引言
数理统计是数学的一个分支，它运用概率论和数学分析的方法来研究随机现象。在日常生活、科学研究、工程技术等领域都有着广泛的应用。掌握基础数理统计的知识，对于理解和解决实际问题至关重要。本文将针对一些典型的数理统计例题进行解析，帮助读者轻松掌握数理统计的基本概念和方法。
一、描述性统计
1.1 平均数
例题：某班级有5名学生的数学成绩分别为：85，90，78，92，88，求该班级学生的平均成绩。
解析：
# 定义学生成绩列表
scores = [85, 90, 78, 92, 88]
# 计算平均数
average_score = sum(scores) / len(scores)
average_score
答案：该班级学生的平均成绩为86分。
1.2 中位数
例题：某班级有10名学生的英语成绩分别为：65，70，75，80，85，90，95，100，105，110，求该班级学生的英语成绩中位数。
解析：
# 定义学生成绩列表
scores = [65, 70, 75, 80, 85, 90, 95, 100, 105, 110]
# 计算中位数
mid_score = sorted(scores)[len(scores) // 2]
mid_score
答案：该班级学生的英语成绩中位数为90分。
1.3 标准差
例题：某班级有5名学生的数学成绩分别为：85，90，78，92，88，求该班级学生数学成绩的标准差。
解析：
import math
# 定义学生成绩列表
scores = [85, 90, 78, 92, 88]
# 计算平均数
average_score = sum(scores) / len(scores)
# 计算方差
variance = sum((x - average_score) ** 2 for x in scores) / len(scores)
# 计算标准差
std_deviation = math.sqrt(variance)
std_deviation
答案：该班级学生数学成绩的标准差为4.47分。
二、推断性统计
2.1 抽样分布
例题：从某城市抽取100名居民，调查他们的月收入。已知该城市居民月收入的标准差为5000元，求样本均值的抽样分布。
解析：
由于样本量较大（n=100），我们可以使用正态分布来近似抽样分布。样本均值的抽样分布为正态分布，均值为总体均值μ，标准差为总体标准差σ/√n。
# 定义总体均值和标准差
mu = 0 # 假设总体均值为0
sigma = 5000 # 总体标准差为5000
# 计算样本均值的标准差
std_deviation_sample_mean = sigma / math.sqrt(100)
std_deviation_sample_mean
答案：样本均值的抽样分布的标准差为50元。
2.2 假设检验
例题：某工厂生产一批产品，已知该批产品的平均寿命为1000小时。现从该批产品中抽取10个样本，测得其平均寿命为980小时，标准差为100小时。假设检验该批产品的平均寿命是否发生了显著变化。
解析：
我们可以使用t检验来进行假设检验。首先，我们需要设定原假设和备择假设：
- 原假设H0：该批产品的平均寿命为1000小时。
- 备择假设H1：该批产品的平均寿命不为1000小时。
接下来，我们需要计算t值：
# 定义样本均值、样本标准差、样本量、总体均值
sample_mean = 980
sample_std_deviation = 100
sample_size = 10
population_mean = 1000
# 计算t值
t_value = (sample_mean - population_mean) / (sample_std_deviation / math.sqrt(sample_size))
t_value
答案：计算得到的t值为-2.00。根据t分布表，当自由度为9（n-1）时，t值为-2.262。由于计算得到的t值小于临界值，我们无法拒绝原假设，即该批产品的平均寿命没有发生显著变化。
结语
通过以上典型例题的解析，相信读者对基础数理统计的概念和方法有了更深入的了解。在实际应用中，数理统计的方法可以帮助我们更好地分析数据、做出决策。希望本文能对读者在学习和应用数理统计的过程中有所帮助。