先用正态样本的均值、方差及其独立性构造抽样分布,再把总体参数的判断转为统计量是否进入拒绝域的问题。
学完这一课,你应该能…
区分总体参数、样本与统计量
掌握正态样本均值和样本方差的精确分布
构造并识别 χ2、t、F 统计量及自由度
根据备择假设确定单侧或双侧拒绝域,并区分显著性水平与原假设为真的概率
从目录选择要读的部分,或点“下一节”依次学习。长内容可用“下一屏”继续读。
先建立直觉,再看细节
同一个总体反复抽样,每次算出的均值和方差都会不同;这些统计结果本身也有分布,这就是抽样分布。正态总体下可以精确描述它们,并解释为什么用样本标准差替代总体标准差后,要从正态分布改用 t 分布。
先把这些词说清楚
总体参数与统计量
总体均值 μ、方差 σ2 描述生成数据的规律。统计量只由样本和已知常数构成,不含未知参数,例如 Xˉ 和 S2;包含未知 μ 的标准化表达式则可能是用于推断的枢轴量。
样本方差
S2=n−11∑i=1n(Xi−Xˉ)2,用于估计总体方差。因为所有偏差之和为零,知道前 n−1 个偏差后最后一个被确定,所以这里出现自由度 n−1。
本课的核心概念
正态样本的精确性质
若样本独立同分布于 N(μ,σ2),则 Xˉ∼N(μ,σ2/n),(n−1)S2/σ2∼χn−12,并且 Xˉ 与 S2 独立。这种独立性不能无条件推广到任意总体。
卡方分布与自由度
若 Z1,…,Zν 是相互独立的标准正态变量,则平方和 Z12+⋯+Zν2 的分布记作 χν2,读作“自由度为 ν 的卡方分布”。它只取非负值,用来描述正态样本平方偏差的波动。
t 分布来自估计波动尺度
正态样本下,T=(Xˉ−μ)/(S/n)∼tn−1。用随机的 S 代替已知 σ 会引入额外不确定性,因此 t 分布的尾部比标准正态更厚;自由度随样本量增加。
为标准化样本均值选对分布
独立样本 X1,…,X4 来自 N(0,σ2),其中 σ2>0 未知。一次观测算得 xˉ=1、s=2。求 T=Xˉ/(S/4) 的分布及本次观测值。
核对正态与独立条件
题目给出独立正态样本,且总体均值已知为 0。因此可以使用样本均值与样本方差的精确分布,不需要靠“大样本近似”。
识别分母使用哪种标准差
分母是由样本估计的 S/4,不是总体已知常数 σ/4,所以标准化后采用 t 分布。
确定正确自由度
S2 用围绕样本均值的平方偏差以及分母 n−1 定义,故自由度为 4−1=3。即使本题总体均值已知为零,这个已定义的 S2 仍使用三个自由度。
区分随机公式与已观测数值
抽样前 T∼t3;本次代入 xˉ=1,s=2,得 t=1/(2/2)=1。一次观察得到一个数,但反复抽样得到的这些数服从上述分布。
T∼t3,本次观测值为 t=1。
算完怎样检查
分母 s/n=1,所以观测均值偏离总体均值恰好一个估计标准误。s2=4 是样本方差的观测值,不能因此断言未知总体方差也恰好为 4。
新手最容易卡住的地方
- 总体正态,因此无论怎样标准化都服从标准正态。
分母若使用随机样本标准差 S,精确分布是 t;只有用真实总体标准差 σ 标准化均值时才是标准正态。
- 看到四个观测值,就把 t 的自由度写成 4。
本式使用通常的样本方差,其自由度是 n−1=3。自由度取决于所构造的量,而不只是原始数据个数。
换个条件,你会做吗?
若同样有 4 个正态观测,但总体标准差已知为 2,应使用什么标准化量和分布?
想好后,展开答案与解释
使用 Z=(Xˉ−0)/(2/4)=Xˉ,精确服从 N(0,1)。此时分母不再是从样本估计的随机量。
01直觉与对象
自由度表示在约束后仍可独立变化的信息数。用样本均值估计总体均值消耗一个约束,因此离差平方和对应 n−1 个自由度。
02解题主线
看到正态总体先写 Xˉ 与 S2 的定义及独立性;单总体标准化均值,σ 已知用 Z,σ 未知用 t;两个独立方差的标准化比值形成 F。
03公式、条件与边界
样本均值:
Xˉ∼N(μ,σ2/n)适用条件:Xiiid∼N(μ,σ2)。
边界检查:这是正态总体下的精确结论。
样本方差:
(n−1)S2/σ2∼χn−12适用条件:正态总体,S2=∑i=1n(Xi−Xˉ)2/(n−1)。
边界检查:无偏样本方差的自由度是 n−1,不是 n。
Student t:
(Xˉ−μ)/(S/n)∼tn−1适用条件:正态总体且 σ 未知。
边界检查:分子分母的独立性来自正态样本。
04易错边界
Xˉ 与 S2 独立是正态总体的特殊结论;样本方差分母若用 n,自由度和无偏性公式随之改变;t 分布分母使用 S/n。
05本章掌握标准
- 区分总体参数、样本与统计量
- 掌握正态样本均值和样本方差的精确分布
- 构造并识别 χ2、t、F 统计量及自由度
06660 原题:从条件到完整解法
从抽样分布走到假设检验
抽样分布回答“若总体参数给定,统计量怎样随机波动”;假设检验进一步问“在原假设成立时,当前样本结果是否过于极端”。先写原假设 H0 和备择假设 H1,再选一个在 H0 下分布已知的统计量。
显著性水平 α 控制的是 H0 为真时误拒绝它的概率,并非“H0 为真的概率”。当 H1 主张均值更大且统计量随样本均值增大时,拒绝域放在右尾;更小时放在左尾;偏离任一方向都算反对证据时,才使用双侧拒绝域。不拒绝 H0 只表示证据不足,不能据此证明它成立。
复合原假设含有一组参数值时,须让误拒绝概率在所有这些参数下都不超过 α。例如已知方差、正态总体的右侧均值检验中,拒绝概率随均值增加,因此在 H0:μ≤μ0 的边界 μ=μ0 取分位数。这个边界论证依赖单调性,不能无条件照搬。下面先用原题构造 F 分布,再用另一题写出完整拒绝域。
660-473:先判断解题入口
先把正态变量标准化,分别识别两个独立卡方变量,再除以各自自由度构成比值。比例系数由自由度产生,正态性、总体均值和独立性都要检查。总体均值已知为零,因此直接平方和不扣除估计均值的自由度。
473 设 X1,X2,⋯,X6 是来自正态分布 N(0,σ2) 的简单随机样本。统计量
F=aX32+X42+X52+X62X12+X22服从 F(n1,n2) 分布,其中 a 为常数,则参数 n1 和 n2 分别为______。
逐步推导与自检
以下解析依据原题独立推导。
由于 X1,X2,⋯,X6 是简单随机样本,故 Xi/σ 相互独立且均服从 N(0,1) 分布。
令
U=σ2X12+X22,V=σ2X32+X42+X52+X62.则
U∼χ2(2),V∼χ2(4),且 U,V 由两组互不重叠的独立样本构成,因此相互独立。
根据 F 分布的定义,两个独立的卡方变量分别除以各自自由度后,其比值服从相应的 F 分布。因此
V/4U/2=2X32+X42+X52+X62X12+X22∼F(2,4).与题中统计量比较,相应的常数为 a=2,分子、分母自由度分别为 2 和 4。
故应填
2, 4.660-485:先判断解题入口
检验的备择假设决定单侧拒绝域方向,复合原假设下在边界控制拒绝概率。计算标准误时区分方差与标准差,并区分单侧、双侧分位数。正态总体使样本均值在有限样本下精确服从正态分布,这里不需要中心极限定理近似。
485 设 X1,X2,⋯,X36 是取自正态总体 N(μ,0.04) 的简单随机样本,其中 μ 为未知参数,记
X=361i=1∑36Xi,如果对检验问题 H0:μ≤0.5,H1:μ>0.5 在显著性水平 α=0.05,取检验拒绝域
D={(x1,x2,⋯,x36):x>C},则 C=。(Φ(1.645)=0.95)
逐步推导与自检
以下解析依据原题独立推导。
总体方差为 0.04,样本量为 36,故样本均值的分布为
X∼N(μ,360.04),Var(X)=60.2=301.当真实参数为 μ 时,拒绝原假设的概率为
Pμ(X>C)=1−Φ(30(C−μ)).此概率随 μ 增大而增大,因此在原假设 μ≤0.5 下,其最大值在 μ=0.5 处取得。令最大第一类错误概率等于显著性水平 0.05,得
1−Φ(30(C−0.5))=0.05.由 Φ(1.645)=0.95,可得
30(C−0.5)=1.645,所以
C=0.5+301.645=0.554833…≈0.5548.验算:当 μ=0.5 时,拒绝概率为 1−Φ(1.645)=0.05;当 μ<0.5 时,拒绝概率小于 0.05,符合给定显著性水平。
07660 同章训练与原件核对
先独立作答,再检查解析中的条件使用、关键推导和边界情况。本章 26 道题的题面与解析完整。
- 660-470 · 填空·数理统计的基本概念 · 第 470 题 · 原件
- 660-471 · 填空·数理统计的基本概念 · 第 471 题 · 原件
- 660-472 · 填空·数理统计的基本概念 · 第 472 题 · 原件
- 660-473 · 填空·数理统计的基本概念 · 第 473 题 · 原件
- 660-474 · 填空·数理统计的基本概念 · 第 474 题 · 原件
- 660-475 · 填空·数理统计的基本概念 · 第 475 题 · 原件
- 660-476 · 填空·数理统计的基本概念 · 第 476 题 · 原件
- 660-477 · 填空·数理统计的基本概念 · 第 477 题 · 原件
- 660-478 · 填空·数理统计的基本概念 · 第 478 题 · 原件
- 660-483 · 填空·假设检验 · 第 483 题 · 原件
- 660-484 · 填空·假设检验 · 第 484 题 · 原件
- 660-485 · 填空·假设检验 · 第 485 题 · 原件
- 660-555 · 选择·数理统计的基本概念 · 第 555 题 · 原件
- 660-558 · 选择·数理统计的基本概念 · 第 558 题 · 原件
- 660-559 · 选择·数理统计的基本概念 · 第 559 题 · 原件
- 660-560 · 选择·数理统计的基本概念 · 第 560 题 · 原件
- 660-561 · 选择·数理统计的基本概念 · 第 561 题 · 原件
- 660-562 · 选择·数理统计的基本概念 · 第 562 题 · 原件
- 660-563 · 选择·数理统计的基本概念 · 第 563 题 · 原件
- 660-564 · 选择·数理统计的基本概念 · 第 564 题 · 原件
- 660-565 · 选择·数理统计的基本概念 · 第 565 题 · 原件
- 660-567 · 选择·数理统计的基本概念 · 第 567 题 · 原件
- 660-568 · 选择·数理统计的基本概念 · 第 568 题 · 原件
- 660-569 · 选择·数理统计的基本概念 · 第 569 题 · 原件
- 660-574 · 选择·假设检验 · 第 574 题 · 原件
- 660-575 · 选择·假设检验 · 第 575 题 · 原件
原件疑点已说明
以下 3 道题保留原题和具体论证缺口,暂不进入完整练习队列。
- 660-556 · 选择·数理统计的基本概念 · 第 556 题 · 原件
- 660-557 · 选择·数理统计的基本概念 · 第 557 题 · 原件
- 660-566 · 选择·数理统计的基本概念 · 第 566 题 · 原件
综合自测
这些题覆盖本学科多个章节,可用于查找薄弱环节。
- 660-P-T1-01 · 概率论与数理统计水平自测一 · 第 自测1-1 题 · 原件
- 660-P-T1-02 · 概率论与数理统计水平自测一 · 第 自测1-2 题 · 原件
- 660-P-T1-03 · 概率论与数理统计水平自测一 · 第 自测1-3 题 · 原件
- 660-P-T1-04 · 概率论与数理统计水平自测一 · 第 自测1-4 题 · 原件
- 660-P-T1-05 · 概率论与数理统计水平自测一 · 第 自测1-5 题 · 原件
- 660-P-T1-06 · 概率论与数理统计水平自测一 · 第 自测1-6 题 · 原件
- 660-P-T1-07 · 概率论与数理统计水平自测一 · 第 自测1-7 题 · 原件
- 660-P-T1-08 · 概率论与数理统计水平自测一 · 第 自测1-8 题 · 原件
- 660-P-T1-09 · 概率论与数理统计水平自测一 · 第 自测1-9 题 · 原件
- 660-P-T1-10 · 概率论与数理统计水平自测一 · 第 自测1-10 题 · 原件
- 660-P-T2-01 · 概率论与数理统计水平自测二 · 第 自测2-1 题 · 原件
- 660-P-T2-02 · 概率论与数理统计水平自测二 · 第 自测2-2 题 · 原件
- 660-P-T2-03 · 概率论与数理统计水平自测二 · 第 自测2-3 题 · 原件
- 660-P-T2-04 · 概率论与数理统计水平自测二 · 第 自测2-4 题 · 原件
- 660-P-T2-05 · 概率论与数理统计水平自测二 · 第 自测2-5 题 · 原件
- 660-P-T2-06 · 概率论与数理统计水平自测二 · 第 自测2-6 题 · 原件
- 660-P-T2-07 · 概率论与数理统计水平自测二 · 第 自测2-7 题 · 原件
- 660-P-T2-08 · 概率论与数理统计水平自测二 · 第 自测2-8 题 · 原件
- 660-P-T2-09 · 概率论与数理统计水平自测二 · 第 自测2-9 题 · 原件
- 660-P-T2-10 · 概率论与数理统计水平自测二 · 第 自测2-10 题 · 原件
合上讲义,检验理解
先独立口述或在草稿纸上推导,再标记本次能做到的目标。
本次自测 0 / 4 项 · 离开本课后重置
来源与相邻课程
讲义来源与依据
- original:math1-lesson-notes-v1
- curriculum:kaoyan-math1
- math/【A4版】2026考研660习题册数一线代概率做题本.pdf
复习工作台