考试内容深度拆解：覆盖9大模块
考研应用统计学总分多少分之外，更需关注内容结构。考试内容严格围绕“概率论与数理统计”+“统计学”双主线展开，近年真题显示知识点覆盖率达92%以上。
概率论与数理统计（占比50%）
本模块强调理论严谨性与计算能力，是拉开分数差距的关键区域。核心内容包括：
- 基础概率：古典概型、条件概率、贝叶斯公式、全概率公式（近3年真题平均出现2.3道大题）
- 随机变量：
- 离散型：二项分布、泊松分布（λ=np近似）、几何分布
- 连续型：正态分布（重点！）、指数分布、均匀分布
- 数字特征：
- 期望：线性性质、函数期望计算（E[g(X)]）
- 方差：性质应用、切比雪夫不等式证明
- 协方差与相关系数：判断线性相关性、独立与不相关辨析
- 大数定律与中心极限定理：
- 独立同分布辛钦大数定律（核心！）
- 李雅普诺夫定理（非必考）
- 棣莫弗-拉普拉斯中心极限定理（二项分布正态近似）
- 数理统计基础：
- 样本与统计量：χ²分布、t分布、F分布的定义与性质
- 抽样分布：正态总体样本均值与方差的分布
- 点估计：矩估计法（MOM）、最大似然估计（MLE）
- 估计量评价：无偏性、有效性、相合性
- 假设检验：
- 两类错误：α风险与β风险权衡
- Z检验、t检验、χ²检验、F检验的适用场景
- p值法与拒绝域法对比
典型真题示例：设X₁,X₂,…,Xₙ为来自正态总体N(μ,σ²)的简单随机样本，其中μ未知，σ²已知，则样本均值X̄的分布为______；若σ²未知，则X̄-μ/(S/√n)服从______分布。（2023年北大真题）
答案：N(μ,σ²/n)；t(n-1)
统计学核心模块（占比50%）
本模块侧重实际应用与模型构建能力，强调“学以致用”，近年题型越来越向数据分析场景倾斜。
- 描述统计：
- 集中趋势：均值、中位数、众数（三者关系与适用场景）
- 离散程度：方差、标准差、极差、四分位差
- 分布形态：偏态系数、峰态系数（SPSS输出解读）
- 参数估计：
- 置信区间：单总体均值、比例、方差的区间估计
- 样本量确定：误差范围与置信水平的权衡
- 区间估计与假设检验的对偶性
- 方差分析：
- 单因素方差分析：F统计量构建原理
- 多重比较：LSD法、SNK法适用条件
- 双因素方差分析：有无交互作用的模型差异
- 回归分析：
- 元线性回归：最小二乘估计、拟合优度R²
- 模型检验：t检验（系数显著性）、F检验（模型整体显著性）
- 残差分析：异方差、自相关诊断
- 多元线性回归：虚拟变量、交互项处理
- 时间序列基础：
- 平稳性检验：自相关函数（ACF）、偏自相关函数（PACF）
- ARMA模型识别：p,q阶数判断
- 季节性调整：X-12-ARIMA方法简述
- 非参数检验：
- 符号检验、Wilcoxon符号秩检验
- Mann-Whitney U检验、Kruskal-Wallis检验
- 卡方拟合优度检验
应用题示例：某电商平台为分析“促销活动”对用户复购率的影响，收集了3个促销类型下15名用户的复购数据（每组5人）。请写出单因素方差分析的步骤，并说明若F检验显著后应如何进行多重比较。（2024年上财真题）
参考要点：①建立假设；②计算SSA/SSE/MSE；③F统计量；④查F临界值；⑤LSD= tα/2√[2MSE/n]
近三年高频考点分布（真题大数据分析）
基于2021-2023年全国32所高校127套真题的统计分析，核心高频知识点如下：
| 知识点 | 出现频次 | 平均分值 | 题型 |
|---|---|---|---|
| 最大似然估计 | 92次 | 8.4分 | 填空/计算 |
| 正态总体抽样分布 | 87次 | 7.2分 | 填空/证明 |
| 假设检验两类错误 | 79次 | 6.8分 | 选择/简答 |
| 线性回归系数检验 | 81次 | 9.1分 | 计算/应用 |
| 单因素方差分析 | 68次 | 10.2分 | 计算/应用 |
| 中心极限定理应用 | 73次 | 6.5分 | 计算/证明 |
命题趋势洞察：
- 应用题占比持续上升（2023年平均达42%，2021年仅28%）；
- 跨模块综合题增多（如“MLE估计+置信区间构建”组合题）；
- 软件操作题新增（R/Python基础语法，占5-8分）。