本章目标
- 把"事件概率 → 随机变量 → 多维 → 数字特征 → 极限定理 → 统计推断"串成一条线。
- 会用贝叶斯公式做逆概率推理（由结果反推原因）。
- 理解中心极限定理如何让"样本均值趋近正态"，从而用正态近似。
- 会构造总体均值的置信区间，理解"95% 置信"的含义。
核心提示：概率论研究"随机本身的规律"，统计用"少量观测去推断整体的规律"。二者由大数定律与中心极限定理衔接——这正是本综合专题的主轴。
一、从事件到随机变量
先有随机事件与概率（加法、乘法、条件概率、贝叶斯），再把随机结果数值化得到随机变量 $X$：
贝叶斯公式（逆概率）
$$P(A_i\mid B) = \frac{P(B\mid A_i)P(A_i)}{\sum_j P(B\mid A_j)P(A_j)}$$
离散变量用分布列 $P(X=x_k)$，连续变量用概率密度 $f(x)$（满足 $\int f=1$）。常见分布（二项、泊松、正态、均匀）是建模现实随机现象的"积木"。
二、多维与数字特征
多个随机变量组成多维变量 $(X,Y)$，由联合分布描述；边缘分布由求和/积分得到，协方差刻画线性相关：
协方差与相关系数
$$\operatorname{Cov}(X,Y)=E[(X-EX)(Y-EY)],\qquad \rho=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX\,DY}}$$
数字特征（期望、方差、矩）用少数几个数概括分布——统计推断几乎全靠它们：用样本均值 $\bar X$ 估总体期望，用样本方差估总体方差。
三、极限定理
两条极限定理是概率与统计之间的桥：
- 大数定律：样本均值 $\bar X_n$ 依概率收敛到总体期望 $EX$，即"频率稳定于概率"。
- 中心极限定理（CLT）：无论总体分布如何，只要方差有限，样本均值近似服从正态分布
中心极限定理
$$\bar X_n \;\dot\sim\; N\!\left(\mu,\ \frac{\sigma^2}{n}\right)$$
CLT 是"为何正态无处不在"的根本原因，也是一切大样本统计方法的理论基石。
四、统计推断：用样本推断总体
现实中总体未知，只能抽样。两类核心问题：
- 估计：用样本给出总体参数的点估计或区间估计。均值 $\mu$ 的 $1-\alpha$ 置信区间为
均值置信区间（σ 已知）
$$\bar X \pm z_{\alpha/2}\,\frac{\sigma}{\sqrt{n}}$$
- 检验：对总体假设（如 $\mu=\mu_0$）做显著性判断，依据小概率事件原理。
"95% 置信"不是说"μ 有 95% 概率落在区间里"（μ 是定值），而是"无数次抽样造出的区间中，约 95% 会覆盖真值"。
五、动态示意：95% 置信区间覆盖
下方反复从总体 $N(0,1)$ 抽取样本量 $n$ 的样本，构造区间 $\bar X\pm 1.96\,\sigma/\sqrt n$（粉色虚线为真值 $\mu=0$）。绿色区间覆盖真值，红色未覆盖。拖动「样本量 n」观察：n 越大，区间越窄、覆盖比例越稳定地趋近 95%。点击「重置」清空重来。
提示：置信水平是"方法的长期正确率"，不是"这一次区间的可信度"。单条红区间并不可怕，它恰好是那约 5% 的"失手"。
例题1（贝叶斯：假阳性悖论）
例题
某病患病率 $P(D)=1\%$，检测灵敏度 $P(+\mid D)=95\%$，特异度 $P(-\mid \bar D)=90\%$（即 $P(+\mid\bar D)=10\%$）。一人检测阳性，求真患病概率 $P(D\mid +)$。
解：由贝叶斯公式，先算阳性总概率
$$P(+) = P(+\mid D)P(D) + P(+\mid\bar D)P(\bar D) = 0.95\times0.01 + 0.10\times0.99 = 0.0095 + 0.099 = 0.1085.$$
故
$$P(D\mid +) = \frac{0.0095}{0.1085} \approx 0.0876 \approx 8.8\%.$$
尽管检测"相当准"，阳性者真正患病的概率仅约 8.8%——因为 base rate（患病率）极低，大量健康人被误报。这正是"先算总体再逆推"的威力。
例题2（CLT：样本均值的正态近似）
例题
掷均匀骰子，单次均值 $\mu=3.5$，方差 $\sigma^2=91/6-3.5^2\approx 2.917$。掷 $n=30$ 次，求样本均值落在 $[3.3,3.7]$ 的概率。
解：由 CLT，$\bar X_{30}\approx N(3.5,\ \sigma^2/30)$。标准误
$$\text{SE} = \sqrt{\frac{2.917}{30}} \approx 0.312.$$
标准化：
$$z_1=\frac{3.3-3.5}{0.312}\approx -0.641,\quad z_2=\frac{3.7-3.5}{0.312}\approx 0.641.$$
$$P(3.3\le \bar X\le 3.7) \approx \Phi(0.641)-\Phi(-0.641) = 2\Phi(0.641)-1 \approx 2\times 0.7393 - 1 = 0.479.$$
即约 $47.9\%$。注意：单次骰子分布是离散均匀的，但 30 次平均已可用正态很好近似。
例题3（置信区间计算）
例题
总体标准差 $\sigma=10$，抽取 $n=25$ 的样本，得样本均值 $\bar x=102$。求总体均值 $\mu$ 的 95% 置信区间（$z_{0.025}=1.96$）。
解：标准误
$$\text{SE} = \frac{\sigma}{\sqrt{n}} = \frac{10}{\sqrt{25}} = 2.$$
边际误差
$$E = z_{0.025}\cdot \text{SE} = 1.96\times 2 = 3.92.$$
故 95% 置信区间
$$\mu \in \bigl(102 - 3.92,\ 102 + 3.92\bigr) = (98.08,\ 105.92).$$
含义：在重复抽样下，如此构造的区间约有 95% 会覆盖真值 $\mu$。
本章小结
- 主线：事件概率 → 随机变量 → 多维/数字特征 → 极限定理 → 统计推断。
- 贝叶斯公式做逆概率推理；base rate 低时"假阳性"会主导。
- CLT：样本均值 $\bar X_n\sim N(\mu,\sigma^2/n)$，支撑一切大样本方法。
- 置信区间 $\bar X\pm z_{\alpha/2}\sigma/\sqrt n$；"95% 置信"指方法的长期覆盖率。