logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subjecticon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • icon-appicon-app-active手机APP
首页
/
统计
题目

设总体 X 服从正态分布 N(0, sigma^2),overline(X),S^2 分别是容量为 n 的样本的均值和方差,则 (sqrt(n)overline(X))/(S) 服从________分布。A. t(n-1)B. t(n-2)C. t(n)D. t(n-3)

设总体 $X$ 服从正态分布 $N(0, \sigma^2)$,$\overline{X}$,$S^2$ 分别是容量为 $n$ 的样本的均值和方差,则 $\frac{\sqrt{n}\overline{X}}{S}$ 服从________分布。

A. t($n-1$)

B. t($n-2$)

C. t($n$)

D. t($n-3$)

题目解答

答案

已知总体 $X \sim N(0, \sigma^2)$,样本均值 $\overline{X}$ 和样本方差 $S^2$ 满足: \[ \frac{\sqrt{n} \overline{X}}{\sigma} \sim N(0, 1), \quad \frac{(n-1)S^2}{\sigma^2} \sim \chi^2(n-1) \] 统计量 $\frac{\sqrt{n} \overline{X}}{S}$ 可表示为: \[ \frac{\sqrt{n} \overline{X}}{S} = \frac{\frac{\sqrt{n} \overline{X}}{\sigma}}{\sqrt{\frac{S^2}{\sigma^2}}} = \frac{\frac{\sqrt{n} \overline{X}}{\sigma}}{\sqrt{\frac{1}{n-1} \cdot \frac{(n-1)S^2}{\sigma^2}}} \] 分子为标准正态分布,分母为自由度为 $n-1$ 的卡方分布除以自由度的平方根,符合 t 分布定义。因此,该统计量服从 $t(n-1)$ 分布。 答案:$\boxed{A}$

解析

本题考查正态分布、样本均值、样本方差以及t分布的相关知识。解题思路是根据已知条件,将统计量$\frac{\sqrt{n}\overline{X}}{S}$进行变形,使其符合t分布的定义形式,从而确定其服从的分布。
下面进行详细的计算和分析:
已知总体$X \sim N(0, \sigma^2)$,样本均值$\overline{X}$和样本方差$S^2$满足:
$\frac{\sqrt{n} \overline{X}}{\sigma} \sim N(0, 1)$,$\frac{(n - 1)S^2}{\sigma^2} \sim \chi^2(n - 1)$。
我们对统计量$\frac{\sqrt{n}\overline{X}}{S}$进行变形:
$\begin{align*}\frac{\sqrt{n}\overline{X}}{S}&=\frac{\frac{\sqrt{n}\overline{X}}{\sigma}}{\sqrt{\frac{S^2}{\sigma^2}}}\\&=\frac{\frac{\sqrt{n}\overline{X}}{\sigma}}{\sqrt{\frac{1}{n - 1} \cdot \frac{(n - 1)S^2}{\sigma^2}}}\end{align*}$
可以看到,分子$\frac{\sqrt{n}\overline{X}}{\sigma}$服从标准正态分布$N(0, 1)$,分母$\sqrt{\frac{1}{n - 1} \cdot \frac{(n - 1)S^2}{\sigma^2}}$是自由度为$n - 1$的卡方分布$\frac{(n - 1)S^2}{\sigma^2}$除以自由度的平方根。
根据t分布的定义:若$Z \sim N(0, 1)$,$W \sim \chi^2(k)$,且$Z$与$W$相互独立,则$T=\frac{Z}{\sqrt{\frac{W}{k}}}\sim t(k)$。
在本题中,$Z = \frac{\sqrt{n}\overline{X}}{\sigma}$,$W = \frac{(n - 1)S^2}{\sigma^2}$,$k = n - 1$,所以$\frac{\sqrt{n}\overline{X}}{S}$服从$t(n - 1)$分布。

相关问题

  • 48皮尔逊相关系数的取值范围为0到正无穷。()A. 错误B. 正确

  • 对研究对象制定明确的纳入标准和排除标准,是为了保证样本的A. 可靠性B. 可行性C. 代表性D. 合理性E. 科学性

  • {15分)常规情况下,下列不属于人口学变量的是A. 民族B. 收入C. 年龄D. 睡眠时间E. 性别

  • 假设某地正常男性体重服从正态分布,随机抽取某地正常男性100测量其体重,结果=60.0Kg,S=6.0Kg。请计算:(1)该地正常男子体重95%总体均数的可信区间。(2)该地男子95%的体重范围为多少?

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差和方差的计算方式完全一致C. 协方差衡量了多个变量的分布D. 方差描述了样本数据的波动程度

  • 下列哪项属于常见的池化方式。()A. 协方差池化B. 方差池化C. 反向传播D. 最大池化

  • 下列关于回归分析的描述不正确的是()A. 回归分析模型可分为线性回归模型和非线性回归模型B. 回归分析研究不同变量之间存在的关系()C. 刻画不同变量之间关系的模型统称为线性回归模型D. 回归分析研究单个变量的变化情况

  • 以下几种数据挖掘功能中,〔〕被广泛的用于购物篮分析.A. 关联分析B. 分类和预测C. 聚类分析D. 演变分析

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差衡量了多个变量的分布C. 协方差和方差的计算方式完全一致D. 方差描述了样本数据的波动程度

  • 假定用于分析的数据包含属性age.数据元组[1]中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70, 问题:使用按箱平均值平滑方法对上述数据进行平滑,箱的深度为3。第二个箱子值为:A. 18.3B. 22。6C. 26。8D. 27。9

  • 下列关于变量的说法,错误的是(1.5) A. 常见的变量主要有自变量、因变量和混杂变量B. 混杂变量不会干扰研究结果C. 自变量不受结果的影响D. 自变量是因,因变量是果E. 因变量随自变量改变的影响而变化

  • 可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述正确的A. 每个样本数据分别归属于与其距离最远的聚类质心所在聚类集合B. 每个簇类的质心累加起来最小C. 最终聚类结果中每个聚类集合中所包含数据呈现出来差异性最大D. 每个簇类的方差累加起来最小

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

  • 请你从下表中找出1~100中所有质数.并数一数一共多少个. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • {1.5分)确定研究总体和样本时,不需要考虑A. 立题依据B. 样本量C. 抽样方法D. 目标总体E. 纳入及排除标准

  • 5.聚类分析可以看作是一种非监督的分类。()

  • 下列哪项属于常见的池化方式。()A. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • 下列关于回归分析的描述不正确的是()A. 回归分析研究单个变量的变化情况B. 刻画不同变量之间关系的模型统称为线性回归模型C. 回归分析研究不同变量之间存在的关系D. 回归分析模型可分为线性回归模型和非线性回归模型

  • 重测信度用重测相关系数来表示,相关系数越趋近于下列哪一数值时,则重测信度越高A. 1B. 0.7C. 2D. 3

上一页下一页
logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号