2026年考研数学一概率论与数理统计专项题库

2026年考研数学一概率论与数理统计专项题库一、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P{X+Y=0}等于（）A.e^{-λ}B.1-e^{-λ}C.λ^2D.(1-e^{-λ})^22.设随机变量X的分布函数为F(x)，若Y=3X+2，则Y的分布函数F_Y(y)等于（）A.F(x/3)B.3F(y-2)C.F((y-2)/3)D.3F(y/3)-23.设随机变量X与Y的联合概率密度函数为f(x,y)=\begin{cases}ce^{-x-y},&x>0,y>0\\0,&其他\end{cases}，则常数c等于（）A.1B.2C.eD.1/e4.设随机变量X与Y的协方差为1，X的方差为2，Y的方差为3，则X与Y的相关系数ρ_{XY}等于（）A.1/3B.1/2C.2/3D.3/25.设总体X服从正态分布N(μ,σ^2)，X_1,X_2,...,X_n为样本，则μ的矩估计量\hat{μ}等于（）A.\bar{X}B.\frac{1}{n}\sum_{i=1}^nX_iC.\frac{1}{n-1}\sum_{i=1}^n(X_i-\bar{X})D.\frac{1}{n}\sum_{i=1}^n(X_i-\bar{X})6.设总体X的分布律为X~\begin{cases}0,&p\\1,&1-p\end{cases}，X_1,X_2,...,X_n为样本，则p的最大似然估计量\hat{p}等于（）A.\bar{X}B.\frac{1}{n}\sum_{i=1}^nX_i^2C.\frac{1}{n}\sum_{i=1}^n(X_i-\bar{X})D.\frac{1}{2n}\sum_{i=1}^nX_i7.设总体X的密度函数为f(x)=\begin{cases}2x,&0<x<1\\0,&其他\end{cases}，X_1,X_2,...,X_n为样本，则X的样本方差S^2的无偏估计量等于（）A.\frac{1}{n}\sum_{i=1}^n(X_i-\bar{X})^2B.\frac{1}{n-1}\sum_{i=1}^n(X_i-\bar{X})^2C.\frac{1}{n}\sum_{i=1}^nX_i^2D.\frac{1}{n-1}\sum_{i=1}^nX_i^28.设总体X服从正态分布N(μ,σ^2)，X_1,X_2,...,X_n为样本，则σ^2的置信水平为1-α的置信区间为（）A.(\bar{X}-t_{\alpha/2,n-1}\frac{S}{\sqrt{n}},\bar{X}+t_{\alpha/2,n-1}\frac{S}{\sqrt{n}})B.(\bar{X}-z_{\alpha/2}\frac{\sigma}{\sqrt{n}},\bar{X}+z_{\alpha/2}\frac{\sigma}{\sqrt{n}})C.(\bar{X}-t_{\alpha/2,n-1}\frac{\sigma}{\sqrt{n}},\bar{X}+t_{\alpha/2,n-1}\frac{\sigma}{\sqrt{n}})D.(\bar{X}-z_{\alpha/2}\frac{S}{\sqrt{n}},\bar{X}+z_{\alpha/2}\frac{S}{\sqrt{n}})9.设总体X服从正态分布N(μ,σ^2)，X_1,X_2,...,X_n为样本，要检验H_0:μ=μ_0对H_1:μ>μ_0，应使用的检验统计量是（）A.Z=\frac{\bar{X}-μ_0}{\sigma/\sqrt{n}}B.T=\frac{\bar{X}-μ_0}{S/\sqrt{n}}C.Z=\frac{\bar{X}-μ_0}{\sqrt{σ^2/n}}D.T=\frac{\bar{X}-μ_0}{\sqrt{S^2/n}}10.设总体X服从指数分布，密度函数为f(x)=\begin{cases}\lambdae^{-\lambdax},&x>0\\0,&x\leq0\end{cases}，X_1,X_2,...,X_n为样本，则参数λ的置信水平为1-α的置信区间为（）A.(\frac{n}{\sum_{i=1}^nX_i},\frac{n}{\sum_{i=1}^nX_i^2})B.(\frac{1}{\bar{X}},\frac{n}{\sum_{i=1}^nX_i})C.(\frac{\sum_{i=1}^nX_i}{n},\frac{\sum_{i=1}^nX_i^2}{n})D.(\frac{n}{\sum_{i=1}^nX_i},\frac{n^2}{\sum_{i=1}^nX_i^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(1,2)，Y~N(0,3)，则P{X>Y}等于________。2.设随机变量X与Y的联合分布律为\begin{array}{c|cc}X\backslashY&0&1\\\hline0&0.1&0.2\\1&0.3&0.4\end{array}，则P{X+Y=1}等于________。3.设随机变量X与Y的联合概率密度函数为f(x,y)=\begin{cases}1,&0<x<1,0<y<1\\0,&其他\end{cases}，则P{X>Y}等于________。4.设随机变量X与Y的协方差为2，X的方差为3，Y的方差为4，则X与Y的相关系数ρ_{XY}等于________。5.设总体X服从正态分布N(μ,4)，X_1,X_2,...,X_16为样本，若要检验H_0:μ=0对H_1:μ\neq0，应使用的检验统计量是________。6.设总体X的分布律为X~\begin{cases}0,&p\\1,&1-p\end{cases}，X_1,X_2,...,X_5为样本，则p的无偏估计量\hat{p}等于________。7.设总体X的密度函数为f(x)=\begin{cases}2x,&0<x<1\\0,&其他\end{cases}，X_1,X_2,...,X_9为样本，则X的样本方差S^2的无偏估计量等于________。8.设总体X服从正态分布N(μ,1)，X_1,X_2,...,X_9为样本，若要检验H_0:μ=0对H_1:μ>0，应使用的检验统计量是________。9.设总体X服从指数分布，密度函数为f(x)=\begin{cases}\lambdae^{-\lambdax},&x>0\\0,&x\leq0\end{cases}，X_1,X_2,...,X_25为样本，则参数λ的置信水平为0.95的置信区间为________。10.设总体X服从泊松分布，参数为λ，X_1,X_2,...,X_10为样本，则λ的置信水平为0.9的置信区间为________。三、判断题（本大题共10小题，每小题2分，共20分。请将答案填在题中括号内，正确的填"√"，错误的填"×"。）1.设随机变量X与Y相互独立，且X~N(0,1)，Y~N(0,1)，则X^2+Y^2服从χ^2(2)分布。（）2.设随机变量X与Y的联合分布律为\begin{array}{c|cc}X\backslashY&0&1\\\hline0&0.1&0.2\\1&0.3&0.4\end{array}，则X与Y相互独立。（）3.设随机变量X与Y的联合概率密度函数为f(x,y)=\begin{cases}1,&0<x<1,0<y<1\\0,&其他\end{cases}，则X与Y相互独立。（）4.设随机变量X与Y的协方差为0，则X与Y不相关。（）5.设总体X服从正态分布N(μ,σ^2)，X_1,X_2,...,X_n为样本，则μ的矩估计量\hat{μ}等于\bar{X}。（）6.设总体X的分布律为X~\begin{cases}0,&p\\1,&1-p\end{cases}，X_1,X_2,...,X_n为样本，则p的最大似然估计量\hat{p}等于\bar{X}。（）7.设总体X的密度函数为f(x)=\begin{cases}2x,&0<x<1\\0,&其他\end{cases}，X_1,X_2,...,X_n为样本，则X的样本方差S^2的无偏估计量等于\frac{1}{n-1}\sum_{i=1}^n(X_i-\bar{X})^2。（）8.设总体X服从正态分布N(μ,σ^2)，X_1,X_2,...,X_n为样本，则σ^2的置信水平为1-α的置信区间为(\bar{X}-t_{\alpha/2,n-1}\frac{S}{\sqrt{n}},\bar{X}+t_{\alpha/2,n-1}\frac{S}{\sqrt{n}})。（）9.设总体X服从正态分布N(μ,σ^2)，X_1,X_2,...,X_n为样本，要检验H_0:μ=μ_0对H_1:μ>μ_0，应使用的检验统计量是Z=\frac{\bar{X}-μ_0}{\sigma/\sqrt{n}}。（）10.设总体X服从指数分布，密度函数为f(x)=\begin{cases}\lambdae^{-\lambdax},&x>0\\0,&x\leq0\end{cases}，X_1,X_2,...,X_n为样本，则参数λ的置信水平为1-α的置信区间为(\frac{1}{\bar{X}},\frac{n}{\sum_{i=1}^nX_i})。（）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。2.简述正态分布的性质。3.简述独立随机变量的性质。4.简述协方差的意义。5.简述矩估计法的原理。6.简述最大似然估计法的原理。7.简述置信区间的意义。8.简述假设检验的基本步骤。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.设随机变量X与Y相互独立，且X~N(0,1)，Y~N(0,1)，求Z=X^2+Y^2的分布函数。2.设随机变量X与Y的联合分布律为\begin{array}{c|cc}X\backslashY&0&1\\\hline0&0.1&0.2\\1&0.3&0.4\end{array}，求E(XY)。3.设总体X服从正态分布N(μ,4)，X_1,X_2,...,X_16为样本，若\bar{X}=2.5，检验H_0:μ=0对H_1:μ\neq0（α=0.05）。4.设总体X的分布律为X~\begin{cases}0,&p\\1,&1-p\end{cases}，X_1,X_2,...,X_5为样本，若观测值为0,1,0,1,0，求p的矩估计值和最大似然估计值。5.设总体X的密度函数为f(x)=\begin{cases}2x,&0<x<1\\0,&其他\end{cases}，X_1,X_2,...,X_9为样本，求X的样本方差S^2。6.设总体X服从正态分布N(μ,1)，X_1,X_2,...,X_9为样本，若\bar{X}=2，检验H_0:μ=0对H_1:μ>0（α=0.05）。7.设总体X服从指数分布，密度函数为f(x)=\begin{cases}\lambdae^{-\lambdax},&x>0\\0,&x\leq0\end{cases}，X_1,X_2,...,X_25为样本，若\sum_{i=1}^{25}X_i=50，求参数λ的置信水平为0.95的置信区间。8.设总体X服从泊松分布，参数为λ，X_1,X_2,...,X_10为样本，若\sum_{i=1}^{10}X_i=15，求λ的置信水平为0.9的置信区间。【标准答案及解析】一、单项选择题1.A解析：P{X+Y=0}=P{X=0,Y=0}=P{X=0}P{Y=0}=\lambdae^{-\lambda}\lambdae^{-\lambda}=e^{-2\lambda}。2.C解析：F_Y(y)=P{3X+2\leqy}=P{X\leq\frac{y-2}{3}}=F(\frac{y-2}{3})。3.B解析：\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}f(x,y)dxdy=\int_0^{\infty}\int_0^{\infty}ce^{-x-y}dxdy=c\int_0^{\infty}e^{-x}dx\int_0^{\infty}e^{-y}dy=c\cdot1\cdot1=c=1，所以c=2。4.C解析：ρ_{XY}=\frac{\text{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}=\frac{1}{\sqrt{2}\sqrt{3}}=\frac{1}{\sqrt{6}}=\frac{2}{3}。5.A解析：E(X)=μ，\bar{X}是X的样本均值，根据矩估计法，\hat{μ}=\bar{X}。6.A解析：L(p)=\prod_{i=1}^np^{X_i}(1-p)^{1-X_i}=p^{\sum_{i=1}^nX_i}(1-p)^{n-\sum_{i=1}^nX_i}，\frac{dL(p)}{dp}=0，解得\hat{p}=\bar{X}。7.B解析：E(S^2)=σ^2，所以S^2是σ^2的无偏估计量，即\hat{S}^2=\frac{1}{n-1}\sum_{i=1}^n(X_i-\bar{X})^2。8.A解析：当σ^2未知时，检验H_0:μ=μ_0对H_1:μ>μ_0，应使用的检验统计量是T=\frac{\bar{X}-μ_0}{S/\sqrt{n}}，其分布为t(n-1)。9.B解析：当σ^2未知时，检验H_0:μ=μ_0对H_1:μ>μ_0，应使用的检验统计量是T=\frac{\bar{X}-μ_0}{S/\sqrt{n}}。10.B解析：E(X)=\frac{1}{\lambda}，\bar{X}是X的样本均值，根据矩估计法，\hat{λ}=\frac{1}{\bar{X}}，置信区间为(\frac{1}{\bar{X}},\frac{n}{\sum_{i=1}^nX_i})。二、填空题1.\frac{1}{2}解析：P{X>Y}=P{X-Y>0}=P{X>Y}=\frac{1}{2}。2.0.7解析：P{X+Y=1}=P{X=0,Y=1}+P{X=1,Y=0}=0.2+0.3=0.5。3.\frac{1}{4}解析：P{X>Y}=\int_0^1\int_y^1f(x,y)dxdy=\int_0^1\int_y^1\cdot1dxdy=\int_0^1(1-y)dy=\frac{1}{2}。4.\frac{1}{2}解析：ρ_{XY}=\frac{\text{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}=\frac{2}{\sqrt{3}\sqrt{4}}=\frac{2}{6}=\frac{1}{3}。5.T=\frac{\bar{X}}{2/\sqrt{16}}=\frac{4\bar{X}}{1}解析：当σ^2未知时，检验H_0:μ=0对H_1:μ\neq0，应使用的检验统计量是T=\frac{\bar{X}}{S/\sqrt{n}}。6.\frac{1}{5}\sum_{i=1}^5X_i解析：E(X)=p，\hat{p}=\frac{1}{n}\sum_{i=1}^nX_i。7.\frac{1}{8}\sum_{i=1}^9(X_i-\bar{X})^2解析：E(S^2)=σ^2，所以S^2是σ^2的无偏估计量，即\hat{S}^2=\frac{1}{n-1}\sum_{i=1}^n(X_i-\bar{X})^2。8.Z=\frac{\bar{X}}{1/\sqrt{9}}=\frac{3\bar{X}}{1}解析：当σ^2已知时，检验H_0:μ=0对H_1:μ>0，应使用的检验统计量是Z=\frac{\bar{X}-μ_0}{\sigma/\sqrt{n}}。9.(\frac{25}{50},\frac{25}{25})=(0.5,1)解析：E(X)=\frac{1}{\lambda}，\bar{X}是X的样本均值，根据矩估计法，\hat{λ}=\frac{1}{\bar{X}}，置信区间为(\frac{1}{\bar{X}},\frac{n}{\sum_{i=1}^nX_i})。10.(\frac{10}{15},\frac{10^2}{15})=(\frac{2}{3},\frac{20}{3})解析：E(X)=λ，\bar{X}是X的样本均值，根据矩估计法，\hat{λ}=\bar{X}，置信区间为(\bar{X}-z_{\alpha/2}\frac{\hat{λ}}{\sqrt{n}},\bar{X}+z_{\alpha/2}\frac{\hat{λ}}{\sqrt{n}})。三、判断题1.√解析：X^2与Y^2相互独立，且服从χ^2(1)分布，所以X^2+Y^2服从χ^2(2)分布。2.×解析：P{X=0,Y=1}=0.2，P{X=0}P{Y=1}=0.1×0.4=0.04，不成立，所以不独立。3.√解析：f(x,y)=f_X(x)f_Y(y)，所以X与Y相互独立。4.√解析：协方差为0，则相关系数为0，即X与Y不相关。5.√解析：E(X)=μ，\bar{X}是X的样本均值，根据矩估计法，\hat{μ}=\bar{X}。6.√解析：L(p)=\prod_{i=1}^np^{X_i}(1-p)^{1-X_i}=p^{\sum_{i=1}^nX_i}(1-p)^{n-\sum_{i=1}^nX_i}，\frac{dL(p)}{dp}=0，解得\hat{p}=\bar{X}。7.√解析：E(S^2)=σ^2，所以S^2是σ^2的无偏估计量，即\hat{S}^2=\frac{1}{n-1}\sum_{i=1}^n(X_i-\bar{X})^2。8.√解析：当σ^2未知时，检验H_0:μ=μ_0对H_1:μ\neq0，应使用的检验统计量是T=\frac{\bar{X}-μ_0}{S/\sqrt{n}}，其分布为t(n-1)。9.×解析：当σ^2未知时，检验H_0:μ=μ_0对H_1:μ>μ_0，应使用的检验统计量是T=\frac{\bar{X}-μ_0}{S/\sqrt{n}}。10.×解析：E(X)=\frac{1}{\lambda}，\bar{X}是X的样本均值，根据矩估计法，\hat{λ}=\frac{1}{\bar{X}}，置信区间为(\frac{1}{\bar{X}},\frac{n}{\sum_{i=1}^nX_i})。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}=\frac{λ^k}{k!}e^{-λ}，k=0,1,2,...-泊松分布的期望和方差均为λ。-泊松分布可以用来描述单位时间内发生的事件数。2.正态分布的性质：-正态分布是连续型分布，其密度函数为f(x)=\frac{1}{\sqrt{2πσ^2}}e^{-\frac{(x-μ)^2}{2σ^2}}。-正态分布的期望为μ，方差为σ^2。-正态分布是钟形曲线，关于x=μ对称。-正态分布可以用来描述自然界和社会现象中的许多随机变量。3.独立随机变量的性质：-独立随机变量是指两个或多个随机变量之间不存在任何依赖关系。-独立随机变量的联合分布等于各自分布的乘积。-独立随机变量的协方差为0，但不一定不相关。-独立随机变量的线性组合仍然服从正态分布。4.协方差的意义：-协方差是衡量两个随机变量之间线性关系强度的统计量。-协方差为0，表示两个随机变量不相关。-协方差的符号表示两个随机变量的线性关系方向：同向增加或减少。-协方差的绝对值表示两个随机变量的线性关系强度。5.矩估计法的原理：-矩估计法是通过样本矩来估计总体矩的方法。-样本矩是样本的函数，总体矩是总体的函数。-矩估计法的基本思想是：用样本矩来估计总体矩，用样本矩的函数来估计总体矩的函数。6.最大似然估计法的原理：-最大似然估计法是通过最大化似然函数来估计参数的方法。-似然函数是样本观测值出现的概率，它是参数的函数。-最大似然估计法的基本思想是：选择使似然函数最大的参数值作为参数的估计值。7.置信区间的意义：-置信区间是参数的一个区间估计，它给出了参数的可能取值范围。-置信水平是参数落在置信区间的概率。-置信区间的宽度反映了估计的精度，宽度越小，精度越高。8.假设检验的基本步骤：-提出原假设H_0和备择假设H_1。-选择检验统计量，并确定其分布。-根据显著性水平α确定拒绝域。-计算检验统计量的观测值。-判断是否拒绝原假设。五、应用题1.解：Z=X^2+Y^2的分布函数为F_Z(z)=P{X^2+Y^2\leqz}。当z<0时，F_Z(z)=0。当z≥0时，F_Z(z)=P{X^2+Y^2\leqz}=\iint_{x^2+y^2\leqz}f(x,y)dxdy=\iint_{x^2+y^2\leqz}\frac{1}{2π}e^{-\frac{x^2+y^2}{2}}dxdy=\frac{1}{2π}\int_0^{2π}\int_0^{\sqrt{z}}e^{-\frac{r^2}{2}}rdrdθ=\frac{1}{2π}\cdot2π\int_0^{\sqrt{z}}re^{-\frac{r^2}{2}}dr=1-e^{-\frac{z}{2}}。所以F_Z(z)=\begin{cases}0,&z<0\\1-e^{-\frac{z}{2}},&z≥0\end{cases}。2.解：E(XY)=\sum_{x=0}^1\sum_{y=0}^1xyP{X=x,Y=y}=(0×0×0.