考试内容详解｜四大模块知识体系全景构建
从基础理论到前沿应用——系统梳理432考试核心知识地图
模块一：概率论与数理统计基础（占比30%）
核心知识点：
- 概率空间与公理化定义（样本空间、事件域、概率测度）
- 条件概率与贝叶斯公式（含全概率公式的逆向应用）
- 随机变量及其分布：离散型（0-1、二项、泊松）、连续型（均匀、指数、正态）
- 多维随机变量：联合分布、边缘分布、条件分布、独立性判定
- 数字特征：期望、方差、协方差、相关系数（重点：相关不等于因果）
- 大数定律与中心极限定理（林德伯格-莱维形式为主）
- 抽样分布：χ²、t、F分布的定义、图形特征与自由度意义
典型例题精讲：
【例】设X₁,X₂,…,Xₙ为来自总体X～U(0,θ)的样本，求θ的矩估计量与最大似然估计量，并判断其无偏性。
解题步骤：
- 矩估计：E(X)＝θ/2 ⇒ θ̂₁＝2X̄；E(θ̂₁)＝2E(X̄)＝2·(θ/2)＝θ ⇒ 无偏
- MLE：似然函数L(θ)＝1/θⁿ·I(0≤x₍₁₎≤x₍ₙ₎≤θ) ⇒ θ̂₂＝X₍ₙ₎（样本最大值）
- 无偏性验证：X₍ₙ₎的密度f(x)＝nxⁿ⁻¹/θⁿ（0
?延伸思考：为何矩估计与MLE结果不同？——因均匀分布非指数族，MLE具有更优渐近性质（渐近正态、方差更小）。
模块二：统计推断（占比35%）
核心内容：
- 参数估计：
- 点估计：矩估计、MLE（含对数似然函数求导技巧）
- 评价标准：无偏性、有效性（Cramér-Rao下界）、相合性
- 区间估计：单/双正态总体均值、方差的置信区间（分σ已知/未知）
- 假设检验：
- 基本步骤：提出假设→选择统计量→确定拒绝域→计算p值→做出决策
- 两类错误：α（弃真）、β（取伪）及功效函数Power＝1−β
- 常用检验：Z检验、t检验、χ²检验、F检验（重点：适用条件与检验统计量构造）
- 方差分析：单/双因素方差分析（含交互作用）、多重比较（LSD、Tukey）
- 非参数检验：符号检验、Wilcoxon秩和检验（了解原理与适用场景）
易混淆概念辨析：
置信区间 vs 预测区间
置信区间：对未知参数（如μ）的估计范围
预测区间：对新观测值y₀的可能取值范围
宽度关系：预测区间 > 置信区间显著性水平α vs p值
α：事先设定的犯第一类错误最大允许概率
p值：在H₀成立下，出现当前样本或更极端结果的概率
决策规则：p ≤ α ⇒ 拒绝H₀模块三：回归分析与方差分析（占比20%）
核心模型：
- 简单线性回归：yi＝β₀＋β₁xi＋εi
- 最小二乘估计推导与性质
- 模型假设检验（F检验、t检验）
- 拟合优度R²与修正R²
- 残差分析：正态性（Q-Q图）、方差齐性（残差 vs 拟合值图）、独立性（DW检验）
- 多元线性回归：Y＝Xβ＋ε
- 矩阵形式表达与参数估计β̂＝(X'X)⁻¹X'Y
- 显著性检验：整体F检验、单个系数t检验
- 变量筛选方法：逐步回归、最优子集
- 多重共线性诊断：VIF > 10需警惕
- 方差分析（ANOVA）：
- 单因素：SSA、SSE、F＝MSA/MSE
- 双因素（无交互）：主效应检验
- 双因素（有交互）：主效应+交互效应检验
案例实操：
某研究者收集30名学生的学习时间x（小时/周）与期末成绩y（分）数据，得回归方程：
ŷ＝52.3＋2.8x，R²＝0.64，SSE＝1850
问题链：
- 解释斜率2.8的实际含义
- 检验学习时间对成绩是否有显著影响（α＝0.05）
- 计算x＝20时的预测成绩及其95%置信区间（已知t₀.₀₂₅(28)＝2.048，x̄＝15，∑(xi−x̄)²＝1200）
?计算提示：预测区间公式＝ŷ₀ ± t·s·√[1＋1/n＋(x₀−x̄)²/∑(xi−x̄)²]，注意“1”代表新观测误差。
模块四：时间序列与统计软件（占比15%）
时间序列分析重点：
- 基本概念：趋势、季节性、循环性、随机波动
- 自相关函数（ACF）与偏自相关函数（PACF）识别模型（AR(p)、MA(q)、ARIMA(p,d,q)）
- 平稳性检验：单位根检验（ADF检验）
- 模型诊断：残差白噪声检验（Ljung-Box Q统计量）
- 预测：单步预测与多步预测方差计算
统计软件能力要求：
- SPSS：
- 数据导入（Excel/CSV）
- 描述性统计（探索性分析）
- 回归分析（线性、逻辑）
- 时间序列（指数平滑、ARIMA）
- 输出解读：ANOVA表、系数表、模型摘要
- R/Python（近年新增）：
- 基础语法：向量运算、循环、函数定义
- 包使用：base、stats、ggplot2（绘图）、forecast（时间序列）
- 简单脚本：读取数据→清洗→建模→输出结果
软件操作真题示例：
给出SPSS输出的回归结果表（含未标出的系数、标准误、t值、p值），要求：
- 补全缺失的t值与p值
- 写出回归方程
- 判断模型整体是否显著（给定F值与临界值）
⚡备考建议：每周精练1个SPSS案例（如“某产品销量影响因素分析”），重点训练“输出→结论”的转化能力。