统计学(学硕)考研

答案 答题要点:①全概率公式:P(A)=P(B₁)P(A|B₁)+P(B₂)P(A|B₂)+P(B₃)P(A|B₃)=0.5×0.01+0.3×0.02+0.2×0.05=0.005+0.006+0.010=0.021;②贝叶斯公式:P(B₃|A)=P(B₃)P(A|B₃)/P(A)=0.2×0.05/0.021=0.010/0.021=10/21≈0.476;③5% 是 P(A|B₃),即丙线产品中次品所占比例;P(B₃|A) 是已知抽到次品后追溯其出自丙线的概率,两者方向相反;须以产量占比为先验、以各线次品率为条件概率,用贝叶斯公式由果溯因,正确值 10/21 与 5% 相差近十倍。

解析 【考点定位】本题出自概率论「随机事件与概率」一章的「全概率公式与贝叶斯公式」知识点,对应教材条件概率一节的核心应用,自命题概率统计卷几乎都以「多来源-次品率」或「筛查-患病率」背景在此设问,属于必须全对的基础框架题。 【得分点结构】(1)B₁、B₂、B₃ 两两互斥且并为必然事件,构成样本空间的一个划分,由全概率公式 P(A)=ΣP(Bᵢ)P(A|Bᵢ)=0.5×0.01+0.3×0.02+0.2×0.05=0.005+0.006+0.010=0.021;书写时三个乘积项必须列全,每个「来源概率×条件概率」一项,漏乘产量占比是这类题的头号丢分点。(2)由贝叶斯公式,P(B₃|A)=P(B₃)P(A|B₃)/P(A)=0.2×0.05/0.021=10/21≈0.476;自查:P(B₁|A)=0.005/0.021≈0.238,P(B₂|A)=0.006/0.021≈0.286,三个来源的后验概率相加为 1,说明追溯完备,这一步回验在主观题里是稳分动作。(3)错误在于混淆了方向相反的两个条件概率:5% 回答的是「丙线产品里有多大比例是次品」,即 P(A|B₃);所问的是「已知是次品,它有多大可能出自丙线」,即 P(B₃|A)。随机抽取的一件只有两成可能落在丙线,但丙线次品率高,其贡献的次品 0.010 占全部次品 0.021 的近一半——贝叶斯公式的价值正在于把产量占比(先验)与各线次品率(条件概率)加权合成「由果溯因」的判断。 【知识串联】全概率公式负责「由因求果」,贝叶斯公式负责「由果溯因」,两者共用同一个划分结构;向上连条件概率定义与乘法公式,向下连统计推断中的先验-后验语言(贝叶斯学派即以此命名)。与本章古典概型、独立性判定合起来,构成概率论计算题的三大基本骨架。 【易错点】全概率展开漏乘 P(Bᵢ),只把各线次品率加权;把 P(A|B) 与 P(B|A) 的方向弄反(本题(3)即按此设错);贝叶斯算完不做「各来源后验和为 1」的回验,中间数值错了会一路带到底。 【变式思路】换背景不换骨架:疾病筛查(患病率先验)、三种仪器判读、多渠道进货质检,问法都是「求总次品率+已知次品追来源」;再进一步可问「要使次品出自丙线的概率过半,丙线次品率至少多高」,即由贝叶斯反解参数。先确认事件组构成划分,再列「先验×条件概率」乘积表,收尾用概率和回验,三类变式通吃。

命题规律 全概率公式与贝叶斯公式是概率论计算题的基本骨架,自命题概率统计卷普遍以「多来源产品-次品率」「筛查-患病率」一类背景设问,形态固定为「求总概率+由果溯因」两问。常见陷阱:全概率展开漏乘 P(Bᵢ);把 P(A|B) 与 P(B|A) 的方向弄反(本题(3)即按此设错);贝叶斯结果不做「各来源概率和为 1」的回验。复习抓手:先确认事件组构成划分,再列「先验×条件概率」乘积表,收尾用概率和回验。

答案 B(两个分布函数的乘积仍满足分布函数的全部特征性质)

解析 【考点定位】本题出自概率论「随机变量及其分布」一章,考分布函数的特征性质与随机变量三种类型的辨析,是概念辨析型选择题在自命题卷的常见形态,落点在「能否作为分布函数」的判定方法与「连续不等于连续型」这一理论分界。 【逐项分析】判断一个函数能否作为分布函数,按三条特征性质过筛:单调不减、右连续、自变量趋于负无穷时极限为 0 且趋于正无穷时极限为 1。B 项,F₁ 与 F₂ 都取值于 [0,1] 且单调不减、右连续,乘积保持单调不减与右连续,两端极限为 0×0=0 与 1×1=1,三条性质齐备,B 正确;它还有直观来源:设 X₁ 与 X₂ 相互独立且分布函数分别为 F₁、F₂,则 max(X₁,X₂) 的分布函数恰为 F₁F₂,乘积函数本身就是某个真实随机变量的分布函数。A 项,和函数在自变量趋于正无穷时趋于 1+1=2,不满足趋于 1,一票否决。C 项,「分布函数连续」与「连续型」是两个概念:连续型要求存在非负可积的密度函数 f,使 F(x) 表示为 f 的变上限积分,处处连续只是必要条件;数学上还存在处处连续却不存在密度的奇异型分布(经典例子是康托尔分布),故由处处连续推不出连续型。D 项,泊松分布的分布函数在 0,1,2,… 处有一列阶梯跳跃,取可数无穷多个不同的值,并非只有有限多个。 【知识串联】分布函数是统一描述离散型、连续型、奇异型三类随机变量的工具;本题向上连分布函数与密度、分布律的互求,向下连二维分布函数的边际化与独立性判定。max/min 的分布与卷积公式(和的分布)同属「由已知分布构造新分布」一条线,复习时并置对照。 【易错点】验证候选项时漏查右连续或极限条件,只看单调性就放行;把「分布函数处处连续」当成连续型的定义;对 D 项举不出泊松分布这个现成反例而凭感觉误判。 【变式思路】变式一:F₁+F₂ 改为 0.5(F₁+F₂),两端极限恢复为 0 与 1,仍是分布函数(混合分布),与本题 A 项对照可考「系数怎么配才合法」;变式二:min(X₁,X₂) 的分布函数为 1-(1-F₁)(1-F₂),问其与 F₁F₂ 的结构差别;变式三:给分段含待定常数的候选函数,由右连续与两端极限定参数。候选函数一律三性质逐条过筛,类型判断回到「密度是否存在」这一定义。

命题规律 分布函数的特征性质(单调不减、右连续、两端极限)与随机变量类型(离散型、连续型、奇异型)的辨析,是概率论概念题的理论落点,常见设问形态即「判断某函数能否作为分布函数」与「由连续性推断类型」。常见陷阱:验证时漏查右连续或极限条件,只看单调性;把「分布函数处处连续」当成连续型的定义。复习抓手:候选函数一律三性质逐条过筛,一条不满足即否决;类型判断回到定义——连续型看密度是否存在,离散型看阶梯跳跃结构。

答案 C(平均平方离差在 c=E(X) 处取得谷值,谷值恰为方差)

解析 【考点定位】本题出自概率论「随机变量的数字特征」一章,考期望、方差、协方差的运算性质与独立性、不相关的关系,是概念性质辨析题的高频考点,四条选项分别对应四个固定设错位。 【逐项分析】C 项,分解 E[(X-c)²]=E[(X-E(X))+(E(X)-c)]²=D(X)+(E(X)-c)²,末项非负,故不等式成立且仅在 c=E(X) 时取等,C 正确;这条性质说明方差是「平均平方偏差」关于常数位置的谷底值,回归分析中以偏差平方和作目标函数的思想与此同源。A 项,独立必然推出不相关,反之不成立:取 X 服从区间 (-1,1) 上的均匀分布,Y=X²,由对称性 E(X)=E(X³)=0,于是 Cov(X,Y)=E(X³)-E(X)E(X²)=0,但知道 X 即完全确定 X²,例如 P(X²≤1/4, X≤-1/2)=0 而 P(X²≤1/4)×P(X≤-1/2)>0,两者显然不独立。B 项,正确的展开是 D(X-Y)=D(X)+D(Y)-2Cov(X,Y),方差对线性组合按「系数平方」加权,即便 X 与 Y 相互独立,差的方差也是相加而不是相减。D 项,期望的线性性对任意随机变量无条件成立,但方差的可加性需要 Cov(X,Y)=0(如相互独立)作保证;该选项前半句对、后半句错,整体错误。 【知识串联】方差展开总式 D(aX+bY)=a²D(X)+b²D(Y)+2abCov(X,Y) 是本题全部判断的总开关,相关系数 ρ=Cov(X,Y)/√(D(X)D(Y)) 把协方差标准化;向上连切比雪夫不等式(用期望方差给概率定界,本组另有专题),向下连回归中「解释变量与扰动不相关」假定的概率语言,一套公式贯穿概率论与数理统计两章。 【易错点】默认「不相关即独立」;把 D(X±Y) 写成 D(X)±D(Y);给方差可加性漏加不相关条件;反例只背结论不会现场验算——Y=X² 这组反例要能独立写出 E(X³)=0 这一步。 【变式思路】变式一:给 D(X+Y) 与 D(X-Y) 的数值反解 Cov(X,Y)(两式相加除二即得);变式二:判断「Cov(X,Y)=0 时 X 与 Y 一定独立」(错,反例照搬);变式三:二维正态场合「不相关与独立等价」成立,问该等价是否对任意分布成立(否,二维正态是特例)。方差展开先写完整总式再代入,独立性问题随身携带现成反例。

命题规律 期望、方差、协方差的运算性质辨析是数字特征章概念题的常见形态,命题集中于三处:独立与不相关的单向蕴含、方差线性展开中的系数平方与交叉项、期望线性性的无条件性。常见陷阱:默认「不相关即独立」;把 D(X±Y) 写成 D(X)±D(Y);给方差可加性漏加不相关条件。复习抓手:方差展开先写完整式 D(aX+bY)=a²D(X)+b²D(Y)+2abCov(X,Y) 再代入;独立性问题随身携带 Y=X² 一类现成反例。

答案 B(中心极限定理刻画标准化样本均值的近似分布)

解析 【考点定位】本题出自概率论「大数定律及中心极限定理」一章,考依概率收敛的确切含义、辛钦与切比雪夫两条定理的条件口径、中心极限定理相对大数定律的精度优势与近似方法的适用边界,是极限定理概念辨析的集中考点。 【逐项分析】B 项,设序列独立同分布,期望 μ、方差 σ² 存在且 σ²>0,大数定律只回答「样本均值依概率收敛到 μ」这一位置问题,而列维-林德伯格中心极限定理进一步给出 (X̄-μ)/(σ/√n) 的分布趋于标准正态,同时刻画了围绕 μ 的离散尺度与分布形态,使 X̄ 落入某区间的概率可以近似计算,B 正确。A 项,依概率收敛的含义是对任意 ε>0 有 P(|fₙ(A)-p|≥ε)→0,即「偏差超过任给幅度的概率趋于 0」,而不是频率与概率精确相等,「必然等于」把概率意义的收敛强化成了恒等。C 项,辛钦大数定律的条件是相互独立、同分布且数学期望存在,并不要求方差存在;「方差存在且有一致上界」是切比雪夫路线大数定律的条件口径(该路线不要求同分布),两条定理条件不同,不能互相搬用。D 项,二项分布的正态近似在 p 接近 0 或 1 时精度明显变差,当 np 或 n(1-p) 不大时应改用泊松近似,「精度与 p 无关」不成立——选用近似工具前先核对适用条件。 【知识串联】大数定律为「用频率估计概率、用样本均值估计总体均值」提供理论依据,中心极限定理为「把均值标准化后按正态查表」提供依据,两者合起来支撑整个统计推断的地基;切比雪夫不等式是证明弱大数定律的经典工具,也是独立成题的概率估计手段(本组另设专题),三条定理按「给位置→给界→给分布」的精度阶梯排列。 【易错点】把「频率稳定于概率」读成「频率等于概率」;给辛钦的条件多加方差;以为 n 大就能无差别套正态近似,忽视 np 与 n(1-p) 的量级核查。 【变式思路】变式一:给具体分布与 n,用中心极限定理近似计算 P(|X̄-μ|<a);变式二:判断「辛钦大数定律要求方差存在」对错;变式三:给 np 很小的二项场景,选泊松近似并算概率。记三条基准——收敛是概率意义的收敛、辛钦走「同分布+期望存在」路线、近似计算前核对 np 与 n(1-p) 量级,三类问法一起覆盖。

命题规律 大数定律与中心极限定理的概念辨析是概率论后段的概念型考点,设问集中在:依概率收敛的确切含义(是概率趋于 1,不是恒等相等)、辛钦与切比雪夫两条路线的条件差别、中心极限定理「给分布」相对大数定律「给位置」的精度优势、正态与泊松近似的适用边界。常见陷阱:把「频率稳定于概率」读成「频率等于概率」;给辛钦的条件多加方差;以为 n 大就能无差别套正态。复习抓手:记三条基准——收敛是概率意义的收敛;辛钦走「同分布+期望存在」路线;近似计算前核对 np 与 n(1-p) 的量级。

答案 答题要点:①切比雪夫不等式 P(|X-E(X)|≥ε)≤D(X)/ε²,代入得 P(|X-70|≥10)≤8/100=0.08,从而 P(60<X<80)=P(|X-70|<10)≥1-0.08=0.92;②均匀分布口径:(a+b)/2=70,(b-a)²/12=8,解得 b-a=√96=4√6≈9.80,偏离均值的幅度至多为 (b-a)/2=2√6≈4.90<10,故精确值 P(|X-70|≥10)=0,上界 0.08 成立但远非紧致;③{X>80} 发生必致 {|X-70|≥10} 发生,故 P(X>80)≤0.08。

解析 【考点定位】本题出自概率论「随机变量的数字特征」一章的「切比雪夫不等式」知识点,对应教材在期望方差之后、大数定律之前安排的一座桥,自命题卷常以「给期望方差估计概率」的填空或计算形态出现,是只用两个数字就能出答案的性价比考点。 【得分点结构】(1)切比雪夫不等式:对任意 ε>0,P(|X-E(X)|≥ε)≤D(X)/ε²,它只依赖期望与方差,不要求知道分布。代入 ε=10:P(|X-70|≥10)≤8/100=0.08;再由对立事件,P(60<X<80)=P(|X-70|<10)≥1-0.08=0.92。两步各占一半分值,注意第二问要的是「下界」0.92 而不是 0.08。(2)均匀分布 U(a,b) 的期望为 (a+b)/2、方差为 (b-a)²/12:由 (a+b)/2=70 得 a+b=140,由 (b-a)²/12=8 得 b-a=√96=4√6≈9.80,区间端点为 70±2√6,随机变量偏离均值的幅度至多 (b-a)/2=2√6≈4.90,恒小于 10,故 P(|X-70|≥10)=0。精确值 0 落在上界 0.08 之内,说明不等式成立;同时 0.08 与 0 相差悬殊,说明切比雪夫上界一般非常保守——它是「保底」而非「贴身」的估计。(3)事件 {X>80} 发生必然导致 {|X-70|≥10} 发生,由事件包含关系即得 P(X>80)≤P(|X-70|≥10)≤0.08;教材口径的切比雪夫不等式是双侧对称形式,单侧概率先放大到双侧事件再套用。 【知识串联】切比雪夫不等式向上连期望方差的运算性质,向下给出弱大数定律的经典证明路线(对 X̄ 用切比雪夫,D(X̄)=σ²/n→0 即得依概率收敛);它「不问分布、只问两矩」的特点与大数定律、中心极限定理形成适用阶梯:知道分布算精确值,知道两矩给切比雪夫界,只知独立同分布谈渐近行为。 【易错点】把 ε=10 直接当 ε² 用(漏平方);下界方向写反;以为切比雪夫上界接近真实概率——(2)问正是为戳破这一错觉而设;单侧概率不做人到双侧事件的包含放大就直接套公式。 【变式思路】变式一:给 k 倍标准差口径问界(ε=kσ 时上界 1/k²);变式二:给二项分布的 n、p,先算期望方差再给界;变式三:反向问「要使 P(|X-70|<10) 的下界不低于 0.9,方差至多多大」(解 D/100≤0.1 得 D≤10)。记住三件事——公式只吃两矩、界保守但恒成立、单侧先放大到双侧。

答案 答题要点:①对 0≤y≤1,F_Y(y)=P(F(X)≤y)=P(X≤F⁻¹(y))=F(F⁻¹(y))=y,两端分别为 0 与 1,故 Y 服从 (0,1) 上的均匀分布,密度在 (0,1) 上恒为 1;②F_{X*}(x)=P(F⁻¹(U)≤x)=P(U≤F(x))=F(x)(F(x) 介于 0 与 1 之间,恰为均匀变量的分布函数值),故 X* 与 X 同分布;③指数分布 F(x)=1-e^(-λx),反解得 X*=F⁻¹(U)=-(1/λ)ln(1-U);因 U 与 1-U 同分布,亦可用 X*=-(1/λ)lnU。

解析 【考点定位】本题出自概率论「随机变量函数的分布」知识点,考分布函数法在一类特殊变换下的结论——概率积分变换,即「连续随机变量代入自身分布函数后服从均匀分布」;它是自命题理论卷与复试口试都偏爱的命题点,理由是只需分布函数定义即可完整论证,又能顺带考随机数生成原理。 【得分点结构】(1)用分布函数法:对 0≤y≤1,由 F 严格单调递增连续,F(X)≤y 等价于 X≤F⁻¹(y),故 F_Y(y)=P(X≤F⁻¹(y))=F(F⁻¹(y))=y;再补两端:y<0 时 F_Y(y)=0,y≥1 时 F_Y(y)=1。于是 Y 在 (0,1) 上均匀,密度在 (0,1) 上恒为 1。论证采分点有三:等价变形用到严格单调、代入定义后 F(F⁻¹(y))=y、两端取值补全,缺一即扣。(2)对任意实数 x,F_{X*}(x)=P(F⁻¹(U)≤x)=P(U≤F(x));由 0≤F(x)≤1 且 U 服从 (0,1) 均匀分布,P(U≤F(x))=F(x),故 X* 的分布函数恰为 F,与 X 同分布。此即「均匀分布+反函数」生成指定分布随机数的依据(逆变换法)。(3)指数分布 F(x)=1-e^(-λx),令 u=1-e^(-λx),反解 x=-(1/λ)ln(1-u),代入 U 得 X*=-(1/λ)ln(1-U);由于 U 与 1-U 同分布,实务中也常写 X*=-(1/λ)lnU,两种写法等价。 【知识串联】分布函数法是求随机变量函数分布的通法,与公式法(密度乘导数绝对值)互补,本题正是「通法优于公式法」的典型;结论向下游连统计模拟(逆变换法生成随机数)与拟合优度检验(把观测代入理论分布函数后做均匀性检验的思想);与 max/min 分布、卷积公式同属「由已知分布构造新分布」一族。 【易错点】忘记补 y<0 与 y≥1 两端;把「严格单调」条件不满足的场合照抄等价变形——分布函数有平段时反函数需换成广义反函数,结论对连续 F 仍成立,但论证要绕开严格单调这条捷径;第(3)问反解时对数符号方向弄错。 【变式思路】变式一:把 F 换成正态分布函数 Φ,问 Φ(X) 服从什么分布(仍均匀);变式二:反向出题——给均匀 U 与指定目标分布,写出生成表达式(离散场合按概率区间分段对应);变式三:问 n 个独立均匀变量的 max 服从什么(Beta(n,1)),把均匀分布再当输入做一次函数分布。抓住「分布函数法+等价事件」两件工具,此类题正问反问都能闭环。

答案 答题要点:①E(X)=E[E(X|N)]=E(Np)=pE(N)=λp;②D(X)=E[Np(1-p)]+D(Np)=λp(1-p)+p²λ=λp,与泊松分裂结论 X~P(λp) 的方差 λp 一致,计算闭环;③错误。E(X|N)=Np 是 N 的线性函数,E(Np)=pE(N) 只用期望的线性性,与 N 是否随机无关,全期望公式恰恰是为随机 N 设计的工具,不要求 N 退化为常数。

解析 【考点定位】本题出自概率论「条件期望与全期望公式」知识点,位于多维随机变量与数字特征两章交汇处,考全期望公式 E(X)=E[E(X|N)] 与全方差公式的分层使用;「参数本身是随机变量」的混合结构是学硕卷区分理论功底与传统刷题的题型,自命题概率统计的后半卷常以此设压轴小题。 【得分点结构】(1)全期望公式 E(X)=E[E(X|N)]:先算内层,X|N=n 服从 B(n,p),E(X|N)=Np;再对外层取期望,E(X)=E(Np)=pE(N)=λp。「先对条件分布取期望,再把条件期望当作随机变量取期望」是采分表述,两步顺序不能颠倒。(2)全方差公式 D(X)=E[D(X|N)]+D[E(X|N)]:D(X|N)=Np(1-p),E(X|N)=Np,故 D(X)=E[Np(1-p)]+D(Np)=λp(1-p)+p²×λ=λp-λp²+λp²=λp。验算:来电逐条按「是否咨询」独立归类,咨询条数 X 服从泊松分布 P(λp)(泊松分裂),其方差为 λp,两条路线一致,说明计算闭环,验算句本身也是采分点。(3)说法错误。E(X|N)=Np 关于 N 是线性的,E(Np)=pE(N) 只依赖期望的线性性,与 N 是否随机无关;全期望公式正是处理随机 N 的工具——把「条件期望的线性表达」与「N 的已知期望」拼起来即可,不需要 N 退化成常数。 【知识串联】全期望公式与全概率公式同构(后者是前者取指示变量的特例),可对照记忆;全方差公式「条件方差的期望+条件期望的方差」与方差分析「组内平方和+组间平方和」的思想同源;泊松分裂(母流泊松、逐项独立归类得独立泊松子流)是排队、保险索赔分类等随机模型的常用构件,本题是其简化版本。 【易错点】把 E(X|N)=Np 当成数值直接参与运算;全方差公式漏写第二项 D[E(X|N)] 或两项位置对调;验算环节不知道 λp 同时是泊松分布 P(λp) 的方差与期望;第(3)问把「线性性」误当成「N 必须为常数」的条件。 【变式思路】变式一:门店客流 N~P(λ),每位客流以概率 p 消费、消费额期望为 m,求总销售额期望(λpm,全期望公式逐层嵌套);变式二:只考全方差公式的某一层,给 E[D(X|N)] 与 D[E(X|N)] 的数值直接相加;变式三:把「来电是否咨询」改成三分类,问分类条数的联合结构(独立泊松)。做题套路固定:先写条件分布、再算条件期望与条件方差、末了对外层取期望,三层剥完答案自现。

答案 C(15S²/σ²~χ²(15),且 X̄ 与 S² 独立)

解析 【考点定位】本题出自数理统计「统计量及其分布」一章,考正态总体抽样分布的基本定理与 χ²、t、F 三大分布的构造条件,是数理统计全章的地基性考点,自命题卷普遍以「判断统计量服从何种分布、自由度是多少」的选择题形态出现。 【逐项分析】C 项是正态总体抽样分布的基本定理:X̄ 与 S² 相互独立,且 (n-1)S²/σ²=15S²/σ² 服从自由度为 n-1=15 的 χ² 分布;自由度少 1,是因为平方和中用 X̄ 替代 μ 消耗了一个线性约束,C 正确。A 项,正确的统计量是 15S²/σ²、自由度 15,选项把统计量与自由度同时写错,根源在于忽视 S² 以 n-1 为除数、平方和只含 15 个独立偏差。B 项,√16=4,(X̄-μ)/(S/√16) 确为 t 统计量,但 t 分布的自由度由分母中 χ² 变量的自由度决定,应服从 t(15) 而非 t(16);t 分布的构造是「标准正态变量除以独立的 √(χ²/自由度)」,此处一律取 15。D 项,F 分布的定义要求 U~χ²(m) 与 V~χ²(n) 相互独立,此时 (U/m)/(V/n) 才服从 F(m,n);一旦独立性破坏,商的分布一般不再是 F——两正态总体方差比检验中 S₁²/σ₁² 与 S₂²/σ₂² 之比服从 F 分布,前提正是两个样本相互独立。 【知识串联】三大构造链要整链背下:标准正态的平方和得 χ²、标准正态除以独立的 √(χ²/自由度) 得 t、两个独立的 χ² 各除自由度作商得 F;衍生结论常作小题考点——t²=F(1,n)、χ²(n) 的期望为 n 方差为 2n、F 与 1/F 的自由度对调;下游直接支撑单样本 t 区间、两总体方差比检验与本组回归显著性检验中的 F 统计量,整章推断共用这三块积木。 【易错点】自由度误取 n(根源是 S² 的除数口径);忽略 t、F 构造中的独立性前提;把「X̄ 与 S² 独立」当成任意总体都成立——它是正态总体特有的深刻结论。 【变式思路】变式一:n 改数或 σ 已知改未知,重新拼统计量对号入座;变式二:给 t(15) 变量平方,问其分布(F(1,15));变式三:两个独立 χ² 各除自由度作商,拼 F 并数自由度。见到复合统计量先拆成「标准正态、χ²、倍数」三件套,每条链上数清自由度的来源再组装。

命题规律 三大抽样分布(χ²、t、F)的构造与自由度是数理统计的地基性考点,自命题卷普遍以「判断统计量服从何种分布、自由度是多少」的选择题形态出现。常见陷阱:自由度误取 n(根源是 S² 的除数口径);忽略 t、F 构造中的独立性前提;把「X̄ 与 S² 独立」当成任意总体都成立(它是正态总体特有的深刻结论)。复习抓手:背三条构造链——标准正态的平方和得 χ²、标准正态除以独立的 √(χ²/自由度) 得 t、两个独立的 χ² 各除自由度作商得 F,每条链上数清自由度的来源。

答案 B(似然法依赖分布形式,矩法只依赖矩条件)

解析 【考点定位】本题出自数理统计「参数估计」一章的「点估计的方法」知识点,考矩估计法与极大似然估计法的前提条件与局限,均匀分布族与柯西分布是两块标准试金石,概念题与计算题在此交替命题,是参数估计章的开篇考点。 【逐项分析】B 项,极大似然法要先由总体分布写出样本的联合分布(似然函数),再寻找使似然达到峰值的参数值,前提是分布形式已知;矩法以「样本矩替换总体矩」建立方程,只用到相应阶的总体矩存在,不必掌握完整分布,B 正确。A 项,两法结果经常不同:均匀总体 U(0,θ) 下,由 E(X)=θ/2 得矩估计 θ̂=2X̄,而似然函数在 θ̂=max{X₁,…,Xₙ} 处达到峰值,极大似然估计为 max{X₁,…,Xₙ},两者一般不相等。C 项,似然的峰值点可能不存在,也可能不唯一:如总体 U(θ-1/2,θ+1/2),凡满足 x(n)-1/2≤θ≤x(1)+1/2(其中 x(1)=min{X₁,…,Xₙ},x(n)=max{X₁,…,Xₙ})的 θ 都使似然取到同一个峰值,极大似然估计是一整段区间而非单点。D 项,期望不存在只是让矩法失去立方程的抓手,极大似然仍可进行:柯西分布没有期望,矩法无法起步,其位置参数的似然方程却可以数值求解。 【知识串联】矩法思想朴素(替换原理)、适用面宽但信息利用粗;极大似然利用完整分布信息,在正则场合具有相合性与渐近正态性,两法在正态、泊松等规则总体上重合(本组另设泊松极大似然计算专题);向下连估计量评选标准(无偏、有效、相合)与充分统计量(因子化定理),后者从「数据压缩」角度刻画信息,合并构成参数估计的完整考点地图。 【易错点】默认两法殊途同归;以为似然函数必有唯一峰值点;把「矩不存在」扩大成「一切方法失效」;对 C 项举不出「峰值一整段」的均匀族反例。 【变式思路】变式一:给泊松或指数总体,具体算两种估计并比较;变式二:给 U(0,θ) 问两法各给出什么、差别在哪;变式三:判断「极大似然估计必定存在且唯一」(错,反例照搬)。面对一个总体先问三件事——分布形式是否已知、所需阶矩是否存在、似然是否规则,三问答完方法选择自明。

命题规律 矩法与极大似然法的原理与适用条件辨析是参数估计部分的概念型考点,均匀分布族与柯西分布是两块试金石:前者展示两法给出不同估计、似然峰值可以不唯一,后者展示矩法失效而似然法仍可行。常见陷阱:默认两法殊途同归;以为似然函数必有唯一峰值点;把「矩不存在」扩大成「一切方法失效」。复习抓手:面对一个总体先问三件事——分布形式是否已知、所需阶矩是否存在、似然是否规则;均匀族与柯西族的结论可作为现成反例直接引用。

答案 答题要点:①L(λ)=∏e^(-λ)λ^(xᵢ)/xᵢ!=e^(-nλ)λ^(Σxᵢ)/∏xᵢ!,lnL=-nλ+(Σxᵢ)lnλ-Σln(xᵢ!),令导数为 0 得 λ̂=X̄,二阶导为负确认峰值;②p₀=e^(-λ) 关于 λ 单调,由不变性 p̂₀=e^(-X̄);③E(X̄)=λ,无偏;D(X̄)=λ/n→0,由切比雪夫不等式 X̄ 依概率收敛于 λ,相合(亦可引辛钦大数定律)。

解析 【考点定位】本题出自数理统计「参数估计」一章的「极大似然估计」知识点,考似然函数的规范书写、对数求导求峰值与极大似然估计的不变性;泊松总体是自命题卷此类计算题的热门载体,因为似然方程解得干净,又能顺带考函数变换与评选标准,一道题串起三个考点。 【得分点结构】(1)样本联合分布律 ∏e^(-λ)λ^(xᵢ)/xᵢ! 即似然函数,整理为 L(λ)=e^(-nλ)λ^(Σxᵢ)/∏(xᵢ!);取对数 lnL=-nλ+(Σxᵢ)lnλ-Σln(xᵢ!),对 λ 求导并令其为 0:-n+(Σxᵢ)/λ=0,解得 λ̂=Σxᵢ/n=X̄;二阶导 -(Σxᵢ)/λ²<0 确认是峰值。书写规范:似然函数要写全 xᵢ! 项(不影响峰值点但影响完整性分),结论要把小写观测值还原成统计量 X̄ 并加「帽」。(2)不变性:若 θ̂ 是 θ 的极大似然估计,g 为单值映射,则 g(θ̂) 是 g(θ) 的极大似然估计;p₀=e^(-λ) 关于 λ 单调,故 p̂₀=e^(-λ̂)=e^(-X̄);不必重解 p₀ 的似然方程,重解会把指数式似然写得冗长且易错。(3)无偏性:E(X̄)=E(X)=λ,成立;相合性:D(X̄)=λ/n→0,由切比雪夫不等式对任意 ε>0,P(|X̄-λ|≥ε)≤λ/(nε²)→0,故 λ̂ 依概率收敛于 λ,相合;也可直接引辛钦大数定律一句话作答。 【知识串联】极大似然三步曲「写似然、取对数、解方程」适用于指数、正态、泊松等规则总体;不变性是极大似然相对矩估计的优势之一(矩估计不保持函数变换);本题与本组估计量评选一题共用 X̄ 的期望方差计算,与矩法极大似然辨析一题构成概念加计算的配对;泊松分裂(条件期望一题)则把 P(λp) 与本总体串进同一模型。 【易错点】似然函数漏写 xᵢ!;解出 λ̂ 后仍用小写观测值表述、不还原成统计量;第(2)问绕开不变性硬解 p₀ 的似然方程;第(3)问用「无偏所以相合」作答——两者无蕴含关系,反例是仅用首个观测的无偏估计。 【变式思路】变式一:换指数总体,λ 的极大似然估计为 1/X̄,注意与泊松结论不可混用;变式二:求 p₀=P(X=0) 的矩估计并与极大似然估计对照(此处两法一致,均为 e^(-X̄));变式三:给「只记录无来电的天数」的删减数据,似然改写为二项口径再估 λ。三步曲模板不变,变的是似然的形状;动笔前先把总体分布律列在草稿上,分数就稳了一半。

答案 B(有效性:在无偏估计之间比较方差)

解析 【考点定位】本题出自数理统计「参数估计」一章的「估计量的评选标准」知识点,考无偏性、有效性、相合性三个标准的定义与相互关系;固定设错位是「无偏性经函数运算传递」「无偏推出相合」与「两种方差口径」,是估计章概念辨析的保留题。 【逐项分析】B 项,有效性的定义就落在无偏估计类内:同为 θ 的无偏估计,方差较小者更有效,方差度量估计量围绕被估参数的波动幅度,B 正确;注意有效性的比较以双方都无偏为前提,离开这个前提谈「方差小」没有意义。A 项,由 E(θ̂²)=D(θ̂)+[E(θ̂)]²=D(θ̂)+θ²,只要 D(θ̂)>0 就有 E(θ̂²)>θ²,θ̂² 会系统性高估 θ²;同一逻辑也说明「S² 是 σ² 的无偏估计,而 S 一般不是 σ 的无偏估计」。C 项,相合性要求 θ̂ 随 n 增大依概率收敛于 θ;反例 θ̂≡X₁(仅使用首个观测),它无偏,但方差等于总体方差、不随 n 缩小,不满足依概率收敛,不是相合估计。D 项,E(B₂)=(n-1)σ²/n<σ²,二阶中心矩 B₂ 是有偏估计(渐近无偏),除以 n-1 的 S² 才无偏——这正是样本方差采用 n-1 口径的由来。 【知识串联】三条标准构成递进的评价体系:无偏看期望对不对,有效看方差小不小,相合看样本增大后收不收敛;相合性是大样本层面的底线要求,与辛钦大数定律、中心极限定理相连;有效性比较中的方差计算又回到数字特征一章的方差展开总式,概率论与数理统计在此接榫;进一步的方向(均方误差标准、允许有偏换取方差下降)解释了为什么实践中未必一味追求无偏。 【易错点】以为无偏性经过平方、开方等函数运算仍然传递;把无偏与相合混为一谈(θ̂=X₁ 型反例一击即破);忽视 S² 与 B₂ 两个口径的差别,或会用口径却讲不出 n-1 的自由度来历;在双方不全无偏时直接比方差下「有效性」结论。 【变式思路】变式一:给 θ̂₁=kX̄ 型候选,先由无偏性解 k 再比较有效性;变式二:判断「渐近无偏必相合」(错,θ̂=X₁+1/n 型反例渐近无偏但方差不随 n 收缩);变式三:给 E(S²) 与 E(B₂) 的计算并说明两种口径适用场合。三条标准各配一个基准事实——判平方用 E(θ̂²)=D(θ̂)+θ²,判相合用 θ̂=X₁,判口径用 E(B₂)=(n-1)σ²/n,比较有效性前先确认双方无偏。

命题规律 无偏性、有效性、相合性的定义与相互关系是估计量评选的概念型考点。常见陷阱:以为无偏性经过平方、开方等函数运算仍然传递;把无偏与相合混为一谈(θ̂=X₁ 型反例一击即破);忽视 S² 与 B₂ 两个口径的差别。复习抓手:三条标准各配一个基准事实——判平方用 E(θ̂²)=D(θ̂)+θ²,判相合用 θ̂=X₁,判口径用 E(B₂)=(n-1)σ²/n;比较有效性前先确认双方无偏。

答案 C(联合分布只通过 ΣXᵢ 依赖 λ,依因子化定理该和统计量为充分统计量)

解析 【考点定位】本题出自数理统计「统计量及其分布」一章的「充分统计量与因子化定理」知识点,是学硕理论卷相对进阶的概念考点,考充分性的定义(条件分布与参数无关)、因子化定理的使用口径与常见误解;把它放在卷末小题或复试口试的院校,目的正是筛选读过教材证明的考生。 【逐项分析】C 项,泊松样本的联合分布律 e^(-nλ)λ^(Σxᵢ)/∏(xᵢ!) 可分解为 g(T,λ)=e^(-nλ)λ^T 与 h(x)=1/∏(xᵢ!) 的乘积,其中 T=Σxᵢ;联合分布只通过 T 依赖 λ,由因子化定理 T 是 λ 的充分统计量;n⁻¹T 与 T 一一对应,经一一变换不损失信息,同样充分,C 正确。A 项,充分性的定义是「给定 T=t 后样本的条件分布与 θ 无关」,即 T 把样本中关于 θ 的信息全部承载;「不含未知参数」只是统计量的可观测性要求,任何统计量都不含参数,但多数并不充分,例如正态总体下只取 X₁ 一个观测对 μ 远不充分。B 项,一一(单射)变换保持充分性,但把 T 压缩为「是否超过某阈值」的指示统计量会合并不同的 T 取值,样本条件分布重新依赖参数,一般不再充分——「任意变换仍充分」错在把单射条件放宽成了任意映射。D 项,充分统计量是压缩数据的工具,不必是任何参数的估计量:两参数正态场合 (ΣXᵢ, ΣXᵢ²) 是 (μ,σ²) 的充分统计量,其分量 ΣXᵢ² 本身并非某参数的极大似然估计;反向「极大似然估计必充分」同样不成立,两边都不能画等号。 【知识串联】因子化定理把「条件分布与参数无关」的验证转化为似然函数的乘积分解,做题三步:写联合分布、找只含 T 与 θ 的因子、验证剩余因子与 θ 无关;它与本组极大似然计算题相接——似然只通过充分统计量依赖参数,这是「极大似然估计通常可写成充分统计量之函数」的根源;更高层的极小充分、完备性与 Rao-Blackwell 改进属加深内容,自命题层面掌握定义与因子化即可。 【易错点】把「不含参数」当成充分的判定标准;把「变换保持充分」忘记加单射前提;以为充分统计量必须是一维的(可以高维);把「充分」与「无偏」「极大似然」三种不同维度的性质混为一谈。 【变式思路】变式一:正态 N(μ,σ²) 已知 σ²,用因子化定理验证 X̄ 充分;变式二:指数总体找 λ 的充分统计量(ΣXᵢ);变式三:均匀 U(0,θ) 场合只有 max{Xᵢ} 充分而 ΣXᵢ 不充分——顺序统计量才是该族的信息载体。判断题先回到定义(条件分布是否还依赖参数),计算题走因子化三步,两类题型一并覆盖。

答案 B(小概率反证法:小概率事件在一次试验中几乎不发生)

解析 【考点定位】本题出自数理统计「假设检验」一章的开篇「显著性检验的基本思想」知识点,考概率反证法逻辑、「不拒绝」的确切含义、两类错误的分支定义与检验规程的事前性,是检验章一切计算题的思想地基,自命题卷常以此开检验部分的头一道题。 【逐项分析】B 项概括了显著性检验的逻辑骨架:这是一种带概率性质证法——推出的不是演绎意义上的矛盾,而是与「小概率事件在一次试验中几乎不发生」这一常识冲突;拒绝域的构造保证 H₀ 为真时样本落入其中的概率不超过 α,B 正确。A 项,「不拒绝」只表明当前证据不足以拒绝 H₀,相当于法庭上「证据不足」,既不是宣判 H₀ 成立,更谈不上证明;显著性检验只控制弃真错误,不提供对 H₀ 的证实。C 项,α 是 H₀ 为真时拒绝 H₀ 的概率上限,对应第一类错误(弃真);「H₀ 为假时未拒绝」是第二类错误(取伪),其概率 β 定义在另一个分支下,两者不可互换,样本量固定时还此消彼长。D 项,检验方向与显著性水平都必须在看到数据之前设定;先看数据再选方向,等于用同一批数据两次挑选有利口径,实际犯第一类错误的概率会超出名义水平 α,「先立假设、后取样本」的检验规程正是为此。 【知识串联】检验的逻辑向上连小概率原理与反证法,横向连区间估计(同一枢轴量下「区间盖住 μ₀」与「不拒绝 H₀」互为对偶,本组另设专题),向下连单侧、双侧检验与 p 值决策;两类错误的此消彼长引出「控制 α 的前提下增大样本以压低 β」与功效函数的讨论,是学硕卷加深的落点;结论表述规范(不写「接受 H₀」「证明」)也是阅卷采分细节。 【易错点】把「差异不显著」写成「无差异」「接受 H₀」;把 α 说成取伪概率;先看数据再定单双侧;结论里出现「证明」二字。 【变式思路】变式一:给具体场景问哪句表述正确(不拒绝、接受、证明三选);变式二:给「H₀ 真/假 × 拒绝/不拒绝」四格表问 α、β 各落在哪一格;变式三:问「样本量增大时 α、β 如何变化」(α 由检验水平锚定不变,β 随功效提升而下降)。答题先画四格,α 与 β 各归其位,结论表述用「未见显著证据支持 H₁」,不写「证明」「接受」。

命题规律 假设检验的思想辨析(概率反证、两类错误、检验规程)是学硕理论卷的概念型考点,「不拒绝不等于接受」与「α、β 各自定义在真假两个分支」是两个固定设错位。常见陷阱:把「差异不显著」写成「无差异」;把 α 说成取伪概率;事后选检验方向。复习抓手:答题先画「H₀ 真/假 × 拒绝/不拒绝」四格,α 与 β 各归其位;结论表述用「未见显著证据支持 H₁」,不写「证明」「接受」。

答案 A(同一枢轴量下,置信区间与检验的接受域配套对应)

解析 【考点定位】本题出自数理统计「参数估计」与「假设检验」两章衔接处的「区间估计及其与检验的关系」知识点,考置信区间与检验的配套对偶、置信水平的频率解释与区间长度的权衡;「随机的是区间不是参数」这一句区分度极高,是学硕理论卷压轴概念题的常客。 【逐项分析】A 项,双侧 1-α 置信区间的端点与双侧检验的临界值出自同一枢轴量(如 t=(X̄-μ)/(S/√n))的同一张分布表,「区间盖住 μ₀」与「检验统计量未落入拒绝域」是同一件事的两种表述,配套关系成立,A 正确——这正是区间估计与假设检验对偶关系的通用口径。B 项,在频率学派框架里 μ 是固定常数,没有分布可言;随机的是区间:置信水平指「重复抽样时,这套构造方法产出的随机区间覆盖真值的比例约为 95%」,对一个已经算出的具体区间谈「μ 落入的概率」把随机对象弄反了。C 项,区间长度与置信水平存在权衡:同一置信水平下缩短期限要靠增大样本量,或引入更强的假定(如方差已知时改用 z 区间);不付代价的「变短」实际是悄悄降低了置信水平。D 项,「任何方法」过强:配套对应依赖「同一枢轴量+双侧口径」的构造细节,换成单侧区间或别的枢轴量,完全可能得到不含 μ₀ 的 1-α 区间,两种推断并不同步,不能互相代言。 【知识串联】枢轴量是把「未知参数+统计量」组装成已知分布的桥梁,同一座桥既通向区间估计也通向假设检验,本组检验思想一题的「四格图」与本题的对偶口径互为印证;置信水平的频率解释连向「重复抽样」的长期行为,与贝叶斯学派的区间解释形成对照;区间长度的量化讨论(正态均值区间长度由临界值与 σ/√n 决定)向下连接样本量确定问题,是应用向的延伸考点。 【易错点】把置信水平读成「参数落入固定区间的概率」;认为任何区间都与任何检验同步;忽视缩短期限必须付出置信水平或样本量的代价;把「95% 区间」说成「μ 有 95% 的概率在此区间内」。 【变式思路】变式一:给单侧置信下限与单侧检验的对应关系作判断;变式二:问「方差已知换 z 区间后长度如何变化」(临界值变小、S 换 σ,长度通常缩短);变式三:给 95% 置信区间与 μ₀,直接推断水平 0.05 双侧检验的结论。两句话锚定——「同一枢轴量定区间也定检验,共用一张临界值表」「随机的是区间,不是参数」,对偶题即可秒判。

命题规律 区间估计与假设检验的对偶关系、置信水平的频率解释,是估计与检验两章衔接处的理论考点,在学硕理论卷的概念辨析中区分度较高。常见陷阱:把置信水平读成「参数落入固定区间的概率」;认为任何区间都与任何检验同步;忽视区间长度与置信水平的权衡。复习抓手:两句话锚定——「同一枢轴量定区间也定检验,共用一张临界值表」;「随机的是区间,不是参数」。

答案 答题要点:①检验统计量 F=s₁²/s₂²=2.30/0.50=4.60(约定较大方差放分子,只查上侧临界值),4.60>F₀.₀₂₅(12,8)=4.20,拒绝 H₀,两机床内径方差有显著差异;②单侧口径 4.60>F₀.₀₅(12,8)=3.28,同样拒绝 H₀,支持甲机床方差偏大;③方差齐则用合并方差 t 检验(自由度 n₁+n₂-2),不齐则用韦尔奇近似 t 检验(自由度按两样本方差与样本量加权折算),F 检验是均值比较前选择口径的把关步骤。

解析 【考点定位】本题出自数理统计「假设检验」一章的「两正态总体方差比的 F 检验」知识点,考 F 统计量的拼装、双侧与单侧口径的临界值选取及方差齐性检验的前置地位;它与本组三大抽样分布一题直接呼应——F 分布「两个独立 χ² 各除自由度作商」的构造在这里落地为可算的检验,是检验章计算题的代表形态。 【得分点结构】(1)统计量:在 H₀ 下,F=(S₁²/σ₁²)/(S₂²/σ₂²)=S₁²/S₂² 服从自由度 (n₁-1,n₂-1)=(12,8) 的 F 分布;按惯例把样本方差较大者放分子,只需查上侧临界值。计算 F=2.30/0.50=4.60,与双侧 α=0.05 的临界值 F₀.₀₂₅(12,8)=4.20 比较:4.60>4.20,落入拒绝域,拒绝 H₀,认为两机床内径方差有显著差异。若不按「大者在上」的约定,则需双侧两个临界值并用倒数关系换算,结论一致但书写繁琐。(2)单侧口径只查一个上侧临界值:4.60>F₀.₀₅(12,8)=3.28,同样拒绝 H₀,支持 σ₁²>σ₂²;单侧备择针对「甲机床方差是否偏大」的方向性提问,拒绝门槛更低。(3)两独立正态总体均值比较的 t 检验分两种口径:方差齐时用合并样本方差 s_w²=[(n₁-1)s₁²+(n₂-1)s₂²]/(n₁+n₂-2),t=(X̄-Ȳ)/(s_w·√(1/n₁+1/n₂)),自由度 n₁+n₂-2;不齐时用韦尔奇近似 t 检验,自由度按样本方差与样本量加权折算(非整数,取整后查表)。先验方差不齐而硬套合并口径,会使实际检验水平失真——这正是 F 检验作为前置把关的意义。 【知识串联】F 检验的统计量与方差分析、回归显著性检验中的 F 统计量同宗(都是「方差之比」),只是自由度来源不同;方差齐性假定同时是本组回归一题「同方差」假定的两样本版;向上连三大分布构造,向下连韦尔奇检验与方差稳健推断,组成「假定检查→口径选择→再检验」这条规范流程的起始一环。 【易错点】自由度误取样本量 13、9 而非各减一;双侧口径只查一个 α 临界值(应查 α/2);忘记「大方差放分子」约定时,下侧临界值不会用倒数关系 1/F 换算;第(3)问把韦尔奇口径的自由度折算方向记反。 【变式思路】变式一:交换两组样本量或方差数值,重算 F 并判断;变式二:给 p 值反推显著性结论;变式三:与三大抽样分布一题联考——先判断统计量分布,再做检验。固定动作:拼统计量(大者在上)、数自由度(各减一)、按单双侧查临界、代入比较、结论带回业务语言(内径加工精度差异),五步走完不丢分。

答案 B(线性性、无偏性,且方差不超过任何其他线性无偏估计——BLUE 口径)

解析 【考点定位】本题出自回归分析「一元线性回归的基本假定与最小二乘估计性质」知识点,考高斯-马尔可夫定理的准确表述;固定设错位是「BLUE 的比较范围越界」与「把正态性写进定理前提」,是回归章概念题的招牌形态,与本组假定违背一题互为表里。 【逐项分析】B 项,由正规方程组解出的 β̂₀、β̂₁ 都是 y₁,…,yₙ 的线性函数(线性性);在基本假定下 E(β̂₁)=β₁、E(β̂₀)=β₀(无偏性);进一步,对参数的任一其他线性无偏估计,其方差都不小于对应最小二乘估计的方差——三条性质合起来即教材中的 BLUE(最佳线性无偏估计,Best Linear Unbiased Estimator),这是高斯-马尔可夫定理的准确表述,B 正确。A 项,定理的比较范围仅限「线性且无偏」这一类估计量;越出该类,某些有偏的压缩型估计或非线性估计完全可以有更小的方差,用「一切估计量」表述属于越界拔高。C 项,正态性并不进入高斯-马尔可夫定理的假定,它的作用在推断环节:有了正态性,才能在小样本下导出 t、F 统计量,做回归系数的检验与区间估计;把「推断所需」误当「BLUE 所需」是该定理概念辨析的常见设错位。D 项,增大样本改变的是渐近推断的依据,不会让有限样本下已被违背的假定自动修复;同方差或不相关假定被破坏时,应改用加权最小二乘或对标准误作稳健修正,而不是指望样本变大。 【知识串联】BLUE 三性质(线性、无偏、线性无偏类内方差优)与本组数字特征一题的「平均平方离差在期望处取得谷值」同源——最小二乘以偏差平方和为目标函数,估计量的优良性质与目标函数的凸性一脉相承;下游连回归的方差分析与显著性检验、区间估计(需要正态性),以及假定违背后的诊断与补救(本组另设专题)。 【易错点】把 BLUE 的比较范围扩大到一切估计量;把正态性写进定理前提;忽视假定被破坏后的补救路径,以为「样本大就能救」;把线性性与无偏性混为一谈(前者是表达形式,后者是期望性质)。 【变式思路】变式一:给「在一切估计量中方差不超过其他」与「在线性无偏估计内方差优」两种表述选准确口径;变式二:问「同方差被破坏时最小二乘是否仍无偏」(仍无偏,失去有效性与常规检验口径);变式三:与加权最小二乘的适用场景配对。背熟三段式「线性、无偏、线性无偏类内方差优」,再单独记一句「正态性服务于检验,不服务于 BLUE」,设错位一眼可辨。

命题规律 高斯-马尔可夫定理的准确表述(比较范围限定在线性无偏类、正态性不进入定理假定)是回归部分概念题的两个常见设错位;与本组数字特征性质一题的「平均平方离差在期望处取得谷值」对照,最小二乘以偏差平方和为目标函数的选择与其估计量的优良性质一脉相承。常见陷阱:把 BLUE 的比较范围扩大到一切估计量;把正态性写进定理前提;忽视假定被破坏后的补救路径。复习抓手:背熟三段式「线性、无偏、线性无偏类内方差优」,再单独记一句「正态性服务于检验,不服务于 BLUE」。

答案 答题要点:①SSR=SST-SSE=420;分解 SST=SSR+SSE,自由度 n-1=19=1+(n-2)=1+18;②F=(SSR/1)/(SSE/(n-2))=420/10=42>4.41,拒绝 H₀,x 对 y 有显著线性影响,回归方程显著;③R²=SSR/SST=0.70,σ̂²=SSE/(n-2)=10;④一元场合 t²=F:|t|=√42≈6.48>2.10,两检验结论一致。

解析 【考点定位】本题出自回归分析「一元线性回归的显著性检验与方差分析」知识点,考平方和分解、方差分析表、F 检验与 t 检验的关系,是自命题概率统计卷回归部分的保留计算题;学硕卷比应用向更侧重自由度与检验逻辑的推导,本题四问恰好铺满这条链。 【得分点结构】(1)恒等式 SST=SSR+SSE:总偏差=回归可解释偏差+残差,SSR=600-180=420;自由度分解 SST 的 n-1=19 拆成 SSR 的 1 与 SSE 的 n-2=18,「1」来自解释变量个数,「n-2」来自拟合两个参数 β₀、β₁ 各消耗一个自由度。(2)F=(SSR/1)/(SSE/(n-2))=(420/1)/(180/18)=42;在 H₀:β₁=0 下该统计量服从 F(1,18),42 远超临界值 4.41,拒绝 H₀,认为 x 对 y 有显著的线性影响。方差分析表按「来源、平方和、自由度、均方、F 值」五列填写,均方=平方和/自由度,合计行只填平方和与自由度。(3)R²=SSR/SST=420/600=0.70,表示总偏差中七成可由回归解释;误差方差的无偏估计 σ̂²=SSE/(n-2)=180/18=10,除数是 n-2 而非 n 或 n-1,与样本方差除 n-1 的道理同源:拟合消耗了自由度。(4)一元线性回归中,斜率的 t 统计量与 F 统计量共用同一信息,满足 t²=F:|t|=√42≈6.48>2.10,与 F 检验结论一致;这一等价只在「一个解释变量」时成立,多元场合 F 检验整方程、t 检验逐系数,两者不再等价。 【知识串联】方差分析的平方和分解与本组条件期望一题的「全方差=条件内均值的方差+条件内方差」同构,都是「总变异=可解释+剩余」;F 统计量的构造回到三大分布一题的 F 定义(SSR/σ² 与 SSE/σ² 独立且各为 χ²);R²=r² 把回归显著性与相关性检验接通(相关检验的 t 统计量 t=r√(n-2)/√(1-r²) 与本题 t 同值);回归估计的 BLUE 性质则回答「为什么用最小二乘」这一前置问题,五道题串成回归的完整闭环。 【易错点】自由度错配(SSR 记成 n-1 或 σ̂² 除 n);把 R² 写成 SSE/SST;漏写结论句(必须回到「x 对 y 有显著线性影响」的业务表述);第(4)问把 t²=F 说成多元场合也成立。 【变式思路】变式一:给 SSR 与 SSE 反填完整方差分析表;变式二:给 r=√0.70 与 n,直接构造相关系数检验的 t 统计量并比较;变式三:改为多元 p=3、n=25,重数自由度(F(3,21))并说明逐系数 t 检验与整方程 F 检验可能结论不一致(多重共线性一题给出原因)。方差分析表三行五列背熟,任何平方和口径都能互推。

答案 A(偏回归系数的条件含义表述正确,多重共线性的后果落在方差膨胀而非有偏)

解析 【考点定位】本题出自回归分析「多元线性回归」知识点,考偏回归系数的条件含义、判定系数随变量个数的变化、多重共线性与内生性的区分、整方程 F 检验与逐系数 t 检验的关系;四个选项对应多元回归概念题的四个固定考点,是多元部分的基础辨析题。 【逐项分析】A 项,「其他变量保持不变」正是「偏」字的含义,每个系数刻画各自变量的净影响;多重共线性(解释变量彼此高度相关)不破坏无偏性与相合性——估计量的期望仍是真值,但系数估计的方差膨胀、对样本扰动敏感、显著性检验容易失真,经济与社会科学数据里这是常态化问题,A 正确。B 项,方向说反:每增加一个解释变量,R² 从不减小(残差平方和不增),「R² 随 p 增大而减小」不成立;正因如此,比较变量个数不同的模型应使用对变量个数施加惩罚的调整判定系数,而不是直接比 R²。C 项,混淆了两组概念:多重共线性是「解释变量之间」高度相关,「解释变量与扰动项相关」叫内生性;后者才导致最小二乘估计有偏且不一致,前者的后果如 A 项所述落在方差与推断环节,两者的补救手段也不同(共线性用增样、删变量、岭回归等,内生性用工具变量法)。D 项,「F 显著则每个 t 必显著」不成立:解释变量高度共线时,整方程 F 检验显著而单个系数 t 检验都可能不显著(方差膨胀所致);「必然」二字使该选项整体错误。 【知识串联】偏回归系数的条件含义与试验设计中「固定其他因素看单因素效应」的思想一致;调整判定系数、方差膨胀因子与岭回归构成多重共线性「诊断→度量→处理」的工具链;F 与 t 的脱钩回到本组方差分析一题「多元场合两检验不等价」的结论;内生性则连接更高层课程的工具变量与因果推断话题,自命题层面掌握概念边界即可。 【易错点】把多重共线性的后果记成「有偏」;用 R² 直接比较不同变量个数的模型;把「解释变量之间相关」与「解释变量和扰动相关」混为一谈;以为 F 显著每个 t 都显著。 【变式思路】变式一:给两个嵌套模型的 R² 与调整判定系数,判断该不该保留新增变量;变式二:给「F 显著但两个 t 都不显著」的方差分析表与 t 表,诊断可能的原因(共线性);变式三:判断「增加样本量能缓解共线性引起的方差膨胀」(对,精度随信息量恢复)。三组概念各配一句判词——共线性伤方差、内生性伤无偏、调整判定系数管公平,概念题即成送分题。

答案 B(违背伤的是有效性与推断口径,无偏性仍保持;对症处理而非扩样了事)

解析 【考点定位】本题出自回归分析「基本假定的违背与处理」知识点,考异方差、自相关、正态性缺失各自伤害哪条性质、对应什么诊断与补救;与高斯-马尔可夫一题互为表里——那一题考「假定成立时得到什么」,这一题考「假定破坏后失去什么」,合起来是回归概念题的一对常驻组合。 【逐项分析】B 项,异方差与自相关破坏「同方差」与「不相关」两条假定,而这两条不进入无偏性的论证(无偏性只需要期望为零与解释变量不相关),因此最小二乘估计仍无偏、仍相合;但 BLUE 所依赖的方差结构不复存在,估计失去有效性,常规标准误公式口径失真,t、F 统计量的分布随之失真。处理对症:异方差用加权最小二乘(按方差结构配权)或直接改用稳健标准误;自相关用广义最小二乘一类方法;诊断借助残差图(喇叭形提示异方差)与相应检验统计量,B 正确。A 项,前半句错:异方差不破坏无偏性,改用加权最小二乘的目的在于恢复有效性与正确推断,而不是「从有偏变无偏」;「必须」二字亦过强,稳健标准误路线不动估计量只修推断。C 项,样本量增大提升估计精度与渐近推断的适用性,但方差不齐或自相关的结构问题依然存在,常规标准误仍系统性失真,「无须处理」不成立。D 项,高斯-马尔可夫定理的假定清单里没有正态性,BLUE 结论不因扰动非正态而失效;正态性服务于小样本下 t、F 统计量的精确分布,大样本下依中心极限定理推断近似可用;这与高斯-马尔可夫一题的设错位如出一辙。 【知识串联】「假定-后果-补救」三联要整表记:期望为零破坏→估计有偏(检查遗漏变量与模型设定);同方差破坏→有效性失、推断失真(加权最小二乘或稳健标准误);不相关破坏→同前(广义最小二乘);与解释变量相关→有偏且不一致(工具变量);正态性缺失→小样本推断失效(靠大样本近似)。诊断与处理工具按表配对记忆。 【易错点】把异方差的后果记成有偏;把加权最小二乘的目的记反(恢复有效,不是恢复无偏);以为扩样能修复结构性违背;把正态性写进高斯-马尔可夫定理的前提。 【变式思路】变式一:给残差图形态(喇叭形、波浪形、随机带)判断违背类型;变式二:给「截面数据常现异方差、时间序列常现自相关」作场景匹配;变式三:与高斯-马尔可夫一题同卷出现,考「哪条假定对应哪条性质」的连线。背下三联表,违背场景先对号入座再谈处理,概念题即成默写题。

答案 A(第 k 个主成分方差为 λₖ,主成分互不相关,总方差守恒为 p)

解析 【考点定位】本题出自多元统计分析「主成分分析」知识点,考特征值与主成分方差及贡献率的关系、标准化必要性与方法定位,是含统计学综合类科目的院校在多元部分的基础概念题,计算量小、辨析点密。 【逐项分析】A 项,把标准化变量的样本相关矩阵 R 的主成分定义为原变量的线性组合 Yₖ=aₖᵀx,则 D(Yₖ)=aₖᵀRaₖ=λₖ;不同特征值对应的主成分彼此不相关(特征向量正交保证协方差为零);由迹的性质 λ₁+…+λₚ=tr(R)=p,即 p 个主成分承载的总方差与原变量相同,A 正确——「方差=特征值、互不相关、总方差守恒」是主成分方法的数学骨架。B 项,主成分分析降的是「维度」:用少数几个线性组合(成分)代表原变量做后续分析,而不是从原始变量里挑选保留谁、舍弃谁;「按相关系数挑原始变量」是变量筛选的思路,与方法本身不符。C 项,累计贡献率定义为前 m 个特征值之和除以全部特征值之和:本题 m=2 时为 (3+1.5)/(3+1.5+0.3+0.2)=4.5/5=0.90;「单个最大特征值除以总方差」是第一主成分的贡献率 0.60,选项把它冒充前两个主成分的累计值,错误。D 项,主成分是原变量的线性组合,系数与方差都受量纲影响:未标准化时协方差矩阵由方差大的变量主导,主成分会跟着量纲走;因此各变量量纲不同或数量级悬殊时必须先标准化(改用相关矩阵),「无须标准化」不成立。 【知识串联】主成分分析的求解走「样本协方差(或相关)矩阵→特征值分解→按特征值排序取前 m 个」的路线,累计贡献率(常用阈值 0.8-0.9)决定保留几个成分;它与因子分析(重在解释公共因子、需旋转)、聚类分析(无结构分组)同列多元常用方法;主成分得分常作为回归或聚类的输入,用来缓解本组多元回归一题提到的共线性问题——主成分回归即由此而来。 【易错点】累计贡献率与单个贡献率混用(0.90 与 0.60 之差正是本题陷阱);忘记总方差守恒等于 p(标准化口径);以为主成分是「挑变量」;忽视量纲问题漏做标准化。 【变式思路】变式一:给四个特征值问保留几个成分(按累计贡献率不低于 0.85 之类的阈值判断);变式二:给第一主成分的载荷向量,解释其含义(各变量系数的正负与相对大小);变式三:问「主成分总方差在标准化前后分别等于什么」(p 与原变量方差之和)。记住三条骨架句——方差=特征值、互不相关、总方差守恒,再配一个贡献率算式,主成分概念题的全部分值都在这里。

答案 A(整群抽样省组织成本、以精度换便利,同规模样本下误差一般偏大)

解析 【考点定位】本题出自抽样调查「基本抽样方式」知识点,考简单随机、分层、整群、系统四种方式的机制、精度与成本权衡,是统计学原理、统计学综合类自命题科目在抽样部分的固定概念题,四个选项各打一种方式的一个特性。 【逐项分析】A 项,整群抽样先把总体划分成群,随机抽取若干群、对入样群做整群调查;它把调查集中在少数群里,差旅与组织成本显著下降,但同群单元往往彼此相似(群内相关),同样本量下携带的有效信息变少,抽样误差一般大于简单随机抽样——「用精度换成本」是它的准确画像,A 正确。B 项,方向说反:分层抽样的精度优势来自「层内同质、层间异质」——层内差异小则层内估计准,层间差异被分层结构吸收;若层内差异大、层间几乎无差别,分层退化为徒增管理成本。C 项,系统抽样按固定间隔抽取,实施确实简便,但其方差估计依赖总体排列结构:单元排列有周期性或线性趋势时,起点不同会给出发散的结果,简单随机抽样公式会系统性低估方差,「任何排列情形都可直接套用」不成立。D 项,简单随机抽样的定义要求每个单元、每个同样大小的单元组合都有相同的入样概率,「大体均等」不是数学口径;估计效果与总体排列无关(排列只影响系统抽样),有序排列不带来精度增益。 【知识串联】四种方式沿「组织成本-精度」轴排布:分层用辅助信息买精度(层内同质),整群用相似性换成本(群内相关是误差来源),系统介于两者之间且依赖排列,简单随机是其他各式的精度基准;它们与本组分层抽样计算一题的方差公式衔接(比例分配、内曼最优分配都在分层框架内展开),向上连接多阶段抽样与入户调查的实务设计。 【易错点】分层与整群的「同质/异质」方向记反(分层要层内同质,整群怕群内相关);以为系统抽样就是简单随机抽样的别名;把「等概率」弱化成「大体均等」;忽视「同样本量」这一比较前提——整群误差大是对同等样本量而言,补足样本量可以追平精度。 【变式思路】变式一:给四种场景(村庄整村调查、全校按年级抽班、流水线每隔 100 件抽 1 件、名册随机编号抽取)匹配方式;变式二:给「层内方差大、层间方差小」判断分层是否仍有优势;变式三:问整群抽样何时精度接近简单随机(群内相关极弱)。一张「机制-精度-成本」三行表配四种方式,概念题按表作答。

答案 答题要点:①层权 W₁=0.6、W₂=0.4,比例分配 n₁=60、n₂=40;分层估计量 ȳ_st=ΣWₕȳₕ=0.6ȳ₁+0.4ȳ₂;②V_prop=ΣWₕ²(1-nₕ/Nₕ)Sₕ²/nₕ=0.36×0.95×16/60+0.16×0.95×81/40≈0.0912+0.3078=0.399;总体方差 S²=ΣWₕSₕ²+W₁W₂(μ₁-μ₂)²=9.6+32.4+24=66,V_srs=(1-n/N)S²/n=0.95×0.66≈0.627,分层方差更小;③N₁S₁=4800、N₂S₂=7200,按 4800:7200 分配得 n₁=40、n₂=60,V_ney≈0.1392+0.1998=0.339;排序 V_srs(0.627)>V_prop(0.399)>V_ney(0.339)。

解析 【考点定位】本题出自抽样调查「分层抽样」知识点,考比例分配与内曼最优分配的样本量配置、分层估计量方差(含有限总体校正)的计算,以及「分层优于简单随机、内曼分配优于比例分配」两条经典结论的数值验证;含方差公式的分层计算是统计学综合类自命题科目抽样部分的主打计算题。 【得分点结构】(1)层权 W₁=N₁/N=0.6、W₂=0.4;比例分配按层权配置:n₁=100×0.6=60、n₂=100×0.4=40;分层估计量为层内样本均值的加权平均 ȳ_st=ΣWₕȳₕ=0.6ȳ₁+0.4ȳ₂,它对总体均值无偏。(2)方差公式 V(ȳ_st)=ΣWₕ²(1-nₕ/Nₕ)Sₕ²/nₕ,括号即有限总体校正:层 1 项 0.36×(1-60/1200)×16/60=0.36×0.95×0.2667≈0.0912,层 2 项 0.16×(1-40/800)×81/40=0.16×0.95×2.025≈0.3078,合计 V_prop≈0.399。简单随机基准:总体方差按「层内加权+层间」分解 S²=ΣWₕSₕ²+W₁W₂(μ₁-μ₂)²=9.6+32.4+24=66,V_srs=(1-n/N)S²/n=0.95×66/100≈0.627。0.399<0.627,同样本量下分层拿到精度优势——收益来自把层间差异 24 从抽样误差中剥离。(3)内曼最优分配 nₕ∝NₕSₕ:N₁S₁=1200×4=4800、N₂S₂=800×9=7200,按 4800:7200 分 100,得 n₁=40、n₂=60(方差大的层多抽);V_ney=0.36×(1-40/1200)×16/40+0.16×(1-60/800)×81/60≈0.36×0.9667×0.4+0.16×0.925×1.35≈0.1392+0.1998=0.339。三数排序:V_srs(0.627)>V_prop(0.399)>V_ney(0.339),比例分配已吃到大头收益,内曼分配再压一截,方差大的层 2 多抽正是「向高方差层倾斜」原则的体现。 【知识串联】分层收益的来源(层间差异被剥离)解释了本组概念题「层内同质、层间异质」的设计原则;内曼分配是「固定样本量下极小化方差」的最优配置,与加权最小二乘按方差结构配权的思想同源;有限总体校正在抽样比超过 5% 时不可忽略;再向上连接总样本量确定(把方差公式反解)与带成本约束的推广。 【易错点】层权 Wₕ 用错(用 nₕ/n 代替 Nₕ/N);方差公式漏乘有限总体校正或漏掉 Wₕ² 的平方;总体方差合成时漏掉层间项 W₁W₂(μ₁-μ₂)²,导致与简单随机的比较失真;内曼分配比例误用 Sₕ²(方差)而非 Sₕ(标准差)配置。 【变式思路】变式一:去掉层间差异数值,只比较比例分配与内曼分配(层间项只在简单随机一侧需要);变式二:给各层单件调查成本不等,改为成本约束下的最优分配(nₕ∝NₕSₕ/√cₕ);变式三:反问「要使方差不超过 0.36,总样本量至少多少」(反解方差公式)。两公式(分层方差、简单随机方差)一组装,三种问法都是同一台机器的输出。

答案 A(随机化、重复、局部控制三大原则的功能定位表述准确)

解析 【考点定位】本题出自试验设计「基本原则与基本设计」知识点,考随机化、重复、局部控制(区组化)三大原则的功能定位与随机区组、拉丁方两类经典设计的适用条件,是试验设计部分的概念入口题。 【逐项分析】A 项,三原则各司其职:随机化把单元差异与未知干扰打散进误差,使处理比较建立在「机遇均等」的概率基础上,也使统计推断有效;重复(同一处理多次实施)既让误差方差可以被估计(无重复则没有误差项),又让处理均值的精度随重复数提升;局部控制把同质单元组织成区组、把可识别的异质性从误差中分离出来,三句话合起来即试验设计体系的基石,A 正确。B 项,「消除全部差异」过度:区组化吸收的是区组之间可加的差异,区组内部单元仍有差异;而且随机区组分析的口径建立在「区组与处理无交互」之上,交互明显时混入误差项反而失真,应改用能容纳交互的析因类设计——「不影响比较」不成立。C 项,代价被否认:划分区组要消耗自由度(区组自由度从误差项中扣走),若区组划分无效(区组之间本无差异),误差自由度无谓减少,临界值抬高,精度可能不升反降;设计前先判断有无明确区组来源,而「任何场合严格优于」不成立。D 项,数量算错:拉丁方设计要求每个处理在每一行、每一列各出现一次,t 个处理需要 t 行×t 列共 t² 个试验单元;「t 个单元」连每个处理重复一次都做不到,何况行、列双向控制。 【知识串联】三大原则向上连接方差分析(区组化后的数据分析即随机区组方差分析,与本组方差分析一题共用平方和分解框架),向下连接完全随机、随机区组、拉丁方、析因等设计谱系,沿「控制的异质性维度」递进;随机化思想与随机抽样同源,都是「把不可控差异交给概率」。 【易错点】把区组化的作用绝对化(吸收可加差异不等于消除全部差异);忽视区组自由度的代价与「区组须有效」的前提;拉丁方单元数 t² 误记为 t;把「重复」与平行测定混同而忽视其在误差估计上的必要性。 【变式思路】变式一:给场景(地力不均的田块、批次不匀的原料、操作者差异)选设计(随机区组或拉丁方);变式二:给随机区组方差分析表,指出交互假定隐含在哪一项;变式三:比较完全随机与随机区组在同一数据下的误差自由度,判断区组化是否划算。三原则功能句背熟,再记「区组有源才设、交互明显换设计」,此模块概念题即可通答。

答案 答题要点:①SST=SSA+SSE=346,自由度 14=2+12,MSA=250/2=125,MSE=96/12=8,F=125/8=15.625;②15.625>3.89,拒绝 H₀,三种工艺的产品强度存在显著差异;③σ̂²=MSE=8;三条基本假定:各总体相互独立、均服从正态、方差齐性。

解析 【考点定位】本题出自「方差分析」知识点,在抽样与试验设计语境下对应单因素完全随机设计:每处理独立重复、随机实施,数据分析即单因素方差分析;考平方和分解、方差分析表、F 检验与三条基本假定,是概率统计类与统计学综合类自命题科目共有的主干计算题。 【得分点结构】(1)分解:SST=SSA+SSE=250+96=346,自由度 n-1=14 拆成处理间 r-1=2 与误差 n-r=12;均方即平方和除以自由度:MSA=250/2=125,MSE=96/12=8;F=MSA/MSE=15.625。方差分析表按「来源、平方和、自由度、均方、F 值」列全,合计行只填平方和与自由度。(2)检验:H₀ 为「三种工艺强度均值全相同」(处理效应全为零),H₀ 成立时 F 服从 F(2,12);15.625 远超临界值 3.89,拒绝 H₀。结论业务表述:「在 0.05 水平下,三种工艺的产品强度存在显著差异」——方差分析只判「不全相同」,哪两个不同需做事后多重比较,这句边界话常是采分点。(3)σ² 的无偏估计是 MSE=8(组内各观测围着各自均值波动,除数扣掉 r 个组均值消耗的自由度);三条基本假定:各处理总体相互独立、均服从正态、方差齐性——与本组方差比 F 检验一题的把关对象正好衔接,方差严重不齐时需改用稳健口径或先做数据变换。 【知识串联】F 统计量的构造回到三大抽样分布:处理间均方与误差均方在 H₀ 下都是 σ² 的无偏估计,F 偏大说明组间波动超出组内波动能解释的范围;平方和分解与回归的方差分析表同构——回归里 SSR 对应此处的 SSA,处理即「分类型解释变量」,两题对照即见「方差分析是线性模型的特例」;向上连试验设计(完全随机化保证比较公平、重复数决定误差自由度),向下连多重比较与随机区组方差分析(多一行区组平方和,误差自由度再扣 r-1)。 【易错点】自由度错配(误差记成 n-1);F 值写反(应组间比组内);结论写成「三种工艺两两都不同」——整体显著不等于逐对差异显著;忽略三条假定的核查,方差严重不齐时 F 检验口径失真。 【变式思路】变式一:给各组样本均值与重复数,先算 SSA 再填表;变式二:样本量不等(r 组、每组 nᵢ 个),自由度改为 r-1 与 n-r,公式照用;变式三:与随机区组设计联考,方差分析表多一行区组项。方差分析表的骨架记熟,任何设计变体都是往骨架里填新行。