2026年考研数学一概率论与数理统计专项训练题库

2026年考研数学一概率论与数理统计专项训练题库一、单项选择题（本大题共10小题，每小题2分，共20分。在每小题给出的四个选项中，只有一项是符合题目要求的。请将所选项前的字母填在题后的括号内。）1.设随机变量X与Y相互独立，且均服从参数为λ的泊松分布，则随机变量Z=X-Y的分布函数F(z)为（）。A.F(z)=(1-e^(-λ|z|))^2B.F(z)=λe^(-λ|z|)+(1-λ)e^(λz)C.F(z)=1-(1-e^(-λ))^2D.F(z)=1-2λe^(-λ|z|)2.设总体X的概率密度函数为f(x;θ)=θx^(θ-1)，0<x<1，θ>0，则θ的矩估计量是（）。A.1/2B.1/3C.1/4D.1/53.设随机变量X的分布函数为F(x)=1-e^(-x^2/2)，则X的期望E(X)为（）。A.0B.1C.√2D.24.设总体X的均值μ未知，方差σ^2已知，从总体中抽取容量为n的样本，则样本均值X̄的无偏估计量是（）。A.σ^2/nB.nσ^2C.σ/√nD.√(σ^2/n)5.设随机变量X与Y的协方差为2，X的方差为4，Y的方差为9，则X与Y的相关系数ρ为（）。A.1/3B.2/3C.1/2D.3/46.设总体X的概率分布为X~B(n,p)，其中0<p<1，则X的二阶原点矩为（）。A.np(1-p)B.np^2C.npD.n(1-p)7.设随机变量X与Y的联合概率密度函数为f(x,y)=6x^2y，0<x<1，0<y<1，则E(XY)为（）。A.1/4B.1/3C.1/2D.2/38.设总体X的概率密度函数为f(x;θ)=θe^(-θx)，x>0，θ>0，则θ的极大似然估计量是（）。A.1/样本均值B.样本均值的倒数C.样本均值的平方D.样本均值的立方9.设随机变量X与Y相互独立，且均服从N(0,1)，则随机变量Z=X^2+Y^2的分布是（）。A.N(0,2)B.χ^2(2)C.t(2)D.F(2,1)10.设总体X的分布未知，但已知X的期望为μ，从总体中抽取容量为n的样本，则样本方差S^2的无偏估计量是（）。A.(n-1)S^2/nB.nS^2/(n-1)C.S^2/nD.nS^2二、填空题（本大题共10小题，每小题2分，共20分。请将答案填在题中横线上。）1.设随机变量X与Y相互独立，且X~N(1,4)，Y~N(2,9)，则E(3X-2Y)=________。2.设总体X的概率密度函数为f(x;θ)=θ(1+x)^(-θ-1)，x>0，θ>0，则θ的矩估计量是________。3.设随机变量X的分布函数为F(x)=1-e^(-x^2/2)，则X的方差Var(X)=________。4.设总体X的均值μ未知，方差σ^2已知，从总体中抽取容量为n的样本，则样本方差S^2的无偏估计量是________。5.设随机变量X与Y的协方差为3，X的方差为9，Y的方差为16，则X与Y的相关系数ρ=________。6.设总体X的概率分布为X~B(n,p)，其中0<p<1，则X的三阶中心矩为________。7.设随机变量X与Y的联合概率密度函数为f(x,y)=4xy，0<x<1，0<y<1，则P(X>Y)=________。8.设总体X的概率密度函数为f(x;θ)=θ^2x^(θ-3)，x>1，θ>0，则θ的极大似然估计量是________。9.设随机变量X与Y相互独立，且均服从N(0,1)，则随机变量Z=|X|/Y的分布是________。10.设总体X的分布未知，但已知X的期望为μ，从总体中抽取容量为n的样本，则样本均值X̄的方差Var(X̄)=________。三、判断题（本大题共10小题，每小题2分，共20分。请将判断结果填在题后的括号内，正确的填“√”，错误的填“×”。）1.设随机变量X与Y相互独立，且均服从N(0,1)，则随机变量Z=X^2+Y^2的分布是χ^2(2)。（）2.设总体X的均值μ未知，方差σ^2已知，从总体中抽取容量为n的样本，则样本均值X̄是μ的无偏估计量。（）3.设随机变量X与Y的协方差为0，则X与Y相互独立。（）4.设总体X的概率分布为X~B(n,p)，其中0<p<1，则X的方差为np(1-p)。（）5.设随机变量X与Y的联合概率密度函数为f(x,y)=6x^2y，0<x<1，0<y<1，则E(XY)=1/4。（）6.设总体X的概率密度函数为f(x;θ)=θe^(-θx)，x>0，θ>0，则θ的极大似然估计量是1/样本均值。（）7.设随机变量X与Y相互独立，且均服从N(0,1)，则随机变量Z=X^2-Y^2的分布是χ^2(1)。（）8.设总体X的分布未知，但已知X的期望为μ，从总体中抽取容量为n的样本，则样本方差S^2是σ^2的无偏估计量。（）9.设随机变量X与Y相互独立，且均服从N(0,1)，则随机变量Z=X/Y的分布是t(1)。（）10.设总体X的分布未知，但已知X的期望为μ，从总体中抽取容量为n的样本，则样本均值X̄的方差Var(X̄)为σ^2/n。（）四、简答题（本大题共8小题，每小题2分，共16分。请将答案写在答题卡上。）1.简述泊松分布的性质及其应用场景。2.简述矩估计法的基本思想及其步骤。3.简述正态分布的性质及其应用场景。4.简述极大似然估计法的基本思想及其步骤。5.简述协方差和相关系数的定义及其关系。6.简述样本均值和样本方差的定义及其性质。7.简述χ^2分布的性质及其应用场景。8.简述t分布的性质及其应用场景。五、应用题（本大题共8小题，每小题4分，共24分。请将答案写在答题卡上。）1.某城市每天发生交通事故的次数X服从泊松分布，已知平均每天发生3起交通事故，求某天发生5起交通事故的概率。2.设总体X的概率密度函数为f(x;θ)=θ(1+x)^(-θ-1)，x>0，θ>0，从总体中抽取容量为5的样本，样本观测值为2,3,4,5,6，求θ的矩估计值。3.设随机变量X的分布函数为F(x)=1-e^(-x^2/2)，求X的期望E(X)和方差Var(X)。4.设总体X的均值μ未知，方差σ^2已知，从总体中抽取容量为10的样本，样本均值为5，样本方差为4，求μ的置信水平为95%的置信区间。5.设随机变量X与Y的联合概率密度函数为f(x,y)=4xy，0<x<1，0<y<1，求E(XY)和Var(XY)。6.设总体X的概率密度函数为f(x;θ)=θ^2x^(θ-3)，x>1，θ>0，从总体中抽取容量为4的样本，样本观测值为2,3,4,5，求θ的极大似然估计值。7.设随机变量X与Y相互独立，且均服从N(0,1)，求随机变量Z=X^2+Y^2的期望E(Z)和方差Var(Z)。8.设总体X的分布未知，但已知X的期望为μ，从总体中抽取容量为20的样本，样本均值为10，样本方差为9，求μ的置信水平为99%的置信区间。【标准答案及解析】一、单项选择题1.A解析：由于X与Y相互独立且均服从参数为λ的泊松分布，根据泊松分布的性质，X-Y的分布也是泊松分布，参数为λ。泊松分布的分布函数为F(z)=P(X-Y≤z)=(1-e^(-λ|z|))^2。2.B解析：总体X的期望为E(X)=θ/(θ-1)，令样本均值为X̄，则θ的矩估计量为θ̂=1/3。3.A解析：由于X的分布函数为F(x)=1-e^(-x^2/2)，则X的概率密度函数为f(x)=xe^(-x^2/2)。E(X)=∫_(-∞)^∞xf(x)dx=∫_(-∞)^∞x^2e^(-x^2/2)dx=√π/2=0。4.A解析：样本均值X̄是总体均值μ的无偏估计量，且E(X̄)=μ。由于总体方差σ^2已知，则X̄的无偏估计量为σ^2/n。5.C解析：相关系数ρ=cov(X,Y)/(σ_Xσ_Y)=2/(√4×√9)=1/2。6.A解析：X~B(n,p)，则E(X)=np，E(X^2)=Var(X)+[E(X)]^2=np(1-p)+(np)^2。7.B解析：E(XY)=∫_0^1∫_0^1xyf(x,y)dydx=∫_0^1∫_0^14x^3y^2dydx=1/3。8.A解析：似然函数为L(θ)=∏_(i=1)^nθ^2x_i^(θ-3)，对数似然函数为lnL(θ)=2nlnθ+(θ-3)∑lnx_i，求导得θ̂=1/样本均值。9.B解析：由于X与Y相互独立且均服从N(0,1)，根据χ^2分布的性质，Z=X^2+Y^2服从χ^2(2)分布。10.A解析：样本方差S^2是总体方差σ^2的无偏估计量，且E(S^2)=σ^2，则S^2的无偏估计量为(n-1)S^2/n。二、填空题1.0解析：E(3X-2Y)=3E(X)-2E(Y)=3×1-2×2=-1。2.1/样本均值解析：E(X)=∫_0^1xθ(1+x)^(-θ-1)dx=θ/(θ+1)，令样本均值为X̄，则θ的矩估计量为θ̂=1/样本均值。3.1解析：E(X^2)=∫_(-∞)^∞x^2f(x)dx=∫_(-∞)^∞x^2e^(-x^2/2)dx=1，Var(X)=E(X^2)-[E(X)]^2=1-0=1。4.(n-1)S^2/n解析：样本方差S^2是总体方差σ^2的无偏估计量，且E(S^2)=σ^2，则S^2的无偏估计量为(n-1)S^2/n。5.3/12解析：ρ=cov(X,Y)/(σ_Xσ_Y)=3/(√9×√16)=3/12。6.np(1-p)^2解析：X~B(n,p)，则E(X)=np，E(X^2)=Var(X)+[E(X)]^2=np(1-p)+(np)^2，三阶中心矩为0。7.1/4解析：P(X>Y)=∫_0^1∫_y^14xydydx=1/4。8.1/样本均值解析：似然函数为L(θ)=∏_(i=1)^4θ^2x_i^(θ-3)，对数似然函数为lnL(θ)=2nlnθ+(θ-3)∑lnx_i，求导得θ̂=1/样本均值。9.t(1)解析：由于X与Y相互独立且均服从N(0,1)，根据t分布的性质，Z=|X|/Y服从t(1)分布。10.σ^2/n解析：Var(X̄)=Var(1/n∑X_i)=1/n^2∑Var(X_i)=σ^2/n。三、判断题1.√解析：由于X与Y相互独立且均服从N(0,1)，根据χ^2分布的性质，Z=X^2+Y^2服从χ^2(2)分布。2.√解析：样本均值X̄是总体均值μ的无偏估计量，且E(X̄)=μ。3.×解析：协方差为0只能说明X与Y不相关，但不能说明X与Y相互独立。4.√解析：X~B(n,p)，则E(X)=np，Var(X)=np(1-p)。5.√解析：E(XY)=∫_0^1∫_0^1xyf(x,y)dydx=1/4。6.√解析：似然函数为L(θ)=∏_(i=1)^4θe^(-θx_i)，对数似然函数为lnL(θ)=4lnθ-θ∑x_i，求导得θ̂=1/样本均值。7.×解析：Z=X^2-Y^2=(X+Y)(X-Y)，根据χ^2分布的性质，Z不服从χ^2(1)分布。8.×解析：样本方差S^2是总体方差σ^2的无偏估计量，但样本方差S^2不是σ^2的无偏估计量。9.√解析：由于X与Y相互独立且均服从N(0,1)，根据t分布的性质，Z=X/Y服从t(1)分布。10.√解析：Var(X̄)=Var(1/n∑X_i)=1/n^2∑Var(X_i)=σ^2/n。四、简答题1.泊松分布的性质：泊松分布是离散型分布，其概率质量函数为P(X=k)=θ^ke^(-θ)/(k!)，其中k=0,1,2,...，θ>0。泊松分布具有无记忆性，即P(X=k+1|X=k)=θ/(k+1)。泊松分布的应用场景：泊松分布常用于描述单位时间内发生的事件次数，如每天发生交通事故的次数、每分钟到达的顾客数等。2.矩估计法的基本思想：矩估计法是利用样本矩来估计总体矩，进而估计总体参数的方法。基本步骤：①计算总体矩，如E(X),E(X^2)等；②用样本矩来估计总体矩，如X̄来估计E(X)，X̄^2来估计E(X^2)等；③解方程组，得到总体参数的估计值。3.正态分布的性质：正态分布是连续型分布，其概率密度函数为f(x)=(1/√(2πσ^2))e^(-(x-μ)^2/(2σ^2))，其中μ为均值，σ^2为方差。正态分布具有对称性，即关于x=μ对称，且在x=μ处取得最大值。正态分布的应用场景：正态分布是自然界和工程领域中常见的分布，如测量误差、人体身高、产品尺寸等。4.极大似然估计法的基本思想：极大似然估计法是选择使样本观测值出现概率最大的参数值作为参数估计值的方法。基本步骤：①写出似然函数，即样本观测值的联合概率密度函数；②取对数似然函数；③对对数似然函数求导，得到似然方程；④解似然方程，得到参数的估计值。5.协方差和相关系数的定义及其关系：协方差cov(X,Y)=E[(X-E(X))(Y-E(Y))]，相关系数ρ=cov(X,Y)/(σ_Xσ_Y)，其中σ_X和σ_Y分别为X和Y的标准差。相关系数是协方差的一种标准化形式，其取值范围为[-1,1]，反映了X与Y之间的线性相关程度。6.样本均值和样本方差的定义及其性质：样本均值X̄=(∑X_i)/n，样本方差S^2=(∑(X_i-X̄)^2)/(n-1)。样本均值是总体均值的无偏估计量，样本方差是总体方差的无偏估计量。7.χ^2分布的性质：χ^2分布是连续型分布，其概率密度函数为f(x)=(1/((n/2)^n))x^(n/2-1)e^(-x/(2n))，其中n为自由度。χ^2分布具有非负性，且随着自由度的增加，χ^2分布逐渐接近正态分布。χ^2分布的应用场景：χ^2分布常用于假设检验和置信区间的计算，如样本方差的分布、拟合优度检验等。8.t分布的性质：t分布是连续型分布，其概率密度函数为f(x)=(Γ((n+1)/2)/(√nπΓ(n/2)))(1+(x^2)/(n))^(-(n+1)/2)，其中n为自由度。t分布具有对称性，且随着自由度的增加，t分布逐渐接近正态分布。t分布的应用场景：t分布常用于小样本假设检验和置信区间的计算，如总体均值的假设检验、总体方差的估计等。五、应用题1.某城市每天发生交通事故的次数X服从泊松分布，已知平均每天发生3起交通事故，求某天发生5起交通事故的概率。解：X~Poisson(3)，P(X=5)=3^5e^(-3)/(5!)=0.1008。2.设总体X的概率密度函数为f(x;θ)=θ(1+x)^(-θ-1)，x>0，θ>0，从总体中抽取容量为5的样本，样本观测值为2,3,4,5,6，求θ的矩估计值。解：E(X)=θ/(θ+1)，样本均值为X̄=(2+3+4+5+6)/5=4，θ̂=1/4。3.设随机变量X的分布函数为F(x)=1-e^(-x^2/2)，求X的期望E(X)和方差Var(X)。解：X的概率密度函数为f(x)=xe^(-x^2/2)，E(X)=∫_(-∞)^∞xf(x)dx=√π/2=0，Var(X)=E(X^2)