<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/llx70113</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; llx70113]]></copyright><item><title><![CDATA[标准布朗运动的定义、代码和图像]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/138729601</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/138729601</guid><author>llx70113</author><pubDate>Sat, 11 May 2024 20:51:37 +0800</pubDate><description><![CDATA[如果您在看完以后，无论是题目还是参考解答过程有什么问题，希望不吝指出！如果有更好的解题思路或者好的问题分享，欢迎通过留言或者后台发送给我们！下列分别是T=0.1,0.01,0.001时的布朗运动图像。今天分享的是标准布朗运动的定义、代码和图像。有独立增量，也就是说对于任意。有平稳增量，即对于任意。，那么它是标准布朗运动。]]></description><category></category></item><item><title><![CDATA[数理统计讲义第一章习题（3）]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/138471314</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/138471314</guid><author>llx70113</author><pubDate>Sun, 05 May 2024 18:37:37 +0800</pubDate><description><![CDATA[数理统计讲义第一章习题，参考书：复旦大学出版社的数理统计讲义。]]></description><category></category></item><item><title><![CDATA[数理统计讲义第一章笔记（3）]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/138421123</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/138421123</guid><author>llx70113</author><pubDate>Fri, 03 May 2024 18:04:59 +0800</pubDate><description><![CDATA[今天分享的是数理统计讲义第一章笔记，参考书：复旦大学出版社的数理统计讲义。]]></description><category></category></item><item><title><![CDATA[数理统计讲义第一章笔记(2)]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/138357282</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/138357282</guid><author>llx70113</author><pubDate>Tue, 30 Apr 2024 21:27:58 +0800</pubDate><description><![CDATA[偏度是描述数据分布关于其中心位置均值的对称性.偏度接近0就表示数据分布关于均值是左右对称的.偏度为正(负)表示数据在右(左)侧有较长的尾巴。峰度是以正态分布的形态为标准表示数据分布尾部的情况.分布形态接近正态时峰度接近于0.峰度为正(负)表示数据分布在两侧尾部较厚(较薄)。今天分享的是数理统计讲义第一章第三节的笔记（离散分布），参考书：复旦大学出版社的数理统计讲义。求出边际分布的均值和方差是为了证明下面的引理2.6.8,并且这里的。6、数理统计中参数的含义？样本的各个观测相互独立，且与总体有相同的分布。]]></description><category></category></item><item><title><![CDATA[数理统计讲义第一章习题(2)]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/138185446</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/138185446</guid><author>llx70113</author><pubDate>Thu, 25 Apr 2024 12:12:36 +0800</pubDate><description><![CDATA[今天分享的是数理统计讲义第一章习题（2），参考书：复旦大学出版社的数理统计讲义。]]></description><category></category></item><item><title><![CDATA[数理统计讲义第一章习题（1）]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/138079240</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/138079240</guid><author>llx70113</author><pubDate>Mon, 22 Apr 2024 15:39:35 +0800</pubDate><description><![CDATA[如果有更好的解题思路或者好的问题分享，欢迎通过留言或者后台发送给我们！今天分享的是数理统计讲义第一章习题（1-4）。6、数理统计中参数的含义？数理统计是从样本到总体的推理。样本在抽样前是一个随机变量，在抽样后是一个具体的数。7、峰度与偏度的定义，且其为正负零时分别代表什么？样本的各个观测相互独立，且与总体有相同的分布。特点：与参数无关，与样本有关，具有两重性。1、概率论和数理统计思想的区别？8、经验分布函数的性质有哪些？参数空间：参数的取值范围;2、样本的两重性指什么？4、什么是抽样分布？]]></description><category></category></item><item><title><![CDATA[数理统计讲义第一章笔记（1）]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/137988905</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/137988905</guid><author>llx70113</author><pubDate>Sat, 20 Apr 2024 09:36:28 +0800</pubDate><description><![CDATA[数理统计讲义第一章第一节和第二节的笔记]]></description><category></category></item><item><title><![CDATA[数理统计中伽马函数乘法定理的证明]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/137887780</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/137887780</guid><author>llx70113</author><pubDate>Wed, 17 Apr 2024 20:31:24 +0800</pubDate><description><![CDATA[如果您在看完以后，无论是题目还是参考解答过程有什么问题，希望不吝指出！如果有更好的解题思路或者好的问题分享，欢迎通过后台发送给我们！思考：看完这个乘法定理的证明过程之后，今天分享一下伽马函数乘法定理的证明。这个积分能不能快速计算出来。]]></description><category></category></item><item><title><![CDATA[数理统计讲义第二章课后答案12]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/116566791</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/116566791</guid><author>llx70113</author><pubDate>Sun, 09 May 2021 16:50:16 +0800</pubDate><description><![CDATA[2.25设X1,⋯ ,XnX_1,\cdots,X_nX1​,⋯,Xn​为取自Γ\GammaΓ分布族
{Γ(α,λ),λ&gt;0}\{\Gamma(\alpha,\lambda),\lambda&gt;0\}{Γ(α,λ),λ&gt;0}α\alphaα已知,的简单随机样本，试证明Xˉ/α\bar{X}/\alphaXˉ/α是g(λ)=1/λg(\lambda)= 1/\lambdag(λ)=1/λ的一致最小方差无偏估计。

参考答案：
设x1,⋯ ,xnx_1,\cdots,x_nx1​,⋯,xn​是.]]></description><category></category></item><item><title><![CDATA[数理统计讲义第二章课后答案10]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/116566741</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/116566741</guid><author>llx70113</author><pubDate>Sun, 09 May 2021 16:41:39 +0800</pubDate><description><![CDATA[2.22 设总体ξ\xiξ是含未知参数θ\thetaθ的分布，其密度函数为
p(x;θ)=2θx3e−θ/x2I(0,∞)(x),θ&gt;0.p(x;\theta)=\frac{2\theta}{x^3}e^{-\theta/x^2}I_{(0,\infty)}(x),\theta&gt;0.p(x;θ)=x32θ​e−θ/x2I(0,∞)​(x),θ&gt;0.
求θ\thetaθ的FisherFisherFisher信息量和当样本量为nnn时，θ\thetaθ无偏估计方差的C−RC-RC−R下界。
.]]></description><category></category></item><item><title><![CDATA[数理统计讲义第二章课后答案8]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/116566716</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/116566716</guid><author>llx70113</author><pubDate>Sun, 09 May 2021 16:40:23 +0800</pubDate><description><![CDATA[2.18设(X,Y)=((X1,Y1),⋯ ,(Xn,Yn))(X,Y)= ((X_{1},Y_{1}),\cdots,(X_{n},Y_{n}))(X,Y)=((X1​,Y1​),⋯,(Xn​,Yn​))为取自两维正态总体的简单随机样本。求总体均值μX,μY\mu_X,\mu_YμX​,μY​，总体方差σX,σY\sigma_X,\sigma_YσX​,σY​和总体相关系数ρXY\rho_{XY}ρXY​的最大似然估计(对于两维正态总体参数的最大似然估计，除了利用一般的求多维正态总体参数最大似然估计的方.]]></description><category></category></item><item><title><![CDATA[南京师范大学2021年硕士研究生入学考试高等代数试卷及参考答案]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/116566263</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/116566263</guid><author>llx70113</author><pubDate>Sun, 09 May 2021 16:19:07 +0800</pubDate><description><![CDATA[南京师范大学2021年硕士研究生入学考试高等代数试卷及参考答案

1.(20分)计算行列式.



(1) 计算4阶行列式∣2−4−35−314−272534−3−26∣.\begin{vmatrix} 2 &amp; -4 &amp; -3 &amp; 5\\ -3 &amp; 1 &amp; 4 &amp; -2 \\ 7 &amp; 2 &amp; 5 &amp; 3 \\ 4 &amp; -3 &amp; -2 &amp; 6\end{vmatrix}.∣∣∣∣∣∣∣∣​2−374​−412−3​−]]></description><category></category></item><item><title><![CDATA[数理统计讲义第二章课后答案11]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/115026212</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/115026212</guid><author>llx70113</author><pubDate>Sat, 20 Mar 2021 13:22:37 +0800</pubDate><description><![CDATA[2.24判别下列分布族的完备性:



(1) PoissonPoissonPoisson分布族。


参考答案：
对于PoissonPoissonPoisson分布族
{pλ(x)=λxx!e−λ,x=0,1,2,⋯ ,λ&gt;0}\{p_{\lambda}(x)=\frac{\lambda^x}{x!}e^{-\lambda},x=0,1,2,\cdots,\lambda&gt;0\}{pλ​(x)=x!λx​e−λ,x=0,1,2,⋯,λ&gt;0}
设
X=dP(λ)X\stackrel{d}{.]]></description><category></category></item><item><title><![CDATA[数理统计讲义第二章课后答案10]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/114765778</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/114765778</guid><author>llx70113</author><pubDate>Sat, 13 Mar 2021 22:18:55 +0800</pubDate><description><![CDATA[2.22设总体ξ\xiξ是含未知参数θ\thetaθ的分布，其密度函数为p(x;θ)=2θx3e−θ/x2I(0,∞)(x),θ&gt;0.p(x;\theta)=\frac{2\theta}{x^3}e^{-\theta/x^2}I_{(0,\infty)}(x),\quad\theta&gt;0.p(x;θ)=x32θ​e−θ/x2I(0,∞)​(x),θ&gt;0.求θ\thetaθ的FisherFisherFisher信息量和当样本量为nnn时，θ\thetaθ无偏估计方差的C−RC-RC−R下界.]]></description><category></category></item><item><title><![CDATA[数理统计讲义第二章课后答案7]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/112578352</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/112578352</guid><author>llx70113</author><pubDate>Wed, 13 Jan 2021 17:41:52 +0800</pubDate><description><![CDATA[2.16设X1,⋯ ,XnX_1,\cdots,X_nX1​,⋯,Xn​为取自均匀分布ξ=dU(θ−12,θ+12)\xi\stackrel{d}{=}U(\theta-\frac{1}{2},\theta+\frac{1}{2})ξ=dU(θ−21​,θ+21​)的简单随机样本，θ∈R\theta\in Rθ∈R。试证明：对任一λ∈[0,1],\lambda\in[0,1],λ∈[0,1], λ(X(1)+12)+(1−λ)(X(n)−12)\lambda(X_{(1)}+\frac{1}{2})+(1.]]></description><category></category></item><item><title><![CDATA[数理统计讲义第二章课后答案5]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/112298104</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/112298104</guid><author>llx70113</author><pubDate>Wed, 06 Jan 2021 21:23:43 +0800</pubDate><description><![CDATA[2.11在遗传学的研究中，经常要从二项分布b(m,p)b(m,p)b(m,p)中抽样，不过观测不可能为0，所以实际上是从下列条件分布中抽样，
P(ξ=x∣ξ&gt;0)=(mx)px(1−p)(m−x)1−(1−p)m,x=1,2,⋯ ,m.\begin{aligned}P(\xi=x|\xi&gt;0)&amp;=\frac{\begin{pmatrix} m \\ x \end{pmatrix} p^x(1-p)^{(m-x)}}{1-(1-p)^m},\\&amp;x= 1,2,\cdots,m.\.]]></description><category></category></item><item><title><![CDATA[数理统计讲义第二章课后答案4]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/112251949</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/112251949</guid><author>llx70113</author><pubDate>Tue, 05 Jan 2021 20:14:49 +0800</pubDate><description><![CDATA[2.9 设X1,⋯ ,XmX_1,\cdots,X_mX1​,⋯,Xm​和Y1,⋯ ,YnY_1,\cdots,Y_nY1​,⋯,Yn​为分别取自正态分布N(μ1,σ2)N(\mu_1,\sigma^2)N(μ1​,σ2)和N(μ2,σ2)N(\mu_2,\sigma^2)N(μ2​,σ2)的两个独立的简单随机样本，证明θ=(μ1,μ2,σ2)\theta=(\mu_1,\mu_2,\sigma^2)θ=(μ1​,μ2​,σ2)的最大似然估计量为θ^=(Xˉ,Yˉ,σ2^),\widehat{\theta.]]></description><category></category></item><item><title><![CDATA[数理统计讲义第二章参考答案3]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/112200792</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/112200792</guid><author>llx70113</author><pubDate>Mon, 04 Jan 2021 20:34:36 +0800</pubDate><description><![CDATA[2.7设X1,⋯ ,XnX_1,\cdots,X_nX1​,⋯,Xn​为取自具有以下双参数指数分布族的简单随机样本，p(x;μ,σ)=1σexp⁡(−x−μσ)I[μ,∞)(x),p(x;\mu,\sigma)=\frac{1}{\sigma}\exp(-\frac{x-\mu}{\sigma})I_{[\mu,\infty)}(x),p(x;μ,σ)=σ1​exp(−σx−μ​)I[μ,∞)​(x),μ∈R,σ&gt;0.\mu\in R,\sigma&gt;0.μ∈R,σ&gt;0.求μ\muμ和σ\.]]></description><category></category></item><item><title><![CDATA[数理统计讲义第二章参考答案2]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/112097051</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/112097051</guid><author>llx70113</author><pubDate>Sat, 02 Jan 2021 14:58:09 +0800</pubDate><description><![CDATA[2.5 设X1,⋯ ,XnX_1,\cdots,X_nX1​,⋯,Xn​为取自正态总体ξ=dN(μ,σ2)\xi\xlongequal {d}N(\mu,\sigma^2)ξdN(μ,σ2)的简单随机样本，求Pμ,σ2(ξ&gt;1)P_{\mu,\sigma^2}(\xi&gt;1)Pμ,σ2​(ξ&gt;1)的矩法估计量。

参考答案:
总体ξ=dN(μ,σ2)\xi\xlongequal {d}N(\mu,\sigma^2)ξdN(μ,σ2)
总体矩:
{μ1=Eξ=μμ2=Eξ2=Dξ+(Eξ)2.]]></description><category></category></item><item><title><![CDATA[数理统计讲义第二章课后答案1]]></title><link>https://blog.youkuaiyun.com/llx70113/article/details/112096759</link><guid>https://blog.youkuaiyun.com/llx70113/article/details/112096759</guid><author>llx70113</author><pubDate>Sat, 02 Jan 2021 14:56:46 +0800</pubDate><description><![CDATA[2.1设X1,⋯ ,XnX_1,\cdots,X_nX1​,⋯,Xn​为取自总体ξ=db(1,p)\xi\xlongequal{d}b(1,p)ξdb(1,p)的简单随机样本，求ppp的矩法估计量。

参考答案
ξ=db(1,p)\xi\xlongequal{d}b(1,p)ξdb(1,p)
总体的分布律为p(ξ=k)=pk(1−p)1−k,k=0,1p(\xi=k)=p^k(1-p)^{1-k},k=0,1p(ξ=k)=pk(1−p)1−k,k=0,1
总体矩：μ1=Eξ=0×(1−p)+1×p=p\m.]]></description><category></category></item></channel></rss>