第 1 章 绪论

综合实践 · 13_课程Obsidian看板/数理统计/统计推断/01_绪论/章节学习页.md

第 1 章 绪论

本章在学什么

一句话：本章学习如何把现实数据问题翻译成“总体、样本、参数、统计量”的统计推断语言。

在统计学习链条中的位置：

现实问题 -> 总体和样本 -> 参数和统计量 -> 估计/区间/检验

课程和工作用途：以后看到成绩、问卷、实验、用户行为、设备误差等数据，先判断“总体是什么、样本是什么、要推断的参数是什么、能计算的统计量是什么”。

教材目录

• 1.1 什么是数理统计学
• 1.2 数理统计的若干基本概念
• 1.3 统计量
• 习题 1

必须掌握的概念

• [x] 总体
• [x] 样本
• [x] 参数
• [x] 统计量
• [x] 样本空间
• [x] 参数空间
• [x] 分布族
• [x] i.i.d.
• [x] 经验分布直觉

概念填充区

总体 population

• 一句话定义：总体是研究对象所有可能观测值的集合，通常用一个随机变量的分布表示。
• 直觉解释：总体是你真正关心的“整体”，例如所有学生成绩、所有用户点击率、某设备长期误差。
• 专业表达：设随机变量 \(X\) 表示研究对象，总体可由分布函数 \(F(x)\) 或密度函数 \(f(x)\) 描述。
• 常见符号：\(X\)、\(F(x)\)、\(f(x)\)、\(N(\mu,\sigma^2)\)。
• 典型场景：想知道全体学生的平均成绩，所有学生成绩构成总体。
• 容易混淆的点：总体不是你手里的 Excel 表格；表格通常只是样本。
• 和后续章节的关系：点估计、区间估计、假设检验都是在推断总体参数或总体分布。
• 给 AI 的高质量提示词：请帮我把这个数据问题改写成“总体、样本、参数、统计量”的数理统计表述。

样本 sample

• 一句话定义：样本是从总体中抽取的若干观测值。
• 直觉解释：你看不到完整总体，只能看到一部分数据，这部分就是样本。
• 专业表达：若 \(X_1,\dots,X_n\) 独立同分布于总体 \(F\)，则称它们为来自总体的简单随机样本。
• 常见符号：随机样本写作 \(X_1,\dots,X_n\)，观测值写作 \(x_1,\dots,x_n\)。
• 典型场景：从全校学生中抽 100 人记录成绩。
• 容易混淆的点：\(X_i\) 是抽样前的随机变量，\(x_i\) 是抽样后的具体数值。
• 和后续章节的关系：统计量都是样本的函数。
• 给 AI 的高质量提示词：请区分这个问题中的随机样本 \(X_i\) 和观测值 \(x_i\)。

参数 parameter

• 一句话定义：参数是描述总体分布的未知常数。
• 直觉解释：参数是你想知道但通常不知道的“总体真相”。
• 专业表达：若总体分布属于 \(\{f(x;\theta):\theta\in\Theta\}\)，其中 \(\theta\) 是参数。
• 常见符号：\(\theta\)、\(\mu\)、\(\sigma^2\)、\(p\)、\(\lambda\)。
• 典型场景：正态总体 \(N(\mu,\sigma^2)\) 中，\(\mu\) 是总体均值，\(\sigma^2\) 是总体方差。
• 容易混淆的点：参数不是从样本算出来的数，它是总体本身的未知量。
• 和后续章节的关系：估计和检验的核心目标通常就是参数。
• 给 AI 的高质量提示词：请判断这道题中哪些符号是参数，哪些符号是统计量。

统计量 statistic

• 一句话定义：统计量是不含未知参数的样本函数。
• 直觉解释：统计量是你从数据里算出来、用来推断总体的工具。
• 专业表达：若 \(T=T(X_1,\dots,X_n)\) 不含未知参数，则 \(T\) 是统计量。
• 常见符号：\(\bar X\)、\(S^2\)、\(X_{(1)}\)、\(X_{(n)}\)。
• 典型场景：用样本均值 \(\bar X\) 估计总体均值 \(\mu\)。
• 容易混淆的点：\(\bar X\) 是统计量，\(\mu\) 是参数。
• 和后续章节的关系：抽样分布研究统计量的分布，点估计用统计量估计参数，检验用统计量判断假设。
• 给 AI 的高质量提示词：请说明这个统计量为什么不含未知参数，以及它用于估计什么。

样本空间 sample space

• 一句话定义：样本空间是所有可能样本结果的集合。
• 直觉解释：抽样前，所有可能出现的数据组合构成样本空间。
• 专业表达：若单个观测值取值空间为 \(\mathcal X\)，则样本空间通常是 \(\mathcal X^n\)。
• 典型场景：投掷硬币 3 次，样本空间包含 HHH、HHT、HTH 等 8 种结果。

参数空间 parameter space

• 一句话定义：参数空间是参数所有允许取值的集合。
• 专业表达：参数 \(\theta\) 的取值范围记为 \(\Theta\)。
• 例子：二项分布 \(B(n,p)\) 中 \(p\in[0,1]\)；正态分布 \(N(\mu,\sigma^2)\) 中 \(\mu\in\mathbb R,\sigma^2>0\)。

分布族 family of distributions

• 一句话定义：分布族是一组由参数控制的概率分布。
• 直觉解释：正态分布不是一个分布，而是一类分布；不同的 \(\mu,\sigma^2\) 给出不同正态分布。
• 专业表达：\(\{N(\mu,\sigma^2):\mu\in\mathbb R,\sigma^2>0\}\) 是正态分布族。

i.i.d.

• 一句话定义：i.i.d. 表示 independent and identically distributed，即相互独立且同分布。
• 直觉解释：每个样本点来自同一个总体，而且彼此不影响。
• 专业表达：\(X_1,\dots,X_n \overset{i.i.d.}{\sim} F\)。
• 容易混淆的点：同分布不等于数值相等；独立也不等于现实背景完全无关联。

经验分布 empirical distribution

• 一句话定义：经验分布是用样本构造出来的总体分布近似。
• 直觉解释：不知道总体分布时，先用样本频率近似总体。
• 专业表达：\(F_n(x)=\frac1n\sum_{i=1}^n I(X_i\le x)\)。

公式与推导

样本均值

样本均值用于估计总体均值：

\[ \bar X=\frac1n\sum_{i=1}^n X_i \]

直觉：把所有样本加起来再除以样本量，是“样本中心位置”。

样本方差

样本方差用于估计总体方差：

\[ S^2=\frac1{n-1}\sum_{i=1}^n (X_i-\bar X)^2 \]

直觉：每个样本值和样本均值的距离平方，平均后表示波动大小。分母用 \(n-1\) 是为了修正用样本均值替代总体均值带来的偏差。

经验分布函数

\[ F_n(x)=\frac1n\sum_{i=1}^n I(X_i\le x) \]

直觉：统计样本中有多少比例不超过 \(x\)。

代码任务

目标：模拟总体和样本，比较参数与统计量，观察统计量会随抽样变化。

import numpy as np  # 导入 numpy，用来生成随机数和做数值计算



np.random.seed(42)  # 固定随机种子，让每次运行结果一致，方便复现



mu = 70  # 设置总体均值参数，现实研究中通常不知道

sigma = 10  # 设置总体标准差参数，现实研究中通常不知道



population = np.random.normal(mu, sigma, size=100000)  # 模拟一个很大的总体，近似代表所有可能成绩



sample = np.random.choice(population, size=30, replace=False)  # 从总体中随机抽取 30 个样本



sample_mean = np.mean(sample)  # 计算样本均值，这是统计量，用来估计总体均值



sample_var = np.var(sample, ddof=1)  # 计算样本方差，ddof=1 表示使用无偏样本方差



print("总体均值参数 mu:", mu)  # 输出真实总体均值；真实研究中通常看不到

print("样本均值统计量 sample_mean:", sample_mean)  # 输出样本均值；换一批样本会变

print("总体方差参数 sigma^2:", sigma**2)  # 输出真实总体方差

print("样本方差统计量 sample_var:", sample_var)  # 输出样本方差；换一批样本也会变

结果解释

\(\mu=70\) 是参数，是总体真相；sample_mean 是统计量，是从 30 个样本算出来的估计。换一批样本，统计量会变，但参数不变。

扩展代码：观察统计量波动

import numpy as np  # 导入 numpy



np.random.seed(42)  # 固定随机种子



mu = 70  # 总体均值参数

sigma = 10  # 总体标准差参数



means = []  # 创建空列表，用来保存每次抽样得到的样本均值



for i in range(1000):  # 重复抽样 1000 次

    sample = np.random.normal(mu, sigma, size=30)  # 每次从正态总体中抽 30 个样本

    means.append(np.mean(sample))  # 计算这次样本均值，并保存起来



print("1000 次样本均值的平均值:", np.mean(means))  # 查看样本均值整体上是否接近总体均值

print("1000 次样本均值的标准差:", np.std(means))  # 查看样本均值本身的波动大小

统计含义：单次样本均值可能偏离 70，但重复很多次后，样本均值的平均会接近总体均值。

课后作业与答案

题 1：判断 \(\mu\) 是参数还是统计量。

答案：参数。

解释：\(\mu\) 描述总体均值，不是样本函数。

题 2：判断 \(\bar X\) 是参数还是统计量。

答案：统计量。

解释：\(\bar X\) 是由样本 \(X_1,\dots,X_n\) 计算出来的。

题 3：某公司抽取 200 名用户调查满意度，这 200 名用户的数据是总体还是样本？

答案：样本。

解释：真正关心的是所有用户，这 200 名只是其中一部分。

题 4：若 \(X_1,\dots,X_n\sim N(\mu,\sigma^2)\)，哪些是未知参数？

答案：\(\mu,\sigma^2\)。

解释：它们控制总体正态分布的位置和波动。

题 5：写出样本均值公式。

答案：

\[ \bar X=\frac1n\sum_{i=1}^n X_i \]

解释：把所有样本值相加，再除以样本量。

题 6：代码题：模拟 50 个样本，计算样本均值。

import numpy as np  # 导入 numpy



np.random.seed(1)  # 固定随机种子



sample = np.random.normal(100, 15, size=50)  # 从均值 100、标准差 15 的正态分布抽 50 个样本



sample_mean = np.mean(sample)  # 计算样本均值



print(sample_mean)  # 输出样本均值

答案解释：输出结果是这 50 个样本的平均数，可作为总体均值 100 的一个样本估计。

题 7：报告表达题：如何专业描述“我用 30 个样本估计总体平均值”？

答案：

设总体均值为未知参数 \(\mu\)。我们从总体中获得容量为 30 的随机样本，并使用样本均值 \(\bar X\) 作为 \(\mu\) 的点估计。

可以追问老师/同学的问题

• 这门课里“统计量不能含未知参数”是否是判断统计量的核心标准？
• 样本方差为什么分母是 \(n-1\) 而不是 \(n\)？
• 现实数据不满足 i.i.d. 时，本课程里的方法还能怎么用？

给 AI 的高质量提示词

请把我的数据分析问题改写为数理统计语言，明确总体、样本、参数、统计量、样本空间和参数空间；再判断我应该做估计、区间估计还是假设检验。