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
拖动 z，使标准正态曲线下 −z 与 z 之间的阴影面积为 0.9109。求 z，保留两位小数。
A = 0.9109
z =
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 97.5% 的数据低于它（第 97.5 百分位数）。
μ = 500σ = 40P = 97.5%
x = h
3.置信区间中等
一个包含 13 个个体的样本，均值为 88，标准差 s = 7。总体近似服从正态分布。 求均值的 90% 置信区间的下限。
n = 13x̄ = 88s = 790%t(12) = 1.782
下限 =
4.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 99% 置信区间的误差范围不超过 0.01？
p = 0.5E = 0.0199%
n =
5.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 1：100 个零件的样本平均长度为 68 mm，该生产线的已知标准差为 8 mm。生产线 2：30 个零件的样本均值为 70.8 mm，已知标准差为 8 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 = 100x̄₁ = 68 mmσ₁ = 8 mmn₂ = 30x̄₂ = 70.8 mmσ₂ = 8 mm
z =
6.假设检验与置信区间困难
在一项试验中，接受治疗 A 的 250 名患者中有 150 人康复，接受治疗 B 的 120 名患者中有 88 人康复。用合并比例求 H₀: p₁ = p₂ 的检验统计量 z。
x₁ = 150n₁ = 250x₂ = 88n₂ = 120
z =
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€)。 求皮尔逊相关系数 r。
n = 6
r =
8.线性回归与相关困难
表中给出 6 对观测值 x = 车龄（年） 和 y = 价格 (k€)。 使用最小二乘直线 ŷ = a + b·x。 预测 x = 5.5 时的 ŷ。
n = 6x = 5.5
ŷ =
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 = 1402 × 2
χ² =
10.卡方检验困难
一个卡方拟合优度检验将 5 个类别的观测频数与完全给定的期望比例进行比较（没有由数据估计的参数）。 利用表格，求显著性水平 α = 0.01 下的临界值 χ²crit。
α = 0.01
χ²crit =
3溶液
1.正态分布
答案: z = 1.7
由面积反求 z：Φ(z) 是 z 左侧的面积。对于左尾面积 A，在表中找出使 Φ(z) = A 的 z。右尾面积 A 意味着 Φ(z) = 1 − A。−z 与 z 之间的中间面积 A 使每个尾部剩下 (1 − A)/2，所以 Φ(z) = (1 + A)/2。对于数值 x，用 x = μ + zσ。
z 左侧的面积
Φ(z) = (1 + 0.9109)/2 = 0.9554
反向查 z 表
在表中找到 0.9554，读出 z。
z = 1.70
答案
z = 1.70
2.正态分布
答案: x = 578.4 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) = 0.975 → z = 1.96
换算回 x
x = 500 + 1.96·40 = 578.4 h
答案
x = 578.4 h
3.置信区间
答案: 下限 = 84.54
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 = 12, t = 1.782
误差范围
E = 1.782·7/√13 = 3.46
区间
88 ± 3.46 → [84.54, 91.46]
答案
下限 = 84.54
4.置信区间
答案: n = 16590
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 = 2.576²·0.5·0.5/0.01² = 16589
向上取整
n = 16590
答案
n = 16590
5.假设检验与置信区间
答案: z = −1.681
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 = √(8²/100 + 8²/30) = √2.773 = 1.665
检验统计量
z = (68 − 70.8)/1.665 = −1.681
答案
z = −1.681
|z| < 1.96，所以在 5% 水平下不拒绝 H₀（双侧）。
6.假设检验与置信区间
答案: z = −2.506
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 = 150/250 = 0.6
p̂₂ = 88/120 = 0.7333
p̂ = 238/370 = 0.6432
H₀ 下的标准误
SE = √(0.6432·0.3568·(1/250 + 1/120)) = 0.0532
检验统计量
z = (0.6 − 0.7333)/0.0532 = −2.506
答案
z = −2.506
|z| > 1.96，所以在 5% 水平下拒绝 H₀（双侧）。
7.线性回归与相关
答案: r = 0.9759
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 = 376/6 = 62.67
平方和与乘积和
Sxx = Σ(x − x̄)² = 17.5
Sxy = Σ(x − x̄)(y − ȳ) = 111
Syy = Σ(y − ȳ)² = 739.3
相关系数
r = 111/√(17.5·739.3) = 0.9759
答案
r = 0.9759
8.线性回归与相关
答案: ŷ = 7.038
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 = 21/6 = 3.5
ȳ = 82/6 = 13.67
平方和与乘积和
Sxx = Σ(x − x̄)² = 17.5
Sxy = Σ(x − x̄)(y − ȳ) = −58
回归直线
b = −58/17.5 = −3.314
a = 13.67 − (−3.314)·3.5 = 25.27
ŷ = 25.27 − 3.314·x
预测
ŷ = 25.27 + (−3.314)·5.5 = 7.038
答案
ŷ = 7.038
9.卡方检验
答案: χ² = 1.061
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: 60·63/140 = 27, 60·77/140 = 33
不吸烟者: 80·63/140 = 36, 80·77/140 = 44
卡方统计量
χ² = (24 − 27)²/27 + (36 − 33)²/33 + (39 − 36)²/36 + (41 − 44)²/44
χ² = 1.061
答案
χ² = 1.061
df = 1。在 α = 0.05 时临界值为 3.841，所以 H₀（独立）不被拒绝。
10.卡方检验
答案: χ²crit = 13.28
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 = 5 − 1 = 4
表
χ²crit(df = 4, α = 0.01) = 13.277
答案
χ²crit = 13.277
若计算出的 χ² 大于该值，则拒绝 H₀。
ExamProblems · examproblems.com/courses/statistics-2-inference