Files
MathNotesVersion2/基于考研的学习/数学一/在学练习/概率论-第6讲-数理统计/01-知识点盘点.md
T
Yimu 4e4009de30 重构概率论第6讲为「知识点带题」格式,并修复跨讲死链
- 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
2026-11-07 13:02:26 +08:00

320 lines
19 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
tags: [数学一, 在学练习, 概率论, 数理统计, 知识点盘点]
专题: 概率论 第6讲 · 数理统计
日期: 2026-11-07
状态: 知识点盘点(八节 + 覆盖对照表),配套 8 个点分册共 26 题
关联笔记: ["[[README]]", "[[10-速查卡]]"]
---
# 第6讲 · 数理统计:知识点盘点
真题库第 20、21、22 三章。近十年 **15 题 116 分**:**解答题 8 道(91 分)$+$ 选填 7 题(25 分)**。分章看:ch20 基本概念 2 题 9 分、**ch21 参数估计 10 题 93 分**、ch22 假设检验 3 题 14 分。
**这一讲的结构是"一个前提 + 两条主线"**:前提是**统计量的分布**(三大分布与正态总体的四个结论),两条主线是**点估计/区间估计**(正问题:参数是多少)与**假设检验**(反问题:参数是不是这个值)。两条主线共用同一套分布,所以前提没打牢,后面全是死记硬背。
**一句话定性**:数理统计 = **用样本反推总体**。前 5 讲是"已知分布求概率"(正问题),这一讲是"已知样本猜分布"(反问题),**方向反过来,所以每一问都要先问"我手里有哪些统计量、它们服从什么分布"**。
## 0 三张表
### 0.1 按分值排(时间紧就照这个顺序)
| 优先 | 点 | 真题锚点 | 分值 | 文件 |
|---|---|---|---|---|
| 1 | 最大似然估计 | 2018·23、2019·23、2020·23、2022·22 | **约 45** | `06` |
| 2 | 估计量的评价标准(无偏/有效/均方误差) | 2021·9、2023·10、2024·22、2016·23 | **约 33** | `07` |
| 3 | 假设检验与两类错误 | 2018·8、2021·10、2025·10 | **约 14** | `09` |
| 4 | 正态总体的抽样分布 | 2017·8 | **4** | `04` |
| 5 | 区间估计 | 2016·14 | **4** | `08` |
| 6 | 三大抽样分布 | 2023·9 | **5** | `03` |
| 7 | 矩估计 | 2017·23 的第一问 | 嵌在解答题 | `05` |
| 8 | 总体、样本与统计量 | 全部题的前置 | — | `02` |
**最大似然估计独占 45 分**,这是全讲乃至全卷概率部分最集中的一块。它的动作固定(写 $L$ → 取对数 → 求导),但**支撑含参数时不能求导**,那是唯一的坎。
### 0.2 按依赖链排(文件顺序,也就是建议的阅读顺序)
```
02 总体、样本与统计量 ← 名词定义 + 三个基本期望
↓
03 三大抽样分布 ← χ² / t / F 的构造
↓
04 正态总体的抽样分布 ← 前面两者的合成:四个结论
↓
05 矩估计 → 06 最大似然估计 ← 两条点估计路线
↓
07 估计量的评价标准 ← 判断估计"好不好"
↓
08 区间估计 → 09 假设检验 ← 同一套分布的两个用法
```
**为什么评价标准要排在两条估计路线之后**:无偏性、有效性都是"对某个估计量"说的,手里没有估计量就无从评价。而 07 又是 08、09 的前提——区间估计的枢轴量就是"无偏估计 + 已知分布"。
### 0.3 符号约定
| 记号 | 含义 |
|---|---|
| $X_1,\dots,X_n$ | 简单随机样本(独立同分布于总体 $X$ ) |
| $\bar X=\dfrac1n\sum X_i$ | 样本均值 |
| $S^2=\dfrac{1}{n-1}\sum(X_i-\bar X)^2$ | 样本方差(**分母取 $n-1$ 才对**) |
| $S_n^2=\dfrac1n\sum(X_i-\bar X)^2$ | 二阶中心矩(分母 $n$ ,有偏) |
| $X_{(n)}=\max\{X_i\}$ | 最大次序统计量 |
| $\chi^2_\alpha(n)$ 、$t_\alpha(n)$ 、$F_\alpha(n_1,n_2)$ | **上** $\alpha$ 分位点(右侧面积 $\alpha$ ) |
| $\hat\theta$ | 参数 $\theta$ 的估计量 |
| $\alpha$ 、$\beta$ | 第一类、第二类错误概率 |
> **分位点是上侧还是下侧,是这一讲最大的符号陷阱**。本讲统一用**上侧分位点**:$P\{\chi^2>\chi^2_\alpha(n)\}=\alpha$ 。所以置信区间里出现的是 $\chi^2_{1-\alpha/2}$ 与 $\chi^2_{\alpha/2}$ 两个下、上分位点,顺序不能写反。
### 0.4 知识点与练习文件对照(按知识点粒度)
<!-- AUTO:KP -->
| 盘点章节(知识点) | 对应题目 |
|---|---|
| §1.1 总体与样本 | [点 1 题 1](02-点1-总体样本与统计量.md#user-content-题-1--11联合分布与两个词的用处) |
| §1.2 统计量与三个基本期望 | [点 1 题 2](02-点1-总体样本与统计量.md#user-content-题-2--12统计量的三个基本期望) |
| §1.3 顺序统计量 | [点 1 题 3](02-点1-总体样本与统计量.md#user-content-题-3--13最大次序统计量) |
| §2.1 卡方分布 | [点 2 题 1](03-点2-三大抽样分布.md#user-content-题-1--21平方和就是卡方) |
| §2.2 t 分布 | [点 2 题 2](03-点2-三大抽样分布.md#user-content-题-2--22t-的构造与对称性) |
| §2.3 F 分布 | [点 2 题 3](03-点2-三大抽样分布.md#user-content-题-3--23f-的两个自由度与倒数互换) |
| §3.1 单总体的四个结论(本讲的核心) | [点 3 题 1](04-点3-正态总体的抽样分布.md#user-content-题-1--31四选一找错)、[点 3 题 2](04-点3-正态总体的抽样分布.md#user-content-题-2--31用卡方算样本方差的概率) |
| §3.2 两总体的情形 | [点 3 题 3](04-点3-正态总体的抽样分布.md#user-content-题-3--32两总体的方差比) |
| §4.1 原理与步骤 | [点 4 题 1](05-点4-矩估计.md#user-content-题-1--41一阶矩就够的情形) |
| §4.2 两个陷阱 | [点 4 题 2](05-点4-矩估计.md#user-content-题-2--42一阶矩失效与二阶矩的坑) |
| §5.1 似然函数与三步 | [点 5 题 1](06-点5-最大似然估计.md#user-content-题-1--51指数分布与不变性)、[点 5 题 2](06-点5-最大似然估计.md#user-content-题-2--51两组不同参数的泊松) |
| §5.2 支撑含参数(唯一不能求导的情形) | [点 5 题 3](06-点5-最大似然估计.md#user-content-题-3--52均匀分布的-mle-不能求导)、[点 5 题 4](06-点5-最大似然估计.md#user-content-题-4--52平方型密度与无偏修正) |
| §6.1 无偏性 | [点 6 题 1](07-点6-估计量的评价标准.md#user-content-题-1--61无偏性反解系数) |
| §6.2 有效性 | [点 6 题 2](07-点6-估计量的评价标准.md#user-content-题-2--62三个均值型估计谁更有效) |
| §6.3 相合性(一致性) | [点 6 题 3](07-点6-估计量的评价标准.md#user-content-题-3--63相合性的证明与反例) |
| §6.4 均方误差 | [点 6 题 4](07-点6-估计量的评价标准.md#user-content-题-4--64无偏不一定最好) |
| §7.1 置信区间与枢轴量 | [点 7 题 1](08-点7-区间估计.md#user-content-题-1--71由-095-的区间反推-09-的区间) |
| §7.2 单总体的三个区间 | [点 7 题 2](08-点7-区间估计.md#user-content-题-2--72单总体的三种区间) |
| §7.3 两总体的两个区间 | [点 7 题 3](08-点7-区间估计.md#user-content-题-3--73两总体的均值差与方差比) |
| §8.1 原假设、两类错误 | [点 8 题 1](09-点8-假设检验与两类错误.md#user-content-题-1--81第二类错误的计算202110-骨架) |
| §8.2 拒绝域与显著性水平 | [点 8 题 2](09-点8-假设检验与两类错误.md#user-content-题-2--82拒绝域的方向与显著性水平的单调性20251020188-骨架) |
| §8.3 正态总体的六大检验 | [点 8 题 3](09-点8-假设检验与两类错误.md#user-content-题-3--83单总体的三种检验原创接点-7-题-2)、[点 8 题 4](09-点8-假设检验与两类错误.md#user-content-题-4--83两总体的两个检验接点-7-题-3-的数据) |
<!-- /AUTO:KP -->
## 1 总体、样本与统计量
### 1.1 总体与样本
**总体**是随机变量 $X$ (或它的分布);**样本** $X_1,\dots,X_n$ 是 $n$ 个独立同分布、且与 $X$ 同分布的随机变量;**样本值** $x_1,\dots,x_n$ 是观测到的数。
**"简单随机样本"= 独立 + 同分布**,这两个词缺一不可——独立保证联合密度可连乘,同分布保证每个因子长得一样。
### 1.2 统计量与三个基本期望
**统计量**:不含任何未知参数的样本函数。$\bar X$ 是统计量,$\bar X-\mu$ 不是(含未知的 $\mu$ )。
$$\bar X=\frac1n\sum_{i=1}^{n}X_i,\qquad S^2=\frac{1}{n-1}\sum_{i=1}^{n}(X_i-\bar X)^2,\qquad A_k=\frac1n\sum_{i=1}^{n}X_i^k .$$
**三条必背**(对任意总体都成立):
$$E\bar X=\mu,\qquad D\bar X=\frac{\sigma^2}{n},\qquad ES^2=\sigma^2 .$$
第三条是 $S^2$ 分母取 $n-1$ 的全部理由;若取 $n$ ,期望是 $\frac{n-1}{n}\sigma^2$ ,有偏。
### 1.3 顺序统计量
把样本从小到大排:$X_{(1)}\le X_{(2)}\le\cdots\le X_{(n)}$ 。**分布函数法**:
$$F_{X_{(n)}}(x)=\left[F(x)\right]^n,\qquad F_{X_{(1)}}(x)=1-\left[1-F(x)\right]^n .$$
**$U(0,\theta)$ 的两个现成结果**(解答题反复用):
$$E X_{(n)}=\frac{n}{n+1}\theta,\qquad E X_{(n)}^2=\frac{n}{n+2}\theta^2 .$$
## 2 三大抽样分布
### 2.1 卡方分布
$$X_i\overset{\text{iid}}{\sim}N(0,1)\ \Longrightarrow\ \sum_{i=1}^{n}X_i^2\sim\chi^2(n).$$
$E\chi^2(n)=n$ 、$D\chi^2(n)=2n$ ;**可加性**:$\chi^2(n_1)+\chi^2(n_2)=\chi^2(n_1+n_2)$ (独立时)。
### 2.2 t 分布
$$X\sim N(0,1),\ Y\sim\chi^2(n),\ X\perp Y\ \Longrightarrow\ T=\frac{X}{\sqrt{Y/n}}\sim t(n).$$
密度**偶对称**,故 $t_{1-\alpha}(n)=-t_\alpha(n)$ ;$n>2$ 时方差为 $\frac{n}{n-2}$ ;$n\to\infty$ 时趋于 $N(0,1)$ 。
### 2.3 F 分布
$$U\sim\chi^2(n_1),\ V\sim\chi^2(n_2),\ U\perp V\ \Longrightarrow\ F=\frac{U/n_1}{V/n_2}\sim F(n_1,n_2).$$
**两条互换公式**(查表必备):
$$\frac{1}{F}\sim F(n_2,n_1),\qquad F_{1-\alpha}(n_1,n_2)=\frac{1}{F_\alpha(n_2,n_1)};\qquad T\sim t(n)\ \Longrightarrow\ T^2\sim F(1,n).$$
## 3 正态总体的抽样分布
### 3.1 单总体的四个结论(本讲的核心)
设 $X_1,\dots,X_n$ 来自 $N(\mu,\sigma^2)$ :
$$\text{①}\ \bar X\sim N\left(\mu,\frac{\sigma^2}{n}\right);\qquad \text{②}\ \frac{(n-1)S^2}{\sigma^2}=\frac{\sum(X_i-\bar X)^2}{\sigma^2}\sim\chi^2(n-1);$$
$$\text{③}\ \bar X\ \text{与}\ S^2\ \text{相互独立};\qquad \text{④}\ \frac{\bar X-\mu}{S/\sqrt n}\sim t(n-1).$$
**③ 是"正态总体"独有的**,非正态时 $\bar X$ 与 $S^2$ 一般不独立。第 ② 式的分子是 $n-1$ 而不是 $n$ ,因为减掉 $\bar X$ 用掉一个自由度。
### 3.2 两总体的情形
两样本独立,$X_i\sim N(\mu_1,\sigma_1^2)$ 、$Y_j\sim N(\mu_2,\sigma_2^2)$ :
$$\frac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}\sim F(n_1-1,\ n_2-1).$$
当 $\sigma_1^2=\sigma_2^2=\sigma^2$ 时把两个方差"合并":
$$S_w^2=\frac{(n_1-1)S_1^2+(n_2-1)S_2^2}{n_1+n_2-2},\qquad \frac{(\bar X-\bar Y)-(\mu_1-\mu_2)}{S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}\sim t(n_1+n_2-2).$$
## 4 矩估计
### 4.1 原理与步骤
**用样本矩替换总体矩**:$A_k=\frac1n\sum X_i^k$ 代替 $EX^k$ ,列出与未知参数个数相同的方程,解出参数。
**两步**:① 写出总体矩(含参数);② 令其等于对应的样本矩,解方程。
### 4.2 两个陷阱
- **需要二阶矩时用二阶原点矩** $A_2=\frac1n\sum X_i^2$ ,不是 $S^2$ ——两者差一个 $\frac{n-1}{n}$ 的系数,选择题常在这里设错;
- **解出的估计量要检验参数范围**(如 $\hat\theta$ 必须为正),必要时取绝对值或截断。
## 5 最大似然估计
### 5.1 似然函数与三步
$$L(\theta)=\prod_{i=1}^{n}f(x_i;\theta),\qquad \ln L=\sum_{i=1}^{n}\ln f(x_i;\theta).$$
**三步**:① 写 $L$ → ② 取对数 → ③ 对参数求导令零。**离散型把 $f$ 换成 $p$ 即可** 。
**多参数**:对每个参数分别求偏导,联立求解(如 2019·23 的 $\mu$ 与 $\sigma^2$ )。
**不变性**:若 $\hat\theta$ 是 $\theta$ 的 MLE,则 $g(\hat\theta)$ 是 $g(\theta)$ 的 MLE(不必重新求)。
### 5.2 支撑含参数(唯一不能求导的情形)
当密度的**非零区域端点含参数**时(如 $f(x)=\frac{3x^2}{\theta^3},\ 0<x<\theta$ ),$L$ 里会出现示性函数,求导无意义。此时看 $L$ 关于参数的**单调性**:
- $L$ 随 $\theta$ 增大而减小 $\Rightarrow$ $\hat\theta$ 取 $\theta$ 的**最小可能值**;
- $L$ 随 $\theta$ 增大而增大 $\Rightarrow$ $\hat\theta$ 取 $\theta$ 的**最大可能值**(通常是 $X_{(n)}$ )。
## 6 估计量的评价标准
### 6.1 无偏性
$$E\hat\theta=\theta\quad(\forall\theta).$$
**三条常用**:$E\bar X=\mu$ ;$ES^2=\sigma^2$ ;$E\left[\frac1n\sum(X_i-\bar X)^2\right]=\frac{n-1}{n}\sigma^2$ (有偏)。
### 6.2 有效性
两个**都无偏**的估计量,方差小的更有效。比值 $\dfrac{D\hat\theta_1}{D\hat\theta_2}$ 就叫相对效率。
### 6.3 相合性(一致性)
$$\hat\theta\overset{P}{\longrightarrow}\theta .$$
**验证套路**:算 $E\hat\theta$ 与 $D\hat\theta$ ,若"偏差趋于 $0$ 且方差趋于 $0$ ",由切比雪夫不等式即得相合。
### 6.4 均方误差
$$MSE(\hat\theta)=E(\hat\theta-\theta)^2=D\hat\theta+\left(E\hat\theta-\theta\right)^2 .$$
它是"无偏 + 有效"的合体:允许有偏,只要总误差小。**2024·22 的最后一问就考这个。**
## 7 区间估计
### 7.1 置信区间与枢轴量
**枢轴量**:含待估参数、但**分布已知且不含任何未知参数**的统计量。由 $P\{a<Q<b\}=1-\alpha$ 反解出 $\theta$ 的范围即得置信区间。
**注意"置信度"的读法**:$1-\alpha$ 说的是"反复抽样时,约 $100(1-\alpha)\%$ 的区间会盖住真值",不是"$\theta$ 落在该区间的概率"。
### 7.2 单总体的三个区间
| 待估 | 条件 | 枢轴量 | 区间 |
|---|---|---|---|
| $\mu$ | $\sigma^2$ 已知 | $\dfrac{\bar X-\mu}{\sigma/\sqrt n}\sim N(0,1)$ | $\bar X\pm z_{\alpha/2}\dfrac{\sigma}{\sqrt n}$ |
| $\mu$ | $\sigma^2$ 未知 | $\dfrac{\bar X-\mu}{S/\sqrt n}\sim t(n-1)$ | $\bar X\pm t_{\alpha/2}(n-1)\dfrac{S}{\sqrt n}$ |
| $\sigma^2$ | $\mu$ 未知 | $\dfrac{(n-1)S^2}{\sigma^2}\sim\chi^2(n-1)$ | $\left[\dfrac{(n-1)S^2}{\chi^2_{\alpha/2}},\ \dfrac{(n-1)S^2}{\chi^2_{1-\alpha/2}}\right]$ |
### 7.3 两总体的两个区间
$\mu_1-\mu_2$ :方差已知用 $z$ ,未知但相等用合并方差的 $t(n_1+n_2-2)$ 。$\dfrac{\sigma_1^2}{\sigma_2^2}$ :用 $F(n_1-1,n_2-1)$ ,区间为
$$\left[\frac{S_1^2}{S_2^2}\cdot\frac{1}{F_{\alpha/2}(n_1-1,n_2-1)},\ \frac{S_1^2}{S_2^2}\cdot\frac{1}{F_{1-\alpha/2}(n_1-1,n_2-1)}\right].$$
> **大纲要求、十年未单考**:两总体的均值差与方差比区间属于"高性价比冷门"——公式要会写,但不必刷难题。
## 8 假设检验
### 8.1 原假设、两类错误
| 真实情况 | 接受 $H_0$ | 拒绝 $H_0$ |
|---|---|---|
| $H_0$ 为真 | 正确 | **第一类错误**(弃真),概率 $\alpha$ |
| $H_0$ 为假 | **第二类错误**(取伪),概率 $\beta$ | 正确(功效 $1-\beta$ ) |
**$\alpha$ 是"冤枉好人"的概率,$\beta$ 是"放过坏人"的概率**。样本量固定时二者此消彼长;要同时减小只能增大 $n$ 。
### 8.2 拒绝域与显著性水平
**显著性水平** $\alpha$ = 允许的第一类错误上限。拒绝域由 $\alpha$ 与**备择假设的方向**共同决定:
- $H_1:\theta>\theta_0$ → 右侧拒绝域(大值拒绝);
- $H_1:\theta<\theta_0$ → 左侧拒绝域;
- $H_1:\theta\ne\theta_0$ → 双侧拒绝域,每侧 $\alpha/2$ 。
### 8.3 正态总体的六大检验
| 检验对象 | 条件 | 统计量 | 分布 |
|---|---|---|---|
| 单总体 $\mu$ | $\sigma^2$ 已知 | $\dfrac{\bar X-\mu_0}{\sigma/\sqrt n}$ | $N(0,1)$ |
| 单总体 $\mu$ | $\sigma^2$ 未知 | $\dfrac{\bar X-\mu_0}{S/\sqrt n}$ | $t(n-1)$ |
| 单总体 $\sigma^2$ | $\mu$ 未知 | $\dfrac{(n-1)S^2}{\sigma_0^2}$ | $\chi^2(n-1)$ |
| 两总体 $\mu_1-\mu_2$ | 方差已知 | $\dfrac{(\bar X-\bar Y)-\delta_0}{\sqrt{\sigma_1^2/n_1+\sigma_2^2/n_2}}$ | $N(0,1)$ |
| 两总体 $\mu_1-\mu_2$ | 方差未知但相等 | $\dfrac{(\bar X-\bar Y)-\delta_0}{S_w\sqrt{1/n_1+1/n_2}}$ | $t(n_1+n_2-2)$ |
| 两总体 $\sigma_1^2/\sigma_2^2$ | 均值未知 | $\dfrac{S_1^2}{S_2^2}\cdot\dfrac{\sigma_2^2}{\sigma_1^2}$ | $F(n_1-1,n_2-1)$ |
## 9 覆盖对照(大纲 vs 真题 vs 参考仓库)
| 知识点 | 大纲要求 | 十年真题 | 参考仓库 | 处置 |
|---|---|---|---|---|
| 总体与样本 | **理解** | 全部题前置 | 有 | 点 1,1 题 |
| 统计量与三个基本期望 | **掌握** | 2024·22 | 有 | 点 1,1 题 |
| 顺序统计量 | **掌握** | 2016·23、2024·22 | 有 | 点 1,1 题 |
| 卡方分布 | **掌握** | 2017·8 | 有 | 点 2,1 题 |
| t 分布 | **掌握** | 嵌在各题 | 有 | 点 2,1 题 |
| F 分布 | **掌握** | 2023·9 | 有 | 点 2,1 题 |
| 正态总体的四个结论 | **掌握** | 2017·8、2023·9 | 有 | 点 3,2 题 |
| 两总体的抽样分布 | **掌握** | 2023·9 | 有 | 点 3,1 题 |
| 矩估计 | **掌握** | 2017·23 | 有 | 点 4,2 题 |
| 最大似然估计 | **掌握** | 2018·23、2019·23、2020·23、2022·22 | 有 | 点 5,2 题 |
| 支撑含参数的 MLE | **掌握** | 2016·23 | 有 | 点 5,2 题 |
| 无偏性 | **掌握** | 2021·9、2023·10 | 有 | 点 6,1 题 |
| 有效性 | **掌握** | 2021·9 | 有 | 点 6,1 题 |
| 相合性 | **掌握** | 未单考 | 有 | 点 6,1 题 |
| 均方误差 | 了解 | 2024·22 | 无(自编) | 点 6,1 题 |
| 置信区间与枢轴量 | **掌握** | 2016·14 | 有 | 点 7,1 题 |
| 单总体区间 | **掌握** | 2016·14 | 有 | 点 7,1 题 |
| 两总体区间 | **掌握** | 未考 | 有 | 点 7,1 题 |
| 两类错误 | **掌握** | 2018·8、2021·10、2025·10 | 有 | 点 8,1 题 |
| 拒绝域与显著性水平 | **掌握** | 2025·10 | 有 | 点 8,1 题 |
| 六大检验 | **掌握** | 2018·8、2021·10 | 有 | 点 8,2 题 |
**判断**:21 个知识点里,大纲"掌握"的 19 个全部配题,"均方误差"属"了解"层次也配了 1 题。**"两总体区间"与"相合性"是十年未考的两处空白**,按大纲要求补齐,标注为"高性价比冷门"。
## 10 与相邻讲的接口
| 本讲内容 | 来源 / 去向 | 用法 |
|---|---|---|
| $EX$ 、$DX$ 、$\operatorname{Cov}$ 、$D\bar X$ | [第4讲](../概率论-第4讲-随机变量的数字特征/README.md) | 点 1 的三条基本期望、点 6 的方差比较全靠它 |
| $E\sum(X_i-\bar X)^2=(n-1)\sigma^2$ | [第4讲点5 题4](../概率论-第4讲-随机变量的数字特征/06-点5-线性组合与最值.md) | $S^2$ 无偏性的唯一根据 |
| 依概率收敛、辛钦大数定律 | [第5讲上](../概率论-第5讲上-大数定律/README.md) | 点 6 相合性的证明工具 |
| $\Phi$ 、$z_\alpha$ 分位数 | [第5讲下](../概率论-第5讲下-中心极限定理/README.md) | 点 8、点 9 的临界值 |
| 正态分布的可加性与标准化 | [第3讲点3 §3.5](../概率论-第3讲-多维随机变量及其分布/04-点3-二维连续型与两类分布.md) | 点 3 两样本结论的来源 |
| $\max/\min$ 的分布 | [第3讲点6](../概率论-第3讲-多维随机变量及其分布/07-点6-四则运算与最值.md) | 点 1 顺序统计量直接引用 |
> **跨讲一句话**:前 5 讲给的是"分布 → 概率",本讲要的是"样本 → 参数",**唯一的桥就是统计量的分布**。所以本讲真正的重点不是公式,而是**见到一个统计量就能说出它服从什么分布**。