第 5 章 概率统计(统计篇)
高考分值约 5~6 分(进解答题合计 12~17 分)| 先读信息卡,再按三遍法学习
【这章高考能拿几分】
| 项目 | 情况 |
|---|---|
| 出现在哪 | 小题 1~2 道(选择或填空),或解答题第 1 题(常与概率合考) |
| 分值 | 小题 5~6 分;进解答题时相关小问合计 12~17 分 |
| 考不考 | 年年考,几乎 100%。2021~2025 各套全国卷、新高考卷都考到了 |
| 难度 | ★★☆(两星)。计算量偏大,但套路完全固定,不需要灵光一闪 |
| 前置知识 | 会算平均数、会看表格、会分数小数互化。没了 |
为什么把统计排在第二档第一位?
因为它是整张卷子上最接近"照着公式算"的解答题。
别的解答题要你"想办法",统计题不用想—— 它把数据摆在你面前,你只需要选对公式、按计算器、写清楚步骤。
说句实话:统计是"最像文科的数学题"。
你能背下来"求平均数用组中值乘频率"、"求中位数找面积 0.5",
就能拿分。它不考你聪不聪明,只考你有没有把套路练熟。
【必须背住的核心概念】
1. 三种抽样方法(选择题常客)
先记住四个名词:
| 名词 | 意思 |
|---|---|
| 总体 | 你要研究的全部对象 |
| 个体 | 总体里的每一个考察对象 |
| 样本 | 从总体里抽出来的一部分个体 |
| 样本容量 | 样本里个体的个数(就是个数字,比如 100) |
① 简单随机抽样
人话解释:抓阄。每个个体被抽到的机会完全一样。
两种方式:
- 抽签法:把编号写在纸条上,搅匀了抽。
- 随机数表法:用随机数表读数。
考试考点:一句话——"每个个体被抽到的概率相等"。
② 系统抽样(等距抽样)
人话解释:排队报数,隔固定人数抽一个。
步骤(记住这个顺序):
- 把总体编号为 $1, 2, 3, \dots, N$;
- 算间隔:$k = \dfrac{N}{n}$(总体个数 ÷ 样本容量),$k$ 必须是整数;
- 在第 1 段(编号 $1 \sim k$)里随机抽一个号,比如抽到 $m$;
- 后面依次抽 $m + k,\ m + 2k,\ m + 3k,\ \dots$
坑:间隔 $k$ 是"总体 ÷ 样本容量",不是反过来。
1000 个人里抽 50 个,间隔是 $1000 \div 50 = 20$,不是 $50 \div 1000$。
③ 分层抽样(考得最多)
人话解释:总体里明显的几拨人(比如男/女、高一/高二/高三), 每一拨都按同一个比例抽,保证样本的结构跟总体一样。
核心公式:
速记口诀:分层抽样,等比分配;大拨多抽,小拨少抽,比例一样。
例题感知:某校高中生 1500 人,其中高一 600 人、高二 500 人、高三 400 人。 要抽 150 人的样本,各年级抽多少?
抽样比 $= \dfrac{150}{1500} = \dfrac{1}{10}$,所以:
- 高一:$600 \times \dfrac{1}{10} = 60$ 人
- 高二:$500 \times \dfrac{1}{10} = 50$ 人
- 高三:$400 \times \dfrac{1}{10} = 40$ 人
验算:$60 + 50 + 40 = 150$ ✓(一定要验算,加不出总数就是你算错了。)
2. 频率分布直方图(本章第一大考点)
这是统计篇的核心中的核心。几乎每年都考。
看图前必须懂的两件事
第一件:把数据分组后,每组的频数是落在这组的个数, 频率是它占总数的比例:
所有组的频率加起来 $= 1$。
第二件:直方图的纵轴不是频率,是"频率 ÷ 组距"。 所以每个小长方形的面积才是频率:
所有小长方形面积之和 $= 1$。(这是最重要的性质,用来求未知量。)
由直方图能读出三个数
① 众数:最高的那个小长方形,底边中点对应的数。
② 中位数:把面积左右各 0.5 切开的那条线对应的数。
算中位数的方法(按面积找,不是按个数找):
- 从左到右累加各组的面积(频率),看加到哪一组超过了 0.5;
- 设中位数为 $x$,用"左边面积 = 0.5"列方程。
③ 平均数:用每组的中点值代替整组的数据,加权平均:
其中 $x_i$ 是第 $i$ 组的组中值($=\dfrac{\text{组下限}+\text{组上限}}{2}$), $f_i$ 是第 $i$ 组的频率($=$ 该组小长方形面积)。
口诀:求平均,用中点;求中位,找半面积;求众数,看最高。
3. 百分位数(新高考新宠,务必会)
人话解释:第 $p$ 百分位数就是"有 $p\%$ 的数据不超过它"的那个数。
比如第 75 百分位数:把所有数据从小到大排好, 有 75% 的数据 ≤ 它,有 25% 的数据 ≥ 它。
算法(照着做,别想):
- 把 $n$ 个数据从小到大排好:第 1 小、第 2 小、……、第 $n$ 小;
- 算 $i = n \times p\%$;
- 判断:
- 如果 $i$ 不是整数:把 $i$ 向上取整,取第 $\lceil i \rceil$ 个数据;
- 如果 $i$ 是整数:取第 $i$ 个和第 $i+1$ 个数据的平均数。
例子:10 个数据从小到大是 $1, 2, 3, 4, 5, 6, 7, 8, 9, 10$,求第 75 百分位数。
$i = 10 \times 0.75 = 7.5$,不是整数,向上取整是 8 → 取第 8 个数据 $= 8$。
再比如:求第 50 百分位数。$i = 10 \times 0.5 = 5$,是整数 → 取第 5 个和第 6 个的平均数 $= \dfrac{5+6}{2} = 5.5$。(这就是中位数。)
提示:第 50 百分位数 = 中位数,第 25 百分位数 = 下四分位数,
第 75 百分位数 = 上四分位数。考试常直接问"第 60 百分位数"。
4. 方差与标准差(记住性质比会算更重要)
方差衡量"数据有多分散":
标准差就是方差开根号:$s = \sqrt{s^2}$。
人话解释:方差越大,数据越"散";方差越小,数据越"抱团"。
必背的三条性质(比计算更常考)
如果一组新数据 $y$ 是由旧数据 $x$ 变来的:$y_i = a x_i + b$,那么:
人话解释:
- 全体数据加 $b$(平移):平均数跟着加 $b$,方差不变;
- 全体数据乘 $a$(缩放):平均数乘 $a$,方差乘 $a^2$。
坑:方差是乘 $a^2$ 不是乘 $a$!
数据都变成 2 倍,方差变成 4 倍,标准差变成 2 倍。
例子:一组数据 $x$ 的平均数是 3、方差是 4。 新数据 $y = 2x + 1$,则 $\bar{y} = 2\times 3 + 1 = 7$,$s_y^2 = 2^2 \times 4 = 16$。
5. 茎叶图(会看就行)
人话解释:把数据的"高位"当茎、"低位"当叶,竖着排开。
比如数据是 12、15、23、27、28,茎叶图是:
茎 | 叶
1 | 2 5
2 | 3 7 8
表示十位(茎)是 1 的有 12、15;十位是 2 的有 23、27、28。
优点:原始数据一个没丢,能直接读出中位数、众数。
6. 回归直线(解答题常客)
散点图与相关性
把成对数据 $(x, y)$ 画在坐标纸上,如果点大致落在一条直线附近, 就说 $x$ 和 $y$ 线性相关。
- 从左下往右上 → 正相关($x$ 变大 $y$ 也变大)
- 从左上往右下 → 负相关($x$ 变大 $y$ 变小)
回归直线方程
其中(公式不用背,考试会给,但你必须知道它在干嘛):
必背的一条性质(年年考)
回归直线一定经过样本中心点 $(\bar{x},\ \bar{y})$。
人话解释:你把 $x = \bar{x}$ 代进去,算出来的 $\hat{y}$ 一定等于 $\bar{y}$。 这条性质可以用来验算,也可以用来少算一步(知道 $\bar{x},\bar{y}$ 和 $\hat{b}$, 直接得 $\hat{a} = \bar{y} - \hat{b}\bar{x}$)。
相关系数 $r$
性质:$-1 \le r \le 1$。
- $r > 0$ 正相关,$r < 0$ 负相关;
- $|r|$ 越接近 1,线性相关性越强;越接近 0 越弱。
考试只要求定性判断:$|r|$ 接近 1 就说"线性相关性很强", 接近 0 就说"线性相关性很弱"。不用你算。
7. 独立性检验(2×2 列联表,压轴送分问)
人话解释:判断"两件事有没有关系"。 比如"吸烟"和"得肺癌"有没有关系。
列联表的样子
| 有 $B$ | 没有 $B$ | 合计 | |
|---|---|---|---|
| 有 $A$ | $a$ | $b$ | $a+b$ |
| 没有 $A$ | $c$ | $d$ | $c+d$ |
| 合计 | $a+c$ | $b+d$ | $n = a+b+c+d$ |
卡方公式(必须背,考试不给)
记忆技巧:分子是 $n$ 乘"交叉相乘之差"的平方, 分母是四个边缘合计相乘。
判断标准(考试会给临界值表)
| $P(\chi^2 \ge k)$ | 0.050 | 0.010 | 0.001 |
|---|---|---|---|
| 临界值 $k$ | 3.841 | 6.635 | 10.828 |
- 若 $\chi^2 \ge 6.635$:有 99% 的把握认为两者有关;
- 若 $\chi^2 \ge 3.841$:有 95% 的把握认为两者有关;
- 若 $\chi^2 < 3.841$:没有充分证据认为两者有关。
答题模板(背下来):
"因为 $\chi^2 = \text{(算出来的数)} > 6.635$,
所以有 99% 的把握认为 $A$ 与 $B$ 有关。"
【手把手例题】
做题规矩:
① 先自己看题想 30 秒;
② 想不出来直接往下看解析,把每一步都抄在纸上;
③ 抄完遮住答案,自己再做一遍。
不许跳步。每一步都要落到纸上。
例 1(分层抽样,最基础的送分题)
题目:某学校有高中生 1800 人,其中高一 700 人、高二 600 人、高三 500 人。 现用分层抽样的方法抽取容量为 90 的样本,问各年级分别抽取多少人?
思路分析: 分层抽样的核心是"同一个抽样比"。 先算抽样比,再拿它去乘各层人数。
完整步骤:
总体人数 $N = 1800$,样本容量 $n = 90$,所以抽样比:
各年级应抽取:
- 高一:$700 \times \dfrac{1}{20} = 35$(人)
- 高二:$600 \times \dfrac{1}{20} = 30$(人)
- 高三:$500 \times \dfrac{1}{20} = 25$(人)
验算:$35 + 30 + 25 = 90$ ✓
答:高一抽 35 人,高二抽 30 人,高三抽 25 人。
变形题:若问"高二比高三多抽几人",就是 $30 - 25 = 5$ 人。
若问"某班有 50 人,该班被抽中几人",同样是 $50 \times \dfrac{1}{20} = 2.5$,
——注意人数必须取整,这时题目一般会设计成能整除的。
例 2(频率分布直方图求未知量 + 平均数,经典考法)
题目:从某校随机抽取 100 名学生的数学成绩,得到如图所示的频率分布直方图 (此处以表格代替图形,分组与"频率/组距"如下):
| 分组 | 频率/组距 |
|---|---|
| $[40, 50)$ | 0.006 |
| $[50, 60)$ | 0.010 |
| $[60, 70)$ | 0.020 |
| $[70, 80)$ | $a$ |
| $[80, 90)$ | 0.022 |
| $[90, 100]$ | 0.012 |
(1)求 $a$ 的值; (2)估计这 100 名学生成绩的平均数。
思路分析:
- 第(1)问用"所有小长方形面积之和 = 1"。每组的组距都是 10,
所以面积 $= 10 \times$(频率/组距)。 - 第(2)问用"组中值 × 频率"再求和。
完整步骤:
(1)求 $a$
所有组面积之和为 1,组距都是 10:
括号内先加已知量:
所以:
答:$a = 0.03$。
(2)求平均数
先算每组的组中值和频率(频率 $=$ 组距 $\times$ 频率/组距 $= 10 \times$ 频率/组距):
| 分组 | 组中值 | 频率/组距 | 频率 |
|---|---|---|---|
| $[40,50)$ | 45 | 0.006 | 0.06 |
| $[50,60)$ | 55 | 0.010 | 0.10 |
| $[60,70)$ | 65 | 0.020 | 0.20 |
| $[70,80)$ | 75 | 0.030 | 0.30 |
| $[80,90)$ | 85 | 0.022 | 0.22 |
| $[90,100]$ | 95 | 0.012 | 0.12 |
验算频率之和:$0.06+0.10+0.20+0.30+0.22+0.12 = 1.00$ ✓
平均数:
逐项计算:
相加:
答:平均数约为 74.8 分。
坑:平均数用组中值近似,所以答案通常说"估计这 100 名学生的
平均成绩约为 74.8 分"。别忘了"估计"两个字。
例 3(求中位数与百分位数)
题目:承接例 2 的频率分布表(各组的频率见上表)。 (1)估计这 100 名学生成绩的中位数; (2)估计第 80 百分位数。
思路分析:
- 中位数 = 第 50 百分位数,从左往右累加频率,找到"跨过 0.5"的那一组,
用"左边频率 + 本组内按比例的一段 = 目标频率"列方程。 - 第 80 百分位数同理,目标是 0.8。
完整步骤:
(1)中位数
累加频率:
- 到 $[40,50)$ 为止:$0.06$
- 到 $[50,60)$ 为止:$0.06 + 0.10 = 0.16$
- 到 $[60,70)$ 为止:$0.16 + 0.20 = 0.36$
- 到 $[70,80)$ 为止:$0.36 + 0.30 = 0.66$ ← 在这里跨过 0.5
所以中位数落在 $[70, 80)$ 这一组内。
设中位数为 $x$。在 $[70, x]$ 这一段里的频率为:
(因为这一组的"频率/组距"是 $a = 0.030$)
左边已有 0.36,要求左边总计 0.5:
答:中位数约为 74.7 分。
(2)第 80 百分位数
继续累加:到 $[80,90)$ 为止是 $0.66 + 0.22 = 0.88$ ← 跨过 0.8
所以第 80 百分位数落在 $[80, 90)$ 内。设它为 $y$:
答:第 80 百分位数约为 86.4 分。
总结套路:找中位数/百分位数 = "从左累加,跨组就设 $x$,
用 左边累计 + 本组一段 = 目标频率 列方程"。练 3 遍就一辈子忘不掉。
例 4(方差的性质,送分小题)
题目:已知一组数据 $x_1, x_2, \dots, x_{10}$ 的平均数为 4,方差为 9。 若新数据 $y_i = 3x_i - 2$($i = 1,2,\dots,10$), 求新数据 $y$ 的平均数和方差。
思路分析: 直接套性质,不用一个一个算。
完整步骤:
这里 $a = 3$,$b = -2$。
平均数:
方差:
答:新数据的平均数为 10,方差为 81。
验算思路(帮助理解):
每个数乘 3,平均数当然也乘 3(变成 12);
每个数再减 2,平均数也减 2(变成 10)。
减 2 是整体平移,不改变数据的分散程度,所以方差只受"乘 3"影响,
变成 $3^2 = 9$ 倍,即 $9 \times 9 = 81$。
例 5(回归直线方程,解答题标准流程)
题目:某商店统计了 5 个月的广告费 $x$(万元)与销售额 $y$(万元):
| $x$ | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| $y$ | 12 | 18 | 25 | 30 | 35 |
(1)求 $y$ 关于 $x$ 的回归直线方程 $\hat{y} = \hat{b}x + \hat{a}$; (2)若下月广告费为 6 万元,预测销售额。
已知:$\sum x_i y_i = 1\times12 + 2\times18 + 3\times25 + 4\times30 + 5\times35 = 383$, $\sum x_i^2 = 1 + 4 + 9 + 16 + 25 = 55$。
思路分析: 先算 $\bar{x}, \bar{y}$,再代公式求 $\hat{b}$,再用 $\hat{a} = \bar{y} - \hat{b}\bar{x}$ 求 $\hat{a}$。
完整步骤:
(1)求回归方程
用公式求 $\hat{b}$:
求 $\hat{a}$:
所以回归直线方程为:
验算(用"必过样本中心点"):把 $x = \bar{x} = 3$ 代入:
答:回归直线方程为 $\hat{y} = 2.3x + 17.1$。
(2)预测
把 $x = 6$ 代入:
答:预测销售额约为 30.9 万元。
坑:回归方程用来预测时,只能在样本数据范围内或附近用,
不能外推太远(比如拿 $x = 100$ 去预测就没意义了)。
另外答题时写"预测"或"估计",不要写"一定""必然"。
例 6(独立性检验,压轴送分问)
题目:为研究"学生是否喜欢数学"与"性别"是否有关, 随机抽取了 200 名学生,得到下表:
| 喜欢数学 | 不喜欢数学 | 合计 | |
|---|---|---|---|
| 男生 | 60 | 40 | 100 |
| 女生 | 50 | 50 | 100 |
| 合计 | 110 | 90 | 200 |
根据独立性检验,能否认为"喜欢数学与性别有关"? (临界值:$P(\chi^2 \ge 3.841) = 0.05$,$P(\chi^2 \ge 6.635) = 0.01$)
思路分析: 套卡方公式,算出 $\chi^2$,再跟临界值比大小下结论。
完整步骤:
对照标准格式,$a = 60,\ b = 40,\ c = 50,\ d = 50,\ n = 200$。
先算交叉相乘之差:
再算四个边缘合计:
代入公式:
比较:$2.02 < 3.841$。
答:因为 $\chi^2 \approx 2.02 < 3.841$, 所以没有充分的证据认为"喜欢数学与性别有关"。
答题模板(照抄就能得分):
"计算得 $\chi^2 = \text{数值}$。
因为 $\chi^2 \ \text{(大于/小于)} \ 3.841$(或 6.635),
所以有 95%(或 99%)的把握认为两者有关
(或:没有充分证据认为两者有关)。"坑:结论里不能说"证明""一定",只能说"有 95% 的把握"。
【模仿练习】
要求:先自己做完再对答案。写不出过程就回头抄例题,抄完再做。
练 1:某工厂有职工 1200 人,其中技术工人 720 人、普通工人 480 人。 用分层抽样抽取容量为 60 的样本,两类工人各抽多少人?
练 2:从一批零件中抽取 100 个测量长度(单位:mm),得到频率分布表:
| 分组 | $[10,12)$ | $[12,14)$ | $[14,16)$ | $[16,18)$ | $[18,20]$ |
|---|---|---|---|---|---|
| 频率 | 0.10 | 0.25 | 0.35 | 0.20 | 0.10 |
(1)求这 100 个零件长度的平均数(用组中值估计); (2)求中位数落在哪一组,并估计其值。
练 3:已知一组数据的平均数为 5、方差为 16。 若每个数据都先乘 2 再加 3,求新数据的平均数和标准差。
练 4:对某组数据从小到大排列后共 20 个,求第 70 百分位数是第几个数据? (只要求写出取法,不必算出具体数值)
练 5:某产品广告费 $x$(万元)与销售额 $y$(万元)的数据如下: $\sum x_i = 15$,$\sum y_i = 60$,$\sum x_i y_i = 200$,$\sum x_i^2 = 55$,$n = 5$。 求回归直线方程。(结果保留一位小数)
练 6:调查 300 人是否喜欢运动与是否近视,列联表如下:
| 近视 | 不近视 | 合计 | |
|---|---|---|---|
| 喜欢运动 | 40 | 110 | 150 |
| 不喜欢运动 | 80 | 70 | 150 |
| 合计 | 120 | 180 | 300 |
计算 $\chi^2$(保留两位小数),并判断能否认为"喜欢运动与近视有关"。
答案与思路 —— 做完再看,点我展开
【答案与思路】
对答案的规矩:错了的题,不要只看答案,
要把下面的解析抄一遍,然后明天再做一次。
只对答案不抄过程 = 没做。
练 1 答案
抽样比 $= \dfrac{60}{1200} = \dfrac{1}{20}$。
- 技术工人:$720 \times \dfrac{1}{20} = 36$(人)
- 普通工人:$480 \times \dfrac{1}{20} = 24$(人)
验算:$36 + 24 = 60$ ✓
答:技术工人抽 36 人,普通工人抽 24 人。
练 2 答案
(1)平均数
各组的组中值依次为 11、13、15、17、19。
答:平均数约为 14.9 mm。
(2)中位数
累加频率:$0.10$,$0.10+0.25=0.35$,$0.35+0.35=0.70$ ← 在 $[14,16)$ 组跨过 0.5
设中位数为 $x$,该组组距为 2,该组的"频率/组距" $= \dfrac{0.35}{2} = 0.175$:
答:中位数落在 $[14,16)$ 组,约为 14.86 mm。
练 3 答案
$a = 2$,$b = 3$。
平均数:$\bar{y} = 2 \times 5 + 3 = 13$。
方差:$s_y^2 = 2^2 \times 16 = 4 \times 16 = 64$。
标准差:$s_y = \sqrt{64} = 8$。
答:新数据平均数为 13,标准差为 8。
(注意:题目问的是标准差不是方差,别忘了开根号。)
练 4 答案
$n = 20$,$p = 70$,$i = 20 \times 0.70 = 14$。
$14$ 是整数,所以取第 14 个和第 15 个数据的平均数。
答:取第 14 个与第 15 个数据的平均数作为第 70 百分位数。
练 5 答案
答:$\hat{y} = 2.0x + 6.0$。
验算:过 $(3, 12)$ → $2.0\times3 + 6.0 = 12$ ✓
练 6 答案
$a = 40,\ b = 110,\ c = 80,\ d = 70,\ n = 300$。
因为 $22.22 > 6.635$,所以有 99% 的把握认为"喜欢运动与近视有关"。
答:$\chi^2 \approx 22.22 > 6.635$,有 99% 的把握认为两者有关。
本章总结(抄一遍,加深印象)
- 分层抽样:抽样比 $= \dfrac{n}{N}$,各层抽取数 $=$ 该层总数 $\times$ 抽样比。
算完一定要验算"各层之和 = 样本容量"。 - 频率分布直方图:
- 纵轴是"频率/组距",小长方形面积 = 频率,总面积 = 1;
- 求未知量用"面积和 = 1";
- 平均数用组中值 × 频率再求和;
- 中位数用"左边累计到 0.5"列方程;
- 百分位数同理,目标换成 $p\%$。
- 百分位数:算 $i = n \times p\%$,非整数向上取整取第 $\lceil i\rceil$ 个;
是整数取第 $i$ 与第 $i+1$ 个的平均数。 - 方差性质:数据 $y = ax + b$ 时,$\bar{y} = a\bar{x} + b$,$s_y^2 = a^2 s_x^2$,
$s_y = |a| s_x$。平移不影响方差,缩放使方差乘平方。 - 回归直线:$\hat{y} = \hat{b}x + \hat{a}$,
$\hat{a} = \bar{y} - \hat{b}\bar{x}$,一定过样本中心点 $(\bar{x},\bar{y})$。 - 独立性检验:$\chi^2 = \dfrac{n(ad-bc)^2}{(a+b)(c+d)(a+c)(b+d)}$,
与 3.841(95%)/ 6.635(99%)比较后下结论,措辞用"有把握"不用"证明"。
仅供学习使用 · 可直接用浏览器打印/另存为 PDF