Compare commits
2
Commits
31fe3da11f
...
a750fb2ca6
| Author | SHA1 | Date | |
|---|---|---|---|
|
|
a750fb2ca6 | ||
|
|
ab10f27f07 |
@@ -127,5 +127,52 @@
|
||||
|
||||
### 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。
|
||||
|
||||
---
|
||||
|
||||
## 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`
|
||||
- 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`)
|
||||
- 参考仓库:`参考仓库/Math/`(`.tex`,已在 .gitignore 忽略,不入库)
|
||||
|
||||
|
||||
@@ -0,0 +1,224 @@
|
||||
#!/usr/bin/env python3
|
||||
# -*- coding: utf-8 -*-
|
||||
"""
|
||||
fix_gitea_math.py —— 修复 Gitea 网页端 Markdown 公式/加粗不渲染的问题
|
||||
|
||||
【问题一:行内公式不渲染】
|
||||
Gitea 的解析器 modules/markup/markdown/math/inline_parser.go 规则写死:
|
||||
收尾 $ 的后一个字节必须 ∈ { 空格, 换行, 行尾, '.', '!', '?', ',', ';', ':', ')', '$' }
|
||||
开头 $ 的左邻不能是 ASCII 字母/数字或 . ! ? , ; :
|
||||
中文字与全角标点(,。、;())都是多字节字符,单字节值 ≥ 0x80,全部落空,
|
||||
于是整对 $...$ 被当作普通文本原样显示。
|
||||
→ 修法:在收尾 $ 与紧跟的非空白字符之间补一个半角空格。
|
||||
|
||||
【问题二:加粗失效】
|
||||
CommonMark 要求收尾 ** 必须是 right-flanking:
|
||||
不被空白前导,且(不被标点前导 或 被标点前导但被空白/标点后继)。
|
||||
形如 **…"一致性"**的 的写法(收尾 ** 前是标点、后是汉字的)不满足条件,
|
||||
加粗失效,星号会被原样显示(网页与 PDF 皆然)。
|
||||
→ 修法:在收尾 ** 后补一个半角空格。
|
||||
|
||||
用法:
|
||||
python fix_gitea_math.py --check # 全文统计
|
||||
python fix_gitea_math.py --check --scope=prob # 只看概率论在学练习/小练/知识点
|
||||
python fix_gitea_math.py --apply --scope=prob # 就地修复
|
||||
"""
|
||||
import os
|
||||
import re
|
||||
import subprocess
|
||||
import sys
|
||||
import unicodedata
|
||||
|
||||
ROOT = os.path.abspath(os.path.join(os.path.dirname(os.path.abspath(__file__)), '..', '..', '..'))
|
||||
|
||||
SCOPES = {
|
||||
'prob': [
|
||||
'基于考研的学习/数学一/在学练习/',
|
||||
'基于考研的学习/数学一/每日小练/',
|
||||
'基于考研的学习/数学一/知识点/',
|
||||
],
|
||||
}
|
||||
|
||||
|
||||
def iter_md_files(scope=None):
|
||||
"""只处理 git 已跟踪的 .md(排除 参考仓库),与网页上能看到的内容一致。"""
|
||||
out = subprocess.run(['git', 'ls-files', '-z', '--', '*.md'],
|
||||
cwd=ROOT, capture_output=True, check=True).stdout.decode('utf-8')
|
||||
prefixes = SCOPES.get(scope) if scope else None
|
||||
for rel in out.split('\0'):
|
||||
if not rel or rel.startswith('参考仓库/') or rel.startswith('.workbuddy/'):
|
||||
continue
|
||||
if prefixes and not any(rel.startswith(p) for p in prefixes):
|
||||
continue
|
||||
yield os.path.join(ROOT, rel.replace('/', os.sep))
|
||||
|
||||
|
||||
# ------------------------------------------------------------------ 遮罩
|
||||
|
||||
def mask_code(text):
|
||||
"""遮罩围栏代码块与行内代码,返回等长字符串(被遮位置为 \\x00)。"""
|
||||
n = len(text)
|
||||
mask = [''] * n
|
||||
|
||||
def paint(a, b):
|
||||
for i in range(max(0, a), min(b, n)):
|
||||
mask[i] = '\x00'
|
||||
|
||||
for m in re.finditer(r'(`+)([^\n]*?)\1', text):
|
||||
paint(m.start(), m.end())
|
||||
|
||||
# 围栏代码块:行级状态机(开/闭成对,绝不会误遮到文件末尾)
|
||||
in_fence = False
|
||||
pos = 0
|
||||
for line in text.split('\n'):
|
||||
ln = len(line)
|
||||
if re.match(r'^[ \t]*(```|~~~)', line):
|
||||
in_fence = not in_fence
|
||||
paint(pos, pos + ln)
|
||||
elif in_fence:
|
||||
paint(pos, pos + ln)
|
||||
pos += ln + 1
|
||||
|
||||
return ''.join(c if c else text[i] for i, c in enumerate(mask))
|
||||
|
||||
|
||||
def mask_code_and_math(text):
|
||||
"""在 mask_code 基础上再遮罩公式(用于加粗判定,避免把公式里的 ** 当粗体)。"""
|
||||
base = mask_code(text)
|
||||
mask = list(base)
|
||||
for a, b in find_math_any(text):
|
||||
if base[a] == '\x00':
|
||||
continue
|
||||
for i in range(a, min(b + 1, len(text))):
|
||||
mask[i] = '\x00'
|
||||
return ''.join(mask)
|
||||
|
||||
|
||||
# ------------------------------------------------------------------ 公式
|
||||
|
||||
def find_math_any(text):
|
||||
"""返回 (open_idx, close_idx_inclusive) 列表,绝不跨行。"""
|
||||
spans = []
|
||||
i, n = 0, len(text)
|
||||
while i < n:
|
||||
c = text[i]
|
||||
if c == '\\' and i + 1 < n and text[i + 1] == '$':
|
||||
i += 2
|
||||
continue
|
||||
if c == '$' and i + 1 < n and text[i + 1] == '$':
|
||||
end = text.find('$$', i + 2)
|
||||
if end != -1 and '\n' not in text[i:end]:
|
||||
spans.append((i, end + 1))
|
||||
i = end + 2
|
||||
continue
|
||||
if c == '$':
|
||||
j, close = i + 1, -1
|
||||
while j < n and text[j] != '\n':
|
||||
if text[j] == '\\':
|
||||
j += 2
|
||||
continue
|
||||
if text[j] == '$':
|
||||
close = j
|
||||
break
|
||||
j += 1
|
||||
if close != -1 and close > i + 1:
|
||||
spans.append((i, close))
|
||||
i = close + 1
|
||||
continue
|
||||
i += 1
|
||||
return spans
|
||||
|
||||
|
||||
# Gitea 认可的收尾字符(单字节)
|
||||
END_OK = set('.!?,;:') | {')', ' ', '\n', '$'}
|
||||
# Gitea 不认可的开头左邻(ASCII 字母数字与下列标点)
|
||||
BAD_OPEN_PREV = set('abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789.!?,;:')
|
||||
|
||||
|
||||
def is_punct(ch):
|
||||
return unicodedata.category(ch)[0] in ('P', 'S')
|
||||
|
||||
|
||||
def fix_math(text, mask):
|
||||
inserts = []
|
||||
for start, end in find_math_any(text):
|
||||
if mask[start] == '\x00':
|
||||
continue
|
||||
if start > 0 and mask[start - 1] != '\x00' and text[start - 1] in BAD_OPEN_PREV:
|
||||
inserts.append((start, '公式前'))
|
||||
pos = end + 1
|
||||
if pos < len(text) and mask[pos] != '\x00' and text[pos] not in END_OK:
|
||||
inserts.append((pos, '公式后'))
|
||||
return inserts
|
||||
|
||||
|
||||
# ------------------------------------------------------------------ 加粗
|
||||
|
||||
def fix_bold(text, mask):
|
||||
"""收尾 ** 被标点前导、被非空白非标点后继 → 右侧补空格,使其成为 right-flanking。"""
|
||||
stars = [m.start() for m in re.finditer(r'\*\*', text) if mask[m.start()] != '\x00']
|
||||
inserts = []
|
||||
is_open = True
|
||||
for idx in stars:
|
||||
if is_open:
|
||||
is_open = False
|
||||
continue
|
||||
is_open = True
|
||||
prev = text[idx - 1] if idx > 0 else ''
|
||||
nxt = text[idx + 2] if idx + 2 < len(text) else ''
|
||||
if not prev or not nxt:
|
||||
continue
|
||||
if mask[idx - 1] == '\x00' or mask[idx + 2] == '\x00':
|
||||
continue
|
||||
if is_punct(prev) and not nxt.isspace() and not is_punct(nxt):
|
||||
inserts.append((idx + 2, '加粗后'))
|
||||
return inserts
|
||||
|
||||
|
||||
# ------------------------------------------------------------------ 主流程
|
||||
|
||||
def fix_text(text):
|
||||
mc = mask_code(text)
|
||||
mcm = mask_code_and_math(text)
|
||||
inserts = fix_bold(text, mcm) + fix_math(text, mc)
|
||||
if not inserts:
|
||||
return text, []
|
||||
seen = set()
|
||||
uniq = []
|
||||
for pos, kind in inserts:
|
||||
if (pos, kind) in seen:
|
||||
continue
|
||||
seen.add((pos, kind))
|
||||
uniq.append((pos, kind))
|
||||
for pos, _ in sorted(uniq, reverse=True):
|
||||
text = text[:pos] + ' ' + text[pos:]
|
||||
return text, sorted(uniq, key=lambda x: x[0])
|
||||
|
||||
|
||||
def main():
|
||||
apply = '--apply' in sys.argv
|
||||
scope = None
|
||||
for a in sys.argv:
|
||||
if a.startswith('--scope='):
|
||||
scope = a.split('=', 1)[1]
|
||||
|
||||
total_files = total_hits = 0
|
||||
report = []
|
||||
for path in sorted(iter_md_files(scope)):
|
||||
raw = open(path, encoding='utf-8').read()
|
||||
new, changes = fix_text(raw)
|
||||
if changes:
|
||||
total_files += 1
|
||||
total_hits += len(changes)
|
||||
rel = os.path.relpath(path, ROOT)
|
||||
report.append((rel, len(changes)))
|
||||
if apply:
|
||||
open(path, 'w', encoding='utf-8', newline='').write(new)
|
||||
print(f'== {"已修复" if apply else "待修复(仅统计)"} ==')
|
||||
for rel, cnt in report:
|
||||
print(f' {cnt:4d} {rel}')
|
||||
print(f'--- 共 {total_files} 个文件,{total_hits} 处需要修 ---')
|
||||
|
||||
|
||||
if __name__ == '__main__':
|
||||
main()
|
||||
@@ -0,0 +1,38 @@
|
||||
#!/usr/bin/env bash
|
||||
# 重新生成概率论在学练习(第3/5/6讲)的全部 PDF
|
||||
# 用法:bash .workbuddy/tools/md2pdf/rebuild_prob_pdfs.sh
|
||||
set -u
|
||||
REPO="D:/考研/第二代数学笔记"
|
||||
NODE="C:/Users/Wang Ling/.workbuddy/binaries/node/versions/22.22.2-6/node.exe"
|
||||
TOOL="$REPO/.workbuddy/tools/md2pdf/md2pdf.js"
|
||||
BASE="$REPO/基于考研的学习/数学一/在学练习"
|
||||
|
||||
build () { # $1=目录 $2=源md $3=输出pdf $4=标题 $5=可选 mode
|
||||
cd "$BASE/$1" || return 1
|
||||
if [ "${5:-}" = "answer" ]; then
|
||||
"$NODE" "$TOOL" --in "$2" --out "$3" --title "$4" --mode answer
|
||||
else
|
||||
"$NODE" "$TOOL" --in "$2" --out "$3" --title "$4"
|
||||
fi
|
||||
}
|
||||
|
||||
D3="概率论-第3讲-多维随机变量及其分布"
|
||||
D5="概率论-第5讲-大数定律与中心极限定理"
|
||||
D6="概率论-第6讲-数理统计"
|
||||
|
||||
build "$D3" "01-考点手册.md" "PDF/概率论第3讲-考点手册.pdf" "概率论 第3讲 · 考点手册"
|
||||
build "$D3" "02-试题.md" "PDF/概率论第3讲-试题-答题版.pdf" "概率论 第3讲 · 试题(答题版)" answer
|
||||
build "$D3" "03-解析.md" "PDF/概率论第3讲-解析.pdf" "概率论 第3讲 · 解析"
|
||||
build "$D3" "04-答疑笔记.md" "PDF/概率论第3讲-答疑笔记.pdf" "概率论 第3讲 · 答疑笔记"
|
||||
build "$D3" "05-试题-中高难度.md" "PDF/概率论第3讲-试题-中高难度-答题版.pdf" "概率论 第3讲 · 试题(中高难度卷)" answer
|
||||
build "$D3" "06-解析-中高难度.md" "PDF/概率论第3讲-解析-中高难度.pdf" "概率论 第3讲 · 中高难度卷 · 解析"
|
||||
|
||||
build "$D5" "01-考点手册.md" "PDF/概率论第5讲-考点手册.pdf" "概率论 第5讲 · 大数定律与中心极限定理 · 考点手册"
|
||||
build "$D5" "02-试题.md" "PDF/概率论第5讲-试题-答题版.pdf" "概率论 第5讲 · 大数定律与中心极限定理(答题版)" answer
|
||||
build "$D5" "03-解析.md" "PDF/概率论第5讲-解析.pdf" "概率论 第5讲 · 大数定律与中心极限定理 · 解析"
|
||||
|
||||
build "$D6" "01-考点手册.md" "PDF/概率论第6讲-考点手册.pdf" "概率论 第6讲 · 数理统计 · 考点手册"
|
||||
build "$D6" "02-试题.md" "PDF/概率论第6讲-试题-答题版.pdf" "概率论 第6讲 · 数理统计(答题版)" answer
|
||||
build "$D6" "03-解析.md" "PDF/概率论第6讲-解析.pdf" "概率论 第6讲 · 数理统计 · 解析"
|
||||
|
||||
echo "全部完成"
|
||||
+2
-2
@@ -73,13 +73,13 @@ tags:
|
||||
│ │ └── 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)
|
||||
│ ├── 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)
|
||||
│ ├── 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)
|
||||
│ ├── 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-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)
|
||||
│ ├── 2027模拟卷一.md ✓ 已完成
|
||||
│ ├── 无穷级数专项练习.md ✓ 已完成
|
||||
|
||||
Binary file not shown.
Binary file not shown.
Binary file not shown.
Binary file not shown.
Binary file not shown.
Binary file not shown.
Binary file not shown.
Binary file not shown.
Binary file not shown.
@@ -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) |
|
||||
| §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** |
|
||||
| §4 | 区间估计(枢轴变量法,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) |
|
||||
| §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(**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) |
|
||||
|
||||
### 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。
|
||||
|
||||
### 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
|
||||
|
||||
@@ -177,7 +188,8 @@ $$\boxed{\begin{aligned}
|
||||
&\text{①}\quad \bar X\sim N\!\left(\mu,\frac{\sigma^2}{n}\right)\ \Longleftrightarrow\ \frac{\bar X-\mu}{\sigma/\sqrt n}=\frac{\sqrt n(\bar X-\mu)}{\sigma}\sim N(0,1)\\[6pt]
|
||||
&\text{②}\quad \frac{1}{\sigma^2}\sum_{i=1}^{n}(X_i-\mu)^2\ \sim\ \chi^2(n)\qquad(\mu\ \text{已知})\\[6pt]
|
||||
&\text{③}\quad \frac{(n-1)S^2}{\sigma^2}=\frac{1}{\sigma^2}\sum_{i=1}^{n}(X_i-\bar X)^2\ \sim\ \chi^2(n-1)\qquad(\mu\ \text{未知})\\[6pt]
|
||||
&\text{④}\quad \bar X\ \text{与}\ S^2\ \textbf{相互独立},\qquad \frac{\sqrt n(\bar X-\mu)}{S}\ \sim\ t(n-1)\qquad(\sigma\ \text{未知})
|
||||
&\text{④}\quad \bar X\ \text{与}\ S^2\ \textbf{相互独立},\qquad \frac{\sqrt n(\bar X-\mu)}{S}\ \sim\ t(n-1)\qquad(\sigma\ \text{未知})\\[6pt]
|
||||
&\text{⑤}\quad \frac{n(\bar X-\mu)^2}{S^2}\ \sim\ F(1,\ n-1)\qquad\big(\text{由 ④ 取平方,}t^2\sim F(1,n-1)\big)
|
||||
\end{aligned}}$$
|
||||
|
||||
> **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」,$EX_{(n)}=\dfrac{kn}{kn+1}\theta$ 。
|
||||
|
||||
**(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)
|
||||
@@ -292,12 +310,25 @@ $$\begin{cases}E X=\bar X\\[4pt] E X^2=\dfrac1n\sum X_i^2\end{cases}\ \Longright
|
||||
|---|---|---|---|
|
||||
| 拉普拉斯 | $\dfrac{1}{2\lambda}\mathrm e^{-\lvert x\rvert/\lambda}$ | $\hat\lambda=\dfrac1n\sum\lvert X_i\rvert$ | $\hat\lambda=\dfrac1n\sum\lvert X_i\rvert$ |
|
||||
| 均匀 $U(0,\theta)$ | $\dfrac1\theta,0<x<\theta$ | $\hat\theta=2\bar X$ | $\hat\theta=X_{(n)}$ |
|
||||
| 幂型 $f=\dfrac{\theta x^{\theta-1}}{\ }$($0<x<1,\theta>0$) | $\theta x^{\theta-1}$ | $\hat\theta=\dfrac{\bar X}{1-\bar X}$ | $\hat\theta=-\dfrac{n}{\sum\ln X_i}$ |
|
||||
| 幂型 | $f(x)=\theta x^{\theta-1}$ ($0<x<1,\ \theta>0$ ) | $\hat\theta=\dfrac{\bar X}{1-\bar X}$ | $\hat\theta=-\dfrac{n}{\sum\ln X_i}$ |
|
||||
|
||||
> **两个特殊的"坑"分布**:
|
||||
> - **半正态**(含 $x\ge\mu$ 的指示):$\hat{\sigma^2}=\dfrac1n\sum(X_i-\mu)^2$ ;常数 $A=\sqrt{2/\pi}$ ;
|
||||
> - **两样本同参数**(如 $X\sim P(\lambda)$ 、$Y\sim P(2\lambda)$ ):把**两组似然先相乘再求导**,得 $\hat\lambda=\dfrac{\sum X_i+\sum Y_j}{n+2m}$ 。
|
||||
|
||||
**极大似然估计的不变性原理(重要)**
|
||||
|
||||
> 若 $\hat\theta$ 是 $\theta$ 的极大似然估计,$g(\cdot)$ 是任意函数(通常单调),则 **$g(\hat\theta)$ 是 $g(\theta)$ 的极大似然估计**。
|
||||
|
||||
$$\widehat{g(\theta)}=g(\hat\theta).$$
|
||||
|
||||
**用途**:不必为新参数重新建似然函数。典型例子:
|
||||
|
||||
- 正态总体 $N(\mu,\sigma^2)$ :$\hat\sigma^2_{MLE}=\dfrac1n\sum(X_i-\bar X)^2$ (注意**除以 $n$ 、有偏**)⟹ 直接得 $\hat\sigma_{MLE}=\sqrt{\hat\sigma^2_{MLE}}$ ;
|
||||
- $X\sim U(0,\theta)$ :$\hat\theta=X_{(n)}$ ⟹ $\theta^2$ 的 MLE 就是 $X_{(n)}^2$ 、$1/\theta$ 的 MLE 就是 $1/X_{(n)}$ 。
|
||||
|
||||
> ⚠️ **注意区分**:**无偏性没有不变性**!$E\hat\theta=\theta$ **推不出** $Eg(\hat\theta)=g(\theta)$ (如 $S=\sqrt{S^2}$ 就不是 $\sigma$ 的无偏估计)。**"MLE 有不变性,无偏性没有"**——这是常考的概念辨析点。
|
||||
|
||||
### 3.3 估计量的评价标准
|
||||
|
||||
#### 3.3.1 无偏性(考得最多)
|
||||
@@ -398,6 +429,29 @@ $$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}.$$
|
||||
> **一句话**:**"上限 + 下限 = 2 $\bar X$ "**(仅对均值的对称区间成立;方差区间不成立)。
|
||||
|
||||
### 4.5 两个正态总体的区间估计 🟩(**数一大纲要求**)
|
||||
|
||||
设 $X_1,\cdots,X_m$ 来自 $N(\mu_1,\sigma_1^2)$ ,$Y_1,\cdots,Y_n$ 来自 $N(\mu_2,\sigma_2^2)$ ,**两组样本相互独立**,置信度 $1-\alpha$ 。
|
||||
|
||||
**(1)均值差 $\mu_1-\mu_2$ 的置信区间**
|
||||
|
||||
| 条件 | 枢轴量 | 置信区间 |
|
||||
|---|---|---|
|
||||
| $\sigma_1^2,\sigma_2^2$ **均已知** | $U=\dfrac{(\bar X-\bar Y)-(\mu_1-\mu_2)}{\sqrt{\sigma_1^2/m+\sigma_2^2/n}}\sim N(0,1)$ | $(\bar X-\bar Y)\pm u_{\alpha/2}\sqrt{\dfrac{\sigma_1^2}{m}+\dfrac{\sigma_2^2}{n}}$ |
|
||||
| $\sigma_1^2=\sigma_2^2$ **未知**($T$ ) | $T=\dfrac{(\bar X-\bar Y)-(\mu_1-\mu_2)}{S_w\sqrt{\frac1m+\frac1n}}\sim t(m+n-2)$ | $(\bar X-\bar Y)\pm t_{\alpha/2}(m+n-2)\,S_w\sqrt{\dfrac1m+\dfrac1n}$ |
|
||||
|
||||
其中合并方差 $S_w^2=\dfrac{(m-1)S_1^2+(n-1)S_2^2}{m+n-2}$ 。
|
||||
|
||||
> **记法要点**:区间**中心永远是点估计 $\bar X-\bar Y$ **,半宽 = 「分位点 × 该估计量的标准差」。$\mu_1-\mu_2$ 的估计量方差是 $\dfrac{\sigma_1^2}{m}+\dfrac{\sigma_2^2}{n}$ (**两样本方差各自除以自身容量再相加**)——别漏掉任何一项。
|
||||
|
||||
**(2)方差比 $\sigma_1^2/\sigma_2^2$ 的置信区间**
|
||||
|
||||
由 $\dfrac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}\sim F(m-1,n-1)$ ,解出
|
||||
|
||||
$$\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].$$
|
||||
|
||||
> **⚠️ 两端同样"反着放"**:因为 $\sigma_1^2/\sigma_2^2$ 在**分母**,且 $F$ 分布不对称——**大分位点配下限、小分位点配上限**。附:$F_{1-\alpha/2}(m-1,n-1)=\dfrac{1}{F_{\alpha/2}(n-1,m-1)}$ ,查表时要**两个自由度都互换**。
|
||||
|
||||
---
|
||||
|
||||
## 5. 假设检验 🟦07 🟨2025·10(**仅数学一**)
|
||||
@@ -454,6 +508,19 @@ $$P\{\underline\theta<\theta<\bar\theta\}=1-\alpha .$$
|
||||
|
||||
具体地:**$\mu_0$ 落在置信区间内 $\Longleftrightarrow$ 不拒绝 $H_0:\mu=\mu_0$ **。所以两类问题常常互相转化。
|
||||
|
||||
### 5.6 两个正态总体的假设检验 🟩(**数一大纲要求**)
|
||||
|
||||
两组样本来自 $N(\mu_1,\sigma_1^2)$ (容量 $m$ )与 $N(\mu_2,\sigma_2^2)$ (容量 $n$ )且相互独立。
|
||||
|
||||
| 检验对象 | 条件 | 统计量 | 拒绝域(以 $H_1$ 方向定) |
|
||||
|---|---|---|---|
|
||||
| $\mu_1=\mu_2$ | $\sigma_1^2,\sigma_2^2$ **已知**($U$ 检验) | $U=\dfrac{\bar X-\bar Y}{\sqrt{\frac{\sigma_1^2}{m}+\frac{\sigma_2^2}{n}}}$ | 双侧 $\lvert u\rvert\ge u_{\alpha/2}$ ;单侧 $u\ge u_\alpha$ 或 $u\le-u_\alpha$ |
|
||||
| $\mu_1=\mu_2$ | $\sigma_1^2=\sigma_2^2$ **未知**($T$ 检验) | $T=\dfrac{\bar X-\bar Y}{S_w\sqrt{\frac1m+\frac1n}}\sim t(m+n-2)$ | 双侧 $\lvert t\rvert\ge t_{\alpha/2}(m+n-2)$ |
|
||||
| $\sigma_1^2=\sigma_2^2$ | 两总体**正态**($F$ 检验) | $F=\dfrac{S_1^2}{S_2^2}\sim F(m-1,n-1)$ | 双侧 $F\le F_{1-\alpha/2}(m-1,n-1)$ 或 $F\ge F_{\alpha/2}(m-1,n-1)$ |
|
||||
|
||||
> **口诀与单总体完全同构**:**"均值比用 $U/T$ (看方差是否已知),方差比用 $F$ "**;方向一律**跟着 $H_1$ 跑**。
|
||||
> **⚠️ $F$ 检验的"不对称"**:$F$ 分布不对称,所以双侧拒绝域要**两端分别查表**;且注意**分子方差配 $(m-1)$ 、分母方差配 $(n-1)$ **,自由度顺序别反。
|
||||
|
||||
---
|
||||
|
||||
## 6. 两类错误 🟦08 🟨2018·8 🟨2021·10
|
||||
@@ -541,12 +608,14 @@ $$\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」**。
|
||||
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。
|
||||
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
|
||||
|
||||
### 8.1 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)。
|
||||
2. **统计量不能含未知参数**——含 $\mu$ 、$\sigma$ 的统统不是。
|
||||
@@ -560,6 +629,8 @@ $$\alpha=P\{\text{拒绝}H_0\mid H_0\text{为真}\},\qquad \beta=P\{\text{接受
|
||||
10. 均值的双侧区间**关于 $\bar X$ 对称** ⟹ **上限 + 下限 = $2\bar X$ **。
|
||||
11. 检验**方向跟着 $H_1$ **;$\sigma^2=2$ 时标准差是 $\sqrt2$ 。
|
||||
12. **小 $\alpha$ 拒绝 ⟹ 大 $\alpha$ 必拒绝;大 $\alpha$ 接受 ⟹ 小 $\alpha$ 必接受。**
|
||||
13. **两总体**:均值差区间/检验的中心是 $\bar X-\bar Y$ ,标准差 $\sqrt{\dfrac{\sigma_1^2}{m}+\dfrac{\sigma_2^2}{n}}$ (或 $S_w\sqrt{\dfrac1m+\dfrac1n}$ );方差比用 $F(m-1,n-1)$ ,**区间两端反着放**。
|
||||
14. **MLE 有不变性**($\widehat{g(\theta)}=g(\hat\theta)$ ),**无偏性没有**($E\hat\theta=\theta$ 推不出 $Eg(\hat\theta)=g(\theta)$ )。
|
||||
|
||||
### 8.2 高频陷阱
|
||||
|
||||
@@ -576,6 +647,9 @@ $$\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 $\mu_0$ |
|
||||
| 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 $u_\alpha$ 、$t_\alpha(n-1)$ |
|
||||
| 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 |
|
||||
|---|---|---|
|
||||
| **[[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 |
|
||||
| **[[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**。
|
||||
- **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。
|
||||
- **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、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-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
|
||||
> `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