应用统计核心知识体系与考点分布
描述性统计与数据可视化
核心公式：
样本均值：〈x̄〉=∑xi/n
标准差：s=√[∑(xi-〈x̄〉)2/(n-1)]
变异系数：CV=s/〈x̄〉×100%
会计场景应用：
• 成本结构分析：计算制造费用各成分的变异系数，识别异常波动环节
• 预算偏差诊断：通过四分位距（IQR）识别超预算150%以上的异常项目
• 绩效考核：运用偏度系数（Skewness）判断绩效分布形态（左偏/右偏）
概率分布基础
三大分布关系图：
正态分布 → 标准正态分布（Z分布）→ t分布（小样本）→ χ²分布（方差）→ F分布（方差比）
记忆口诀：
「大样本用Z，小样本用t；方差用χ²，两方差比用F」
典型例题：
某企业2023年12个月的应收账款周转天数标准差为5.2天，随机抽取8个月数据，求样本均值标准误（SE）：
SE = s/√n = 5.2/√8 ≈ 1.84天
区间估计
均值置信区间公式：
当σ已知：〈x̄〉±Zα/2·σ/√n
当σ未知：〈x̄〉±tα/2(n-1)·s/√n
会计应用案例：
某会计师事务所审计时，从300笔应付账款中随机抽取40笔，样本均值为¥12,500，标准差为¥3,200。在95%置信水平下（t0.025(39)≈2.023），总体均值置信区间为：
12,500 ± 2.023×3,200/√40 → [¥11,435, ¥13,565]
假设检验
检验流程四步法：
① 提出假设：H0:μ=μ0 vs H1:μ≠μ0
② 选择检验统计量（Z/t/χ²/F）
③ 计算p值或临界值
④ 做出决策（p<α则拒绝H0）
经典案例：
某公司宣称产品返修率≤2%，质检部门抽取500件，发现18件返修。在α=0.05下检验：
H0:p≤0.02 vs H1:p>0.02
Z=(0.036-0.02)/√[0.02×0.98/500]≈2.55 > Z0.05=1.645 → 拒绝H0
相关分析
Pearson相关系数：
r = [n∑xy - ∑x∑y] / √{[n∑x²-(∑x)²][n∑y²-(∑y)²]}
判定标准：
|r|≥0.8 → 强相关；0.5≤|r|<0.8 → 中相关；|r|<0.5 → 弱相关
会计场景：
• 研究广告投入与销售额的相关性（r=0.78 → 中强正相关）
• 分析存货周转率与流动比率的关系（r=-0.62 → 中等负相关）
回归分析
一元线性回归模型：
y = β0 + β1x + ε
参数估计：
β1 = [n∑xy - ∑x∑y] / [n∑x²-(∑x)²]
β0 = 〈y〉 - β1〈x〉
实操案例：
基于12家上市公司的数据，建立“研发支出（x）对净利润（y）”的回归模型：
y = 1,250 + 0.87x（R²=0.64）
→ 研发支出每增加1万元，净利润平均增加0.87万元
移动平均法
三期移动平均：
Ft+1 = (Yt + Yt-1 + Yt-2)/3
应用：消除季度销售数据中的季节波动，预测下季度营收
指数平滑法
一次指数平滑：
St = αYt + (1-α)St-1
参数选择：
α=0.1~0.3（长期趋势平滑）；α=0.5~0.8（快速响应变化）
会计应用：
预测未来6个月的现金流量，为资金调度提供数据支持