背诵版 16—20 是讲义态(一讲 1.2—2.3 万字符),复习一次 40 分钟且看完记不住。 用户反馈「不是不理解,是背的东西太多,靠逻辑推演速度太慢」,故另做记忆态清单。 - 21 总纲:收录标准(只收推不出或推起来超十秒的)、五型标签(式/表/判/模/反)、 三轮刷法、六张跨讲对照(除数账本、独立四种说法、标准化三次、自由度账本、 三对易混、两类错误) - 22—27 六讲:32/44/41/36/25/53 条,合计 231 条,全刷 32 分钟 - 每册末「十秒自检」四条到六条,作为过关判据 - 考前三天只看「反」型(不成立断言与反例)与「表」型 - README 加 §四·五 说明分工:清单卡住 → 背诵版查全 → 在学练习看推导 - 总览目录树补入知识点构建(此前遗漏) - 顺带修两处公式内伪链接(f'[...](b-a)、[x+(n-1)a](x-a)),check_md_links 归零
230 lines
13 KiB
Markdown
230 lines
13 KiB
Markdown
---
|
||
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 $\theta x^{\theta-1}$ ($0<x<1$ ) | $\dfrac{\overline X}{1-\overline X}$ | $-\dfrac{n}{\sum\ln X_i}$ |
|
||
|
||
└ 均匀那一格是**必考**:矩估计与 MLE 结果不同,且只有 MLE 可修正为无偏(乘 $\frac{n+1}{n}$ )。
|
||
|
||
**L6-28** `式` 两样本同参数($X\sim P(\lambda)$ 、$Y\sim P(2\lambda)$ ):
|
||
$$\hat\lambda=\frac{\sum X_i+\sum Y_j}{n+2m},\qquad D(\hat\lambda)=\frac{\lambda}{n+2m}.$$
|
||
└ 分母 $n+2m$ 的来历:$Y$ 组每个样本携带 $2\lambda$ 的信息。
|
||
|
||
**L6-29** `式` 不变性:$\widehat{g(\theta)}=g(\hat\theta)$ 。用于 $\hat\sigma_{\text{MLE}}=\sqrt{\hat\sigma^2_{\text{MLE}}}$ 。
|
||
|
||
**L6-30** `反` **无偏性没有不变性**:$E\hat\theta=\theta$ 推不出 $E[g(\hat\theta)]=g(\theta)$ 。
|
||
└ 反例:$\sqrt{S^2}=S$ 不是 $\sigma$ 的无偏估计($E S<\sigma$ ,Jensen)。**"MLE 有不变性、无偏性没有"是常考辨析**。
|
||
|
||
## 六、评价标准(6 条)
|
||
|
||
**L6-31** `表` 四标准:
|
||
|
||
| 标准 | 定义 | 管什么 |
|
||
|---|---|---|
|
||
| 无偏 | $E\hat\theta=\theta$ | 准不准(无系统偏差) |
|
||
| 有效 | 都无偏时 $D\hat\theta$ 更小 | 稳不稳 |
|
||
| 相合(一致) | $\hat\theta\xrightarrow{P}\theta$ | 样本多了会不会靠近 |
|
||
| MSE | $E(\hat\theta-\theta)^2=D\hat\theta+(E\hat\theta-\theta)^2$ | 方差 $+$ 偏差² |
|
||
|
||
**L6-32** `式` 四个无偏结论:$E\overline X=\mu$ ;$ES^2=\sigma^2$ ;$EB_2=\frac{n-1}{n}\sigma^2$ (**有偏**);$EX_{(n)}=\frac{n}{n+1}\theta$ (对 $U(0,\theta)$ )。
|
||
|
||
**L6-33** `模` 定常数使无偏:写出 $E(\text{统计量})=c\,\theta$ ,令 $c=1$ 反解。
|
||
└ 标准动作,几乎每道无偏题都要走一遍。
|
||
|
||
**L6-34** `判` 有效性**必须先过无偏关**:两个都无偏才比方差;一个无偏一个有偏,要比 MSE。
|
||
|
||
**L6-35** `式` MSE 最小的常数:$h(c)$ 展开成 $c$ 的二次函数,顶点
|
||
$$c^*=\frac{\theta\,EX_{(n)}}{EX_{(n)}^2}.$$
|
||
└ **它一般不等于使无偏的 $\frac{n+1}{n}$ **——2024·22 就考这个"小偏差换大方差"。
|
||
|
||
**L6-36** `反` 有偏的估计量**可以**更好(MSE 更小),所以"有偏就不用"是错的。
|
||
|
||
## 七、区间估计(6 条)
|
||
|
||
**L6-37** `模` 枢轴法四步:① 找点估计;② 造枢轴量(含参数但分布已知且与参数无关);③ 定分位点(双侧取 $\alpha/2$ 与 $1-\alpha/2$ );④ 解不等式。
|
||
|
||
**L6-38** `表` 单总体四大区间:
|
||
|
||
| 待估 | 条件 | 枢轴量 | 区间 |
|
||
|---|---|---|---|
|
||
| $\mu$ | $\sigma$ 已知 | $N(0,1)$ | $\overline X\pm u_{\alpha/2}\dfrac{\sigma}{\sqrt n}$ |
|
||
| $\mu$ | $\sigma$ 未知 | $t(n-1)$ | $\overline X\pm t_{\alpha/2}(n-1)\dfrac{S}{\sqrt n}$ |
|
||
| $\sigma^2$ | $\mu$ 已知 | $\chi^2(n)$ | 两端反放(见下条) |
|
||
| $\sigma^2$ | $\mu$ 未知 | $\chi^2(n-1)$ | 两端反放 |
|
||
|
||
**L6-39** `式` 方差区间的写法(**最容易抄错的一处**):
|
||
$$\left[\frac{(n-1)S^2}{\chi^2_{\alpha/2}(n-1)},\ \frac{(n-1)S^2}{\chi^2_{1-\alpha/2}(n-1)}\right].$$
|
||
└ **大分位点配下限、小分位点配上限**。因为 $\chi^2$ 不对称且 $\sigma^2$ 在分母。
|
||
|
||
**L6-40** `判` 单侧区间用 $u_\alpha$ (不是 $u_{\alpha/2}$ );同一置信度下单侧半宽更小。
|
||
|
||
**L6-41** `式` 2016·14 速算:给 $\overline X$ 与置信上限反求下限——**上限 $+$ 下限 $=2\overline X$ **(仅均值对称区间成立)。
|
||
|
||
**L6-42** `式` 两总体三格:均值差(方差已知)用 $U$ ;等方差未知用 $t(m+n-2)$ ,标准误 $S_w\sqrt{1/m+1/n}$ ;方差比用 $F(m-1,n-1)$ 且两端反放。
|
||
|
||
## 八、假设检验(7 条)
|
||
|
||
**L6-43** `模` 四步:① 提假设(**等号放 $H_0$ **);② 选统计量(按四件套);③ 定拒绝域使 $\alpha$ 成立;④ 算观测值下结论。
|
||
|
||
**L6-44** `表` 拒绝域方向(**跟着 $H_1$ 跑**):
|
||
|
||
| $H_1$ | 拒绝域 |
|
||
|---|---|
|
||
| $\theta\ne\theta_0$ | $\lvert\text{统计量}\rvert\ge$ 上侧 $\alpha/2$ 分位点 |
|
||
| $\theta>\theta_0$ | $\text{统计量}\ge$ 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。
|