【AP Statistics】统计学推断知识点全总结

AP 统计学推断知识点全总结

点估计 · 区间估计 · 假设检验 · 斜率推断 · 卡方检验

一、核心总览：三类推断的根本区别

推断类型	核心任务	典型关键词	输出形式
点估计	用样本统计量估计一个总体参数值	estimate, best guess, single value	单个数值
区间估计	构造置信区间，给出参数的合理范围	confidence interval, margin of error, plausible	统计量 ± 误差边界
假设检验	判断总体参数是否显著异于某一值	convincing evidence, significant, test claim, p-value	结论 + p值

---

二、点估计（所有场景汇总）

核心规则：样本统计量 = 总体参数的点估计

推断对象	点估计公式	适用场景
单总体比例	$\hat{p}$	调查支持率、合格率、占比
单总体均值	$\bar{x}$	平均身高、成绩、时长
两总体比例差	$\hat{p}_1-\hat{p}_2$	两组占比差异
两总体均值差	$\bar{x}_1-\bar{x}_2$	两组均值差异
配对均值差	$\bar{d}$	前后测、同体双测、配对数据
回归斜率	$b$	用 $x$ 预测 $y$ 的线性关系强度

真题示例
A sample of 200 students found 76 own a car.
What is the point estimate for the proportion of all students who own a car?
答案：$\hat{p}=76/200=0.38$

---

三、区间估计（置信区间）全公式

通用结构

$$统计量 \pm 临界值 \times 标准误$$

1. 单比例置信区间

$$\hat{p} \pm z^* \sqrt{\frac{\hat{p}(1-\hat{p})}{n}}$$

• 临界值：$z^*$（正态分布）
• 条件：$n\hat{p}\ge10,\ n(1-\hat{p})\ge10$；随机、独立（10%条件）

2. 单均值置信区间（$\sigma$ 未知）

$$\bar{x} \pm t^* \frac{s}{\sqrt{n}}$$

• 临界值：$t^*$，自由度 $df=n-1$
• 条件：随机、独立、近似正态（$n\ge30$ 或正态总体）

3. 两比例差置信区间

$$(\hat{p}_1-\hat{p}_2) \pm z^* \sqrt{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1}+\frac{\hat{p}_2(1-\hat{p}_2)}{n_2}}$$

4. 配对均值差置信区间

$$\bar{d} \pm t^* \frac{s_d}{\sqrt{n}}$$

• 自由度：$df=n-1$

5. 线性回归斜率置信区间

$$b \pm t^* \times SE_b$$

• $SE_b$：斜率标准误（题目直接给出）
• 自由度：$df=n-2$
• 用途：估计总体真实斜率 $\beta_1$

---

四、假设检验全体系

通用步骤

1. 设定 $H_0,\ H_a$
2. 验证条件
3. 计算检验统计量
4. 求 p值
5. 下结论

---

1. 单比例 z 检验

$$z=\frac{\hat{p}-p_0}{\sqrt{\frac{p_0(1-p_0)}{n}}}$$

• $H_0:p=p_0$
• 标准误用原假设比例 $p_0$，非 $\hat{p}$

2. 单均值 t 检验

$$t=\frac{\bar{x}-\mu_0}{s/\sqrt{n}},\quad df=n-1$$

3. 两比例 z 检验（混合比例）

$$\hat{p}_c=\frac{x_1+x_2}{n_1+n_2}$$ $$z=\frac{(\hat{p}_1-\hat{p}_2)-0}{\sqrt{\hat{p}_c(1-\hat{p}_c)\left(\frac{1}{n_1}+\frac{1}{n_2}\right)}}$$

4. 两独立样本 t 检验

$$t=\frac{(\bar{x}_1-\bar{x}_2)-(\mu_1-\mu_2)}{\sqrt{\frac{s_1^2}{n_1}+\frac{s_2^2}{n_2}}}$$

5. 配对 t 检验

$$t=\frac{\bar{d}-0}{s_d/\sqrt{n}},\quad df=n-1$$

• 关键词：same day, before/after, matched pairs

6. 回归斜率 t 检验

$$t=\frac{b-\beta_0}{SE_b},\quad df=n-2$$

• 常用 $H_0:\beta_1=0$（无线性关系）
• $H_a:\beta_1\neq0\ /\ >0\ /\ <0$

---

五、卡方检验（$\boldsymbol{\chi^2}$）专项

AP 共3 类卡方检验，统计量公式相同，自由度不同

通用统计量

$$\chi^2=\sum\frac{(O-E)^2}{E}$$

1. 卡方拟合优度检验

• 用途：检验单分类变量是否符合已知分布
• 自由度：$df=k-1$（$k$=类别数）
• 关键词：specified distribution, model fit, expected counts

2. 卡方独立性检验

• 用途：检验两个分类变量是否相关
• 自由度：$df=(r-1)(c-1)$
• 关键词：associated, related, independent, contingency table

3. 卡方正齐性检验

• 用途：检验多个总体的分类分布是否相同
• 自由度：$df=(r-1)(c-1)$
• 关键词：same distribution, homogeneous, multiple groups

卡方共同条件

• 随机样本
• 所有期望频数 $E\ge5$
• 观测独立

---

六、线性回归斜率推断（专项总结）

1. 点估计

样本斜率：$b$

2. 置信区间

$$b\pm t^*SE_b,\quad df=n-2$$

3. 假设检验

$$t=\frac{b-0}{SE_b}$$

• $H_0:\beta_1=0$（无线性相关）
• $H_a:\beta_1\neq0$（有线性相关）

关键词

linear relationship, slope, predict, regression line

---

七、终极题型判定表（AP 真题一眼区分）

题目问法关键词	直接判定	对应方法
estimate, single value	点估计	样本统计量直接作答
confidence interval, margin of error	区间估计	统计量±临界值×标准误
convincing evidence, significant, test claim	假设检验	算统计量+p值+结论
associated, contingency table, distribution fit	卡方检验	$\chi^2=\sum\frac{(O-E)^2}{E}$
regression, slope, predict	斜率推断	t检验 / t区间
before/after, same subject, matched pairs	配对 t	对差值做单样本 t
two independent groups, no pairing	两独立样本 t/z	双样本公式
proportion, percentage, rate	比例类	z分布
mean, average, length/score	均值类	t分布

---

八、历年真题典型问法对照

1. 点估计真题

What is the point estimate for the true mean difference?
→ 直接答 $\bar{d}$

2. 区间估计真题

Construct and interpret a 95% confidence interval for the slope of the regression line.
→ 斜率区间：$b\pm t^*SE_b$

3. 假设检验真题

Is there convincing evidence that the proportion is greater than 0.3?
→ 单比例 z 检验，右尾

4. 卡方真题

Is there an association between gender and preference?
→ 卡方独立性检验

5. 斜率推断真题

Is there evidence of a linear relationship between x and y?
→ 斜率 t 检验，$H_0:\beta_1=0$

---

九、易错点终极提醒

1. 比例检验用 $p_0$，区间用 $\hat{p}$
2. 均值几乎都用 t 分布，除非总体 $\sigma$ 已知
3. 卡方永远是右尾检验，p值为 $P(\chi^2>统计量)$
4. 配对≠两独立样本，看到配对直接用差值
5. 斜率检验自由度 = n-2，非常容易错
6. 区间包含0 ↔ 检验不拒绝H0（双向等价）