2026年统计学期末考试题库及答案—统计软件MATLAB概率密度估计试题.docxVIP

2026年统计学期末考试题库及答案—统计软件MATLAB概率密度估计试题

一、单项选择题（每题4分，共40分）

1.在MATLAB中，若已知样本向量x，欲用核密度估计（KDE）获得概率密度函数并绘制曲线，下列哪条语句可直接完成估计与绘图两步？

A.ksdensity(x,PlotFcn,plot)

B.pdfplot(ksdensity(x))

C.plot(ksdensity(x))

D.fplot(@(t)ksdensity(x,t))

答案：A

解析：ksdensity本身返回[密度,网格点]，若加PlotFcn,plot，则函数内部自动调用plot绘制曲线，一步完成。其余选项要么语法不完整，要么需手动绘图。

2.默认带宽（bw）对核密度估计的平滑度影响显著。MATLAB中ksdensity的默认带宽选择规则等价于：

A.Silverman’sruleofthumb

B.Scott’srule

C.plug-in法

D.交叉验证最小二乘法

答案：A

解析：ksdensity对正态核默认采用Silverman经验公式：bw=1.06std(x)n^(-1/5)，故选A。

3.若样本x=[2.3,1.8,3.1,2.9]，使用Epanechnikov核且带宽0.5，则网格点t=2处的核密度估计值为（保留四位小数）：

A.0.3417

B.0.4133

C.0.4826

D.0.5218

答案：B

解析：Epanechnikov核K(u)=0.75(1-u^2)(abs(u)=1)。计算四个核贡献：

K((2-2.3)/0.5)=K(-0.6)=0.75*(1-0.36)=0.48

K((2-1.8)/0.5)=K(0.4)=0.75*(1-0.16)=0.63

K((2-3.1)/0.5)=K(-2.2)=0（超出支撑）

K((2-2.9)/0.5)=K(-1.8)=0

总和=0.48+0.63=1.11；密度=1/(40.5)1.11=0.4133。

4.当样本量n→∞且带宽h→0满足nh→∞时，核密度估计的偏差量级为：

A.O(h^2)

B.O(h^4)

C.O(1/h)

D.O(1/n)

答案：A

解析：偏差主要来源于核的二阶矩，理论偏差≈h^2μ2(K)f(x)/2，故量级O(h^2)。

5.在MATLAB中，若要对加权样本做KDE，权重向量w必须与x等长且满足：

A.所有w_i0且sum(w)=1

B.所有w_i≥0且sum(w)=1

C.所有w_i≥0且sum(w)0

D.无需归一化，ksdensity内部自动处理

答案：C

解析：ksdensity允许w_i≥0且总和为正，函数内部会将权重归一，不要求用户预先归一。

6.若用histogram做密度估计，BinWidth设为0.2，样本区间[0,10]，则bins数目为：

A.49

B.50

C.51

D.52

答案：C

解析：bins=ceil((10-0)/0.2)+1=51（含右闭端）。

7.使用ksdensity输出cdf时，若后续需计算P(a≤X≤b)，最简代码为：

A.integral(@(t)ksdensity(x,t),a,b)

B.diff(ksdensity(x,[a,b],function,cdf))

C.ksdensity(x,b,function,cdf)-ksdensity(x,a,function,cdf)

D.fzero(@(t)ksdensity(x,t)-0.5,[a,b])

答案：C

解析：直接利用cdf差值即可，无需积分或fzero。

8.若样本x来自混合分布0.3N(-2,1)+0.7N(2,1)，下列哪条指令可正确生成1000个样本？

A.x=[-2+randn(300,1);2+randn(700,1)];

B.x=randn(1000,1);x(x0)=x(x0)-2;x(x=0)=x(x=0)+2;

C.x=zeros(1000,1);fori=1:1000,ifrand0.3,x(i)=-2+randn;else,x(i)=2+randn;end;end

D.以上均可

答案：D

解析：A利用拼接；B利用阈值平移，虽不完美但近似；C用循环按概率赋值，精确。三者皆可行。

9.若用MATLAB的fitdist拟合Gamma(a,b)，则参数化方式为：

A.形状a，尺度b

B.形状a，速率b

C.均值a，标准差b

D.形状a，逆尺度b

答案：A

解析：fitdist对Gamma采用形状+尺度，pdf为x^(a-1)exp(-x/b)/(b^agamma(a))。

10.若用蒙特卡洛积分估计E[X]whereX