kaoyan3basic 概率论与数理统计 第561题

教材习题

📝 题目

### 第561题 561 设 $X_{1}, X_{2}, \cdots, X_{n}(n \geqslant 2)$ 为来自总体 $N\left(\mu, \sigma^{2}\right)(\sigma>0)$ 的简单随机样本,令 $\displaystyle \bar{X}= \frac{1}{n} \sum_{i=1}^{n} X_{i}, S=\sqrt{\frac{1}{n-1} \sum_{i=1}^{n}\left(X_{i}-\bar{X}\right)^{2}}, S^{*}=\sqrt{\frac{1}{n} \sum_{i=1}^{n}\left(X_{i}-\mu\right)^{2}}$ ,则 (A)$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)}{S} \sim t(n)$ . (B)$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)}{S} \sim t(n-1)$ . (C)$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)}{S^{*}} \sim t(n)$ . (D)$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)}{S^{*}} \sim t(n-1)$ . 设随机变量 $X \sim F(n, n), p_{1}=P\{X \geqslant 1\}, p_{2}=P\{X \leqslant 1\}$ ,则

💡 答案解析

**答案**:B **解析**:步骤1:$\displaystyle \bar{X}\sim N(\mu,\frac{\sigma^2}{n})$,则$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)}{\sigma}\sim N(0,1)$。 步骤2:$\displaystyle \frac{(n-1)S^2}{\sigma^2}\sim\chi^2(n-1)$,且与$\bar{X}$独立。 步骤3:由$t$分布定义,$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)/\sigma}{\sqrt{S^2/\sigma^2}}=\frac{\sqrt{n}(\bar{X}-\mu)}{S}\sim t(n-1)$。 **难度**:★★★☆☆

📋 详细解题步骤

步骤 1/3
目标:确定样本均值的分布
由于总体服从正态分布 N(μ, σ²),样本均值 X̄ 服从正态分布 N(μ, σ²/n),因此标准化后得到 (√n (X̄ - μ))/σ ~ N(0,1)。
公式:X̄ ~ N(μ, σ²/n)
提示:样本均值的方差是总体方差的1/n。
步骤 2/3
目标:确定样本方差的分布
样本方差 S² = 1/(n-1) Σ(Xi - X̄)²,有 (n-1)S²/σ² ~ χ²(n-1),且 S² 与 X̄ 独立。
公式:(n-1)S²/σ² ~ χ²(n-1)
提示:卡方分布的自由度为 n-1。
步骤 3/3
目标:构造 t 统计量
由 t 分布的定义,t = (标准正态变量) / √(卡方变量/自由度)。这里标准正态变量为 √n (X̄ - μ)/σ,卡方变量为 (n-1)S²/σ²,自由度为 n-1,因此 t = [√n (X̄ - μ)/σ] / √{[(n-1)S²/σ²]/(n-1)} = √n (X̄ - μ)/S ~ t(n-1)。
公式:t = √n (X̄ - μ)/S ~ t(n-1)
提示:注意分母是 S 而不是 σ。

📷 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。