参数估计与假设检验

一、考情概览与范围说明

参数估计与假设检验是概率论与数理统计的最后一部分内容，是整门学科的收尾。从考研大纲来看：

数一与数三公共考点：点估计（矩估计、最大似然估计）、估计量的评选标准（数一需掌握无偏性、有效性、一致性的概念和验证，数三仅了解无偏性）
数一特有考点：区间估计、假设检验

考情提示：参数估计（尤其是矩估计和最大似然估计）经常以解答题形式考查，是本章的重中之重，平均题量约1道大题；区间估计和假设检验在真题中较少涉及，主要在客观题中出现，但基本概念和公式仍需熟练掌握。

二、参数估计

参数估计分为点估计和区间估计两大类别。

（一）点估计

点估计是利用样本统计量来推断总体未知参数的具体数值。设总体的分布函数形式已知但含有未知参数，通过样本构造统计量，作为的估计值。

1. 矩估计法

基本原理：用样本矩（样本均值、样本方差等）去替换总体矩（总体期望、总体方差等），通过建立方程组解出参数。

步骤	操作方法
① 构建方程	用总体原点矩表示未知参数，
② 列方程	令，得个方程
③ 解方程组	解出含样本的表达式，即为矩估计量
④ 性质	若为的矩估计，为连续函数，则为的矩估计

实例：设总体，矩估计结果为：

核心思想：只有一个未知参数时用一阶矩求解，两个参数时用二阶矩，多个未知参数建立多个方程。

2. 最大似然估计法

基本原理：选择使样本出现概率（或似然函数）最大的参数值作为估计值，即"让已发生样本最可能"的那个参数。

步骤	操作方法
① 写似然函数	连续型：；离散型：
② 取对数	，将连乘转化为连加，简化求导
③ 求导找驻点	，解出参数估计值
④ 检验	对多参数需用二阶偏导判断是否为极大值点

特殊情况：若似然方程无解（即导数恒大于0或恒小于0），则需根据参数的定义域直接确定最大值点。例如，若的取值范围为，似然函数单调递增，则最大似然估计取在定义域的上界。

不变性原理（了解） ：若是的极大似然估计，为单调函数，则是的极大似然估计。

（二）估计量的评选标准（数一）

对于同一个参数，可以构造多种估计量，需要一定的标准来评判其优劣。

1. 无偏性

估计量的期望等于参数真值，即。核心思路：使用无偏性条件构造方程，解出未知参数。

常见无偏统计量：

，其中

2. 有效性

设和均为的无偏估计，若，则较有效。

3. 一致性（相合性）

当样本容量时，估计量依概率收敛于参数真值：

判定方法：若为的无偏估计且，则为一致估计。

（三）区间估计（数一）

区间估计是用一个区间包含未知参数，并给出该区间包含真值的概率（置信度）。

区间估计一般步骤

步骤	操作方法
① 选枢轴量	选择一个包含待估参数、且分布已知的统计量
② 构造概率事件	根据分位数确定
③ 反解不等式	将不等式变形为，得置信区间

单个正态总体参数的置信区间（置信水平）

条件	枢轴量	置信区间
已知
未知
未知	$\chi^2 = \frac{(n-1)S^2}{\sigma2} \sim \chi^2(n-1)$	$\left( \frac{(n-1)S^2}{\chi2_{\alpha/2}(n-1)}, \frac{(n-1)S^2}{\chi2_{1-\alpha/2}(n-1)} \right)$

两个正态总体参数的置信区间（了解）

待估参数	条件	置信区间形式
	$\sigma_1^2,\sigma_22$ 已知	基于构造
	$\sigma_1^2=\sigma_22$ 未知	基于构造
$\sigma_1^2/\sigma_22$	未知	基于构造

三、假设检验（数一）

假设检验是根据样本信息来检验关于总体的某个假设是否成立的方法。

（一）基本原理

假设检验以小概率原理为核心：小概率事件在一次试验中可以认为基本不会发生。具体步骤为：

先假设原假设成立
若在此假设下样本导致一个不合理（小概率）事件发生，则拒绝
反之，则接受

（二）基本概念

概念	符号	含义
原假设（零假设）		需要检验的假设，通常表示"无差异"或"等于某值"
备择假设	或	与原假设对立的假设
检验统计量		根据样本构造的统计量，用于判断是否拒绝
显著性水平		拒绝域的概率，即犯第一类错误的最大允许概率
拒绝域		使被拒绝的样本点集合
接受域		使被接受的样本点集合

（三）两类错误

错误类型	情境	符号	说明
第一类错误（弃真）	为真，但样本落入拒绝域，错误拒绝		显著性水平即为犯第一类错误的概率
第二类错误（纳伪）	为真，但样本落入接受域，错误接受		称为检验的势（Power）

两类错误的关系：样本容量固定时，减小则增大；反之亦然。若需同时减小两类错误，必须增加样本容量。在考研范围内，通常只需控制第一类错误，即设定显著性水平。

（四）假设检验的标准步骤

步骤	操作方法
① 提出假设	根据问题提出和
② 选检验统计量	根据总体分布和已知条件选择合适的统计量，并确定其分布
③ 定显著性水平	选取（通常取 0.05、0.01 或 0.10）
④ 确定拒绝域	根据的形式（双边/单边）和查分位数确定临界值
⑤ 计算统计量	代入样本观测值计算检验统计量的值
⑥ 作出决策	统计量落入拒绝域则拒绝，否则接受

（五）正态总体的假设检验公式

一个正态总体的参数检验

检验类型	条件	检验统计量	拒绝域（显著性水平）
，双边检验	已知
，右边检验	已知
，左边检验	已知
，双边检验	未知
$H_0:\sigma^2=\sigma_02$，双边检验	未知	$\chi^2 = \frac{(n-1)S^2}{\sigma_02} \sim \chi^2(n-1)$	或

其中为标准正态分布的上分位数，为样本标准差。

两个正态总体的参数检验（了解）

检验类型	条件	检验统计量	拒绝域
	$\sigma_1^2,\sigma_22$ 已知	$U = \frac{\bar{X}-\bar{Y}}{\sqrt{\frac{\sigma_1^{2}{n_1}+\frac{\sigma_2}2}{n_2}}} \sim N(0,1)$
	$\sigma_1^2=\sigma_22$ 未知
$H_0:\sigma_1^2=\sigma_22$	未知	$F = \frac{S_1^2/S_22}{\sigma_1^2/\sigma_22} \sim F(n_1-1, n_2-1)$	或

（六）单边检验与双边检验

根据备择假设的形式，假设检验可分为：

双边检验：，拒绝域在两侧
右边检验：，拒绝域在右侧
左边检验：，拒绝域在左侧

方向判断技巧：拒绝域的方向与备择假设的方向一致。

四、参数估计 vs 假设检验

两者同属统计推断，但目标和逻辑起点不同，这是一个常考的概念性对比。

对比维度	参数估计	假设检验
目标	用样本推断总体参数的具体数值（或范围）	检验关于总体参数的某个假设是否成立
结果形式	给出或	作出"接受/拒绝 "的决策
逻辑起点	参数未知，需要估计	先对参数提出一个假设，再检验
常用方法	矩估计、极大似然估计、置信区间	U检验、t检验、检验、F检验
不确定性表达	置信区间给出范围及置信度	显著性水平控制第一类错误概率

五、常考题型汇总

根据历年真题归纳，本章常考题型如下：

参数的点估计：矩估计量/矩估计值的求解；最大似然估计量/估计值的求解；估计量的数字特征（期望、方差）的计算
估计量的优良性判定：验证估计量的无偏性；利用无偏性求统计量中的未知参数；有效性的比较
区间估计：求单个正态总体均值的置信区间；求两个正态总体均值差或方差比的置信区间
假设检验：提出原假设与备择假设；两类错误的判断与概率计算；根据样本判断是否接受假设

特别提示：数一有时会将估计量的无偏性与数字特征结合考查，需要掌握、$E(S^2)=\sigma2$ 等基本性质。

六、易错点提醒

估计量与估计值区分不清：估计量是统计量（大写字母），是一个随机变量；估计值是代入具体样本后得到的数值（小写字母），解题时要写清符号
似然函数形式混淆：连续总体用概率密度函数之积，离散总体用概率质量函数之积，二者不可互换
区间估计中分位数取值方向错误：置信区间常取双侧对称分位数，注意与的区别
假设检验拒绝域的符号方向混淆：双边检验用，右边检验用（不除以2），切勿混淆
方差估计的无偏性：样本方差才是的无偏估计，（分母为）是有偏的
t分布与标准正态分布的选择：方差已知用检验（正态分布），方差未知用检验，这是很多题目设置陷阱的地方