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 247.75 和 260 g 之间的比例是多少？P 以小数表示。
μ = 250σ = 5x1 = 247.75x2 = 260
P =
2.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 =
3.置信区间中等
一个包含 9 个个体的样本，均值为 43.5，标准差 s = 15.5。总体近似服从正态分布。 求均值的 99% 置信区间的上限。
n = 9x̄ = 43.5s = 15.599%t(8) = 3.355
上限 =
4.置信区间困难
总体标准差为 30。样本量 n 至少要多大，才能使均值的 95% 置信区间的误差范围不超过 1.5？
σ = 30E = 1.595%
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 1：60 个零件的样本平均长度为 68.5 mm，该生产线的已知标准差为 11 mm。生产线 2：40 个零件的样本均值为 71.1 mm，已知标准差为 14 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 = 60x̄₁ = 68.5 mmσ₁ = 11 mmn₂ = 40x̄₂ = 71.1 mmσ₂ = 14 mm
z =
6.假设检验与置信区间困难
在 α = 0.10 下，用容量为 36 的样本对 H₀: μ = 200 与 H₁: μ > 200 进行单侧 z 检验；已知标准差为 15。实际上均值为 206.5。 求第二类错误的概率 β，以百分比表示。
μ₀ = 200μ = 206.5σ = 15n = 36α = 0.10
β = %
7.线性回归与相关中等
表中给出 5 对观测值 x = 车龄（年） 和 y = 价格 (k€)。 求最小二乘直线的决定系数 r²。
n = 5
r² =
8.线性回归与相关困难
表中给出 5 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 = 56？
n = 5ŷ = 56
x =
9.卡方检验中等
列联表给出了观测频数。为进行卡方独立性检验，求单元格“夜班，严重”的期望频数 E。
行合计 = 92列合计 = 68N = 177
E =
10.卡方检验困难
表中给出了观测频数。在 α = 0.01 下检验两个变量是否独立（不使用连续性校正）。计算检验统计量 χ²，再与表中的临界值比较。
N = 1603 × 2α = 0.01
χ² =
3溶液
1.正态分布
答案: P = 0.6509
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 = (247.75 − 250)/5 = −0.45
z₂ = (260 − 250)/5 = 2
中间面积
P = Φ(2) − Φ(−0.45) = 0.9772 − 0.3264 = 0.6509
答案
P = 0.6509
2.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
3.置信区间
答案: 上限 = 60.83
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 = 8, t = 3.355
误差范围
E = 3.355·15.5/√9 = 17.33
区间
43.5 ± 17.33 → [26.17, 60.83]
答案
上限 = 60.83
4.置信区间
答案: n = 1537
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 = (1.96·30/1.5)² = 1537
向上取整
样本量是整数，向下取整会使误差范围过大。
n = 1537
答案
n = 1537
5.假设检验与置信区间
答案: z = −0.9886
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 = √(11²/60 + 14²/40) = √6.917 = 2.63
检验统计量
z = (68.5 − 71.1)/2.63 = −0.9886
答案
z = −0.9886
|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: β = 9.375 %
检验功效：功效 = 1 − β，是 H₀ 为假时拒绝 H₀ 的概率。由 μ₀ 和 z_α 求出临界值 x̄c，再用真实均值计算落在 x̄c 以外的概率：z = (x̄c − μ)/(σ/√n)。
临界样本均值
SE = 15/√36 = 2.5
x̄c = 200 + 1.282·2.5 = 203.2
真实均值下的 z
z = (203.2 − 206.5)/2.5 = −1.318
第二类错误
功效 = P(Z > −1.318) = 90.62%
β = 100% − 90.62% = 9.375%
答案
β = 9.375%
7.线性回归与相关
答案: r² = 0.9709
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 = 15/5 = 3
ȳ = 112/5 = 22.4
平方和与乘积和
Sxx = Σ(x − x̄)² = 10
Sxy = Σ(x − x̄)(y − ȳ) = −20
Syy = Σ(y − ȳ)² = 41.2
决定系数
r² = −20²/(10·41.2) = 0.9709
答案
r² = 0.9709
y 的变异中约有 97.09% 可由该直线解释。
8.线性回归与相关
答案: x = 4.103
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 = 35/5 = 7
ȳ = 343/5 = 68.6
平方和与乘积和
Sxx = Σ(x − x̄)² = 40
Sxy = Σ(x − x̄)(y − ȳ) = 174
回归直线
b = 174/40 = 4.35
a = 68.6 − 4.35·7 = 38.15
ŷ = 38.15 + 4.35·x
解出 x
x = (56 − 38.15)/4.35 = 4.103
答案
x = 4.103
9.卡方检验
答案: E = 35.34
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
E = 92·68/177 = 35.34
答案
E = 35.34
10.卡方检验
答案: χ² = 9.722
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
生产线 1: 42, 18
生产线 2: 28, 12
生产线 3: 42, 18
卡方统计量
χ² = (42 − 42)²/42 + (18 − 18)²/18 + (21 − 28)²/28 + (19 − 12)²/12 + (49 − 42)²/42 + (11 − 18)²/18
χ² = 9.722
决策
df = 2, χ²crit = 9.210
9.722 > 9.210
答案
χ² = 9.722
χ² 高于临界值，所以拒绝 H₀：两个变量看起来是相关的。
ExamProblems · examproblems.com/courses/statistics-2-inference