2026年统计学参数估计方法试题及答案

2026年统计学参数估计方法试题及答案一、单项选择题（每题3分，共15分）1.设总体X的期望为μ，方差为σ²，X₁,X₂,…,Xₙ为来自X的简单随机样本。下列关于无偏估计的表述中，正确的是（）。A.样本均值X̄是μ的无偏估计，但样本方差S²=1/(n-1)Σ(Xᵢ-X̄)²不是σ²的无偏估计B.样本方差S₀²=1/nΣ(Xᵢ-X̄)²是σ²的无偏估计C.若θ̂是θ的无偏估计，则g(θ̂)是g(θ)的无偏估计（g为任意函数）D.无偏估计的期望等于被估计参数的真值2.设总体X服从参数为λ的泊松分布，X₁,X₂,…,Xₙ为样本，则λ的极大似然估计量（）。A.等于矩估计量B.仅当n→∞时与矩估计量一致C.是有偏估计D.方差大于矩估计量的方差3.对于正态总体N(μ,σ²)，σ²已知时，μ的95%置信区间长度L与样本量n的关系为（）。A.L与√n成反比B.L与n成反比C.L与√n成正比D.L与n成正比4.设总体X的概率密度为f(x;θ)=θx^(θ-1)（0<x<1，θ>0），X₁,X₂,…,Xₙ为样本。若用矩估计法估计θ，应使用（）。A.一阶原点矩B.二阶原点矩C.一阶中心矩D.二阶中心矩5.设θ̂ₙ是参数θ的估计量，若对任意ε>0，有limₙ→∞P(|θ̂ₙ-θ|≥ε)=0，则θ̂ₙ是θ的（）。A.无偏估计量B.有效估计量C.相合估计量D.渐近无偏估计量二、填空题（每题4分，共20分）1.设总体X~B(m,p)（二项分布，m已知），X₁,X₂,…,Xₙ为样本，则p的矩估计量为______。2.设总体X的概率密度为f(x;λ)=λe^(-λx)（x>0，λ>0），X₁,X₂,…,Xₙ为样本，则λ的极大似然估计量为______。3.从正态总体N(μ,0.25)中抽取容量为16的样本，样本均值X̄=3.2，则μ的90%置信区间为______（Z₀.₀₅=1.645）。4.设θ̂₁和θ̂₂是θ的两个无偏估计量，Var(θ̂₁)=0.04，Var(θ̂₂)=0.06，则更有效的估计量是______。5.某产品合格率p的大样本95%置信区间为(0.72,0.84)，则样本量n≈______（取Z₀.₀₂₅=1.96）。三、简答题（每题8分，共40分）1.简述矩估计法与极大似然估计法的基本思想，并指出两者的主要区别。2.解释“估计量的无偏性”与“有效性”的含义，并说明无偏估计是否一定比有偏估计更优。3.置信区间中“置信水平1-α”的统计意义是什么？若要缩小置信区间长度，可采取哪些措施？4.什么是相合估计量（一致性估计量）？从直观上解释为什么样本均值是总体均值的相合估计量。5.简述贝叶斯估计与经典统计估计（如极大似然估计）的主要差异。四、计算题（每题15分，共75分）1.设总体X的概率密度为：f(x;μ,σ²)=1/(√(2π)σ)e^(-(x-μ)²/(2σ²))（-∞<x<∞），其中μ和σ²为未知参数，X₁,X₂,…,Xₙ为样本。（1）求μ和σ²的矩估计量；（2）求μ和σ²的极大似然估计量。2.设总体X服从参数为λ的指数分布，概率密度为f(x;λ)=λe^(-λx)（x>0，λ>0），X₁,X₂,…,Xₙ为样本。（1）求λ的极大似然估计量λ̂；（2）判断λ̂是否为λ的无偏估计，若不是，构造一个无偏估计量。3.某工厂生产的零件长度X服从非正态分布，均值为μ，方差为σ²=4。现抽取容量为100的样本，测得样本均值X̄=20.5。（1）求μ的95%置信区间（Z₀.₀₂₅=1.96）；（2）若要求置信区间长度不超过0.8，至少需要多大的样本量？4.为比较两种工艺生产的产品强度，从工艺A中抽取8个样本，样本均值X̄₁=25.6，样本方差S₁²=3.2；从工艺B中抽取10个样本，样本均值X̄₂=23.8，样本方差S₂²=2.8。假设两总体均服从正态分布且方差相等（σ₁²=σ₂²=σ²），求两总体均值差μ₁-μ₂的90%置信区间（t₀.₀₅(16)=1.746）。5.某城市拟调查居民对垃圾分类政策的支持率p。根据以往经验，支持率约为60%。若要求95%置信区间的边际误差不超过3%，至少需要调查多少居民？（Z₀.₀₂₅=1.96）参考答案一、单项选择题1.D2.A3.A4.A5.C二、填空题1.X̄/m（其中X̄为样本均值）2.n/ΣXᵢ（或1/X̄，X̄为样本均值）3.(3.2-1.645×0.5/4,3.2+1.645×0.5/4)=(3.0,3.4)4.θ̂₁（方差更小）5.456（由(0.84-0.72)/2=1.96×√(p̂(1-p̂)/n)，取p̂=0.78，解得n≈456）三、简答题1.矩估计法的基本思想是用样本矩估计总体矩，通过建立样本矩与总体矩的等式求解参数；极大似然估计法的基本思想是寻找使样本出现概率最大的参数值。主要区别：矩估计依赖矩的计算，对分布信息利用较少；极大似然估计利用了完整的分布信息，通常具有更好的渐近性质（如相合性、渐近有效性）。2.无偏性指估计量的期望等于被估计参数的真值（E(θ̂)=θ）；有效性指在无偏估计中，方差更小的估计量更有效。无偏估计不一定更优：若有偏估计的均方误差（MSE=Var(θ̂)+(Bias)²）更小，则可能优于无偏估计（如小样本下的岭估计）。3.置信水平1-α表示“在重复抽样中，构造的置信区间包含真值的概率为1-α”。缩小置信区间长度的措施：增大样本量n（减小标准误）、降低置信水平（减小临界值）、减小总体方差（通过控制变量或分层抽样）。4.相合估计量指当样本量n→∞时，估计量依概率收敛于被估计参数（θ̂ₙ→θ，P→）。样本均值X̄的期望为μ（无偏性），方差为σ²/n→0（n→∞），根据切比雪夫不等式，对任意ε>0，P(|X̄-μ|≥ε)≤σ²/(nε²)→0，故X̄是μ的相合估计量。5.主要差异：经典估计将参数视为未知常数，基于样本信息求解；贝叶斯估计将参数视为随机变量，引入先验分布，通过贝叶斯定理将先验信息与样本信息结合，得到后验分布并基于后验分布构造估计量（如后验均值）。四、计算题1.（1）矩估计：总体一阶原点矩E(X)=μ，样本一阶原点矩A₁=X̄，故μ̂_矩=X̄。总体二阶原点矩E(X²)=Var(X)+[E(X)]²=σ²+μ²，样本二阶原点矩A₂=1/nΣXᵢ²，联立得σ²̂_矩=A₂-A₁²=1/nΣ(Xᵢ-X̄)²。（2）极大似然估计：似然函数L(μ,σ²)=∏[1/(√(2π)σ)e^(-(Xᵢ-μ)²/(2σ²))]=(1/(√(2π)σ)^n)e^(-Σ(Xᵢ-μ)²/(2σ²))。取对数得lnL=-n/2ln(2π)-n/2lnσ²-Σ(Xᵢ-μ)²/(2σ²)。对μ求偏导并令其为0：∂lnL/∂μ=Σ(Xᵢ-μ)/σ²=0→μ̂_MLE=X̄。对σ²求偏导并令其为0：∂lnL/∂(σ²)=-n/(2σ²)+Σ(Xᵢ-μ)²/(2σ⁴)=0→σ²̂_MLE=1/nΣ(Xᵢ-X̄)²。2.（1）似然函数L(λ)=∏λe^(-λXᵢ)=λⁿe^(-λΣXᵢ)，对数似然lnL=nlnλ-λΣXᵢ。求导得d(lnL)/dλ=n/λ-ΣXᵢ=0→λ̂=n/ΣXᵢ=1/X̄。（2）E(λ̂)=E(n/ΣXᵢ)。由于ΣXᵢ~Γ(n,λ)（伽马分布），其概率密度为f(y)=λⁿy^(n-1)e^(-λy)/Γ(n)（y>0）。E(1/y)=∫₀^∞(1/y)·λⁿy^(n-1)e^(-λy)/Γ(n)dy=λⁿ/Γ(n)∫₀^∞y^(n-2)e^(-λy)dy=λⁿ/Γ(n)·Γ(n-1)/λ^(n-1)=λ/(n-1)（n≥2）。故E(λ̂)=n·E(1/ΣXᵢ)=n·[λ/(n-1)]=nλ/(n-1)≠λ，因此λ̂是有偏估计。无偏估计量可构造为λ̃=(n-1)λ̂=(n-1)/ΣXᵢ，此时E(λ̃)=λ。3.（1）由于n=100（大样本），根据中心极限定理，X̄近似服从N(μ,σ²/n)。置信区间为X̄±Z_(α/2)·σ/√n=20.5±1.96×2/10=20.5±0.392，即(20.108,20.892)。（2）置信区间长度L=2Z_(α/2)·σ/√n≤0.8→√n≥2Z_(α/2)σ/0.8=2×1.96×2/0.8=9.8→n≥96.04，故至少需要97个样本。4.两总体方差相等，合并方差S_p²=[(n₁-1)S₁²+(n₂-1)S₂²]/(n₁+n₂-2)=[(7×3.2)+(9×2.8)]/16=(22.4+25.2)/16=47.6/16=2.975，S_p=√2.975≈1.725。均值差的置信区间为(X̄₁-X̄₂)±t_(α/2)(n₁+n₂-2)·S_p√(1/n₁+1/n₂)=(25.6-23.8)±1.746×1.725×√(1/8+1/10)=1.8±1.746×1.725