第九章 统计

统计学的核心：基于样本数据推断总体特征。

---

一、统计学的必要性

1.1 从"全面调查"到"抽样调查"

在人类社会的早期，当人们需要了解某一群体的情况时，最直接的方法是对总体中所有个体进行调查——这就是全面调查（普查）。例如人口普查、经济普查等。

但全面调查面临三个根本性的困境：

困境	具体表现
破坏性	要检测灯泡寿命，必须把它点亮到烧毁；要检测食品质量，必须打开包装甚至品尝。检测完了，产品也就报废了。
不可行性	例如湖泊中的鱼数量、太平洋的海水总量等问题，其总体容量无法逐一清点。
不经济性	调查全国14亿人的某项指标，耗费的人力、物力、时间成本巨大，且往往没有必要。

因此，抽样调查方法被提出：从总体中抽取一部分个体进行调查，再用这部分个体的信息去推断总体的情况。 这就是抽样调查的核心思想。

核心观点：全面调查追求总体参数的精确值，而抽样调查追求在可控成本下获得总体参数的近似估计。统计学是在成本与精度之间进行权衡的科学。

1.2 "随机"二字的统计学含义

日常生活中，"随机"常被理解为"随便、任意"。但在统计学中，"随机"有极其严格的含义：

统计学中的"随机"是指：总体中每个个体被抽中的概率是明确可知且可以被控制的。

这包含两层要求：

• 等可能性：在简单随机抽样中，每个个体被抽中的概率相等。
• 独立性：每次抽取不影响其他个体被抽中的概率（有放回抽样），或者通过设计使得每个未被抽中的个体在下一步仍有公平的机会（无放回抽样，通过等概率理解）。

为什么要强调"随机"？因为只有抽样是随机的，样本才具有代表性，我们才能用概率论的工具来量化"样本估计总体"的误差大小。非随机抽样（如"街头随意采访"）往往带有隐蔽的偏向性，导致结论严重失真。

1.3 本章的知识脉络

获取数据 → 整理数据 → 分析数据 → 推断总体
   ↓          ↓          ↓           ↓
 抽样      频率分布    数字特征    统计推断
（9.1节）  （9.2节前半）（9.2节后半） （9.3节案例）

本章的底层逻辑是**"样本估计总体"**：如何科学地获取样本？如何整理样本数据？如何用样本的数字特征估计总体的数字特征？这正是统计学的基础。

---

二、基础精讲：随机抽样

2.1 简单随机抽样

定义

设一个总体含有 $N$ 个个体，从中逐个抽取 $n$ 个个体作为样本（$n\le N$），如果每次抽取时总体内的各个个体被抽到的机会都相等，且每次抽取后放回（或者对于不放回的情形，每个个体在整个抽样过程中被抽中的概率仍相等），就把这种抽样方法叫做简单随机抽样。

教材中的精确定义：一般地，设一个总体含有 $N$ 个个体，从中逐个不放回地抽取 $n$ 个个体作为样本（$n\le N$），如果每次抽取时总体内各个个体被抽到的机会都相等，就把这种抽样方法叫做简单随机抽样。

两种实现方法

方法一：抽签法

步骤：① 将总体的 $N$ 个个体编号；② 把号码写在号签上，放入不透明容器中搅拌均匀；③ 逐个不放回地抽取 $n$ 个号签，得到样本。

优点	缺点
操作简单直观，易于理解	总体容量 $N$ 很大时，制签、搅拌、抽取都很麻烦
不需要任何工具，现场即可完成	难以保证"搅拌均匀"，人为主观因素可能影响随机性
适合小总体（如班级抽5人）	不适合大总体

操作要点：号签必须充分搅拌均匀。若号签未充分搅匀，先制作的号签可能沉在底部，后制作的号签浮于上部，抽取时将产生系统性偏差。

方法二：随机数法

步骤：① 将总体的 $N$ 个个体编号（通常编为 $0,1,2,\dots ,N-1$ 或 $1,2,\dots ,N$）；② 在随机数表（或计算器、计算机产生的随机数）中任选一个起始位置；③ 按照一定的方向（如向右、向下）读取数字，若得到的数字在编号范围内且未被抽过，则入选样本；④ 重复直到抽满 $n$ 个。

现代实践中，更常用的是随机数生成器（计算器、Excel的RAND()函数、Python的random模块等）。

优点	缺点
适合大总体，操作便利	需要工具支持（计算器/计算机）
随机性由算法保证，不受人为干扰	伪随机数存在周期性（但周期极长，实际可忽略）
可重复验证	需要编号，对无法编号的总体不适用

两种方法的比较与选择

总体容量 N 小 → 抽签法（简便直观）
总体容量 N 大 → 随机数法（高效可靠）

考试中，重点考查随机数法的操作规则：编号几位就读几位，超出范围或重复的跳过。例如总体 $N=500$，编号 $001\sim 500$，则每次读三位，$000$、$501\sim 999$ 均跳过。

2.2 分层随机抽样

为什么需要分层？

简单随机抽样的一个隐含假设是：总体内部是同质的。但现实中，总体往往由差异明显的几部分组成。例如调查全校学生的身高，高一、高二、高三学生的身高分布明显不同；如果简单随机抽取，可能出现某一届学生被抽得过多或过少的情况。

分层抽样的核心思想：按照某种特征将总体分成若干层，使层内差异小、层间差异大，然后从每一层中独立地进行简单随机抽样，最后合并为样本。

定义

一般地，按一个或多个变量把总体划分成若干个子总体，每个子总体称为层，每层中独立地进行简单随机抽样，再把所有层中抽出的样本合在一起作为总样本，这样的抽样方法称为分层随机抽样。

分层标准如何选择？

这是分层抽样最关键也最困难的问题。好的分层标准应该满足：

1. 与研究指标密切相关：分层变量应是影响研究指标的主要因素。例如调查收入，按行业/职业分层；调查成绩，按班级/层次分层。

2. 层内同质、层间异质：同一层内的个体在研究指标上应尽量相似，不同层之间应尽量不同。这样才能保证"分层"有意义。

3. 易于操作：分层变量必须是可以事先获知、便于分类的。例如学生事先知道年级班级，但不知道未来的考试成绩。

4. 层数不宜过多：层数太多会使每层的样本量太小，抽样误差反而增大。

教材中的经典例子：调查高一年级学生的平均身高，按性别分为男生层和女生层。因为身高与性别高度相关，且男女生的身高分布差异明显，分层后估计更精确。

各层样本量的分配——抽样比

按比例分配（最常用的方法）：

设总体分为 $k$ 层，第 $i$ 层的个体数为 $N_i$，总体容量 $N=N_1+N_2+\cdots +N_k$。

样本容量为 $n$，则第 $i$ 层应抽取的样本数为：

$$n_i=n\cdot \frac{N_i}{N}=n\cdot w_i$$

其中 $w_i=\frac{N_i}{N}$ 是第 $i$ 层在总体中的权重，$\frac{n_i}{N_i}=\frac{n}{N}$ 称为抽样比。

关键性质：按比例分配时，每一层的抽样比相同，都等于总抽样比 $\frac{n}{N}$。

若计算出的 $n_i$ 不是整数，通常四舍五入取整（也可采用其他取整方法，但需保证总和为 $n$）。

---

三、深度理解：用样本估计总体

3.1 频率分布表与频率分布直方图

为什么需要整理数据？

原始数据通常缺乏直观的结构特征，需要经过整理才能呈现分布规律。例如100个学生的成绩数据，直接观察难以把握其整体分布特征，需要按一定规则分组整理，才能揭示数据的分布形态。

频率分布表

分组	频数	频率
$[a_1,a_2)$	$f_1$	$f_1/n$
$[a_2,a_3)$	$f_2$	$f_2/n$
$\cdots$	$\cdots$	$\cdots$
合计	$n$	$1$

• 频数：落在该组内的数据个数。
• 频率：频数与样本容量的比值，即 $\mathrm{频}\mathrm{率}=\frac{\mathrm{频}\mathrm{数}}{\mathrm{样}\mathrm{本}\mathrm{容}\mathrm{量}}$。
• 各组频率之和为 $1$。

频率分布直方图纵坐标的推导

设样本容量为 $n$，数据分为 $k$ 组，第 $i$ 组的组距为 $d_i$，频数为 $f_i$，则该组频率为 $\frac{f_i}{n}$。

频率分布直方图的设计目标是：用矩形的几何面积表示该组的频率，使得不同组距的分组之间具有可比性。

设第 $i$ 个矩形的高度为 $h_i$，则其面积为 $S_i=d_i\cdot h_i$。要求 $S_i$ 与该组频率成正比，且满足归一化条件：

$$\sum _{i=1}^k{S}_i=\sum _{i=1}^k\frac{f_i}{n}=1$$

取 $S_i=\frac{f_i}{n}$，即面积等于频率，则：

$$h_i=\frac{S_i}{d_i}=\frac{f_i/n}{d_i}=\frac{\mathrm{频}{\mathrm{率}}_i}{\mathrm{组}{\mathrm{距}}_i}$$

因此，纵坐标取 $\frac{\mathrm{频}\mathrm{率}}{\mathrm{组}\mathrm{距}}$ 时，矩形面积恰好等于该组频率，且所有矩形面积之和为 $1$。

数学依据：当样本容量 $n\to \mathrm{\infty }$ 且最大组距趋于 $0$ 时，直方图趋近于概率密度曲线 $f(x)$。由大数定律，$\frac{f_i}{n}\approx P(x\in [a_i,a_{i+1}))={\int }_{a_i}^{a_{i+1}}f(x)dx$，故

$$\frac{\mathrm{频}\mathrm{率}}{\mathrm{组}\mathrm{距}}=\frac{1}{d_i}{\int }_{a_i}^{a_{i+1}}f(x)dx\to f(x)(d_i\to 0)$$

即纵坐标 $\frac{\mathrm{频}\mathrm{率}}{\mathrm{组}\mathrm{距}}$ 是概率密度函数的离散近似。

核心公式：

$$\mathrm{矩}\mathrm{形}\mathrm{面}\mathrm{积}=\mathrm{组}\mathrm{距}\times \frac{\mathrm{频}\mathrm{率}}{\mathrm{组}\mathrm{距}}=\mathrm{频}\mathrm{率}$$

$$\mathrm{所}\mathrm{有}\mathrm{矩}\mathrm{形}\mathrm{面}\mathrm{积}\mathrm{之}\mathrm{和}=1$$

由直方图估计总体数字特征

（1）众数

众数是出现次数最多的数值。在直方图中，最高矩形的中点所对应的横坐标值，作为众数的估计值。

注意：直方图只能给出众数"所在区间"，最高矩形中点只是合理的估计，并非精确的众数。

（2）中位数

中位数是将数据排序后位于中间位置的数（50%分位数）。在直方图中，中位数对应使左侧累积面积等于 $0.5$（右侧累积面积亦等于 $0.5$）的横坐标值。

推导过程：设中位数落在第 $k$ 个矩形内，该矩形之前的累积面积为 $S_{k-1}$，第 $k$ 个矩形的面积为 $A_k$，组距为 $d$，左端点为 $a$。

由中位数定义，左侧累积面积应等于 $0.5$，即：

$$S_{k-1}+\frac{m-a}{d}\cdot A_k=0.5$$

该式基于数据在第 $k$ 组内均匀分布的假设：频率在组距 $d$ 上均匀分布，故在子区间 $[a,m]$ 上的面积与区间长度 $(m-a)$ 成正比，比例为 $\frac{A_k}{d}$。

解得：

$$m=a+d\cdot \frac{0.5-S_{k-1}}{A_k}$$

该公式为线性插值公式：在数据均匀分布假设下，由面积比例确定中位数在组内的相对位置。

（3）平均数

平均数的估计采用"以组中值代表全组"的方法：

$$\overline{x}=\sum _{i=1}^k(\mathrm{组}\mathrm{中}{\mathrm{值}}_i\times \mathrm{频}{\mathrm{率}}_i)=\sum _{i=1}^k(\mathrm{组}\mathrm{中}{\mathrm{值}}_i\times {\frac{\mathrm{频}\mathrm{率}}{\mathrm{组}\mathrm{距}}}_i\times \mathrm{组}{\mathrm{距}}_i)$$

注意：由于使用了组中值代替实际数据，直方图估计的平均数是近似值，精确度不如原始数据的平均数。

3.2 百分位数

引入的必要性

平均数和中位数只能反映数据的中心位置，但无法描述数据在两端的分布情况。例如，两个班级的平均分相同，但一个班级数据离散程度较大，另一个班级数据较为集中。我们需要更精细的工具来描述数据的位置特征。

百分位数应运而生：它能告诉我们"有多少比例的数据小于或等于某个值"。

定义

一般地，一组数据的第 $p$ 百分位数是这样一个值：它使得这组数据中至少有 $p\mathrm{\%}$ 的数据小于或等于这个值，且至少有 $(100-p)\mathrm{\%}$ 的数据大于或等于这个值。

计算步骤

教材给出的计算步骤（人教A版）：

1. 将数据按从小到大排列。
2. 计算 $i=n\times p\mathrm{\%}$。
3. 若 $i$ 不是整数，将 $i$ 向上取整，第 $i$ 项数据即为第 $p$ 百分位数。
4. 若 $i$ 是整数，第 $p$ 百分位数为第 $i$ 项与第 $(i+1)$ 项数据的平均数。

特别注意：这是人教A版教材的定义。不同统计软件（Excel、R、SPSS）和不同教材版本采用的插值方法可能不同。高中阶段严格按照教材定义计算。

常用百分位数

百分位数	名称	含义
25%	第一四分位数 $Q_1$	至少25%的数据小于等于它
50%	第二四分位数/中位数 $Q_2$	至少50%的数据小于等于它
75%	第三四分位数 $Q_3$	至少75%的数据小于等于它
90%	第90百分位数	至少90%的数据小于等于它

3.3 集中趋势的度量

平均数

$$\overline{x}=\frac{1}{n}(x_1+x_2+\cdots +x_n)=\frac{1}{n}\sum _{i=1}^n{x}_i$$

加权平均数：若数据 $x_1,x_2,\dots ,x_k$ 出现的频率分别为 $w_1,w_2,\dots ,w_k$（$\sum w_i=1$），则

$$\overline{x}=\sum _{i=1}^k{w}_i{x}_i$$

加权平均数是频率分布直方图估计平均数的理论基础——用组中值乘以频率（权重）求和。

中位数

将数据按大小顺序排列，位于中间位置的数。

• $n$ 为奇数：第 $\frac{n+1}{2}$ 个数。
• $n$ 为偶数：第 $\frac{n}{2}$ 个数与第 $(\frac{n}{2}+1)$ 个数的平均数。

众数

出现次数最多的数据值。一组数据可以有多个众数，也可以没有众数。

三者比较

特征	平均数	中位数	众数
利用所有数据	是	否（只用中间位置）	否（只用出现次数）
受极端值影响	大	小	无影响（只看频率）
唯一性	唯一	唯一	可能不唯一
适用场景	数据分布对称	存在极端值	关心"最常见"的值

实际应用：描述收入水平时，常用中位数而非平均数。因为少数高收入群体会显著拉高平均数，使平均值偏离典型水平。中位数更能反映典型水平。

3.4 离散程度的度量——方差与标准差

为什么需要度量离散程度？

两组数据可能有相同的平均数，但其离散程度可能完全不同。例如：

• A班成绩：70, 70, 70, 70, 70（平均70，方差为0）
• B班成绩：50, 60, 70, 80, 90（平均70，方差为200）

只看平均数无法区分这两种情况，因此需要度量"离散程度"的指标。

方差的定义

设数据 $x_1,x_2,\dots ,x_n$ 的平均数为 $\overline{x}$，则方差为：

$$s^2=\frac{1}{n}\sum _{i=1}^n(x_i-\overline{x}{)}^2$$

标准差为方差的算术平方根：

$$s=\sqrt{\frac{1}{n}\sum _{i=1}^n(x_i-\overline{x}{)}^2}$$

人教A版高中教材中，方差分母为 $n$（总体方差公式）。在统计学中，样本方差有时会使用 $n-1$ 作为分母（无偏估计），但高中阶段统一使用 $n$。

方差公式的两种形式及其关系

形式一：定义式

$$s^2=\frac{1}{n}\sum _{i=1}^n(x_i-\overline{x}{)}^2$$

形式二：计算式

$$s^2=\frac{1}{n}\sum _{i=1}^n{x}_i^2-{\overline{x}}^2$$

推导过程：

$$\begin{array}{rl}{s}^2& =\frac{1}{n}\sum _{i=1}^n(x_i-\overline{x}{)}^2\\ & =\frac{1}{n}\sum _{i=1}^n(x_i^2-2x_i\overline{x}+{\overline{x}}^2)\\ & =\frac{1}{n}\sum _{i=1}^n{x}_i^2-\frac{2\overline{x}}{n}\sum _{i=1}^n{x}_i+\frac{1}{n}\sum _{i=1}^n{\overline{x}}^2\\ & =\frac{1}{n}\sum _{i=1}^n{x}_i^2-2\overline{x}\cdot \overline{x}+{\overline{x}}^2\\ & =\frac{1}{n}\sum _{i=1}^n{x}_i^2-{\overline{x}}^2\end{array}$$

形式二的含义：方差 = 平方的均值 − 均值的平方。该形式在计算上更为便捷，特别是当数据较大时，配合新数据法可简化计算。

另一种等价写法：

$$s^2=\frac{1}{n}\sum _{i=1}^n{x}_i^2-{\left(\frac{1}{n}\sum _{i=1}^n{x}_i\right)}^2$$

---

四、知识串联：数字特征的内在联系

4.1 平均数与方差的线性变换性质

设原数据为 $x_1,x_2,\dots ,x_n$，平均数为 $\overline{x}$，方差为 $s_x^2$。

对数据进行线性变换：$y_i=a{x}_i+b$（$a,b$ 为常数）

平移不变性（$a=1$ 时）：

$$\overline{y}=\overline{x}+b,s_y^2=s_x^2$$

当 $a=1,b=10$ 时，$\overline{y}=\overline{x}+10$，$s_y^2=s_x^2$。即数据平移不改变方差。

缩放性质（$b=0$ 时）：

$$\overline{y}=a\overline{x},s_y^2=a^2{s}_x^2,s_y=|a|s_x$$

当 $a=2,b=0$ 时，$\overline{y}=2\overline{x}$，$s_y^2=4s_x^2$。即数据缩放使方差按平方倍变化。

一般线性变换：

$$\overline{y}=a\overline{x}+b,s_y^2=a^2{s}_x^2$$

完整推导：

$$\overline{y}=\frac{1}{n}\sum _{i=1}^n(a{x}_i+b)=a\cdot \frac{1}{n}\sum _{i=1}^n{x}_i+b=a\overline{x}+b$$

$$\begin{array}{rl}{s}_y^2& =\frac{1}{n}\sum _{i=1}^n(y_i-\overline{y}{)}^2\\ & =\frac{1}{n}\sum _{i=1}^n[(a{x}_i+b)-(a\overline{x}+b){]}^2\\ & =\frac{1}{n}\sum _{i=1}^n[a(x_i-\overline{x}){]}^2\\ & =a^2\cdot \frac{1}{n}\sum _{i=1}^n(x_i-\overline{x}{)}^2\\ & =a^2{s}_x^2\end{array}$$

这个性质在考试中极为常用。例如：已知一组数据的平均数和方差，求经过某种线性变换后的新数据的平均数和方差。

4.2 方差的简化计算——"新数据法"

当原始数据较大时，直接计算 $\overline{x}$ 和 $s^2$ 会很繁琐。利用线性变换性质，可以简化计算。

方法：令 $y_i=x_i-a$（$a$ 为接近平均数的常数，常取数据的"大概平均值"或某个中间值），先计算 $\overline{y}$ 和 $s_y^2$，再还原：

$$\overline{x}=\overline{y}+a,s_x^2=s_y^2$$

示例：计算 101, 102, 99, 100, 98 的平均数和方差。

令 $a=100$，则 $y_i=x_i-100$ 为：1, 2, -1, 0, -2。

$$\overline{y}=\frac{1+2-1+0-2}{5}=0,s_y^2=\frac{1+4+1+0+4}{5}-0^2=2$$

故 $\overline{x}=0+100=100$，$s_x^2=2$。

这个技巧在手工计算时非常实用，也是考试中隐性考查的能力。

4.3 百分位数的实际意义

百分位数不仅是数学概念，在现实生活中有广泛应用：

• 收入分层：国家统计局常用"五等份分组"（20%、40%、60%、80%分位数）描述收入分配。
• 高考赋分：新高考改革中的"等级赋分"实质上就是按百分位数划分等级。
• 生长发育：儿童身高体重的"百分位曲线"，告诉家长孩子的发育水平处于同龄人的什么位置。
• 产品质量控制：某指标的第95百分位数作为"上限阈值"，超出即视为异常。

人教A版教材中提到的"高中低收入"划分，实质上是用分位数对社会群体进行分类，体现了统计学从数据到决策的应用价值。

4.4 分层抽样的总体均值与方差估计

当采用按比例分配的分层抽样时，可以用各层样本均值和方差来估计总体均值和方差。

设总体分为两层，第一层 $N_1$ 个个体，第二层 $N_2$ 个个体，$N=N_1+N_2$。样本中第一层抽 $n_1$ 个，第二层抽 $n_2$ 个。

总体均值估计：

$${\overline{x}}_{\mathrm{总}}=\frac{N_1}{N}{\overline{x}}_1+\frac{N_2}{N}{\overline{x}}_2$$

即各层样本均值的加权平均，权重为该层在总体中的比例。

总体方差估计（了解层次）：

$$s^2=\frac{N_1}{N}[s_1^2+({\overline{x}}_1-{\overline{x}}_{\mathrm{总}}{)}^2]+\frac{N_2}{N}[s_2^2+({\overline{x}}_2-{\overline{x}}_{\mathrm{总}}{)}^2]$$

该公式将总体方差分解为层内方差与层间差异两部分，此内容属于更高层次的统计理论，高中阶段不作深入要求。

---

五、重要考点与常见错误

隐性考点1：分层抽样中各层抽样比的确定

核心问题：什么时候各层抽样比相同？什么时候不同？

• 按比例分配：各层抽样比都等于总抽样比 $\frac{n}{N}$。
• 不按比例分配：有时根据各层的特殊情况（如方差大小、调查成本）采用不同的抽样比，但高中阶段默认按比例分配。

易错点：题目说"从男生中抽 $m$ 人，从女生中抽 $n$ 人"时，要验证是否满足 $\frac{m}{N_{\mathrm{男}}}=\frac{n}{N_{\mathrm{女}}}$，若不满足则不是按比例分配。

典型考题：某校高一、高二、高三人数比为 $3:2:1$，用分层抽样抽取120人，则高一应抽多少人？

$$n_{\mathrm{高}\mathrm{一}}=120\times \frac{3}{3+2+1}=120\times \frac{1}{2}=60$$

隐性考点2：由直方图求众数、中位数、平均数的方法差异

数字特征	直方图估计方法	精确计算方法
众数	最高矩形底边中点的横坐标	出现次数最多的数据值
中位数	左右面积各为0.5的位置，线性插值	排序后中间位置的数
平均数	组中值 × 频率，加权求和	原始数据求和除以 $n$

三者的计算方法完全不同。众数对应最高矩形底边中点的横坐标；中位数对应使左右面积各为0.5的位置，需通过线性插值计算；平均数为组中值与频率的加权求和。若混淆则均会产生错误。

隐性考点3：方差的简化计算（新数据法）

这是高效计算的重要方法，也是高考中节省时间的关键技巧。

公式回顾：设 $y_i=x_i-a$，则 $s_x^2=s_y^2$。

进阶技巧：设 $y_i=\frac{x_i-a}{b}$（即先做平移再做缩放），则 $x_i=b{y}_i+a$，于是：

$$\overline{x}=b\overline{y}+a,s_x^2=b^2{s}_y^2$$

示例：计算 4012, 4008, 4015, 4005, 4010 的方差。

令 $y_i=\frac{x_i-4010}{1}=x_i-4010$，得：2, -2, 5, -5, 0。

$$\overline{y}=0,s_y^2=\frac{4+4+25+25+0}{5}=\frac{58}{5}=11.6$$

故 $s_x^2=11.6$，$\overline{x}=4010$。

隐性考点4：平均数与方差的线性变换公式

这是本章的高频考点，几乎每次考试都会涉及。

公式总结：若 $y_i=a{x}_i+b$，则：

• $\overline{y}=a\overline{x}+b$
• $s_y^2=a^2{s}_x^2$（注意：与 $b$ 无关！）
• $s_y=|a|s_x$

常见误区：

• 数据先扩大3倍再增加5，方差变为原来的 $3^2=9$ 倍，与"+5"无关。
• 数据标准化：$z_i=\frac{x_i-\overline{x}}{s_x}$，则 $\overline{z}=0$，$s_z=1$。

---

六、易错警示：认知层面的错误根源

易错点1：混淆"频率"与"频数"

概念	定义	性质
频数	某组中数据的个数	整数，可大于1
频率	频数 / 样本容量	$[0,1]$ 之间的实数，各组频率和为1

错误根源：两词字形相近，但含义完全不同。频数为数据个数，频率为数据个数与样本容量的比值。

典型错误：在直方图中说"矩形的高度表示频率"。正确说法：矩形的高度表示"频率/组距"，矩形的面积表示频率。

易错点2：直方图面积=频率（不是高度）

错误根源：受"条形图"的干扰。条形图的纵坐标通常就是"数量"或"频率"，高度直接代表大小。但直方图不同——

• 条形图：各条之间有空隙，宽度无意义，高度 = 数值大小。
• 直方图：各矩形紧密相连，宽度代表组距，面积 = 频率。

只有当组距相等时，矩形高度之比才等于频率之比。组距不等时，高度之比不等于频率之比！

典型错误类型：给出组距不等的直方图，问哪组频率最大。只看高度会产生误判，必须计算面积（高度×组距）。

易错点3：计算方差时分母是 $n$ 还是 $n-1$？

错误根源：大学统计学与高中统计学的分歧。

• 高中阶段（人教A版教材）：分母用 $n$，即 $s^2=\frac{1}{n}\sum (x_i-\overline{x}{)}^2$。
• 大学统计学：样本方差分母用 $n-1$（无偏估计），总体方差分母用 $N$。

结论：高考中严格按教材，分母是 $n$。

为什么是 $n-1$？简要说明：样本均值 $\overline{x}$ 本身由数据估计得到，消耗了1个自由度。$n$ 个数据受1个约束条件限制，剩余自由度为 $n-1$。此内容超出高中范围，高中阶段只需按教材规定使用分母 $n$。

易错点4：百分位数的位置确定

错误根源：不同软件/教材采用不同定义，而高考必须严格按照人教A版教材的定义。

人教A版定义（严格遵循）：

1. 排序：$x_{(1)}\le x_{(2)}\le \cdots \le x_{(n)}$
2. 计算 $i=n\times p\mathrm{\%}$
3. 若 $i$ 不是整数，将 $i$ 向上取整为 $[i]+1$，第 $[i]+1$ 项数据为第 $p$ 百分位数。
4. 若 $i$ 是整数，第 $p$ 百分位数为第 $i$ 项与第 $(i+1)$ 项数据的平均数。

示例：数据 3, 5, 7, 9, 11, 13, 15（$n=7$），求第25百分位数。

$i=7\times 0.25=1.75$，不是整数，向上取整为 $2$。第25百分位数是排序后的第2个数：5。

对比：若 $n=8$，数据 3, 5, 7, 9, 11, 13, 15, 17，求第25百分位数。

$i=8\times 0.25=2$，是整数。第25百分位数为第2项与第3项的平均数：$\frac{5+7}{2}=6$。

注意：不同统计软件可能采用不同的插值方法，但高考严格以教材定义为准。

易错点5：分层抽样中总体均值与样本均值的混淆

错误根源：分层抽样后，不能简单地把各层样本均值求算术平均作为总体均值估计。

正确做法：总体均值 = 各层均值的加权平均，权重是该层在总体中的比例。

错误示例：高一抽10人平均160cm，高二抽10人平均170cm，高三抽10人平均175cm。若三层人数相同，则总体均值为 $\frac{160+170+175}{3}$；若三层人数不同，则不能简单算术平均！

---

七、思想方法

7.1 样本估计总体——统计推断思想

统计学的核心任务不是描述样本本身，而是通过样本推断总体。

这一思想包含三个层次：

1. 用样本频率分布估计总体分布：频率分布直方图的形状近似反映总体分布的形态。
2. 用样本数字特征估计总体数字特征：$\overline{x}\approx \mu$，$s^2\approx {\sigma }^2$。
3. 量化估计的误差：虽然高中不涉及置信区间，但需明确估计存在误差，且误差大小与样本量有关。

核心思想：总体参数通常无法精确获知，但可通过科学方法在可控成本下获得满足精度要求的估计。

7.2 数据分析——从数据中提取信息

原始数据需经统计方法处理才能提取有效信息。

• 整理数据：分组、制表、画图，使隐藏的规律可视化。
• 描述数据：用数字特征刻画数据的中心位置和离散程度。
• 解读数据：结合实际背景，将统计结果转化为有意义的结论。

人教A版教材第9.3节的"统计案例"——公司员工肥胖情况调查分析，正是这一思想方法的具体实践：从收集数据、整理数据到分析数据、得出结论，完整展现统计在实际问题中的应用流程。

7.3 本章涉及的数学思想

思想方法	具体体现
数形结合	频率分布表 → 频率分布直方图，将数字信息转化为几何直观
转化化归	新数据法（通过线性变换将复杂计算转化为简单计算）
分类讨论	分层抽样按层分别处理；百分位数计算中 $i$ 是否为整数的不同处理
函数与方程	直方图中位数的线性插值（列方程求解）
特殊与一般	从具体样本推断抽象总体；从有限总体理解无限总体

---

八、本章知识网络图

                            统计（用样本估计总体）
                                   │
            ┌──────────────────────┼──────────────────────┐
            │                      │                      │
         获取数据               整理数据               分析数据
            │                      │                      │
      ┌─────┴─────┐           频率分布表           ┌─────┴─────┐
      │           │                ↓               │           │
   普查      抽样调查      频率分布直方图      集中趋势    离散程度
                  │        （面积=频率）       ┌──┬──┐     ┌──┬──┐
            ┌─────┴─────┐                     │  │  │     │  │  │
            │           │                    平均 中位 众数  方差 标准 极差
       简单随机    分层随机                     数  数  数   s²   差   R
            │           │
        ┌───┴───┐    按比例分配
      抽签法  随机数法

---

九、公式定理速查表

公式/定理	表达式	备注
抽样比	$\frac{n}{N}$	分层抽样中各层相同（按比例分配时）
频率	$\frac{\mathrm{频}\mathrm{数}}{\mathrm{样}\mathrm{本}\mathrm{容}\mathrm{量}}$	各组频率之和为1
直方图纵坐标	$\frac{\mathrm{频}\mathrm{率}}{\mathrm{组}\mathrm{距}}$	矩形面积 = 频率
平均数	$\overline{x}=\frac{1}{n}\sum x_i$	加权形式：$\sum w_i{x}_i$
方差（定义式）	$s^2=\frac{1}{n}\sum (x_i-\overline{x}{)}^2$	分母为 $n$
方差（计算式）	$s^2=\frac{1}{n}\sum x_i^2-{\overline{x}}^2$	常用简化计算
标准差	$s=\sqrt{s^2}$	与原始数据同单位
线性变换	$\overline{y}=a\overline{x}+b,s_y^2=a^2{s}_x^2$	$y_i=a{x}_i+b$
分层总体均值	${\overline{x}}_{\mathrm{总}}=\sum w_i{\overline{x}}_i$	$w_i=\frac{N_i}{N}$
中位数插值	$m=a+d\times \frac{0.5-S_{\mathrm{前}}}{A_{\mathrm{当}\mathrm{前}}}$	直方图估算公式

---

十、复习建议

1. 抓核心：本章的核心是"样本估计总体"，所有知识点都围绕这一主线展开。
2. 重理解：不应机械记忆公式，而应理解频率直方图纵坐标取值为频率/组距的原理、方差分母取 $n$ 的依据、以及中位数稳健性的原因。
3. 勤比较：比较简单随机抽样与分层抽样的适用场景；比较众数、中位数、平均数三者的优缺点；比较条形图与直方图的区别。
4. 多练习：重点练习"由直方图求数字特征""分层抽样的计算""线性变换后的方差计算"三类题型。
5. 常见易错点：特别注意"频率vs频数""面积vs高度""$n$ vs $n-1$""向上取整vs插值"四个易错点。

统计学的学习不只是为了考试，更是为了培养一种数据思维——在当前信息环境下，能够理性地、批判性地看待数据，从数据中提取有效信息，做出合理决策。该能力具有长期应用价值。