Files
MathNotesVersion2/基于考研的学习/数学一/在学练习/概率论-第6讲-数理统计/02-试题.md
T
Yimu a750fb2ca6 修复 Gitea 网页端行内公式与加粗不渲染
根因(读 Gitea 解析器 modules/markup/markdown/math/inline_parser.go 源码确认):
行内公式收尾 $ 的后一个字节必须属于 {空格,换行,行尾,'.','!','?',',',';',':',')','$'},
开头 $ 的左邻不能是 ASCII 字母数字或上述标点。中文与全角标点均为多字节字符
(单字节值 >= 0x80),全部落空,于是整对 $...$ 被当作普通文本原样显示。
本地 PDF 走 KaTeX,无此限制,所以只有网页异常。

处理:
- 新增 .workbuddy/tools/md2pdf/fix_gitea_math.py(检测 + 修复,可 --check/--apply)
- 在收尾 $ 与紧跟的中文字符之间补一个半角空格:23 个文件 1889 处
- 顺带修复加粗失效(收尾 ** 被标点前导、被汉字后继,不满足 CommonMark
  right-flanking 规则):10 处,星号不再外露
- 新增 rebuild_prob_pdfs.sh,重生成概率论第3/5/6讲全部 12 个 PDF

范围:概率论在学练习 + 每日小练 + 知识点。试卷/模拟卷/多元函数积分学
仍有 1484 处待修(同规则,可随时跑 --scope 之外的 --apply)。
2026-10-16 17:53:49 +08:00

8.7 KiB
Raw Blame History

tags, 专题, 日期, 题量, 建议用时, 关联
tags 专题 日期 题量 建议用时 关联
数学一
在学练习
概率论
数理统计
参数估计
假设检验
试题
概率论 第6讲 · 数理统计 · 试题(18 题) 2026-10-16 18 题(A 基础 6 / B 中等 8 / C 拔高 4) 80 分钟(可拆两天) 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。