Files
MathNotesVersion2/基于考研的学习/数学一/知识点构建/27-专背清单-概率论-第6讲-数理统计.md
T
Yimu 8c4b35a709 概率论专背清单:六讲 231 条口袋卡(21—27)
背诵版 16—20 是讲义态(一讲 1.2—2.3 万字符),复习一次 40 分钟且看完记不住。
用户反馈「不是不理解,是背的东西太多,靠逻辑推演速度太慢」,故另做记忆态清单。

- 21 总纲:收录标准(只收推不出或推起来超十秒的)、五型标签(式/表/判/模/反)、
  三轮刷法、六张跨讲对照(除数账本、独立四种说法、标准化三次、自由度账本、
  三对易混、两类错误)
- 22—27 六讲:32/44/41/36/25/53 条,合计 231 条,全刷 32 分钟
- 每册末「十秒自检」四条到六条,作为过关判据
- 考前三天只看「反」型(不成立断言与反例)与「表」型
- README 加 §四·五 说明分工:清单卡住 → 背诵版查全 → 在学练习看推导
- 总览目录树补入知识点构建(此前遗漏)
- 顺带修两处公式内伪链接(f'[...](b-a)、[x+(n-1)a](x-a)),check_md_links 归零
2026-11-17 20:09:09 +08:00

13 KiB
Raw Blame History

tags, 专题, 日期, 状态, 来源, 关联笔记
tags 专题 日期 状态 来源 关联笔记
数学一
知识点构建
专背清单
概率论
数理统计
抽样分布
概率论 · 第6讲 数理统计 · 专背清单 2026-11-17 53 条(式 22 / 表 8 / 判 11 / 模 5 / 反 7) 知识点构建 20 背诵版;专项突破 03 四件套专练;真题库 chapter 21—22
21-专背清单-概率论-00-总纲与跨讲对照
20-背诵版-概率论-第6讲-数理统计
../专项突破/03-大数定律与数理统计/02b-试题-四件套专练

第 6 讲 数理统计 · 专背清单

53 条,六册里最重的一册。本讲的分值集中在四件套(哪个参数已知)与四张表(抽样分布、区间、检验、两类错误)。这四张表背不下来,本讲等于没学。

一、统计量与样本矩(7 条)

L6-01 判 统计量定义:g(X_1,\dots,X_n) 中不含任何未知参数。  └ 口诀"能不能用样本算出来"——算不出来就不是。

L6-02 式 三个基本量:\overline X=\dfrac1n\sum X_i ;S^2=\dfrac{1}{n-1}\sum(X_i-\overline X)^2 ;B_2=\dfrac1n\sum(X_i-\overline X)^2 。

L6-03 式 恒等式:\sum(X_i-\overline X)^2=\sum X_i^2-n\overline X^2 。  └ 方差题必用。这一步能把二阶矩和均值接起来。

L6-04 式 三个必背数字特征:E\overline X=\mu ;D\overline X=\dfrac{\sigma^2}{n} ;ES^2=\sigma^2 。  └ 前两个合起来就是"\overline X 是 \mu 的无偏估计,且方差随 n 收缩"。

L6-05 式 n-1 的来历:E\!\left[\frac1n\sum(X_i-\overline X)^2\right]=\dfrac{n-1}{n}\sigma^2 ,乘 \dfrac{n}{n-1} 才无偏。  └ n-1 只为无偏。这也解释了 \chi^2 自由度为何减一。

L6-06 式 顺序统计量:F_{(n)}=[F]^n ,F_{(1)}=1-[1-F]^n ;f_{(n)}=n[F]^{n-1}f ,f_{(1)}=n[1-F]^{n-1}f 。

L6-07 表 上限型总体的 \max 期望(无偏题必背):

密度 EX_{(n)}
U(0,\theta) :\frac1\theta \dfrac{n}{n+1}\theta
\dfrac{2x}{\theta^2} \dfrac{2n}{2n+1}\theta
\dfrac{kx^{k-1}}{\theta^k} \dfrac{kn}{kn+1}\theta

 └ 记法:分子是 n 乘指数,分母再加 1。要无偏就乘倒数。

二、三大抽样分布(5 条)

L6-08 式 \chi^2(n) :n 个独立 N(0,1) 的平方和。E=n 、D=2n ,可加。  └ 不对称,上下分位点要分别查。

L6-09 式 t(n)=\dfrac{X}{\sqrt{Y/n}} ,X\sim N(0,1) 、Y\sim\chi^2(n) 独立。E=0 (n>1 )。  └ 密度偶函数、尾比正态厚;t_{1-\alpha}(n)=-t_\alpha(n) ;t^2\sim F(1,n) 。

L6-10 式 F(n_1,n_2)=\dfrac{U/n_1}{V/n_2} ,U,V 独立卡方。两个自由度分子在前。  └ \dfrac1F\sim F(n_2,n_1) ,故 F_{1-\alpha}(n_1,n_2)=\dfrac{1}{F_\alpha(n_2,n_1)} 。查不到小分位点时用它。

L6-11 判 分位点约定:下标是上侧面积。P\{T>t_\alpha(n)\}=\alpha ,P\{\chi^2>\chi^2_\alpha(n)\}=\alpha 。  └ 与 z_\alpha 一致(第 2 讲 L2-26)。混用"累积面积"会整体错位。

L6-12 判 拼装三步:① 算线性组合的均值方差;② 标准化得 N(0,1) ,平方得 \chi^2(1) ;③ 按定义拼(卡方相加、t 除根号、F 上下各除自由度)。

三、四件套(本讲核心,6 条)

L6-13 表 单正态总体五条(X_i\sim N(\mu,\sigma^2) ):

# 统计量 分布 前提
① \dfrac{\overline X-\mu}{\sigma/\sqrt n} N(0,1) \sigma 已知
② \dfrac{1}{\sigma^2}\sum(X_i-\mu)^2 \chi^2(n) \mu 已知
③ \dfrac{(n-1)S^2}{\sigma^2} \chi^2(n-1) \mu 未知
④ \dfrac{\sqrt n(\overline X-\mu)}{S} t(n-1) \sigma 未知
⑤ \dfrac{n(\overline X-\mu)^2}{S^2} F(1,n-1) \sigma 未知

L6-14 式 两句口诀:\mu 换成 \overline X ,自由度减一(②→③);**\sigma 换成 S ,正态换 t ,自由度 n-1 **(①→④)。  └ 这两句覆盖了四件套的全部变化,不要背四个孤立公式。

L6-15 判 四件套的选择只看两件事:**估的是 \mu 还是 \sigma^2 **;另一个参数已知还是未知。  └ 两行两列,一共四格。\mu 已知那格用 \chi^2(n) ,这一格真题十年没考过,最可能第一次出现。

L6-16 反 ④ 里藏着一条独立结论:正态总体下 \overline X 与 S^2 相互独立。  └ 这是正态总体独有的,一般总体不成立。它是拼 t 分布的前提,也是判断题常考项。

L6-17 坑 ① 的分母是 \sigma/\sqrt n ,不是 \sigma ;④ 的分子是 \sqrt n(\overline X-\mu) ,与 \dfrac{\overline X-\mu}{S/\sqrt n} 同值。两种写法都要认。

L6-18 坑 题目给"方差 \sigma^2=2 ",代进 ① 时分母要用 \sqrt2 。  └ 2025·10 的唯一失分点就在这。

四、两正态总体(4 条)

L6-19 式 均值差(方差已知):\dfrac{(\overline X-\overline Y)-(\mu_1-\mu_2)}{\sqrt{\sigma_1^2/m+\sigma_2^2/n}}\sim N(0,1) 。  └ 两项方差都要除各自样本量,再相加,别漏。

L6-20 式 方差比:\dfrac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}\sim F(m-1,n-1) 。

L6-21 式 均值差(等方差未知):\dfrac{(\overline X-\overline Y)-(\mu_1-\mu_2)}{S_w\sqrt{1/m+1/n}}\sim t(m+n-2) 。

L6-22 式 合并方差:S_w^2=\dfrac{(m-1)S_1^2+(n-1)S_2^2}{m+n-2} 。  └ 分母 m+n-2 = 两组各估一个均值。自由度账本的第三个例子。

五、点估计(8 条)

L6-23 模 矩估计三步:① 写含 \theta 的总体矩 EX^k ;② 令 EX^k=A_k ;③ 解出 \hat\theta 。  └ 一个参数用一阶矩,两个参数用一、二阶矩联立。

L6-24 式 两参数模板:\hat\mu=\overline X ,\hat\sigma^2=B_2=\dfrac1n\sum(X_i-\overline X)^2 。  └ **矩估计的方差是 B_2 (除 n )不是 S^2 **。这是矩估计唯一的坑。

L6-25 模 MLE 四步:① 写 L=\prod f(x_i;\theta) ;② 取 \ln L ;③ 求导令零(多参数解方程组);④ 写成统计量。  └ 第④步别漏——答案必须是 X_i 的表达式,不能留 \theta 。

L6-26 式 边界情形的口诀:能求导就求导;不能求导看单调,往边界上找。

L6-27 表 三个高频载体(记结果):

分布 矩估计 MLE
拉普拉斯 \frac{1}{2\lambda}\mathrm e^{-\lvert x\rvert/\lambda} \frac1n\sum\lvert X_i\rvert 同左
均匀 U(0,\theta) 2\overline X X_{(n)}
幂型 \theta x^{\theta-1} (0<x<1 ) \dfrac{\overline X}{1-\overline X} -\dfrac{n}{\sum\ln X_i}

 └ 均匀那一格是必考:矩估计与 MLE 结果不同,且只有 MLE 可修正为无偏(乘 \frac{n+1}{n} )。

L6-28 式 两样本同参数(X\sim P(\lambda) 、Y\sim P(2\lambda) ):

\hat\lambda=\frac{\sum X_i+\sum Y_j}{n+2m},\qquad D(\hat\lambda)=\frac{\lambda}{n+2m}.

 └ 分母 n+2m 的来历:Y 组每个样本携带 2\lambda 的信息。

L6-29 式 不变性:\widehat{g(\theta)}=g(\hat\theta) 。用于 \hat\sigma_{\text{MLE}}=\sqrt{\hat\sigma^2_{\text{MLE}}} 。

L6-30 反 无偏性没有不变性:E\hat\theta=\theta 推不出 E[g(\hat\theta)]=g(\theta) 。  └ 反例:\sqrt{S^2}=S 不是 \sigma 的无偏估计(E S<\sigma ,Jensen)。"MLE 有不变性、无偏性没有"是常考辨析。

六、评价标准(6 条)

L6-31 表 四标准:

标准 定义 管什么
无偏 E\hat\theta=\theta 准不准(无系统偏差)
有效 都无偏时 D\hat\theta 更小 稳不稳
相合(一致) \hat\theta\xrightarrow{P}\theta 样本多了会不会靠近
MSE E(\hat\theta-\theta)^2=D\hat\theta+(E\hat\theta-\theta)^2 方差 + 偏差²

L6-32 式 四个无偏结论:E\overline X=\mu ;ES^2=\sigma^2 ;EB_2=\frac{n-1}{n}\sigma^2 (有偏);EX_{(n)}=\frac{n}{n+1}\theta (对 U(0,\theta) )。

L6-33 模 定常数使无偏:写出 E(\text{统计量})=c\,\theta ,令 c=1 反解。  └ 标准动作,几乎每道无偏题都要走一遍。

L6-34 判 有效性必须先过无偏关:两个都无偏才比方差;一个无偏一个有偏,要比 MSE。

L6-35 式 MSE 最小的常数:h(c) 展开成 c 的二次函数,顶点

c^*=\frac{\theta\,EX_{(n)}}{EX_{(n)}^2}.

 └ **它一般不等于使无偏的 \frac{n+1}{n} **——2024·22 就考这个"小偏差换大方差"。

L6-36 反 有偏的估计量可以更好(MSE 更小),所以"有偏就不用"是错的。

七、区间估计(6 条)

L6-37 模 枢轴法四步:① 找点估计;② 造枢轴量(含参数但分布已知且与参数无关);③ 定分位点(双侧取 \alpha/2 与 1-\alpha/2 );④ 解不等式。

L6-38 表 单总体四大区间:

待估 条件 枢轴量 区间
\mu \sigma 已知 N(0,1) \overline X\pm u_{\alpha/2}\dfrac{\sigma}{\sqrt n}
\mu \sigma 未知 t(n-1) \overline X\pm t_{\alpha/2}(n-1)\dfrac{S}{\sqrt n}
\sigma^2 \mu 已知 \chi^2(n) 两端反放(见下条)
\sigma^2 \mu 未知 \chi^2(n-1) 两端反放

L6-39 式 方差区间的写法(最容易抄错的一处):

\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].

 └ 大分位点配下限、小分位点配上限。因为 \chi^2 不对称且 \sigma^2 在分母。

L6-40 判 单侧区间用 u_\alpha (不是 u_{\alpha/2} );同一置信度下单侧半宽更小。

L6-41 式 2016·14 速算:给 \overline X 与置信上限反求下限——**上限 + 下限 =2\overline X **(仅均值对称区间成立)。

L6-42 式 两总体三格:均值差(方差已知)用 U ;等方差未知用 t(m+n-2) ,标准误 S_w\sqrt{1/m+1/n} ;方差比用 F(m-1,n-1) 且两端反放。

八、假设检验(7 条)

L6-43 模 四步:① 提假设(**等号放 H_0 **);② 选统计量(按四件套);③ 定拒绝域使 \alpha 成立;④ 算观测值下结论。

L6-44 表 拒绝域方向(跟着 H_1 跑):

H_1 拒绝域
\theta\ne\theta_0 \lvert\text{统计量}\rvert\ge 上侧 \alpha/2 分位点
\theta>\theta_0 \text{统计量}\ge 上侧 \alpha 分位点
\theta<\theta_0 \text{统计量}\le 上侧 \alpha 分位点的相反数

L6-45 表 单总体四种检验(与四件套一一对应):

对象 条件 统计量 分布
\mu \sigma 已知 \dfrac{\overline X-\mu_0}{\sigma_0/\sqrt n} N(0,1)
\mu \sigma 未知 \dfrac{\overline X-\mu_0}{S/\sqrt n} t(n-1)
\sigma^2 \mu 已知 \dfrac{\sum(X_i-\mu)^2}{\sigma_0^2} \chi^2(n)
\sigma^2 \mu 未知 \dfrac{(n-1)S^2}{\sigma_0^2} \chi^2(n-1)

L6-46 反 \chi^2 双侧检验的拒绝域不对称:左右两尾分别查 \chi^2_{1-\alpha/2} 与 \chi^2_{\alpha/2} ,不能写成绝对值。

L6-47 式 对偶:\mu_0 落在 1-\alpha 置信区间内 \iff 不拒绝 H_0 。

L6-48 判 两总体检验:均值差用 U 或 T (同 L6-19、L6-21);方差比用 F=\dfrac{S_1^2}{S_2^2} ,**分子配 m-1 **。

L6-49 坑 检验题里"\sigma_0^2 "与"\sigma_0 "要看清楚:U 与 T 的分母是标准差,\chi^2 的分母是方差。

九、两类错误(4 条)

L6-50 表 两类错误与两个水平:

名 符号 含义
弃真(第一类) \alpha P\{\text{拒绝}H_0\mid H_0\text{真}\}
取伪(第二类) \beta P\{\text{接受}H_0\mid H_0\text{假}\}
置信度 1-\alpha 与 \alpha 同源

L6-51 模 算 \beta 四步:① 由 \alpha 定拒绝域临界值;② 换世界——用真实参数算统计量分布;③ 求"落在接受域"的概率;④ 得 \beta 。

L6-52 反 \alpha 与 \beta 不能同时减小(n 固定时)。唯一办法是**增大 n **。

L6-53 式 \alpha 减小 \Rightarrow 拒绝域缩小 \Rightarrow 接受域变大 \Rightarrow \beta 增大。方向是反的。

十秒自检

  1. 默写四件套五条(①—⑤),说出两句口诀。
  2. 方差区间为什么两端反放。
  3. 矩估计的方差为什么是 B_2 而不是 S^2 。
  4. 均匀分布的矩估计与 MLE 各是什么,哪个能修正为无偏。
  5. \alpha 与 \beta 的关系,怎么同时减小。
  6. \chi^2(n) 与 \chi^2(n-1) 分别什么时候用。

六条全过,本讲过关。