概统

这份复习指南是基于你提供的PDF（2020-2025年真题解析）整理的一小时极速通关版。

为了在短时间内掌握，我们将内容重组为三大板块：概率计算（基础拿分）、分布与统计量（核心难点）、统计推断（套路题）。

请拿出纸笔，重点记忆标有 【背诵】 的公式。

第一板块：概率计算（送分题，必须拿满）¶

覆盖题型：题型一、二、三（古典、几何、全概、贝叶斯）

1. 基础公式¶

• 加法公式：\(P(A \cup B) = P(A) + P(B) - P(AB)\)
• 减法公式：\(P(A - B) = P(A) - P(AB)\)
• 条件概率：\(P(B|A) = \frac{P(AB)}{P(A)}\)
• 独立性：若 A, B 独立，则 \(P(AB) = P(A)P(B)\)。
  • 考点提醒：\(P(A \cup B) = 1 - P(\bar{A})P(\bar{B})\) （常用于“至少发生一个”）

2. 全概率与贝叶斯（必考大题）¶

• 场景：分阶段发生的事情。第一阶段有多种情况 \(B_1, B_2...\)（完备事件组），第二阶段是事件 A。
• 全概率公式（求结果）： $\(P(A) = \sum P(B_i)P(A|B_i)\)$
• 贝叶斯公式（求原因/逆概）：已知 A 发生了，求它是 \(B_k\) 导致的概率。 $\(P(B_k|A) = \frac{P(B_k)P(A|B_k)}{\sum P(B_i)P(A|B_i)} = \frac{\text{分枝}}{\text{总和}}\)$

第二板块：随机变量及其分布（核心计算）¶

覆盖题型：题型四至十一（分布、期望、方差、大数定律）

1. 一维分布（离散 vs 连续）¶

• 离散型：画分布律表格，\(\sum p_i = 1\)。
• 连续型：概率密度 \(f(x)\)，\(\int_{-\infty}^{+\infty} f(x)dx = 1\)。
  • 分布函数：\(F(x) = \int_{-\infty}^{x} f(t)dt\)。\(F'(x) = f(x)\)。
• 期望 \(E(X)\)：
  • 离散：\(\sum x_i p_i\)
  • 连续：\(\int_{-\infty}^{+\infty} x f(x) dx\)
• 方差 \(Var(X)\) 或 \(D(X)\)：
  • 【背诵】公式：\(Var(X) = E(X^2) - [E(X)]^2\)
  • 性质：\(Var(aX+b) = a^2 Var(X)\)

2. 常见分布速查表（【背诵】参数与公式）¶

• 易错点：指数分布参数 \(\lambda\) 是“率”，期望是倒数。

3. 二维随机变量（联合与边缘）¶

• 独立性判断：若 \(f(x,y) = f_X(x) \cdot f_Y(y)\) 对所有 x,y 成立（且区域是矩形），则独立。
• 协方差：\(Cov(X,Y) = E(XY) - E(X)E(Y)\)。若独立，Cov=0（反之不一定）。
• 相关系数：\(\rho_{XY} = \frac{Cov(X,Y)}{\sqrt{D(X)}\sqrt{D(Y)}}\)。
• 二维正态：\(X,Y\) 独立的充要条件是 \(\rho=0\)（即 \(Cov=0\)）。
• 求 \(Z=X+Y\) 的分布（卷积公式）： $\(f_Z(z) = \int_{-\infty}^{+\infty} f_X(x)f_Y(z-x)dx\)$

4. 随机变量函数的分布（必考一题）¶

• 公式法（分布函数法）：
  1. 写出 \(F_Y(y) = P(Y \le y) = P(g(X) \le y)\)
  2. 将 \(g(X) \le y\) 转化为 X 的范围，代入 \(F_X(x)\) 或积分 \(f_X(x)\)。
  3. 求导 \(f_Y(y) = F_Y'(y)\)。
• 最值分布：
  • 最大值 \(Y_{max}\) 分布函数：\([F(x)]^n\)
  • 最小值 \(Y_{min}\) 分布函数：\(1 - [1-F(x)]^n\)

5. 大数定律与中心极限定理 (CLT)¶

• 辛钦大数定律：样本均值 \(\bar{X}\) 依概率收敛于总体均值 \(\mu\)。
• CLT（做题用）：当 n 很大时，\(\sum X_i\) 或 \(\bar{X}\) 近似服从正态分布。
  • \(\sum X_i \sim N(n\mu, n\sigma^2)\)
  • \(\bar{X} \sim N(\mu, \sigma^2/n)\)
  • 标准化：\(Z = \frac{\bar{X} - \mu}{\sigma/\sqrt{n}} \sim N(0,1)\)

第三板块：统计推断（死记硬背套路）¶

覆盖题型：题型十二至二十（抽样、估计、检验）

1. 统计量与抽样分布¶

• 三大抽样分布：
  1. \(\chi^2\)分布：\(n\) 个标准正态平方和。\(\sum Z_i^2 \sim \chi^2(n)\)。
  2. \(t\) 分布：\(\frac{N(0,1)}{\sqrt{\chi^2(n)/n}} \sim t(n)\)。（典型的形式：\(\frac{\bar{X}-\mu}{S/\sqrt{n}}\)）
  3. \(F\) 分布：\(\frac{\chi^2(n_1)/n_1}{\chi^2(n_2)/n_2} \sim F(n_1, n_2)\)。（方差比）
• 正态总体的常用结论（必考填空）：
  • \(\bar{X} \sim N(\mu, \sigma^2/n)\)
  • \(\frac{(n-1)S^2}{\sigma^2} \sim \chi^2(n-1)\)
  • \(\bar{X}\) 与 \(S^2\) 相互独立。

2. 点估计（必考大题）¶

• 矩估计 (MME)：用样本矩等于总体矩。
  • 令 \(E(X) = \bar{X}\)，解出参数。如果有两个参数，再令 \(E(X^2) = \frac{1}{n}\sum X_i^2\)。
• 极大似然估计 (MLE)：
  1. 写似然函数 \(L(\theta) = \prod_{i=1}^n f(x_i; \theta)\)。
  2. 取对数 \(\ln L\)。
  3. 求导令为0：\(\frac{d(\ln L)}{d\theta} = 0\)，解出 \(\hat{\theta}\)。
• 估计量的评价：
  • 无偏性：验证 \(E(\hat{\theta}) = \theta\)。
  • 相合性 (一致性)：当 \(n \to \infty\)，\(\hat{\theta} \to \theta\)（通常看方差是否趋于0）。

3. 区间估计与假设检验（套公式）¶

记忆口诀：均值用t（方差未知）或Z（方差已知），方差用卡方。

A. 一个正态总体 \(N(\mu, \sigma^2)\)

B. 两个正态总体（比较）

• 注：假设检验的拒绝域与置信区间是对偶的。
  • 双侧检验（\(\neq\)）：看 \(\alpha/2\) 分位点。
  • 单侧检验（\(>\) 或 \(<\)）：看 \(\alpha\) 分位点。

一小时通关策略¶

1. 前20分钟：死磕 MLE（极大似然估计） 和 随机变量函数分布 (\(Y=g(X)\))。这两类大题步骤固定，分值高。
2. 中间20分钟：记忆 正态总体抽样分布（均值方差分布、独立性）和 区间估计公式（尤其是 \(t\) 分布测均值，\(\chi^2\) 测方差）。这是填空题和计算题后半部分的重点。
3. 后20分钟：浏览 全概率/贝叶斯 和 二维分布边缘/条件密度 的求法。如果时间不够，重点看连续型边缘密度的积分公式。

必杀技： * 遇到 \(\bar{X}\) 和 \(S\) 同时出现，马上想到 \(t\) 分布。 * 遇到 \(n \to \infty\)，马上想到大数定律或中心极限定理。 * 极大似然估计忘了怎么求导？如果是单调函数（如均匀分布），直接取边界值（如 \(max(X_i)\)）。

祝考试顺利！