第6讲考点手册:补两个正态总体的区间估计与假设检验
- §4.5 两总体区间估计(mu1-mu2 的 U/T 分布、sigma1^2/sigma2^2 的 F 分布) - §5.6 两总体假设检验拒绝域表 - 补 MLE 不变性、F(1,n-1) 推论、经验分布函数、第 k 个顺序统计量 - 大纲要求但十年未考,标注为高性价比冷门 - 同步重生成第6讲 PDF
This commit is contained in:
@@ -127,5 +127,52 @@
|
|||||||
|
|
||||||
### 待办(更新)
|
### 待办(更新)
|
||||||
|
|
||||||
- **所有 PDF(第 3 讲 6 份 + 第 5 讲 3 份 + 第 6 讲 3 份,共 12 份)均未推送**;`每日小练` 两套并列 02 与 `总览` 不一致仍待处理。
|
- ~~所有 PDF 未推送~~ → **已于本日推送**(见下节)。
|
||||||
|
- `每日小练` 两套并列 02 与 `总览` 不一致仍待处理(唯一遗留)。
|
||||||
- 第 4 讲(数字特征)仍未建文件夹;第 6 讲的区间估计/假设检验反复用到它,建议补。
|
- 第 4 讲(数字特征)仍未建文件夹;第 6 讲的区间估计/假设检验反复用到它,建议补。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 推送到云(commit `31fe3da`)
|
||||||
|
|
||||||
|
**用户**:「更新到云」。
|
||||||
|
|
||||||
|
- 推送前检查(固定流程):`git fetch` → 差异计数 **0/0**(本地与云端一致)→ 待推送 **27 新增 + 4 修改、无删除**、体积 **8.8M**(12 份 PDF 占 8.7M)。
|
||||||
|
- `.gitignore` 规则复查正常:`参考仓库/`、`papers/images/`、`md2pdf/build/` 均正确排除,无误伤。
|
||||||
|
- 推送结果:`82f15e1..31fe3da main -> main`,退出码 0;云端与本地同为 `31fe3da`,`git status -sb` 无 ahead/behind。
|
||||||
|
- 内容:第 5 讲整章(4 md + 3 PDF)、第 6 讲整章(4 md + 3 PDF)、第 3 讲中高难度卷(2 md + 2 PDF)+ 四件套 PDF×4、`md2pdf.js`/`shot.js` 工具链、3 个 memory 文件;`总览.md`、`.gitignore`、第 3 讲手册/试题/README 更新。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 第6讲考点手册 · 覆盖度审计与补全
|
||||||
|
|
||||||
|
**用户**:「第六讲知识点覆盖全面吗?我看讲课的时候讲的内容挺多的」。
|
||||||
|
|
||||||
|
### 审计结论
|
||||||
|
|
||||||
|
- **真题维度:15/15 全覆盖**(ch20 2 题、ch21 10 题、ch22 3 题,手册 §7 落点地图逐题对应),无遗漏。
|
||||||
|
- **大纲维度:发现缺口** —— **数一大纲明确要求"两个正态总体的均值差与方差比的区间估计""两个正态总体的假设检验"**,而手册原先只在 §2.5 写了**两总体抽样分布三定理**,**没有延伸到区间估计与检验**。参考仓库同样缺失(关键词"两总体/均值差/方差比"命中 0),**故属本手册可超越仓库的点**。
|
||||||
|
- 全库检索确认:真题十年**从未考两总体区间/检验**("两个正态"0 命中,仅 2023·9 用两总体**方差比分布**)。故属"**大纲要求但十年未考的高性价比冷门**"。
|
||||||
|
- 其他小缺:**MLE 不变性**($\widehat{g(\theta)}=g(\hat\theta)$)、$\frac{n(\bar X-\mu)^2}{S^2}\sim F(1,n-1)$ 推论、经验分布函数、第 $k$ 个顺序统计量密度。
|
||||||
|
|
||||||
|
### 补全内容(`01-考点手册.md`,583 → 657 行)
|
||||||
|
|
||||||
|
- **新增 §4.5 两个正态总体的区间估计**:$\mu_1-\mu_2$($\sigma$ 已知用 $U$ / 相等未知用 $T$,合并方差 $S_w^2$)+ $\sigma_1^2/\sigma_2^2$($F(m-1,n-1)$,**两端反着放**)。
|
||||||
|
- **新增 §5.6 两个正态总体的假设检验**:均值差 $U/T$ 检验 + 方差比 $F$ 检验(拒绝域表)。
|
||||||
|
- **§3.2 新增「极大似然估计的不变性原理」**:例(正态 $\hat\sigma^2_{MLE}=\frac1n\sum(X_i-\bar X)^2$、$U(0,\theta)$ 的 $X_{(n)}^2$)+ **强调"无偏性没有不变性"**这一辨析点。
|
||||||
|
- **§2.5(一)新增 ⑤**:$\frac{n(\bar X-\mu)^2}{S^2}\sim F(1,n-1)$(由 ④ 平方)。
|
||||||
|
- **新增 §1.3 经验分布函数**(含格利文科定理,标"了解"),原分组数据顺延为 §1.4。
|
||||||
|
- **§2.6 补第 $k$ 个顺序统计量密度**(标"了解")。
|
||||||
|
- **修正** §3.2 三类载体表中"幂型"一行密度书写错乱(原为 `\dfrac{\theta x^{\theta-1}}{\ }`)。
|
||||||
|
- **§0.2 地图、§7.4 命题规律(补 2 条)、§8.1 速记十二条→十四条、§8.2 陷阱表(补 3 条)** 同步更新。
|
||||||
|
|
||||||
|
### 产出与同步
|
||||||
|
|
||||||
|
- 重生成 `PDF/概率论第6讲-考点手册.pdf`(**16 → 19 页**),截图验收 §4.5(均值差两行表 + 方差比区间)与 §5.6(三行拒绝域表)渲染均正常。
|
||||||
|
- 同步 `README.md`(文件表描述加"单+两总体"、PDF 页数、训练目标补"大纲要求但十年未考"一条)、`总览.md`(第 6 讲 01 描述与 PDF 页数)。
|
||||||
|
|
||||||
|
### 待办
|
||||||
|
|
||||||
|
- 两总体考点**已补入手册,但尚未配题**——如需,可在 `02-试题`/`03-解析` 补 2–3 道(区间估计 1 + 检验 1 + MLE 不变性 1)。
|
||||||
|
- 本轮改动(手册/README/总览/PDF)**未推送**。
|
||||||
|
- `每日小练` 两套并列 02 与 `总览` 不一致仍待处理;第 4 讲(数字特征)仍缺文件夹。
|
||||||
|
|||||||
@@ -9,6 +9,7 @@
|
|||||||
- 答疑按**题号增量追加**到 `04-答疑笔记.md`
|
- 答疑按**题号增量追加**到 `04-答疑笔记.md`
|
||||||
- 讲次 ↔ 真题库章节映射:**第3讲 多维随机变量 ↔ ch17**;**第5讲 大数定律与中心极限定理 ↔ ch19**;**第6讲 数理统计 ↔ ch20(基本概念)+ ch21(参数估计)+ ch22(假设检验)**。新讲次按「视频讲次 ↔ DB 章节」对应关系挂靠
|
- 讲次 ↔ 真题库章节映射:**第3讲 多维随机变量 ↔ ch17**;**第5讲 大数定律与中心极限定理 ↔ ch19**;**第6讲 数理统计 ↔ ch20(基本概念)+ ch21(参数估计)+ ch22(假设检验)**。新讲次按「视频讲次 ↔ DB 章节」对应关系挂靠
|
||||||
- 考点/试题**同一知识点只归属其"正统"讲次**(如切比雪夫不等式属第 5 讲,不在第 3 讲展开,仅留一行交叉链接)
|
- 考点/试题**同一知识点只归属其"正统"讲次**(如切比雪夫不等式属第 5 讲,不在第 3 讲展开,仅留一行交叉链接)
|
||||||
|
- **考点手册的覆盖面 = 大纲要求 ∪ 真题考过 ∪ 参考仓库涉及**,不能只写"真题考过的"(例:第6讲「两个正态总体的均值差/方差比区间估计与假设检验」大纲明确要求、十年未考,仍须写全,标注为"高性价比冷门")
|
||||||
- 真题库:`试卷/Kaoyan-Math1-Papers/papers/近十年真题题库/kaoyan_math1.db`(2016–2025,225 题,表 `question`)
|
- 真题库:`试卷/Kaoyan-Math1-Papers/papers/近十年真题题库/kaoyan_math1.db`(2016–2025,225 题,表 `question`)
|
||||||
- 参考仓库:`参考仓库/Math/`(`.tex`,已在 .gitignore 忽略,不入库)
|
- 参考仓库:`参考仓库/Math/`(`.tex`,已在 .gitignore 忽略,不入库)
|
||||||
|
|
||||||
|
|||||||
+2
-2
@@ -73,13 +73,13 @@ tags:
|
|||||||
│ │ └── 概率论第5讲-考点手册.pdf(8 页)
|
│ │ └── 概率论第5讲-考点手册.pdf(8 页)
|
||||||
│ └── 概率论-第6讲-数理统计/ ✓ 已出(2026-10-16,真题库第 20/21/22 章,15 题 116 分)
|
│ └── 概率论-第6讲-数理统计/ ✓ 已出(2026-10-16,真题库第 20/21/22 章,15 题 116 分)
|
||||||
│ ├── README.md ✓ 文件夹索引与规划
|
│ ├── README.md ✓ 文件夹索引与规划
|
||||||
│ ├── 01-考点手册.md ✓ 总体与样本 / 统计量及其分布 / 点估计 / 区间估计 / 假设检验 / 两类错误
|
│ ├── 01-考点手册.md ✓ 总体与样本 / 统计量及其分布 / 点估计(含 MLE 不变性)/ 区间估计(单+两总体)/ 假设检验(单+两总体)/ 两类错误
|
||||||
│ ├── 02-试题.md ✓ 18 题(A 基础 6 / B 中等 8 / C 拔高 4,不含答案)
|
│ ├── 02-试题.md ✓ 18 题(A 基础 6 / B 中等 8 / C 拔高 4,不含答案)
|
||||||
│ ├── 03-解析.md ✓ 18 题详解 + 命题质量报告
|
│ ├── 03-解析.md ✓ 18 题详解 + 命题质量报告
|
||||||
│ └── PDF/ ✓ 平板书写版(KaTeX 渲染,试题逐题留白)
|
│ └── PDF/ ✓ 平板书写版(KaTeX 渲染,试题逐题留白)
|
||||||
│ ├── 概率论第6讲-试题-答题版.pdf(17 页,A 半页 / B·C 整页留白)
|
│ ├── 概率论第6讲-试题-答题版.pdf(17 页,A 半页 / B·C 整页留白)
|
||||||
│ ├── 概率论第6讲-解析.pdf(13 页)
|
│ ├── 概率论第6讲-解析.pdf(13 页)
|
||||||
│ └── 概率论第6讲-考点手册.pdf(16 页)
|
│ └── 概率论第6讲-考点手册.pdf(19 页,含两总体区间估计与检验)
|
||||||
├── 模拟卷/ ← 模拟卷(按十年库命题的自测卷)
|
├── 模拟卷/ ← 模拟卷(按十年库命题的自测卷)
|
||||||
│ ├── 2027模拟卷一.md ✓ 已完成
|
│ ├── 2027模拟卷一.md ✓ 已完成
|
||||||
│ ├── 无穷级数专项练习.md ✓ 已完成
|
│ ├── 无穷级数专项练习.md ✓ 已完成
|
||||||
|
|||||||
@@ -42,8 +42,8 @@ tags:
|
|||||||
| §1 | 总体与样本(简单随机样本) | 🟦02 | 冷门(概念题不单独出) |
|
| §1 | 总体与样本(简单随机样本) | 🟦02 | 冷门(概念题不单独出) |
|
||||||
| §2 | **统计量及其分布**(三大分布 + 正态总体抽样分布) | 🟦03🟦04 | 隔年一道选填(🟨2017·8、🟨2023·9) |
|
| §2 | **统计量及其分布**(三大分布 + 正态总体抽样分布) | 🟦03🟦04 | 隔年一道选填(🟨2017·8、🟨2023·9) |
|
||||||
| §3 | **参数的点估计**(矩估计 / 极大似然 / 无偏有效一致) | 🟦05 | **★★★★★ 年年必考解答题** |
|
| §3 | **参数的点估计**(矩估计 / 极大似然 / 无偏有效一致) | 🟦05 | **★★★★★ 年年必考解答题** |
|
||||||
| §4 | 区间估计(枢轴变量法,仅数一) | 🟦06 | 数一选填(🟨2016·14) |
|
| §4 | 区间估计(枢轴变量法,**单总体四大 + 两总体两类**,仅数一) | 🟦06 | 数一选填(🟨2016·14) |
|
||||||
| §5 | 假设检验(六大检验与拒绝域,仅数一) | 🟦07 | 数一单选(🟨2025·10) |
|
| §5 | 假设检验(**单总体六大 + 两总体三类**与拒绝域,仅数一) | 🟦07 | 数一单选(🟨2025·10) |
|
||||||
| §6 | 两类错误(α 与 β) | 🟦08 | 数一单选(🟨2018·8、🟨2021·10) |
|
| §6 | 两类错误(α 与 β) | 🟦08 | 数一单选(🟨2018·8、🟨2021·10) |
|
||||||
|
|
||||||
### 0.3 三条主线
|
### 0.3 三条主线
|
||||||
@@ -75,7 +75,18 @@ $$F(x_1,\cdots,x_n)=\prod_{i=1}^{n}F(x_i),\qquad f(x_1,\cdots,x_n)=\prod_{i=1}^{
|
|||||||
|
|
||||||
> ⚠️ **这就是**"简单随机样本"**的全部价值**:有了独立性,$n$ 维联合分布才**等于一维分布的连乘**。后面极大似然估计的似然函数 $L(\theta)=\prod f(x_i;\theta)$ ,用的就是这一条。
|
> ⚠️ **这就是**"简单随机样本"**的全部价值**:有了独立性,$n$ 维联合分布才**等于一维分布的连乘**。后面极大似然估计的似然函数 $L(\theta)=\prod f(x_i;\theta)$ ,用的就是这一条。
|
||||||
|
|
||||||
### 1.3 分组数据(了解)
|
### 1.3 经验分布函数(了解)
|
||||||
|
|
||||||
|
把样本值从小到大排列后,定义
|
||||||
|
|
||||||
|
$$\hat F_n(x)=\frac1n\sum_{i=1}^{n}I\{X_i\le x\}=\frac{\text{样本中 } \le x \text{ 的个数}}{n},$$
|
||||||
|
|
||||||
|
即"**样本落在 $x$ 左侧的比例**",它是分布函数 $F(x)$ 的一个估计。
|
||||||
|
|
||||||
|
> **格利文科(Glivenko)定理**:$\sup\limits_{x}\lvert\hat F_n(x)-F(x)\rvert\xrightarrow{\text{a.s.}}0$ ,即样本足够大时,**经验分布函数一致逼近真实分布**。
|
||||||
|
> 数一大纲不直接考,但它是"**用样本分布代替总体分布**"这一整套统计思想的来源——矩估计法中"样本矩 → 总体矩"就是它的特例。
|
||||||
|
|
||||||
|
### 1.4 分组数据(了解)
|
||||||
|
|
||||||
若样本值被整理成频数分布,第 $i$ 组组中值 $c_i$ 、频数 $n_i$ ,则
|
若样本值被整理成频数分布,第 $i$ 组组中值 $c_i$ 、频数 $n_i$ ,则
|
||||||
|
|
||||||
@@ -177,7 +188,8 @@ $$\boxed{\begin{aligned}
|
|||||||
&\text{①}\quad \bar X\sim N\!\left(\mu,\frac{\sigma^2}{n}\right)\ \Longleftrightarrow\ \frac{\bar X-\mu}{\sigma/\sqrt n}=\frac{\sqrt n(\bar X-\mu)}{\sigma}\sim N(0,1)\\[6pt]
|
&\text{①}\quad \bar X\sim N\!\left(\mu,\frac{\sigma^2}{n}\right)\ \Longleftrightarrow\ \frac{\bar X-\mu}{\sigma/\sqrt n}=\frac{\sqrt n(\bar X-\mu)}{\sigma}\sim N(0,1)\\[6pt]
|
||||||
&\text{②}\quad \frac{1}{\sigma^2}\sum_{i=1}^{n}(X_i-\mu)^2\ \sim\ \chi^2(n)\qquad(\mu\ \text{已知})\\[6pt]
|
&\text{②}\quad \frac{1}{\sigma^2}\sum_{i=1}^{n}(X_i-\mu)^2\ \sim\ \chi^2(n)\qquad(\mu\ \text{已知})\\[6pt]
|
||||||
&\text{③}\quad \frac{(n-1)S^2}{\sigma^2}=\frac{1}{\sigma^2}\sum_{i=1}^{n}(X_i-\bar X)^2\ \sim\ \chi^2(n-1)\qquad(\mu\ \text{未知})\\[6pt]
|
&\text{③}\quad \frac{(n-1)S^2}{\sigma^2}=\frac{1}{\sigma^2}\sum_{i=1}^{n}(X_i-\bar X)^2\ \sim\ \chi^2(n-1)\qquad(\mu\ \text{未知})\\[6pt]
|
||||||
&\text{④}\quad \bar X\ \text{与}\ S^2\ \textbf{相互独立},\qquad \frac{\sqrt n(\bar X-\mu)}{S}\ \sim\ t(n-1)\qquad(\sigma\ \text{未知})
|
&\text{④}\quad \bar X\ \text{与}\ S^2\ \textbf{相互独立},\qquad \frac{\sqrt n(\bar X-\mu)}{S}\ \sim\ t(n-1)\qquad(\sigma\ \text{未知})\\[6pt]
|
||||||
|
&\text{⑤}\quad \frac{n(\bar X-\mu)^2}{S^2}\ \sim\ F(1,\ n-1)\qquad\big(\text{由 ④ 取平方,}t^2\sim F(1,n-1)\big)
|
||||||
\end{aligned}}$$
|
\end{aligned}}$$
|
||||||
|
|
||||||
> **②→③ 的口诀**:**"$\mu$ 换成 $\bar X$ ,自由度减一"**。
|
> **②→③ 的口诀**:**"$\mu$ 换成 $\bar X$ ,自由度减一"**。
|
||||||
@@ -240,6 +252,12 @@ $$F_{(1)}(x)=1-[1-F(x)]^n,\qquad f_{(1)}(x)=n[1-F(x)]^{n-1}f(x).$$
|
|||||||
|
|
||||||
> **一般式**:若 $f(x)=\dfrac{kx^{k-1}}{\theta^k},0<x<\theta$ ,则 $X_{(n)}$ 服从「幂型」,$EX_{(n)}=\dfrac{kn}{kn+1}\theta$ 。
|
> **一般式**:若 $f(x)=\dfrac{kx^{k-1}}{\theta^k},0<x<\theta$ ,则 $X_{(n)}$ 服从「幂型」,$EX_{(n)}=\dfrac{kn}{kn+1}\theta$ 。
|
||||||
|
|
||||||
|
**(了解)第 $k$ 个顺序统计量的密度**
|
||||||
|
|
||||||
|
$$f_{(k)}(x)=\frac{n!}{(k-1)!\,(n-k)!}\,\big[F(x)\big]^{k-1}\,\big[1-F(x)\big]^{n-k}\,f(x),$$
|
||||||
|
|
||||||
|
把 $k=1$ 、$k=n$ 代进去,正好还原上面的 min、max 两式。数一大纲不直接要求,但讲课时会提——**考场上 max/min 够用了**。
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
## 3. 参数的点估计 🟦05 🟨(本讲分值最重)
|
## 3. 参数的点估计 🟦05 🟨(本讲分值最重)
|
||||||
@@ -292,12 +310,25 @@ $$\begin{cases}E X=\bar X\\[4pt] E X^2=\dfrac1n\sum X_i^2\end{cases}\ \Longright
|
|||||||
|---|---|---|---|
|
|---|---|---|---|
|
||||||
| 拉普拉斯 | $\dfrac{1}{2\lambda}\mathrm e^{-\lvert x\rvert/\lambda}$ | $\hat\lambda=\dfrac1n\sum\lvert X_i\rvert$ | $\hat\lambda=\dfrac1n\sum\lvert X_i\rvert$ |
|
| 拉普拉斯 | $\dfrac{1}{2\lambda}\mathrm e^{-\lvert x\rvert/\lambda}$ | $\hat\lambda=\dfrac1n\sum\lvert X_i\rvert$ | $\hat\lambda=\dfrac1n\sum\lvert X_i\rvert$ |
|
||||||
| 均匀 $U(0,\theta)$ | $\dfrac1\theta,0<x<\theta$ | $\hat\theta=2\bar X$ | $\hat\theta=X_{(n)}$ |
|
| 均匀 $U(0,\theta)$ | $\dfrac1\theta,0<x<\theta$ | $\hat\theta=2\bar X$ | $\hat\theta=X_{(n)}$ |
|
||||||
| 幂型 $f=\dfrac{\theta x^{\theta-1}}{\ }$($0<x<1,\theta>0$) | $\theta x^{\theta-1}$ | $\hat\theta=\dfrac{\bar X}{1-\bar X}$ | $\hat\theta=-\dfrac{n}{\sum\ln X_i}$ |
|
| 幂型 | $f(x)=\theta x^{\theta-1}$ ($0<x<1,\ \theta>0$ ) | $\hat\theta=\dfrac{\bar X}{1-\bar X}$ | $\hat\theta=-\dfrac{n}{\sum\ln X_i}$ |
|
||||||
|
|
||||||
> **两个特殊的"坑"分布**:
|
> **两个特殊的"坑"分布**:
|
||||||
> - **半正态**(含 $x\ge\mu$ 的指示):$\hat{\sigma^2}=\dfrac1n\sum(X_i-\mu)^2$ ;常数 $A=\sqrt{2/\pi}$ ;
|
> - **半正态**(含 $x\ge\mu$ 的指示):$\hat{\sigma^2}=\dfrac1n\sum(X_i-\mu)^2$ ;常数 $A=\sqrt{2/\pi}$ ;
|
||||||
> - **两样本同参数**(如 $X\sim P(\lambda)$ 、$Y\sim P(2\lambda)$ ):把**两组似然先相乘再求导**,得 $\hat\lambda=\dfrac{\sum X_i+\sum Y_j}{n+2m}$ 。
|
> - **两样本同参数**(如 $X\sim P(\lambda)$ 、$Y\sim P(2\lambda)$ ):把**两组似然先相乘再求导**,得 $\hat\lambda=\dfrac{\sum X_i+\sum Y_j}{n+2m}$ 。
|
||||||
|
|
||||||
|
**极大似然估计的不变性原理(重要)**
|
||||||
|
|
||||||
|
> 若 $\hat\theta$ 是 $\theta$ 的极大似然估计,$g(\cdot)$ 是任意函数(通常单调),则 **$g(\hat\theta)$ 是 $g(\theta)$ 的极大似然估计**。
|
||||||
|
|
||||||
|
$$\widehat{g(\theta)}=g(\hat\theta).$$
|
||||||
|
|
||||||
|
**用途**:不必为新参数重新建似然函数。典型例子:
|
||||||
|
|
||||||
|
- 正态总体 $N(\mu,\sigma^2)$ :$\hat\sigma^2_{MLE}=\dfrac1n\sum(X_i-\bar X)^2$ (注意**除以 $n$ 、有偏**)⟹ 直接得 $\hat\sigma_{MLE}=\sqrt{\hat\sigma^2_{MLE}}$ ;
|
||||||
|
- $X\sim U(0,\theta)$ :$\hat\theta=X_{(n)}$ ⟹ $\theta^2$ 的 MLE 就是 $X_{(n)}^2$ 、$1/\theta$ 的 MLE 就是 $1/X_{(n)}$ 。
|
||||||
|
|
||||||
|
> ⚠️ **注意区分**:**无偏性没有不变性**!$E\hat\theta=\theta$ **推不出** $Eg(\hat\theta)=g(\theta)$ (如 $S=\sqrt{S^2}$ 就不是 $\sigma$ 的无偏估计)。**"MLE 有不变性,无偏性没有"**——这是常考的概念辨析点。
|
||||||
|
|
||||||
### 3.3 估计量的评价标准
|
### 3.3 估计量的评价标准
|
||||||
|
|
||||||
#### 3.3.1 无偏性(考得最多)
|
#### 3.3.1 无偏性(考得最多)
|
||||||
@@ -398,6 +429,29 @@ $$P\{\underline\theta<\theta<\bar\theta\}=1-\alpha .$$
|
|||||||
> $$\text{下限}=\bar X-\big(\text{上限}-\bar X\big)=2\bar X-\text{上限}.$$
|
> $$\text{下限}=\bar X-\big(\text{上限}-\bar X\big)=2\bar X-\text{上限}.$$
|
||||||
> **一句话**:**"上限 + 下限 = 2 $\bar X$ "**(仅对均值的对称区间成立;方差区间不成立)。
|
> **一句话**:**"上限 + 下限 = 2 $\bar X$ "**(仅对均值的对称区间成立;方差区间不成立)。
|
||||||
|
|
||||||
|
### 4.5 两个正态总体的区间估计 🟩(**数一大纲要求**)
|
||||||
|
|
||||||
|
设 $X_1,\cdots,X_m$ 来自 $N(\mu_1,\sigma_1^2)$ ,$Y_1,\cdots,Y_n$ 来自 $N(\mu_2,\sigma_2^2)$ ,**两组样本相互独立**,置信度 $1-\alpha$ 。
|
||||||
|
|
||||||
|
**(1)均值差 $\mu_1-\mu_2$ 的置信区间**
|
||||||
|
|
||||||
|
| 条件 | 枢轴量 | 置信区间 |
|
||||||
|
|---|---|---|
|
||||||
|
| $\sigma_1^2,\sigma_2^2$ **均已知** | $U=\dfrac{(\bar X-\bar Y)-(\mu_1-\mu_2)}{\sqrt{\sigma_1^2/m+\sigma_2^2/n}}\sim N(0,1)$ | $(\bar X-\bar Y)\pm u_{\alpha/2}\sqrt{\dfrac{\sigma_1^2}{m}+\dfrac{\sigma_2^2}{n}}$ |
|
||||||
|
| $\sigma_1^2=\sigma_2^2$ **未知**($T$ ) | $T=\dfrac{(\bar X-\bar Y)-(\mu_1-\mu_2)}{S_w\sqrt{\frac1m+\frac1n}}\sim t(m+n-2)$ | $(\bar X-\bar Y)\pm t_{\alpha/2}(m+n-2)\,S_w\sqrt{\dfrac1m+\dfrac1n}$ |
|
||||||
|
|
||||||
|
其中合并方差 $S_w^2=\dfrac{(m-1)S_1^2+(n-1)S_2^2}{m+n-2}$ 。
|
||||||
|
|
||||||
|
> **记法要点**:区间**中心永远是点估计 $\bar X-\bar Y$ **,半宽 = 「分位点 × 该估计量的标准差」。$\mu_1-\mu_2$ 的估计量方差是 $\dfrac{\sigma_1^2}{m}+\dfrac{\sigma_2^2}{n}$ (**两样本方差各自除以自身容量再相加**)——别漏掉任何一项。
|
||||||
|
|
||||||
|
**(2)方差比 $\sigma_1^2/\sigma_2^2$ 的置信区间**
|
||||||
|
|
||||||
|
由 $\dfrac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}\sim F(m-1,n-1)$ ,解出
|
||||||
|
|
||||||
|
$$\left[\ \frac{S_1^2}{S_2^2}\cdot\frac{1}{F_{\alpha/2}(m-1,n-1)},\quad \frac{S_1^2}{S_2^2}\cdot\frac{1}{F_{1-\alpha/2}(m-1,n-1)}\ \right].$$
|
||||||
|
|
||||||
|
> **⚠️ 两端同样"反着放"**:因为 $\sigma_1^2/\sigma_2^2$ 在**分母**,且 $F$ 分布不对称——**大分位点配下限、小分位点配上限**。附:$F_{1-\alpha/2}(m-1,n-1)=\dfrac{1}{F_{\alpha/2}(n-1,m-1)}$ ,查表时要**两个自由度都互换**。
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
## 5. 假设检验 🟦07 🟨2025·10(**仅数学一**)
|
## 5. 假设检验 🟦07 🟨2025·10(**仅数学一**)
|
||||||
@@ -454,6 +508,19 @@ $$P\{\underline\theta<\theta<\bar\theta\}=1-\alpha .$$
|
|||||||
|
|
||||||
具体地:**$\mu_0$ 落在置信区间内 $\Longleftrightarrow$ 不拒绝 $H_0:\mu=\mu_0$ **。所以两类问题常常互相转化。
|
具体地:**$\mu_0$ 落在置信区间内 $\Longleftrightarrow$ 不拒绝 $H_0:\mu=\mu_0$ **。所以两类问题常常互相转化。
|
||||||
|
|
||||||
|
### 5.6 两个正态总体的假设检验 🟩(**数一大纲要求**)
|
||||||
|
|
||||||
|
两组样本来自 $N(\mu_1,\sigma_1^2)$ (容量 $m$ )与 $N(\mu_2,\sigma_2^2)$ (容量 $n$ )且相互独立。
|
||||||
|
|
||||||
|
| 检验对象 | 条件 | 统计量 | 拒绝域(以 $H_1$ 方向定) |
|
||||||
|
|---|---|---|---|
|
||||||
|
| $\mu_1=\mu_2$ | $\sigma_1^2,\sigma_2^2$ **已知**($U$ 检验) | $U=\dfrac{\bar X-\bar Y}{\sqrt{\frac{\sigma_1^2}{m}+\frac{\sigma_2^2}{n}}}$ | 双侧 $\lvert u\rvert\ge u_{\alpha/2}$ ;单侧 $u\ge u_\alpha$ 或 $u\le-u_\alpha$ |
|
||||||
|
| $\mu_1=\mu_2$ | $\sigma_1^2=\sigma_2^2$ **未知**($T$ 检验) | $T=\dfrac{\bar X-\bar Y}{S_w\sqrt{\frac1m+\frac1n}}\sim t(m+n-2)$ | 双侧 $\lvert t\rvert\ge t_{\alpha/2}(m+n-2)$ |
|
||||||
|
| $\sigma_1^2=\sigma_2^2$ | 两总体**正态**($F$ 检验) | $F=\dfrac{S_1^2}{S_2^2}\sim F(m-1,n-1)$ | 双侧 $F\le F_{1-\alpha/2}(m-1,n-1)$ 或 $F\ge F_{\alpha/2}(m-1,n-1)$ |
|
||||||
|
|
||||||
|
> **口诀与单总体完全同构**:**"均值比用 $U/T$ (看方差是否已知),方差比用 $F$ "**;方向一律**跟着 $H_1$ 跑**。
|
||||||
|
> **⚠️ $F$ 检验的"不对称"**:$F$ 分布不对称,所以双侧拒绝域要**两端分别查表**;且注意**分子方差配 $(m-1)$ 、分母方差配 $(n-1)$ **,自由度顺序别反。
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
## 6. 两类错误 🟦08 🟨2018·8 🟨2021·10
|
## 6. 两类错误 🟦08 🟨2018·8 🟨2021·10
|
||||||
@@ -541,12 +608,14 @@ $$\alpha=P\{\text{拒绝}H_0\mid H_0\text{为真}\},\qquad \beta=P\{\text{接受
|
|||||||
3. **无偏估计紧跟其后**:2016·23、2021·9、2023·10、2024·22,**四年考了四道**,典型套路是**「给一个带参数的统计量,反解系数使无偏」**。
|
3. **无偏估计紧跟其后**:2016·23、2021·9、2023·10、2024·22,**四年考了四道**,典型套路是**「给一个带参数的统计量,反解系数使无偏」**。
|
||||||
4. **假设检验只考选填**(4–5 分),且只在 **2018、2021、2025** 出现,**三年一轮**——考的是**方向判断**与**概念辨析**,不考查表计算。
|
4. **假设检验只考选填**(4–5 分),且只在 **2018、2021、2025** 出现,**三年一轮**——考的是**方向判断**与**概念辨析**,不考查表计算。
|
||||||
5. **区间估计**只考过一次(2016·14),属**低频**,但**只在数一**出现。
|
5. **区间估计**只考过一次(2016·14),属**低频**,但**只在数一**出现。
|
||||||
|
6. **两个正态总体的区间估计与检验(§4.5 / §5.6):大纲明确要求,近十年却从未考**——属"**高性价比冷门**"。一旦出现就是套公式的送分题,两张表(均值差、方差比)务必背熟。
|
||||||
|
7. **经验分布函数(§1.3)、第 $k$ 个顺序统计量(§2.6)**:数一大纲不直接要求,讲课会提到,考试不出——**了解即可**,别在这上面花计算时间。
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
## 8. 速查卡 · 陷阱清单
|
## 8. 速查卡 · 陷阱清单
|
||||||
|
|
||||||
### 8.1 速记十二条
|
### 8.1 速记十四条
|
||||||
|
|
||||||
1. **简单随机样本 = i.i.d.**;联合分布 = 一维分布**连乘**(这是 MLE 的根)。
|
1. **简单随机样本 = i.i.d.**;联合分布 = 一维分布**连乘**(这是 MLE 的根)。
|
||||||
2. **统计量不能含未知参数**——含 $\mu$ 、$\sigma$ 的统统不是。
|
2. **统计量不能含未知参数**——含 $\mu$ 、$\sigma$ 的统统不是。
|
||||||
@@ -560,6 +629,8 @@ $$\alpha=P\{\text{拒绝}H_0\mid H_0\text{为真}\},\qquad \beta=P\{\text{接受
|
|||||||
10. 均值的双侧区间**关于 $\bar X$ 对称** ⟹ **上限 + 下限 = $2\bar X$ **。
|
10. 均值的双侧区间**关于 $\bar X$ 对称** ⟹ **上限 + 下限 = $2\bar X$ **。
|
||||||
11. 检验**方向跟着 $H_1$ **;$\sigma^2=2$ 时标准差是 $\sqrt2$ 。
|
11. 检验**方向跟着 $H_1$ **;$\sigma^2=2$ 时标准差是 $\sqrt2$ 。
|
||||||
12. **小 $\alpha$ 拒绝 ⟹ 大 $\alpha$ 必拒绝;大 $\alpha$ 接受 ⟹ 小 $\alpha$ 必接受。**
|
12. **小 $\alpha$ 拒绝 ⟹ 大 $\alpha$ 必拒绝;大 $\alpha$ 接受 ⟹ 小 $\alpha$ 必接受。**
|
||||||
|
13. **两总体**:均值差区间/检验的中心是 $\bar X-\bar Y$ ,标准差 $\sqrt{\dfrac{\sigma_1^2}{m}+\dfrac{\sigma_2^2}{n}}$ (或 $S_w\sqrt{\dfrac1m+\dfrac1n}$ );方差比用 $F(m-1,n-1)$ ,**区间两端反着放**。
|
||||||
|
14. **MLE 有不变性**($\widehat{g(\theta)}=g(\hat\theta)$ ),**无偏性没有**($E\hat\theta=\theta$ 推不出 $Eg(\hat\theta)=g(\theta)$ )。
|
||||||
|
|
||||||
### 8.2 高频陷阱
|
### 8.2 高频陷阱
|
||||||
|
|
||||||
@@ -576,6 +647,9 @@ $$\alpha=P\{\text{拒绝}H_0\mid H_0\text{为真}\},\qquad \beta=P\{\text{接受
|
|||||||
| $\beta$ 忘记换 $H_1$ 下的分布 | $\beta$ 用的是**真值 $\mu_1$ **,不是 $\mu_0$ |
|
| $\beta$ 忘记换 $H_1$ 下的分布 | $\beta$ 用的是**真值 $\mu_1$ **,不是 $\mu_0$ |
|
||||||
| 认为"$\theta$ 落在置信区间内的概率是 $1-\alpha$ " | $\theta$ 是常数;是**区间**随机 |
|
| 认为"$\theta$ 落在置信区间内的概率是 $1-\alpha$ " | $\theta$ 是常数;是**区间**随机 |
|
||||||
| 单侧检验用了 $\alpha/2$ 分位点 | 单侧用 $u_\alpha$ 、$t_\alpha(n-1)$ |
|
| 单侧检验用了 $\alpha/2$ 分位点 | 单侧用 $u_\alpha$ 、$t_\alpha(n-1)$ |
|
||||||
|
| 两总体均值差漏掉某项方差 | $\dfrac{\sigma_1^2}{m}+\dfrac{\sigma_2^2}{n}$ **两项都要**,别只写一项 |
|
||||||
|
| 两总体方差比区间方向写反 | $\sigma_1^2/\sigma_2^2$ 在分母 ⟹ **大分位点配下限**(同 $\chi^2$ 区间) |
|
||||||
|
| 以为"无偏性"能传递 | 只有 **MLE** 有不变性;$E\hat\theta=\theta\not\Rightarrow Eg(\hat\theta)=g(\theta)$ |
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
|
|||||||
Binary file not shown.
Binary file not shown.
Binary file not shown.
@@ -29,7 +29,7 @@ tags:
|
|||||||
|
|
||||||
| 文件 | 用途 | 打开时机 |
|
| 文件 | 用途 | 打开时机 |
|
||||||
|---|---|---|
|
|---|---|---|
|
||||||
| **[[01-考点手册]]** | 全考点:总体与样本 / **统计量及其分布**(三大分布 + 正态总体抽样分布)/ **参数的点估计** / 区间估计 / 假设检验 / 两类错误 | 学之前/复习时 |
|
| **[[01-考点手册]]** | 全考点:总体与样本(含经验分布函数)/ **统计量及其分布**(三大分布 + 正态总体抽样分布,**单 + 两总体**)/ **参数的点估计**(矩估计、MLE 含**不变性**与不可微、无偏/有效/一致/MSE)/ 区间估计(**单总体四大 + 两总体两类**)/ 假设检验(**单总体六大 + 两总体三类**)/ 两类错误 | 学之前/复习时 |
|
||||||
| **[[02-试题]]** | 18 题分层练习(A 基础 6 / B 中等 8 / C 拔高 4),**不含答案** | 限时自测 |
|
| **[[02-试题]]** | 18 题分层练习(A 基础 6 / B 中等 8 / C 拔高 4),**不含答案** | 限时自测 |
|
||||||
| **[[03-解析]]** | 18 题详解 + 思路 + 易错点 + 真题骨架 + 命题质量报告 | 做完对答案 |
|
| **[[03-解析]]** | 18 题详解 + 思路 + 易错点 + 真题骨架 + 命题质量报告 | 做完对答案 |
|
||||||
|
|
||||||
@@ -38,6 +38,7 @@ tags:
|
|||||||
- 真题库 **第 20 章(数理统计的基本概念)2 题 · 第 21 章(参数估计)10 题 · 第 22 章(假设检验)3 题**,合计 **15 题、116 分**。
|
- 真题库 **第 20 章(数理统计的基本概念)2 题 · 第 21 章(参数估计)10 题 · 第 22 章(假设检验)3 题**,合计 **15 题、116 分**。
|
||||||
- **参数估计标注「热门」**:近十年**几乎年年一道 11–12 分解答题**,是本讲**唯一必拿的大题**;本卷 18 题中 15 题与之相关。
|
- **参数估计标注「热门」**:近十年**几乎年年一道 11–12 分解答题**,是本讲**唯一必拿的大题**;本卷 18 题中 15 题与之相关。
|
||||||
- **数学一独有**:区间估计(视频 06)、假设检验(视频 07)、两类错误(视频 08)——**只在数一考**,且都只出选填。
|
- **数学一独有**:区间估计(视频 06)、假设检验(视频 07)、两类错误(视频 08)——**只在数一考**,且都只出选填。
|
||||||
|
- **大纲要求但十年未考**:两个正态总体的均值差 / 方差比区间估计与假设检验(手册 **§4.5 / §5.6**)——属"高性价比冷门",一旦出现即套公式送分。
|
||||||
- 三条主线:**独立性**(简单随机样本 = i.i.d.)、**标准化**(拼 $\chi^2/t/F$ )、**矩替换**($\frac1n\sum X_i^k$ 换 $E X^k$ )。
|
- 三条主线:**独立性**(简单随机样本 = i.i.d.)、**标准化**(拼 $\chi^2/t/F$ )、**矩替换**($\frac1n\sum X_i^k$ 换 $E X^k$ )。
|
||||||
|
|
||||||
## 三、难度与用时
|
## 三、难度与用时
|
||||||
@@ -64,7 +65,7 @@ Markdown 内的 LaTeX 公式经 **KaTeX 服务端渲染**后打印为 A4 PDF,
|
|||||||
|---|---|---|
|
|---|---|---|
|
||||||
| `概率论第6讲-试题-答题版.pdf` | 17 | **主用**:18 题逐题留白(A 组半页 / B·C 组整页,带浅色虚框与横线格) |
|
| `概率论第6讲-试题-答题版.pdf` | 17 | **主用**:18 题逐题留白(A 组半页 / B·C 组整页,带浅色虚框与横线格) |
|
||||||
| `概率论第6讲-解析.pdf` | 13 | 答案与详解 |
|
| `概率论第6讲-解析.pdf` | 13 | 答案与详解 |
|
||||||
| `概率论第6讲-考点手册.pdf` | 16 | 复习查阅 |
|
| `概率论第6讲-考点手册.pdf` | 19 | 复习查阅(含**两总体区间估计与假设检验**、MLE 不变性) |
|
||||||
|
|
||||||
> **重新生成**:改完 `.md` 后运行
|
> **重新生成**:改完 `.md` 后运行
|
||||||
> `node .workbuddy/tools/md2pdf/md2pdf.js --in 02-试题.md --out PDF/概率论第6讲-试题-答题版.pdf --mode answer`
|
> `node .workbuddy/tools/md2pdf/md2pdf.js --in 02-试题.md --out PDF/概率论第6讲-试题-答题版.pdf --mode answer`
|
||||||
|
|||||||
Reference in New Issue
Block a user