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 30 min 的概率 P。z 取两位小数。
μX = 12, σX = 1.5μY = 20, σY = 2X + Y > 30 min
P =
2.正态分布困难
考试成绩服从正态分布，均值为 65 分，标准差为 10 分。求数值 x，使得有 75% 的数据低于它（第 75 百分位数）。
μ = 65σ = 10P = 75%
x = 分
3.置信区间中等
一个包含 20 个个体的样本，均值为 109，标准差 s = 19.5。总体近似服从正态分布。 求均值的 99% 置信区间的误差范围 E。
n = 20x̄ = 109s = 19.599%t(19) = 2.861
E =
4.置信区间困难
总体标准差为 39。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 2.5？
σ = 39E = 2.590%
n =
5.假设检验与置信区间中等
13 名员工在培训课程前后各参加一次打字测试。记录每人的差值 d = 培训后 − 培训前（每分钟字数）。平均差值为 −7.65，差值的标准差为 8.9。求 H₀: μd = 0 的配对检验统计量 t。
n = 13d̄ = −7.65sd = 8.9
t =
6.假设检验与置信区间困难
16 次测量的样本均值为 498.8。总体标准差为 8。求均值 99% 置信区间的下限 L。
x̄ = 498.8σ = 8n = 1699%
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€)。 已给出它们的各项和。由这些和求皮尔逊相关系数 r。
n = 6Σx = 42Σy = 341Σx² = 364Σy² = 20597Σxy = 2676
r =
8.线性回归与相关困难
表中给出 6 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。 新得到一个观测值 (5, 5)。求其残差 e = y − ŷ。
n = 6(5, 5)
e =
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 = 802 × 3
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）。 该检验的自由度 df 是多少？
k = 5
df =
3溶液
1.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)。
和的分布
μ = 32 min, σ = √(1.5² + 2²) = 2.5 min
标准化
z = (30 − 32)/2.5 = −0.8
上尾
P = 1 − Φ(−0.8) = 1 − 0.2119 = 0.7881
答案
P = 0.7881
2.正态分布
答案: x = 71.75 分
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) = 0.75 → z = 0.6745
换算回 x
x = 65 + 0.6745·10 = 71.75 分
答案
x = 71.75 分
3.置信区间
答案: E = 12.47
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 = 19, t = 2.861
误差范围
E = 2.861·19.5/√20 = 12.47
答案
E = 12.47
4.置信区间
答案: n = 659
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 = (1.645·39/2.5)² = 658.5
向上取整
样本量是整数，向下取整会使误差范围过大。
n = 659
答案
n = 659
5.假设检验与置信区间
答案: t = −3.099
Testing a mean: the test statistic measures how many standard errors the sample mean lies from the value claimed in H₀: z = (x̄ − μ₀)/(σ/√n) when σ is known, t = (x̄ − μ₀)/(s/√n) when it is estimated from the sample. A confidence interval is x̄ ± (critical value)·(standard error).
平均差值的标准误
SE = 8.9/√13 = 2.468
检验统计量
t = −7.65/2.468 = −3.099
答案
t = −3.099
df = 12 时，双侧 5% 的临界值为 2.179；|t| 更大，所以拒绝 H₀。
6.假设检验与置信区间
答案: L = 493.6
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 = 2.576·8/√16 = 5.152
区间端点
L = 498.8 − 5.152 = 493.6
答案
L = 493.6
7.线性回归与相关
答案: r = 0.9902
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 = 2676 − 42·341/6 = 289
Sxx = 364 − 42²/6 = 70
Syy = 20597 − 341²/6 = 1217
相关系数
r = 289/√(70·1217) = 0.9902
答案
r = 0.9902
8.线性回归与相关
答案: e = −2.933
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 = 42/6 = 7
ȳ = 62/6 = 10.33
平方和与乘积和
Sxx = Σ(x − x̄)² = 70
Sxy = Σ(x − x̄)(y − ȳ) = 84
回归直线
b = 84/70 = 1.2
a = 10.33 − 1.2·7 = 1.933
ŷ = 1.933 + 1.2·x
预测值
ŷ = 1.933 + 1.2·5 = 7.933
残差
e = 5 − 7.933 = −2.933
答案
e = −2.933
该点位于直线下方。
9.卡方检验
答案: χ² = 5.017
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
城市: 40·16/80 = 8, 40·24/80 = 12, 40·40/80 = 20
农村: 40·16/80 = 8, 40·24/80 = 12, 40·40/80 = 20
卡方统计量
χ² = (5 − 8)²/8 + (16 − 12)²/12 + (19 − 20)²/20 + (11 − 8)²/8 + (8 − 12)²/12 + (21 − 20)²/20
χ² = 5.017
答案
χ² = 5.017
df = 2。在 α = 0.05 时临界值为 5.991，所以 H₀（独立）不被拒绝。
10.卡方检验
答案: df = 4
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
答案
df = 4
ExamProblems · examproblems.com/courses/statistics-2-inference