概率与统计中的数学模型
Edexcel 国际 A-Level 数学· 2018 Specification (Issue 3) S1 §1.1· 10 分钟阅读
1. 什么是统计数学模型？★☆☆☆☆⏱ 3 min
✓ 计算器
统计数学模型
对现实场景的简化数学表示，通过概率和统计规则来预测或解释随机变量的行为规律。
统计模型和确定性纯数学模型（例如 ）的区别在于，它考虑了现实数据中的随机波动，而不是描述精确固定的关系。统计模型通过观测现实规律，将这些规律转化为标准化的数学规则构建而成。
举出一个用于表示常见现实场景的统计数学模型实例。
- 1
选定一个随机现实事件，例如医院急诊室每小时到达的患者人数
- 2
给出对应的统计模型：泊松分布是用于计数以恒定平均速率发生的独立随机事件的标准模型
- 3
验证符合定义：它使用数学公式近似现实中的随机行为，是一个有效的统计模型。
Exam tip:
该主题几乎只会以1-2分的简答题形式考察，重点要学会把通用的优势/局限性适配到题目给出的具体场景中。
2. 使用统计模型的优势★☆☆☆☆⏱ 3 min
✓ 计算器
统计模型可以简化复杂的现实问题，让分析过程快速且成本低廉。考试中你需要掌握的核心优势包括：
无需收集大量昂贵的现实数据即可快速预测结果
允许用户在不进行高风险高成本现实实验的前提下，测试单个变量变化对结果的影响
为分析人员提供标准化框架，清晰地传递分析结果
降低研究大型、危险或难以接触的现实系统所需的时间和成本
某矿业公司想要预测新矿的隧道坍塌风险。说明使用统计模型完成该任务的一个优势。
- 1
将场景和统计模型的核心优势关联起来
- 2
结合场景作答：使用统计模型可以让公司无需在未建成的矿井中开展危险的现实测试即可评估坍塌风险，保障工人安全并降低开发成本。
Exam tip:
当题目要求你写出一个优势时，一定要把它和给定场景关联起来才能拿满分，不要只写泛泛的通用表述。
3. 基础统计模型的局限性★★☆☆☆⏱ 4 min
✓ 计算器
所有统计模型都是对现实生活的简化，因此存在固有局限性。考试中经常要求你识别这些局限性，作答时必须始终紧扣题目给出的具体场景，不能只说泛泛的通用局限性。
模型基于的假设可能不适用于所有现实场景
模型可能无法覆盖构建时未观测到的罕见或意外事件
为构建模型做出的简化可能会降低其在边缘场景下的准确度
一家咖啡馆使用统计模型预测每日咖啡销量，假设每周的销量都完全相同。说明该模型的一个局限性。
- 1
识别模型的核心假设：它假设每周销量都恒定不变
- 2
解释该假设在现实中可能不成立的原因：模型没有考虑公共假期、本地活动或者恶劣天气这些可能在特定日期改变顾客数量的因素
- 3
结合场景给出最终答案：该模型在咖啡馆停业的公共假期，或者本地节日带来远超平均水平的客流量时，给出的销量预测会不准确。
Exam tip:
永远不要说一个模型是「错误的」，而是表述为「在特定场景下不准确」或者「依赖不成立的假设」，这样才能拿到满分。
4. 常见陷阱
错误做法:
只陈述通用的优势/局限性，不关联考试给出的场景。
原因:
判卷人要求结合场景的作答，通用表述不得分。
正确做法:
始终引用给定场景，例如如果题目是关于车祸模型的，就要提到和车祸相关的特定因素比如天气或者路况。
错误做法:
混淆统计模型和确定性数学模型。
原因:
统计模型考虑随机波动，确定性模型不考虑，把两者搞混会丢分。
正确做法:
在S1题目中描述统计模型时，一定要提到随机波动或者概率相关的特性。
错误做法:
针对1分或2分的题目写过长的答案。
原因:
该主题只会以简答题形式出现，多余的无关信息会浪费时间，还可能写出错误表述导致丢分。
正确做法:
1分题答案最多1-2句话，2分题最多2-3句话。
错误做法:
讨论模型优化时提到假设检验。
原因:
用于模型优化的假设检验不属于S1的考察范围，是S2的内容。
正确做法:
S1中如果问到如何改进模型，只提到收集更多现实数据调整假设即可，不要提到假设检验。
5. 速查表
概念 | 核心考试要点 |
|---|---|
统计模型定义 | 对现实随机场景的简化数学表示 |
核心优势 | 节省时间、降低成本、支持预测、标准化分析 |
核心局限性 | 依赖假设、忽略罕见事件、简化降低准确度 |
作答规则 | 每分对应一句话，始终紧扣给定场景 |
6. 常见问题
这个主题我需要背诵任何公式吗？
该主题不需要记忆任何公式。考试只会要求你针对给定场景简要解释统计模型的用途、优势或局限性。
深入阅读
下一步
现在你已经掌握了统计数学模型的基础，可以继续学习构成Edexcel IAL S1考试主体内容的核心概率和数据表示主题。该主题只会以低分值简答题形式考察，你不需要花大量时间练习，但要确保能快速写出贴合场景的优势和局限性，在考试中轻松拿分。该主题的大部分考题分值为1-2分，掌握这些内容可以帮你快速拿到低难度分数，提升整体成绩，之后再去攻克概率、离散分布、回归等更复杂的主题。你在这里学到的概念也会为后续S1和S2的所有统计主题打下基础，你之后学到的每一种分布和检验都是一类统计模型。