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
袋装重量服从正态分布，均值为 250 g，标准差为 5 g。介于 242.5 和 254.25 g 之间的比例是多少？P 以小数表示。
μ = 250σ = 5x1 = 242.5x2 = 254.25
P =
2.正态分布困难
运动员 A 的单圈时间 X 与运动员 B 的单圈时间 Y相互独立且服从正态分布：X 的均值为 52 s，标准差为 4 s，Y 的均值为 48 s，标准差为 3 s。求 X 大于 Y 的概率 P。z 取两位小数。
μX = 52 s, σX = 4 sμY = 48 s, σY = 3 s
P =
3.置信区间中等
一个包含 15 个个体的样本，均值为 47，标准差 s = 9。总体近似服从正态分布。 求均值的 95% 置信区间的误差范围 E。
n = 15x̄ = 47s = 995%t(14) = 2.145
E =
4.置信区间困难
一项预研究表明，约有 0.7 的产品有缺陷。 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 0.025？
p ≈ 0.7E = 0.02599%
n =
5.假设检验与置信区间中等
36 名学生的样本平均分为 52.4，样本标准差为 12。求 H₀: μ = 50 的检验统计量 t。
μ₀ = 50x̄ = 52.4s = 12n = 36
t =
6.假设检验与置信区间困难
100 次测量的样本均值为 101。总体标准差为 4。求均值 90% 置信区间的上限 U。
x̄ = 101σ = 4n = 10090%
U =
7.线性回归与相关中等
表中给出 6 对观测值 x = 温度 (°C) 和 y = 冰淇淋销量。 已给出它们的各项和。由这些和求皮尔逊相关系数 r。
n = 6Σx = 135Σy = 790Σx² = 3195Σy² = 110602Σxy = 18783
r =
8.线性回归与相关困难
表中给出 6 对观测值 x = 学习小时数 和 y = 考试成绩。 使用最小二乘直线 ŷ = a + b·x。 x 取何值 x 时，直线预测 ŷ = 77？
n = 6ŷ = 77
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 = 2002 × 2
χ² =
10.卡方检验困难
一个卡方拟合优度检验检验 9 个类别的频数是否服从泊松分布，其均值由同一组数据估计。 利用表格，求显著性水平 α = 0.05 下的临界值 χ²crit。
α = 0.05
χ²crit =
3溶液
1.正态分布
答案: P = 0.7355
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 = (242.5 − 250)/5 = −1.5
z₂ = (254.25 − 250)/5 = 0.85
中间面积
P = Φ(0.85) − Φ(−1.5) = 0.8023 − 0.06681 = 0.7355
答案
P = 0.7355
2.正态分布
答案: P = 0.7881
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 = 52 − 48 = 4 s, σ = 5 s
标准化
z = (0 − 4)/5 = −0.8
概率
P = 1 − Φ(−0.8) = 0.7881
答案
P = 0.7881
3.置信区间
答案: E = 4.985
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 = 14, t = 2.145
误差范围
E = 2.145·9/√15 = 4.985
答案
E = 4.985
4.置信区间
答案: n = 2230
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 = 2.576²·0.7·0.3/0.025² = 2230
向上取整
n = 2230
答案
n = 2230
5.假设检验与置信区间
答案: t = 1.2
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）。
标准误
SE = 12/√36 = 12/6 = 2
检验统计量
t = (52.4 − 50)/2 = 1.2
答案
t = 1.2
t0.025; df = 35 = 2.03
|t| < 2.03，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: U = 101.7
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 = 1.645·4/√100 = 0.658
区间端点
U = 101 + 0.658 = 101.7
答案
U = 101.7
7.线性回归与相关
答案: r = 0.9898
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 = 18783 − 135·790/6 = 1008
Sxx = 3195 − 135²/6 = 157.5
Syy = 110602 − 790²/6 = 6585
相关系数
r = 1008/√(157.5·6585) = 0.9898
答案
r = 0.9898
8.线性回归与相关
答案: x = 8.064
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 = 36/6 = 6
ȳ = 416/6 = 69.33
平方和与乘积和
Sxx = Σ(x − x̄)² = 70
Sxy = Σ(x − x̄)(y − ȳ) = 260
回归直线
b = 260/70 = 3.714
a = 69.33 − 3.714·6 = 47.05
ŷ = 47.05 + 3.714·x
解出 x
x = (77 − 47.05)/3.714 = 8.064
答案
x = 8.064
9.卡方检验
答案: χ² = 25.92
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
男性: 100·100/200 = 50, 100·100/200 = 50
女性: 100·100/200 = 50, 100·100/200 = 50
卡方统计量
χ² = (32 − 50)²/50 + (68 − 50)²/50 + (68 − 50)²/50 + (32 − 50)²/50
χ² = 25.92
答案
χ² = 25.92
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: χ²crit = 14.07
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 = 9 − 1 − 1 = 7
表
χ²crit(df = 7, α = 0.05) = 14.067
答案
χ²crit = 14.067
若计算出的 χ² 大于该值，则拒绝 H₀。
ExamProblems · examproblems.com/courses/statistics-2-inference