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/10-速查卡.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

172 lines
11 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, 速查卡]
专题: 概率论 第6讲 · 数理统计(速查)
日期: 2026-11-07
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 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
<!-- KP: 1.1, 1.2, 1.3 -->
$$E\bar X=\mu,\qquad D\bar X=\frac{\sigma^2}{n},\qquad ES^2=\sigma^2,\qquad E\left[\frac1n\sum(X_i-\bar X)^2\right]=\frac{n-1}{n}\sigma^2 .$$
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
<!-- KP: 2.1, 2.2, 2.3 -->
```
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
<!-- KP: 3.1, 3.2 -->
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
<!-- KP: 4.1, 4.2 -->
```
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
<!-- KP: 5.1, 5.2 -->
$$L(\theta)=\prod f(x_i;\theta)\ \longrightarrow\ \ln L=\sum\ln f(x_i;\theta)\ \longrightarrow\ \frac{\mathrm d\ln L}{\mathrm d\theta}=0 .$$
**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
<!-- KP: 6.1, 6.2, 6.3, 6.4 -->
```
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
<!-- KP: 7.1, 7.2, 7.3 -->
| 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
<!-- KP: 8.1, 8.2, 8.3 -->
| | 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
1. **分母取 $n-1$ 才对** :$S^2$ 的分母是 $n-1$ (无偏),二阶中心矩才用 $n$ 。
2. **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。
3. **$\sigma$ 未知却查 $z$ 表**:会把 $t$ 当 $z$ ,检验**结论会翻转**(题 3 就是活例)。
4. **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。
5. **$\beta$ 忘了指定备择值**:$\beta$ 是 $\mu$ 的函数,没有"$\beta=$ 多少"这种说法。
6. **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
<!-- AUTO: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](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)、[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)、[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) |
| 二 三大抽样分布的构造 | [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)、[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)、[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) |
| 三 正态总体的四个结论 | [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)、[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) |
| 四 矩估计 | [点 4 题 1](05-点4-矩估计.md#user-content-题-1--41一阶矩就够的情形)、[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) |
| 五 最大似然估计 | [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)、[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) |
| 六 评价标准四条 | [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)、[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)、[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)、[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) |
| 七 区间估计 | [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)、[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)、[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) |
| 八 假设检验 | [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)、[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)、[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:回查 -->
整册入口:[知识点盘点](01-知识点盘点.md)、[点 1](02-点1-总体样本与统计量.md)、[点 2](03-点2-三大抽样分布.md)、[点 3](04-点3-正态总体的抽样分布.md)、[点 4](05-点4-矩估计.md)、[点 5](06-点5-最大似然估计.md)、[点 6](07-点6-估计量的评价标准.md)、[点 7](08-点7-区间估计.md)、[点 8](09-点8-假设检验与两类错误.md)、[第5讲下](../概率论-第5讲下-中心极限定理/README.md)。