统计学贾俊平考研知识点总结

统计学贾俊平考研知识点总结一、导论：统计学的基本概念与范畴本章是统计学的入门，旨在建立对统计学的整体认知。1.统计学的含义与性质：明确统计学是关于数据的科学，其核心在于通过对数据的分析来揭示现象的数量规律性。理解描述统计与推断统计的区别与联系：描述统计是对数据的概括性描述，而推断统计则是基于样本信息对总体特征进行估计和检验。2.数据的类型：这是后续分析方法选择的基础。*按计量尺度：分类数据（只能归于某一类别的非数字型数据）、顺序数据（类别具有一定顺序的非数字型数据）、数值型数据（按数字尺度测量的观察值，可分为离散型和连续型）。*按收集方法：观测数据（通过调查或观测收集的数据）、实验数据（在实验中控制实验对象而收集到的数据）。*按时间状况：截面数据（在相同或近似相同的时间点上收集的数据）、时间序列数据（在不同时间上收集到的数据）。3.变量：变量是说明现象某种特征的概念。对应于数据的类型，变量也分为分类变量、顺序变量和数值型变量。4.统计中的几个基本概念：总体与样本、参数与统计量、变量。理解这些概念对于后续学习抽样分布、参数估计和假设检验至关重要。二、数据的搜集与整理数据是统计分析的基础，其质量直接影响结论的可靠性。1.数据的来源：*直接来源：通过调查（普查、抽样调查、重点调查、典型调查）或实验获取。其中抽样调查的设计（如抽样方法的选择）是重点。*间接来源：利用现有数据，如政府统计数据、行业协会数据、期刊文献等。需注意数据的适用性和时效性。2.数据的质量：评估数据质量的标准包括准确性、及时性、完整性、一致性和可比性。3.数据的预处理：*数据审核：检查数据的完整性和准确性。*数据筛选：根据研究目的选择符合要求的数据。*数据排序：按一定顺序排列数据，便于观察和分析。*数据透视表：一种交互式的汇总表格，是Excel等软件中常用的数据分析工具。4.品质数据的整理与展示：*分类数据：频数分布表、条形图、饼图。*顺序数据：除上述方法外，还可计算累积频数和累积频率，绘制累积频数分布图。5.数值型数据的整理与展示：*数据分组：单变量值分组与组距分组（等距分组与异距分组）。组距分组中涉及组数、组距、组限、组中值的确定。*频数分布表：展示各组数据的频数、频率等。*图形展示：直方图、茎叶图、箱线图、线图、散点图、气泡图、雷达图等。理解各种图形的适用场景和特点。三、描述性统计分析描述性统计是通过图表或数学方法，对数据的特征进行概括和展示。1.集中趋势的测度：*众数（Mode）：一组数据中出现次数最多的变量值。不受极端值影响，适用于任何类型数据。*中位数（Median）：将数据排序后处于中间位置的变量值。不受极端值影响，适用于顺序数据和数值型数据。*分位数（Quartiles,Percentiles）：将数据等分为若干部分的数值，如四分位数、百分位数。*均值（Mean）：算术平均数，是数据的重心所在。易受极端值影响，适用于数值型数据。理解简单算术平均数与加权算术平均数的计算与应用场景。*几何平均数（GeometricMean）：适用于计算平均比率或平均增长率。*各种测度值的比较与应用原则：根据数据类型、分布特征选择合适的测度值。2.离散程度的测度：*异众比率：非众数组的频数占总频数的比例，用于衡量众数的代表性。*四分位差（InterquartileRange）：上四分位数与下四分位数之差，反映中间50%数据的离散程度，不受极端值影响。*极差（Range）：数据的最大值与最小值之差，易受极端值影响。*平均差（MeanDeviation）：各数据与其均值离差绝对值的平均数，反映全部数据的离散程度。*方差（Variance）与标准差（StandardDeviation）：各数据与其均值离差平方的平均数（方差）及其平方根（标准差）。是应用最广泛的离散程度测度值，反映数据的平均离散程度。理解总体方差、样本方差的计算差异（自由度的概念）。*离散系数（CoefficientofVariation）：标准差与均值之比，用于比较不同均值水平数据的离散程度。3.分布形状的测度：*偏态系数（SkewnessCoefficient）：衡量数据分布的不对称性。正态分布对称，偏态系数为0；右偏（正偏）分布，偏态系数大于0；左偏（负偏）分布，偏态系数小于0。*峰态系数（KurtosisCoefficient）：衡量数据分布的尖峰或扁平程度。正态分布峰态系数为0（或3，取决于计算方法）；尖峰分布峰态系数大于0（或3）；扁平分布峰态系数小于0（或3）。四、概率、概率分布与抽样分布概率是推断统计的理论基础，抽样分布则是连接样本与总体的桥梁。1.随机事件及其概率：*随机事件：在随机试验中可能发生也可能不发生的结果。*概率的定义：古典定义、统计定义、主观概率。*概率的性质与运算法则：加法公式、乘法公式、条件概率、全概率公式、贝叶斯公式。*独立性：两个事件独立的定义和判断。2.随机变量及其概率分布：*随机变量：表示随机试验结果的变量，分为离散型随机变量和连续型随机变量。*离散型随机变量的概率分布：列出所有可能取值及其对应的概率。常见的有二项分布、泊松分布。*连续型随机变量的概率密度函数与分布函数：概率密度函数的性质，通过积分计算概率。3.常用的概率分布：*正态分布（NormalDistribution）：最重要的连续型分布。掌握正态分布的概率密度函数形式、图形特征（单峰、对称、钟形）、参数（均值μ和标准差σ）的意义。标准正态分布的概念及标准化变换（Z变换）。正态分布的应用，如3σ原则。*二项分布（BinomialDistribution）：n重伯努利试验中成功次数的概率分布。参数n,p。理解二项分布的期望和方差。当n较大，p较小时，二项分布可近似为泊松分布；当n足够大时，可由正态分布近似（中心极限定理的思想）。*t分布（t-Distribution）：小样本场合下，总体标准差未知时，样本均值经标准化后服从的分布。了解其图形特征（与正态分布类似，自由度越小越平坦）、自由度概念。*χ²分布（Chi-squareDistribution）：若干独立标准正态变量的平方和服从的分布。了解其图形特征（右偏）、可加性、自由度。*F分布（F-Distribution）：两个独立χ²变量除以各自自由度后的比值服从的分布。了解其图形特征（右偏）、自由度（分子自由度、分母自由度）。4.抽样分布：*抽样分布的含义：样本统计量（如样本均值、样本比例、样本方差）的概率分布。*样本均值的抽样分布：*若总体服从正态分布N(μ,σ²)，则样本均值无论样本量大小均服从正态分布N(μ,σ²/n)。*中心极限定理（CentralLimitTheorem,CLT）：无论总体分布如何，当样本量n充分大时，样本均值的抽样分布近似服从正态分布N(μ,σ²/n)。这是后续参数估计和假设检验的重要理论依据。*理解标准误（StandardError）的概念：样本统计量的标准差，如样本均值的标准误为σ/√n（当σ未知时用s/√n估计）。*样本比例的抽样分布：当np和n(1-p)均大于等于5时，样本比例p̂近似服从正态分布N(p,p(1-p)/n)。*样本方差的抽样分布：若总体服从正态分布N(μ,σ²)，则(n-1)s²/σ²~χ²(n-1)。*两个样本均值之差、两个样本比例之差的抽样分布（简要了解，为后续假设检验做准备）。五、参数估计参数估计是推断统计的重要内容，包括点估计和区间估计。1.点估计：*点估计的概念：用样本统计量的某个取值直接作为总体参数的估计值。*估计量与估计值：估计量是用于估计总体参数的随机变量（样本统计量），估计值是估计量的具体数值。*评价估计量的标准：*无偏性（Unbiasedness）：估计量的数学期望等于被估计的总体参数。*有效性（Efficiency）：对同一总体参数的两个无偏估计量，方差较小的估计量更有效。*一致性（Consistency）：随着样本量的增大，估计量的值越来越接近被估计的总体参数。*常用的点估计：样本均值估计总体均值，样本比例估计总体比例，样本方差估计总体方差。2.区间估计：*区间估计的概念：在点估计的基础上，给出总体参数落在某一区间内的概率保证。*置信区间（ConfidenceInterval）与置信水平（ConfidenceLevel）：置信区间是一个随机区间，置信水平（1-α）表示该区间包含总体参数真值的概率。常用的置信水平有90%、95%、99%。*区间估计的原理：利用抽样分布，根据样本统计量和给定的置信水平，计算出总体参数的置信区间。*单个总体参数的区间估计：*总体均值的区间估计：*正态总体、σ已知，或非正态总体、大样本（n≥30）：使用Z分布。*正态总体、σ未知、小样本（n<30）：使用t分布。*总体比例的区间估计：大样本条件下（np̂和n(1-p̂)均大于等于5），使用Z分布。*总体方差的区间估计：使用χ²分布。*样本量的确定：在估计总体均值或总体比例时，根据允许的边际误差、置信水平和总体标准差（或总体比例的估计值），计算所需的最小样本量。理解各因素对样本量的影响。六、假设检验假设检验是另一种重要的统计推断方法，用于对关于总体参数的某种假设进行检验。1.假设检验的基本思想：*小概率原理：小概率事件在一次试验中几乎不可能发生。*反证法思想：先提出原假设，然后在原假设成立的条件下，看检验统计量的观测值是否属于小概率事件，若是，则拒绝原假设，否则不拒绝原假设。2.假设的陈述：*原假设（NullHypothesis,H₀）：研究者想收集证据予以反对的假设，通常表述为参数等于某个值或没有差异。*备择假设（AlternativeHypothesis,H₁或Hₐ）：研究者想收集证据予以支持的假设，通常表述为参数不等于某个值、大于某个值或小于某个值（对应双侧检验和单侧检验）。3.检验统计量：根据样本数据计算得到的，用于决策的某个样本统计量。其分布在原假设成立时是已知的。4.拒绝域与临界值：根据显著性水平α确定的拒绝原假设的区域。临界值是拒绝域的边界值。5.P值（P-value）：在原假设成立的条件下，检验统计量的观测值或更极端值出现的概率。P值越小，拒绝原假设的证据越强。6.假设检验的步骤：*提出原假设和备择假设。*确定适当的检验统计量。*规定显著性水平α。*计算检验统计量的值或P值。*做出统计决策（比较检验统计量与临界值，或比较P值与α）并得出结论。7.单个总体参数的检验：*总体均值的检验：*正态总体、σ已知，或非正态总体、大样本：Z检验。*正态总体、σ未知、小样本：t检验。*总体比例的检验：大样本条件下，Z检验。*总体方差的检验：χ²检验。8.假设检验中的两类错误：*第Ⅰ类错误（TypeIError）：原假设为真时拒绝原假设，犯第Ⅰ类错误的概率为α（显著性水平）。*第Ⅱ类错误（TypeIIError）：原假设为假时未拒绝原假设，犯第Ⅱ类错误的概率为β。*功效（PowerofTest）：正确拒绝原假设的概率，即1-β。*α与β的关系：在样本量一定时，α减小，β增大；要同时减小α和β，需增大样本量。9.假设检验与区间估计的关系：两者都是基于抽样分布，对总体参数进行推断。在双侧检验中，若置信区间不包含原假设的参数值，则拒绝原假设。七、方差分析方差分析用于检验多个总体均值是否相等，是均值比较的扩展。1.方差分析的基本概念：*研究目的：检验分类型自变量对数值型因变量的影响是否显著。*相关术语：因素（Factor）、水平（Level）、观测值、误差（组内误差、组间误差）。2.方差分析的基本思想：*总误差平方和（SST）的分解：SST=组间平方和（SSA）+组内平方和（SSE）。*均方（MeanSquare）：将平方和除以相应的自由度，得到组间均方（MSA）和组内均方（MSE）。*F检验统计量：F=MSA/MSE。若原假设（各总体均值相等）成立，则F值应接近1；若F值过大，则有理由拒绝原假设。3.单因素方差分析的步骤：*提出假设：H₀:μ₁=μ₂=...=μ_k；H₁:至少有两个总体均值不相等。*计算各项平方和与均方。*计算F检验统计量。*做出决策（比较F值与临界值，或比较P值与α）。4.方差分析中的多重比较：当方差分析结果拒绝原假设，表明至少有两个总体均值不同，但不能指出具体哪些均值不同。多重比较方法（如LSD法）用于进一步确定哪些均值之间存在显著差异。八、相关与回归分析相关与回归分析用于研究变量之间的关