--- tags: [数学一, 在学练习, 概率论, 数理统计, 知识点盘点] 专题: 概率论 第6讲 · 数理统计 日期: 2026-11-07 状态: 知识点盘点(八节 + 覆盖对照表),配套 8 个点分册共 26 题 关联笔记: ["[[README]]", "[[10-速查卡]]"] --- # 第6讲 · 数理统计:知识点盘点 真题库第 20、21、22 三章。近十年 **15 题 116 分**:**解答题 8 道(91 分)$+$ 选填 7 题(25 分)**。分章看:ch20 基本概念 2 题 9 分、**ch21 参数估计 10 题 93 分**、ch22 假设检验 3 题 14 分。 **这一讲的结构是"一个前提 + 两条主线"**:前提是**统计量的分布**(三大分布与正态总体的四个结论),两条主线是**点估计/区间估计**(正问题:参数是多少)与**假设检验**(反问题:参数是不是这个值)。两条主线共用同一套分布,所以前提没打牢,后面全是死记硬背。 **一句话定性**:数理统计 = **用样本反推总体**。前 5 讲是"已知分布求概率"(正问题),这一讲是"已知样本猜分布"(反问题),**方向反过来,所以每一问都要先问"我手里有哪些统计量、它们服从什么分布"**。 ## 0 三张表 ### 0.1 按分值排(时间紧就照这个顺序) | 优先 | 点 | 真题锚点 | 分值 | 文件 | |---|---|---|---|---| | 1 | 最大似然估计 | 2018·23、2019·23、2020·23、2022·22 | **约 45** | `06` | | 2 | 估计量的评价标准(无偏/有效/均方误差) | 2021·9、2023·10、2024·22、2016·23 | **约 33** | `07` | | 3 | 假设检验与两类错误 | 2018·8、2021·10、2025·10 | **约 14** | `09` | | 4 | 正态总体的抽样分布 | 2017·8 | **4** | `04` | | 5 | 区间估计 | 2016·14 | **4** | `08` | | 6 | 三大抽样分布 | 2023·9 | **5** | `03` | | 7 | 矩估计 | 2017·23 的第一问 | 嵌在解答题 | `05` | | 8 | 总体、样本与统计量 | 全部题的前置 | — | `02` | **最大似然估计独占 45 分**,这是全讲乃至全卷概率部分最集中的一块。它的动作固定(写 $L$ → 取对数 → 求导),但**支撑含参数时不能求导**,那是唯一的坎。 ### 0.2 按依赖链排(文件顺序,也就是建议的阅读顺序) ``` 02 总体、样本与统计量 ← 名词定义 + 三个基本期望 ↓ 03 三大抽样分布 ← χ² / t / F 的构造 ↓ 04 正态总体的抽样分布 ← 前面两者的合成:四个结论 ↓ 05 矩估计 → 06 最大似然估计 ← 两条点估计路线 ↓ 07 估计量的评价标准 ← 判断估计"好不好" ↓ 08 区间估计 → 09 假设检验 ← 同一套分布的两个用法 ``` **为什么评价标准要排在两条估计路线之后**:无偏性、有效性都是"对某个估计量"说的,手里没有估计量就无从评价。而 07 又是 08、09 的前提——区间估计的枢轴量就是"无偏估计 + 已知分布"。 ### 0.3 符号约定 | 记号 | 含义 | |---|---| | $X_1,\dots,X_n$ | 简单随机样本(独立同分布于总体 $X$ ) | | $\bar X=\dfrac1n\sum X_i$ | 样本均值 | | $S^2=\dfrac{1}{n-1}\sum(X_i-\bar X)^2$ | 样本方差(**分母取 $n-1$ 才对**) | | $S_n^2=\dfrac1n\sum(X_i-\bar X)^2$ | 二阶中心矩(分母 $n$ ,有偏) | | $X_{(n)}=\max\{X_i\}$ | 最大次序统计量 | | $\chi^2_\alpha(n)$ 、$t_\alpha(n)$ 、$F_\alpha(n_1,n_2)$ | **上** $\alpha$ 分位点(右侧面积 $\alpha$ ) | | $\hat\theta$ | 参数 $\theta$ 的估计量 | | $\alpha$ 、$\beta$ | 第一类、第二类错误概率 | > **分位点是上侧还是下侧,是这一讲最大的符号陷阱**。本讲统一用**上侧分位点**:$P\{\chi^2>\chi^2_\alpha(n)\}=\alpha$ 。所以置信区间里出现的是 $\chi^2_{1-\alpha/2}$ 与 $\chi^2_{\alpha/2}$ 两个下、上分位点,顺序不能写反。 ### 0.4 知识点与练习文件对照(按知识点粒度) | 盘点章节(知识点) | 对应题目 | |---|---| | §1.1 总体与样本 | [点 1 题 1](02-点1-总体样本与统计量.md#user-content-题-1--11联合分布与两个词的用处) | | §1.2 统计量与三个基本期望 | [点 1 题 2](02-点1-总体样本与统计量.md#user-content-题-2--12统计量的三个基本期望) | | §1.3 顺序统计量 | [点 1 题 3](02-点1-总体样本与统计量.md#user-content-题-3--13最大次序统计量) | | §2.1 卡方分布 | [点 2 题 1](03-点2-三大抽样分布.md#user-content-题-1--21平方和就是卡方) | | §2.2 t 分布 | [点 2 题 2](03-点2-三大抽样分布.md#user-content-题-2--22t-的构造与对称性) | | §2.3 F 分布 | [点 2 题 3](03-点2-三大抽样分布.md#user-content-题-3--23f-的两个自由度与倒数互换) | | §3.1 单总体的四个结论(本讲的核心) | [点 3 题 1](04-点3-正态总体的抽样分布.md#user-content-题-1--31四选一找错)、[点 3 题 2](04-点3-正态总体的抽样分布.md#user-content-题-2--31用卡方算样本方差的概率) | | §3.2 两总体的情形 | [点 3 题 3](04-点3-正态总体的抽样分布.md#user-content-题-3--32两总体的方差比) | | §4.1 原理与步骤 | [点 4 题 1](05-点4-矩估计.md#user-content-题-1--41一阶矩就够的情形) | | §4.2 两个陷阱 | [点 4 题 2](05-点4-矩估计.md#user-content-题-2--42一阶矩失效与二阶矩的坑) | | §5.1 似然函数与三步 | [点 5 题 1](06-点5-最大似然估计.md#user-content-题-1--51指数分布与不变性)、[点 5 题 2](06-点5-最大似然估计.md#user-content-题-2--51两组不同参数的泊松) | | §5.2 支撑含参数(唯一不能求导的情形) | [点 5 题 3](06-点5-最大似然估计.md#user-content-题-3--52均匀分布的-mle-不能求导)、[点 5 题 4](06-点5-最大似然估计.md#user-content-题-4--52平方型密度与无偏修正) | | §6.1 无偏性 | [点 6 题 1](07-点6-估计量的评价标准.md#user-content-题-1--61无偏性反解系数) | | §6.2 有效性 | [点 6 题 2](07-点6-估计量的评价标准.md#user-content-题-2--62三个均值型估计谁更有效) | | §6.3 相合性(一致性) | [点 6 题 3](07-点6-估计量的评价标准.md#user-content-题-3--63相合性的证明与反例) | | §6.4 均方误差 | [点 6 题 4](07-点6-估计量的评价标准.md#user-content-题-4--64无偏不一定最好) | | §7.1 置信区间与枢轴量 | [点 7 题 1](08-点7-区间估计.md#user-content-题-1--71由-095-的区间反推-09-的区间) | | §7.2 单总体的三个区间 | [点 7 题 2](08-点7-区间估计.md#user-content-题-2--72单总体的三种区间) | | §7.3 两总体的两个区间 | [点 7 题 3](08-点7-区间估计.md#user-content-题-3--73两总体的均值差与方差比) | | §8.1 原假设、两类错误 | [点 8 题 1](09-点8-假设检验与两类错误.md#user-content-题-1--81第二类错误的计算202110-骨架) | | §8.2 拒绝域与显著性水平 | [点 8 题 2](09-点8-假设检验与两类错误.md#user-content-题-2--82拒绝域的方向与显著性水平的单调性20251020188-骨架) | | §8.3 正态总体的六大检验 | [点 8 题 3](09-点8-假设检验与两类错误.md#user-content-题-3--83单总体的三种检验原创接点-7-题-2)、[点 8 题 4](09-点8-假设检验与两类错误.md#user-content-题-4--83两总体的两个检验接点-7-题-3-的数据) | ## 1 总体、样本与统计量 ### 1.1 总体与样本 **总体**是随机变量 $X$ (或它的分布);**样本** $X_1,\dots,X_n$ 是 $n$ 个独立同分布、且与 $X$ 同分布的随机变量;**样本值** $x_1,\dots,x_n$ 是观测到的数。 **"简单随机样本"= 独立 + 同分布**,这两个词缺一不可——独立保证联合密度可连乘,同分布保证每个因子长得一样。 ### 1.2 统计量与三个基本期望 **统计量**:不含任何未知参数的样本函数。$\bar X$ 是统计量,$\bar X-\mu$ 不是(含未知的 $\mu$ )。 $$\bar X=\frac1n\sum_{i=1}^{n}X_i,\qquad S^2=\frac{1}{n-1}\sum_{i=1}^{n}(X_i-\bar X)^2,\qquad A_k=\frac1n\sum_{i=1}^{n}X_i^k .$$ **三条必背**(对任意总体都成立): $$E\bar X=\mu,\qquad D\bar X=\frac{\sigma^2}{n},\qquad ES^2=\sigma^2 .$$ 第三条是 $S^2$ 分母取 $n-1$ 的全部理由;若取 $n$ ,期望是 $\frac{n-1}{n}\sigma^2$ ,有偏。 ### 1.3 顺序统计量 把样本从小到大排:$X_{(1)}\le X_{(2)}\le\cdots\le X_{(n)}$ 。**分布函数法**: $$F_{X_{(n)}}(x)=\left[F(x)\right]^n,\qquad F_{X_{(1)}}(x)=1-\left[1-F(x)\right]^n .$$ **$U(0,\theta)$ 的两个现成结果**(解答题反复用): $$E X_{(n)}=\frac{n}{n+1}\theta,\qquad E X_{(n)}^2=\frac{n}{n+2}\theta^2 .$$ ## 2 三大抽样分布 ### 2.1 卡方分布 $$X_i\overset{\text{iid}}{\sim}N(0,1)\ \Longrightarrow\ \sum_{i=1}^{n}X_i^2\sim\chi^2(n).$$ $E\chi^2(n)=n$ 、$D\chi^2(n)=2n$ ;**可加性**:$\chi^2(n_1)+\chi^2(n_2)=\chi^2(n_1+n_2)$ (独立时)。 ### 2.2 t 分布 $$X\sim N(0,1),\ Y\sim\chi^2(n),\ X\perp Y\ \Longrightarrow\ T=\frac{X}{\sqrt{Y/n}}\sim t(n).$$ 密度**偶对称**,故 $t_{1-\alpha}(n)=-t_\alpha(n)$ ;$n>2$ 时方差为 $\frac{n}{n-2}$ ;$n\to\infty$ 时趋于 $N(0,1)$ 。 ### 2.3 F 分布 $$U\sim\chi^2(n_1),\ V\sim\chi^2(n_2),\ U\perp V\ \Longrightarrow\ F=\frac{U/n_1}{V/n_2}\sim F(n_1,n_2).$$ **两条互换公式**(查表必备): $$\frac{1}{F}\sim F(n_2,n_1),\qquad F_{1-\alpha}(n_1,n_2)=\frac{1}{F_\alpha(n_2,n_1)};\qquad T\sim t(n)\ \Longrightarrow\ T^2\sim F(1,n).$$ ## 3 正态总体的抽样分布 ### 3.1 单总体的四个结论(本讲的核心) 设 $X_1,\dots,X_n$ 来自 $N(\mu,\sigma^2)$ : $$\text{①}\ \bar X\sim N\left(\mu,\frac{\sigma^2}{n}\right);\qquad \text{②}\ \frac{(n-1)S^2}{\sigma^2}=\frac{\sum(X_i-\bar X)^2}{\sigma^2}\sim\chi^2(n-1);$$ $$\text{③}\ \bar X\ \text{与}\ S^2\ \text{相互独立};\qquad \text{④}\ \frac{\bar X-\mu}{S/\sqrt n}\sim t(n-1).$$ **③ 是"正态总体"独有的**,非正态时 $\bar X$ 与 $S^2$ 一般不独立。第 ② 式的分子是 $n-1$ 而不是 $n$ ,因为减掉 $\bar X$ 用掉一个自由度。 ### 3.2 两总体的情形 两样本独立,$X_i\sim N(\mu_1,\sigma_1^2)$ 、$Y_j\sim N(\mu_2,\sigma_2^2)$ : $$\frac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}\sim F(n_1-1,\ n_2-1).$$ 当 $\sigma_1^2=\sigma_2^2=\sigma^2$ 时把两个方差"合并": $$S_w^2=\frac{(n_1-1)S_1^2+(n_2-1)S_2^2}{n_1+n_2-2},\qquad \frac{(\bar X-\bar Y)-(\mu_1-\mu_2)}{S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}\sim t(n_1+n_2-2).$$ ## 4 矩估计 ### 4.1 原理与步骤 **用样本矩替换总体矩**:$A_k=\frac1n\sum X_i^k$ 代替 $EX^k$ ,列出与未知参数个数相同的方程,解出参数。 **两步**:① 写出总体矩(含参数);② 令其等于对应的样本矩,解方程。 ### 4.2 两个陷阱 - **需要二阶矩时用二阶原点矩** $A_2=\frac1n\sum X_i^2$ ,不是 $S^2$ ——两者差一个 $\frac{n-1}{n}$ 的系数,选择题常在这里设错; - **解出的估计量要检验参数范围**(如 $\hat\theta$ 必须为正),必要时取绝对值或截断。 ## 5 最大似然估计 ### 5.1 似然函数与三步 $$L(\theta)=\prod_{i=1}^{n}f(x_i;\theta),\qquad \ln L=\sum_{i=1}^{n}\ln f(x_i;\theta).$$ **三步**:① 写 $L$ → ② 取对数 → ③ 对参数求导令零。**离散型把 $f$ 换成 $p$ 即可** 。 **多参数**:对每个参数分别求偏导,联立求解(如 2019·23 的 $\mu$ 与 $\sigma^2$ )。 **不变性**:若 $\hat\theta$ 是 $\theta$ 的 MLE,则 $g(\hat\theta)$ 是 $g(\theta)$ 的 MLE(不必重新求)。 ### 5.2 支撑含参数(唯一不能求导的情形) 当密度的**非零区域端点含参数**时(如 $f(x)=\frac{3x^2}{\theta^3},\ 0 **大纲要求、十年未单考**:两总体的均值差与方差比区间属于"高性价比冷门"——公式要会写,但不必刷难题。 ## 8 假设检验 ### 8.1 原假设、两类错误 | 真实情况 | 接受 $H_0$ | 拒绝 $H_0$ | |---|---|---| | $H_0$ 为真 | 正确 | **第一类错误**(弃真),概率 $\alpha$ | | $H_0$ 为假 | **第二类错误**(取伪),概率 $\beta$ | 正确(功效 $1-\beta$ ) | **$\alpha$ 是"冤枉好人"的概率,$\beta$ 是"放过坏人"的概率**。样本量固定时二者此消彼长;要同时减小只能增大 $n$ 。 ### 8.2 拒绝域与显著性水平 **显著性水平** $\alpha$ = 允许的第一类错误上限。拒绝域由 $\alpha$ 与**备择假设的方向**共同决定: - $H_1:\theta>\theta_0$ → 右侧拒绝域(大值拒绝); - $H_1:\theta<\theta_0$ → 左侧拒绝域; - $H_1:\theta\ne\theta_0$ → 双侧拒绝域,每侧 $\alpha/2$ 。 ### 8.3 正态总体的六大检验 | 检验对象 | 条件 | 统计量 | 分布 | |---|---|---|---| | 单总体 $\mu$ | $\sigma^2$ 已知 | $\dfrac{\bar X-\mu_0}{\sigma/\sqrt n}$ | $N(0,1)$ | | 单总体 $\mu$ | $\sigma^2$ 未知 | $\dfrac{\bar X-\mu_0}{S/\sqrt n}$ | $t(n-1)$ | | 单总体 $\sigma^2$ | $\mu$ 未知 | $\dfrac{(n-1)S^2}{\sigma_0^2}$ | $\chi^2(n-1)$ | | 两总体 $\mu_1-\mu_2$ | 方差已知 | $\dfrac{(\bar X-\bar Y)-\delta_0}{\sqrt{\sigma_1^2/n_1+\sigma_2^2/n_2}}$ | $N(0,1)$ | | 两总体 $\mu_1-\mu_2$ | 方差未知但相等 | $\dfrac{(\bar X-\bar Y)-\delta_0}{S_w\sqrt{1/n_1+1/n_2}}$ | $t(n_1+n_2-2)$ | | 两总体 $\sigma_1^2/\sigma_2^2$ | 均值未知 | $\dfrac{S_1^2}{S_2^2}\cdot\dfrac{\sigma_2^2}{\sigma_1^2}$ | $F(n_1-1,n_2-1)$ | ## 9 覆盖对照(大纲 vs 真题 vs 参考仓库) | 知识点 | 大纲要求 | 十年真题 | 参考仓库 | 处置 | |---|---|---|---|---| | 总体与样本 | **理解** | 全部题前置 | 有 | 点 1,1 题 | | 统计量与三个基本期望 | **掌握** | 2024·22 | 有 | 点 1,1 题 | | 顺序统计量 | **掌握** | 2016·23、2024·22 | 有 | 点 1,1 题 | | 卡方分布 | **掌握** | 2017·8 | 有 | 点 2,1 题 | | t 分布 | **掌握** | 嵌在各题 | 有 | 点 2,1 题 | | F 分布 | **掌握** | 2023·9 | 有 | 点 2,1 题 | | 正态总体的四个结论 | **掌握** | 2017·8、2023·9 | 有 | 点 3,2 题 | | 两总体的抽样分布 | **掌握** | 2023·9 | 有 | 点 3,1 题 | | 矩估计 | **掌握** | 2017·23 | 有 | 点 4,2 题 | | 最大似然估计 | **掌握** | 2018·23、2019·23、2020·23、2022·22 | 有 | 点 5,2 题 | | 支撑含参数的 MLE | **掌握** | 2016·23 | 有 | 点 5,2 题 | | 无偏性 | **掌握** | 2021·9、2023·10 | 有 | 点 6,1 题 | | 有效性 | **掌握** | 2021·9 | 有 | 点 6,1 题 | | 相合性 | **掌握** | 未单考 | 有 | 点 6,1 题 | | 均方误差 | 了解 | 2024·22 | 无(自编) | 点 6,1 题 | | 置信区间与枢轴量 | **掌握** | 2016·14 | 有 | 点 7,1 题 | | 单总体区间 | **掌握** | 2016·14 | 有 | 点 7,1 题 | | 两总体区间 | **掌握** | 未考 | 有 | 点 7,1 题 | | 两类错误 | **掌握** | 2018·8、2021·10、2025·10 | 有 | 点 8,1 题 | | 拒绝域与显著性水平 | **掌握** | 2025·10 | 有 | 点 8,1 题 | | 六大检验 | **掌握** | 2018·8、2021·10 | 有 | 点 8,2 题 | **判断**:21 个知识点里,大纲"掌握"的 19 个全部配题,"均方误差"属"了解"层次也配了 1 题。**"两总体区间"与"相合性"是十年未考的两处空白**,按大纲要求补齐,标注为"高性价比冷门"。 ## 10 与相邻讲的接口 | 本讲内容 | 来源 / 去向 | 用法 | |---|---|---| | $EX$ 、$DX$ 、$\operatorname{Cov}$ 、$D\bar X$ | [第4讲](../概率论-第4讲-随机变量的数字特征/README.md) | 点 1 的三条基本期望、点 6 的方差比较全靠它 | | $E\sum(X_i-\bar X)^2=(n-1)\sigma^2$ | [第4讲点5 题4](../概率论-第4讲-随机变量的数字特征/06-点5-线性组合与最值.md) | $S^2$ 无偏性的唯一根据 | | 依概率收敛、辛钦大数定律 | [第5讲上](../概率论-第5讲上-大数定律/README.md) | 点 6 相合性的证明工具 | | $\Phi$ 、$z_\alpha$ 分位数 | [第5讲下](../概率论-第5讲下-中心极限定理/README.md) | 点 8、点 9 的临界值 | | 正态分布的可加性与标准化 | [第3讲点3 §3.5](../概率论-第3讲-多维随机变量及其分布/04-点3-二维连续型与两类分布.md) | 点 3 两样本结论的来源 | | $\max/\min$ 的分布 | [第3讲点6](../概率论-第3讲-多维随机变量及其分布/07-点6-四则运算与最值.md) | 点 1 顺序统计量直接引用 | > **跨讲一句话**:前 5 讲给的是"分布 → 概率",本讲要的是"样本 → 参数",**唯一的桥就是统计量的分布**。所以本讲真正的重点不是公式,而是**见到一个统计量就能说出它服从什么分布**。