--- tags: [数学一, 在学练习, 概率论, 数理统计, 速查卡] 专题: 概率论 第6讲 · 数理统计(速查) 日期: 2026-11-07 关联笔记: ["[[README]]", "[[01-知识点盘点]]"] --- # 第6讲 · 数理统计:速查卡 考前十分钟只看这一页。**这一讲的公式表比推导重要**——考场上 90% 的时间花在"该用哪个统计量"上,而不是算。 ## 一 三个基本期望与次序统计量 $$E\bar X=\mu,\qquad D\bar X=\frac{\sigma^2}{n},\qquad ES^2=\sigma^2,\qquad E\left[\frac1n\sum(X_i-\bar X)^2\right]=\frac{n-1}{n}\sigma^2 .$$ 后两条的**差**就是分母取 $n-1$ 的理由。**这四个式子对任意总体都成立**,不需要正态。 次序统计量(分布函数法): $$F_{X_{(n)}}(x)=\left[F(x)\right]^n,\qquad F_{X_{(1)}}(x)=1-\left[1-F(x)\right]^n .$$ $U(0,\theta)$ 的现成结果:$EX_{(n)}=\dfrac{n}{n+1}\theta$ 、$EX_{(n)}^2=\dfrac{n}{n+2}\theta^2$ 、$DX_{(n)}=\dfrac{n\theta^2}{(n+1)^2(n+2)}$ 。 **统计量的判据**:不含未知参数。$\bar X$ 是,$\bar X-\mu$ 不是。 ## 二 三大抽样分布的构造 ``` χ²(n) = 标准正态的平方和 E = n, D = 2n, 可加 t(n) = N(0,1) / √(χ²(n)/n) 偶对称, n→∞ 趋于 N(0,1) F(n₁,n₂) = (χ²(n₁)/n₁) / (χ²(n₂)/n₂) 1/F ~ F(n₂,n₁) ``` **两条互换公式(查表命根子)**: $$F_{1-\alpha}(n_1,n_2)=\frac{1}{F_\alpha(n_2,n_1)},\qquad t_{1-\alpha}(n)=-t_\alpha(n);\qquad T\sim t(n)\ \Longrightarrow\ T^2\sim F(1,n).$$ **判断"服从什么分布"的动作**:先数有几个**独立的标准正态**,再看它们以什么方式组合。 ## 三 正态总体的四个结论 设样本来自 $N(\mu,\sigma^2)$ : $$\bar X\sim N\left(\mu,\frac{\sigma^2}{n}\right);\qquad \frac{(n-1)S^2}{\sigma^2}\sim\chi^2(n-1);\qquad \bar X\perp S^2;\qquad \frac{\bar X-\mu}{S/\sqrt n}\sim t(n-1).$$ 两总体(独立): $$\frac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}\sim F(n_1-1,n_2-1);\qquad \frac{(\bar X-\bar Y)-(\mu_1-\mu_2)}{S_w\sqrt{1/n_1+1/n_2}}\sim t(n_1+n_2-2).$$ **四个常见错项**:$\dfrac{\bar X-\mu}{S/\sqrt{n-1}}$ 不是 $t$ 分布;$\dfrac{\bar X-\mu}{\sigma/\sqrt{n-1}}$ 不是 $N(0,1)$ ;$\dfrac{nS^2}{\sigma^2}$ 不是 $\chi^2(n-1)$ ;$\bar X$ 与 $S^2$ 独立**只在正态总体下成立**。 ## 四 矩估计 ``` ① 写总体矩 EX(必要时 EX²),含参数 ② 令 EX = X̄,解出参数 ③ 参数有两个就再加一条 EX² = A₂ ``` **注意**:二阶矩一律用 $A_2=\frac1n\sum X_i^2$ ,不要用 $S^2$ ——两者差一个 $\frac{n-1}{n}$ ,选择题常在这里设错。**解完要检验参数范围**($\hat\sigma$ 不能为负,必要时取绝对值)。 ## 五 最大似然估计 $$L(\theta)=\prod f(x_i;\theta)\ \longrightarrow\ \ln L=\sum\ln f(x_i;\theta)\ \longrightarrow\ \frac{\mathrm d\ln L}{\mathrm d\theta}=0 .$$ **支撑含参数时不能求导**,改看单调性:$L$ 随 $\theta$ 增大而增大,取 $\theta$ 的**最大可能值**(通常是 $X_{(n)}$ );随 $\theta$ 增大而减小,取**最小可能值**(通常是 $X_{(1)}$ )。 **四个结论直接背**: | 分布 | MLE | 是否无偏 | |---|---|---| | $E(\lambda)$ | $\hat\lambda=1/\bar X$ | 有偏($E\frac1{\bar X}>1/E\bar X$ ) | | $U(0,\theta)$ | $\hat\theta=X_{(n)}$ | 有偏,$E=\frac{n}{n+1}\theta$ | | $N(\mu,\sigma^2)$ | $\hat\sigma^2=\frac1n\sum(X_i-\bar X)^2$ | 有偏,乘 $\frac{n}{n-1}$ 才无偏 | | $f=\frac{3x^2}{\theta^3}$ | $\hat\theta=X_{(n)}$ | 有偏,修正系数 $\frac{3n+1}{3n}$ | **不变性**:$\hat\theta$ 是 $\theta$ 的 MLE,则 $g(\hat\theta)$ 是 $g(\theta)$ 的 MLE,**不用重新求**。 ## 六 评价标准四条 ``` 无偏 Eθ̂ = θ 对一切 θ 成立 有效 都无偏的前提下,Dθ̂ 小的更有效 相合 θ̂ →P θ (偏差→0 且方差→0 即可) 均方误差 MSE = Dθ̂ + (Eθ̂ − θ)² ← 允许有偏 ``` **三条常用无偏性**:$E\bar X=\mu$ 、$ES^2=\sigma^2$ 、$E\frac1n\sum(X_i-\bar X)^2=\frac{n-1}{n}\sigma^2$ 。 **相合的标准证法**:算 $E\hat\theta$ 与 $D\hat\theta$ ,说明偏差趋于 $0$ 、方差趋于 $0$ ,再由切比雪夫不等式得依概率收敛。**反例只需记两个**:$\bar X+\frac1n$ 有偏但相合;$X_1$ 无偏但不合(方差恒为 $\sigma^2$ ,不趋于 $0$ )。 **MSE 的用法**:若用 $c\hat\theta$ 估计 $\theta$ ,则 $MSE=c^2D\hat\theta+(cE\hat\theta-\theta)^2$ ,求导得最优系数 $$c^*=\frac{\theta\,E\hat\theta}{E(\hat\theta^2)} .$$ $\hat\theta$ 系统性低估时($E\hat\theta<\theta$ )最优系数大于 $1$ ——**用一点偏差换一大块方差**。2024·22 的答案就是 $\frac{n+2}{n+1}$ 。 ## 七 区间估计 | 待估 | 条件 | 区间 | |---|---|---| | $\mu$ | $\sigma$ 已知 | $\bar X\pm z_{\alpha/2}\dfrac{\sigma}{\sqrt n}$ | | $\mu$ | $\sigma$ 未知 | $\bar X\pm t_{\alpha/2}(n-1)\dfrac{S}{\sqrt n}$ | | $\sigma^2$ | $\mu$ 未知 | $\left[\dfrac{(n-1)S^2}{\chi^2_{\alpha/2}},\ \dfrac{(n-1)S^2}{\chi^2_{1-\alpha/2}}\right]$ | | $\mu_1-\mu_2$ | 方差未知但等 | $(\bar X-\bar Y)\pm t_{\alpha/2}(n_1+n_2-2)S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}$ | | $\dfrac{\sigma_1^2}{\sigma_2^2}$ | 均值未知 | $\left[\dfrac{S_1^2}{S_2^2}\dfrac{1}{F_{\alpha/2}},\ \dfrac{S_1^2}{S_2^2}\dfrac{1}{F_{1-\alpha/2}}\right]$ | **$\sigma^2$ 区间的分位点放法**:小的分位点($\chi^2_{\alpha/2}$ )在下限的分母上——**分母大则分数小**。 **两种对称性可当自检**:$z$ 、$t$ 区间**算术对称**(中点 $=\bar X$ );$\chi^2$ 、$F$ 区间**几何对称**($\sqrt{\text{下}\times\text{上}}=\dfrac{(n-1)S^2}{1}$ 或 $\dfrac{S_1^2}{S_2^2}$ )。 ## 八 假设检验 | | 接受 $H_0$ | 拒绝 $H_0$ | |---|---|---| | $H_0$ 真 | 正确 | 第一类错误,$\alpha$ | | $H_0$ 假 | 第二类错误,$\beta$ | 正确,功效 $1-\beta$ | **两条计算式**:$\alpha$ 用**边界** $\mu_0$ 算(复合假设时取最不利点),$\beta$ 用**题给的备择值**算。两者都写成 $\Phi$ 的形式:$\alpha$ 一般要取补($1-\Phi$ ),$\beta$ 不取。 **拒绝域方向只由 $H_1$ 的不等号决定**:$H_1:\mu>\mu_0$ 大值拒绝、$H_1:\mu<\mu_0$ 小值拒绝、$H_1:\mu\ne\mu_0$ 双侧各 $\alpha/2$ 。 **$\alpha$ 的包含关系(选择题专属)**:$\alpha$ 越大拒绝域越大,故 $W_{0.01}\subset W_{0.05}$ 。于是**小 $\alpha$ 拒绝 $\Rightarrow$ 大 $\alpha$ 必拒绝**;**大 $\alpha$ 接受 $\Rightarrow$ 小 $\alpha$ 必接受**。 **区间与检验的对偶**:$1-\alpha$ 的置信区间 $=$ $\alpha$ 水平双侧检验的**接受域**。区间含 $\mu_0$ 就不拒绝,不含就拒绝——**这条能替代一半计算**。 **两总体题的顺序**:先 $F$ 检验方差(能不能合并),再 $t$ 检验均值。顺序反了就是用未验证的前提算统计量。 ## 九 最容易丢分的六处 1. **分母取 $n-1$ 才对** :$S^2$ 的分母是 $n-1$ (无偏),二阶中心矩才用 $n$ 。 2. **分位点的上下侧**:本讲统一用**上侧**分位点,$P\{\chi^2>\chi^2_\alpha\}=\alpha$ ;区间里会出现 $1-\alpha/2$ 的下侧值,别漏。 3. **$\sigma$ 未知却查 $z$ 表**:会把 $t$ 当 $z$ ,检验**结论会翻转**(题 3 就是活例)。 4. **MLE 遇支撑含参数还求导**:$f=\frac{3x^2}{\theta^3}$ 这类只能看单调性,导数解出来是错的。 5. **$\beta$ 忘了指定备择值**:$\beta$ 是 $\mu$ 的函数,没有"$\beta=$ 多少"这种说法。 6. **两总体先算均值不先验方差**:方差不等时合并方差 $S_w^2$ 与 $t(n_1+n_2-2)$ 全都不能用。 --- ## 回查 | 想查什么 | 对应题目 | |---|---| | 一 三个基本期望与次序统计量 | [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)、[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)、[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) | | 二 三大抽样分布的构造 | [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)、[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)、[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) | | 三 正态总体的四个结论 | [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)、[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) | | 四 矩估计 | [点 4 题 1](05-点4-矩估计.md#user-content-题-1--41一阶矩就够的情形)、[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) | | 五 最大似然估计 | [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)、[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) | | 六 评价标准四条 | [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)、[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)、[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)、[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) | | 七 区间估计 | [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)、[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)、[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) | | 八 假设检验 | [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)、[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)、[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) | 整册入口:[知识点盘点](01-知识点盘点.md)、[点 1](02-点1-总体样本与统计量.md)、[点 2](03-点2-三大抽样分布.md)、[点 3](04-点3-正态总体的抽样分布.md)、[点 4](05-点4-矩估计.md)、[点 5](06-点5-最大似然估计.md)、[点 6](07-点6-估计量的评价标准.md)、[点 7](08-点7-区间估计.md)、[点 8](09-点8-假设检验与两类错误.md)、[第5讲下](../概率论-第5讲下-中心极限定理/README.md)。