中级统计学考试复习资料.docxVIP

中级统计学考试复习资料

引言

中级统计学是一门承上启下的关键课程，它不仅深化了初级统计学中的基本概念与方法，更为后续更高级的统计应用与研究奠定了坚实基础。本复习资料旨在帮助同学们系统梳理中级统计学的核心知识点，巩固理解，提升应用能力，以期在考试中取得理想成绩。资料内容力求精炼、重点突出，并注重知识点间的逻辑联系与实际应用场景的结合。

一、预备知识与基础回顾

在深入中级统计学之前，对以下基础概念的牢固掌握至关重要。

1.1数据类型与描述统计

*数据类型：明确区分定性数据（分类数据、顺序数据）与定量数据（离散数据、连续数据），这直接决定了后续统计方法的选择。

*描述统计量：

*集中趋势：均值（算术平均、几何平均）、中位数、众数。理解各指标的适用场景与优缺点。

*离散程度：极差、四分位距、方差、标准差、变异系数。特别是方差和标准差的计算与含义。

*分布形态：偏度（左偏、右偏）、峰度（尖峰、平峰、正态峰）。

1.2概率论基础回顾

*随机事件与概率：事件的关系（包含、互斥、对立）与运算（和、积、差），概率的公理化定义及性质。

*条件概率与独立性：条件概率公式、乘法公式、全概率公式、贝叶斯公式是重要的工具。事件独立性的定义与判断。

*随机变量及其分布：

*离散型随机变量：概率分布列、分布函数。

*连续型随机变量：概率密度函数、分布函数。

*掌握随机变量的数学期望、方差、协方差、相关系数的定义与性质。这些数字特征是描述随机变量的核心。

二、常用概率分布与抽样分布

理解并能灵活运用常见的概率分布是进行统计推断的基础。

2.1常见离散型概率分布

*二项分布：背景（n重伯努利试验）、参数（n,p）、概率质量函数、期望（np）与方差（np(1-p)）。

*泊松分布：背景（稀有事件发生次数）、参数（λ）、概率质量函数、期望与方差（均为λ）。了解泊松定理（二项分布的泊松近似）。

*（可选）超几何分布、几何分布。

2.2常见连续型概率分布

*正态分布：最重要的分布。概率密度函数的形式、图形特征（单峰、对称、钟形）。参数μ（均值）和σ2（方差）的意义。标准正态分布及其应用，Z分数的含义。3σ原则。

*均匀分布：概率密度函数特点，期望与方差。

*指数分布：常用于描述寿命数据，无记忆性。参数λ，期望与方差。

*（可选）伽马分布、贝塔分布。

2.3抽样分布

抽样分布是连接总体与样本的桥梁，是参数估计和假设检验的理论基础。

*总体与样本：总体参数（μ,σ2,p）与样本统计量（X?,S2,p?）的概念。简单随机抽样的特点。

*抽样分布的定义：样本统计量的概率分布。

*三大抽样分布：

*χ2分布（卡方分布）：构造（标准正态变量的平方和）、图形特征（右偏）、自由度。

*t分布：构造（正态变量除以卡方变量除以自由度的平方根）、图形特征（与正态分布类似，尾部更厚，自由度越小越明显）、自由度。当自由度趋向无穷时，t分布趋向标准正态分布。

*F分布：构造（两个独立卡方变量分别除以各自自由度后的比值）、图形特征（右偏）、两个自由度（分子自由度，分母自由度）。

*样本均值的抽样分布：

*若总体正态，无论样本量大小，X?~N(μ,σ2/n)。

*若总体非正态，但样本量足够大（通常n≥30），由中心极限定理，X?近似~N(μ,σ2/n)。

*样本比例的抽样分布：在大样本下，p?近似~N(p,p(1-p)/n)。

*样本方差的抽样分布：若总体正态，(n-1)S2/σ2~χ2(n-1)。

三、参数估计

参数估计是统计推断的重要内容，包括点估计和区间估计。

3.1点估计

*点估计的概念：用样本统计量的某个取值直接作为总体参数的估计值。

*矩估计法：用样本矩估计相应的总体矩，从而得到总体参数的估计。

*最大似然估计法：基本思想是选择使样本观测值出现概率最大的参数值作为估计值。掌握基本步骤。

*估计量的评价标准：

*无偏性：估计量的数学期望等于被估计的总体参数（E(θ?)=θ）。例如，样本均值X?是μ的无偏估计，样本方差S2是σ2的无偏估计。

*有效性：对同一总体参数的两个无偏估计量，方差较小的那个更有效。

*一致性（相合性）：随着样本量n的增大，估计量θ?依概率收敛于θ。

3.2区间估计

*区间估计的概念：给出总体参数的一个估计范围，并给出该范围包含总体参数真值的可信程度（置信水平1-α）。

*置信区间的构造原理：利用抽样分布，找到一个包含待估参数的随机区间，使其置信水平为1-α。

*单个正态总体参数