logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subjecticon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • 更多功能
  • icon-appicon-app-active手机APP
首页
/
统计
题目

设 x_1, x_2, ..., x_n 为正态总体 N(mu, sigma^2) 的一组样本观测值,若 mu 未知,则参数 sigma^2 的置信水平为 1-alpha 的置信区间为( ).A. ( (sum_(i=1)^n (X_i - mu_0)^2)/(chi_(alpha/2)^2(n)), (sum_(i=1)^n (X_i - mu_0)^2)/(chi_(1-alpha/2)^2(n)) ).B. ( overline(x) pm (sigma)/(sqrt(n)) u_((alpha)/(2)) );C. ( overline(x) pm (s)/(sqrt(n)) t_((alpha)/(2))(n-1) );D. ( ((n-1)s^2)/(chi_(alpha/2)^2(n-1)), ((n-1)s^2)/(chi_(1-alpha/2)^2(n-1)) );

设 $x_1, x_2, \cdots, x_n$ 为正态总体 $N(\mu, \sigma^2)$ 的一组样本观测值,若 $\mu$ 未知,则参数 $\sigma^2$ 的置信水平为 $1-\alpha$ 的置信区间为( ).

A. $\left( \frac{\sum_{i=1}^n (X_i - \mu_0)^2}{\chi_{\alpha/2}^2(n)}, \frac{\sum_{i=1}^n (X_i - \mu_0)^2}{\chi_{1-\alpha/2}^2(n)} \right)$.

B. $\left( \overline{x} \pm \frac{\sigma}{\sqrt{n}} u_{\frac{\alpha}{2}} \right)$;

C. $\left( \overline{x} \pm \frac{s}{\sqrt{n}} t_{\frac{\alpha}{2}}(n-1) \right)$;

D. $\left( \frac{(n-1)s^2}{\chi_{\alpha/2}^2(n-1)}, \frac{(n-1)s^2}{\chi_{1-\alpha/2}^2(n-1)} \right)$;

题目解答

答案

设 $x_1, x_2, \cdots, x_n$ 为正态总体 $N(\mu, \sigma^2)$ 的样本,$\mu$ 未知。样本方差 $S^2 = \frac{1}{n-1} \sum_{i=1}^n (X_i - \bar{X})^2$,其中 $\bar{X}$ 为样本均值。统计量 $\frac{(n-1)S^2}{\sigma^2}$ 服从自由度为 $n-1$ 的卡方分布,即 $\chi^2(n-1)$。

对于置信水平 $1-\alpha$,有:
$P\left( \chi^2_{1-\alpha/2}(n-1) \leq \frac{(n-1)S^2}{\sigma^2} \leq \chi^2_{\alpha/2}(n-1) \right) = 1 - \alpha.$

解得 $\sigma^2$ 的置信区间为:
$\left( \frac{(n-1)S^2}{\chi^2_{\alpha/2}(n-1)}, \frac{(n-1)S^2}{\chi^2_{1-\alpha/2}(n-1)} \right).$

选项分析:

  • A:使用 $\mu_0$,不符合题意。
  • B、C:估计 $\mu$,非 $\sigma^2$。
  • D:符合上述推导,正确。

答案: $\boxed{D}$

解析

本题考查正态总体在均值 $\mu$ 未知的情况下,参数 $\sigma^2$ 的置信区间的求解,解题的关键在于利用样本方差构造合适的统计量,并结合卡方分布的性质来推导置信区间。

  1. 首先明确样本方差的定义:
    • 设 $x_1, x_2, \cdots, x_n$ 为正态总体 $N(\mu, \sigma^2)$ 的样本,样本均值 $\overline{X}=\frac{1}{n}\sum_{i = 1}^{n}X_i$,样本方差 $S^2=\frac{1}{n - 1}\sum_{i = 1}^{n}(X_i-\overline{X})^2$。
    • 我们知道一个重要的统计量:$\frac{(n - 1)S^2}{\sigma^2}$ 服从自由度为 $n - 1$ 的卡方分布,即 $\frac{(n - 1)S^2}{\sigma^2}\sim\chi^2(n - 1)$。
  2. 然后根据卡方分布的性质确定概率区间:
    • 对于给定的置信水平 $1-\alpha$,我们要找到两个分位数 $\chi_{1-\frac{\alpha}{2}}^2(n - 1)$ 和 $\chi_{\frac{\alpha}{2}}^2(n - 1)$,使得 $P\left(\chi_{1-\frac{\alpha}{2}}^2(n - 1)\leq\frac{(n - 1)S^2}{\sigma^2}\leq\chi_{\frac{\alpha}{2}}^2(n - 1)\right)=1-\alpha$。
    • 这里 $\chi_{1-\frac{\alpha}{2}}^2(n - 1)$ 是卡方分布 $\chi^2(n - 1)$ 的下 $\frac{\alpha}{2}$ 分位数,$\chi_{\frac{\alpha}{2}}^2(n - 1)$ 是卡方分布 $\chi^2(n - 1)$ 的上 $\frac{\alpha}{2}$ 分位数。
  3. 接着对不等式进行变形求解 $\sigma^2$ 的范围:
    • 由 $\chi_{1-\frac{\alpha}{2}}^2(n - 1)\leq\frac{(n - 1)S^2}{\sigma^2}\leq\chi_{\frac{\alpha}{2}}^2(n - 1)$,
    • 先对不等式 $\chi_{1-\frac{\alpha}{2}}^2(n - 1)\leq\frac{(n - 1)S^2}{\sigma^2}$ 进行变形,两边同时乘以 $\sigma^2$ 得到 $\chi_{1-\frac{\alpha}{2}}^2(n - 1)\sigma^2\leq(n - 1)S^2$,再两边同时除以 $\chi_{1-\frac{\alpha}{2}}^2(n - 1)$,可得 $\sigma^2\leq\frac{(n - 1)S^2}{\chi_{1-\frac{\alpha}{2}}^2(n - 1)}$。
    • 再对不等式 $\frac{(n - 1)S^2}{\sigma^2}\leq\chi_{\frac{\alpha}{2}}^2(n - 1)$ 进行变形,两边同时乘以 $\sigma^2$ 得到 $(n - 1)S^2\leq\chi_{\frac{\alpha}{2}}^2(n - 1)\sigma^2$,再两边同时除以 $\chi_{\frac{\alpha}{2}}^2(n - 1)$,可得 $\sigma^2\geq\frac{(n - 1)S^2}{\chi_{\frac{\alpha}{2}}^2(n - 1)}$。
    • 综合可得 $\frac{(n - 1)S^2}{\chi_{\frac{\alpha}{2}}^2(n - 1)}\leq\sigma^2\leq\frac{(n - 1)S^2}{\chi_{1-\frac{\alpha}{2}}^2(n - 1)}$,所以 $\sigma^2$ 的置信水平为 $1 - \alpha$ 的置信区间为 $\left(\frac{(n - 1)S^2}{\chi_{\frac{\alpha}{2}}^2(n - 1)},\frac{(n - 1)S^2}{\chi_{1-\frac{\alpha}{2}}^2(n - 1)}\right)$。
  4. 最后对各选项进行分析:
    • 选项A:$\left(\frac{\sum_{i = 1}^{n}(X_i-\mu_0)^2}{\chi_{\frac{\alpha}{2}}^2(n)},\frac{\sum_{i = 1}^{n}(X_i-\mu_0)^2}{\chi_{1-\frac{\alpha}{2}}^2(n)}\right)$,此式使用的是 $\mu_0$,而题目中 $\mu$ 未知,所以该选项不符合题意。
    • 选项B:$\left(\overline{X}\pm\frac{\sigma}{\sqrt{n}}u_{\frac{\alpha}{2}}\right)$,这是在 $\sigma$ 已知时,均值 $\mu$ 的置信区间,并非 $\sigma^2$ 的置信区间,所以该选项错误。
    • 选项C:$\left(\overline{X}\pm\frac{S}{\sqrt{n}}t_{\frac{\alpha}{2}}(n - 1)\right)$,这是在 $\sigma$ 未知时,均值 $\mu$ 的置信区间,不是 $\sigma^2$ 的置信区间,所以该选项错误。
    • 选项D:$\left(\frac{(n - 1)S^2}{\chi_{\frac{\alpha}{2}}^2(n - 1)},\frac{(n - 1)S^2}{\chi_{1-\frac{\alpha}{2}}^2(n - 1)}\right)$,与我们推导的结果一致,所以该选项正确。

相关问题

  • 可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述正确的A. 每个样本数据分别归属于与其距离最远的聚类质心所在聚类集合B. 每个簇类的质心累加起来最小C. 最终聚类结果中每个聚类集合中所包含数据呈现出来差异性最大D. 每个簇类的方差累加起来最小

  • 重测信度用重测相关系数来表示,相关系数越趋近于下列哪一数值时,则重测信度越高A. 1B. 0.7C. 2D. 3

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差和方差的计算方式完全一致C. 协方差衡量了多个变量的分布D. 方差描述了样本数据的波动程度

  • 2024年,我国每天大约有( )个小包裹往来于中国和世界各国之间A. 800万B. 1100万C. 1000万D. 900万

  • 下列哪项属于常见的池化方式。()A. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • 下列关于回归分析的描述不正确的是()A. 回归分析模型可分为线性回归模型和非线性回归模型B. 回归分析研究不同变量之间存在的关系()C. 刻画不同变量之间关系的模型统称为线性回归模型D. 回归分析研究单个变量的变化情况

  • 在房价预估中,哪种模型最常被用于回归预测?A. 线性回归B. 决策树C. K近邻D. 朴素贝叶斯

  • 48皮尔逊相关系数的取值范围为0到正无穷。()A. 错误B. 正确

  • 下列哪项属于常见的池化方式。()A. 协方差池化B. 方差池化C. 反向传播D. 最大池化

  • 以下几种数据挖掘功能中,〔〕被广泛的用于购物篮分析.A. 关联分析B. 分类和预测C. 聚类分析D. 演变分析

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差衡量了多个变量的分布C. 协方差和方差的计算方式完全一致D. 方差描述了样本数据的波动程度

  • {15分)常规情况下,下列不属于人口学变量的是A. 民族B. 收入C. 年龄D. 睡眠时间E. 性别

  • 对研究对象制定明确的纳入标准和排除标准,是为了保证样本的A. 可靠性B. 可行性C. 代表性D. 合理性E. 科学性

  • 假定用于分析的数据包含属性age.数据元组[1]中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70, 问题:使用按箱平均值平滑方法对上述数据进行平滑,箱的深度为3。第二个箱子值为:A. 18.3B. 22。6C. 26。8D. 27。9

  • 44.2021年,我国人均预期寿命提高到了()。A. 78岁B. 79岁C. 78.2岁D. 79.2岁

  • 请你从下表中找出1~100中所有质数.并数一数一共多少个. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 像从性不好的资料是()A. 由于死亡或者其他原因不能继续试验B. 能按照试验规定要求完成实验C. 重复参加试验D. 由于纳入标准不合格导致选择的研究对象不符合试验要求E. 能完成试验但是不能按照规定要求完成试验

上一页下一页
logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号