--- tags: [数学一, 知识点构建, 专背清单, 概率论, 数理统计, 抽样分布] 专题: 概率论 · 第6讲 数理统计 · 专背清单 日期: 2026-11-17 状态: 53 条(式 22 / 表 8 / 判 11 / 模 5 / 反 7) 来源: 知识点构建 20 背诵版;专项突破 03 四件套专练;真题库 chapter 21—22 关联笔记: ["[[21-专背清单-概率论-00-总纲与跨讲对照]]", "[[20-背诵版-概率论-第6讲-数理统计]]", "[[../专项突破/03-大数定律与数理统计/02b-试题-四件套专练]]"] --- # 第 6 讲 数理统计 · 专背清单 > 53 条,六册里最重的一册。本讲的分值集中在**四件套**(哪个参数已知)与**四张表**(抽样分布、区间、检验、两类错误)。**这四张表背不下来,本讲等于没学**。 ## 一、统计量与样本矩(7 条) **L6-01** `判` 统计量定义:$g(X_1,\dots,X_n)$ 中**不含任何未知参数**。  └ 口诀"**能不能用样本算出来**"——算不出来就不是。 **L6-02** `式` 三个基本量:$\overline X=\dfrac1n\sum X_i$ ;$S^2=\dfrac{1}{n-1}\sum(X_i-\overline X)^2$ ;$B_2=\dfrac1n\sum(X_i-\overline X)^2$ 。 **L6-03** `式` 恒等式:$\sum(X_i-\overline X)^2=\sum X_i^2-n\overline X^2$ 。  └ 方差题必用。**这一步能把二阶矩和均值接起来**。 **L6-04** `式` 三个必背数字特征:$E\overline X=\mu$ ;$D\overline X=\dfrac{\sigma^2}{n}$ ;$ES^2=\sigma^2$ 。  └ 前两个合起来就是"$\overline X$ 是 $\mu$ 的无偏估计,且方差随 $n$ 收缩"。 **L6-05** `式` $n-1$ 的来历:$E\!\left[\frac1n\sum(X_i-\overline X)^2\right]=\dfrac{n-1}{n}\sigma^2$ ,乘 $\dfrac{n}{n-1}$ 才无偏。  └ **$n-1$ 只为无偏**。这也解释了 $\chi^2$ 自由度为何减一。 **L6-06** `式` 顺序统计量:$F_{(n)}=[F]^n$ ,$F_{(1)}=1-[1-F]^n$ ;$f_{(n)}=n[F]^{n-1}f$ ,$f_{(1)}=n[1-F]^{n-1}f$ 。 **L6-07** `表` 上限型总体的 $\max$ 期望(无偏题必背): | 密度 | $EX_{(n)}$ | |---|---| | $U(0,\theta)$ :$\frac1\theta$ | $\dfrac{n}{n+1}\theta$ | | $\dfrac{2x}{\theta^2}$ | $\dfrac{2n}{2n+1}\theta$ | | $\dfrac{kx^{k-1}}{\theta^k}$ | $\dfrac{kn}{kn+1}\theta$ |  └ 记法:**分子是 $n$ 乘指数,分母再加 1**。要无偏就乘倒数。 ## 二、三大抽样分布(5 条) **L6-08** `式` $\chi^2(n)$ :$n$ 个独立 $N(0,1)$ 的平方和。$E=n$ 、$D=2n$ ,**可加**。  └ 不对称,上下分位点要分别查。 **L6-09** `式` $t(n)=\dfrac{X}{\sqrt{Y/n}}$ ,$X\sim N(0,1)$ 、$Y\sim\chi^2(n)$ 独立。$E=0$ ($n>1$ )。  └ 密度偶函数、尾比正态厚;$t_{1-\alpha}(n)=-t_\alpha(n)$ ;$t^2\sim F(1,n)$ 。 **L6-10** `式` $F(n_1,n_2)=\dfrac{U/n_1}{V/n_2}$ ,$U,V$ 独立卡方。**两个自由度分子在前**。  └ $\dfrac1F\sim F(n_2,n_1)$ ,故 $F_{1-\alpha}(n_1,n_2)=\dfrac{1}{F_\alpha(n_2,n_1)}$ 。查不到小分位点时用它。 **L6-11** `判` 分位点约定:下标是**上侧面积**。$P\{T>t_\alpha(n)\}=\alpha$ ,$P\{\chi^2>\chi^2_\alpha(n)\}=\alpha$ 。  └ 与 $z_\alpha$ 一致(第 2 讲 L2-26)。混用"累积面积"会整体错位。 **L6-12** `判` 拼装三步:① 算线性组合的均值方差;② 标准化得 $N(0,1)$ ,平方得 $\chi^2(1)$ ;③ 按定义拼(卡方相加、$t$ 除根号、$F$ 上下各除自由度)。 ## 三、四件套(本讲核心,6 条) **L6-13** `表` 单正态总体五条($X_i\sim N(\mu,\sigma^2)$ ): | # | 统计量 | 分布 | 前提 | |---|---|---|---| | ① | $\dfrac{\overline X-\mu}{\sigma/\sqrt n}$ | $N(0,1)$ | $\sigma$ **已知** | | ② | $\dfrac{1}{\sigma^2}\sum(X_i-\mu)^2$ | $\chi^2(n)$ | $\mu$ **已知** | | ③ | $\dfrac{(n-1)S^2}{\sigma^2}$ | $\chi^2(n-1)$ | $\mu$ **未知** | | ④ | $\dfrac{\sqrt n(\overline X-\mu)}{S}$ | $t(n-1)$ | $\sigma$ **未知** | | ⑤ | $\dfrac{n(\overline X-\mu)^2}{S^2}$ | $F(1,n-1)$ | $\sigma$ 未知 | **L6-14** `式` 两句口诀:**$\mu$ 换成 $\overline X$ ,自由度减一**(②→③);**$\sigma$ 换成 $S$ ,正态换 $t$ ,自由度** $n-1$ (①→④)。  └ 这两句覆盖了四件套的全部变化,**不要背四个孤立公式**。 **L6-15** `判` 四件套的选择只看两件事:**估的是 $\mu$ 还是** $\sigma^2$ ;**另一个参数已知还是未知**。  └ 两行两列,一共四格。$\mu$ 已知那格用 $\chi^2(n)$ ,**这一格真题十年没考过**,最可能第一次出现。 **L6-16** `反` ④ 里藏着一条独立结论:正态总体下 $\overline X$ 与 $S^2$ **相互独立**。  └ 这是**正态总体独有**的,一般总体不成立。它是拼 $t$ 分布的前提,也是判断题常考项。 **L6-17** `坑` ① 的分母是 $\sigma/\sqrt n$ ,不是 $\sigma$ ;④ 的分子是 $\sqrt n(\overline X-\mu)$ ,与 $\dfrac{\overline X-\mu}{S/\sqrt n}$ 同值。**两种写法都要认**。 **L6-18** `坑` 题目给"方差 $\sigma^2=2$ ",代进 ① 时分母要用 $\sqrt2$ 。  └ 2025·10 的唯一失分点就在这。 ## 四、两正态总体(4 条) **L6-19** `式` 均值差(方差已知):$\dfrac{(\overline X-\overline Y)-(\mu_1-\mu_2)}{\sqrt{\sigma_1^2/m+\sigma_2^2/n}}\sim N(0,1)$ 。  └ **两项方差都要除各自样本量,再相加**,别漏。 **L6-20** `式` 方差比:$\dfrac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}\sim F(m-1,n-1)$ 。 **L6-21** `式` 均值差(等方差未知):$\dfrac{(\overline X-\overline Y)-(\mu_1-\mu_2)}{S_w\sqrt{1/m+1/n}}\sim t(m+n-2)$ 。 **L6-22** `式` 合并方差:$S_w^2=\dfrac{(m-1)S_1^2+(n-1)S_2^2}{m+n-2}$ 。  └ 分母 $m+n-2$ = 两组各估一个均值。**自由度账本的第三个例子**。 ## 五、点估计(8 条) **L6-23** `模` 矩估计三步:① 写含 $\theta$ 的总体矩 $EX^k$ ;② 令 $EX^k=A_k$ ;③ 解出 $\hat\theta$ 。  └ 一个参数用一阶矩,两个参数用一、二阶矩联立。 **L6-24** `式` 两参数模板:$\hat\mu=\overline X$ ,$\hat\sigma^2=B_2=\dfrac1n\sum(X_i-\overline X)^2$ 。  └ **矩估计的方差是 $B_2$ (除 $n$ )不是** $S^2$ 。这是矩估计唯一的坑。 **L6-25** `模` MLE 四步:① 写 $L=\prod f(x_i;\theta)$ ;② 取 $\ln L$ ;③ 求导令零(多参数解方程组);④ 写成统计量。  └ 第④步别漏——答案必须是 $X_i$ 的表达式,不能留 $\theta$ 。 **L6-26** `式` 边界情形的口诀:**能求导就求导;不能求导看单调,往边界上找**。 **L6-27** `表` 三个高频载体(记结果): | 分布 | 矩估计 | MLE | |---|---|---| | 拉普拉斯 $\frac{1}{2\lambda}\mathrm e^{-\lvert x\rvert/\lambda}$ | $\frac1n\sum\lvert X_i\rvert$ | 同左 | | 均匀 $U(0,\theta)$ | $2\overline X$ | $X_{(n)}$ | | 幂型 $\theta x^{\theta-1}$ ($0\theta_0$ | $\text{统计量}\ge$ 上侧 $\alpha$ 分位点 | | $\theta<\theta_0$ | $\text{统计量}\le$ 上侧 $\alpha$ 分位点的相反数 | **L6-45** `表` 单总体四种检验(与四件套一一对应): | 对象 | 条件 | 统计量 | 分布 | |---|---|---|---| | $\mu$ | $\sigma$ 已知 | $\dfrac{\overline X-\mu_0}{\sigma_0/\sqrt n}$ | $N(0,1)$ | | $\mu$ | $\sigma$ 未知 | $\dfrac{\overline X-\mu_0}{S/\sqrt n}$ | $t(n-1)$ | | $\sigma^2$ | $\mu$ 已知 | $\dfrac{\sum(X_i-\mu)^2}{\sigma_0^2}$ | $\chi^2(n)$ | | $\sigma^2$ | $\mu$ 未知 | $\dfrac{(n-1)S^2}{\sigma_0^2}$ | $\chi^2(n-1)$ | **L6-46** `反` $\chi^2$ 双侧检验的拒绝域**不对称**:左右两尾分别查 $\chi^2_{1-\alpha/2}$ 与 $\chi^2_{\alpha/2}$ ,**不能写成绝对值**。 **L6-47** `式` 对偶:$\mu_0$ 落在 $1-\alpha$ 置信区间内 $\iff$ 不拒绝 $H_0$ 。 **L6-48** `判` 两总体检验:均值差用 $U$ 或 $T$ (同 L6-19、L6-21);方差比用 $F=\dfrac{S_1^2}{S_2^2}$ ,**分子配** $m-1$ 。 **L6-49** `坑` 检验题里"$\sigma_0^2$ "与"$\sigma_0$ "要看清楚:$U$ 与 $T$ 的分母是标准差,$\chi^2$ 的分母是方差。 ## 九、两类错误(4 条) **L6-50** `表` 两类错误与两个水平: | 名 | 符号 | 含义 | |---|---|---| | 弃真(第一类) | $\alpha$ | $P\{\text{拒绝}H_0\mid H_0\text{真}\}$ | | 取伪(第二类) | $\beta$ | $P\{\text{接受}H_0\mid H_0\text{假}\}$ | | 置信度 | $1-\alpha$ | 与 $\alpha$ 同源 | **L6-51** `模` 算 $\beta$ 四步:① 由 $\alpha$ 定拒绝域临界值;② **换世界**——用真实参数算统计量分布;③ 求"落在接受域"的概率;④ 得 $\beta$ 。 **L6-52** `反` $\alpha$ 与 $\beta$ **不能同时减小**($n$ 固定时)。唯一办法是**增大** $n$ 。 **L6-53** `式` $\alpha$ 减小 $\Rightarrow$ 拒绝域缩小 $\Rightarrow$ 接受域变大 $\Rightarrow$ $\beta$ 增大。**方向是反的**。 ## 十秒自检 1. 默写四件套五条(①—⑤),说出两句口诀。 2. 方差区间为什么两端反放。 3. 矩估计的方差为什么是 $B_2$ 而不是 $S^2$ 。 4. 均匀分布的矩估计与 MLE 各是什么,哪个能修正为无偏。 5. $\alpha$ 与 $\beta$ 的关系,怎么同时减小。 6. $\chi^2(n)$ 与 $\chi^2(n-1)$ 分别什么时候用。 六条全过,本讲过关。