2024复旦DSBA笔试题目——数学部分(2)

1

求解 fn(x)f_n(x) 的极限函数 f(x)f(x),当 a,ba, b 满足什么条件时,f(x)f(x) 连续。

fn(x)=x2n−1+ax2+bxx2n+1,x∈Rf_n(x) = \frac{x^{2n-1} + ax^2 + bx}{x^{2n} + 1}, \quad x \in \mathbb{R}


2

z=f(u),u=x2+y2,f′′(u)=−f′(u)uz = f(u), u = \sqrt{x^2 + y^2}, f''(u) = -\frac{f'(u)}{u}

(1) 证明:∂2z∂x2+∂2z∂y2=0\frac{\partial^2 z}{\partial x^2} + \frac{\partial^2 z}{\partial y^2} = 0

(2) 如果 f(1)=0,f′(1)=1f(1) = 0, f'(1) = 1,求解 f(u)f(u)

第一问仔细计算即可。

第二问能看出来是解微分方程就行。


3

an=1n(n+1)a_n = \sqrt{\frac{1}{n(n+1)}},SnS_n 是 nx2+1nn x^2 + \frac{1}{n} 和 (n+1)x2+1n+1(n+1)x^2 + \frac{1}{n+1} 所围图形面积。

(1) 求 SnS_n

(2) 求 ∑n=1∞Snan\sum_{n=1}^{\infty} \frac{S_n}{a_n}

仔细计算即可,直接给出答案:

(1) Sn=43(1n(n+1))3/2S_n = \frac{4}{3}\left(\frac{1}{n(n+1)}\right)^{3/2}

(2) ∑n=1∞Snan=43\sum_{n=1}^{\infty} \frac{S_n}{a_n}=\frac{4}{3}


4

伴随矩阵 A∗=[1000010010100−308]A^* = \begin{bmatrix} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 1 & 0 & 1 & 0 \\ 0 & -3 & 0 & 8 \end{bmatrix},且已知 AB=B+3AAB = B + 3A,求解矩阵 BB

两边同时左乘 A∗A^* ,整理得

(det⁡A⋅I−A∗)B=3det⁡A⋅I(\det A \cdot I - A^*)B = 3\det A \cdot I

下面问题是求 det⁡A\det A 。

由 det⁡(det⁡A⋅I)=det⁡(A∗A)=det⁡Adet⁡A∗\det(\det A\cdot I) = \det (A^*A) = \det A\det A^* 知 (det⁡A)4=det⁡Adet⁡A∗(\det A)^4 = \det A\det A^* 进而知 det⁡A=2\det A = 2

然后用高斯消元法算就行了,结果是

B=[66663−1]B = \begin{bmatrix} 6&&&\\ &6&&\\ 6&&6&\\ &3&&-1 \end{bmatrix}


5

A2=AA^2 = A

(1) AA 是否可对角化?

(2) B+2I=AB + 2I = A,求 ∣B∣|B|

(1) 由题设知 A(Ax)=AxA(A\boldsymbol x)=A\bm x 故 AxA\bm x 是特征值为 11 的特征向量。

看看还有没有别的特征值 λ\lambda : Ax=λxA\bm x = \lambda\bm x ,同时左乘 AA 得 Ax=λAxA\bm x = \lambda A\bm x ,因为 λ≠1\lambda\ne 1 ,那只有 Ax=0A\bm x=\bm 0,也就是说 λx=0\lambda \bm x=\bm 0 ,而特征向量不为零,所以 λ=0\lambda=0 .

AA 可对角化等价于它的特征子空间的直和为全空间。咱们看看任意向量 y\bm y 能不能写成这两个子空间向量的线性组合 u+v\bm u+ \bm v .

设 u=Au\bm u = A\bm u,即 u\bm u 属于特征值为1的特征子空间,则 v=y−Au\bm v = \bm y - A\bm u 满足 A(y−Au)=0A(\bm y - A\bm u) = 0,这说明 Au=AyA\bm u = A\bm y 。

即 y\bm y 可以写为 (y−Ay)+Ay(\bm y-A\bm y) + A\bm y ,下略。

(2) B=A−2IB=A-2I

考虑 AA 的特征多项式

det⁡(λI−A)=λn−r(λ−1)r\det(\lambda I-A) = \lambda^{n-r}(\lambda-1)^{r}

其中 rr 指特征值为 11 的特征子空间的维数。

则

det⁡B=det⁡(A−2I)=(−1)n2n−r\det B = \det (A-2I) = (-1)^n2^{n-r}


6

检测疫情感染有两种方案:

  • 方案一: 每人一个试管,一一检测;
  • 方案二: 8个人放在一只试管检测,若阳性再对8个人一一检测。

感染概率 1−p1-p,不感染概率 pp。

(1) 8个人一一检测时恰有两人感染,求极大似然的参数 pp。

(2) 方案二的期望次数比方案一少,求 pp 的范围?

(1) 似然函数

L(p;x)=(82)(1−p)2p6L(p ;\bm x) = \binom{8}{2}(1-p)^2p^6

经取对数、解一阶条件步骤后,得 p^=34\hat p=\frac{3}{4}

(2) 显然方案一的期望为 88 ,方案二的检测次数 XX 的期望为

E(X)=E(X∣无人感染)P(无人感染)+E(X∣有人感染)P(有人感染)=1⋅p8+9⋅(1−p8)=9−8p8\begin{align*} E(X)&=E(X\mid \text{无人感染})P(\text{无人感染})+ E(X\mid \text{有人感染})P(\text{有人感染})\\ &= 1\cdot p^8 + 9\cdot (1-p^8)\\ &=9-8p^8 \end{align*}

接下来解不等式

9−8p8<89-8p^8<8

即可。


7

X1,…,XnX_1, \dots, X_n 独立同分布于 N(μ,σ2)N(\mu, \sigma^2)。

Xˉk=∑i=1kXik\bar{X}_k = \frac{\sum_{i=1}^{k} X_i}{k}

求 Xˉk+1−Xˉk\bar{X}_{k+1} - \bar{X}_k 的分布。

仔细计算即可,答案为

Xˉk+1−Xˉk∼N(0,σ2k(k+1))\bar{X}_{k+1} - \bar{X}_k \sim N(0,\frac{\sigma^2}{k(k+1)})


8

X1,...,XnX_1,...,X_n 独立同分布,服从均匀分布 U(θ,θ+1)U(\theta, \theta + 1),请提出两个 θ\theta 的无偏估计量,并讨论两者的有效性。

求一阶矩为 E(Xi)=θ+12E(X_i)=\theta +\frac{1}{2},容易提出一个无偏估计量 θ^1=Xˉ−12\hat{\theta}_1 = \bar X-\frac{1}{2}. 其方差为 112n\frac{1}{12n}

第二个估计量可以取 θ^2=X1−12.\hat\theta_2 = X_1-\frac{1}{2}. 方差为 112\frac{1}{12} .

更正经的做法可以看 概统拾遗 › 一些例子。


9

(a) 多个文物,两种方法测得它们的年限,检验两种测量方法是否有差别,显著性水平取 0.05?(提供了表格数据)

(b) (a) 题中认为有明显差异而犯错的概率是多少?

配对 tt 检验。


10

ui=α+βxi,yi=0 或 1,i=1…nu_i = \alpha + \beta x_i, \quad y_i = 0 \text{ 或 } 1, \quad i = 1 \dots n

P(y=1∣x)=11+e−uP(y = 1\mid x) = \frac{1}{1 + e^{-u}}

(1) 求 α\alpha 和 β\beta 的 MLE

(2) 解释参数 β\beta 的含义

(1) 记

pi=P(yi=1∣xi)=11+e−uip_i = P(y_i = 1\mid x_i) = \frac{1}{1 + e^{-u_i}}

对于一个样本点 yiy_i,其出现的条件概率(我们把 xix_i 看作先验已知的常数,后面的似然函数也是带条件的) qiq_i 为

piyi(1−pi)1−yip_i^{y_i}(1-p_i)^{1-y_i}

因此条件似然函数为

L(α,β)=∏i=1npiyi(1−pi)1−yiL(\alpha ,\beta) = \prod_{i=1}^n p_i^{y_i}(1-p_i)^{1-y_i}

对数条件似然函数为

ℓ(α,β)=∑i=1n(yiln⁡pi+(1−yi)ln⁡(1−pi))=∑i=1n(yiln⁡pi1−pi+ln⁡(1−pi))=∑i=1n(yiui−ln⁡(eui+1))\begin{align*} \ell(\alpha ,\beta) &= \sum_{i=1}^n\left(y_i\ln p_i + (1-y_i)\ln(1-p_i)\right)\\ &=\sum_{i=1}^n(y_i\ln \frac{p_i}{1-p_i}+\ln(1-p_i))\\ &= \sum_{i=1}^n(y_i u_i-\ln(e^{u_i}+1)) \end{align*}

一阶条件为

∂ℓ∂α=∑(yi−pi)=0∂ℓ∂β=∑xi(yi−pi)=0\begin{align*} \frac{\partial\ell}{\partial\alpha}&=\sum(y_i-p_i)=0\\ \frac{\partial\ell}{\partial \beta}&=\sum x_i(y_i-p_i)=0 \\ \end{align*}

(2) log odds的变化。


2024复旦DSBA笔试题目——数学部分(2)
https://wtx17.github.io/2026/06/23/2024复旦DSBA笔试题目——数学部分-2/
作者
wtx
发布于
2026年6月23日
更新于
2026年11月6日
许可协议