Files
Yimu 1e07892a19 专项03 补四件套专练 13 题:μ 与 σ 谁已知的四个统计量
用户的卡点不是记性,是把四个公式当四件事背;实际是同一张表的两行两列。
- 01 考点地图 §1.5 补四象限表(σ 已知/未知 × μ 已知/未知)+ 一条生成规则
  「每消掉一个未知参数就吃掉一个自由度」,n-1 的来历写清
- 新建 02b-试题-四件套专练(D1—D13):同数据走四格、长度反求 n、
  2016-14 上限反推置信度、2017-23 半正态估 σ、χ²(n) 独有的 μ 已知格、
  2023-9 F 凑系数、合并 t 与 n1+n2-2、2021-10 第二类错误、八条断言
- 新建 03c-解析-四件套(11927 字符),每题 怎么想/解/归因
- 坑清单加两条(四格选错分保守与致命两型、有偏不等于不能当枢轴)
- README 与专项总索引、总览同步:03 由 20 题增至 33 题,总 195 题
- 全部数值经 mpmath 反解验证分位数、sympy 复核区间端点
2026-11-12 22:00:23 +08:00

377 lines
18 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
tags: [数学一, 专项突破, 解析, 数理统计]
专题: 大数定律与数理统计
日期: 2026-11-12
状态: D 组四件套专练解析
关联笔记: ["[[02b-试题-四件套专练]]", "[[01-考点地图]]", "[[03a-解析-核心]]", "[[03b-解析-扩散]]"]
---
# 解析 · 四件套专练
题号与原卷一致,答案与题面见 [02b-试题-四件套专练](02b-试题-四件套专练.md)。
## 答案速查
| 题 | 答 |
|---|---|
| D1 | 见解析;(a)(Ⅱ);(b)(Ⅳ) |
| D2 | (Ⅰ)$(11.16,13.64)$ (Ⅱ)$(10.80,14.00)$ (Ⅲ)$(2.37,16.66)$ (Ⅳ)$(2.28,14.35)$ |
| D3 | (Ⅰ)$(3.78,26.67)$ (Ⅱ)$(4.11,33.03)$ (Ⅲ)偏宽,置信度不变 |
| D4 | (Ⅰ)$62$ (Ⅱ)$64$ |
| D5 | (Ⅰ)$8.2$ (Ⅱ)$0.98$ (Ⅲ)$2.947$ |
| D6 | (Ⅱ)$\sqrt{\pi/2}\,\bar Z$ (Ⅲ)$\sqrt{\frac1n\sum Z_i^2}$ (Ⅳ)前者无偏,后者有偏 |
| D7 | (Ⅰ)$\frac1n\sum(X_i-\bar X)^2$ (Ⅲ)断言错 |
| D8 | (Ⅰ)$\frac12F(n-1,m-1)$ (Ⅱ)$F(n-1,m-1)$ (Ⅲ)不能 |
| D9 | (Ⅰ)$3.9375$ (Ⅱ)$T=2.762$ ,拒绝 |
| D10 | (Ⅰ)$1-\Phi(1)$ (Ⅱ)$\Phi(2)$ (Ⅲ)$44$ |
| D11 | 两问均不拒绝 |
| D12 | (Ⅰ)$(92.91,94.29)$ (Ⅱ)$(0.370,2.972)$ (Ⅲ)$(0.511,3.600)$ (Ⅳ)更长,不矛盾 |
| D13 | 对错依次:对 错 错 错 错 错 对 对 |
---
### 题 D1 · 四个量各服从什么分布
**怎么想**:这题的关键不是算,而是认清(Ⅳ)的双重身份——**它作为随机变量永远服从 $\chi^2(n)$ ,但作为枢轴量只在 $\mu$ 已知时能用**。这两件事不冲突:分布性质取决于 $\mu$ 是不是真值,能不能用取决于你能不能把它算出数值。
**解**:
(Ⅰ)$\bar X\sim N\!\left(\mu,\frac{\sigma^2}{n}\right)$ ,标准化得 $N(0,1)$ 。
(Ⅱ)$\sigma$ 未知时用 $S$ 替,$\dfrac{\sqrt n(\bar X-\mu)}{S}\sim t(n-1)$ 。
(Ⅲ)$\chi^2(n-1)$ 。这一条**与 $\mu$ 无关**,因为 $S^2$ 里根本没有 $\mu$ 。
(Ⅳ)$\chi^2(n)$ 。$\sum(X_i-\mu)^2/\sigma^2$ 是 $n$ 个独立标准正态的平方和。
(a)(Ⅱ)。(Ⅰ)含未知的 $\sigma$ ,(Ⅲ)(Ⅳ)含待估的 $\mu$ 本身,都不能当枢轴量。
(b)(Ⅳ)。(Ⅳ)自由度 $n$ ,(Ⅲ)只有 $n-1$ ,已知 $\mu$ 却不用,等于白扔一个自由度。
(c)算不出数值。区间公式 $\left(\frac{\sum(X_i-\mu)^2}{\chi^2_{\alpha/2}(n)},\ \frac{\sum(X_i-\mu)^2}{\chi^2_{1-\alpha/2}(n)}\right)$ 里的分子含 $\mu$ ,而 $\mu$ 正是要估的那个。数学上它服从 $\chi^2(n)$ ,操作上却是一句空话。
**归因**:四个式的差别只在分母($\sigma$ 还是 $S$ )与分子中心($\mu$ 还是 $\bar X$ )两处。考试里四个选项就是这两处的排列组合,看到题先圈出"哪个参数没给"。
---
### 题 D2 · 同一批数据走完四个格子
**怎么想**:四问共用一组数据,唯一的变量是"已知什么"。做之前先把 $s$ 算出来:$s=\sqrt{45/9}=\sqrt5\approx2.236$ 。然后逐格套表。
**解**:
(Ⅰ)$\sigma=2$ 已知,用 $Z$ :
$$12.4\pm1.96\times\frac{2}{\sqrt{10}}=12.4\pm1.240\ \Longrightarrow\ (11.16,\ 13.64).$$
(Ⅱ)$\sigma$ 未知,用 $t(9)$ ,$t_{0.025}(9)=2.262$ :
$$12.4\pm2.262\times\frac{\sqrt5}{\sqrt{10}}=12.4\pm1.600\ \Longrightarrow\ (10.80,\ 14.00).$$
(Ⅲ)$\mu$ 未知,$\dfrac{45}{\sigma^2}\sim\chi^2(9)$ :
$$\left(\frac{45}{19.023},\ \frac{45}{2.700}\right)=(2.37,\ 16.66).$$
(Ⅳ)$\mu=12$ 已知,先补出以 $12$ 为中心的平方和:
$$\sum_{i=1}^{10}(x_i-12)^2=\sum(x_i-\bar x)^2+10(\bar x-12)^2=45+10\times0.16=46.6.$$
$\dfrac{46.6}{\sigma^2}\sim\chi^2(10)$ :
$$\left(\frac{46.6}{20.483},\ \frac{46.6}{3.247}\right)=(2.28,\ 14.35).$$
(Ⅴ)短。(Ⅳ)的自由度是 $10$ ,(Ⅲ)只有 $9$ ,多一个自由度换来更集中的 $\chi^2$ 分布,区间随之收窄。
**归因**:第(Ⅳ)问最容易卡住,因为它要给一个**没有直接给出的平方和**。记死这条分解:
$$\sum(x_i-\mu)^2=\sum(x_i-\bar x)^2+n(\bar x-\mu)^2.$$
这是"平方和分解"的最小版本,四个格子里凡是 $\mu$ 由未知变已知,都要用它。
---
### 题 D3 · 灌装机的 μ 是已知的
**怎么想**:题目已经把 $\mu$ 定死成 $500$ ,分母就该用 $\sum(x_i-500)^2/\sigma^2\sim\chi^2(9)$ ,自由度是瓶数 $9$ 而不是 $8$ 。
**解**:
(Ⅰ)$\dfrac{72}{\sigma^2}\sim\chi^2(9)$ :
$$\sigma^2\in\left(\frac{72}{19.023},\ \frac{72}{2.700}\right)=(3.78,\ 26.67),\qquad \sigma\in(1.94,\ 5.16).$$
(Ⅱ)他把 $\sum(x_i-500)^2$ 当成了 $\sum(x_i-\bar x)^2$ ,于是 $s^2=72/8=9$ ,$(n-1)s^2=72$ ,自由度 $8$ :
$$\left(\frac{72}{17.535},\ \frac{72}{2.180}\right)=(4.11,\ 33.03).$$
(Ⅲ)**宽**,但置信度**不低于** $0.95$ 。原因不是"错",而是"白扔":$\dfrac{(n-1)S^2}{\sigma^2}\sim\chi^2(n-1)$ 本来就是恒成立的结论,用它算区间置信度正好 $0.95$ ,只是没利用"$\mu=500$ 已知"这条信息,付出了少一个自由度的代价。
**归因**:这里要破一个误区——**用错格子不等于算错**。$\mu$ 已知却用 $\chi^2(n-1)$ ,结论仍然合法(保守),只是精度差。反过来 $\mu$ 未知却用 $\chi^2(n)$ 才是真错:$\sum(x_i-\mu)^2$ 根本算不出来。
---
### 题 D4 · 区间长度反求样本量
**怎么想**:区间长度是 $2\times$ 半长,把半长写成 $n$ 的函数,令它 $\le1$ 。
**解**:
(Ⅰ)$\sigma=2$ 已知,半长 $1.96\times\frac{2}{\sqrt n}$ ,令 $2\times$ 半长 $\le1$ :
$$\frac{4\times1.96}{\sqrt n}\le1\ \Longrightarrow\ \sqrt n\ge7.84\ \Longrightarrow\ n\ge61.47,$$
取 $n=62$ 。
(Ⅱ)$\sigma$ 未知,半长为 $t_{0.025}(n-1)\frac{2}{\sqrt n}$ :
- $n=62$ :$\dfrac{4\times2.000}{\sqrt{62}}=\dfrac{8}{7.874}=1.016>1$ ,不够;
- $n=64$ :$\dfrac{4\times1.998}{8}=0.999\le1$ ,够了。
取 $n=64$ 。
(Ⅲ)因为 $t_{\alpha/2}(n-1)$ 本身也随 $n$ 变。$n$ 出现在两个地方(分母的 $\sqrt n$ 与分位数的自由度),这是个不动点问题,只能代入试算;而(Ⅰ)里 $u_{0.025}=1.96$ 与 $n$ 无关,可以直接解出。
**归因**:真题喜欢在填空题里给"长度不超过某值"的话,答案往往要**向上取整**。$61.47$ 取 $61$ 是最常见的失分。另外 $t$ 情形下答案通常只比 $Z$ 情形大一两个,因为 $t$ 与 $u$ 到 $n=60$ 时几乎重合。
---
### 题 D5 · 从置信上限反推
**怎么想**:双侧区间关于 $\bar x$ 对称,这是唯一需要记住的结构。上限给出了半长,下限、置信度、长度全部连锁。
**解**:
(Ⅰ)半长 $=10.8-9.5=1.3$ ,下限 $=9.5-1.3=8.2$ ,区间 $(8.2,\ 10.8)$ 。
(Ⅱ)$s=2$ ,$n=16$ ,半长 $t\times\frac{2}{4}=\frac t2=1.3$ ,故 $t=2.6$ 。查表 $t_{0.01}(15)=2.602$ 最接近,即 $\alpha/2=0.01$ ,置信度 $1-2\times0.01=0.98$ 。
(Ⅲ)置信度 $0.99$ 对应 $t_{0.005}(15)=2.947$ ,半长 $2.947\times0.5=1.4735$ ,长度 $2.947$ 。
**归因**:2016 年那道填空只问下限,是送分的;加了(Ⅱ)(Ⅲ)就变成"由区间反推 $\alpha$ ",这是同一枚硬币的另一面。**区间、半长、分位数、置信度四个量知道任意两个就能求另两个**,都要能互推。
---
### 题 D6 · 用绝对误差估 σ
**怎么想**:$\mu$ 已知是把 $X_i$ 平移到原点,$Z_i=|X_i-\mu|$ 是标准正态取绝对值再乘 $\sigma$ ,即**半正态分布**。三步都在这一个密度上做。
**解**:
(Ⅰ)$Z_1=\sigma|U|$ ,$U\sim N(0,1)$ 。$z>0$ 时
$$F_Z(z)=P\{|U|\le z/\sigma\}=2\Phi(z/\sigma)-1\ \Longrightarrow\ f_Z(z)=\frac{2}{\sqrt{2\pi}\sigma}\mathrm{e}^{-\frac{z^2}{2\sigma^2}},\quad z>0.$$
(Ⅱ)
$$E(Z_1)=\int_0^\infty z\cdot\frac{2}{\sqrt{2\pi}\sigma}\mathrm{e}^{-\frac{z^2}{2\sigma^2}}\mathrm{d}z=\sigma\sqrt{\frac2\pi}.$$
令 $\sigma\sqrt{2/\pi}=\bar Z$ ,得矩估计 $\hat\sigma=\sqrt{\dfrac\pi2}\,\bar Z$ 。
(Ⅲ)似然
$$L(\sigma)=\prod_{i=1}^n\frac{2}{\sqrt{2\pi}\sigma}\mathrm{e}^{-\frac{z_i^2}{2\sigma^2}},\qquad \ln L=n\ln\frac{2}{\sqrt{2\pi}}-n\ln\sigma-\frac{1}{2\sigma^2}\sum z_i^2.$$
$$\frac{\mathrm{d}\ln L}{\mathrm{d}\sigma}=-\frac n\sigma+\frac{\sum z_i^2}{\sigma^3}=0\ \Longrightarrow\ \hat\sigma^2=\frac1n\sum_{i=1}^nZ_i^2,\quad \hat\sigma=\sqrt{\frac1n\sum Z_i^2}.$$
(Ⅳ)$E(Z_i^2)=D(Z_i)+[E(Z_i)]^2=\sigma^2\left(1-\frac2\pi\right)+\frac2\pi\sigma^2=\sigma^2$ ,故 $E(\hat\sigma^2)=\sigma^2$ ,**无偏**。
但 $E(\hat\sigma)<\sigma$ :根号是凹函数,由 Jensen 不等式 $E\sqrt{W}\le\sqrt{E(W)}=\sigma$ ,等号只在 $W$ 退化时成立。**有偏,且偏小**。
(Ⅴ)$\mu$ 未知时 $Z_i=|X_i-\mu|$ 里的 $\mu$ 算不出来,不是统计量。改记 $Z_i=|X_i-\bar X|$ 后这 $n$ 个量**不同分布**:$\bar X$ 与每个 $X_i$ 都相关($\operatorname{Cov}(X_i,\bar X)=\sigma^2/n$ ),且 $\sum(X_i-\bar X)=0$ 使它们线性相关,似然不能写成 $\prod f(z_i)$ 。
**归因**:这题的考点是**"$\mu$ 已知"这个条件被用在哪**——用在把 $X_i$ 平移掉。一旦 $\mu$ 未知,整条路断掉,这正是"知道 $\mu$ 就能多榨一个自由度"的具体样子。另外注意矩估计 $\sqrt{\pi/2}\,\bar Z$ 与 MLE $\sqrt{\frac1n\sum Z_i^2}$ **不是同一个**,真题第三问专门考这一点。
---
### 题 D7 · 有偏的估计量能不能当枢轴
**怎么想**:断言把"无偏"和"能当枢轴"绑在一起,这两件事其实毫无关系。检验办法只有一个:把 $\hat\sigma^2$ 与 $S^2$ 的关系写出来。
**解**:
(Ⅰ)$\hat\sigma^2=\dfrac1n\sum(X_i-\bar X)^2$ 。
(Ⅱ)$E(\hat\sigma^2)=\dfrac{n-1}{n}\sigma^2$ (偏小),$E(S^2)=\sigma^2$ 。
(Ⅲ)**错**。由定义
$$n\hat\sigma^2=\sum(X_i-\bar X)^2=(n-1)S^2,$$
于是
$$\frac{n\hat\sigma^2}{\sigma^2}=\frac{(n-1)S^2}{\sigma^2}\sim\chi^2(n-1).$$
两者是同一个量。用它构造区间:
$$\sigma^2\in\left(\frac{n\hat\sigma^2}{\chi^2_{\alpha/2}(n-1)},\ \frac{n\hat\sigma^2}{\chi^2_{1-\alpha/2}(n-1)}\right),$$
与用 $S^2$ 的公式**逐字相同**。无偏性只影响"点估计准不准",与"能不能构造枢轴量"无关。枢轴量的唯一要求是分布已知且不含未知参数。
(Ⅳ)$\mu$ 已知时 $\hat\sigma^2=\dfrac1n\sum(X_i-\mu)^2$ ,且 $E(\hat\sigma^2)=\sigma^2$ ,**无偏**。这里顺带看清一件事:$\hat\sigma^2$ 有偏无偏,取决于 $\mu$ 知不知道。
**归因**:$n$ 与 $n-1$ 的纠缠,根子在这条恒等式上。做题时不必背哪个有偏,只需要记住 $\sum(X_i-\bar X)^2=(n-1)S^2$ 这一句,剩下都能推。
---
### 题 D8 · 方差差一个倍数怎么凑
**怎么想**:$F$ 分布的定义是"两个独立 $\chi^2$ 各除自由度再相除"。凑的时候不是看 $S_1^2$ 与 $S_2^2$ ,而是看**它们各自除上真实方差之后**能不能变成标准 $\chi^2$ 。
**解**:
(Ⅰ)$\dfrac{S_1^2}{\sigma^2}\sim\dfrac{\chi^2(n-1)}{n-1}$ ,$\dfrac{S_2^2}{2\sigma^2}\sim\dfrac{\chi^2(m-1)}{m-1}$ ,两者相除
$$\frac{S_1^2/\sigma^2}{S_2^2/(2\sigma^2)}=\frac{2S_1^2}{S_2^2}\sim F(n-1,m-1).$$
所以
$$\frac{S_1^2}{2S_2^2}=\frac12\cdot\frac{2S_1^2}{S_2^2}\sim\frac12F(n-1,m-1),$$
**不是标准 $F$ 分布**,只是它的二分之一倍。
(Ⅱ)$\dfrac{2S_1^2}{S_2^2}\sim F(n-1,m-1)$ 。
(Ⅲ)不能。任何 $F$ 型统计量都得把 $\sigma_1^2/\sigma_2^2$ 消掉,而两者之比未知时无法消。这正是"两样本方差比检验"必须先假设 $\sigma_1^2=\sigma_2^2$ (或已知比例)的原因。
**归因**:2023 年那道单选就是(Ⅰ)(Ⅱ)的辨析,四个选项在 $F(n-1,m-1)$ 与 $F(m-1,n-1)$ 之间倒。**凑系数的正确顺序**:先写 $\frac{S_1^2}{\sigma_1^2}$ 与 $\frac{S_2^2}{\sigma_2^2}$ ,再把 $\sigma_1^2,\sigma_2^2$ 按题目给的关系代进去,最后相除。别跳步去猜。
---
### 题 D9 · 合并方差与合并自由度
**怎么想**:方差相等时,两个样本方差都是 $\sigma^2$ 的估计,按自由度加权平均能得到更准的估计——这就是 $S_w^2$ 。它把自由度也合并了,于是 $t$ 分布的自由度是 $n_1+n_2-2$ 。
**解**:
(Ⅰ)
$$S_w^2=\frac{(n_1-1)S_1^2+(n_2-1)S_2^2}{n_1+n_2-2}=\frac{9\times4.2+7\times3.6}{16}=\frac{63}{16}=3.9375.$$
(Ⅱ)
$$T=\frac{\bar x-\bar y}{S_w\sqrt{\dfrac{1}{n_1}+\dfrac{1}{n_2}}}=\frac{2.6}{\sqrt{3.9375\times0.225}}=\frac{2.6}{0.9412}=2.762.$$
拒绝域 $|T|\ge t_{0.025}(16)=2.120$ 。$2.762>2.120$ ,**拒绝** $H_0$ ,两工艺均值有显著差异。
(Ⅲ)因为 $S_w^2$ 里两个样本方差各自损失了一个自由度:$\sum(x_i-\bar x)^2$ 的自由度是 $n_1-1$ ,$\sum(y_j-\bar y)^2$ 是 $n_2-1$ ,相加得 $n_1+n_2-2$ 。这也是 $\chi^2$ 可加性的直接结果。
(Ⅳ)不能。方差不等时 $T$ 不再服从 $t$ 分布(Behrens-Fisher 问题),只能用 Welch 近似(自由度由 Satterthwaite 公式给),或者在大样本下用 $Z$ 近似。考试若没说"方差相等",要么题目给了"方差相等",要么就该用配对设计。
**归因**:$S_w^2$ 的分母是 $n_1+n_2-2$ ,**不是** $n_1+n_2$ ,也**不是**两者的算术平均。记法:分母永远等于"平方和的总自由度"。
---
### 题 D10 · 第二类错误与倒推样本量
**怎么想**:$\beta$ 是"$H_0$ 假却没拒绝",即 $\mu$ 取真值时不落入拒绝域的概率。$\bar X$ 的实际分布用真 $\mu$ ,拒绝域的边界用 $11$ ,两者相减再标准化。
**解**:
(Ⅰ)$\mu=11.5$ 时 $\bar X\sim N(11.5,\ 4/16)=N(11.5,\ 0.25)$ ,标准差 $0.5$ :
$$\beta=P\{\bar X<11\}=\Phi\!\left(\frac{11-11.5}{0.5}\right)=\Phi(-1)=1-\Phi(1)=0.1587.$$
(Ⅱ)$\mu=10$ 时标准差仍 $0.5$ :
$$\beta=\Phi\!\left(\frac{11-10}{0.5}\right)=\Phi(2)=0.9772.$$
说明 $\mu$ 正好落在 $H_0$ 边界上时,几乎必然接受 $H_0$ ——这不是缺陷,而是"边界处的检验没有分辨力"这一事实的量化。
(Ⅲ)
$$\beta=\Phi\!\left(\frac{11-11.5}{2/\sqrt n}\right)=\Phi(-0.25\sqrt n)\le0.05\ \Longrightarrow\ -0.25\sqrt n\le-1.645,$$
$$\sqrt n\ge6.58\ \Longrightarrow\ n\ge43.3,$$
取 $n=44$ 。
**归因**:$\beta$ 的计算与 $\alpha$ 只差一个不等号方向。判断用哪一侧的通法:**写清"在什么条件下、什么事件"**——"$\mu=11.5$ 时没拒绝"就是 $\{\bar X<11\}$ ,别去背"左侧右侧"。
---
### 题 D11 · 检验 σ² 的两个格子
**怎么想**:$\sigma^2$ 的双侧检验有两个尾巴,$\chi^2$ 分布不对称,所以左右临界值都要查,而且方向相反(小的在左)。
**解**:
(Ⅰ)$\mu$ 未知,$\chi^2=\dfrac{15\times1.44}{1}=21.6\sim\chi^2(15)$ 。拒绝域
$$W=\{21.6<6.262\}\cup\{21.6>27.488\},$$
$21.6$ 落在中间,**不拒绝** $H_0$ 。
(Ⅱ)$\mu=52$ 已知,先算平方和:
$$\sum(x_i-52)^2=\sum(x_i-\bar x)^2+n(\bar x-52)^2=21.6+16\times0.09=23.04.$$
$\chi^2=\dfrac{23.04}{1}\sim\chi^2(16)$ ,拒绝域 $W=\{23.04<6.908\}\cup\{23.04>28.845\}$ ,**不拒绝**。
(Ⅲ)两处差别:分子多了 $n(\bar x-\mu)^2=1.44$ 这一项,自由度从 $15$ 变 $16$ 。统计量变大是必然的——平方和分解里那一项非负,$\mu$ 已知时不用 $\bar x$ 去中心化,反而把"样本均值偏离设定值"的那部分也计入了波动。
**归因**:$\chi^2$ 检验最容易错在**两侧临界值写反**:左临界是 $\chi^2_{1-\alpha/2}$ (小值),右临界是 $\chi^2_{\alpha/2}$ (大值),与 $t$ 检验的对称写法完全不同。
---
### 题 D12 · 综合:一次抽样四问
**怎么想**:(Ⅰ)到(Ⅲ)仍是四格表的直接应用,真正的考点在(Ⅳ)——它逼你想清楚**区间长度是随机的**。
**解**:
(Ⅰ)$\sigma$ 未知,$t_{0.025}(8)=2.306$ ,$s/\sqrt9=0.3$ :
$$93.6\pm2.306\times0.3=93.6\pm0.692\ \Longrightarrow\ (92.91,\ 94.29).$$
(Ⅱ)$\mu$ 未知,$\sum(x_i-\bar x)^2=(n-1)s^2=8\times0.81=6.48$ :
$$\left(\frac{6.48}{17.535},\ \frac{6.48}{2.180}\right)=(0.370,\ 2.972),$$
开方得 $\sigma\in(0.608,\ 1.724)$ 。
(Ⅲ)$\mu=93$ 已知:
$$\sum(x_i-93)^2=6.48+9\times(93.6-93)^2=6.48+3.24=9.72,$$
$$\left(\frac{9.72}{19.023},\ \frac{9.72}{2.700}\right)=(0.511,\ 3.600).$$
(Ⅳ)**(Ⅲ)更长,但不矛盾。**
原因是 $\bar x=93.6$ 偏离假定值 $93$ 有 $0.6$ ,这一项经 $n=9$ 放大后贡献了 $3.24$ ,占(Ⅲ)分子的一半。区间宽窄依赖样本,这一次恰巧落在"分子偏大"的一个实现上。
衡量"信息多就更精确"的正确口径是**期望长度**,不是单次长度。(Ⅱ)与(Ⅲ)的期望长度分别正比于
$$(n-1)\left(\frac{1}{\chi^2_{0.975}(n-1)}-\frac{1}{\chi^2_{0.025}(n-1)}\right)=8\times0.4017=3.214,$$
$$n\left(\frac{1}{\chi^2_{0.975}(n)}-\frac{1}{\chi^2_{0.025}(n)}\right)=9\times0.3178=2.860.$$
$\mu$ 已知时确实更短。所以结论是:**知道 $\mu$ 在平均意义上有好处,但具体到某一次样本,仍可能更宽**。
**归因**:这题的正解不是算出四个区间,而是第(Ⅳ)问那句"区间是随机变量"。绝大多数人把置信区间当成一个确定的东西,一旦遇到"这次为什么反而宽",就以为公式错了。
---
### 题 D13 · 八条断言
**怎么想**:八条全部围绕"哪个参数未知 → 用哪个格子"与"置信区间是随机的"这两个根。逐条对照前几题即可。
**解**:
(1)**对**。$\dfrac{\bar X-\mu}{S/\sqrt n}\sim t(n-1)$ 与 $\sigma$ 知不知道无关,只要分母用 $S$ 就是 $t$ 。因 $t_{0.025}(n-1)>u_{0.025}$ ,区间更宽,但结论合法。
(2)**错**。$S^2$ 里没有 $\mu$ ,这条对任何 $\mu$ 都成立。
(3)**错**。置信度仍**正好**是 $0.95$ ,因为 $\dfrac{(n-1)S^2}{\sigma^2}\sim\chi^2(n-1)$ 恒成立。代价只是区间偏宽,不是置信度下降。
(4)**错**。作为随机变量它永远服从 $\chi^2(n)$ ($\mu$ 取真值);只是你算不出它的数值,因而不能当枢轴量。
(5)**错**。与 $\sqrt n$ **成反比**,$n$ 变四倍长度减半。
(6)**错**。$\mu$ 是常数,不含随机性。正确说法:重复抽样中约 $95\%$ 的区间覆盖 $\mu$ 。
(7)**对**。$n$ 个 $(X_i-\bar X)$ 满足一条线性约束 $\sum(X_i-\bar X)=0$ ,独立方向只剩 $n-1$ 个。
(8)**对**。两个样本各自减去了自己的样本均值,各损失一个自由度。
**归因**:八条里(3)(4)最难,因为它们的错误不在计算,而在把"分布性质"与"能否当统计量"混为一谈。判断题的通法:**先问这句话是关于随机变量本身,还是关于你手上能算出的数**。