MATLAB中，通过均匀随机变量，模拟产生1000个随机变量，使其服从参数力3的指数分布，进而计算这 1000 个随机数的样本均值和样本方差，并与总体均值和总体方差进行比较。

在MATLAB中，你可以使用`exp`函数生成指数分布的随机变量，同时利用`rand`函数生成均匀随机变量来作为指数分布的尺度参数。接下来，我们可以按照以下步骤进行操作：

1. **生成指数分布随机变量**：
使用`scale`参数为3的指数分布，可以这样表示：

   lambda = 1; % 指数分布的逆率
   uniform_randoms = rand(1,1000); % 生成均匀分布（0到1）
   exponential_rvs = -log(uniform_randoms) / lambda; % 转换为指数分布

2. **计算样本均值和样本方差**：

   sample_mean = mean(exponential_rvs);
   sample_variance = var(exponential_rvs);

3. **比较样本统计量与理论值**：
- **总体均值**：指数分布的均值是1/lambda，所以总体均值是1/3。
- **总体方差**：指数分布的方差也是1/lambda²，所以总体方差是1/(3^2)。

   theoretical_mean = 1/lambda;
   theoretical_variance = 1/(lambda^2);

   fprintf('Sample Mean: %.4f vs Theoretical Mean: %.4f\n', sample_mean, theoretical_mean);
   fprintf('Sample Variance: %.4f vs Theoretical Variance: %.4f\n', sample_variance, theoretical_variance);