中级统计考试基础知识点.docVIP

中级统计考试基础知识点

统计学基本概念

统计学是一门收集、整理、分析和解释数据，并从数据中得出结论的科学。总体与样本是统计学中极为重要的概念。总体是包含所研究的全部个体（数据）的集合；样本则是从总体中抽取的一部分用于代表总体的个体集合。例如，要研究某城市所有居民的收入情况，所有居民就是总体，从中随机抽取的1000名居民则构成样本。

参数与统计量也容易混淆。参数是描述总体特征的概括性数字度量，如总体均值、总体方差等；统计量是描述样本特征的概括性数字度量，如样本均值、样本方差等。

数据类型与收集方法

数据类型分为定性数据和定量数据。定性数据是反映事物品质特征的数据，不能用数值表示，如性别（男、女）、职业等；定量数据是反映事物数量特征的数据，可以用数值表示，如身高、体重等。

收集数据的方法有普查和抽样调查。普查是对总体中的所有单位进行调查，能获得全面、准确的数据，但耗费人力、物力和时间较多。抽样调查则是从总体中抽取部分单位进行调查，通过样本推断总体，具有经济性、时效性强等优点。常用的抽样方法有简单随机抽样、分层抽样、系统抽样等。

数据描述性统计

集中趋势的度量包括均值、中位数和众数。均值是所有数据的总和除以数据个数，它利用了所有数据的信息，但易受极端值影响。中位数是将数据按大小顺序排列后，处于中间位置的数值，不受极端值影响。众数是数据中出现次数最多的数值，可用于定性和定量数据。

离散程度的度量有极差、方差和标准差。极差是数据中的最大值与最小值之差，计算简单，但反映的信息有限。方差是各数据与均值离差平方的平均数，标准差是方差的平方根，它们能较好地反映数据的离散程度。

概率与概率分布

概率是对随机事件发生可能性大小的度量。古典概型中，事件A发生的概率等于事件A包含的基本事件数除以样本空间的基本事件总数。

随机变量及其分布是重点。离散型随机变量的概率分布可以用概率函数来描述，常见的离散型概率分布有二项分布、泊松分布等。二项分布用于描述n次独立重复试验中成功的次数；泊松分布用于描述在一定时间或空间内稀有事件发生的次数。

连续型随机变量的概率分布用概率密度函数来描述，正态分布是最重要的连续型概率分布。正态分布具有对称性，其均值和标准差决定了分布的位置和形状。许多自然现象和社会经济现象都近似服从正态分布。

抽样分布与参数估计

抽样分布是样本统计量的概率分布。样本均值的抽样分布在大样本情况下近似服从正态分布，其均值等于总体均值，方差等于总体方差除以样本容量。

参数估计分为点估计和区间估计。点估计是用样本统计量直接作为总体参数的估计值；区间估计是在一定置信水平下，给出总体参数的一个估计区间。例如，总体均值的置信区间为样本均值加减边际误差。

假设检验

假设检验是先对总体参数提出某种假设，然后利用样本信息判断假设是否成立的统计方法。原假设和备择假设是假设检验的基础。原假设通常是研究者想要否定的假设，备择假设是研究者想要支持的假设。

检验统计量是根据样本数据计算出来的用于判断是否拒绝原假设的统计量。根据检验统计量的值与临界值的比较，或根据p值与显著性水平的比较，来决定是否拒绝原假设。

相关与回归分析

相关分析用于研究变量之间的线性相关程度，常用的相关系数有Pearson相关系数。相关系数的取值范围在-1到1之间，绝对值越接近1，线性相关程度越强。

回归分析是确定两个或多个变量之间数量关系的统计方法。简单线性回归模型用于研究一个自变量与一个因变量之间的线性关系，通过最小二乘法估计回归系数。多元线性回归模型则用于研究多个自变量与一个因变量之间的关系。

时间序列分析

时间序列是按时间顺序排列的观测值序列。时间序列的分解通常将时间序列分解为长期趋势、季节变动、循环变动和不规则变动。长期趋势是时间序列在较长时期内呈现出的上升或下降趋势；季节变动是在一年内重复出现的周期性波动；循环变动是较长时期内的周期性波动；不规则变动是由偶然因素引起的无规律变动。

时间序列预测方法有简单平均法、移动平均法、指数平滑法等，这些方法根据时间序列的历史数据来预测未来值。