2023年应用统计学考试大纲

考试内容：统计数据、概率论基础、推断统计分析基础

考试形式和试卷结构

参考书

1.贾俊平等编著，《统计学》

一、试卷满分及考试时间

试卷满分为150分，考试时间为180分钟．

二、试卷内容结构

统计和统计数据约16%

概率论基础约16%

推断统计分析基础约68%

三、试卷题型结构

单项选择题20小题，每小题2分，共40分

简答题6小题，每小题约5分，总约30分

解答题7小题，总约80分

注：最终结构由于微调，可能与上面所列结果有略微差别。

统计和统计数据

一、什么是统计学？

考试内容

统计学基本概念；统计数据基本分类；统计数据图形表示.

考试要求

1．理解下述统计学基本概念：总体和样本；参数和统计量．

2．理解统计数据的两种分类（截面数据和时间序列数据；定类、定序、定距、定比数据）.

3．掌握定类、定序、定距、定比数据图形展示方法.

二、统计数据收集方法

考试内容

数据来源；抽样；问卷调查；实验研究.

考试要求

1．理解原始数据和二手数据的概念．

2．理解概率和非概率抽样：概念、主要方法及其原理.

3．理解抽样误差概念

4．理解非抽样误差概念、主要类型

5．掌握问卷调查的自填式、面访式、电话访谈方式

6．掌握实验研究原理、基本要素.

三、用统计量描述数据

考试内容

集中趋势和离散趋势的度量；偏态和峰度.

考试要求

1．理解众数、中位数、均值概念和区别，并掌握偏态分布下连续变量的3个度量比较.

2．掌握算术均值和几何均值计算.

3．理解极差和离散系数概念，并掌握相关计算.

4．掌握总体和样本方差和标准差计算.

5．理解偏态和峰度的概念，并掌握右偏与左偏的判断.

四、指数

考试内容

指数概念；简单指数和加权指数；居民消费价格指数.

考试要求

1．了解指数概念.

2．理解简单指数和加权指数概念.

3．理解居民消费价格指数概念、计算原理.

概率论基础

一、概率分布

考试内容

离散性随机变量分布、期望和方差；连续型随机变量分布、期望和方差.

考试要求

1．掌握离散型概率分布（均匀分布、二项分布）及相关概率运算.

2．掌握离散型随机变量期望值和方差计算.

3．掌握连续型随机变量概率密度概念及相关运算.

4．熟练掌握正态分布概念、概率密度公式、曲线图、标准正态分布、常用概率所对应的随机

变量值.

二、统计量和抽样分布

考试内容

统计量概念；χ

2分布；t分布；F分布；中心极限定理.

考试要求

1．理解样本均值、方差等常用统计量

2．掌握χ

2分布概念、曲线形式、相关特征（均值、方差、加和等）

3．掌握t分布概念、曲线形式及与正态分布区别

4．掌握F分布概念、曲线形式

5．理解样本均值分布和中心极限定理

6．了解大样本判断标准

推断统计分析基础

一、参数估计

考试内容

点估计和区间估计概念；均值、方差、比例的点估计和区间估计.

考试要求

1．理解点估计和区间估计概念.

2．理解评判点估计量好坏的三个标准.

3．掌握大样本和小样本总体均值和均值之差、总体方差和方差之比的点估计和区间估计.

4．掌握大样本和小样本总体比例的点估计和区间估计.

二、假设检验

考试内容

假设检验相关概念（原假设和备择假设；两类错误；显著性水平；单尾和双尾检验）；重要统

计量的检验.

考试要求

1．理解原假设和备择假设概念.

2．理解两类错误概念；控制两类错误发生的方法.

3．理解单侧和双侧检验；显著性水平.

4．掌握均值及均值之差检验；比例及比例之差检验；方差及方差之比检验.

三、分类数据分析

考试内容

拟合优度检验；独立性检验；应用χ

2检验应注意的问题；关联强度度量指标

考试要求

1．熟练掌握一个类别变量的拟合优度检验计算.

2．熟练掌握两个类别变量的独立性检验计算.

3．理解应用χ

2检验应注意的问题.

4．理解两个类别变量的关联性度量指标.

四、方差分析

考试内容

方差分析原理；单因素和双因素方差分析的相关计算；实验设计初步.

考试要求

1．理解方差分析基本思想和原理.

2．掌握单因素方差分析原理、数学模型、模型假定及其检验、计算；多重比较概念及两种方

法区别.

3．掌握无交互作用的双因素及有交互作用的双因素方差分析原理、数学模型、模型假定及其

检验、计算.

4．理解实验设计基本概念和思想.

五、一元线性回归

考试内容

相关分析；回归模型及参数估计；回归显著性检验和拟合优度分析；利用回归方程进行预测；

回归模型假定检验.

考试要求

1．掌握相关关系概念及计算.

2．掌握回归模型及其参数的最小二乘估计计算.

3．掌握回归直线的拟合优度计算.

4．掌握回归方程的显著性检验.

5．理解利用回归方程进行预测的原理和含义.

6．掌握模型假定检验的概念及图示法判别.

六、多元线性回归

考试内容

回归模型及参数估计；回归显著性检验和拟合优度分析；多重共线性；变量选择.

考试要求

1．理解多元线性回归模型及参数估计原理（不要求掌握具体计算）.

2．掌握拟合优度和显著性检验计算.

3．理解多重共线性概念、识别及其处理.

4．理解多元线性回归中变量选择原理.

七、时间序列分析初步

考试内容

时间序列成分；平稳时间序列分析；趋势时间序列分析；含季节成分的时间序列分析.

考试要求

1．理解时间序列成分.

2．掌握平稳时间序列概念、预测方法.

3．掌握趋势序列概念、预测方法.

4．理解含季节成分时间序列的概念、分解和预测.

考研高分咨询新祥旭罗老师

电话/微信：13701149740

咨询QQ：3219057729