概率统计期末 · 估计与假设检验

这张图讲什么

「概率统计期末 · 估计与假设检验」是 SeekFlaw 编辑团队整理的思维导图,分 6 个一级分支:抽样分布、参数的点估计、正态总体的区间估计、假设检验的基本概念、单个正态总体的参数检验、两总体检验与拟合检验,共 50 个节点、49 张记忆卡。

查表值只用最常见的几个,卡片中均注明查表得。建议顺序: 先记抽样分布,再学估计, 最后练检验并用置信区间对照。配套图:概率论期末 · 随机事件与随机变量、概率论期末 · 多维变量与数字特征。

5 个要点

  • 抽样分布:统计量是样本的不含未知参数的函数;正态总体下,样本均值和样本方差的分布是整章的根基。
  • 参数的点估计:矩估计用样本矩代替总体矩;极大似然估计取使样本出现概率最大的参数。
  • 正态总体的区间估计:置信区间由「枢轴量」反解参数得到。
  • 假设检验的基本概念:丢分点:两类错误的区别; 单边与双边的临界值不同;检验结论只能说「拒绝」或「没有足够证据拒绝」。
  • 单个正态总体的参数检验

适用:大学期末复习。用法:点开任一节点先自己答,再翻面核对。

更新于

一句话:这张图把「概率统计期末 · 估计与假设检验」整理成 50 个节点、49 张记忆卡;点开节点翻面就能看答案。

覆盖样本与抽样分布、点估计(矩估计与极大似然)、正态总体的区间估计、假设检验的步骤与常用检验,适合期末复习,带自编数值例题。点开任一节点翻面看答案,登录后可存进自己的空间,按遗忘曲线复习。

SeekFlaw 求瑕是面向初中、高中、考研、考公考前速记的思维导图与记忆卡平台:把课件、讲义变成思维导图,节点翻面就是记忆卡,按遗忘曲线安排复习。

50 个节点 · 49 张记忆卡。作者:SeekFlaw 编辑团队;发布于 2026-11-17。

先看这 3 条

  1. 统计量与简单随机样本的定义:简单随机样本 $X_1,\dots,X_n$ 相互独立且与总体同分布 ;统计量是样本的函数且 不含未知参数 。
  2. 置信区间的含义:置信水平 $1-\alpha$ 的置信区间 $(\hat\theta_1,\hat\theta_2)$ 满足 $P(\hat\theta_1\lt \theta\lt \hat\…
  3. 两总体均值差的 $t$ 检验:$\sigma_1^2=\sigma_2^2$ 未知时,$H_0:\mu_1=\mu_2$,统计量 $T=\dfrac{\bar X-\bar Y}{S_w\sqrt{\frac…

抽样分布

  • 统计量与简单随机样本的定义:简单随机样本 $X_1,\dots,X_n$ 相互独立且与总体同分布 ;统计量是样本的函数且 不含未知参数 。 例 总体 $N(\mu,\sigma^2)$,$\mu$ 未知:$\bar X$ 是统计量;$\frac{\bar X-\mu…
  • 样本均值与样本方差:$\bar X=\frac1n\sum X_i$,$S^2=\frac1{n-1}\sum(X_i-\bar X)^2$(分母是 $n-1$)。若总体均值 $\mu$、方差 $\sigma^2$,则 $E(\bar X)=\mu$,$D(…
  • 上 $\alpha$ 分位点的定义:对 $0\lt \alpha\lt 1$,使 $P(X\gt x_\alpha)=\alpha$ 的点 $x_\alpha$ 称为上 $\alpha$ 分位点,分别记作 $z_\alpha$、$\chi^2_\alpha(n)$、$t_\…
  • $\chi^2$ 分布:$X_1,\dots,X_n$ 独立同服从 $N(0,1)$,则 $\chi^2=\sum X_i^2\sim\chi^2(n)$,$E=n$,$D=2n$;独立的 $\chi^2(n_1)$ 与 $\chi^2(n_2)$ 之和服从 $…
  • $t$ 分布:$X\sim N(0,1)$,$Y\sim\chi^2(n)$ 独立,则 $T=\dfrac X{\sqrt{Y/n}}\sim t(n)$;密度关于 0 对称,$n$ 大时近似 $N(0,1)$。 条件 :分子分母 必须相互独立 。
  • $F$ 分布:$U\sim\chi^2(n_1)$,$V\sim\chi^2(n_2)$ 独立,则 $F=\dfrac{U/n_1}{V/n_2}\sim F(n_1,n_2)$;若 $F\sim F(n_1,n_2)$ 则 $\frac1F\sim …
  • 单个正态总体的抽样分布定理:总体 $N(\mu,\sigma^2)$,样本容量 $n$:$\bar X\sim N(\mu,\frac{\sigma^2}n)$;$\frac{(n-1)S^2}{\sigma^2}\sim\chi^2(n-1)$;$\bar X$ …
  • 两个正态总体的抽样分布:两个独立的正态总体 $N(\mu_1,\sigma_1^2)$、$N(\mu_2,\sigma_2^2)$:$\dfrac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}\sim F(n_1-1,n_2-1)$;若…

参数的点估计

  • 矩估计法:令 总体的一阶 (必要时二阶)矩等于对应样本矩,解出参数。 例 总体 $U(0,\theta)$:$E(X)=\frac\theta2$,令 $\frac\theta2=\bar X$,得 $\hat\theta=2\bar X$;样本 …
  • 极大似然估计的步骤:写出似然函数 $L(\theta)=\prod f(x_i;\theta)$, 取对数 $\ln L$,求导令其为 0,解出 $\hat\theta$(并 检验是最大点 )。 例 指数分布 $f(x;\theta)=\frac1\thet…
  • 泊松分布的极大似然估计:$P(X=x)=\frac{\lambda^xe^{-\lambda}}{x!}$:$\ln L=\sum x_i\ln\lambda-n\lambda-\sum\ln x_i!$,令 $\frac{\sum x_i}\lambda-n=…
  • 端点型分布的极大似然估计:$U(0,\theta)$ 的似然函数 $L(\theta)=\theta^{-n}$(要求 $\theta\ge\max x_i$),关于 $\theta$ 单调递减 ,所以在 $\theta=\max x_i$ 处最大,$\hat\t…
  • 无偏性:估计量 $\hat\theta$ 满足 $E(\hat\theta)=\theta$ 称为无偏估计。$\bar X$ 是 $\mu$ 的无偏估计,$S^2$ 是 $\sigma^2$ 的无偏估计。 易错 :$B_2=\frac1n\sum…
  • 有效性:两个无偏估计中, 方差小的更有效 。 例 总体均值 $\mu$、方差 $\sigma^2$,$\hat\mu_1=\frac{X_1+X_2}2$,$\hat\mu_2=\frac{X_1+2X_2}3$ 都是无偏估计(系数和为 1);$…
  • 相合性:若 $\hat\theta_n\xrightarrow{P}\theta$,称 $\hat\theta_n$ 是 $\theta$ 的相合估计。 例 由大数定律,$\bar X$ 是总体均值 $\mu$ 的相合估计(总体均值存在时)。 区…

正态总体的区间估计

  • 置信区间的含义:置信水平 $1-\alpha$ 的置信区间 $(\hat\theta_1,\hat\theta_2)$ 满足 $P(\hat\theta_1\lt \theta\lt \hat\theta_2)=1-\alpha$, 区间端点是样本的函数…
  • $\sigma^2$ 已知时 $\mu$ 的置信区间:$\left(\bar X-z_{\alpha/2}\frac\sigma{\sqrt n},\ \bar X+z_{\alpha/2}\frac\sigma{\sqrt n}\right)$,来自 $\frac{\bar X-\mu}{…
  • $\sigma^2$ 未知时 $\mu$ 的置信区间:$\left(\bar X-t_{\alpha/2}(n-1)\frac S{\sqrt n},\ \bar X+t_{\alpha/2}(n-1)\frac S{\sqrt n}\right)$。 条件 :这里总体是正态总体,$\sig…
  • $\sigma^2$ 的置信区间:$\mu$ 未知时:$\left(\dfrac{(n-1)S^2}{\chi^2_{\alpha/2}(n-1)},\ \dfrac{(n-1)S^2}{\chi^2_{1-\alpha/2}(n-1)}\right)$。 例 $n=10…
  • 样本容量的确定:$\sigma$ 已知时,置信区间长度 $2z_{\alpha/2}\frac\sigma{\sqrt n}\le L$,得 $n\ge\left(\frac{2z_{\alpha/2}\sigma}{L}\right)^2$, 取整数并…
  • 两个正态总体均值差的置信区间:$\sigma_1^2=\sigma_2^2$ 未知时:$(\bar X-\bar Y)\pm t_{\alpha/2}(n_1+n_2-2)S_w\sqrt{\frac1{n_1}+\frac1{n_2}}$。 条件 :两个总体均为正态…
  • 单侧置信限:$\sigma$ 已知时,$\mu$ 的置信水平 $1-\alpha$ 的 单侧置信下限 是 $\bar X-z_\alpha\frac\sigma{\sqrt n}$(用 $z_\alpha$,不是 $z_{\alpha/2}$)。 例…
  • 两总体均值差的 $z$ 区间(方差已知):两个独立正态总体的方差 $\sigma_1^2,\sigma_2^2$ 已知时,均值差 $\mu_1-\mu_2$ 的置信区间为 $(\bar X-\bar Y)\pm z_{\alpha/2}\sqrt{\frac{\sigma_1^2…

假设检验的基本概念

  • 假设检验的基本步骤:①提出原假设 $H_0$ 与备择假设 $H_1$;②选检验统计量并确定其在 $H_0$ 下的分布;③由显著性水平 $\alpha$ 定拒绝域;④代入样本值, 落入拒绝域则拒绝 $H_0$,否则不拒绝。 易错 :「不拒绝 $H_0$」只表示…
  • 两类错误:第一类错误(弃真):$H_0$ 为真而拒绝,概率为显著性水平 $\alpha$; 第二类错误(取伪) :$H_0$ 不真而接受,概率记 $\beta$。 条件 :样本容量固定时,减小 $\alpha$ 通常会使 $\beta$ 增大;要同…
  • 双边与单边检验的拒绝域:以 $\sigma$ 已知的 $z$ 检验为例,统计量 $Z=\frac{\bar X-\mu_0}{\sigma/\sqrt n}$:双边 $H_1:\mu\ne\mu_0$,拒绝域 $|Z|\ge z_{\alpha/2}$; 右边 …
  • 如何设置原假设与备择假设:把 需要有强证据才能接受的结论 放在备择假设 $H_1$ 上;原假设通常取「没有变化、没有差异」或「维持原状」。 例 检验新工艺是否提高了平均产量(原来为 $\mu_0$):$H_0:\mu\le\mu_0$(或 $\mu=\mu_0$)…
  • $p$ 值检验:$p$ 值是在 $H_0$ 成立时,统计量取到观察值及 更极端值的概率 ;$p\le\alpha$ 则拒绝 $H_0$。 例 双边 $z$ 检验,算得 $z=2.1$:$p=2[1-\Phi(2.1)]$,查表得 $\Phi(2.1)=0…
  • 检验与置信区间的对应:对双边检验 $H_0:\mu=\mu_0$:在显著性水平 $\alpha$ 下接受 $H_0$, 当且仅当 $\mu_0$ 落在 $\mu$ 的置信水平 $1-\alpha$ 的 置信区间内 。 例 $\sigma=2$,$n=16$,$…

单个正态总体的参数检验

  • $z$ 检验($\sigma$ 已知):统计量 $Z=\dfrac{\bar X-\mu_0}{\sigma/\sqrt n}\sim N(0,1)$($H_0$ 下)。 条件 : 总体是正态总体 且 $\sigma$ 已知,检验总体均值是否等于 $\mu_0$。 例 $H_0…
  • $t$ 检验($\sigma$ 未知,双边):统计量 $T=\dfrac{\bar X-\mu_0}{S/\sqrt n}\sim t(n-1)$,拒绝域 $|T|\ge t_{\alpha/2}(n-1)$。 条件 :总体是正态总体、$\sigma$ 未知,用 样本标准差 $S$ …
  • $t$ 检验(右边):$H_1:\mu\gt \mu_0$ 时拒绝域 $T\ge t_\alpha(n-1)$。 条件 : 单边检验的临界值用 $t_\alpha$,而不是 $t_{\alpha/2}$。 例 $H_0:\mu\le50$,$H_1:\mu\g…
  • $t$ 检验(左边):$\sigma$ 未知、备择假设为左边 $H_1:\mu\lt \mu_0$ 时, 拒绝域在左侧 :$T\le-t_\alpha(n-1)$, 临界值取负号 。 例 $H_0:\mu\ge10$,$H_1:\mu\lt 10$,$n=9$…
  • $\chi^2$ 检验(方差,左边):备择假设为左边 $H_1:\sigma^2\lt \sigma_0^2$ 时, 拒绝域在左侧 :$\chi^2\le\chi^2_{1-\alpha}(n-1)$,临界值是上 $1-\alpha$ 分位点(即 左尾概率 为 $\alpha…
  • $\chi^2$ 检验(方差,双边):$H_0:\sigma^2=\sigma_0^2$,统计量 $\chi^2=\dfrac{(n-1)S^2}{\sigma_0^2}\sim\chi^2(n-1)$,双边拒绝域 $\chi^2\ge\chi^2_{\alpha/2}(n-…
  • $\chi^2$ 检验(方差,右边):$H_1:\sigma^2\gt \sigma_0^2$ 时拒绝域 $\chi^2\ge\chi^2_\alpha(n-1)$。 条件 :单边检验 只在右侧取临界值 ,用 $\chi^2_\alpha$,而不是 $\chi^2_{\alp…
  • 计算两类错误的概率:$\bar X\sim N(\mu,\frac{\sigma^2}n)$, 写出拒绝域 后,在 $H_0$ 下算 $\alpha$,在某个具体的 $H_1$ 参数下算 $\beta$。 例 $\sigma/\sqrt n=0.5$,$H_…

两总体检验与拟合检验

  • 两总体均值差的 $t$ 检验:$\sigma_1^2=\sigma_2^2$ 未知时,$H_0:\mu_1=\mu_2$,统计量 $T=\dfrac{\bar X-\bar Y}{S_w\sqrt{\frac1{n_1}+\frac1{n_2}}}\sim t(n_1…
  • 两总体方差比的 $F$ 检验:$H_0:\sigma_1^2=\sigma_2^2$,统计量 $F=\dfrac{S_1^2}{S_2^2}\sim F(n_1-1,n_2-1)$($H_0$ 下), 双边拒绝域 $F\ge F_{\alpha/2}(n_1-1,n_…
  • 配对数据的 $t$ 检验:成对观测 $(x_i,y_i)$ 先作差 $d_i=x_i-y_i$,把 $d_i$ 当作来自 $N(\mu_d,\sigma^2)$ 的 单个样本 ,检验 $H_0:\mu_d=0$。 例 差值 2,1,3,2,2:$\bar d=2$…
  • 大样本下 0-1 总体比例的检验:$H_0:p=p_0$, 样本量较大 时 $Z=\dfrac{\hat p-p_0}{\sqrt{p_0(1-p_0)/n}}$ 近似 $N(0,1)$(由 中心极限定理 )。 例 $n=100$,成功 56 次,$H_0:p=0.5$:…
  • 分布拟合优度的 $\chi^2$ 检验:统计量 $\chi^2=\sum_{i=1}^k\dfrac{(f_i-np_i)^2}{np_i}$,$H_0$ 下近似服从 $\chi^2(k-r-1)$($r$ 为 用样本估计的参数个数 ),$\chi^2$ 大则拒绝;一般要求各 …
  • 如何选择检验统计量:单个正态总体:均值,$\sigma$ 已知用 $z$,未知用 $t$;方差用 $\chi^2$。两个正态总体:均值差(方差相等且未知)用 $t$,方差比用 $F$;成对数据 先作差再用 $t$;分布形式用拟合优度 $\chi^2$。 记法…

本图由 SeekFlaw 编辑团队整理。发现错误,欢迎到学习论坛指出。

打开这张导图:点节点翻面看答案 →