参数估计与假设检验

对应《数学 1》大纲概率论第七、八章（参数估计、假设检验）。这是统计推断的两条主线：估计"参数是多少"，检验"参数是否符合某个断言"。

一、这个知识点考什么

• 题型：单项选择 + 判断；以方法选择与概念判断为主，计算量不大。
• 高频落点：矩估计、极大似然估计、无偏性与有效性、置信区间、假设检验的基本概念、两类错误、显著性水平与拒绝域、p 值。
• 能力要求：会写似然函数、会判无偏、能说清"两类错误"与"p 值"的含义。

二、核心知识与方法

1. 矩估计

• 思想：用样本矩代替总体矩，令 E(X) = X̄（一阶），必要时令 E(X²) = (1/n)ΣXᵢ²（二阶）。
• 步骤：写出总体矩（含未知参数）→ 令其等于样本矩 → 解出参数。
• 例：X ~ U(0,θ) 时 E(X) = θ/2，令 θ/2 = X̄ 得 θ̂ = 2X̄。
• 矩估计不唯一（用几阶矩都可以），但计算最简。

2. 极大似然估计

• 思想：选使样本出现概率最大的参数值。
• 步骤：写似然函数 L(θ) = Π f(xᵢ;θ) → 取对数 ln L → 对 θ 求导令其为 0 → 解出 θ̂。
• 例：X ~ P(λ) 时 λ̂ = X̄；X ~ B(1,p) 时 p̂ = X̄。
• 注意：似然函数是参数的函数、样本值视为常数；边界情形要单独看。

3. 估计量的评选标准

• 无偏性：E(θ̂) = θ；S² 是 σ² 的无偏估计，而 (1/n)Σ(Xᵢ−X̄)² 是有偏的。
• 有效性：两个无偏估计中方差更小者更有效。
• 一致性（相合性）：n → ∞ 时 θ̂ →P θ。
• 均方误差：MSE = D(θ̂) + [偏差]²，无偏时即方差。

4. 置信区间与区间估计

• 置信度 1−α 的含义：重复抽样构造的区间中约有 1−α 覆盖真值；不是"参数落在该区间的概率"。
• 正态总体、σ 已知：x̄ ± z_(α/2)·σ/√n。
• 正态总体、σ 未知：x̄ ± t_(α/2)(n−1)·S/√n。
• 置信区间长度随样本量增大而变短、随置信度提高而变长。

5. 假设检验的基本概念与两类错误

• 原假设 H₀ 与备择假设 H₁；检验基于"小概率事件在一次试验中几乎不发生"。
• 第一类错误（弃真）：H₀ 为真却拒绝，概率为 α。
• 第二类错误（取伪）：H₀ 为假却接受，概率为 β。
• 样本量固定时，α 减小会使 β 增大，二者不能同时无限减小；要同时减小只能增大样本量。

6. 显著性水平与拒绝域

• 显著性水平 α 是允许犯第一类错误的最大概率，常取 0.05、0.01。
• 拒绝域：检验统计量落入即拒绝 H₀ 的区域，由 α 与备择假设的方向确定。
• 双侧检验拒绝域在两侧（各 α/2），单侧检验在一侧（α）。

7. 检验统计量与单侧检验

• 均值检验：σ 已知用 Z = (x̄ − μ₀)/(σ/√n)；σ 未知用 t = (x̄ − μ₀)/(S/√n)。
• 方差检验：χ² = (n−1)S²/σ₀²。
• 单侧检验的方向由备择假设决定：H₁: μ > μ₀ 用右侧拒绝域，H₁: μ < μ₀ 用左侧。
• 单侧与双侧的临界值不同，方向选错必错。

8. p 值与 p 值判断

• p 值：在 H₀ 成立时，出现"当前或更极端"样本结果的概率。
• 判断规则：p < α 拒绝 H₀，p ≥ α 不拒绝 H₀。
• p 值越小，拒绝 H₀ 的证据越强；p 值不是"H₀ 为真的概率"。
• p 值检验与临界值检验等价，但 p 值能给出"证据强度"。

9. 样本量与检验

• 样本量越大，检验功效 1−β 越高，越容易发现真实存在的差异。
• 估计所需样本量：n ≈ (z_(α/2)·σ/δ)²，δ 为允许误差。
• 样本量不足时"不拒绝 H₀"不能理解为"H₀ 成立"。

三、易错点

1. 把置信度理解为"参数落在区间内的概率"。
2. 混淆两类错误：把"弃真"说成第二类错误。
3. 认为 α 与 β 可以同时任意减小。
4. 单侧检验用双侧临界值。
5. 把 p 值当成"原假设为真的概率"。
6. 认为"不拒绝 H₀"就是"证明 H₀ 正确"。
7. 求极大似然估计时忘记取对数或对样本求导。

四、备考建议

1. 估计部分只练两种方法：矩估计与极大似然，各做 3 道即可定型。
2. 置信区间与假设检验共用一套"Z/t/χ²"选择逻辑，合并记忆。
3. 两类错误、p 值、置信度三个概念各写一句准确表述，反复默写。
4. 判断题看到"一定""必然""概率为"要立刻警觉。