2026年基础估计考试及答案

2026年基础估计考试及答案一、单项选择题（每题2分，共20分）1.以下关于点估计和区间估计的表述中，正确的是（）A.点估计提供具体数值，区间估计提供范围，但无法反映估计精度B.区间估计的置信水平越高，区间宽度一定越窄C.点估计的无偏性要求估计量的期望等于被估参数D.极大似然估计一定是无偏估计2.设总体X服从正态分布N(μ,σ²)，X₁,X₂,…,Xₙ为样本，若σ²已知，则μ的无偏估计量是（）A.(X₁+X₂+…+Xₙ₋₁)/nB.(X₁+2X₂+…+nXₙ)/(1+2+…+n)C.(X₁+X₂+…+Xₙ)/nD.(X₁+Xₙ)/23.极大似然估计的基本思想是（）A.使样本出现的概率最大B.使估计量的方差最小C.使估计量的均方误差最小D.使估计量与真实值的绝对误差最小4.若总体方差σ²未知，用样本方差S²=(1/(n-1))Σ(Xᵢ-X̄)²估计σ²，则S²是σ²的（）A.有偏估计量B.无偏估计量C.渐近无偏估计量D.一致估计量5.对于置信水平1-α的置信区间，以下说法正确的是（）A.置信水平越高，区间包含真值的概率越大，但区间越宽B.置信水平由样本量决定，与α无关C.置信区间的宽度仅与样本标准差有关D.当样本量n→∞时，置信区间宽度趋近于06.设总体X~B(1,p)（两点分布），X₁,X₂,…,Xₙ为样本，则p的矩估计量为（）A.X̄(1-X̄)B.X̄C.√(X̄(1-X̄))D.1-X̄7.若总体X~Exp(λ)（指数分布），概率密度为f(x;λ)=λe^(-λx),x>0，则λ的极大似然估计量为（）A.1/X̄B.X̄C.1/(X̄+1)D.X̄/(n+1)8.假设检验中，原假设H₀:μ=μ₀，备择假设H₁:μ≠μ₀，若样本均值X̄与μ₀的差异显著，则（）A.一定拒绝H₀B.可能因样本量过小而不拒绝H₀C.P值一定小于αD.置信区间一定不包含μ₀9.设总体X~N(μ,σ²)，σ²未知，n=16，样本均值X̄=50，样本标准差s=8，则μ的95%置信区间为（）（t₀.₀₂₅(15)=2.131）A.[50-2.131×8/4,50+2.131×8/4]B.[50-1.96×8/4,50+1.96×8/4]C.[50-2.131×8/√16,50+2.131×8/√16]D.[50-1.96×8/√16,50+1.96×8/√16]10.均方误差（MSE）的计算公式为（）A.E[(θ̂-θ)²]B.Var(θ̂)C.[E(θ̂)-θ]²D.Var(θ̂)+[Bias(θ̂)]²二、简答题（每题6分，共30分）1.简述无偏估计量和有效估计量的区别与联系。2.说明极大似然估计法的基本步骤，并举例说明其适用场景。3.比较矩估计法与极大似然估计法的优缺点。4.解释置信水平与置信区间宽度的关系，并分析样本量对置信区间的影响。5.简述贝叶斯估计与频率学派估计的主要差异。三、计算题（每题10分，共40分）1.某城市随机抽取36户家庭，调查月用电量（单位：度），得到样本均值X̄=320，样本标准差s=45。假设总体服从正态分布，σ²未知，求总体均值μ的95%置信区间（t₀.₀₂₅(35)=2.030）。2.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，求θ的极大似然估计量。3.已知某批零件长度服从正态分布N(μ,σ²)，从中抽取10个零件，测得长度（单位：mm）为：12.1,12.3,12.4,12.5,12.2,12.6,12.0,12.3,12.4,12.5。求μ和σ²的矩估计量。4.某药厂声称其新药有效率不低于80%，随机抽取200名患者试验，其中156人有效。在α=0.05水平下，检验该声称是否成立（Z₀.₀₅=1.645）。四、案例分析题（共10分）某电商平台为评估用户满意度，随机抽取400名用户进行评分（1-5分），得到样本均值X̄=4.2，样本标准差s=0.8。（1）计算用户满意度均值的99%置信区间（Z₀.₀₀₅=2.576）。（2）若平台要求置信区间宽度不超过0.1，在置信水平仍为99%时，至少需要抽取多少用户？答案一、单项选择题1.C（无偏性定义为E(θ̂)=θ）2.C（样本均值是总体均值的无偏估计）3.A（极大似然估计通过最大化样本出现的概率确定参数）4.B（样本方差S²是σ²的无偏估计）5.A（置信水平越高，临界值越大，区间越宽）6.B（两点分布的一阶矩为p，矩估计量为样本均值X̄）7.A（指数分布的似然函数L(λ)=λⁿe^(-λΣxᵢ)，求导得λ̂=n/Σxᵢ=1/X̄）8.B（差异显著但可能因样本量小导致检验效能不足）9.C（σ²未知时用t分布，标准误为s/√n=8/4=2，区间为X̄±tα/2(n-1)×s/√n）10.D（MSE=Var(θ̂)+[Bias(θ̂)]²）二、简答题1.区别：无偏估计量要求E(θ̂)=θ，关注估计量的平均偏差；有效估计量要求在无偏估计中方差最小，关注估计量的精度。联系：有效估计量通常是无偏的，且方差达到C-R下界。2.步骤：①构造似然函数L(θ)=Πf(xᵢ;θ)；②取对数得lnL(θ)；③对θ求导并令导数为0，解得θ̂。适用场景：当总体分布已知（如正态、泊松分布），需利用样本信息最大化参数出现的概率时。3.矩估计法优点：计算简单，无需知道总体具体分布；缺点：可能不唯一，精度较低。极大似然估计法优点：利用了分布信息，渐近最优（无偏、有效）；缺点：计算复杂，可能需数值方法，依赖分布假设。4.置信水平越高（1-α越大），临界值（如Zα/2或tα/2）越大，置信区间宽度越宽；样本量n越大，标准误（s/√n）越小，置信区间宽度越窄。5.贝叶斯估计将参数视为随机变量，引入先验分布，通过后验分布计算估计量（如后验均值）；频率学派将参数视为固定值，基于样本分布构造估计量（如矩估计、极大似然估计）。三、计算题1.置信区间公式：X̄±tα/2(n-1)×s/√n代入数据：320±2.030×45/√36=320±2.030×7.5=320±15.225结果：[304.775,335.225]2.似然函数L(θ)=Π(θxᵢ^(θ-1))=θⁿ(Πxᵢ)^(θ-1)取对数：lnL=nlnθ+(θ-1)Σlnxᵢ求导并令导数为0：d(lnL)/dθ=n/θ+Σlnxᵢ=0解得θ̂=-n/Σlnxᵢ3.矩估计：一阶矩E(X)=μ=X̄，二阶矩E(X²)=Var(X)+[E(X)]²=σ²+μ²=(1/n)ΣXᵢ²计算样本均值X̄=(12.1+12.3+…+12.5)/10=12.33样本二阶原点矩(1/n)ΣXᵢ²=(12.1²+12.3²+…+12.5²)/10≈152.03故μ̂=12.33，σ²̂=152.03-(12.33)²≈152.03-152.03=0.13（注：实际计算需精确求和，此处为简化示例）4.假设H₀:p≥0.8，H₁:p<0.8样本有效率p̂=156/200=0.78检验统计量Z=(p̂-p₀)/√[p₀(1-p₀)/n]=(0.78-0.8)/√[0.8×0.2/200]=(-0.02)/0.0283≈-0.707|Z|=0.707<Z₀.₀₅=1.645，不拒绝H₀，认为有效率不低于80%。四、案例分析题（1）置信区间：X̄±Zα/2×s/√n=