- 01 反常积分 20 题:以反常积分为圆心铺一元积分全章,张宇第 8/9 章为骨架 - 02 线面积分 21 题:格林 / 高斯 / 斯托克斯 + 两类积分,真题约 125 分;张宇库无此章 - 03 大数定律与数理统计 20 题:ch19—ch22,切比雪夫与置信区间为模拟卷三第 8/10 题的加练 - 每题分三层(A 核心 / B 一圈 / C 二圈)并标注真题或张宇骨架 - 解析超 1.3 万字符上限,拆为 03a-解析-核心 / 03b-解析-扩散 - 专项突破 README 与总览建索引
12 KiB
tags, 专题, 日期, 状态
| tags | 专题 | 日期 | 状态 | ||||
|---|---|---|---|---|---|---|---|
|
大数定律与数理统计 | 2026-10-31 | 考点地图, 三层扩散(核心 10 条 + 一圈 5 条 + 二圈 5 条) |
考点地图 · 大数定律与数理统计
你说的是"数理统计(小题 8、10)":第 8 题考切比雪夫不等式,属大数定律章;第 10 题考 t 分布置信区间,属参数估计章。这两章加起来是概率的最后四章,也是唯一"背了就能拿分" 的部分——它不像多维随机变量那样要靠技巧,全是固定套路。
这份地图从这两道题向外铺到四章:大数定律与 CLT、抽样分布、参数估计、假设检验。
零、扩散半径总览
| 层 | 内容 | 题号 |
|---|---|---|
| 核心 | 切比雪夫、辛钦、CLT、\chi^2/t/F 三大分布、抽样分布定理、矩估计、MLE、置信区间 |
A1—A10 |
| 一圈 | 无偏性、有效性、相合性、次序统计量、枢轴量法 | B1—B5 |
| 二圈 | 两类错误、单侧检验、双总体检验、大数定律证明、MLE 综合 | C1—C5 |
一句话总纲:统计部分的所有题,第一步都是"认清统计量服从什么分布"。认清之后,矩估计是解方程、MLE 是求导、置信区间是套枢轴量、假设检验是定拒绝域,四件事都是机械操作。
一、核心层
1.1 切比雪夫不等式(小题 8 的正主)
P\{|X-E(X)|\geqslant\varepsilon\}\leqslant\frac{D(X)}{\varepsilon^2},\qquad\text{等价地}\quad P\{|X-E(X)|<\varepsilon\}\geqslant1-\frac{D(X)}{\varepsilon^2}.
用法固定三步:把待求概率化成 |X-\mu|<\varepsilon 的形式 → 认出 \varepsilon → 套公式。
反向考法(更容易失分):已知 P\{|X-\mu|<\varepsilon\}\geqslant p ,求 D(X) 的上界。此时令 1-\dfrac{D}{\varepsilon^2}=p ,得 D\leqslant\varepsilon^2(1-p) 。
两个要点:它不需要知道分布(这是它唯一的价值);它给的是下界/上界,不是精确值,所以题目一定问"至少""至多"。
1.2 大数定律三兄弟
| 定律 | 条件 | 结论 |
|---|---|---|
| 切比雪夫 | 独立、方差一致有界 | \dfrac1n\sum X_i\xrightarrow{P}\dfrac1n\sum E(X_i) |
| 辛钦 | 独立同分布、E(X) 存在 |
\dfrac1n\sum X_i\xrightarrow{P}\mu |
| 伯努利 | n 重伯努利,频率 |
频率 \xrightarrow{P} 概率 |
考的是条件的强弱:辛钦不要求方差存在,这是它比切比雪夫强的地方。选择题常在这里设坑。
1.3 中心极限定理
林德伯格-列维:X_i 独立同分布,E(X)=\mu ,D(X)=\sigma^2>0 ,则
\frac{\sum_{i=1}^nX_i-n\mu}{\sqrt n\,\sigma}\xrightarrow{d}N(0,1).
做题模板:要求 P\{\bar X\in(a,b)\} ,先标准化 \dfrac{\bar X-\mu}{\sigma/\sqrt n} ,再查 \Phi 。近似计算题的标准答案是 2\Phi(k)-1 这类形式。
与切比雪夫的分工:切比雪夫给"至少/至多"的粗糙界,CLT 给近似精确值。题目问"约为"就用 CLT,问"不少于"就用切比雪夫。
1.4 三大分布的定义(必须能默写)
设 X_1,\dots,X_n 独立同服从 N(0,1) :
\chi^2分布:\chi^2=\sum_{i=1}^nX_i^2\sim\chi^2(n),期望n,方差2n。t分布:X\sim N(0,1),Y\sim\chi^2(n),且独立,则T=\dfrac{X}{\sqrt{Y/n}}\sim t(n)。形状像正态但尾巴厚,n\to\infty时趋于N(0,1)。F分布:X\sim\chi^2(n_1),Y\sim\chi^2(n_2)独立,则F=\dfrac{X/n_1}{Y/n_2}\sim F(n_1,n_2)。
三个性质顺手记:\chi^2 可加(独立的 \chi^2 相加,自由度相加);t^2(n)=F(1,n) ;F 的倒数 \dfrac{1}{F(n_1,n_2)}\sim F(n_2,n_1) 。
1.5 抽样分布定理(正态总体的四件套)
设 X_1,\dots,X_n 来自 N(\mu,\sigma^2) :
\bar X\sim N\!\left(\mu,\dfrac{\sigma^2}{n}\right)\dfrac{(n-1)S^2}{\sigma^2}\sim\chi^2(n-1)\bar X与S^2相互独立(正态总体专有,别的分布不成立)\dfrac{\bar X-\mu}{S/\sqrt n}\sim t(n-1)
第 4 条是最常用的:\sigma 未知时把 \sigma 换成 S ,正态就变 t 分布。这一条直接决定了置信区间用 u 还是用 t 。
1.6 矩估计
做法:用样本矩代替总体矩,解方程。
- 一个参数:
E(X)=\bar X,解出\hat\theta。 - 两个参数:
E(X)=\bar X、E(X^2)=\dfrac1n\sum X_i^2,联立解。
注意:D(X)=E(X^2)-[E(X)]^2 ,第二个方程常写成 D(X)=\dfrac1n\sum(X_i-\bar X)^2 (总体方差用样本二阶中心矩估计,分母是 n 而非 n-1 这一点)。
1.7 极大似然估计
四步:写 L(\theta)=\prod f(x_i;\theta) → 取对数 → 求导令零 → 解出 \hat\theta 。
三个特例必须知道:
- 不可导型:均匀分布
U(0,\theta)的L关于\theta单调递减,导数恒不为零,只能"看约束"得\hat\theta=X_{(n)}。这是最常考也最容易错的。 - 单调型:参数出现在支撑集端点,同上。
- 多参数:分别求偏导,解方程组。
1.8 置信区间(小题 10 的正主)
枢轴量法三步:找一个含 \theta 但不含其他未知参数的统计量 → 定它服从的分布 → 由分位数反解 \theta 的范围。
单正态总体 \mu 的区间(置信度 1-\alpha ):
| 条件 | 枢轴量 | 区间 |
|---|---|---|
\sigma 已知 |
\dfrac{\bar X-\mu}{\sigma/\sqrt n}\sim N(0,1) |
\bar X\pm u_{\alpha/2}\dfrac{\sigma}{\sqrt n} |
\sigma 未知 |
\dfrac{\bar X-\mu}{S/\sqrt n}\sim t(n-1) |
\bar X\pm t_{\alpha/2}(n-1)\dfrac{S}{\sqrt n} |
记法:知道 \sigma 就用 u ,不知道就用 t 分布;自由度是 n-1 (因为用了 S )。这是选择题最爱考的一处,四个选项通常就是 u/t 与自由度 n / n-1 的排列组合。
\sigma^2 的区间:\left(\dfrac{(n-1)S^2}{\chi^2_{\alpha/2}(n-1)},\ \dfrac{(n-1)S^2}{\chi^2_{1-\alpha/2}(n-1)}\right) ,分母的上下标方向要小心。
二、一圈层
2.1 无偏性
E(\hat\theta)=\theta 称无偏。常用结论:
E(\bar X)=\mu,E(S^2)=\sigma^2(分母n-1的原因)E\!\left(\dfrac1n\sum(X_i-\bar X)^2\right)=\dfrac{n-1}{n}\sigma^2(有偏)- 均匀
U(0,\theta):E(X_{(n)})=\dfrac{n}{n+1}\theta,故\dfrac{n+1}{n}X_{(n)}无偏
判断无偏的通法:把估计量写成样本的函数,取期望,看是否等于参数。次序统计量的期望要靠密度积分。
2.2 有效性
两个都无偏时,方差小的更有效。比较 D(\hat\theta_1) 与 D(\hat\theta_2) 。
方差计算的两个常用值:D(\bar X)=\dfrac{\sigma^2}{n} ;对 U(0,\theta) 的 X_{(n)} ,D(X_{(n)})=\dfrac{n}{(n+1)^2(n+2)}\theta^2 。
2.3 相合性(一致性)
\hat\theta\xrightarrow{P}\theta 。判据:若 \hat\theta 无偏且 D(\hat\theta)\to0 ,则相合(切比雪夫直接给)。
所以"无偏 + 方差趋于 0"是相合性的充分条件,不是必要条件。
2.4 次序统计量
X_{(n)}=\max X_i 的密度:f_{X_{(n)}}(x)=n\left[F(x)\right]^{n-1}f(x) 。
X_{(1)}=\min X_i 的密度:f_{X_{(1)}}(x)=n\left[1-F(x)\right]^{n-1}f(x) 。
这两个公式是"\max /\min "类题的钥匙,U(0,\theta) 与指数分布下必考。
2.5 枢轴量法的通用流程
- 明确要估的参数(
\mu还是\sigma^2) - 找分布(
N/t/\chi^2/F) - 写
P\{a<\text{枢轴量}<b\}=1-\alpha - 解不等式得区间
双总体的三类区间:均值差(\sigma 已知用 u 、未知但相等用 t )、方差比(F )。大纲要求,十年没考——属于"高性价比冷门"。
三、二圈层
3.1 假设检验的两类错误
H_0 为真 |
H_0 为假 |
|
|---|---|---|
接受 H_0 |
正确 | 第二类错误 \beta |
拒绝 H_0 |
第一类错误 \alpha |
正确(功效 1-\beta ) |
\alpha 是显著性水平,检验时先定 \alpha 再定拒绝域。样本量固定时 \alpha 减小则 \beta 增大;两者同时减小的唯一办法是增大样本量。
3.2 拒绝域的方向
H_1:\mu>\mu_0→ 拒绝域在右尾:\bar X>\mu_0+u_\alpha\dfrac{\sigma}{\sqrt n}H_1:\mu<\mu_0→ 拒绝域在左尾H_1:\mu\neq\mu_0→ 双尾,用\alpha/2
判断口诀:拒绝域跟着 H_1 走。H_1 写"大于"就往右拒绝。
3.3 双正态总体
均值差 \mu_1-\mu_2 :\sigma_1^2,\sigma_2^2 已知用 u ;未知但相等用 t (合并方差 S_w^2=\dfrac{(n_1-1)S_1^2+(n_2-1)S_2^2}{n_1+n_2-2} ,自由度 n_1+n_2-2 )。
方差比 \sigma_1^2/\sigma_2^2 :用 F ,F=\dfrac{S_1^2}{S_2^2}\cdot\dfrac{\sigma_2^2}{\sigma_1^2}\sim F(n_1-1,n_2-1) 。
3.4 大数定律的证明套路
证 \bar X\xrightarrow{P}\mu 的固定三步:算 E(\bar X)=\mu → 算 D(\bar X)=\sigma^2/n → 套切比雪夫,得 P\{|\bar X-\mu|<\varepsilon\}\geqslant1-\dfrac{\sigma^2}{n\varepsilon^2}\to1 。
3.5 MLE 综合题的标准形态
真题的参数估计大题常是四问:(Ⅰ)矩估计(Ⅱ)MLE(Ⅲ)判断无偏、修正(Ⅳ)比较方差。这四问的每一问都是独立给分点,前一问错了后一问照做仍有分——所以千万别因为第(Ⅱ)问卡住就整题放弃。
四、坑清单
- 切比雪夫把不等号方向弄反:
P\{|X-\mu|\geqslant\varepsilon\}\leqslant D/\varepsilon^2,是"\leqslant"。 \sigma未知却用u分布:这是置信区间题的头号错因。- 自由度误写成
n的情况:用S时自由度是n-1。 S^2的分母误写成n的情况:估计量S^2=\dfrac{1}{n-1}\sum(X_i-\bar X)^2才是无偏的。- 均匀分布的 MLE 去求导:
L单调,导数无零点,必须看约束。 \chi^2区间上下标反:分母是\chi^2_{\alpha/2}与\chi^2_{1-\alpha/2},位置与t相反。- 假设检验把
\alpha用错侧:双尾检验用\alpha/2,单尾用\alpha。 - 忘记"独立"这个条件:
t与F的定义都要求两个\chi^2型变量独立。 - 相合性当成无偏性:两者是不同概念,相合是"样本量趋于无穷时收敛"。
五、题目索引
| 题号 | 考点 | 层 | 来源骨架 |
|---|---|---|---|
| A1 | 切比雪夫不等式(反向求方差界) | 核心 | 真题 2022-9 |
| A2 | 辛钦大数定律的条件 | 核心 | 真题 2017-8 变体 |
| A3 | 中心极限定理近似计算 | 核心 | 真题 2019-9 变体 |
| A4 | \chi^2 分布的构造 |
核心 | 真题 2017-8 |
| A5 | t 分布的构造 |
核心 | 真题 2021-9 变体 |
| A6 | F 分布的构造 |
核心 | 真题 2023-9 |
| A7 | 抽样分布定理(独立性) | 核心 | 自编 |
| A8 | 矩估计 | 核心 | 真题 2017-23 |
| A9 | 极大似然(可导型) | 核心 | 真题 2018-23 |
| A10 | 单正态置信区间 | 核心 | 真题 2016-14 |
| B1 | 无偏性判断 | 一圈 | 真题 2023-10 |
| B2 | 有效性比较 | 一圈 | 真题 2021-9 |
| B3 | 相合性 | 一圈 | 自编 |
| B4 | 次序统计量 | 一圈 | 真题 2016-23 |
| B5 | 方差区间(枢轴量) | 一圈 | 大纲要求、十年未考 |
| C1 | 两类错误 | 二圈 | 真题 2021-10 |
| C2 | 单侧检验拒绝域 | 二圈 | 真题 2025-10 |
| C3 | 双总体均值差检验 | 二圈 | 大纲要求、十年未考 |
| C4 | 大数定律的证明 | 二圈 | 真题 2018-8 变体 |
| C5 | 参数估计综合(MLE + 无偏 + 有效) | 二圈 | 真题 2024-22 变体 |