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 26e91c4c68 知识点构建 02—27 批量修公式渲染(约 2500 处)
起因:01 重排时核验发现线上残留 $ 243 个,追查后确认 10-27/11-17 写的这批文件
都有同样问题——收尾 $ 后面紧跟中文标点,Gitea 整对不渲染,正文里直接露出
$\lim_{x\to0}...$ 源码,所以整页看着糊成一团。

- 02—20(背诵版)共插入 2550 处空格,逐文件二次运行均插入 0(幂等)
- 21—27(专背清单)另修 24 处「加粗以公式收尾」:公式被移出加粗范围
  (`**…$f$ **` → `**…** $f$ `),否则补的空格落在 `**` 内侧,星号会原样露出
- 09/11 等 4 处一个加粗里连着两个公式,迭代剥两次才对
- 01 已在上一提交(da4c938)单独处理,网页残留 0

全部经 fix_text 幂等核验;链接 28 文件 0 异常。
2026-11-22 23:00:17 +08:00

230 lines
13 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, 知识点构建, 专背清单, 概率论, 数理统计, 抽样分布]
专题: 概率论 · 第6讲 数理统计 · 专背清单
日期: 2026-11-17
状态: 53 条(式 22 / 表 8 / 判 11 / 模 5 / 反 7)
来源: 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
关联笔记: ["[[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。