欢迎来到统计推论（Statistical Inference）的世界！

在 CS1 的学习旅程中，你已经认识了各种概率分布。现在，我们将进入一个非常令人兴奋的领域：统计推论。这正是统计学的神奇之处！我们透过少量的数据（样本，sample）来对庞大的群体（总体，population）做出聪明的预测。

试着想像自己是一位厨师。你不需要喝掉整锅汤才能知道是否需要加盐，只要尝一匙搅拌均匀的汤就够了。在这一章中，我们将学习那一“匙”（样本）如何表现，以及它与整“锅”（总体）之间有什么关系。别担心，一开始这听起来可能有点抽象，我们会一步步拆解说明！

1. 什么是随机抽样（Random Sampling）？

为了确保我们那一“匙”汤能代表整锅汤，每一部分的汤都必须有平等的机会被选中。这就是随机抽样的核心。

在精算术语中，若 \(X_1, X_2, ..., X_n\) 为大小为 \(n\) 的随机样本，则必须满足：

  • 每个 \(X_i\) 都来自相同的分布（即同分布，identically distributed）。
  • 单个观测值不会影响其他观测值（即独立，independent）。

你通常会看到这个缩写为 i.i.d.（独立同分布）。如果在考试题目中看到 "i.i.d."，它其实就是“这是一个完美的随机样本”的代号。

2. 统计量（Statistics）与参数（Parameters）

在进一步探讨之前，我们先厘清两个学生常混淆的术语：

  • 参数 (Parameter)： 描述整个总体的固定（通常未知）值。例如：总体平均数 (\(\mu\)) 或总体方差 (\(\sigma^2\))。
  • 统计量 (Statistic)： 从你的样本计算出来的值。例如：样本平均数 (\(\bar{X}\)) 或样本方差 (\(S^2\))。

小贴士： 记住 P 代表 Population（总体）/ Parameter（参数），而 S 代表 Sample（样本）/ Statistic（统计量）！

什么是抽样分布（Sampling Distribution）？

想像你抽取了 10 个人的样本并计算他们的身高平均值。接着，你又抽取了另一个 10 个人的样本做同样的动作。每一次你都会得到略有不同的平均值。如果你重复这个动作数千次，并将所有这些平均值绘制在图表上，所得的分布就称为该统计量的抽样分布。

3. 样本平均数（\(\bar{X}\)）的分布

样本平均数是我们最常用的统计量，它的表现取决于它来自的总体。

情况 A：从正态分布（Normal Distribution）中抽样

如果你的总体本身就是正态分布，即 \(X \sim N(\mu, \sigma^2)\)，那么样本平均数也会是正态分布！

\(\bar{X} \sim N(\mu, \frac{\sigma^2}{n})\)

重点总结： 样本平均数的平均值与总体平均数 (\(\mu\)) 相同，但其离散程度（方差）较小。样本量 (\(n\)) 越大，你对结果就越有把握，因此方差会随之降低。

情况 B：中心极限定理（Central Limit Theorem, CLT）

如果总体不是正态分布怎么办？（也许它是指数分布或 Gamma 分布）。这就是中心极限定理发挥作用的时候！它指出：如果样本量 \(n\) “足够大”（通常 \(n > 30\)），无论原始分布的形状如何，样本平均数的分布将会趋近于正态分布。

\(\bar{X} \approx N(\mu, \frac{\sigma^2}{n})\)

比喻： 想像一群人。个别来看，他们的行为可能千奇百怪（不同的分布），但当你看著人群的“平均”行为时，它往往会遵循一个可预测的钟形曲线模式。

4. 样本方差（\(S^2\)）的分布

样本平均数遵循正态分布，但样本方差则走不同的路。当我们从正态总体中抽样时，我们使用卡方分布（Chi-square distribution, \(\chi^2\)）来描述方差。

要记住的公式是：

\(\frac{(n-1)S^2}{\sigma^2} \sim \chi^2_{n-1}\)

其中：

  • \(n\) 是样本大小。
  • \(S^2\) 是样本方差。
  • \(\sigma^2\) 是总体方差。
  • \(n-1\) 被称为自由度（degrees of freedom）。

常见错误： 学生常忘记使用 \(n-1\) 而错用 \(n\)。在统计学中，我们因为使用了样本平均数来计算方差，所以“损失”了一个自由度。只要记住：方差要用 \(n-1\)！

5. Student's t-分布（t-distribution）

在现实世界中，我们几乎永远不知道真正的总体方差 (\(\sigma^2\))。如果不知道 \(\sigma^2\)，我们就必须改用样本方差 (\(S^2\))。当我们这么做时，正态分布就不再完全准确，这时我们改用 t-分布。

统计量为：\(T = \frac{\bar{X} - \mu}{S / \sqrt{n}}\)

它遵循 \(t_{n-1}\) 分布（自由度为 \(n-1\) 的 t-分布）。

你知道吗？ t-分布看起来与正态分布非常相似，但它的“尾部较厚”（fatter tails）。这是为了考量当我们估计方差时产生的额外不确定性。随著 \(n\) 变得非常大，t-分布最终会趋近于正态分布！

6. 比较两个方差：F-分布（F-distribution）

有时精算师需要比较两个不同群组的波动率（方差）（例如：两个不同地区的理赔金额）。为了做到这一点，我们观察它们样本方差的比率。

如果我们有两个来自正态总体的独立样本，其比率：

\(F = \frac{S_1^2 / \sigma_1^2}{S_2^2 / \sigma_2^2} \sim F_{n_1-1, n_2-1}\)

这遵循 F-分布。它有两组不同的自由度——一组用于分子，另一组用于分母。

快速复习表

这里有一个摘要表帮助你厘清重点：

统计量 分布 何时使用？
样本平均数 (\(\bar{X}\)) 正态分布 (N) 已知 \(\sigma^2\) 或 \(n\) 够大 (CLT)
样本方差 (\(S^2\)) 卡方分布 (\(\chi^2\)) 针对 \(\sigma^2\) 的推论 (正态总体)
使用估计出的 \(S^2\) 的平均数 t-分布 未知 \(\sigma^2\) (正态总体)
两个方差的比率 F-分布 比较两个正态总体

总结与核心要点

  • 随机抽样要求观测值必须是独立且同分布的 (i.i.d.)。
  • 如果总体是正态分布，则样本平均数 (\(\bar{X}\)) 为正态分布；如果 \(n\) 够大，则根据中心极限定理，它也会趋近于正态分布。
  • 平均数的标准误（Standard Error）为 \(\sigma / \sqrt{n}\)。请注意，随著 \(n\) 增加，它会变得更小！
  • 卡方分布是处理样本方差的首选。
  • 当 \(\sigma^2\) 未知且必须使用 \(S^2\) 时，请使用 t-分布。
  • 使用 F-分布来比较两个方差。

最后鼓励： 你刚刚掌握了统计推论的语言！在 CS1 课程的其余部分，你将运用这些分布作为工具，来建立置信区间并进行假设检验。持续练习公式，它们很快就会变成你的直觉！