卡尔顿大学统计专业数理统计课程考试重点有哪些？

卡尔顿大学统计专业的数理统计（STAT 3559）课程包含了经验分布函数、蒙特卡洛方法、决策理论基础、点估计、区间估计、假设检验、稳健性、非参数方法等内容。以下是对考试重点的总结和梳理，希望能帮助你做好考前准备。

一、数理统计考试重点难点

1、参数统计模型。估计量的概念。选择估计量的基本准则：无偏性、最小方差、一致性和渐近正态性。

2、样本均值与样本方差的一致性与无偏性。经验替代原理作为参数估计的方法。

3、费舍尔引理。置信区间：一般定义；正态分布均值与方差的置信区间；近似置信区间。

4、伽玛分布：定义与性质。贝塔分布：定义与性质。

5、统计模型、参数空间、损失函数和决策规则的概念。估计方法的比较：可接受与不可接受的估计量、最小最大估计量和贝叶斯估计量（先验分布与后验分布、共轭分布族、关于二次损失函数的贝叶斯估计量的显式形式）。

6、充分统计量：定义，Neyman-Fisher分解定理，Rao-Blackwell定理；Lehmann-Scheffé唯一性定理；UMVU估计量。

7、矩方法。正则分布族。费舍尔信息。Cramer-Rao不等式。Cramer-Rao不等式的等式。

8、最大似然法：最大似然估计量（MLE）的定义，MLE的不变性性质，MLE的渐近性质（一致性、渐近正态性、渐近效率）。

9、奈曼-皮尔逊假设检验方法的基本概念：统计假设；原假设与备择假设；简单假设与复合假设；接受区与拒绝区；检验程序；检验函数；第一类错误与第二类错误；显著性水平；检验的大小；p值；检验功效；功效函数。

10、最大功效检定。具有单调似然比的分布族；均匀最大功效检定。两侧替代假设的广义似然比检验。

11、卡方拟合优度检验用于简单假设。卡方拟合优度检验用于复合假设。卡方独立性检验。卡方同质性检验。

12、Kolmogorov-Smirnov单样本拟合优度检验。Kolmogorov-Smirnov双样本同质性检验。符号检验用于检验无治疗效果的假设以及比较两种不同的治疗方法。

二、数理统计考前复习方法

1. 阶段性目标明确

- 第一阶段（考前1周以上）：以梳理知识结构为主，搭建逻辑框架，查漏补缺

- 第二阶段（考前1周内）：以习题和真题训练为主，强化应用能力与时间管理

- 最后阶段（考前1-2天）：模拟考试、归纳易错点、准备公式表

2. 整理笔记与公式卡片

- 每一章节列出核心概念、公式、典型例题

- 制作速查笔记，便于快速回忆，节省考试时计算时间

3. 真题与习题反复练习

- 重点练习：MLE的计算流程与性质分析题、构造置信区间与检验题、蒙特卡洛模拟题与经验分布相关题

- 整理错题，反思出错的核心原因（如公式忘记、定义混淆、计算出错）

如果你想了解更多考试相关的信息，并在专业学术导师的一对一指导下做好充分的考前复习，可以立即与考而思的课程顾问联系。考而思将及时安排有针对性的卡尔顿大学考前辅导，帮助你明确考试重点、熟悉考试题型、掌握答题技巧、做好查漏补缺，从而在考试中有更好的表现。