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。
统计学（二）：统计推断：速成包
公式表、每个专题的关键方法步骤和 10 道练习题，完整解答附在最后。
1公式与方法
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
卡方检验
- 检验统计量
- χ² = Σ(O − E)²/E
- 拟合优度
- E = n·p, df = k − 1 − (estimated parameters)
- 独立性
- E = row total × column total / grand total, df = (r − 1)(c − 1)
- 临界值（α = 0.05）
- df 1: 3.841, 2: 5.991, 3: 7.815, 4: 9.488
- 决策
- 若 χ² > χ²crit，则拒绝 H0
2练习题
1.正态分布中等
X 服从均值 12 min、标准差 1.5 min 的正态分布；Y 独立，服从均值 20 min、标准差 2 min 的正态分布。求 X + Y 大于 33.3 min 的概率 P。z 取两位小数。
μX = 12, σX = 1.5μY = 20, σY = 2X + Y > 33.3 min
P =
2.正态分布困难
电池寿命服从正态分布，均值为 500 h，标准差为 40 h。求数值 x，使得有 99% 的数据低于它（第 99 百分位数）。
μ = 500σ = 40P = 99%
x = h
3.置信区间中等
测量 11 名患者治疗前后的血压。差值 d = 治疗前 − 治疗后 (mmHg) 的均值为 −4.6，标准差为 5.9。 求平均差值的 99% 置信区间的误差范围 E。
n = 11d̄ = −4.6sd = 5.999%t(10) = 3.169
E = mmHg
4.置信区间困难
总体标准差为 14。样本量 n 至少要多大，才能使均值的 90% 置信区间的误差范围不超过 4？
σ = 14E = 490%
n =
5.假设检验与置信区间中等
比较两种教学方法。第 1 组：25 名学生，平均分 57，标准差 11.5。第 2 组：6 名学生，平均分 65.6，标准差 3。假设总体方差相等，使用合并方差的两样本 t 检验。取差值为 x̄₁ − x̄₂（第 1 组减第 2 组），求 H₀: μ₁ = μ₂ 的检验统计量 t。
n₁ = 25x̄₁ = 57s₁ = 11.5n₂ = 6x̄₂ = 65.6s₂ = 3
t =
6.假设检验与置信区间困难
36 次测量的样本均值为 197.5。总体标准差为 10。求均值 90% 置信区间的下限 L。
x̄ = 197.5σ = 10n = 3690%
L =
7.线性回归与相关中等
表中给出 6 对观测值 x = 广告支出 (k€) 和 y = 销售额 (k€)。 求最小二乘直线的决定系数 r²。
n = 6
r² =
8.线性回归与相关困难
表中给出 5 对观测值 x = 荷载 (kN) 和 y = 伸长量 (mm)。 使用最小二乘直线 ŷ = a + b·x。 x 取何值 x 时，直线预测 ŷ = 20？
n = 5ŷ = 20
x =
9.卡方检验中等
列联表给出了观测频数。计算行变量与列变量独立性检验的卡方统计量 χ²。不使用连续性校正。
N = 1602 × 2
χ² =
10.卡方检验困难
对一个 3 行 6 列（不含合计）的列联表进行卡方独立性检验。 该检验的自由度 df 是多少？
3 × 6
df =
3溶液
1.正态分布
答案: P = 0.3015
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)。
和的分布
μ = 32 min, σ = √(1.5² + 2²) = 2.5 min
标准化
z = (33.3 − 32)/2.5 = 0.52
上尾
P = 1 − Φ(0.52) = 1 − 0.6985 = 0.3015
答案
P = 0.3015
2.正态分布
答案: x = 593.1 h
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。
该百分位数对应的 z
Φ(z) = 0.99 → z = 2.326
换算回 x
x = 500 + 2.326·40 = 593.05 h
答案
x = 593.05 h
3.置信区间
答案: E = 5.637 mmHg
Interval for a difference: estimate ± critical value × standard error. For two independent means with known σ: SE = √(σ₁²/n₁ + σ₂²/n₂) and z. With equal unknown variances: pooled s_p and t with n₁ + n₂ − 2 degrees of freedom. For paired data, work with the differences: d̄ ± t·s_d/√n.
临界值
df = 10, t = 3.169
误差范围
E = 3.169·5.9/√11 = 5.637
答案
E = 5.637 mmHg
4.置信区间
答案: n = 34
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。
解出 n
n = (1.645·14/4)² = 33.15
向上取整
样本量是整数，向下取整会使误差范围过大。
n = 34
答案
n = 34
5.假设检验与置信区间
答案: t = −1.796
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.
合并方差
sp² = (24·11.5² + 5·3²)/29 = 111
sp = 10.54
标准误
SE = 10.54·√(1/25 + 1/6) = 4.79
检验统计量
t = (57 − 65.6)/4.79 = −1.796
答案
t = −1.796
df = 29 时，双侧 5% 的临界值为 2.045；|t| 更小，所以不拒绝 H₀。
6.假设检验与置信区间
答案: L = 194.8
均值检验：检验统计量衡量样本均值离 H₀ 所声称的值有多少个标准误：σ 已知时 z = (x̄ − μ₀)/(σ/√n)，由样本估计时 t = (x̄ − μ₀)/(s/√n)。置信区间为 x̄ ±（临界值）·（标准误）。
误差范围
E = 1.645·10/√36 = 2.742
区间端点
L = 197.5 − 2.742 = 194.8
答案
L = 194.8
7.线性回归与相关
答案: r² = 0.8995
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 = 33/6 = 5.5
ȳ = 404/6 = 67.33
平方和与乘积和
Sxx = Σ(x − x̄)² = 17.5
Sxy = Σ(x − x̄)(y − ȳ) = 94
Syy = Σ(y − ȳ)² = 561.3
决定系数
r² = 94²/(17.5·561.3) = 0.8995
答案
r² = 0.8995
y 的变异中约有 89.95% 可由该直线解释。
8.线性回归与相关
答案: x = 6.968
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 = 85/5 = 17
平方和与乘积和
Sxx = Σ(x − x̄)² = 40
Sxy = Σ(x − x̄)(y − ȳ) = 124
回归直线
b = 124/40 = 3.1
a = 17 − 3.1·6 = −1.6
ŷ = −1.6 + 3.1·x
解出 x
x = (20 − (−1.6))/3.1 = 6.968
答案
x = 6.968
9.卡方检验
答案: χ² = 7.502
卡方检验：用 χ² = Σ(O − E)²/E 比较观测频数 O 与 H₀ 下的期望频数 E。拟合优度检验：每个类别 E = n·p，df = k − 1（每由数据估计一个参数再减一）。r × c 列联表的独立性检验：E = 行合计 × 列合计 / 总计，df = (r − 1)(c − 1)。当 χ² 超过所选 α 下的临界值时拒绝 H₀。
期望频数
吸烟者: 100·56/160 = 35, 100·104/160 = 65
不吸烟者: 60·56/160 = 21, 60·104/160 = 39
卡方统计量
χ² = (27 − 35)²/35 + (73 − 65)²/65 + (29 − 21)²/21 + (31 − 39)²/39
χ² = 7.502
答案
χ² = 7.502
df = 1。在 α = 0.05 时临界值为 3.841，所以 H₀（独立）被拒绝。
10.卡方检验
答案: df = 10
卡方检验：用 χ² = Σ(O − E)²/E 比较观测频数 O 与 H₀ 下的期望频数 E。拟合优度检验：每个类别 E = n·p，df = k − 1（每由数据估计一个参数再减一）。r × c 列联表的独立性检验：E = 行合计 × 列合计 / 总计，df = (r − 1)(c − 1)。当 χ² 超过所选 α 下的临界值时拒绝 H₀。
自由度
df = (3 − 1)·(6 − 1) = 10
答案
df = 10
ExamProblems · examproblems.com/courses/statistics-2-inference