原生数字化重构 · 纯文本与矢量排版

2006年数学三真题答案解析【闲鱼号“非凡小翊”持续更新中】【闲鱼号:非凡小翊】

--- [第 1 页] ---
一、 填空题
(1) 【答案】1 【详解】题目考察数列的极限,由于数列中有( 1) n  ,故求此数列的极限,分为奇数列和 偶数列两个部分进行。 记 ( 1) 1 ( ) n n n u n    ,则 2 2 1 2 1 ( 1) lim lim ( ) lim ( ) 1 2 2 2 n n n u n n n n n n          2 1 2 2 1 ( 1) lim lim ( ) lim ( ) 1 2 1 2 1 2 n n n u n n n n n n            所以 lim 1 un n   .
(2) 【答案】 3 2e 【详解】题目考察抽象函数在某点处的高阶导数。利用题目已知的函数关系式进行求导便 可得出。 由 ( ) ( ) f x f x e   ,有 ( ) ( ) 2 ( ) ( ) ( ) ( ) f x f x f x f x e e f x e       所以 2 ( ) 2 ( ) 2 ( ) 3 ( ) ( ) ( ) (2 ( )) 2 ( ) 2 f x f x f x f x f x e e f x e f x e         以 2 x  代入,得 3 (2) 3
(2) 2 2 f f e e    .
(3) 【答案】4 2 dx dy  【详解】题目求复合函数在某点处的全微分,可有两种方法: 方法1: 由微分形式不变性,有 2 2 2 2 2 2 (4 ) (4 ) (4 )(8 2 ) dz f x y d x y f x y xdx ydy         (1,2)
(0) (8 4 ) 4 - 2 dz f dx dy dx dy     方法2: 求偏导数, 2 2 (4 ) 8 , z f x y x x       2 2 (4 )( 2 ) y z f x y y       . 以 1 1, 2,
(0) 2 x y f     ,代入 z z dz dx dy x y       便得如上结果. 2006 年全国硕士研究生入学统一考试数学三试题解析 --- [第 2 页] ---
(4) 【答案】2 【详解】由已知条件 2 BA B E   变形得, 2 BA E B    ( ) 2 B A E E   , 两边取行列 式, 得 ( ) 2 4 4 B A E E E     其中, 2 1 1 0 1 1 2 1 2 0 1 1 1 A E                    , 2 2 2 E 4 E   因此, 2 4 2 2 E B A E     .
(5) 【答案】1 9 【详解】根据独立性原理:若事件 1, , n A A  独立,则       1 2 1 2 n n P A A A P A P A P A     事件       max{ , } 1 1, 1 1 1 X Y X Y X Y         ,而随机变量X 与Y 均服 从区间[0,3] 上的均匀分布,有  1 0 1 1 1 3 3 P X dx     和  1 0 1 1 1 3 3 P Y dy     . 又随机变 量X 与Y 相互独立,所以,         max( , ) 1 1, 1 1 1 P x y P x Y P x P Y         1 1 3 3   1 9 
(6) 【答案】2. 【详解】样本方差是总体方差的无偏估计量 2 ( ) ( ) E S D X  ,故只要计算 ( ) D X 即可. X 概率密度函数 ( ) f x 是偶函数,则 ( ) xf x 为奇函数,所以 ( ) ( ) 0 E X x f x dx      所以 2 2 2 2 ( ) ( ) ( ) [ ( )] ( ) E S D X E X E X E X     2 2 0 ( ) 2 ( ) x f x dx x f x dx        2 0 x x e dx    2 0 x x de    2 2 0 0 | x x x e e dx       2 0 0 | 2 x x x e xde       2 0 0 0 | 2 | 2 x x x x e xe e dx            0 0 2 0 ( 1)   
2.
二、 选择题
(7) 【答案】A --- [第 3 页] --- 【详解】 方法1:图示法. 因为 ( ) 0, f x   则 ( ) f x 严格单调增加;因为 ( ) 0, f x   则 ( ) f x 是凹函数,又 0 x   ,画 2 ( ) f x x  的图形 结合图形分析,就可以明显得出结论:0 dy y   . 方法2:用两次拉格朗日中值定理 0 0 0 ( ) ( ) ( ) y dy f x x f x f x x          (前两项用拉氏定理) 0 ( ) ( ) f x f x x        (再用一次拉氏定理) 0 ( )( ) f x x      , 其中 0 0 0 , x x x x          由于 ( ) 0 f x   ,从而 0 y dy    . 又由于 0 ( ) 0 dy f x x     ,故选[ ] A 方法3: 用拉格朗日余项一阶泰勒公式. 泰勒公式: 0 0 0 ( ) ( ) ( )( ) f x f x f x x x     ( ) 2 0 0 0 0 ( ) ( ) ( ) ( ) 2! ! n n n f x f x x x x x R n         , 其中 ( 1) 0 0 ( ) ( ) ( 1)! n n n f x R x x n     . 此时n 取1 代入,可得 2 0 0 0 1 ( ) ( ) ( ) ( )( ) 0 2 y dy f x x f x f x x f x            又由 0 ( ) 0 dy f x x    ,选( ) A .
(8) 【答案】C 【详解】题目考察该抽象函数在0 点处的函数值,及0 点处的左右导数,计算如下: 换元令 2 x h  ,由题设可得 2 2 0 0 ( ) ( ) lim lim 1 h x f h f x h x      . 于是 0 0 ( ) lim ( ) lim 1 0 0 x x f x f x x x         因为函数 ( ) f x 在点 0 x  处连续,故 0
(0) lim ( ) 0 x f f x     ,进而有 O x0 x0+Δx x y y=f(x) Δy dy --- [第 4 页] --- 0 0 ( ) ( )
(0) 1 lim lim
(0) 0 x x f x f x f f x x            . 这表明
(0) 0 f  且
(0) f 存在. 故应选( ) C .
(9) 【答案】D 【详解】 方法1:数列收敛的性质:收敛数列的四则运算后形成的新数列依然收敛 因为 1 n n a  收敛,所以 1 1 n n a    也收敛,所以 1 1 ( ) n n n a a      收敛,从而 1 1 2 n n n a a      也收敛.选D. 方法2:记 ( 1)n na n   ,则 1 n n a   收敛. 但 1 1 1 n n n a n        ,( p 级数, 1 2 p  级数发散); 1 1 1 1 1 n n n n a a n n           ( p 级数, 1 p 级数发散)均发散。由排除法可知,应选D.
(10) 【答案】B 【详解】线性方程解的性质与结构:1. 由非齐次线性微分方程的两个特解,求该方程的通 解;2. 线性非齐次微分方程的两个解的差是对应的齐次微分方程的解. 因为 1 2 ( ) ( ) y x y x  ,所以 1 2 ( ( ) ( )) y x y x  是齐次微分方程的一个非零解,C 是任意常 数,所以 1 2 ( ( ) ( )) C y x y x  是对应的齐次微分方程的通解. 再加上原非齐次方程的一个特 解,便得原非齐次方程的通解,[ B ].
(11) 【答案】D 【详解】 方法1:化条件极值问题为一元函数极值问题。 已知 0 0 ( , ) 0 x y   ,由( , ) 0 x y   ,在 0 0 , ) x y ( 邻域,可确定隐函数 ( ) y y x  , 满足 0 0 ( ) y x y  ,dy x y dx        。 0 0 , ) x y ( 是 ( , ) f x y 在条件 ( , ) 0 x y   下的一个极值点 0 x x   是 ( , ( )) z f x y x  的极值点。它的必要条件是 0 0 0 0 0 0 ( , ) ( , ) x x x x f x y f x y dz dy dx x y dx         0 0 0 0 0 0 0 0 0 ( , ) 0 ( , ) ( , ) ( , ) x y x x x y x y x y f x y f x y           若 0 0 ( , ) 0 xf x y   ,则 0 0 ( , ) 0 yf x y   ,或 0 0 ( , ) 0 x x y   ,因此不选( ) A ,( ) B . 若 0 0 ( , ) 0 xf x y   ,则 0 0 ( , ) 0 yf x y   (否则 0 0 x x dz dx   ). 因此选( ) D 方法2:用拉格朗日乘子法. 引入函数 ( , , ) ( , ) ( , ) F x y f x y x y     ,有 --- [第 5 页] --- ( , ) ( , ) 0
(1) ( , ) ( , ) 0
(2) ( , ) 0 x x x y y y F f x y x y F f x y x y F x y                        因为 0 0 ( , ) 0 y x y   ,所以 0 0 0 0 ( , ) ( , ) y y f x y x y      ,代入(1)得 0 0 0 0 0 0 0 0 ( , ) ( , ) ( , ) ( , ) y x x y f x y x y f x y x y        若 0 0 ( , ) 0 xf x y   ,则 0 0 ( , ) 0 yf x y   ,选( ) D
(12) 【答案】A 【详解】 方法1:若 1 2 , , , s    线性相关, 则由线性相关定义存在不全为0 的数 1 2 s , , , k k k  使得 1 1 2 2 0 s s k k k         为了得到 1 2 , , , s A A A     的形式,用A 左乘等式两边, 得 1 1 2 2 0 s s k A k A k A         ① 于是存在不全为0 的数 1 2 s , , , k k k  使得①成立,所以 1 2 , , , s A A A     线性相关. 方法2 :如果用秩来解,则更加简单明了. 只要熟悉两个基本性质, 它们是:
1. 1 2 , , , s    线性相关 1 2 ( , , , ) s r s     ;2. ( ) ( ) r AB r B  . 矩阵 1 2 1 2 ( , , , ) ( , , , ) s s A A A A         , 设 1 2 s B ( , , , )     ,则由 ( ) ( ) r AB r B  得 1 2 1 2 ( , , , ) ( , , , ) s s r A A A r s          . 所以答案应该为( A ).
(13) 【答案】B 【详解】用初等矩阵在乘法中的作用(矩阵左乘或右乘初等矩阵相当于对矩阵进行初等行变 换或列变换)得出 将A 的第2 行加到第1 行得B ,即 1 1 0 0 1 0 0 0 1 B A           记 PA 将B 的第1 列的-1 倍加到第2 列得C ,即 1 1 0 0 1 0 0 0 1 C B             记 BQ --- [第 6 页] --- 因为PQ  1 1 0 0 1 0 0 0 1           1 1 0 0 1 0 0 0 1            E  ,故 1 Q P E   1 P  . 从而 1 1 C BQ BP PAP      ,故选( B ).
(14) 【答案】A. 【详解】由于X 与Y 的分布不同,不能直接判断 1 {| | 1} P X    和 2 {| | 1} P Y    的大小 与参数关系. 如果将其标准化后就可以方便地进行比较了。 随机变量标准化,有 1 1 X    ~ (0,1) N ,且其概率密度函数是偶函数. 所以 1 1 1 1 1 ( 1) ( ) X P X P          1 1 1 1 1 1 1 1 2 0 2[ ( )
(0) ] 2 ( ) 1 X P                    . 同理有, 2 2 1 ( 1) 2 ( ) 1 P Y       因为 ( )x  是单调递增函数,当 1 2 {| | 1} {| | 1} P X P Y        时, 1 1 2 ( ) 1    2 1 2 ( ) 1   ,即 1 2 1 1    ,所以 1 2    ,故选(A).
三、 解答题
(15) 【详解】题目考察二元函数的极限,求( ) g x 时,可以将y 视为常数 (I) ( ) lim ( , ) lim [ ] 1 sin 1 arctan g x f x y y y x y y y xy x         , 由于 0 x  ,所以lim sin lim , y y x x y y x y y         1 1 lim lim , 1 1 y y y xy x x y       所以 1 1 ( ) arctan x g x x x     . (II) 2 2 2 0 0 0 0 1 1 arctan arctan lim ( ) lim( ) lim lim arctan arctan x x x x x x x x x x x g x x x x x x                   --- [第 7 页] --- 2 2 2 0 0 1 1 2 2 2 1 lim lim 2 2(1 ) x x x x x x x x                
(16) 【详解】题目考察二重积分的计算,画出积分区域,化为累次积分即可以很容易求出。 计算步骤如下: 积分区域D 如下图所示. {( , ) 0 1,0 } D x y y x y      , 故 1 2 2 0 0 y D y xydxdy dy y xydx       3 1 2 0 2 ( ) 0 3 y y y x dy    1 2 0 2 3 y dy  2 9  .
(17) 【详解】令 ( ) sin 2cos f x x x x x     ,只需证明0 x   时, ( ) f x 单调增加(严格) ( ) sin cos 2sin f x x x x x       cos sin x x x     ( ) cos sin cos sin 0 f x x x x x x x       ( ) f x   单调减少(严格), 又 ( ) cos 0 f         ,故0 x    时 ( ) 0 f x   ,则 ( ) f x 单调增加(严格) ( ) ( ) b a f b f a   由 有 得证
(18) 【详解】(I) 设所求的曲线方程为 ( ) y y x  ,按题意,在其上任意一点 ( , ) P x y 处的切线 斜率y与OP 的斜率y x 的差等于 ( 0, 0) ax a x   ,即有 y y ax x   , 并且有初始条件
(1) 0 y  . 解之,按一阶线性微分方程解的公式,有 --- [第 8 页] --- 1 1 ln ln [ ] [ ] [ ] ( ) dx dx x x x x y e axe dx C e axe dx C x adx C x ax C                (以上 1dx x 不写成ln x 而可以写成ln x 的原因是,题中有初始条件(1) 0 y  ,x 取在1处 而微分方程的解应是连续的,题设 0 x  ,故其解只能取在包含 1 x  而不跨过 0 x  区间, 故 0 x  ,因此ln x 可以写成ln x ). 再由(1) 0 y  定出C a ,于是所求的曲线方程为 ( 1), 0 y ax x a    . (II) 直线y ax  与曲线 ( 1) y ax x   的交点(0,0) 与(2,2 ) a . 所以直线y ax  与曲线 ( 1) y ax x   所围平面图形的面积为 2 2 2 0 0 4 ( ) [ ( 1)] [2 ] 3 S a ax ax x dx ax ax dx a         按题意,4 8 3 3 a  ,故 2 a  .
(19) 【详解】 记 -1 2 1 (-1 (2 -1) n n n x u n n   ) ,有 2 3 (-1 2 ( 1)(2 1) 1 lim lim -1 2 1 (-1 (2 -1) n n x u n n n x n n un n n x n n          ) ) 所以,当 2 1 x  即 1 x 时,原级数绝对收敛; 当 2 1 x  ,即 1 x  时,原级数通项不趋于0,级数发散, 所以,收敛半径 1 R  . 在 1 x 处 -1 (-1 (2 -1) n nu n n   ),级数 1 n n u   绝对收敛,故收敛域为[ 1,1]  . 求和函数,应在收敛区间内进行,即 [ 1,1] x , 由 -1 2 1 -1 2 (-1 (-1 (2 -1) (2 -1) 1 1 n n n n x x x n n n n n n         ) ) 令 -1 2 (-1 ( ) (2 -1) 1 n n x f x n n n    ) 有 -1 2 -1 2 -1 2 1 (-1 (-1 2(-1 ( ) ( ) ( ) (2 -1) (2 -1) 2 -1 1 1 1 n n n n n n x x x f x n n n n n n n n                 ) ) ) -1 2 1 -1 2 1 2(-1 2(-1 -1 2 2 ( ) ( ) ( ) 2 (-1 2 -1 2 -1 1 1 1 n n n n x x n n f x x n n n n n                   ) ) ) 2 2 2 2 (-1 2 ( 2 1 0 0 n n n x x x n n            ) ) . --- [第 9 页] --- 再倒回去,有 2 0 0 2 ( )
(0) ( ) 0 2arctan 1 x x f x f f t dt dt x t            ( )
(0) ( ) 0 2 arctan 0 0 x x f x f f t dt xdt       2 2 2[arctan | ] 2 arctan ln(1 ) 0 0 2 1 x x t dt x t x t        . 于是 1 2 1 ( 1 2 2 2 arctan ln(1 ), 1 1 (2 -1) 1 n n x x t x x x n n n             ) . 又因在 1 x 处级数收敛,右边和函数的表达式在 1 x 处连续,因此,在 1 x 处上式 仍成立,即有     1 2 1 1 2 2 ( ) 2 arctan ln(1 ), 1 1 2 1 1 n n x s x x x x x x n n n              
(20) 【详解】 方法1:记 1 2 3 4 [ , , , ] A   ,则 1 2 3 4 1 2 3 4 | | 1 2 3 4 1 2 3 4 a a A a a      把所有列都加到第一列 10 2 3 4 10 2 3 4 10 2 3 4 10 2 3 4 a a a a a a a          把第一列公因式(10 ) a  提到行列式前面 1 2 3 4 1 2 3 4 (10 ) 1 2 3 4 1 2 3 4 a a a a      3 1 2 3 4 0 0 0 (10 ) ( 10) 0 0 0 0 0 0 a a a a a a     线性相关的定义:存在一组不等于零的数 1 2 3 4 k ,k ,k ,k , 使得 1 1 2 2 3 3 4 4 0 k k k k         成立,则 1 2 3 4 , , , 线性相关. 于是当 0 A  时方程组 1 1 2 2 3 3 4 4 0 k k k k         有非零解,此时满足线性相关的定 义. 即: 3 ( 10) 0 a a   ,解得当 0 a  或 10 a  时, 1 2 3 4 , , , 线性相关. 当 0 a  时, 1 为 1 2 3 4 , , , 的一个极大线性无关组,且 2 1 3 1 4 1 2 , 3 , 4        . --- [第 10 页] --- 当 10 a  时, 对A 作初等行变换. 9 2 3 4 1 8 3 4 1 2 7 4 1 2 3 6 A                      2 1 1 3 1 1 4 1 1 9 2 3 4 10 10 0 0 10 0 10 0 10 0 0 10                           2 1 10 3 1 10 4 1 10 9 2 3 4 1 1 0 0 1 0 1 0 1 0 0 1                       1 4 4 1 3 3 1 2 2 1 2 3 4 0 0 0 0 1 1 0 0 [ , , , ] 1 0 1 0 1 0 0 1                          可以看出由于 2 3 4 , , 为 1 2 3 4 , , ,  的一个极大线性无关组,且 1 2 3 4        , 故 2 3 4 , , 为 1 2 3 4 , , , 的一个极大线性无关组,且 1 2 3 4        . 方法2:记 1 2 3 4 [ , , , ] A   ,对A 施以初等行变换,有       2 1 1 3 1 1 4 1 1 1 2 3 4 1 2 3 4 1 2 3 4 0 0 1 2 3 4 0 0 1 2 3 4 0 0 a a a a a A B a a a a a a                                          当 0 a  时, 1 2 3 4 0 0 0 0 0 0 0 0 0 0 0 0 B             ,得  1 r A r B   ,因而 1 2 3 4 , , , 线性相关, 此时 1 为 1 2 3 4 , , , 的一个极大线性无关组,且 2 1 3 1 4 1 2 , 3 , 4        . 0 a  时,再对B 施以初等行变换,有       2 1 4 4 3 1 3 3 4 1 2 2 1 2 3 4 1 2 3 4 10 0 0 0 1 1 0 0 1 1 0 0 [ , , , ]. 1 0 1 0 1 0 1 0 1 0 0 1 1 0 0 1 a a a a a B C                         如果 10 a  ,C 的秩为4,故 1 2 3 4 , , , 线性无关;如果 10 a  时,C 的秩为3,故 1 2 3 4 , , ,  线性相关. 由于 2 3 4 , ,    是 1 2 3 4 , , ,    的一个极大线性无关组,且 1 2 3 4        ,于是 2 3 4 , ,  是 1 2 3 4 , , ,  的一个极大线性无关组, 1 2 3 4        . --- [第 11 页] ---
(21) 【详解】(I) 由题设条件 1 1 0 0 A    , 2 2 0 0 A    ,故 1 2 , 是A 的对应于 0  的特征向量,又因为 1 2 , 线性无关,故 0  至少是A 的二重特征值. 又因为A 的每行元 素之和为3 ,所以有 (1,1,1) (3,3,3) 3(1,1,1) T T T A   ,由特征值、特征向量的定义, 0 (1,1,1)T  是A 的特征向量, 特征值为 3 3  , 3 只能是单根, 3 0 3 0 k ,k   是全体特征 向量,从而知 0  是二重特征值. 于是A 的特征值为3,0,0 ;属于3 的特征向量: 3 3 3 0 k ,k   ;属于0 的特征向量: 1 1 2 2 k k    , 1 2 , k k 不都为0 . (Ⅱ) 为了求出可逆矩阵必须对特征向量进行单位正交化. 先将 0 单位化, 得 0 3 3 3 ( , , ) 3 3 3 T  . 对 1 2 , 作施密特正交化, 得 1 2 2 (0, , ) 2 2 T   , 2 6 6 6 ( , , ) 3 6 6 T   . 作 1 2 3 ( , , ) Q   , 则Q 是正交矩阵,并且 -1 3 0 0 0 0 0 0 0 0 T Q AQ Q AQ            (III)由 T Q AQ ,其中 1 T Q Q  1 1 1 1 2 1 6 2 3 6 6 3 0 2 1 1 1 0 0 0 6 3 2 2 3 1 1 1 1 1 1 3 3 3 6 2 3 1 1 1 6 2 3 0 0 0 1 1 1 2 1 0 0 0 0 1 1 1 6 3 1 1 1 1 1 1 1 1 1 3 3 3 6 2 3 T A Q Q                                                                                                    --- [第 12 页] --- 6 6 6 6 6 6 1 6 6 6 3 3 3 3 ( ) ( ) ( ( ) ) ( ) 2 2 2 2 3 3 2 2 0 3 3 0 2 2 3 3 3 2 2 3 3 3 ( ) ( ) ( ) 2 2 2 T T T T T T A E Q Q E Q E Q Q E Q Q Q Q Q QEQ QQ E                                                                                  .
(22) 【详解】 ( ) ( ) Y Y f y F y   , 由于 ( ) Xf x 是分段函数,所以在计算  2 P X y  时,要相应 分段讨论. 求 1 ( ,4) 2 F  2 1 1 ( , 4) ( , 4), 2 2 P X Y P X X       只是与X 有关,不必 先求出 ( , ) F x y 的函数. (I) 因为     2 ( ) Y F y P Y y P X y     ,当 0 y  时, ( ) 0; Y F y  当0 1 y   时, 0 0 1 1 3 ( ) ( ) 2 4 4 y Y y F y P y X y dx dx y           ; 当1 4 y   时, 0 1 0 1 1 1 1 ( ) ( ) 2 4 2 4 y Y F y P y X y dx dx y            ; 当 4 y  时, ( ) 1; Y F y  综上所述,有     2 0, 0 3 , 0 1 4 ( ) 1 1 , 1 4 2 4 1, 4 Y y y y F y P Y y P X y y y y                     由概率密度是分布函数在对应区间上的的微分,所以, 3 , 0 1 8 1 ( ) ( ) , 1 4 8 0, Y Y y y f y F y y y                 其他 这个解法是从分布函数的最基本的概率定义入手,对y 进行适当的讨论即可,属于基本 题型. --- [第 13 页] --- (Ⅱ) 由协方差的计算公式 2 3 2 cov( , ) cov( , ) ( ) ( ) ( ) X Y X X E X E X E X     需要计算 ( E X), 2 ( ) E X , 3 ( ) E X . 0 2 -1 0 1 ( ) 2 4 4 X x x E X xf x dx dx dx          () ; 2 2 0 2 2 2 - -1 0 5 ( ) 2 4 6 X x x E X x f x dx dx dx          ( ) ; 3 3 0 2 3 3 - -1 0 7 ( ) 2 4 8 X x x E X x f x dx dx dx          ( ) . 故 2 3 2 cov( , ) cov( , ) ( ( ( X Y X X E X E X X    ) ) )7 1 5
2 . 8 4 6 3     (III) 根据二维随机变量的定义   ( , ) , F a b P X a Y b    ,有 2 1 1 1 1 ( ,4) ( , 4) , 4 2 2 2 2 2 F P X Y P X X P X                       由一维概率计算公式  ( ) b X a P a X b f x dx    有, ) 4, 2 1 ( F 1 2 1 1 1 2 4 dx      .
(23) 【答案】的矩估计 3 2 X     ;的最大似然估计 . N n    【详解】矩估计的实质在于用样本矩来估计相应的总体矩,此题中被估参数只有一个,故只 需要用样本一阶原点矩(样本均值)来估计总体的一阶原点矩(期望),所以矩估计的关键在于 找出总体的矩 ( ) E X . 最大似然估计,实质上就是找出使似然函数最大的那个参数,问题的关键在于构造似然 函数. 样本值中 ix 小于1 的概率是, ix 大于1 的概率是  1   . 因此,似然函数应为:   1 ( ) ; (1 ) . n N n N i i L f x           (I) 由数学期望的定义: 1 2 0 1 ( ) ( ; ) (1- ) E X xf x dx xdx xdx            1 3 3 (1 ) 2 2 2         样本均值 1 1 n i i X X n   用样本均值估计期望有 EX X  即3 2 X    ,解得 3 2 X   . --- [第 14 页] --- 所以参数的矩估计为 3 2 X     . 其中 1 1 n i i X X n   . (Ⅱ) 对样本 nx x x  , , 2 1 按照 1  或者 1  进行分类,不妨设: 1 2 , , p p pN x x x  1  , 1 2 , , pN pN pn x x x   1  . 似然函数 1 2 1 2 (1 ) , , 1, , , 1 ( ) 0, N n N p p pN pN pN pn x x x x x x L               , 其他 , 在 1 2 , , 1 p p pN x x x   , 1 2 , , 1 pN pN pn x x x     时,等式两边同取自然对数得 ) 1 ln( ) ( ln ) ( ln        N n N L , 由于ln ( ) L 和( ) L 在的同一点取得最大值,所以令 0 1 ) ( ln          N n N d L d , 解得 N n  ,所以的最大似然估计值为 N n    .