- 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
10 KiB
tags, 专题, 日期, 状态, 关联笔记
| tags | 专题 | 日期 | 状态 | 关联笔记 | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
概率论 第6讲 · 点7 区间估计 | 2026-11-07 | 知识点带题(7.1 置信区间与枢轴量、7.2 单总体、7.3 两总体,共 3 题) |
|
点 7 区间估计
2016·14 填空 4 分;两总体部分大纲要求、十年未考(高性价比冷门)|重要度 ★★☆ 依赖:点 3 的四个结论、点 2 的三大分布。盘点对应:§7 全节。
组织原则:区间估计的全部技术就一句话——找一个"含参数但分布已知"的量(枢轴量),把它夹在中间再反解参数。三题按"置信区间的含义与反解 → 单总体三个区间 → 两总体两个区间"递进。第 1 题是 2016·14 的真题形态,考的不是套公式而是**"已知一个置信度反推另一个"**。难度标准:三题都是 ★★☆。
知识点 7.1 置信区间与枢轴量(出处:知识章 §4.1)
枢轴量 Q 的两条要求:
- 含待估参数
\theta; - 分布已知,且不含任何未知参数。
由 P\{a<Q<b\}=1-\alpha 反解出 \theta_L<\theta<\theta_U ,即得置信度 1-\alpha 的置信区间。
置信度的正确读法:1-\alpha 说的是"反复抽样时,约 100(1-\alpha)\% 的区间会盖住真值",而不是"\theta 落在本次区间内的概率"。\theta 是常数(只是未知),区间才是随机的。
三个常用枢轴量:
| 待估 | 枢轴量 | 分布 |
|---|---|---|
\mu (\sigma 已知) |
\dfrac{\bar X-\mu}{\sigma/\sqrt n} |
N(0,1) |
\mu (\sigma 未知) |
\dfrac{\bar X-\mu}{S/\sqrt n} |
t(n-1) |
\sigma^2 |
\dfrac{(n-1)S^2}{\sigma^2} |
\chi^2(n-1) |
知识点 7.2 单总体的三个区间(出处:知识章 §4.1)
\mu\ (\sigma\ \text{已知}):\quad \bar X\pm z_{\alpha/2}\frac{\sigma}{\sqrt n};\qquad \mu\ (\sigma\ \text{未知}):\quad \bar X\pm t_{\alpha/2}(n-1)\frac{S}{\sqrt n};
\sigma^{2}:\quad \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].
\sigma^2区间的两个分位点是"反着放"的:小的那个(\chi^2_{\alpha/2},上侧面积小)配在分母的位置,于是成为区间的下限。记法:分母大则分数小,所以上侧小分位点放上限的分母——写反了整道题颠倒。
知识点 7.3 两总体的两个区间(出处:知识章 §4.1)
\mu_1-\mu_2:\quad (\bar X-\bar Y)\pm t_{\alpha/2}(n_1+n_2-2)\,S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}\quad(\text{方差未知但相等});
\frac{\sigma_1^{2}}{\sigma_2^{2}}:\quad \left[\frac{S_1^{2}}{S_2^{2}}\cdot\frac{1}{F_{\alpha/2}(n_1-1,n_2-1)},\ \frac{S_1^{2}}{S_2^{2}}\cdot\frac{1}{F_{1-\alpha/2}(n_1-1,n_2-1)}\right].
方差比区间可以直接用来"看方差是否相等":区间含
1就说明不能否定\sigma_1^2=\sigma_2^2(这是点 8 的F检验的区间版本)。
题目(按知识点顺序对应)
题 1 · 7.1:由 0.95 的区间反推 0.9 的区间(★★☆)
设
X_1,\dots,X_n来自N(\mu,\sigma^2),\sigma已知,样本均值\bar X=9.5。已知\mu的置信度为0.95的双侧置信区间的上限为10.8。(z_{0.025}=1.96、z_{0.05}=1.645)(Ⅰ)求
0.95双侧置信区间的下限; (Ⅱ)求\mu的置信度为0.9的双侧置信区间的上、下限; (Ⅲ)说明为什么置信度降低时区间变窄。
怎么想:三个区间共用同一个 \bar X 与同一个 \frac{\sigma}{\sqrt n} ,只有分位点在变。所以先由"上限 =10.8 "把 \frac{\sigma}{\sqrt n} 解出来,后面全部迎刃而解。
解:
(Ⅰ) 0.95 双侧区间为 \bar X\pm z_{0.025}\dfrac{\sigma}{\sqrt n} 。由上限
9.5+1.96\frac{\sigma}{\sqrt n}=10.8\quad\Longrightarrow\quad\frac{\sigma}{\sqrt n}=\frac{1.3}{1.96}=0.6633 .
由对称性,下限为
9.5-1.96\times0.6633=9.5-1.3=8.2 .
(Ⅱ) 0.9 双侧对应 \alpha=0.1 ,用 z_{0.05}=1.645 :半宽
1.645\times0.6633=1.091 .
故区间为
\left[9.5-1.091,\ 9.5+1.091\right]=[8.409,\ 10.591] .
(Ⅲ) 置信度 1-\alpha 降低 \Rightarrow \alpha 增大 \Rightarrow 分位点(z_{\alpha/2} )变小 \Rightarrow 半宽变小。区间越窄越"敢下结论",但盖住真值的把握也越小——这就是"精度与可靠性的权衡"。
验算:0.95 的半宽 1.3 、0.9 的半宽 1.091 ,比值 \frac{1.3}{1.091}=1.192\approx\frac{1.96}{1.645}=1.191 ✓,与分位点之比一致。
带走结论:同一批数据下,不同置信度的区间只差一个"分位点缩放" 。所以这类反解题的固定套路是:先用一个已知端点解出 \frac{\sigma}{\sqrt n} (或 \frac{S}{\sqrt n} ),再换分位点重算。不必重算 \bar X 或 S 这两个量 。
关联 · 盘点 §7.1 置信区间与枢轴量 | 上游 — | 下游 — | 速查 七 区间估计
题 2 · 7.2:单总体的三种区间(★★☆)
设某物理量
X\sim N(\mu,\sigma^2),n=16次测量的样本均值\bar X=10、样本方差S^2=4。已知t_{0.025}(15)=2.131、\chi^2_{0.025}(15)=27.49、\chi^2_{0.975}(15)=6.26。(Ⅰ)求
\mu的置信度0.95的区间(\sigma未知); (Ⅱ)若已知\sigma^2=4,区间变成多少?为什么比(Ⅰ)窄? (Ⅲ)求\sigma^2的置信度0.95的区间。
怎么想:(Ⅰ)(Ⅱ)判断"\sigma 知不知道",直接决定用 t 还是 z ;(Ⅲ)用 \chi^2 枢轴量,注意两个分位点各放在哪个位置。
解:
(Ⅰ) \sigma 未知,用 t(15) :
10\pm2.131\times\frac{S}{\sqrt n}=10\pm2.131\times\frac{2}{4}=10\pm1.0655=[8.93,\ 11.07] .
(Ⅱ) \sigma=2 已知,用 z :
10\pm1.96\times\frac{2}{4}=10\pm0.98=[9.02,\ 10.98] .
为什么更窄:2.131>1.96 ,分位点更小。本质上"知道了 \sigma "是额外信息,信息多了区间自然可以更窄。n 越大两者越接近(t(n-1)\to z )。
(Ⅲ) 枢轴量 \dfrac{15S^2}{\sigma^2}\sim\chi^2(15) ,
P\left\{\chi^2_{0.975}(15)<\frac{15S^2}{\sigma^2}<\chi^2_{0.025}(15)\right\}=1-0.05=0.95 .
反解得
\frac{15S^2}{\chi^2_{0.025}(15)}<\sigma^2<\frac{15S^2}{\chi^2_{0.975}(15)} .
代入 15S^2=15\times4=60 :
\left[\frac{60}{27.49},\ \frac{60}{6.26}\right]=[2.18,\ 9.58] .
验算:区间关于 S^2=4 不对称([2.18,9.58] 明显右偏),这是 \chi^2 分布本身右偏所致;而 \mu 的区间是对称的(t 分布偶对称)。这个不对称不是算错。
带走结论:三个区间的枢轴量分别是 z 、t 、\chi^2 ,记住这张表比记公式更管用。两个易错点:① \sigma 未知时不能"用 S 代替 \sigma 再查 z 表"(那是把 t 当 z ,区间偏窄、置信度不足);② \sigma^2 区间的两个分位点放反会导致整段颠倒。
关联 · 盘点 §7.2 单总体的三个区间 | 上游 — | 下游 — | 速查 七 区间估计
题 3 · 7.3:两总体的均值差与方差比(★★☆)
两台机床加工同一零件,长度分别服从
N(\mu_1,\sigma^2)与N(\mu_2,\sigma^2)(方差相同但未知)。各取n_1=n_2=10件,测得\bar X=20.5,\ S_1^2=0.4;\qquad \bar Y=19.8,\ S_2^2=0.6 .已知
t_{0.025}(18)=2.101、F_{0.025}(9,9)=4.03。(Ⅰ)求
\mu_1-\mu_2的置信度0.95的区间; (Ⅱ)求\dfrac{\sigma_1^2}{\sigma_2^2}的置信度0.95的区间,并说明它与"(Ⅰ)用合并方差是否合理"的关系。
怎么想:(Ⅰ)方差未知但相等 \Rightarrow 先算合并方差 S_w^2 ,自由度 n_1+n_2-2=18 。(Ⅱ)用 F 区间,下限要用 F_{0.975}=1/F_{0.025} 倒数换。
解:
(Ⅰ) 合并方差
S_w^2=\frac{(n_1-1)S_1^2+(n_2-1)S_2^2}{n_1+n_2-2}=\frac{9\times0.4+9\times0.6}{18}=\frac{9}{18}=0.5,\qquad S_w=\sqrt{0.5}\approx0.7071 .
标准误
S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}=0.7071\times\sqrt{0.2}=0.7071\times0.4472=0.3162 .
区间
(20.5-19.8)\pm2.101\times0.3162=0.7\pm0.664=[0.036,\ 1.364] .
(Ⅱ) \dfrac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}\sim F(9,9) ,由点 2 的倒数性质 F_{0.975}(9,9)=\dfrac{1}{F_{0.025}(9,9)}=\dfrac{1}{4.03}=0.2481 。区间
\left[\frac{S_1^2}{S_2^2}\cdot\frac{1}{F_{0.025}(9,9)},\ \frac{S_1^2}{S_2^2}\cdot\frac{1}{F_{0.975}(9,9)}\right]=\left[\frac{0.4}{0.6}\cdot\frac{1}{4.03},\ \frac{0.4}{0.6}\cdot\frac{1}{0.2481}\right]=[0.165,\ 2.687] .
与(Ⅰ)的关系:这个区间包含 1 这个点 ,说明不能否定 \sigma_1^2=\sigma_2^2 ——所以(Ⅰ)里把两个方差合并成 S_w^2 是合理的。反之若区间不含 1 ,就应该改用"方差不等"的近似 t 检验(Welch),不能合并。
验算:S_1^2/S_2^2=\frac{0.4}{0.6}=0.6667 落在 [0.165,2.687] 的中点附近(几何中点 \sqrt{0.165\times2.687}=\sqrt{0.4433}=0.666 ✓)——F 区间在对数尺度上对称。
带走结论:两总体题的第一步永远是"方差是否相等" ,而判断它正好用方差比区间(或点 8 的 F 检验)。另外注意 F 区间的两端不是算术对称而是几何对称(\sqrt{\text{下}\times\text{上}}=\frac{S_1^2}{S_2^2} ),这可以当算错的自检。
关联 · 盘点 §7.3 两总体的两个区间 | 上游 — | 下游 — | 速查 七 区间估计