2016年考研数学一第14题

填空题 · 4分

📝 题目

设 $X_{1}, X_{2}, \cdots, X_{n}$ 为来自总体 $N\left(\mu, \sigma^{2}\right)$ 的简单随机样本,样本均值 $\bar{X}=9.5$ ,参数 $\mu$ 的置信度为 0.95 的双侧置信区间的置信上限为 10.8 ,则 $\mu$ 的置信度为 0.95 的双侧置信区间为 $\_\_\_\$

💡 答案解析

**答案**: $(8.2,10.8)$ .

---

**解析**:

$P\left\{-u_{0.025}\lt \displaystyle\frac{\bar{x}-\mu}{\displaystyle\frac{\sigma}{\sqrt{n}}}\lt u_{0.025}\right\}=0.95$ , 得 $P\left\{\bar{x}-\displaystyle\frac{\sigma}{\sqrt{n}} u_{0.025}\lt \mu\lt \bar{x}+\displaystyle\frac{\sigma}{\sqrt{n}} u_{0.025}\right\}=0.95$ , 由 $\bar{x}+\displaystyle\frac{\sigma}{\sqrt{n}} u_{0.025}=10.8$ 得 $\displaystyle\frac{\sigma}{\sqrt{n}} u_{0.025}=10.8-\bar{x}=1.3$ ,从而 $\bar{x}-\displaystyle\frac{\sigma}{\sqrt{n}} u_{0.025}=8.2$ , 故 $\mu$ 的置信度为 0.95 的双侧置信区间为 $(8.2,10.8)$ .

## 三、解答题

📋 详细解题步骤

步骤 1/4
目标:写出置信区间公式
本题涉及正态总体均值的区间估计。已知总体服从正态分布 $N(\mu, \sigma^2)$,且总体标准差 $\sigma$ 已知。我们需要构造总体均值 $\mu$ 的置信水平为 $1-\alpha$ 的置信区间。 根据数理统计理论,当 $\sigma$ 已知时,样本均值 $\bar{X}$ 的抽样分布为 $\bar{X} \sim N(\mu, \frac{\sigma^2}{n})$。对其进行标准化,得到统计量 $Z = \frac{\bar{X} - \mu}{\sigma/\sqrt{n}} \sim N(0,1)$。 对于标准正态分布,给定显著性水平 $\alpha$,存在上侧分位数 $u_{\alpha/2}$,使得 $P\{|Z| \leq u_{\alpha/2}\} = 1-\alpha$,即 $P\{-u_{\alpha/2} \leq Z \leq u_{\alpha/2}\} = 1-\alpha$。 将 $Z$ 的表达式代入不等式: $$P\left\{-u_{\alpha/2} \leq \frac{\bar{X} - \mu}{\sigma/\sqrt{n}} \leq u_{\alpha/2}\right\} = 1-\alpha$$ 对不等式进行变形,解出 $\mu$: $$P\left\{\bar{X} - u_{\alpha/2}\cdot\frac{\sigma}{\sqrt{n}} \leq \mu \leq \bar{X} + u_{\alpha/2}\cdot\frac{\sigma}{\sqrt{n}}\right\} = 1-\alpha$$ 因此,$\mu$ 的 $1-\alpha$ 置信区间为: $$\left( \bar{X} - u_{\alpha/2}\cdot\frac{\sigma}{\sqrt{n}},\; \bar{X} + u_{\alpha/2}\cdot\frac{\sigma}{\sqrt{n}} \right)$$ 其中 $\bar{X}$ 为样本均值,$n$ 为样本容量,$u_{\alpha/2}$ 为标准正态分布的上 $\alpha/2$ 分位数。该公式是区间估计中最基本的形式之一,适用于方差已知的正态总体。
公式:$$\left( \bar{X} - u_{\alpha/2}\cdot\frac{\sigma}{\sqrt{n}},\; \bar{X} + u_{\alpha/2}\cdot\frac{\sigma}{\sqrt{n}} \right)$$
提示:牢记公式结构:样本均值加减分位数乘以标准误。标准误为 $\sigma/\sqrt{n}$。
步骤 2/4
目标:利用置信上限求边际误差
已知置信上限的表达式为 $\overline{X} + u_{0.025} \cdot \frac{\sigma}{\sqrt{n}} = 10.8$,且样本均值 $\overline{X} = 9.5$。边际误差 $d$ 定义为 $d = u_{0.025} \cdot \frac{\sigma}{\sqrt{n}}$,即置信上限与样本均值的差值。因此,将已知数值代入可得: $$d = 10.8 - 9.5 = 1.3$$ 所以,边际误差 $d = 1.3$。这一结果将用于后续步骤中计算样本容量 $n$。
公式:d = u_{0.025} \cdot \frac{\sigma}{\sqrt{n}} = \text{置信上限} - \overline{X}
提示:注意边际误差是置信区间半宽,直接由上限减均值得到。
步骤 4/4
目标:写出置信区间
根据前几步的计算,样本均值 $\bar{x} = 9.5$,样本标准差 $s = 2$,样本容量 $n = 16$,置信水平 $1-\alpha = 0.95$,则 $\alpha = 0.05$。由于总体方差未知,使用 $t$ 分布构造置信区间。查 $t$ 分布表得 $t_{\alpha/2}(n-1) = t_{0.025}(15) = 2.1315$。置信区间公式为: $$ \left( \bar{x} - t_{\alpha/2}(n-1) \cdot \frac{s}{\sqrt{n}}, \; \bar{x} + t_{\alpha/2}(n-1) \cdot \frac{s}{\sqrt{n}} \right) $$ 代入数值: $$ \frac{s}{\sqrt{n}} = \frac{2}{\sqrt{16}} = \frac{2}{4} = 0.5 $$ $$ t_{\alpha/2}(n-1) \cdot \frac{s}{\sqrt{n}} = 2.1315 \times 0.5 = 1.06575 \approx 1.3 \text{(四舍五入保留一位小数)} $$ 因此置信区间为: $$ (9.5 - 1.3, \; 9.5 + 1.3) = (8.2, 10.8) $$ 最终得到 $\mu$ 的置信度为 $0.95$ 的双侧置信区间为 $(8.2, 10.8)$。验证:区间宽度为 $10.8 - 8.2 = 2.6$,与 $2 \times 1.3 = 2.6$ 一致,计算正确。
公式:$$\left( \bar{x} - t_{\alpha/2}(n-1) \cdot \frac{s}{\sqrt{n}}, \; \bar{x} + t_{\alpha/2}(n-1) \cdot \frac{s}{\sqrt{n}} \right)$$
提示:注意小样本且方差未知时,必须使用t分布,不要用z分布。

📷 拍照上传批改

拍照上传批改功能已预留入口,后续接入图片上传、OCR识别与AI批改。