2025年大学《数学与应用数学》专业题库- 概率统计中的参数估计

2025年大学《数学与应用数学》专业题库——概率统计中的参数估计考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分。请将正确选项的字母填在题后的括号内）1.设总体$X$的概率密度函数为$f(x;\theta)=\begin{cases}\thetax^{\theta-1},&0<x<1,\\0,&\text{otherwise},\end{cases}$其中$\theta>0$为未知参数，则$X$的矩估计量为（）。(A)$\frac{1}{\bar{X}}$(B)$\bar{X}$(C)$\frac{2}{\bar{X}}$(D)$2\bar{X}$2.设总体$X\simN(\mu,\sigma^2)$，其中$\mu$和$\sigma^2$均未知，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，则$\mu$的置信度为$1-\alpha$的置信区间为（）。(A)$\left(\bar{X}-t_{\alpha/2}(n-1)\frac{S}{\sqrt{n}},\bar{X}+t_{\alpha/2}(n-1)\frac{S}{\sqrt{n}}\right)$(B)$\left(\bar{X}-z_{\alpha/2}\frac{\sigma}{\sqrt{n}},\bar{X}+z_{\alpha/2}\frac{\sigma}{\sqrt{n}}\right)$(C)$\left(\bar{X}-z_{\alpha/2}\frac{S}{\sqrt{n}},\bar{X}+z_{\alpha/2}\frac{S}{\sqrt{n}}\right)$(D)$\left(\bar{X}-t_{\alpha/2}(n-1)\frac{\sigma}{\sqrt{n}},\bar{X}+t_{\alpha/2}(n-1)\frac{\sigma}{\sqrt{n}}\right)$3.下列关于估计量的说法中，错误的是（）。(A)无偏估计量不一定是最有效估计量(B)一致估计量一定是无偏估计量(C)有效估计量一定是无偏估计量(D)矩估计量一定是最小方差无偏估计量4.设总体$X$服从参数为$\lambda$的泊松分布，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，则$\lambda^2$的无偏估计量为（）。(A)$\frac{1}{n}\sum_{i=1}^nX_i^2$(B)$\left(\frac{1}{n}\sum_{i=1}^nX_i\right)^2$(C)$2\left(\frac{1}{n}\sum_{i=1}^nX_i\right)$(D)$\frac{1}{n}\sum_{i=1}^n(X_i-\bar{X})^2$5.设总体$X\simN(\mu_1,\sigma_1^2)$，总体$Y\simN(\mu_2,\sigma_2^2)$，其中$\sigma_1^2,\sigma_2^2$均已知，$X_1,X_2,\dots,X_{n_1}$为来自总体$X$的样本，$Y_1,Y_2,\dots,Y_{n_2}$为来自总体$Y$的样本，则$\mu_1-\mu_2$的置信度为$1-\alpha$的置信区间为（）。(A)$\left(\bar{X}-\bar{Y}-z_{\alpha/2}\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}},\bar{X}-\bar{Y}+z_{\alpha/2}\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}\right)$(B)$\left(\bar{X}-\bar{Y}-t_{\alpha/2}(n_1+n_2-2)\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}},\bar{X}-\bar{Y}+t_{\alpha/2}(n_1+n_2-2)\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}\right)$(C)$\left(\bar{X}-\bar{Y}-z_{\alpha/2}\sqrt{\frac{\sigma_1^2}{n_1}},\bar{X}-\bar{Y}+z_{\alpha/2}\sqrt{\frac{\sigma_1^2}{n_1}}\right)$(D)$\left(\bar{X}-\bar{Y}-t_{\alpha/2}(n_1-1)\sqrt{\frac{\sigma_1^2}{n_1}},\bar{X}-\bar{Y}+t_{\alpha/2}(n_1-1)\sqrt{\frac{\sigma_1^2}{n_1}}\right)$6.设总体$X$服从均匀分布$U(0,\theta)$，其中$\theta>0$为未知参数，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，则$\theta$的最大似然估计量为（）。(A)$\max\{X_1,X_2,\dots,X_n\}$(B)$\min\{X_1,X_2,\dots,X_n\}$(C)$\frac{1}{n}\sum_{i=1}^nX_i$(D)$\frac{n+1}{n}\max\{X_1,X_2,\dots,X_n\}$7.设总体$X$的概率密度函数为$f(x;\theta)=\begin{cases}\thetae^{-\thetax},&x>0,\\0,&\text{otherwise},\end{cases}$其中$\theta>0$为未知参数，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，则$\theta$的最大似然估计量为（）。(A)$\frac{1}{\bar{X}}$(B)$\bar{X}$(C)$\frac{1}{n}\sum_{i=1}^nX_i$(D)$\frac{n}{\sum_{i=1}^nX_i}$8.设总体$X$的概率密度函数为$f(x;\theta)=\begin{cases}\thetax^{\theta-1},&0<x<1,\\0,&\text{otherwise},\end{cases}$其中$\theta>0$为未知参数，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，若已知$\theta$的无偏估计量为$\hat{\theta}=\frac{2\bar{X}}{3}$，则$\hat{\theta}$的方差为（）。(A)$\frac{1}{45n}$(B)$\frac{2}{45n}$(C)$\frac{1}{9n}$(D)$\frac{2}{9n}$9.设总体$X$服从参数为$\lambda$的泊松分布，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，则$\lambda$的置信度为$1-\alpha$的置信区间的长度（）。(A)与样本量$n$成正比(B)与样本量$n$成反比(C)与置信水平$\alpha$成正比(D)与置信水平$\alpha$成反比10.设总体$X$的概率密度函数为$f(x;\theta)=\begin{cases}\thetae^{-\thetax},&x>0,\\0,&\text{otherwise},\end{cases}$其中$\theta>0$为未知参数，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，则$\theta$的矩估计量$\hat{\theta}=\frac{1}{\bar{X}}$的一个性质是（）。(A)无偏性(B)有效性(C)一致性(D)最小方差性二、填空题（每题3分，共15分。请将答案填在题后的横线上）1.设总体$X$服从参数为$\lambda$的泊松分布，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，则$\lambda$的矩估计量为________。2.设总体$X\simN(\mu,\sigma^2)$，其中$\sigma^2$已知，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，则$\mu$的置信度为$1-\alpha$的置信区间的长度为________。3.设总体$X$服从均匀分布$U(0,\theta)$，其中$\theta>0$为未知参数，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，则$\theta$的最大似然估计量为________。4.设总体$X$的概率密度函数为$f(x;\theta)=\begin{cases}\thetax^{\theta-1},&0<x<1,\\0,&\text{otherwise},\end{cases}$其中$\theta>0$为未知参数，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，则$\theta$的无偏估计量为________。5.设总体$X$服从参数为$\lambda$的泊松分布，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，则$\lambda^2$的无偏估计量为________。三、计算题（每题8分，共16分）1.设总体$X$服从均匀分布$U(0,\theta)$，其中$\theta>0$为未知参数，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，求$\theta$的矩估计量和最大似然估计量，并判断它们是否为无偏估计量。2.设总体$X\simN(\mu,\sigma^2)$，其中$\mu$和$\sigma^2$均未知，$X_1,X_2,\dots,X_5$为来自总体$X$的样本，样本观测值为：2,3,2.5,3.6,2.8，求$\mu$的置信度为0.95的置信区间。四、证明题（9分）设总体$X$的概率密度函数为$f(x;\theta)=\begin{cases}\thetae^{-\thetax},&x>0,\\0,&\text{otherwise},\end{cases}$其中$\theta>0$为未知参数，$X_1,X_2,\dots,X_n$为来自总体$X$的样本，证明$\theta$的无偏估计量$\hat{\theta}=\frac{1}{\bar{X}}$是一致估计量。试卷答案一、选择题1.C解析：$E(X)=\int_0^1x\thetax^{\theta-1}dx=\theta\int_0^1x^\thetadx=\theta\frac{1}{\theta+1}=\frac{\theta}{\theta+1}$。令$E(X)=\bar{X}$，则$\frac{\theta}{\theta+1}=\bar{X}$，解得$\theta=\frac{\bar{X}}{1-\bar{X}}=\frac{2}{\bar{X}}$。2.A解析：根据正态分布未知方差的置信区间公式。3.D解析：矩估计量不一定是最小方差无偏估计量，最小方差无偏估计量通常指贝叶斯估计或罗-克拉美下界对应的估计量。4.A解析：$E(X^2)=E(X)^2+Var(X)=\lambda^2+\lambda$。令$E(X^2)=\frac{1}{n}\sum_{i=1}^nX_i^2$，则$\lambda^2+\lambda=\frac{1}{n}\sum_{i=1}^nX_i^2$。由于$E(\lambda^2)=E(X)^2+Var(X)=\lambda^2+\lambda$，故$\frac{1}{n}\sum_{i=1}^nX_i^2$是$\lambda^2$的无偏估计量。5.A解析：根据两正态总体均值差的置信区间公式，且两总体方差已知。6.A解析：写出似然函数$L(\theta)=\prod_{i=1}^nf(X_i;\theta)=\theta^n\prod_{i=1}^nX_i^{\theta-1}$，取对数得$\lnL(\theta)=n\ln\theta+(\theta-1)\sum_{i=1}^n\lnX_i$。对$\theta$求导得$\frac{d\lnL(\theta)}{d\theta}=\frac{n}{\theta}+\sum_{i=1}^n\lnX_i$。令其等于0，解得$\theta=\frac{n}{\sum_{i=1}^n\lnX_i}$。由于$\max\{X_1,X_2,\dots,X_n\}$的对数是$\lnX_i$中最大的，故$\theta=\frac{n}{\sum_{i=1}^n\lnX_i}=\frac{1}{\frac{1}{n}\sum_{i=1}^n\lnX_i}=\frac{1}{\bar{X}}$。但根据最大似然估计的性质，对于$U(0,\theta)$，最大似然估计量应为$\max\{X_1,X_2,\dots,X_n\}$。7.A解析：似然函数$L(\theta)=\prod_{i=1}^n(\thetae^{-\thetaX_i})=\theta^ne^{-\theta\sum_{i=1}^nX_i}$。取对数得$\lnL(\theta)=n\ln\theta-\theta\sum_{i=1}^nX_i$。对$\theta$求导得$\frac{d\lnL(\theta)}{d\theta}=\frac{n}{\theta}-\sum_{i=1}^nX_i$。令其等于0，解得$\theta=\frac{n}{\sum_{i=1}^nX_i}$。故$\theta$的最大似然估计量为$\hat{\theta}=\frac{n}{\sum_{i=1}^nX_i}=\frac{1}{\bar{X}}$。8.B解析：根据方差的计算公式$Var(\hat{\theta})=E(\hat{\theta}^2)-(E(\hat{\theta}))^2$。已知$E(\hat{\theta})=E(\frac{2\bar{X}}{3})=\frac{2}{3}E(\bar{X})=\frac{2}{3}E(X)=\frac{2}{3}\theta$。又$E(X^2)=E(X)^2+Var(X)=\theta^2+\theta$，故$E(\hat{\theta}^2)=E(\frac{4}{9}\bar{X}^2)=\frac{4}{9}E(\bar{X}^2)=\frac{4}{9}(E(X)^2+Var(\bar{X}))=\frac{4}{9}(\theta^2+\frac{\theta}{n})$。因此$Var(\hat{\theta})=\frac{4}{9}(\theta^2+\frac{\theta}{n})-(\frac{2}{3}\theta)^2=\frac{4}{9}\theta^2+\frac{4}{9}\frac{\theta}{n}-\frac{4}{9}\theta^2=\frac{4}{9n}\theta^2$。由于$\hat{\theta}$是$\theta$的无偏估计量，故$Var(\hat{\theta})=\frac{4}{9n}\theta^2=\frac{2}{45n}$。9.B解析：置信区间的长度通常与样本量的平方根成反比，与置信水平的平方根成正比。对于泊松分布，置信区间的长度与样本量$n$成反比。10.C解析：根据一致估计量的定义，当$n\to\infty$时，$\hat{\theta}=\frac{1}{\bar{X}}$趋近于$\theta$。由于$E(\hat{\theta})=\theta$，故$\hat{\theta}$是$\theta$的无偏估计量。由于$\hat{\theta}$是样本均值$\bar{X}$的函数，且样本均值$\bar{X}$依概率收敛于$\theta$，故$\hat{\theta}$也依概率收敛于$\theta$，即$\hat{\theta}$是$\theta$的一致估计量。二、填空题1.$\frac{1}{n}\sum_{i=1}^nX_i$解析：$E(X)=\lambda$。令$E(X)=\bar{X}$，则$\lambda=\bar{X}$。2.$\frac{2\sigma}{\sqrt{n}}z_{\alpha/2}$解析：根据正态分布已知方差的置信区间公式，区间长度为$2z_{\alpha/2}\frac{\sigma}{\sqrt{n}}$。3.$\max\{X_1,X_2,\dots,X_n\}$解析：似然函数$L(\theta)=\begin{cases}\theta^{-n},&0<\min\{X_1,X_2,\dots,X_n\}\leq1,\\0,&\text{otherwise},\end{cases}$。似然函数在$\theta>\max\{X_1,X_2,\dots,X_n\}$时单调递减，故最大似然估计量为$\hat{\theta}=\max\{X_1,X_2,\dots,X_n\}$。4.$\frac{2\bar{X}}{3}$解析：见选择题第4题解析。5.$\frac{1}{n}\sum_{i=1}^nX_i^2$解析：见选择题第4题解析。三、计算题1.矩估计量：$\hat{\theta}_M=\frac{2\bar{X}}{3}$。最大似然估计量：$\hat{\theta}_{MLE}=\max\{X_1,X_2,\dots,X_n\}$。解析：矩估计：$E(X)=\frac{\theta}{2}=\bar{X}$，解得$\hat{\theta}_M=\frac{2\bar{X}}{3}$。最大似然估计：似然函数$L(\theta)=\theta^{-n}(\prod_{i=1}^nX_i)^{\theta-1}$，在$\theta>\max\{X_1,X_2,\dots,X_n\}$时单调递减，故$\hat{\theta}_{MLE}=\max\{X_1,X_2,\dots,X_n\}$。无偏性：$E(\hat{\theta}_M)=E(\frac{2\bar{X}}{3})=\frac{2}{3}E(\bar{X})=\frac{2}{3}\frac{\theta}{2}=\theta$，故$\hat{\theta}_M$是$\theta$的无偏估计量。$E(\hat{\theta}_{MLE})=\frac{n}{n+1}\theta\neq\theta$，故$\hat{\theta}_{MLE}$不是$\theta$的无偏估计量。2.置信区间为(2.414,3.286)解析：样本均值$\bar{X}=\frac{2+3+2.5+3.6+2.8}{5}=2.84$。样本标准差$S=\sqrt{\frac{\sum_{i=1}^5(X_i-\bar{X})^2}{4}}=\sqrt{\frac{(2-2.84)^2+(3-2.84)^2+(2.5-2.