feat(在学练习): 概率论第5讲(大数定律与CLT)+第6讲(数理统计) 整套;第3讲中高难度卷;md2pdf 工具链

新增
- 在学练习/概率论-第5讲-大数定律与中心极限定理/:README + 01考点手册 + 02试题(16题) + 03解析 + PDF×3
- 在学练习/概率论-第6讲-数理统计/:README + 01考点手册 + 02试题(18题) + 03解析 + PDF×3
- 在学练习/概率论-第3讲.../05-试题-中高难度.md、06-解析-中高难度.md + 平板版 PDF×6(四件套 + 中高难度)
- .workbuddy/tools/md2pdf/:md2pdf.js(Markdown→KaTeX→Edge 无头打印 A4,含 answer 留白模式)、shot.js(渲染验收截图)
- .workbuddy/memory/:2026-10-14.md、2026-10-16.md、MEMORY.md

更新
- .gitignore:新增忽略 md2pdf/build/(HTML 内联字体,体积大)
- 总览.md:目录树同步(第5/6讲、第3讲中高难度卷、PDF 清单)
- 第3讲 01-考点手册/02-试题/README:中高难度卷接入与索引回填

说明:PDF 为 KaTeX 矢量公式渲染的平板书写版(试题逐题留白),由 md2pdf.js 从 .md 可重建。
This commit is contained in:
2026-10-16 14:17:28 +08:00
parent 82f15e18d9
commit 31fe3da11f
31 changed files with 3114 additions and 7 deletions
@@ -0,0 +1,189 @@
---
tags:
- 数学一
- 在学练习
- 概率论
- 数理统计
- 参数估计
- 假设检验
- 试题
专题: 概率论 第6讲 · 数理统计 · 试题(18 题)
日期: 2026-10-16
题量: 18 题(A 基础 6 / B 中等 8 / C 拔高 4)
建议用时: 80 分钟(可拆两天)
关联: "[[01-考点手册]] · [[03-解析]]"
---
# 概率论 第6讲 · 数理统计 · 试题
> **用法**:先过 [[01-考点手册]],再限时 80 分钟做本卷,最后对 [[03-解析]]。
> **来源记号**:🟨 真题库第 20/21/22 章 · 🟩 参考仓库 · 🟦 视频讲次。标「真题骨架」的题与真题**同结构不同数字**,做完可直接回刷真题原题。
> **难度**:A ★☆☆ · B ★★☆ · C ★★★。
---
## A 组 · 基础(直接套用,★☆☆,约 22 分钟)
**1.** 【统计量与常用统计量】设总体 $X$ 的一组样本观测值为
$$2,\quad3,\quad5,\quad6,\quad9 .$$
(Ⅰ)求样本均值 $\bar X$、样本方差 $S^2$、样本二阶中心矩 $B_2$;
(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)$Y_1=\dfrac14\sum\limits_{i=1}^{6}X_i^2$;
(Ⅱ)$Y_2=\dfrac{(X_1+X_2+X_3)^2}{12}$;
(Ⅲ)$Y_3=\dfrac{\sqrt3\,X_1}{\sqrt{X_2^2+X_3^2+X_4^2}}$;
(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。
(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 $\dfrac1n\sum(X_i-\bar X)^2$。
**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 $\hat\theta$。
**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 $\hat\theta$。
**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
$$\hat\sigma^2=k\sum_{i=1}^{n-1}(X_{i+1}-X_i)^2$$
为 $\sigma^2$ 的**无偏估计量**。
---
## B 组 · 中等(多步计算,★★☆,约 34 分钟)
**7.** 【拉普拉斯分布 · MLE + 数字特征】🟨**真题骨架 2018·23** 设总体 $X$ 的概率密度为
$$f(x;\lambda)=\frac{1}{2\lambda}\mathrm e^{-\frac{\lvert x\rvert}{\lambda}},\qquad x\in\mathbb R,\quad\lambda>0\ \text{未知},$$
$X_1,\cdots,X_n$ 为简单随机样本,记 $\lambda$ 的极大似然估计量为 $\hat\lambda$。
(Ⅰ)求 $\hat\lambda$;
(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 $T=\max\{X_1,X_2,X_3\}$。
(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。
**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 $u_{0.025}=1.96$,$u_{0.05}=1.645$);
(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
$$H_0:\mu\le2,\qquad H_1:\mu>2,$$
显著性水平为 $\alpha$,$Z_\alpha$ 为标准正态分布的上 $\alpha$ 分位数。
(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 $c$。
**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。
(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
$$\hat\theta_1=\frac13(X_1+X_2+X_3),\qquad \hat\theta_2=\frac12X_1+\frac13X_2+\frac16X_3,\qquad \hat\theta_3=\frac12X_1+\frac12X_2 .$$
(Ⅰ)验证三个估计量都是 $\mu$ 的无偏估计;
(Ⅱ)比较它们的有效性,指出哪一个最有效。
**13.** 【两样本泊松 · MLE】🟨**真题骨架 2022·22** 设 $X_1,\cdots,X_5$ 来自参数为 $\lambda$ 的泊松分布,$Y_1,\cdots,Y_4$ 来自参数为 $2\lambda$ 的泊松分布,两组样本**相互独立**,$\lambda>0$ 未知。测得观测值
$$(x_1,\cdots,x_5)=(3,\ 2,\ 4,\ 1,\ 5),\qquad (y_1,\cdots,y_4)=(5,\ 3,\ 7,\ 9).$$
(Ⅰ)求 $\lambda$ 的极大似然估计值 $\hat\lambda$;
(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
$$c\cdot\frac{S_1^2}{S_2^2}\ \sim\ F(m-1,\ n-1),$$
并写出该 $F$ 分布的两个自由度。
---
## C 组 · 拔高(综合与建模,★★★,约 24 分钟)
**15.** 【半正态分布 · 求常数 + MLE】🟨**真题骨架 2019·23** 设总体 $X$ 的概率密度为
$$f(x;\sigma)=\begin{cases}\dfrac{A}{\sigma}\mathrm e^{-\frac{(x-\mu)^2}{2\sigma^2}},&x\ge\mu\\[4pt]0,&x<\mu\end{cases}$$
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 $A$;
(Ⅱ)求 $\sigma^2$ 的极大似然估计量。
**16.** 【威布尔分布 · 无记忆性 + MLE】🟨**真题骨架 2020·23** 设某元件使用寿命 $T$ 的分布函数为
$$F(t)=1-\mathrm e^{-\left(\frac{t}{\theta}\right)^m},\qquad t\ge0,\quad\theta>0,\ m>0 .$$
(Ⅰ)求 $P\{T>t\}$ 与 $P\{T>s+t\mid T>s\}$;
(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 $T_c=cX_{(n)}$($c>0$)。
(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**。
**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 $W=\{\lvert\bar X-\mu_0\rvert\ge c\}$。
(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 $H_0$;
(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 $H_0$;
(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)。
---
> **做完后**:对 [[03-解析]] 逐题复盘;错题回挂 [[做题本]];方法不熟的地方回查 [[01-考点手册]] 对应小节。