考试内容全景解析
统计学基础理论核心考点
本模块是整个考试的“地基”，2024年真题中占分约42分，主要涵盖以下内容：
- ? 概率空间与随机变量：样本空间、事件域、概率公理化定义；离散型与连续型随机变量；分布函数F(x)的性质与应用；
- ? 数字特征：期望、方差、协方差、相关系数的计算与性质；切比雪夫不等式应用；
- ? 常用分布：伯努利、二项、泊松、均匀、指数、正态分布的特征与应用背景（如泊松近似二项分布的条件）；
- ? 大数定律与中心极限定理：独立同分布情形下X̄的渐近正态性；样本均值标准化过程；
- ? 抽样分布：χ²、t、F分布的定义、构造与自由度意义；正态总体样本方差的分布。
高频易错点提醒
- • 混淆“独立”与“不相关”（正态总体下二者等价，但一般情形下不成立）；
- • 忽略中心极限定理的适用条件（n≥30仅为经验法则，偏态分布需更大样本）；
- • t分布用于方差未知的小样本，但要求总体近似正态。
经典例题链
年第5题：设X₁,X₂独立同分布于U(0,1)，求Y=X₁+X₂的分布函数F_Y(y)。
【解题关键】分段积分：y∈[0,1]与[1,2]；卷积公式应用；图形辅助理解三角形分布。
概率统计核心模块
本模块是真题“拉分大户”，2024年占比约48分，重点包括：
- ? 参数估计：
• 矩估计法（步骤：用样本矩替代总体矩）；
• 最大似然估计（对数似然函数求导、边界值判断）；
• 无偏性、有效性、相合性证明（如X₍ₙ₎在均匀分布中是否无偏）。 - ? 假设检验：
• 两类错误定义与关系；
• Z检验、t检验、χ²检验、F检验的适用条件；
• p值法与临界值法的等价性；
• 多重比较问题（如ANOVA后的事后检验）。 - ? 区间估计：
• 单个/两个正态总体均值、方差的置信区间；
• 大样本下比例的置信区间（如np̂≥5且n(1-p̂)≥5）；
• 置信水平与区间宽度的关系。
年高频考点示例：似然比检验初步
某药厂声称新药治愈率为85%，临床试验100人中治愈82人。在α=0.05下检验该声明是否成立（用似然比检验）。
【解题步骤】
- 设治愈率p，H₀:p=0.85 vs H₁:p≠0.85；
- 似然函数L(p)=C₁₀₀⁸² p⁸²(1-p)¹⁸；
- MLE为p̂=0.82；
- 似然比λ=L(0.85)/L(0.82)；
- 计算-2lnλ≈χ²₁(0.95)=3.84，判断是否拒绝。
此题虽未要求完整计算，但考查似然比思想，体现湖南大学对现代统计方法的前瞻性。
数据分析与统计软件应用
软件应用考查从“结果解读”转向“过程控制”，2024年真题体现以下能力要求：
- ? R/Python基础：
• 向量、矩阵、数据框操作；
• 条件语句与循环（for/if）；
• 常用函数（mean(), lm(), plot()）。 - ? 数据清洗：
• 缺失值识别（is.na()）与处理（删除/插补）；
• 异常值检测（箱线图IQR法、3σ原则）；
• 变量类型转换（as.factor(), as.numeric()）。 - ? 可视化：
• 散点图（加拟合线：abline(lm(y~x))）；
• 残差诊断图（plot(lm_obj)）；
• 时间序列图（ts.plot()）与自相关图（acf()）。 - ? 建模流程：
• 模型设定→拟合→诊断→修正→解释；
• 模型比较（AIC/BIC准则）；
• 交叉验证思想（训练集/测试集划分）。
年典型代码题（文字描述）
用R完成：加载data.csv；筛选y>0的样本；对x1,x2做对数变换；拟合y对log(x1),log(x2)的线性模型；输出模型摘要与残差图。
【参考代码】
df <- read.csv("data.csv")
df_sub <- df[df$y > 0, ]
df_sub$log_x1 <- log(df_sub$x1)
df_sub$log_x2 <- log(df_sub$x2)
model <- lm(y ~ log_x1 + log_x2, data=df_sub)
summary(model)
plot(model, which=1) # 残差-拟合值图
考生需理解每行作用，尤其plot(model, which=1)的统计意义。
应用建模与真实案例
应用题是“综合能力试金石”，2024年两道大题均来自实际场景，要求完整建模报告式作答：
案例1：电商用户复购预测
数据字段：user_id, first_buy_date, recent_30_days_freq, avg_price, churn（是否流失）
【考查目标】
- 构造响应变量（如30天内流失=1）；
- 特征工程：用户生命周期、最近购买间隔、价格敏感度；
- 模型选择：逻辑回归 vs 决策树；
- 模型评估：混淆矩阵、KS曲线、提升度。
案例2：区域经济驱动因素分析
数据：某省14市GDP、人口、教育支出、基建投资、产业结构等
【考查目标】
- 多重共线性检验（相关矩阵、VIF）；
- 变量筛选（逐步回归AIC准则）；
- 模型解释：β系数的经济含义（如“教育支出每增加1亿元，GDP平均增长0.08亿元”）；
- 政策建议：基于回归结果提出差异化策略。
湖南大学特别强调：“统计不是黑箱，结论必须可解释”。因此，即使使用复杂模型（如随机森林），也需给出变量重要性排序与主要驱动因素说明。