跳转至

练习⚓︎

This browser does not support PDFs. Please download the PDF to view it: 下载 PDF.

  1. X 为抽 自正态总体 N(θ,σ2) 中的样本(样本大小为 1 ). σ 已知, a, b 都是给定常数, a<b. 要找原假设 H0:aθb 的水平 α 检验. 完成以下的 步骤:

1 从直观考虑, H0 的接受域应取为 C1XC2, 即当 C1XC2 时接 受 H0, 不然就否定 H0. 写出这个检验的功率函数 β(θ).

2 找出常数 C1,C2 使 1 中找出 β(θ) 满足

β(a)=β(b)=α

3 证明由 1,2 决定的检验确是 H0 的水平 α 检验, 即 β(θ)αaθ b.

4 证明这样决定的检验满足

β(θ)1, 当 |θ|

解释这个结果的意义.

5 如果 X1,,Xn 为抽自 N(θ,σ2) 的样本, σ 已知, 利用上面的结果作出 H0 的检验.

  1. X1,,Xn 是抽自指数分布总体的样本, 0<a<b,a,b 为已知常 数. 要检验原假设 H0:aλb. 描述一下 (不须详细推导) 用解第 1 题的思 想来解这个问题的过程.
  2. X1,,XnY1,,Ym 分别是抽自正态总体 N(a,σ12)N(b, σ22) 的样本, a,b 末知而 σ12,σ22 已知. 试作出原假设 H0:a=b 的水平 α 检验. 给定 d1>0,d2>0, 令 m=n, 决定 n, 使当 |ab|d1 时, 功效函数不小于 1d2.
  3. X1,,XnY1,,Ym 分别是抽自正态总体 N(a,σ2)N(b, σ2) 的样本, a,b,σ2 都末知. 试仿照两样本 t 检验的做法, 构造出原假设 H0 : a=cb 的一个水平 α 检验. 这里 c0 为已知常数.
  4. 利用上题的结果解决如下的检验问题: 设 X1,,XnY1,,Ym 分别是抽自正态总体 N(a,σ12)N(b,σ22) 的样本, a,b,σ12,σ22 都末知, 但比 值 σ22/σ12=c2 已知, 要检验原假设 H0:a=b.
  5. X1,,Xn 为抽自具参数为 λ1 的指数分布的样本, Y1,,Yn 为 抽自具参数为 λ2 的指数分布的样本. 作出原假设 H0:λ1λ2 的水平 α 的检 验.
  6. X1,,Xn 是抽自均匀分布 R(0,θ) 的样本,给定 θ0>0. 作出原假 设 H0:θθ0 的水平 α 检验.
  7. X1,,Xn 是从有下述密度函数的总体中抽出的样本;
f(x,θ)={exθ,xθ0,x>θ<θ<

给定常数 θ0. 作出原假设 H0:θθ0 的水平 α 检验.

注: 第 7,8 题都需要先由直观出发定出检验统计量, 再根据水平 α 定临 界值.

  1. X 为自负二项分布
Pθ(X=k)=(r+k1r1)pr(1p)k,
k=0,1,2,;0<θ<1

中抽出的样本. 给定 θ0,0<θ0<1. 找原假设 H0:θθ0 的水平 α 检验. 如要 求水平严格地为 α, 如何实行随机化?

10 . 在上题中, 如果设 θ 有先验分布 R(0,1), 求该题中原假设 H0 的贝 叶斯检验.

  1. 在第 7 题中, 如果设 θ 有先验分布 R(0,a) ( a 已知且 a>θ0). 试求 该题中原假设 H0 的贝叶斯检验.
  2. 事件 A 在一试验中发生的概率记为 p, 为检验原假设 H0:p1/2 是否成立, 甲、乙二人分别采用下述做法: 甲重复试验到 A 第 9 次出现时停 止, 乙重复试验到 A¯ 第 3 次出现时停止,两人都在做完第 12 次试验时, 结束 试验. 取检验水平 α=0.05. 问: 甲乙两人分别从其试验结果中作出何种结 论? 你从本题结果得到什么启发?
  3. 设样本 XB(n1,p1),YB(n2,p2). 要检验假设 H0:p1=p2. 设 n1n2 都充分大, 试作出 H0 的水平 α 的大样本检验.
  4. 设样本 X 服从波晆松分布 P(λ). (a) 试用中心极限定理证明: 当 λ 时有
(Xλ)/λN(0,1)

(b) 设 λ0 充分大. 用 (a) 的结果, 作出原假设 H0:λ=λ0 的水平 α 大样本检 验.

  1. 在 5.2 节 5.2 .4 段“定数截尾”检验中, 我们定义了检验统计量 T (见(2.34)式), 并曾指出 2λTχ22r. 这个结果直接证明较繁, 但用下面的归 纳法容易证明,试完成以下步骤。

1r=1 时,这结果成立. 为此注意到当 r=1 时, T 就是 nY1Y1= min(X1,,Xn). 用第二章 22 题及 f(x)=λeλx,x>0, 当 x0f(x)= 0 , 易求出 Y1 之分布, 因陑求出 T 的分布. 由此算出 2λT 有密度函数 12ex/2 (当 x>0,下同), 此即 χ22 的密度.

2r=k 时结果成立 (归纳假设), 要证明当 r=k+1 时结果也成立. 为此, 分别用 TkTk+1 记当 r=kr=k+1 时的 T 值, 而分析一下二者 的关系, 如右图 5.6, 分别显示出 n 个元件依次失效时的寿命 Y1,,Yn. 并 为方便计,把 YkYk+1 分别记为 ab. 从图上明显看出:

Tk+1=Tk+(nk)(ba)

ba 是什么? 就是从时刻 a 起算, 当时尚末失 效的 nk 个元件中最早失效的那个元件的失 效时间 (以 a 为 0 点的时间!). 这样一来 (n k)(ba) 不是别的,正是 nk 个指数分布变 量的最小值乘以个数 nk (这里用了指数分布 的无后效性: 当一个元件在时刻 a 尚末失效时, 其以 a 为起点以后的寿命, 仍服从原来的指数

图 5.6 分布.见第二章例 1.7). 根据 1 中已证的, 2λ(n k)(ab)χ22. 另外, (1) 式右边两项有独立性. 这也是根据指数分布无后 效性的考惫, 而根据归纳假设, 2λTkχ2k2. 故由卡方分布性质, 知 2λTh11 χ22(h+1). 这完成了归纳证明.

这也是一种概率方法——不是单凭分析计算, 且利用概率的考虑. 它不 仅简化了证明,也使我们明白了为什么有这个结果的道理所在.

  1. 设变量 X1,2,3,4 等值. 有一种理论认为, X 取这 4 个值的概率 呈等比级数, 即
P(X=2)/P(X=1)=P(X=3)/P(X=2)
=P(X=4)/P(X=3)

为验证此理论是否正确, 对 X 进行 n 次观察, 发现 X¯1,2,3,4 为值分别有 n1,n2,n3,n4 次. 试作拟合优度检验, 描述步骤即可以,不必去解方程.

  1. 为检验变量 X 的分布是否为指数分布 (参数 λ 末知), 选择适当常 数 a>0 及自然数 k,把区间 [0,) 分成 k+1 份: I1=[0,a),I2=[a,2a), ,Ik=[(k1)a,ka),Ik+1=[ka,). 用 5.3 节 5.3 .4 段的方法作拟合优 度检验,包括该处所介绍的估计末知参数的方法去估计 λ. 以 n 记观察次数, n1,n2,,nk+1 分别记这 n 个观察值中落人 I1,I2,,Ik+1 中的个数.
  2. 证明四格表的公式(3.16).
  3. 对由本章 (3.2) 式定义的拟合优度统计量 Z, 我们有定理 3.1 : 在原 假设下 Zχk12n. 此定理末予证明,但我们可以得出若干侧证:

1 在原假设成立时 E(Z)=k1, 与 χk12 的均值一致;

2 在原假设成立时, Var(Z) 也可以算出来, 从其表达式易看出: Var(Z) 2(k1)n, 即收敛于 χk12 之方差.

1 很容易, 请读者证明. 2 很繁但不难. 请读者指出计算 Var(Z) 的详细 步骤,如能坚持算出结果当然很好.

  1. (此题用到附录 A 的方法)

1 考虑 5.2 节 5.2 .5 段的检验问题 1. 证明: 由 (2.38) 定义的检验 φ (选 择其中的 C 使检验水平为 α ) 是水平 α 的一致最优检验.

2 考虑 5.2 节 5.2 .6 段的检验问题 1. 证明: 由 (2.47) 定义的检验 φ (选 择其中的 C 使检验水平为 α ) 是水平 α 的一致最优检验.

对当前页面有任何疑问吗?

评论

登录github的账号后,可以直接在下方评论框中输入。

如果想进行更详细的讨论(如排版、上传图片等),选择一个反应后并点击上方的文字,进入论坛页面。