2026考研数学三概率论与数理统计习题集

2026考研数学三概率论与数理统计习题集一、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和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.(e^{-λ})^2C.1-e^{-λ}D.1-(e^{-λ})^22.设随机变量X的分布函数为F(x)，则下列说法正确的是（）A.F(x)是单调递减函数B.F(x)是右连续函数C.P{X≤x}=F(x)-F(x-0)D.F(x)是周期函数3.设随机变量X和Y的联合概率密度函数为f(x,y)=\begin{cases}2e^{-(x+y)},&x>0,y>0\\0,&\text{其他}\end{cases}，则E(XY)等于（）A.1B.2C.1/2D.1/44.设总体X服从正态分布N(μ,σ^2)，X1,X2,...,Xn为样本，则下列统计量中不是μ的无偏估计量的是（）A.\bar{X}=\frac{1}{n}\sum_{i=1}^{n}X_iB.X_(1:n)（最小顺序统计量）C.\frac{1}{n-1}\sum_{i=1}^{n}(X_i-\bar{X})^2D.\frac{1}{2}(X_(1:n)+X_(n:n))（极差的一半）5.设总体X的概率分布为X~\begin{cases}0,&P(X=0)=0.7\\1,&P(X=1)=0.3\end{cases}，X1,X2,...,Xn为样本，则样本方差S^2的期望E(S^2)等于（）A.0.3B.0.7C.0.49D.0.516.设总体X的概率密度函数为f(x)=\begin{cases}2(1-x),&0<x<1\\0,&\text{其他}\end{cases}，X1,X2,...,Xn为样本，则θ=1/2的无偏估计量\hat{θ}=\frac{2}{n}\sum_{i=1}^{n}X_i^2的最小方差为（）A.\frac{1}{12n}B.\frac{1}{6n}C.\frac{1}{4n}D.\frac{1}{3n}7.设随机变量X和Y的联合分布律为\begin{array}{c|cc}X\backslashY&0&1\\\hline0&0.1&0.4\\1&0.2&0.3\end{array}，则X和Y是否相互独立？（）A.是B.否C.无法判断D.取决于样本量8.设总体X服从指数分布，概率密度函数为f(x)=\begin{cases}\lambdae^{-\lambdax},&x>0\\0,&x\leq0\end{cases}，X1,X2,...,Xn为样本，则参数λ的矩估计量\hat{λ}等于（）A.\frac{1}{\bar{X}}B.\frac{n}{\sum_{i=1}^{n}X_i}C.\frac{1}{\sum_{i=1}^{n}X_i^2}D.\frac{1}{\sqrt{\sum_{i=1}^{n}X_i^2}}9.设随机变量X和Y相互独立，且X~N(0,1)，Y~N(0,1)，则Z=X^2+Y^2的分布是（）A.N(0,1)B.χ^2(2)C.t(2)D.F(1,1)10.设总体X的概率密度函数为f(x)=\begin{cases}2x,&0<x<1\\0,&\text{其他}\end{cases}，X1,X2,...,Xn为样本，则参数θ=1/3的置信水平为95%的置信区间为（）A.(\frac{1}{3},\frac{2}{3})B.(\frac{1}{4},\frac{3}{4})C.(\frac{1}{5},\frac{4}{5})D.(\frac{1}{6},\frac{5}{6})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和Y相互独立，且X~N(1,4)，Y~N(2,9)，则Z=2X-Y的分布为________。2.设随机变量X和Y的联合概率密度函数为f(x,y)=\begin{cases}6x^2y,&0<x<1,0<y<1\\0,&\text{其他}\end{cases}，则P{X>Y}等于________。3.设总体X的概率密度函数为f(x)=\begin{cases}2(1-x),&0<x<1\\0,&\text{其他}\end{cases}，X1,X2,...,Xn为样本，则参数θ=1/2的矩估计量\hat{θ}等于________。4.设总体X的概率分布为X~\begin{cases}0,&P(X=0)=0.7\\1,&P(X=1)=0.3\end{cases}，X1,X2,...,Xn为样本，则样本方差S^2的期望E(S^2)等于________。5.设总体X服从正态分布N(μ,σ^2)，X1,X2,...,Xn为样本，则统计量T=\frac{\bar{X}-μ}{S/\sqrt{n}}的分布为________。6.设总体X的概率密度函数为f(x)=\begin{cases}\lambdae^{-\lambdax},&x>0\\0,&x\leq0\end{cases}，X1,X2,...,Xn为样本，则参数λ的最大似然估计量\hat{λ}等于________。7.设随机变量X和Y的联合分布律为\begin{array}{c|cc}X\backslashY&0&1\\\hline0&0.1&0.4\\1&0.2&0.3\end{array}，则E(XY)等于________。8.设总体X的概率密度函数为f(x)=\begin{cases}2x,&0<x<1\\0,&\text{其他}\end{cases}，X1,X2,...,Xn为样本，则参数θ=1/3的置信水平为95%的置信区间为________。9.设随机变量X和Y相互独立，且X~N(0,1)，Y~N(0,1)，则Z=X^2+Y^2的分布为________。10.设总体X的概率密度函数为f(x)=\begin{cases}2(1-x),&0<x<1\\0,&\text{其他}\end{cases}，X1,X2,...,Xn为样本，则θ=1/2的无偏估计量\hat{θ}=\frac{2}{n}\sum_{i=1}^{n}X_i^2的最小方差为________。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和Y相互独立，且X~N(μ1,σ1^2)，Y~N(μ2,σ2^2)，则Z=aX+bY+c（a,b不全为0）也服从正态分布。（）2.设总体X的概率密度函数为f(x)=\begin{cases}2x,&0<x<1\\0,&\text{其他}\end{cases}，X1,X2,...,Xn为样本，则参数θ=1/3的矩估计量\hat{θ}=\frac{2}{n}\sum_{i=1}^{n}X_i^2是无偏估计量。（）3.设总体X的概率分布为X~\begin{cases}0,&P(X=0)=0.7\\1,&P(X=1)=0.3\end{cases}，X1,X2,...,Xn为样本，则样本方差S^2的期望E(S^2)等于总体方差σ^2。（）4.设总体X服从正态分布N(μ,σ^2)，X1,X2,...,Xn为样本，则统计量T=\frac{\bar{X}-μ}{S/\sqrt{n}}的分布为t(n-1)。（）5.设随机变量X和Y的联合分布律为\begin{array}{c|cc}X\backslashY&0&1\\\hline0&0.1&0.4\\1&0.2&0.3\end{array}，则X和Y相互独立。（）6.设总体X的概率密度函数为f(x)=\begin{cases}\lambdae^{-\lambdax},&x>0\\0,&x\leq0\end{cases}，X1,X2,...,Xn为样本，则参数λ的最大似然估计量\hat{λ}等于\frac{n}{\sum_{i=1}^{n}X_i}。（）7.设随机变量X和Y相互独立，且X~N(0,1)，Y~N(0,1)，则Z=X^2+Y^2的分布为χ^2(2)。（）8.设总体X的概率密度函数为f(x)=\begin{cases}2x,&0<x<1\\0,&\text{其他}\end{cases}，X1,X2,...,Xn为样本，则参数θ=1/3的置信水平为95%的置信区间为(\frac{1}{4},\frac{3}{4})。（）9.设总体X的概率密度函数为f(x)=\begin{cases}2(1-x),&0<x<1\\0,&\text{其他}\end{cases}，X1,X2,...,Xn为样本，则θ=1/2的无偏估计量\hat{θ}=\frac{2}{n}\sum_{i=1}^{n}X_i^2的最小方差为\frac{1}{12n}。（）10.设总体X服从指数分布，概率密度函数为f(x)=\begin{cases}\lambdae^{-\lambdax},&x>0\\0,&x\leq0\end{cases}，X1,X2,...,Xn为样本，则参数λ的矩估计量\hat{λ}等于\frac{1}{\bar{X}}。（）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.解释什么是大数定律，并举例说明其应用。3.描述中心极限定理的条件和结论，并说明其重要性。4.说明样本均值和样本方差的定义及其在统计推断中的作用。5.解释什么是置信区间，并说明置信水平的含义。6.描述最大似然估计的基本思想及其步骤。7.说明什么是假设检验，并简述假设检验的基本步骤。8.解释什么是回归分析，并说明其在实际问题中的应用。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和Y的联合概率密度函数为f(x,y)=\begin{cases}6x^2y,&0<x<1,0<y<1\\0,&\text{其他}\end{cases}，求E(XY)。2.设总体X的概率密度函数为f(x)=\begin{cases}2(1-x),&0<x<1\\0,&\text{其他}\end{cases}，X1,X2,...,Xn为样本，求参数θ=1/2的矩估计量\hat{θ}。3.设总体X的概率分布为X~\begin{cases}0,&P(X=0)=0.7\\1,&P(X=1)=0.3\end{cases}，X1,X2,...,Xn为样本，求样本方差S^2的期望E(S^2)。4.设总体X服从正态分布N(μ,σ^2)，X1,X2,...,Xn为样本，求参数μ的置信水平为95%的置信区间。5.设随机变量X和Y相互独立，且X~N(0,1)，Y~N(0,1)，求Z=X^2+Y^2的分布。6.设总体X的概率密度函数为f(x)=\begin{cases}\lambdae^{-\lambdax},&x>0\\0,&x\leq0\end{cases}，X1,X2,...,Xn为样本，求参数λ的最大似然估计量\hat{λ}。7.设随机变量X和Y的联合分布律为\begin{array}{c|cc}X\backslashY&0&1\\\hline0&0.1&0.4\\1&0.2&0.3\end{array}，求E(XY)。8.设总体X的概率密度函数为f(x)=\begin{cases}2x,&0<x<1\\0,&\text{其他}\end{cases}，X1,X2,...,Xn为样本，求参数θ=1/3的置信水平为95%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}=e^{-λ}e^{-λ}=e^{-2λ}。2.B解析：分布函数F(x)是单调不减、右连续的函数，且满足F(-∞)=0，F(+∞)=1。3.A解析：E(XY)=\int_{0}^{\infty}\int_{0}^{\infty}xy\cdot2e^{-(x+y)}\,dx\,dy=\int_{0}^{\infty}x\cdot2e^{-x}\,dx\int_{0}^{\infty}y\cdote^{-y}\,dy=1。4.C解析：\frac{1}{n-1}\sum_{i=1}^{n}(X_i-\bar{X})^2是总体方差σ^2的无偏估计量，而其他三个都是μ的无偏估计量。5.A解析：E(S^2)=Var(X)=0.3×(1-0.7)^2+0.7×(0-0.7)^2=0.3。6.A解析：由罗-克拉美不等式，θ=1/2的无偏估计量\hat{θ}=\frac{2}{n}\sum_{i=1}^{n}X_i^2的最小方差为\frac{1}{12n}。7.B解析：P{X=0,Y=0}=0.1≠P{X=0}P{Y=0}=0.42，故X和Y不相互独立。8.A解析：E(X)=\frac{1}{\lambda}\int_{0}^{\infty}x\lambdae^{-\lambdax}\,dx=\frac{1}{\lambda}，故λ的矩估计量\hat{λ}=\frac{1}{\bar{X}}。9.B解析：由独立同分布随机变量的性质，Z=X^2+Y^2服从χ^2(2)分布。10.B解析：由样本均值的分布，\bar{X}~N(\frac{1}{3},\frac{1}{18n})，故θ=1/3的置信水平为95%的置信区间为(\frac{1}{4},\frac{3}{4})。二、填空题1.N(1,13)解析：由独立正态分布的性质，Z=aX+bY+c（a,b不全为0）也服从正态分布，且E(Z)=aμ1+bμ2+c，Var(Z)=a^2σ1^2+b^2σ2^2。2.\frac{1}{4}解析：P{X>Y}=\int_{0}^{1}\int_{y}^{1}6x^2y\,dx\,dy=\frac{1}{4}。3.\frac{2}{n}\sum_{i=1}^{n}X_i^2解析：E(X^2)=\int_{0}^{1}x^2\cdot2(1-x)\,dx=\frac{1}{6}，故θ=1/2的矩估计量\hat{θ}=\frac{2}{n}\sum_{i=1}^{n}X_i^2。4.0.3解析：E(S^2)=Var(X)=0.3×(1-0.7)^2+0.7×(0-0.7)^2=0.3。5.t(n-1)解析：由t分布的定义，T=\frac{\bar{X}-μ}{S/\sqrt{n}}服从t(n-1)分布。6.\frac{n}{\sum_{i=1}^{n}X_i}解析：由最大似然估计的定义，λ的似然函数为L(λ)=\prod_{i=1}^{n}\lambdae^{-\lambdaX_i}，取对数后求导，得\hat{λ}=\frac{n}{\sum_{i=1}^{n}X_i}。7.0.2解析：E(XY)=\sum_{i=0}^{1}\sum_{j=0}^{1}xy\cdotP(X=x,Y=y)=0.2。8.(\frac{1}{4},\frac{3}{4})解析：由样本均值的分布，\bar{X}~N(\frac{1}{3},\frac{1}{18n})，故θ=1/3的置信水平为95%的置信区间为(\frac{1}{4},\frac{3}{4})。9.χ^2(2)解析：由独立同分布随机变量的性质，Z=X^2+Y^2服从χ^2(2)分布。10.\frac{1}{12n}解析：由罗-克拉美不等式，θ=1/2的无偏估计量\hat{θ}=\frac{2}{n}\sum_{i=1}^{n}X_i^2的最小方差为\frac{1}{12n}。三、判断题1.√解析：由独立正态分布的性质，Z=aX+bY+c（a,b不全为0）也服从正态分布。2.√解析：E(\hat{θ})=E(\frac{2}{n}\sum_{i=1}^{n}X_i^2)=\frac{2}{n}\sum_{i=1}^{n}E(X_i^2)=\frac{2}{n}\cdotn\cdot\frac{1}{6}=\frac{1}{3}，故\hat{θ}是无偏估计量。3.√解析：E(S^2)=Var(X)=0.3×(1-0.7)^2+0.7×(0-0.7)^2=0.3，故样本方差S^2的期望E(S^2)等于总体方差σ^2。4.√解析：由t分布的定义，T=\frac{\bar{X}-μ}{S/\sqrt{n}}服从t(n-1)分布。5.×解析：P{X=0,Y=0}=0.1≠P{X=0}P{Y=0}=0.42，故X和Y不相互独立。6.√解析：由最大似然估计的定义，λ的似然函数为L(λ)=\prod_{i=1}^{n}\lambdae^{-\lambdaX_i}，取对数后求导，得\hat{λ}=\frac{n}{\sum_{i=1}^{n}X_i}。7.√解析：由独立同分布随机变量的性质，Z=X^2+Y^2服从χ^2(2)分布。8.√解析：由样本均值的分布，\bar{X}~N(\frac{1}{3},\frac{1}{18n})，故θ=1/3的置信水平为95%的置信区间为(\frac{1}{4},\frac{3}{4})。9.√解析：由罗-克拉美不等式，θ=1/2的无偏估计量\hat{θ}=\frac{2}{n}\sum_{i=1}^{n}X_i^2的最小方差为\frac{1}{12n}。10.√解析：E(X)=\frac{1}{\lambda}\int_{0}^{\infty}x\lambdae^{-\lambdax}\,dx=\frac{1}{\lambda}，故λ的矩估计量\hat{λ}=\frac{1}{\bar{X}}。四、简答题1.泊松分布的性质：（1）概率分布为P(X=k)=\frac{λ^k}{k!}e^{-λ}，k=0,1,2,...（2）期望E(X)=λ，方差Var(X)=λ（3）可描述单位时间内发生某事件的次数，如电话交换台接到电话的次数、一本书中每页的错别字数等。应用场景：（1）排队论中顾客到达的次数（2）放射性粒子发射的次数（3）交通事故发生的次数2.大数定律：（1）定义：随机变量序列{X_n}依概率收敛于常数a，即\lim_{n\to\infty}P(|X_n-a|<ε)=1，对任意ε>0。（2）应用：-保险公司利用大数定律计算保费-质量控制中利用大数定律检验产品合格率-统计学中利用大数定律估计总体参数3.中心极限定理：（1）条件：-随机变量序列{X_n}相互独立同分布-期望E(X_i)=μ，方差Var(X_i)=σ^2（有限）（2）结论：当n足够大时，样本均值\bar{X}的分布近似于N(μ,σ^2/n)。（3）重要性：-解释了为什么许多自然和社会现象近似服从正态分布-为统计推断提供了理论基础4.样本均值和样本方差的定义及其作用：（1）样本均值\bar{X}=\frac{1}{n}\sum_{i=1}^{n}X_i，是样本数据的平均值，用于估计总体均值μ。（2）样本方差S^2=\frac{1}{n-1}\sum_{i=1}^{n}(X_i-\bar{X})^2，是样本数据的离散程度度量，用于估计总体方差σ^2。作用：-样本均值用于估计总体均值-样本方差用于估计总体方差-在统计推断中用于构造置信区间和进行假设检验5.置信区间：（1）定义：对于未知参数θ，若存在区间(I,II)，使得P(I<θ<II)=1-α，则称(I,II)为θ的置信水平为1-α的置信区间。（2）置信水平：1-α表示参数θ落在置信区间内的概率，α为犯第一类错误的概率。意义：-提供参数估计的范围而非单一值-区间越窄，估计越精确-置信水平越高，可靠性越大6.最大似然估计：（1）思想：选择使样本观测值出现概率最大的参数值作为参数的估计值。（2）步骤：-写出似然函数L(θ)=\prod_{i=1}^{n}f(X_i;θ)-取对数得对数似然函数L(θ)=\sum_{i=1}^{n}logf(X_i;θ)-求导并令导数为0，解得参数的估计值\hat{θ}应用：