某大学概率论第七章课件.ppt

《某大学概率论第七章课件.ppt》由会员分享，可在线阅读，更多相关《某大学概率论第七章课件.ppt（94页珍藏版）》请在三一办公上搜索。

1、河南理工大学精品课程 概率论与数理统计,统计推断的基本问题, 估计问题(ch7),估计问题可分为参数估计与非参数估计。,本章只介绍关于总体参数的点估计与区间估计。, 假设检验问题(ch8),第七章 参数估计,1,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,1、点估计,一、点估计问题的提出,数理统计的基本任务就是依据样本推断总体特征.,刻画总体X的某些特征的常数称为参数,其中最常 用的参数是总体的数学期望和方差。例如,服从正态分 布的总体X就是由参数=E(X),2=D(X)确定的。,在实际问题中,常已知总体X的分布函数的形式,而 未知总体X的一个或多个参数。,根据样本提供的信息

2、对总体X的未知参数作出估计 ，这类问题称为参数估计问题。,2,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,参数估计通常有两种方法:点估计和区间估计。,一、点估计提法,点估计问题提法:设已知总体X的分布函数F(x;) 的形式,(参数空间)为需要估计的参数。 是来自总体X的一个样本, 是其样本值.,根据待估参数的特征构造一个适当的统计量,用其观察值,来估计未知参数.,的估计量,的估计值,今后,不再区分估计量和估计值而统称为的估计, 均记为 .,3,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,设已知总体X的可能分布函数族为:,理论根据:样本矩(的连续函数)依概率收

3、敛于总 体矩(的连续函数).,其中 为待估参数.,二、构造估计量的两种方法,1、矩估计法,矩估计法:用样本矩(函数)来估计总体矩(函数).,4,河南理工大学精品课程,证明,辛钦定理,再根据第五章辛钦定理知,由以上定义得下述结论:,5,证明辛钦定理再根据第五章辛钦定理知由以上定义得下述结论:5,由第五章关于依概率收敛的序列的性质知,以上结论是下一章所要介绍的矩估计法的理论根据.,6,由第五章关于依概率收敛的序列的性质知 以上结论,河南理工大学精品课程 概率论与数理统计,设总体X的前k阶矩,均存在,而样本矩,其中,矩估计法就是: 令总体的前k阶矩分别与样本的 对应阶矩相等,即,7,河南理工大学精品

4、课程,河南理工大学精品课程 概率论与数理统计,可作为待估参数 的估计量(称为矩估计 量),其观察值为待估参数的估计值(称为矩估计值).,这是含k个待估参数 的联立方程组，其解,8,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计, 确定待估参数的个数k,求出总体的前k阶矩;,求矩估计的步骤, 解方程(组), 写出矩估计量和矩估计值.,因此,会求总体矩,记住样本矩,就可求出待估参 数的矩估计量与矩估计值.,9,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例1】设总体X服从a,b上的均匀分布,求未知 参数a,b的矩估计量.,解两个待估参数，连续型.,先求总体的一,二

5、阶(原点)矩.,因为XUa,b,所以,由,即,10,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,解得:,11,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例】求正态总体N(,2)的两个未知参数 ,2的矩估计量.,解两个待估参数，连续型.,先求总体的一,二阶(原点)矩.,因为XN(,2),所以,由,12,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,.,即,解得,2的矩估计量分别为:,样本二阶 中心矩，非修正样本方差,13,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例】求服从二项分布B(m，p)的总体X未知参 数p的矩估

6、计量。,解单参数，离散型.,由,因为 所以总体X的一阶矩(期望)为,即,故所求矩估计量为：,14,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例4】已知总体X的概率密度为:,解单参数，连续型.,因为总体一阶矩,其中未知参数0,求的矩估计量.,由,15,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,故所求矩估计量为：,即,解得:,16,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例5】已知总体X的概率密度为:,解单参数，连续型.,因为总体一阶矩,其中未知参数0,求的矩估计量.,不含，故不能由“样本一阶矩=总体一阶矩”解得所求 矩估计，需要继

7、续求二阶矩：,17,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,由“样本二阶矩=总体二阶矩”得：,于是,所求矩估计量为：,函数定义,18,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,2、极大似然估计法,一位老猎人与他的徒弟一起打猎,两人同时向一 猎物射击,结果该猎物身中一弹,你认为谁打中的可能 性最大?,根据经验而断:老猎人打中猎物的可能性最大.,极大似然估计法的思想就是对固定的样本值，选 择待估参数的估计值使“样本取样本值”离散型或“样 本取值落在样本值附近”连续型 的概率最大。,(1、极大似然估计法的思想,19,河南理工大学精品课程,河南理工大学精品课程

8、 概率论与数理统计, 单参数情形,下面分离散型与连续型总体来讨论.,(2、极大似然估计的求法,设离散型总体X的分布律,形式已知,为待估参数. 为来自总体X的 样本, 为其样本值,则 的联合分 布律为:,根据总体分布律写出似然函数：换x为xi,20,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,这正是事件“样本取得样本值” 的概率,称之为样本的 似然函数,它是待估参数的函数.,极大似然估计法：对固定的样本值,在参数空间中 选取使似然函数达到最大的参数值 作为参数的估 计值(称为极大似然估计值),它为样本值的函数,记为,相应统计量,称为参数的极大似然估计量.,21,河南理工大学精品

9、课程,河南理工大学精品课程 概率论与数理统计,设连续型总体X的概率密度,事件“样本取值落在样本值的邻域” 的概率近似为,形式已知,为待估参数。 来自总体X的样 本, 为其样本值，则 的联合概 率密度为:,22,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,达到最大值,相应的,极大似然估计法：对固定的样本值,在参数空间中 选取使上述概率达到最大的参数值 作为参数的估 计值(称为极大似然估计值)。由于因子,与无关,故 也使样本的似然函数,称为参数的极大似然估计量。,23,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计, 、在参数的变化范围内求似然函数的最大 值点, 、

10、依据总体X的分布律或概率密度写出样本的 似然函数:,综上可得,求极大似然估计的步骤,即为待估计参数的极大似然估计值;特别,当总体分布 律或概率密度关于参数可导时,可通过解似然方程,24,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计, 、必要时,参照极大似然估计值写出极大似然 估计量.,或与之等价的,来得到待估参数的极大似然估计值(驻点);,25,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例6】求服从二项分布B(m，p)的总体X未知参数 p的极大似然估计量。,解单参数，离散型。,所以,样本的似然函数为:,因为总体 其分布律为,在f中换x为xi写出连乘积,26

11、,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,求导得：,四则运算求导法则,27,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,即,也即,解得极大似然估计值为,28,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,极大似然估计量为,29,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计, 确定待估参数的个数k,求出总体的前k阶矩;,求矩估计的步骤, 解方程(组), 写出矩估计量和矩估计值.,知识回顾,30,河南理工大学精品课程,求最大似然估计量的步骤:,最大似然估计法是由R.A.Fisher引进的.,31,求最大似然估计量的步骤:最大似

12、然估计法是由R.A.Fishe,最大似然估计法也适用于分布中含有多个未知参数的情况. 此时只需令,对数似然方程组,对数似然方程,32,最大似然估计法也适用于分布中含有多个未知参数,河南理工大学精品课程 概率论与数理统计, 多参数情形,当总体分布中含有多个待估参数时，可类似于单 参数情形来求其极大似然估计，其步骤为：, 写出似然函数, 求多元似然函数的极大值点；当L关于各参数 可导时，可解似然方程组,得各参数的极大似然估计。,33,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例7】求正态总体N(,2)的两个未知参数, 2的似然估计量.,解双参数，连续型.,因为XN(,2),所

13、以X总体的概率密度为,设 为样本 的一个样本值, 则似然函数为:,34,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,从而,取对数得:,由似然方程组,视2为整体,35,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,解得,2的极大似然估计值为:,从而,2的极大似然估计量为:,36,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例8】设总体X服从a,b上的均匀分布,求未知 参数a,b的极大似然估计量.,解双参数，连续型.,因为 所以X的概率密度为,设 为样本 的一个样本值,记,37,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,由于

14、,所以,似然函数为,对于满足 的任意a,b有,38,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,即,故a,b的极大似然估计值为:,故a,b的极大似然估计量为:, 本例直接利用极大似然思想方法来求似然估计.,39,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,小结 矩估计法是由样本矩等于总体矩的方程 (组)解出矩估计量,再相应写出矩估计值;而极大似 然估计法是由似然方程(组)解出似然估计值，再相 应写出似然估计量.,同一个待估参数的矩估计与极大似然估计可能 相同如二项总体、正态总体,也可能不同如均匀 总体.,40,河南理工大学精品课程,河南理工大学精品课程 概率

15、论与数理统计,(3、极大似然估计的不变性,例如,正态总体方差2的极大似然估计为,故标准差(0)的极大似然估计为,定理 设 是总体X的参数 的极大似然估计,函 数 具有单值反函数,则 是 的极大似然估计,即,41,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例9】设总体X服从参数为的泊松分布,求 PX=0的极大似然估计.,因为,解因为 ,易求 的极大似然估计值与 极大似然估计量分别为:,有单值反函数,故由上述定理知:PX=0的极大似然估 计为,42,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,对于同一个参数,用不同方法求出的估计量可能 不同.那么,采用哪一个

16、估计量为好呢?用何种标准来 评判估计量的优劣?,下面,介绍几个常用标准.,1、无偏性,定义 设估计量 存在期望,且对任意 有,三、估计量的评选标准,则称 为 的无偏估计量.,43,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,称为用 来估计 的系统误差.因此, 无偏估计就是说无系统误差.,44,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例10】设总体X存在均值与方差20,则,解因为,1、样本均值 是总体均值的无偏估计;,2、样本方差 是总体方差2的无偏估计.,45,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,1、样本均值 是总体均值的无偏

17、估计;,2、样本方差 是总体方差2的无偏估计.,所以,46,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,易知：对均值,方差20都存在的总体,方差的 估计量,是有偏估计:,无偏化得:,47,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,可以证明:无论总体X服从何种分布,k阶样本矩 是k阶总体矩的无偏估计,即有,因此,一般都是取样本均值 作为总体均值的估计 量,取样本方差 作为总体方差的估计量.,48,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,是总体均值的无偏估计;并确定常数a,b使D(Y)达到 最小.,解因为,【例11】设从存在均值与方差20

18、的总体中,分 别抽取容量为n1,n2的两个独立样本,其样本均值分别 为 .证明:对任意常数a,b,由期望性质得:,49,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,由无偏性知:Y是的无偏估计量.,由方差性质得:,50,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,即:,解得当,时D(Y)最小.,由导数应用知:,51,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例12】试证明均匀分布,解因为极大似然估计量为,中未知参数的极大似然估计量不是无偏估计.,而总体分布函数,52,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,的分布函数

19、为,故其概率密度为,53,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,从而, 不是 的无偏估计.,54,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,2、有效性,则称 较 为有效.,同一个参数的无偏估计可能有多个,在容量相同 情况下,认为取值密集于参数真值附近的估计量较为 理想.,由于方差度量随机变量取值与其数学期望的偏 离程度,故无偏估计应以方差小者为好.,定义 设 都是的无偏估计量,若有,55,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例13】设总体X服从参数为的指数分布,解因为,其中0为未知参数,试证:,易知 服从参数为/n的指数分

20、布,故,1、 和 都是的无偏估计;,2、评定 的有效性.,所以, 是的无偏估计量.,56,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,所以, 也是的无偏估计量.,于是,由于,注意到当n1时:,在实际问题中常常使用无偏性、有效性这两个标 准.至于一致性请自学，暂存不议.,故当n1时, 较 为有效.,57,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,2、区间估计,在参数估计中,除了求出未知参数的点估计外, 常需给出以一定可信度包含参数真值的区间(置信 区间),这类问题就是区间估计问题.,一、问题的提出(思想),58,河南理工大学精品课程,河南理工大学精品课程 概

21、率论与数理统计,置信区间 设总体X的分布函数F(x;)含有一个 未知参数.对于给定值( 01),若由来自总体X 的样本 能确定两个统计量,满足：,则称随机区间 是的置信度为1-的（双侧） 置信区间， 分别称为置信下限和置信上限,1- 称为置信度.,59,河南理工大学精品课程,关于定义的说明,60,关于定义的说明60,河南理工大学精品课程 概率论与数理统计,()的意义是:若反复进行多次容量均为n的抽样, 则每个样本值都确定一个区间,它或包含的真值,或 不包含的真值,按贝努里大数定律可知:在这样多的 区间中,包含真值的区间约占100(1-)%,不包含 真值的区间约占100%.,例如,=0.01,反

22、复抽样1000次,得到的1000个区 间中包含真值的区间约有990个,而不包含真值的 区间仅约为10个.,61,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,求未知参数的置信区间的步骤:,并且Z的分布是已知的且不依赖于及其它任何未知参数;,(2) 对于给定的置信度1-,确定两个常数a,b,使,二、置信区间的求法(方法),(1) 构造一个仅含未知参数的样本函数(不是 统计量):,(3) 由,解得与之等价的不等式,62,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,其中统计量 构成的 随机区间 就是的一个置信度为1-的置信 区间.,(4) 如果有一个样本值,便可得到

23、一个固定区间, 它不是随机区间,仍称之为置信度为1-的置信区间,它属于包含真值的区间的可信程度为100(1-)%, 或说该区间包含的可信程度为100(1-)%.,下面,分单正态总体与双正态总体两种情形仅介 绍有关正态总体均值和方差的区间估计.,63,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,设正态总体XN(,2), 是来自该 正态总体的样本, 分别是样本均值和样本方差， 给定的置信度为1-.,单正态总体情形,三、正态总体均值与方差的区间估计,1、均值的置信区间, 方差2已知,由于 是 的无偏估计,且 故可 作随机变量,其分布不依赖于任何未知参数.,64,河南理工大学精品课程

24、,河南理工大学精品课程 概率论与数理统计,由标准正态分布的双 侧/2分位点概念知:,即,故得到的一个置信度为1-的置信区间,65,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,例如,=1,n=16,=0.05,1-=0.95,查表得 | ,则得到一个置信度为95%的置信区间,若有一个样本值，并算得样本均值的观察值为,则得到一个具体区间,它不再是随机区间，但仍称之为置信度为95%的置 信区间，其含义为：区间(4.71,5.69)包含的可信度 为95%.,66,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,(3).此处置信区间的长度为,即,(1).区间(4.71,5

25、.69)包含的可信程度为95%;,(2).置信区间不唯一.由于标准正态分布概率密度对称,故一般取对称置信区间,即双侧分位点对称.当然,也可取其它非对称的置信区间,即双侧分位点不对称.显然,长度愈短估计精度愈高;,解得容量,注意,67,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计, 方差2未知比方差已知情形更实用,由于 是 的无偏估计,在上述随机变量Z中“换 为S”且由ch6-th2 可作随机变量,其分布不依赖于任何未知参数.,由t-分布的双侧/2分位 点概念知:,即,68,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,故得到的一个置信度为1-的置信区间,69,河

26、南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例1】设某种清漆9个样品的干燥时间(小时)分别为,6.0 5.7 5.8 6.5 7.0 6.3 5.6 6.1 5.0,设干燥时间服从正态分布N(,2).在下列条件下求 的置信度为0.95 的置信区间:,(1) =0.6(小时); (2) 未知.P.185:14,(1)因为方差已知,故均值的置信区间为,解单正态总体,置信度为1-=0.95, =0.05.,70,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,由于,故所求置信区间为,即,(2)因为方差未知,故均值的置信区间为,71,河南理工大学精品课程,河南理工大学精

27、品课程 概率论与数理统计,由于,故所求置信区间为,即置信区间为,72,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,2、方差2的置信区间,只介绍未知情形.,由于 是 的无偏估 计, 故可作随机变量,其分布不依赖于任何未知参数.,由2-分布的双侧/2分位点概念知:,已知情形参考.,73,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,故得到2的一个置信度为1-的置信区间,即,进而可得的一个置信度为1-的置信区间,74,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,注意2-分布与F-分布概率密度虽不对称, 但习惯上仍取面积对称意义上的双侧分位点,以简化

28、 计算.当然,这样的置信区间长度并非最短.,75,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,设总体 ，样本 ，由于,其分布不依赖于任何未知参数.,构造随机变量,方差2的置信区间为,76,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,单 正 态 总 体,已知方差,均值置信区间 (N(0,1)-分布),未知方差,均值置信区间 (t(n-1)-分布),未知均值,方差置信区间 (2(n-1)-分布),已知均值,方差置信区间 (2(n)-分布),77,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,【例2】分别使用金球和铂球测定引力常数，,设测定值服从正

29、态分布N(,2),其中,2均未知. 就两种情况分别求的置信度为0.9的置信区间,并求 2的置信度为0.9 的置信区间.,解单正态总体.,方差未知,均值的置信区间t分布.,78,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,(1)置信度1-=0.9 ,=0.1,n=6,由样本值计算得：,查表得:,所得置信区间为:,即为:,(2)置信度1-=0.9 ,=0.1,n=5,由样本值计算得：,查表得:,79,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,均值未知,方差的置信区间2-分布.,所得置信区间为:,即为:,80,河南理工大学精品课程,河南理工大学精品课程 概率论与

30、数理统计,(1)置信度1-=0.9 ,=0.1,n=6,由样本值计算得：,查表得:,所得置信区间为:,即为:,(2)置信度1-=0.9 ,=0.1,n=5,由样本值计算得：,查表得:,81,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,即为:,82,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,设有两个正态总体,1、均值差1- 2的置信区间,双正态总体情形,分别是来自两个正态总体的独 立样本，其样本均值与样本方差分别为：, 方差 均已知,【推导】因为 分别是 的无偏估计,且,83,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,从而可得 的一个置信

31、度为1-的置信区间为,故 是 的无偏估计,且有,从而,84,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计, 方差 均未知,当样本容量都很大时,可用样本方差代替总体方差 而得 的置信度为1-的近似的置信区间为, 方差 未知,由ch6-th3得,85,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,从而 的一个置信度为1-的置信区间为,其中,86,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,设用金球和用铂球测定时测定值总体的方差相等,且两样本均服从正态分布.求两个测定值总体均值差的置信度为0.9 的置信区间.P.186:17,解双正态总体,未知同方差

32、的均值差置信区间.,【例3】分别使用金球和铂球测定引力常数，,87,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,置信度1-=0.9 ,=0.1, 由样本值计算得：,查表得:,所求置信区间为:,即为:,88,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,2、方差比 的置信区间,仅讨论两正态总体均值都未知情形.,【推导】由ch6-th1知:,且相互独立,故由F-分布定义知:,即:,89,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,其分布不依赖于任何未知参数.,由F-分布双侧分位点知:,即:,故 的一个置信度为1-的置信区间为:,90,河南理工大学

33、精品课程,河南理工大学精品课程 概率论与数理统计,【例4】设两位化验员A,B独立地对某种化学物品用相同的方法各作10次测定,其测定值的样本方差分别为,解双正态总体.均值未知时方差比的置信区间.,设总体均为正态的,且 分别为A,B所测定的测定值总体的方差.求方差比 置信度为0.95的置信区间.,置信度1-=0.95 ,=0.05, 由样本值计算得：,91,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,查表得:,所求置信区间为:,92,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计,双 正 态 总 体,已知方差,均值差置信区间 (N(0,1)-分布),未知方差,均值差近似置信区间 大样本（N(0,1)-分布）,未知同方差,均值差置信区间 (t(n1+n2-2)-分布),未知均值,方差比置信区间 (F(n1-1,n2-1)-分布),93,河南理工大学精品课程,河南理工大学精品课程 概率论与数理统计, P.210:1; 2;3; 5;, P.211: 8; 9; 10; 12; 13;, P.212: 16; 19; 20 ；,本章作业, P.213: 22; 25; 27 。,94,河南理工大学精品课程,