- 第6讲数理统计:删旧三件套(01-考点手册 4.8 万字符 / 02-试题 / 03-解析)与 PDF, 改为 01-知识点盘点 + 02—09 八点分册 + 10-速查卡,共 10 文件 26 题 - 八点:总体样本与统计量 / 三大抽样分布 / 正态总体抽样分布 / 矩估计 / 最大似然 / 评价标准 / 区间估计 / 假设检验与两类错误 - 盘点含 §0.1 按分值、§0.2 依赖链、§0.3 符号、§0.4 AUTO 反查、§9 覆盖对照(21 条)、§10 接口 - 修复 2026-10 第3讲重构留下的死链:大题十年考点/15-点14(7 处指向已删 01-考点手册)、 知识点构建/17-背诵版第3讲(回查入口 4 处) - 知识点构建/20-背诵版第6讲:回查入口改指新文件,题源注明旧 18 题清单已失效待重出 - 同步:总览.md 第6讲目录树、知识点构建 README 题量 18 → 26
11 KiB
tags, 专题, 日期, 关联笔记
| tags | 专题 | 日期 | 关联笔记 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|
|
概率论 第6讲 · 数理统计(速查) | 2026-11-07 |
|
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
- 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。 - 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。 \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)。- 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。 \beta忘了指定备择值:\beta是\mu的函数,没有"\beta=多少"这种说法。- 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、点 1 题 2、点 1 题 3 |
| 二 三大抽样分布的构造 | 点 2 题 1、点 2 题 2、点 2 题 3 |
| 三 正态总体的四个结论 | 点 3 题 1、点 3 题 2、点 3 题 3 |
| 四 矩估计 | 点 4 题 1、点 4 题 2 |
| 五 最大似然估计 | 点 5 题 1、点 5 题 2、点 5 题 3、点 5 题 4 |
| 六 评价标准四条 | 点 6 题 1、点 6 题 2、点 6 题 3、点 6 题 4 |
| 七 区间估计 | 点 7 题 1、点 7 题 2、点 7 题 3 |
| 八 假设检验 | 点 8 题 1、点 8 题 2、点 8 题 3、点 8 题 4 |