修复 Gitea 网页端行内公式与加粗不渲染
根因(读 Gitea 解析器 modules/markup/markdown/math/inline_parser.go 源码确认):
行内公式收尾 $ 的后一个字节必须属于 {空格,换行,行尾,'.','!','?',',',';',':',')','$'},
开头 $ 的左邻不能是 ASCII 字母数字或上述标点。中文与全角标点均为多字节字符
(单字节值 >= 0x80),全部落空,于是整对 $...$ 被当作普通文本原样显示。
本地 PDF 走 KaTeX,无此限制,所以只有网页异常。
处理:
- 新增 .workbuddy/tools/md2pdf/fix_gitea_math.py(检测 + 修复,可 --check/--apply)
- 在收尾 $ 与紧跟的中文字符之间补一个半角空格:23 个文件 1889 处
- 顺带修复加粗失效(收尾 ** 被标点前导、被汉字后继,不满足 CommonMark
right-flanking 规则):10 处,星号不再外露
- 新增 rebuild_prob_pdfs.sh,重生成概率论第3/5/6讲全部 12 个 PDF
范围:概率论在学练习 + 每日小练 + 知识点。试卷/模拟卷/多元函数积分学
仍有 1484 处待修(同规则,可随时跑 --scope 之外的 --apply)。
This commit is contained in:
@@ -28,39 +28,39 @@ tags:
|
||||
|
||||
$$2,\quad3,\quad5,\quad6,\quad9 .$$
|
||||
|
||||
(Ⅰ)求样本均值 $\bar X$、样本方差 $S^2$、样本二阶中心矩 $B_2$;
|
||||
(Ⅰ)求样本均值 $\bar X$ 、样本方差 $S^2$ 、样本二阶中心矩 $B_2$ ;
|
||||
|
||||
(Ⅱ)设总体均值 $\mu$ 与总体方差 $\sigma^2$ **均未知**。判断下列各量哪些是**统计量**,哪些不是:$\ \bar X+\mu$;$\ S^2$;$\ X_1+X_2-\mu$;$\ \max\{X_1,\cdots,X_5\}$;$\ \sum\limits_{i=1}^{5}(X_i-\mu)^2$。
|
||||
(Ⅱ)设总体均值 $\mu$ 与总体方差 $\sigma^2$ **均未知**。判断下列各量哪些是**统计量**,哪些不是:$\ \bar X+\mu$ ;$\ S^2$ ;$\ X_1+X_2-\mu$ ;$\ \max\{X_1,\cdots,X_5\}$ ;$\ \sum\limits_{i=1}^{5}(X_i-\mu)^2$ 。
|
||||
|
||||
**2.** 【三大分布辨析与构造】设 $X_1,X_2,\cdots,X_6$ 为来自总体 $N(0,4)$ 的简单随机样本。判断下列统计量各服从什么分布(写出名称与自由度);**不服从三大分布的,请说明理由**:
|
||||
|
||||
(Ⅰ)$Y_1=\dfrac14\sum\limits_{i=1}^{6}X_i^2$;
|
||||
(Ⅰ)$Y_1=\dfrac14\sum\limits_{i=1}^{6}X_i^2$ ;
|
||||
|
||||
(Ⅱ)$Y_2=\dfrac{(X_1+X_2+X_3)^2}{12}$;
|
||||
(Ⅱ)$Y_2=\dfrac{(X_1+X_2+X_3)^2}{12}$ ;
|
||||
|
||||
(Ⅲ)$Y_3=\dfrac{\sqrt3\,X_1}{\sqrt{X_2^2+X_3^2+X_4^2}}$;
|
||||
(Ⅲ)$Y_3=\dfrac{\sqrt3\,X_1}{\sqrt{X_2^2+X_3^2+X_4^2}}$ ;
|
||||
|
||||
(Ⅳ)$Y_4=2(X_1-X_2)^2$。
|
||||
(Ⅳ)$Y_4=2(X_1-X_2)^2$ 。
|
||||
|
||||
**3.** 【样本均值与样本方差的数字特征】设总体 $X$ 的 $EX=\mu$,$DX=\sigma^2$ 均存在,$X_1,\cdots,X_n$ 为简单随机样本,$\bar X$、$S^2$ 为样本均值与样本方差。
|
||||
**3.** 【样本均值与样本方差的数字特征】设总体 $X$ 的 $EX=\mu$ ,$DX=\sigma^2$ 均存在,$X_1,\cdots,X_n$ 为简单随机样本,$\bar X$ 、$S^2$ 为样本均值与样本方差。
|
||||
|
||||
(Ⅰ)求 $E\bar X$、$D\bar X$、$ES^2$;
|
||||
(Ⅰ)求 $E\bar X$ 、$D\bar X$ 、$ES^2$ ;
|
||||
|
||||
(Ⅱ)说明为什么样本方差 $S^2$ 定义为 $\dfrac{1}{n-1}\sum(X_i-\bar X)^2$ 而不是 $\dfrac1n\sum(X_i-\bar X)^2$。
|
||||
(Ⅱ)说明为什么样本方差 $S^2$ 定义为 $\dfrac{1}{n-1}\sum(X_i-\bar X)^2$ 而不是 $\dfrac1n\sum(X_i-\bar X)^2$ 。
|
||||
|
||||
**4.** 【矩估计】设总体 $X$ 的分布律为
|
||||
|
||||
$$P\{X=-1\}=2\theta,\qquad P\{X=0\}=\theta,\qquad P\{X=1\}=1-3\theta,\qquad 0<\theta<\frac13 .$$
|
||||
|
||||
$\theta$ 未知,$X_1,\cdots,X_n$ 为简单随机样本。求 $\theta$ 的矩估计量 $\hat\theta$。
|
||||
$\theta$ 未知,$X_1,\cdots,X_n$ 为简单随机样本。求 $\theta$ 的矩估计量 $\hat\theta$ 。
|
||||
|
||||
**5.** 【极大似然估计】设总体 $X$ 的概率密度为
|
||||
|
||||
$$f(x;\theta)=\begin{cases}\theta x^{\theta-1},&0<x<1\\[2pt]0,&\text{其他}\end{cases}\qquad(\theta>0\ \text{未知})$$
|
||||
|
||||
$X_1,\cdots,X_n$ 为简单随机样本。求 $\theta$ 的极大似然估计量 $\hat\theta$。
|
||||
$X_1,\cdots,X_n$ 为简单随机样本。求 $\theta$ 的极大似然估计量 $\hat\theta$ 。
|
||||
|
||||
**6.** 【无偏性定常数】🟩 设 $X_1,\cdots,X_n$ 为来自总体 $X$ 的简单随机样本,$EX=\mu$,$DX=\sigma^2$。求常数 $k$,使
|
||||
**6.** 【无偏性定常数】🟩 设 $X_1,\cdots,X_n$ 为来自总体 $X$ 的简单随机样本,$EX=\mu$ ,$DX=\sigma^2$ 。求常数 $k$ ,使
|
||||
|
||||
$$\hat\sigma^2=k\sum_{i=1}^{n-1}(X_{i+1}-X_i)^2$$
|
||||
|
||||
@@ -74,49 +74,49 @@ $$\hat\sigma^2=k\sum_{i=1}^{n-1}(X_{i+1}-X_i)^2$$
|
||||
|
||||
$$f(x;\lambda)=\frac{1}{2\lambda}\mathrm e^{-\frac{\lvert x\rvert}{\lambda}},\qquad x\in\mathbb R,\quad\lambda>0\ \text{未知},$$
|
||||
|
||||
$X_1,\cdots,X_n$ 为简单随机样本,记 $\lambda$ 的极大似然估计量为 $\hat\lambda$。
|
||||
$X_1,\cdots,X_n$ 为简单随机样本,记 $\lambda$ 的极大似然估计量为 $\hat\lambda$ 。
|
||||
|
||||
(Ⅰ)求 $\hat\lambda$;
|
||||
(Ⅰ)求 $\hat\lambda$ ;
|
||||
|
||||
(Ⅱ)求 $E\hat\lambda$ 与 $D\hat\lambda$。
|
||||
(Ⅱ)求 $E\hat\lambda$ 与 $D\hat\lambda$ 。
|
||||
|
||||
**8.** 【次序统计量 · 最大值分布 + 无偏】🟨**真题骨架 2016·23** 设总体 $X$ 的概率密度为
|
||||
|
||||
$$f(x;\theta)=\begin{cases}\dfrac{2x}{\theta^2},&0<x<\theta\\[2pt]0,&\text{其他}\end{cases}\qquad(\theta>0\ \text{未知}),$$
|
||||
|
||||
$X_1,X_2,X_3$ 为简单随机样本,令 $T=\max\{X_1,X_2,X_3\}$。
|
||||
$X_1,X_2,X_3$ 为简单随机样本,令 $T=\max\{X_1,X_2,X_3\}$ 。
|
||||
|
||||
(Ⅰ)求 $T$ 的概率密度 $f_T(x)$;
|
||||
(Ⅰ)求 $T$ 的概率密度 $f_T(x)$ ;
|
||||
|
||||
(Ⅱ)确定常数 $a$,使 $aT$ 为 $\theta$ 的无偏估计。
|
||||
(Ⅱ)确定常数 $a$ ,使 $aT$ 为 $\theta$ 的无偏估计。
|
||||
|
||||
**9.** 【区间估计】🟨**真题骨架 2016·14** 设 $X_1,\cdots,X_{16}$ 为来自总体 $N(\mu,\sigma^2)$ 的简单随机样本,测得样本均值 $\bar X=12.3$。
|
||||
**9.** 【区间估计】🟨**真题骨架 2016·14** 设 $X_1,\cdots,X_{16}$ 为来自总体 $N(\mu,\sigma^2)$ 的简单随机样本,测得样本均值 $\bar X=12.3$ 。
|
||||
|
||||
(Ⅰ)若 $\sigma=2$ **已知**,求 $\mu$ 的置信度为 $0.95$ 的**双侧**置信区间,以及置信度为 $0.95$ 的**单侧置信上限**(已知 $u_{0.025}=1.96$,$u_{0.05}=1.645$);
|
||||
(Ⅰ)若 $\sigma=2$ **已知**,求 $\mu$ 的置信度为 $0.95$ 的**双侧**置信区间,以及置信度为 $0.95$ 的**单侧置信上限**(已知 $u_{0.025}=1.96$ ,$u_{0.05}=1.645$ );
|
||||
|
||||
(Ⅱ)若 $\sigma$ **未知**,测得样本标准差 $S=2$,求 $\mu$ 的置信度为 $0.95$ 的双侧置信区间(已知 $t_{0.025}(15)=2.131$)。
|
||||
(Ⅱ)若 $\sigma$ **未知**,测得样本标准差 $S=2$ ,求 $\mu$ 的置信度为 $0.95$ 的双侧置信区间(已知 $t_{0.025}(15)=2.131$ )。
|
||||
|
||||
**10.** 【假设检验拒绝域】🟨**真题骨架 2025·10** 设 $X_1,\cdots,X_n$ 为来自正态总体 $N(\mu,3)$ 的简单随机样本,$\bar X=\dfrac1n\sum\limits_{i=1}^{n}X_i$。检验
|
||||
**10.** 【假设检验拒绝域】🟨**真题骨架 2025·10** 设 $X_1,\cdots,X_n$ 为来自正态总体 $N(\mu,3)$ 的简单随机样本,$\bar X=\dfrac1n\sum\limits_{i=1}^{n}X_i$ 。检验
|
||||
|
||||
$$H_0:\mu\le2,\qquad H_1:\mu>2,$$
|
||||
|
||||
显著性水平为 $\alpha$,$Z_\alpha$ 为标准正态分布的上 $\alpha$ 分位数。
|
||||
显著性水平为 $\alpha$ ,$Z_\alpha$ 为标准正态分布的上 $\alpha$ 分位数。
|
||||
|
||||
(Ⅰ)写出该检验的拒绝域;
|
||||
|
||||
(Ⅱ)若 $n=12$,$\alpha=0.05$,$Z_{0.05}=1.645$,求拒绝域的临界值 $c$。
|
||||
(Ⅱ)若 $n=12$ ,$\alpha=0.05$ ,$Z_{0.05}=1.645$ ,求拒绝域的临界值 $c$ 。
|
||||
|
||||
**11.** 【两类错误】🟨**真题骨架 2021·10** 设 $X_1,\cdots,X_{25}$ 为来自总体 $N(\mu,9)$ 的简单随机样本,考虑检验问题
|
||||
|
||||
$$H_0:\mu\le5,\qquad H_1:\mu>5,$$
|
||||
|
||||
取拒绝域 $W=\{\bar X\ge6\}$,$\Phi(x)$ 为标准正态分布函数。
|
||||
取拒绝域 $W=\{\bar X\ge6\}$ ,$\Phi(x)$ 为标准正态分布函数。
|
||||
|
||||
(Ⅰ)求犯**第一类错误**的概率(用 $\Phi$ 表示);
|
||||
|
||||
(Ⅱ)求当 $\mu=6.6$ 时犯**第二类错误**的概率(用 $\Phi$ 表示)。
|
||||
|
||||
**12.** 【无偏性与有效性】设 $X_1,X_2,X_3$ 为来自总体 $X$($EX=\mu$,$DX=\sigma^2$)的简单随机样本,考虑 $\mu$ 的三个估计量
|
||||
**12.** 【无偏性与有效性】设 $X_1,X_2,X_3$ 为来自总体 $X$ ($EX=\mu$ ,$DX=\sigma^2$ )的简单随机样本,考虑 $\mu$ 的三个估计量
|
||||
|
||||
$$\hat\theta_1=\frac13(X_1+X_2+X_3),\qquad \hat\theta_2=\frac12X_1+\frac13X_2+\frac16X_3,\qquad \hat\theta_3=\frac12X_1+\frac12X_2 .$$
|
||||
|
||||
@@ -128,11 +128,11 @@ $$\hat\theta_1=\frac13(X_1+X_2+X_3),\qquad \hat\theta_2=\frac12X_1+\frac13X_2+\f
|
||||
|
||||
$$(x_1,\cdots,x_5)=(3,\ 2,\ 4,\ 1,\ 5),\qquad (y_1,\cdots,y_4)=(5,\ 3,\ 7,\ 9).$$
|
||||
|
||||
(Ⅰ)求 $\lambda$ 的极大似然估计值 $\hat\lambda$;
|
||||
(Ⅰ)求 $\lambda$ 的极大似然估计值 $\hat\lambda$ ;
|
||||
|
||||
(Ⅱ)写出 $D(\hat\lambda)$ 的表达式。
|
||||
|
||||
**14.** 【两正态总体方差比 · $F$ 分布】🟨**真题骨架 2023·9** 设 $X_1,\cdots,X_m$ 来自总体 $N(\mu_1,\sigma^2)$,$Y_1,\cdots,Y_n$ 来自总体 $N(\mu_2,3\sigma^2)$,两样本**相互独立**,$S_1^2$、$S_2^2$ 分别为两样本的样本方差。求常数 $c$,使
|
||||
**14.** 【两正态总体方差比 · $F$ 分布】🟨**真题骨架 2023·9** 设 $X_1,\cdots,X_m$ 来自总体 $N(\mu_1,\sigma^2)$ ,$Y_1,\cdots,Y_n$ 来自总体 $N(\mu_2,3\sigma^2)$ ,两样本**相互独立**,$S_1^2$ 、$S_2^2$ 分别为两样本的样本方差。求常数 $c$ ,使
|
||||
|
||||
$$c\cdot\frac{S_1^2}{S_2^2}\ \sim\ F(m-1,\ n-1),$$
|
||||
|
||||
@@ -148,7 +148,7 @@ $$f(x;\sigma)=\begin{cases}\dfrac{A}{\sigma}\mathrm e^{-\frac{(x-\mu)^2}{2\sigma
|
||||
|
||||
其中 $\mu$ **已知**,$\sigma>0$ 未知,$A$ 为常数,$X_1,\cdots,X_n$ 为简单随机样本。
|
||||
|
||||
(Ⅰ)求 $A$;
|
||||
(Ⅰ)求 $A$ ;
|
||||
|
||||
(Ⅱ)求 $\sigma^2$ 的极大似然估计量。
|
||||
|
||||
@@ -156,33 +156,33 @@ $$f(x;\sigma)=\begin{cases}\dfrac{A}{\sigma}\mathrm e^{-\frac{(x-\mu)^2}{2\sigma
|
||||
|
||||
$$F(t)=1-\mathrm e^{-\left(\frac{t}{\theta}\right)^m},\qquad t\ge0,\quad\theta>0,\ m>0 .$$
|
||||
|
||||
(Ⅰ)求 $P\{T>t\}$ 与 $P\{T>s+t\mid T>s\}$;
|
||||
(Ⅰ)求 $P\{T>t\}$ 与 $P\{T>s+t\mid T>s\}$ ;
|
||||
|
||||
(Ⅱ)测得 $n$ 个寿命值 $t_1,\cdots,t_n$,$m$ **已知**,求 $\theta$ 的极大似然估计量 $\hat\theta$。
|
||||
(Ⅱ)测得 $n$ 个寿命值 $t_1,\cdots,t_n$ ,$m$ **已知**,求 $\theta$ 的极大似然估计量 $\hat\theta$ 。
|
||||
|
||||
**17.** 【无偏 + 均方误差最小】🟨**真题骨架 2024·22** 设总体 $X\sim U(0,\theta)$,$\theta>0$ 未知,$X_1,\cdots,X_n$ 为简单随机样本,记 $X_{(n)}=\max\{X_1,\cdots,X_n\}$,构造 $T_c=cX_{(n)}$($c>0$)。
|
||||
**17.** 【无偏 + 均方误差最小】🟨**真题骨架 2024·22** 设总体 $X\sim U(0,\theta)$ ,$\theta>0$ 未知,$X_1,\cdots,X_n$ 为简单随机样本,记 $X_{(n)}=\max\{X_1,\cdots,X_n\}$ ,构造 $T_c=cX_{(n)}$ ($c>0$ )。
|
||||
|
||||
(Ⅰ)求 $c$,使 $T_c$ 为 $\theta$ 的**无偏估计**;
|
||||
(Ⅰ)求 $c$ ,使 $T_c$ 为 $\theta$ 的**无偏估计**;
|
||||
|
||||
(Ⅱ)记 $h(c)=E(T_c-\theta)^2$,求 $c$,使 $h(c)$ **最小**。
|
||||
(Ⅱ)记 $h(c)=E(T_c-\theta)^2$ ,求 $c$ ,使 $h(c)$ **最小**。
|
||||
|
||||
**18.** 【假设检验概念综合】🟨**真题骨架 2018·8** 设 $X_1,\cdots,X_n$ 为来自总体 $N(\mu,\sigma^2)$ 的简单随机样本,$\sigma$ 已知,检验
|
||||
|
||||
$$H_0:\mu=\mu_0,\qquad H_1:\mu\ne\mu_0,$$
|
||||
|
||||
拒绝域为 $W=\{\lvert\bar X-\mu_0\rvert\ge c\}$。
|
||||
拒绝域为 $W=\{\lvert\bar X-\mu_0\rvert\ge c\}$ 。
|
||||
|
||||
(Ⅰ)判断下列结论中哪一个是**正确**的,并说明理由:
|
||||
|
||||
(A)若在 $\alpha=0.05$ 下拒绝 $H_0$,则在 $\alpha=0.01$ 下必拒绝 $H_0$;
|
||||
(A)若在 $\alpha=0.05$ 下拒绝 $H_0$ ,则在 $\alpha=0.01$ 下必拒绝 $H_0$ ;
|
||||
|
||||
(B)若在 $\alpha=0.05$ 下拒绝 $H_0$,则在 $\alpha=0.01$ 下必接受 $H_0$;
|
||||
(B)若在 $\alpha=0.05$ 下拒绝 $H_0$ ,则在 $\alpha=0.01$ 下必接受 $H_0$ ;
|
||||
|
||||
(C)若在 $\alpha=0.05$ 下接受 $H_0$,则在 $\alpha=0.01$ 下必拒绝 $H_0$;
|
||||
(C)若在 $\alpha=0.05$ 下接受 $H_0$ ,则在 $\alpha=0.01$ 下必拒绝 $H_0$ ;
|
||||
|
||||
(D)若在 $\alpha=0.05$ 下接受 $H_0$,则在 $\alpha=0.01$ 下必接受 $H_0$。
|
||||
(D)若在 $\alpha=0.05$ 下接受 $H_0$ ,则在 $\alpha=0.01$ 下必接受 $H_0$ 。
|
||||
|
||||
(Ⅱ)若 $n=16$,$\sigma=2$,取 $\alpha=0.05$($u_{0.025}=1.96$),写出拒绝域的具体形式,并求当 $\mu=\mu_0+1$ 时犯**第二类错误**的概率(用 $\Phi$ 表示)。
|
||||
(Ⅱ)若 $n=16$ ,$\sigma=2$ ,取 $\alpha=0.05$ ($u_{0.025}=1.96$ ),写出拒绝域的具体形式,并求当 $\mu=\mu_0+1$ 时犯**第二类错误**的概率(用 $\Phi$ 表示)。
|
||||
|
||||
---
|
||||
|
||||
|
||||
Reference in New Issue
Block a user