统计与概率 (Statistics and Probability) — IB Math AA HL AA HL 学习指南

适合谁：IB Math AA HL 参加 IB Math: Analysis & Approaches HL 的考生。

覆盖内容：覆盖描述性统计中心与离散程度度量、条件概率与独立事件、离散与连续分布（二项、正态）、HL专属贝叶斯定理、假设检验核心逻辑五大子主题。

前置知识：IGCSE / pre-DP 数学，熟悉证明与代数推导。

关于练习题：下文「练习题」一节的所有题目均为我们按 IB Math AA HL 风格编写的原创题目 (original problems)，仅用于教学。它们不是 IBO 真题的复制，措辞、数值或语境可能不同。请把它们当作练手用；评分细则请对照 IBO 官方 mark scheme。

1. 什么是统计与概率？

统计与概率是量化随机现象、分析数据规律的数学分支，在IB AA HL考试中占总分的20%-25%，Paper1、2、3均有涉及，既有基础计算也有HL专属的应用题。核心分为两大模块：统计学聚焦数据的收集、描述、解读，概率学聚焦随机事件发生可能性的量化推导，二者结合构成了后续拓展统计方法的基础。

2. 描述性统计：中心与离散程度度量

描述性统计是统计分析的基础，核心分为**中心度量（measures of centre）和离散程度度量（measures of spread）**两类：

• 中心度量包含：众数（mode，出现频率最高的数值）、中位数（median，数据从小到大排列后中间位置的数值）、平均数（mean，所有数值的算术平均$\bar{x}=\frac{\sum x_i}{n}$）。偏态数据优先用中位数，因为均值易受异常值影响，是考官常考的概念辨析点。
• 离散程度度量包含：极差（range，最大值减最小值）、四分位距（interquartile range, IQR，上四分位数$Q_3$减下四分位数$Q_1$）、方差（variance，$s^2=\frac{\sum (x_i-\bar{x}{)}^2}{n}$）、标准差（standard deviation，方差的算术平方根）。
• 异常值（outlier）判断规则：小于$Q_1-1.5\times IQR$或大于$Q_3+1.5\times IQR$的数值。

范例：一组数据为[3,5,7,8,10,12,15]，$Q_1=5$，$Q_3=12$，$IQR=7$，则异常值阈值为$5-10.5=-5.5$和$12+10.5=22.5$，该组数据无异常值。

3. 概率核心概念：条件概率与独立事件

核心定义首次出现标注英文：

• 样本空间（sample space）：随机事件所有可能结果的集合；事件（event）：样本空间的子集。
• 条件概率（conditional probability）：事件B发生的前提下事件A发生的概率，公式为： $$P(A|B)=\frac{P(A\cap B)}{P(B)},P(B)\ne 0$$
• 独立事件（independent events）：两个事件的发生互不影响，满足$P(A\cap B)=P(A)P(B)$，等价于$P(A|B)=P(A)$。注意互斥事件（mutually exclusive events，$A\cap B=\varnothing$）一定不独立（除非其中一个事件概率为0），是高频易错点。

范例：抛2枚公平硬币，A为“第一枚正面”，B为“第二枚正面”，$P(A)=0.5$，$P(B)=0.5$，$P(A\cap B)=0.25=0.5\times 0.5$，因此A、B为独立事件。

4. 离散与连续分布：二项分布、正态分布

随机变量分为离散型（取值可列）和连续型（取值为区间）两类，IB AA HL基础阶段要求掌握两种核心分布：

• 二项分布（binomial distribution，离散型）：记为$X\sim B(n,p)$，n为独立重复试验次数，p为单次试验成功概率。期望$E(X)=np$，方差$Var(X)=np(1-p)$，取特定值的概率为$P(X=k)=\left(\genfrac{}{}{0ex}{}{n}{k}\right)p^k(1-p{)}^{n-k}$。
• 正态分布（normal distribution，连续型）：记为$X\sim N(\mu ,{\sigma }^2)$，$\mu$为均值，${\sigma }^2$为方差。标准化为标准正态分布的公式为： $$Z=\frac{X-\mu }{\sigma }\sim N(0,1)$$ 考官常考正态分布的概率计算，需要熟练使用计算器的正态分布功能。

范例：已知$X\sim B(10,0.2)$，则$P(X=3)=\left(\genfrac{}{}{0ex}{}{10}{3}\right)\times 0.2^3\times 0.8^7\approx 0.201$。

5. HL专属：贝叶斯定理

贝叶斯定理（Bayes' theorem）是HL必考内容，用于计算“后验概率”，即已知结果反推原因的概率，公式基于条件概率和全概率公式推导而来： $$P(A_i|B)=\frac{P(B|A_i)P(A_i)}{{\sum }_{j=1}^{n}P(B|A_j)P(A_j)}$$ 其中$A_1,A_2...A_n$是样本空间的一个划分，分母为全概率公式计算的$P(B)$。

范例：某疾病发病率为1%，患者检测阳性的概率为95%，健康人检测假阳性的概率为5%，则检测阳性时真患病的概率为： $$P(患病|阳性)=\frac{0.95\times 0.01}{0.95\times 0.01+0.05\times 0.99}\approx 0.161$$

6. 假设检验核心逻辑

假设检验（hypothesis testing）是用样本数据验证总体参数假设的统计方法，核心逻辑是“小概率事件反证法”：

• 设定零假设（null hypothesis, $H_0$，默认成立的假设）和备择假设（alternative hypothesis, $H_1$，要验证的假设）。
• 显著性水平（significance level, $\alpha$）是人为设定的小概率阈值，通常取5%、1%。
• p值（p-value）是$H_0$成立时，得到观测结果或更极端结果的概率。若$p<\alpha$则拒绝$H_0$，否则没有足够证据拒绝$H_0$。

范例：工厂称产品合格率为99%，抽取100件产品有3件不合格，$\alpha =0.05$。$H_0:p=0.99$，$H_1:p<0.99$，计算得p值为$P(X\le 97)\approx 0.079>0.05$，因此没有足够证据拒绝工厂的说法。

7. 常见陷阱 (Common Pitfalls)

1. 错误：正态分布标准化时将方差${\sigma }^2$直接代入公式，忘记开平方得到标准差$\sigma$。原因：记混正态分布记号，第二个参数是方差不是标准差。正确做法：代入前先对${\sigma }^2$开平方，再计算$Z=\frac{X-\mu }{\sigma }$。
2. 错误：认为互斥事件就是独立事件。原因：混淆两个概念的定义。正确做法：互斥事件满足$P(A\cap B)=0$，独立事件满足$P(A\cap B)=P(A)P(B)$，除非其中一个事件概率为0，否则互斥事件一定不独立。
3. 错误：贝叶斯定理计算时只保留分子项作为分母，漏掉全概率的其他求和项。原因：忘记分母是所有可能原因导致B发生的概率之和。正确做法：先列全样本空间的所有划分，再分别计算每个划分对应的$P(B|A_j)P(A_j)$求和作为分母。
4. 错误：拒绝$H_0$就直接判定$H_1$绝对成立。原因：误解假设检验的概率属性。正确做法：拒绝$H_0$仅说明在当前显著性水平下有足够证据支持$H_1$，不是100%成立，表述时要符合统计规范。

8. 练习题 (IB Math AA HL 风格)

题1

题干：已知一组学生考试分数的$Q_1=52$，$Q_3=76$，最高分为98，判断98是否为异常值。 解答：第一步计算四分位距$IQR=Q_3-Q_1=76-52=24$；第二步计算上异常值阈值$Q_3+1.5\times IQR=76+1.5\times 24=76+36=112$；第三步比较：98<112，因此98不是异常值。

题2

题干：三个抽屉，A抽屉有2支黑笔3支红笔，B抽屉有3支黑笔1支红笔，C抽屉有1支黑笔4支红笔，随机选一个抽屉（每个抽屉被选中的概率相等），再随机抽一支笔是黑笔，求选中的是A抽屉的概率。 解答：用贝叶斯定理： $$P(A|黑)=\frac{P(黑|A)P(A)}{P(黑|A)P(A)+P(黑|B)P(B)+P(黑|C)P(C)}$$ 代入数值：$P(黑|A)=\frac{2}{5}$，$P(黑|B)=\frac{3}{4}$，$P(黑|C)=\frac{1}{5}$，$P(A)=P(B)=P(C)=\frac{1}{3}$，约掉公共项$\frac{1}{3}$得： $$P(A|黑)=\frac{\frac{2}{5}}{\frac{2}{5}+\frac{3}{4}+\frac{1}{5}}=\frac{8}{27}\approx 0.296$$

题3

题干：某品牌手机续航时间服从正态分布$N(\mu ,4^2)$，标称均值为20小时，随机抽取1台手机续航为12小时，在$\alpha =0.05$的单侧检验下，是否有足够证据说明标称均值偏高？ 解答：第一步设定假设：$H_0:\mu =20$，$H_1:\mu <20$；第二步标准化：$Z=\frac{12-20}{4}=-2$；第三步计算p值：$P(Z<-2)=0.0228<0.05$；第四步结论：拒绝$H_0$，有足够证据说明标称均值偏高。

9. 速查表 (Quick Reference Cheatsheet)

10. 接下来怎么学

本章节是IB AA HL统计模块的基础，后续你还会学习泊松分布、t检验、卡方检验、线性回归等HL拓展内容，这些内容都建立在本次讲解的概率逻辑、分布性质、假设检验思路之上，占Paper3总分的近40%，需要熟练掌握核心公式和解题逻辑。 如果你在练习真题、梳理考点时有任何疑问，都可以随时到小欧提问，我们会为你提供个性化的解题思路和考点讲解。