描述统计
- 平均数
- x̄ = Σx/n
- 样本标准差
- s = √(Σ(x − x̄)²/(n − 1))
- 中位数
- 排序后数据的中间值
- z 分数
- z = (x − μ)/σ
- 正态分布
- 68% 落在 ±1σ 内，95% 落在 ±2σ 内
统计学基础：速成包
公式表、每个专题的关键方法步骤和 12 道练习题，完整解答附在最后。
1公式与方法
概率
- 补事件
- P(not A) = 1 − P(A)
- 加法公式
- P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
- 独立事件
- P(A ∩ B) = P(A)·P(B)
- 条件概率
- P(A|B) = P(A ∩ B)/P(B)
- 二项分布
- P(X = k) = C(n,k)·pk(1 − p)n−k
正态分布
- z 分数
- z = (x − μ)/σ
- 小于 x
- P(X < x) = Φ(z)
- 大于 x
- P(X > x) = 1 − Φ(z)
- 介于两者之间
- Φ(z2) − Φ(z1)
- 百分位数
- x = μ + z·σ
方法
- 把数值换算为 z 分数：z = (x − μ)/σ。
- 查 Φ(z)，即 z 左侧的面积。
- 右侧面积用 1 − Φ(z)；区间面积用两个左侧面积相减。
- 求百分位数时反向计算：先由面积求 z，再求 x = μ + z·σ。
置信区间
- σ 已知
- x̄ ± z·σ/√n
- σ 未知
- x̄ ± t·s/√n, df = n − 1
- 临界 z 值
- 90%: 1.645, 95%: 1.96, 99%: 2.576
- 样本量
- n = (z·σ/E)², rounded up
方法
- 在 z（已知总体 σ）和 t（只有样本 s，自由度为 n − 1）之间作出选择。
- 求该置信水平下的临界值。
- 误差限：E = 临界值 × 标准差/√n。
- 区间：x̄ ± E。
假设检验与置信区间
- 均值的 z 检验
- z = (x̄ − μ0)/(σ/√n)
- 均值的 t 检验
- t = (x̄ − μ0)/(s/√n), df = n − 1
- 5% 双侧
- 若 |z| > 1.96 则拒绝 H0
- 置信区间
- x̄ ± z·σ/√n
方法
- 写出 H₀ 和 H₁，并确定是单侧检验还是双侧检验。
- 计算检验统计量：(x̄ − μ₀)/(σ/√n)，或者用 s 和 t。
- 与临界值比较，或求出 p 值。
- 若统计量超出临界值（p 小于 α），则拒绝 H₀，并用文字写出结论。
线性回归与相关
- 平方和
- Sxx = Σ(x − x̄)² = Σx² − (Σx)²/n, Sxy = Σxy − ΣxΣy/n
- 斜率
- b = Sxy/Sxx
- 截距
- a = ȳ − b·x̄
- 相关系数
- r = Sxy/√(SxxSyy)
- 残差
- e = y − ŷ
2练习题
1.描述统计中等
求数据的样本标准差 s：10, 11, 50, 39, 31。
n = 5
s =
2.描述统计困难
某量服从正态分布，平均数为 50，标准差为 20。数值低于 75 的比例 P 是多少？
μ = 50σ = 20x = 75
P =
3.概率中等
对图中的分布，求 X 的标准差 σ。
x: 1, 2, 3, 4p(x): 0.25, 0.3, 0.35, 0.1
σ =
4.概率困难
X 的分布如图所示，Y = 10X + 4。求 Y 的标准差 σY。
x: 0, 1, 2, 3p(x): 0.05, 0.35, 0.25, 0.35Y = 10X + 4
σY =
5.正态分布中等
电池寿命服从正态分布，均值为 500 h，标准差为 40 h。介于 440 和 510 h 之间的比例是多少？P 以小数表示。
μ = 500σ = 40x1 = 440x2 = 510
P =
6.正态分布困难
1 号生产线产品的质量 X 与 2 号生产线产品的质量 Y相互独立且服从正态分布：X 的均值为 500 g，标准差为 8 g，Y 的均值为 490 g，标准差为 6 g。求 X 大于 Y 的概率 P。z 取两位小数。
μX = 500 g, σX = 8 gμY = 490 g, σY = 6 g
P =
7.置信区间中等
一个包含 30 个个体的样本，均值为 33，标准差 s = 8.5。总体近似服从正态分布。 求均值的 95% 置信区间的上限。
n = 30x̄ = 33s = 8.595%t(29) = 2.045
上限 =
8.置信区间困难
事先对缺陷产品的比例一无所知。 必须检验多少件产品 n，才能使比例的 95% 置信区间的误差范围不超过 0.025？
p = 0.5E = 0.02595%
n =
9.假设检验与置信区间中等
两条生产线生产同一种零件。生产线 1：40 个零件的样本平均长度为 81.5 mm，该生产线的已知标准差为 7 mm。生产线 2：60 个零件的样本均值为 75.7 mm，已知标准差为 15 mm。取差值为 x̄₁ − x̄₂（生产线 1 减生产线 2），求 H₀: μ₁ = μ₂ 的检验统计量 z。
n₁ = 40x̄₁ = 81.5 mmσ₁ = 7 mmn₂ = 60x̄₂ = 75.7 mmσ₂ = 15 mm
z =
10.假设检验与置信区间困难
在一项试验中，接受治疗 A 的 150 名患者中有 45 人康复，接受治疗 B 的 250 名患者中有 57 人康复。用合并比例求 H₀: p₁ = p₂ 的检验统计量 z。
x₁ = 45n₁ = 150x₂ = 57n₂ = 250
z =
11.线性回归与相关中等
表中给出 6 对观测值 x = 车龄（年） 和 y = 价格 (k€)。 已给出它们的各项和。由这些和求皮尔逊相关系数 r。
n = 6Σx = 21Σy = 120Σx² = 91Σy² = 2426Σxy = 400
r =
12.线性回归与相关困难
表中给出 5 对观测值 x = 广告支出 (k€) 和 y = 销售额 (k€)。 使用最小二乘直线 ŷ = a + b·x。 预测 x = 5 时的 ŷ。
n = 5x = 5
ŷ =
3溶液
1.描述统计
答案: s = 17.51
描述统计：平均数是总和除以 n；中位数是排序后数据的中间值（n 为偶数时取中间两个数的平均）。样本标准差 s = √(Σ(x − x̄)²/(n − 1))。z 分数 z = (x − μ)/σ 表示某个值离平均数多少个标准差。
平均数
x̄ = 141/5 = 28.2
离差平方
Σ(x − x̄)² = (−18.2)² + (−17.2)² + 21.8² + 10.8² + 2.8² = 1227
标准差
s = √(1227/4) = 17.51
答案
s = 17.51
2.描述统计
答案: P = 0.8944
描述统计：平均数是总和除以 n；中位数是排序后数据的中间值（n 为偶数时取中间两个数的平均）。样本标准差 s = √(Σ(x − x̄)²/(n − 1))。z 分数 z = (x − μ)/σ 表示某个值离平均数多少个标准差。
标准化
z = 1.25
标准正态分布表
Φ(1.25) = 0.8944
P = 0.8944
答案
P = 0.8944
3.概率
答案: σ = 0.9539
离散随机变量：概率分布列出变量能取的每个值 x 及其概率 p(x)；概率介于 0 和 1 之间，且总和为 1。期望值（均值）是 E(X) = Σx·p(x)，即长期平均值。方差为 Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ²，标准差为 σ = √Var(X)。对线性变换 Y = aX + b：E(Y) = a·E(X) + b，Var(Y) = a²·Var(X)，σY = |a|·σX；加上常数不会改变离散程度。
平均数
μ = 1·0.25 + 2·0.3 + 3·0.35 + 4·0.1 = 2.3
平方的均值
E(X²) = 1·0.25 + 4·0.3 + 9·0.35 + 16·0.1 = 6.2
方差
Var(X) = 6.2 − 2.3² = 0.91
σ = √0.91 = 0.9539
答案
σ = 0.9539
4.概率
答案: σY = 9.434
离散随机变量：概率分布列出变量能取的每个值 x 及其概率 p(x)；概率介于 0 和 1 之间，且总和为 1。期望值（均值）是 E(X) = Σx·p(x)，即长期平均值。方差为 Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ²，标准差为 σ = √Var(X)。对线性变换 Y = aX + b：E(Y) = a·E(X) + b，Var(Y) = a²·Var(X)，σY = |a|·σX；加上常数不会改变离散程度。
X 的离散程度
μ = 1.9, Var(X) = 0.89, σX = 0.9434
线性变换
σY = |10|·0.9434 = 9.434
答案
σY = 9.434
均值确实会改变：E(Y) = 10·1.9 + 4 = 23。
5.正态分布
答案: P = 0.5319
正态分布：把数值 x 换算成 z 分数 z = (x − μ)/σ，它表示离均值有多少个标准差。z 表（或 Φ(z)）给出 z 左侧的面积，即 P(X < x)。右侧面积为 1 − Φ(z)，两个值之间的面积等于它们左侧面积之差。
z 分数
z₁ = (440 − 500)/40 = −1.5
z₂ = (510 − 500)/40 = 0.25
中间面积
P = Φ(0.25) − Φ(−1.5) = 0.5987 − 0.06681 = 0.5319
答案
P = 0.5319
6.正态分布
答案: P = 0.8413
正态变量的和与差：若 X 和 Y 相互独立且服从正态分布，则 X + Y 与 X − Y 也服从正态分布。均值相加或相减：E(X ± Y) = μX ± μY。方差总是相加，差也是如此：Var(X ± Y) = σX² + σY²，所以 σ = √(σX² + σY²)。标准差从不直接相加。n 个独立同分布项的总和，均值为 n·μ，标准差为 σ·√n。然后照常标准化：z = (x − 均值)/σ，再查 Φ(z)。
差的分布
μ = 500 − 490 = 10 g, σ = 10 g
标准化
z = (0 − 10)/10 = −1
概率
P = 1 − Φ(−1) = 0.8413
答案
P = 0.8413
7.置信区间
答案: 上限 = 36.17
均值的置信区间：x̄ ± 误差范围。总体 σ 已知时，误差范围为 z·σ/√n；只有样本标准差 s 时，用自由度为 n − 1 的 t：t·s/√n。临界值：z = 1.645（90%）、1.96（95%）、2.576（99%）。要使误差范围不超过 E，需要 n ≥ (z·σ/E)²，并向上取整。
临界值
df = n − 1 = 29, t = 2.045
误差范围
E = 2.045·8.5/√30 = 3.174
区间
33 ± 3.174 → [29.83, 36.17]
答案
上限 = 36.17
8.置信区间
答案: n = 1537
Confidence interval for a proportion: p̂ ± z·√(p̂(1 − p̂)/n), where p̂ = x/n. To reach a margin E you need n ≥ z²·p(1 − p)/E², rounded up; without a prior estimate use p = 0.5, which gives the largest n.
解出 n
n = 1.96²·0.5·0.5/0.025² = 1537
向上取整
n = 1537
答案
n = 1537
9.假设检验与置信区间
答案: z = 2.6
Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.
差值的标准误
SE = √(7²/40 + 15²/60) = √4.975 = 2.23
检验统计量
z = (81.5 − 75.7)/2.23 = 2.6
答案
z = 2.6
|z| > 1.96，所以在 5% 水平下拒绝 H₀（双侧）。
10.假设检验与置信区间
答案: z = 1.599
Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.
样本比例
p̂₁ = 45/150 = 0.3
p̂₂ = 57/250 = 0.228
p̂ = 102/400 = 0.255
H₀ 下的标准误
SE = √(0.255·0.745·(1/150 + 1/250)) = 0.04502
检验统计量
z = (0.3 − 0.228)/0.04502 = 1.599
答案
z = 1.599
|z| < 1.96，所以在 5% 水平下不拒绝 H₀（双侧）。
11.线性回归与相关
答案: r = −0.9376
最小二乘回归：设 x̄ 和 ȳ 为均值，Sxx = Σ(x − x̄)²，Syy = Σ(y − ȳ)²，Sxy = Σ(x − x̄)(y − ȳ)，则直线 ŷ = a + b·x 的斜率 b = Sxy/Sxx，截距 a = ȳ − b·x̄，因此它总是通过 (x̄, ȳ)。皮尔逊相关系数 r = Sxy/√(Sxx·Syy) 介于 −1 与 1 之间；r² 是 y 的变异中能被该直线解释的比例。
中心化后的和
Sxy = 400 − 21·120/6 = −20
Sxx = 91 − 21²/6 = 17.5
Syy = 2426 − 120²/6 = 26
相关系数
r = −20/√(17.5·26) = −0.9376
答案
r = −0.9376
12.线性回归与相关
答案: ŷ = 47.85
最小二乘回归：设 x̄ 和 ȳ 为均值，Sxx = Σ(x − x̄)²，Syy = Σ(y − ȳ)²，Sxy = Σ(x − x̄)(y − ȳ)，则直线 ŷ = a + b·x 的斜率 b = Sxy/Sxx，截距 a = ȳ − b·x̄，因此它总是通过 (x̄, ȳ)。皮尔逊相关系数 r = Sxy/√(Sxx·Syy) 介于 −1 与 1 之间；r² 是 y 的变异中能被该直线解释的比例。
均值
x̄ = 30/5 = 6
ȳ = 258/5 = 51.6
平方和与乘积和
Sxx = Σ(x − x̄)² = 40
Sxy = Σ(x − x̄)(y − ȳ) = 150
回归直线
b = 150/40 = 3.75
a = 51.6 − 3.75·6 = 29.1
ŷ = 29.1 + 3.75·x
预测
ŷ = 29.1 + 3.75·5 = 47.85
答案
ŷ = 47.85
ExamProblems · examproblems.com/courses/statistics-1