单元总览

统计与概率

IB 数学分析与方法高级水平· 5 分钟阅读 📊 占考试总分的12-14%

1. 单元概览

本单元遵循完整统计调查的自然逻辑，从基础概念逐步进阶到高级推断。你将首先学习数据的收集与描述方法，再用概率对随机性建模，最后学习仅HL要求的内容：如何从样本数据对总体得出正式结论。

所有IB AA HL学生都必须掌握的核心内容会首先呈现，之后是仅HL要求的拓展主题，这些内容在考试中占比很高。所有子主题都建立在之前内容的基础上，因此最好按顺序学习。

本单元分为以下子主题：

数据类型与抽样

区分不同数据类型，评估抽样方法的偏差来源。

★⏱ 5 min

数据呈现与汇总统计

学习数据可视化，计算均值、方差和标准差等关键汇总统计量。

★★⏱ 7 min

基础概率概念与法则

掌握概率的基本定义、集合符号和复合事件的核心法则。

★★⏱ 6 min

条件概率与贝叶斯定理

将概率拓展到条件事件，运用贝叶斯定理结合新信息更新概率。

★★★⏱ 7 min

离散概率分布

学习离散型随机变量的性质，计算其期望和方差。

★★⏱ 6 min

二项分布与泊松分布

探究两种常见离散分布的性质及其实际应用。

★★★⏱ 8 min

连续概率分布与PDF

理解连续型随机变量、概率密度函数以及概率的计算方法。

★★★⏱ 7 min

正态分布

掌握这种应用最广泛的连续分布，包括标准化和分位数计算。

★★★⏱ 8 min

双变量数据：相关性与回归

分析两个变量之间的关系，计算相关性并拟合线性回归直线。

★★★⏱ 8 min

t分布与置信区间（仅HL要求）

使用t分布构建并解释未知总体均值的置信区间。

★★★★⏱ 9 min

假设检验（仅HL要求）

学习假设检验框架，对总体均值进行单尾/双尾检验。

★★★★⏱ 10 min

卡方检验（仅HL要求）

对分类数据应用卡方检验，进行拟合优度检验、独立性检验和同质性检验。

★★★★⏱ 9 min

2. 常见陷阱

错误做法:

混淆总体参数与样本统计量

原因:

这会导致错误解读推断结果，错误表述统计分析的目标

正确做法:

使用统一记法：总体参数用希腊字母，样本统计量用拉丁字母

错误做法:

在双变量分析中认为相关性就意味着因果关系

原因:

相关性仅衡量关联程度，不代表两个变量之间存在因果关系

正确做法:

谨慎解读相关性，仅能对设计合理的实验得出因果结论

错误做法:

将连续分布的PDF值当作概率

原因:

PDF值可以大于1，这经常让新学习者感到困惑

正确做法:

记住只有PDF曲线下的面积（积分）才等于概率

3. 速查表

概念	核心公式/法则
贝叶斯定理	$P (A ∣ B) = \frac{P ( B ∣ A ) P ( A )}{P ( B )}$
期望（离散型）	$E [X] = \sum x P (X = x)$
随机变量的方差	$V a r (X) = E [X^{2}] - (E [X])^{2}$
二项分布（均值/方差）	$μ = n p, σ^{2} = n p (1 - p)$
泊松分布（均值/方差）	$μ = λ, σ^{2} = λ$
皮尔逊相关系数	$r = \frac{\sum ( x - x ˉ ) ( y - y ˉ )}{s _{x} s _{y} ( n - 1 )}$
总体均值的t置信区间	$\overset{x}{ˉ} \pm t^{*} \frac{s}{n}$
卡方检验统计量	$χ^{2} = \sum \frac{( O - E ) ^{2}}{E}$

下一步

从本单元的第一个子主题开始，按照上述单元索引的顺序逐步学习，构建你对统计与概率的基础知识，循序渐进掌握概念。完成本单元所有子主题后，你可以进入IB AA HL的下一个核心单元：微分学。