ2+μ2)=2(n-1)σ2c.令2(n-1)σ2c=σ2, 所以c=12(n-1).(2)E[(X¯)2-cS2]=E(X¯2)-cE(S2)=D(X¯)+[E(X¯)]2-cσ2=σ2n+μ2-cσ2.令σ2n+μ2-cσ2=μ2, 则得c=1n.习题3设X1,X2,X3,X4是来自均值为θ的指数分布总体的样本，其中θ未知. 设有估计量T1=16(X1+X2)+13(X3+X4),T2=X1+2X2+3X3+4X45,T3=X1+X2+X3+X44.(1)指出T1,T2,T3中哪几个是θ的无偏估计量；(2)在上述θ的无偏估计中指出一个较为有效的.解答：(1)θ=E(X),E(Xi)=E(X)=θ,D(X)=θ2=D(Xi),i=1,2,3,4.E(T1)=E(16(X1+X2)+13(X3+X4))=(26+23)θ=θ,E(T2)=15E(X1+2X2+3X3+4X4)=15(1+2+3+4)θ=2θ,E(T3)=14E(X1+X2+X3+X4)=θ,因此，T1,T3是θ的无偏估计量.(2)D(T1)=236θ2+29θ2=1036θ2, D(T3)=116⋅4θ2=14θ2=936θ2,所以D(T3)<D(T1), 作为θ的无偏估计量，T3更为有效.习题4设从均值为μ, 方差为σ2(σ>0)的总体中，分别抽取容量为n1,n2的两独立样本，X1¯和X2¯分别是两样本的均值，试证：对于任意常数a,b(a+b=1),Y=aX1¯+bX2¯都是μ的无偏估计；并确定常数a,b, 使D(Y)达到最小.解答：E(Y)=E(aX1¯+bX2¯)=aE(X1¯)+bE(X2¯)=(a+b)μ.因为a+b=1, 所以E(Y)=μ.因此，对于常数a,b(a+b=1),Y都是μ的无偏估计，D(Y)=a2D(X1¯)+b2D(X2¯)=a2σ2n1+b2σ2n2.因a+b=1, 所以D(Y)=σ2[a2n1+1n2(1-a)2], 令dD(Y)da=0, 即2σ2(an1-1-an2)=0, 解得a=n1n1+n2,b=n2n1+n2是惟一驻点.又因为d2D(Y)da2=2σ2(1n1+1n2)>0, 故取此a,b二值时，D(Y)达到最小.习题5设有一批产品，为估计其废品率p, 随机取一样本X1,X2,⋯,Xn, 其中Xi={1,取得废品0,取得合格品, i=1,2,⋯,n,证明： =X¯=1n∑i=1nXi是p的一致无偏估计量.解答：由题设条件E(Xi)=p⋅1+(1-p)⋅0=p,D(Xi)=E(Xi2)-[E(Xi)]2=p⋅12+(1-p)02-p2=p(1-p),E( )=E(X¯)=E(1n∑i=1nE(Xi))=1n∑i=1nE(Xi)=1n∑i=1np=p.由定义， 是p的无偏估计量，又D( )=D(X¯)=D(1n∑i=1nXi)=1n2∑i=1nD(Xi)=1n2∑i=1np(1-p)=1n2np(1-p)=pqn.由切比雪夫不等式，任给ɛ>0P{∣ -p∣≥ɛ}=P{∣X¯-p∣≥ɛ}≤1ɛ2D(X¯)=1ɛ2p(1-p)n→0,n→∞所以limn→∞P{∣ -p∣≥ɛ}=0, 故=X¯是废品率p的一致无偏估计量.习题6设总体X∼b(k,p), k是正整数，0<p<1,k,p都未知，X1,X2,⋯,Xn是一样本，试求k和p的矩估计.解答：因总体X服从二项分布b(k,p), 故{a1=E(X)=kpa2=E(X2)=D(X)+[E(X)]2=kp(1-p)+(kp)2，解此方程组得p=a1+a12-a2a1,k=a12a1+a12-a2.用A1=1n∑i=1nXi=X¯,A2=1n∑i=1nXi2分别代替a1,a2, 即得p,k的矩估计为=X¯-S2X¯,k=[X¯2X¯-S2],其中S2=1n∑i=1n(Xi-X¯)2,[x]表示x的最大整数部分.习题7求泊松分布中参数λ的最大似然估计.解答：总体的概率函数为P{X=k}=λkk!e-λ,k=0,1,2,⋯.设x1,x2,⋯,xn为从总体中抽取的容量为n的样本，则似然函数为L(x1,x2,⋯,xn;λ)=∏i=1nf(xi;λ)=∏i=1nλxixi!e-λ=λ∑i=1nxi∏i=1nxi!e-nλ, lnL=(∑i=1nxi)lnλ-nλ-∑i=1nlnxi!,令dlnLdλ=1λ∑i=1nxi-n=0, 得λ的最大是然估计为λ=1n∑i=1nxi=x¯,即x¯=1n∑i=1nxi就是参数λ的最大似然估计.习题8已知总体X的概率分布P{X=k}=C2k(1-θ)kθ2-k,k=0,1,2，求参数的矩估计.解答：总体X为离散型分布，且只含一个未知参数θ, 因此，只要先求离散型随机变量的数学期望E(X), 然后解出θ并用样本均值X¯代替E(X)即可得θ的矩估计.由E(X)=∑k=02kC2k(1-θ)kθ2-k=1×2(1-θ)θ+2(1-θ)2=2-2θ, 即有θ=1-E(X)2.用样本均值X¯代替上式的E(X), 得矩估计为=1-X¯2.习题9设总体X的概率密度为f(x)={(θ+1)xθ,0<x<10,其它,其中θ>-1是未知参数，X1,X2,⋯,Xn为一个样本，试求参数θ的矩估计和最大似然估计量. 解答：因E(X)=∫01(θ+1)xθ+1dx=θ+1θ+2. 令E(X)=1n∑i=1nXi=X¯, 得θ+1θ+2=X¯, 解得θ的矩估计量为θ=2X¯-11-X¯.设x1,x2,⋯,xn是样本X1,X2,⋯,Xn的观察值，则似然函数L(x1,x2,⋯,xn,θ)=∏i=1n(θ+1)xiθ=(θ+1)n(x1x2⋯xn)θ(0<xi<1,i=1,2,⋯,n),取对数得lnL=nln(θ+1)+θ∑i=1nlnxi, 从而得对数似然方程dlnLdθ=nθ+1+∑i=1nlnxi=0,解出θ, 得θ的最大似然估计量为θ=-n∑i=1nlnXi.由此可知，θ的矩估计和最大似然估计是不相同的.习题10设X具有分布密度f(x,θ)={θxe-θx!,x=0,1,2,⋯0,其它,0<θ<+∞,X1,X2,⋯,Xn是X的一个样本，求θ的最大似然估计量.解答：似然函数L(θ)=∏i=1nθxie-θxi!=e-nθ∏i=1nθxixi!,lnL(θ)=-nθ+∑i=1nxilnθ-∑i=1nln(xi!),ddθ(lnL(θ))=-n+1θ∑i=1nxi，令ddθ(lnL(θ))=0, 即-n+1θ∑i=1nxi=0⇒θ=1n∑i=1nxi,故θ最大似然估计量为θ=X¯=1n∑i=1nXi.习题11设使用了某种仪器对同一量进行了12次独立的测量,其数据(单位:毫米)如下:232.50 232.48 232.15 232.53 232.45 232.30232.48 232.05 232.45 232.60 232.47 232.30试用矩估计法估计测量值的均值与方差(设仪器无系统误差).解答：设测量值的均值与方差分别为μ与σ2，因为仪器无系统误差，所以θ= =X¯=1n∑i=1nXi=232+112∑i=1n(Xi-232)=232+1/12×4.76≈232.3967.用样本二阶中心矩B2估计方差σ2, 有2=1n∑i=1n(Xi-X¯)2=1n∑i=1n(Xi-a)2-(X¯-a)2=112∑i=112(Xi-232)2-(232.3967-232)2=0.1819-0.1574=0.0245.习题12设随机变量X服从二项分布P{X=k}=Cnkpk(1-p)n-k,k=0,1,2,⋯,n,X1为其一个样本，试求p2的无偏估计量.解答：\becauseX∼b(n,p),∴E(X)=np, D(X)=np(1-p)=E(X)-np2⇒p2=1n[E(X)-D(X)]=1n[E(X)-E(X2)+(EX)2]⇒p2=1n[E(X(1-X))]+1nn2p2=1nE(X(1-X))]+np2⇒p2=E[X(X-1)]n(n-1), 由于E[X(X-1)]=E[X1(X1-1)],故2=X1(X1-1)n(n-1).习题13设X1,X2,⋯,Xn是来自总体X的随机样本，试证估计量X¯=1n∑i=1nXi和Y=∑i=1nCiXi(Ci≥0为常数，∑i=1nCi=1)都是总体期望E(X)的无偏估计，但X¯比Y有效.解答：依题设可得E(X¯)=1n∑i=1nE(Xi)=1n×nE(X)=E(X),E(Y)=∑i=1nCiE(Xi)=E(X)∑i=1nCi=E(X).从而X¯,Y均为E(X)的无偏估计量，由于D(X¯)=1n2∑i=1nD(Xi)=1nD(X),D(Y)=D(∑i=1nCiXi)=∑i=1nCi2D(Xi)=D(X)∑i=1nCi2.应用柯西—施瓦茨不等式可知1=(∑i=1nCi)2≤(∑i=1nCi2)(∑i=1n12)=n∑i=1nCi2, ⇒1n≤∑i=1nCi2,所以D(Y)≥D(X¯), 故X¯比Y有效.习题14设X1,X2,⋯,Xn是总体X∼U(0,θ)的一个样本，证明：θ1=2X¯和θ2=n+1nX(n)是θ的一致估计.解答：因E( 1)= , D( 1)= 2 n; E( 2)= ,D( 2)=θn(n+2),X(n)=max{Xi}.依切比雪夫不等式，对任给的ɛ>0, 当n→∞时，有P{∣θ1-θ∣≥ɛ}≤D( 1)ɛ2=θ23nɛ2→0,(n→∞)P{∣θ2-θ∣≥ɛ}≤D( 2)ɛ2=θ2n(n+1)ɛ2→0,(n→∞)所以，θ1和θ2都是θ的一致估计量.习题15某面粉厂接到许多顾客的订货，厂内采用自动流水线灌装面粉，按每袋25千克出售. 现从中随机地抽取50袋，其结果如下：25.8, 24.7, 25.0, 24.9, 25.1, 25.0, 25.2,24.8, 25.4, 25.3, 23.1, 25.4, 24.9, 25.0,24.6, 25.0, 25.1, 25.3, 24.9, 24.8, 24.6,21.1, 25.4, 24.9, 24.8, 25.3, 25.0, 25.1,24.7, 25.0, 24.7, 25.3, 25.2, 24.8, 25.1,25.1, 24.7, 25.0, 25.3, 24.9, 25.0, 25.3,25.0, 25.1, 24.7, 25.3, 25.1, 24.9, 25.2,25.1,试求该厂自动流水线灌装袋重总体X的期望的点估计值和期望的置信区间(置信度为0.95). 解答：设X为袋重总体，则E(X)的点估计为E(X)=X¯=1 0(2 . +2 .7+⋯+25.1)=24.92kg.因为样本容量n=50, 可作为大样本处理，由样本值算得x¯=24.92, s2≈0.4376, s=0.6615, 则E(X)的置信度为0.95的置信区间近似为(X¯-uα/2Sn,X¯+uα/2Sn),查标准正态分布表得uα/2=u0.025=1.96, 故所求之置信区间为(24.92-1.96×0.661 0,2 .92+1.96×0.661 0)=(2 .7 7,2 .10 ),即有95%的把握，保证该厂生产的面粉平均每袋重量在24.737千克至25.103千克之间.习题16在一批货物的容量为100的样本中，经检验发现有16只次品，试求这批货物次品率的置信度为0.95的置信区间.解答：这是(0-1)分布参数区间的估计问题.这批货物次品率p的1-α的置信区间为( 1, 2)=(12a(-b-b2-4ac),12a(-b+b2-4ac)).其中a=n+uα/22,b=-(2nX¯+uα/22), c=nX¯2.由题意，x¯=16100=0.16,n=100,1-α=0.95,u0.025=1.96. 算得a=100+1.962=103.842,b=-(2×100×0.16+1.962)=-35.842,c=100×0.162=2. 6.p的0.95的置信区间为( 1, 2)=(12a(-b±b2-4ac)), 即(12×10 . 2( . 16±221.2 2 )),亦即(0.101,0.244).习题17在某校的一个班体检记录中，随意抄录25名男生的身高数据，测得平均身高为170厘米，标准差为12厘米，试求该班男生的平均身高μ和身高的标准差σ的置信度为0.95的置信区间(假设测身高近似服从正态分布).解答：由题设身高X∼N(μ,σ2), n=2 , x¯=170, s=12，α=0.05.(1)先求μ置信区间(σ2未知)，取U=X¯-μS/n∼t(n-1),tα/2(n-1)=t0.025(24)=2.06.故μ的0.95的置信区间为(170-122 ×2.06,170+122 ×2.06)=(170-4.94,170+4.94)=(165.06,174,94).(2)σ2的置信区间(μ未知)，取U=(n-1)S2σ2∼χ2(n-1),χα/22(n-1)=χ0.0252(24)=39.364, χ1-α/22(n-1)=χ0.9752(24)=12.401,故σ2的0.95的置信区间为(24×12239.364,24×12212.401)≈(87.80,278.69), σ的0.95的置信区间为(87.80,278.69)≈(9.34,16.69).习题18为研究某种汽车轮胎的磨损特性，随机地选择16只轮胎，每只轮胎行驶到磨坏为止. 记录所行驶的路程(以千米计)如下：41250 40187 43175 41010 39265 41872 42654 4128738970 40200 42550 41095 40680 43500 39775 40440假设这些数据来自正态总体N(μ,σ2). 其中μ,σ2未知，试求μ的置信水平为0.95的单侧置信下限.解答：由P{μ>X¯-Sntα(n-1)=1-α, 得μ的1-α的单侧置信下限为μ¯=X¯-Sntα(n-1).由所给数据算得x¯≈41119.38,s≈1345.46,n=16.查t分布表得t0.05(15)=1.7531, 则有μ的0.95的单侧置信下限为μ¯=41119.38-1345.464×1.7531≈40529.73.习题19某车间生产钢丝，设钢丝折断力服从正态分布，现随机在抽取10根，检查折断力，得数据如下(单位：N):578,572,570,568,572,570,570,572,596,584.试求钢丝折断力方差的置信区间和置信上限(置信度为0.95).解答：(1)这是一个正态总体，期望未知，对方差作双侧置信限的估计问题，应选统计量χ2=(n-1)S2σ2∼χ2(n-1).σ2的1-α的置信区间是((n-1)S2χα/22(n-1),(n-1)S2χ1-α/22(n-1)).由所给样本值得x¯=575.2, (n-1)s2=∑1=110(xi-x¯)2=681.6;根据给定的置信度1-α=0.95(即α=0.05).查自由度为10-1=9的χ2分布表，得双侧临界值χα/22(n-1)=χ0.0252(9)=19.0, χ1-α/22(n-1)=χ0.9752(9)=2.7,代入上公式得σ2的95%的置信区间为(681.619.0,681,62.70)=(35.87,232.44),即区间(35.87,232.44)包含σ2的可靠程度为0.95.(2)这是一个正态总体期望未知时，σ2的单侧区间估计问题，σ2的置信度为1-α=95%(α=0.05)的单侧置信上限为(n-1)S2χ1-α2(n-1)=∑i=110(xi-x¯)2χ1-α2(n-1),已算得(n-1)S2=∑i=110(xi-x¯)2=681.6, 根据自由度1-α=0.95.查自由度10-1=9的χ2分布表得单侧临界值χ1-α2(n-1)=χ0.952(9)=3.325,代入上式便得σ2的0.95的置信上限为681.63.325=205, 即有95%的把握，保证σ2包含在区间(0,205)之内，当然也可能碰上σ2超过上限值205的情形，但出现这种情况的可能性很小，不超过5%.习题20设某批铝材料比重X服从正态分布N(μ,σ2)，现测量它的比重16次，算得x¯=2.705，s=0.029，分别求μ和σ2的置信度为0.95的置信区间。

第6章不确定性推理参考答案6.8 设有如下一组推理规则:r1: IF E1THEN E2 (0.6)r2: IF E2AND E3THEN E4 (0.7)r3: IF E4THEN H (0.8)r4: IF E5THEN H (0.9)且已知CF(E1)=0.5, CF(E3)=0.6, CF(E5)=0.7。

求CF(H)=?解：(1) 先由r1求CF(E2)CF(E2)=0.6 × max{0,CF(E1)}=0.6 × max{0,0.5}=0.3(2) 再由r2求CF(E4)CF(E4)=0.7 × max{0, min{CF(E2 ), CF(E3 )}}=0.7 × max{0, min{0.3, 0.6}}=0.21(3) 再由r3求CF1(H)CF1(H)= 0.8 × max{0,CF(E4)}=0.8 × max{0, 0.21)}=0.168(4) 再由r4求CF2(H)CF2(H)= 0.9 ×max{0,CF(E5)}=0.9 ×max{0, 0.7)}=0.63(5) 最后对CF1(H )和CF2(H)进行合成，求出CF(H)CF(H)= CF1(H)+CF2(H)+ CF1(H) × CF2(H)=0.6926.10 设有如下推理规则r1: IF E1THEN (2, 0.00001) H1r2: IF E2THEN (100, 0.0001) H1r3: IF E3THEN (200, 0.001) H2r4: IF H1THEN (50, 0.1) H2且已知P(E1)= P(E2)= P(H3)=0.6, P(H1)=0.091, P(H2)=0.01, 又由用户告知：P(E1| S1)=0.84, P(E2|S2)=0.68, P(E3|S3)=0.36请用主观Bayes方法求P(H2|S1, S2, S3)=?解：(1) 由r1计算O(H1| S1)先把H1的先验概率更新为在E1下的后验概率P(H1| E1)P(H1| E1)=(LS1× P(H1)) / ((LS1-1) × P(H1)+1)=(2 × 0.091) / ((2 -1) × 0.091 +1)=0.16682由于P(E1|S1)=0.84 > P(E1)，使用P(H | S)公式的后半部分，得到在当前观察S1下的后验概率P(H1| S1)和后验几率O(H1| S1)P(H1| S1) = P(H1) + ((P(H1| E1) – P(H1)) / (1 - P(E1))) × (P(E1| S1) – P(E1))= 0.091 + (0.16682 –0.091) / (1 – 0.6)) × (0.84 – 0.6)=0.091 + 0.18955 × 0.24 = 0.136492O(H1| S1) = P(H1| S1) / (1 - P(H1| S1))= 0.15807(2) 由r2计算O(H1| S2)先把H1的先验概率更新为在E2下的后验概率P(H1| E2)P(H1| E2)=(LS2×P(H1)) / ((LS2-1) × P(H1)+1)=(100 × 0.091) / ((100 -1) × 0.091 +1)=0.90918由于P(E2|S2)=0.68 > P(E2)，使用P(H | S)公式的后半部分，得到在当前观察S2下的后验概率P(H1| S2)和后验几率O(H1| S2)P(H1| S2) = P(H1) + ((P(H1| E2) – P(H1)) / (1 - P(E2))) × (P(E2| S2) – P(E2))= 0.091 + (0.90918 –0.091) / (1 – 0.6)) × (0.68 – 0.6)=0.25464O(H1| S2) = P(H1| S2) / (1 - P(H1| S2))=0.34163(3) 计算O(H1| S1,S2)和P(H1| S1,S2)先将H1的先验概率转换为先验几率O(H1) = P(H1) / (1 - P(H1)) = 0.091/(1-0.091)=0.10011再根据合成公式计算H1的后验几率O(H1| S1,S2)= (O(H1| S1) / O(H1)) × (O(H1| S2) / O(H1)) × O(H1)= (0.15807 / 0.10011) × (0.34163) / 0.10011) × 0.10011= 0.53942再将该后验几率转换为后验概率P(H1| S1,S2) = O(H1| S1,S2) / (1+ O(H1| S1,S2))= 0.35040(4) 由r3计算O(H2| S3)先把H2的先验概率更新为在E3下的后验概率P(H2| E3)P(H2| E3)=(LS3× P(H2)) / ((LS3-1) × P(H2)+1)=(200 × 0.01) / ((200 -1) × 0.01 +1)=0.09569由于P(E3|S3)=0.36 < P(E3)，使用P(H | S)公式的前半部分，得到在当前观察S3下的后验概率P(H2| S3)和后验几率O(H2| S3)P(H2| S3) = P(H2 | ¬ E3) + (P(H2) – P(H2| ¬E3)) / P(E3)) × P(E3| S3)由当E3肯定不存在时有P(H2 | ¬ E3) = LN3× P(H2) / ((LN3-1) × P(H2) +1)= 0.001 × 0.01 / ((0.001 - 1) × 0.01 + 1)= 0.00001因此有P(H2| S3) = P(H2 | ¬ E3) + (P(H2) – P(H2| ¬E3)) / P(E3)) × P(E3| S3)=0.00001+((0.01-0.00001) / 0.6) × 0.36=0.00600O(H2| S3) = P(H2| S3) / (1 - P(H2| S3))=0.00604(5) 由r4计算O(H2| H1)先把H2的先验概率更新为在H1下的后验概率P(H2| H1)P(H2| H1)=(LS4× P(H2)) / ((LS4-1) × P(H2)+1)=(50 × 0.01) / ((50 -1) × 0.01 +1)=0.33557由于P(H1| S1,S2)=0.35040 > P(H1)，使用P(H | S)公式的后半部分，得到在当前观察S1,S2下H2的后验概率P(H2| S1,S2)和后验几率O(H2| S1,S2)P(H2| S1,S2) = P(H2) + ((P(H2| H1) – P(H2)) / (1 - P(H1))) × (P(H1| S1,S2) – P(H1))= 0.01 + (0.33557 –0.01) / (1 – 0.091)) × (0.35040 – 0.091)=0.10291O(H2| S1,S2) = P(H2| S1, S2) / (1 - P(H2| S1, S2))=0.10291/ (1 - 0.10291) = 0.11472(6) 计算O(H2| S1,S2,S3)和P(H2| S1,S2,S3)先将H2的先验概率转换为先验几率O(H2) = P(H2) / (1 - P(H2) )= 0.01 / (1-0.01)=0.01010再根据合成公式计算H1的后验几率O(H2| S1,S2,S3)= (O(H2| S1,S2) / O(H2)) × (O(H2| S3) / O(H2)) ×O(H2)= (0.11472 / 0.01010) × (0.00604) / 0.01010) × 0.01010=0.06832再将该后验几率转换为后验概率P(H2| S1,S2,S3) = O(H1| S1,S2,S3) / (1+ O(H1| S1,S2,S3))= 0.06832 / (1+ 0.06832) = 0.06395可见，H2原来的概率是0.01，经过上述推理后得到的后验概率是0.06395，它相当于先验概率的6倍多。

6《藤野先生》课后习题参考答案一、本文是一篇回忆性散文。

看看文章记录了作者留学过程中的哪几件事，试为每件事拟一个小标题。

参考答案：①离开东京之缘由；②仙台求学受优待；③初识藤野先生；④添改讲义；⑤先生纠正解剖图；⑥关心解剖实习；⑦了解女人裹脚；⑧匿名信事件；⑨看电影事件；⑩离别先生。

二、阅读课文中作者与藤野先生交往的部分，说说为什么他“在我的眼里和心里是伟大的”。

参考答案：藤野先生治学严谨，教学认真，没有狭隘的民族偏见，能以公正之心对待来自弱国的学生，而且给予了极大的关心、鼓励和真诚的帮助，在当时的历史背景下，能够做到这些尤其难能可贵。

作者评价说：“他的对于我的热心的希望，不倦的教诲，小而言之，是为中国，就是希望中国有新的医学；大而言之，是为学术，就是希望新的医学传到中国去。

”这段精要的议论性文字，直接表明了藤野先生的伟大。

他是一个对来自“弱国”的学生及其贫弱的祖国抱着同情与尊重，而又矢志于医学事业的正直学者。

所以，虽然他只是一个普通的日本人，但他在“我”的眼里和心里是伟大的。

三、本文题为《藤野先生》，可是作者还用了大量篇幅写和藤野先生无关的见闻和感受，你认为写这些内容有什么作用？参考答案：这可以从两个层面来分析。

第一，从整篇文章的结构看，全文是围绕藤野先生这个中心人物来组织材料的。

写对东京学习环境的厌恶，离开东京到仙台，是写与藤野先生结识的前因，接下来写仙台的学习生活，基本上都与藤野先生有关。

而且，作者着力正面描述了与藤野先生的交往，写“爱国青年”的寻衅和看电影所受到的刺激，这些事或是与藤野先生有直接关系，或是衬托出藤野先生的公正、真诚在那种环境下的难能可贵。

可以说，作者写自己的生活经历和感受，也都与写藤野先生有关联。

第二，回忆性散文的基本特点，便是时时处处都有“我”的存在，表现“我”的生活经历和感受。

这篇散文的另一条线索，就是“我”的爱国之情，具体表现为“我”弃医从文的心路历程。

从东京到仙台留学的这段经历在鲁迅的一生中产生了重要的影响，他的思想在这一阶段也发生了重要转变，而藤野先生与“我”的交往，是这段经历中最让“我”感怀的片段，也为“我”这段经历增添了一抹亮色。

习题61.填空题（1）由10000个结点构成的二叉排序树，在等概率查找的条件下，查找成功时的平均查找长度的最大值可能达到（___________）。

答案：5000.5（2）长度为11的有序序列：1，12，13，24，35，36，47，58，59，69，71进行等概率查找，如果采用顺序查找，则平均查找长度为（___________），如果采用二分查找，则平均查找长度为（___________），如果采用哈希查找，哈希表长为15，哈希函数为H（key）＝key%13，采用线性探测解决地址冲突，即d i=(H(key)+i)%15，则平均查找长度为（保留1位小数）（___________）。

答案：6，3，1.6（3）在折半查找中，查找终止的条件为（___________）。

答案：找到匹配元素或者low>high?（4）某索引顺序表共有元素275个，平均分成5块。

若先对索引表采用顺序查找，再对块元素进行顺序查找，则等概率情况下，分块查找成功的平均查找长度是（___________）。

答案：31（5）高度为8的平衡二叉树的结点数至少是（___________）。

答案： 54 计算公式：F(n)=F(n-1)+F(n-2)+1（6）对于这个序列{25，43，62，31，48，56}，采用的散列函数为H(k)=k%7，则元素48的同义词是（___________）。

（7）在各种查找方法中，平均查找长度与结点个数无关的查找方法是（___________）。

答案：散列查找（8）一个按元素值排好的顺序表（长度大于2），分别用顺序查找和折半查找与给定值相等的元素，平均比较次数分别是s和b，在查找成功的情况下，s和b的关系是（___________）；在查找不成功的情况下，s和b的关系是（___________）。

答案：(1)(2s-1)b=2s([log2(2s-1)]+1)-2[log2(2s-1)]+1+1(2)分两种情况考虑，见解答。