📊
样本估计
用样本推总体
九年级
先认场景：这些事有什么共同点
-
民调样本
只问 50 人就说全城支持率 80%——先问样本怎么抽的
-
随机代表
样本要随机、够大——否则估计值再准也不能推广
-
说明局限
估计值要带「基于某样本」——小见大，也要说边界
民调、质检抽检、民意调查——用小部分推断整体：样本估计（看抽样、算估计、说明能否代表总体）。
学习观
- 学习不是背知识，是建立模型
- 做题是验证模型，不是目的本身
- 错题是暴露模型缺口，不是失败
这节课怎么走
样本估计 · 四步小课
约 8 分钟：从评估样本到算估计值，再练一题验证
- 场景 问抽样
样本量多大、怎么抽——随机吗、能代表总体吗
- 图像 读数据
频数表或样本比例——先核对数据再算
- 式子 算估计
用样本比例估计总体——结论要带样本局限
- 练习 练一题用一道短练验证：你判断的是样本能否推广，不是只算比例
先弄清：为什么学这个
先问一句： 民调只问了 50 人，就说「全城支持率 80%」——靠谱吗？
情境： 样本估计是用一小部分人推断整体：样本怎么抽、够不够随机，比公式更重要。
人话： 样本估计是在练「小见大」：先判断样本能否代表总体，再谈估计值。
- 观察：样本量多大？怎么抽取的
- 猜想：结论能否推广到总体
- 结论：评估代表性 → 算估计 → 说明局限
练习记录是代理指标，不是成绩或能力认证。
在六大体系地图里，你正在学： 统计与概率 · 样本估计 — 看全图 →
本单元：样本估计——样本要代表总体才有意义。
因为： 下方六步拆解帮你「学得会」；练题请走按考法或今日包，和矩阵真题同源。
回学习地图 · 今日推荐 →练前信心
- 靠谱： 下方模型卡片是理解结构，分数来自按考法练记录。
- 学得会： 单元页先读结构再练，和报告弱项可对上。
- 下一步： 主按钮回今日推荐；条内可直达按考法练。
更多说明（教师 / 研发）
核心模型卡片与 wiki workflow 在下方；练习代理，非公理能力认证。
练习记录是代理指标，不是成绩或能力认证。
因为值得练
- · 民调只问了 50 人，就说「全城支持率 80%」——靠谱吗？
- · 打工时薪多加 20 元，总工资怎么跟着变？
- · 看到 x²−9，为什么能拆成 (x+3)(x−3) 两式？
学得会 · 这条线
样本要代表总体才有意义。
数学表达与性质（可展开）
- 属于「统计与概率」主线的一格
- 先读懂结构，再开练对应考法
- 错题回报告看弱项是否更新
🔗 本章核心关系链条
用样本指标估计总体指标（均值→均值，方差→方差）
样本必须有代表性，否则"以偏概全"估计完全失效
模型0 用样本均值估计总体均值
核心关系链条
样本均值 → 总体均值（估计）
样本必须随机、有代表性，估计才有意义
六步模型结构
🟢
📌 对象
当总体数据量太大无法全部调查时，用样本的平均数作为总体平均数的估计值
🔵
🔧 结构
样本均值 x̄ → 总体均值 μ（估计）；前提：样本必须是从总体中随机抽取的
🟡
⚡ 触发条件
题目中出现"随机抽取""抽样调查""用样本估计""无法普查"等关键词
🟣
⚙️ 操作
①确认调查目的和总体 ②随机抽取样本 ③计算样本均值 x̄ ④用 x̄ 作为总体均值的估计值 ⑤写结论时用"约""估计"等字眼
🔴
⚠️ 易错点
样本均值只能估计总体均值，不能等于（因为样本不同均值也不同）；样本必须有代表性（随机抽取），否则估计会失效；估计有误差，不可能完全准确
⚪
🔄 反例
某地区有10000名学生，随机抽取100名测得平均身高158cm，写结论说"该地区学生平均身高就是158cm" ❌（应说"估计约158cm"）；用班里的身高估计全校——前提是样本来自随机抽样，不是整个班
模型1 用样本方差估计总体方差
核心关系链条
样本方差/标准差 → 总体方差/标准差（估计）
样本量越大，估计越准确
六步模型结构
🟢
📌 对象
用样本的方差（标准差）估计总体的波动程度
🔵
🔧 结构
样本方差 s² → 总体方差 σ²（估计）；样本标准差 s → 总体标准差 σ（估计）
🟡
⚡ 触发条件
需要估计总体的稳定性或离散程度时
🟣
⚙️ 操作
①随机抽取样本 ②计算样本方差（或标准差） ③用样本方差/标准差作为总体方差/标准差的估计 ④结合实际情境解读（波动大/小，稳定/不稳定）
🔴
⚠️ 易错点
样本方差分母用 n−1（统计学修正叫"无偏估计"），总体方差分母用 n；两者在数据量大时差别可以忽略；样本方差只描述样本本身的波动，结合情境才能推断总体
⚪
🔄 反例
随机抽样100台手机，测得待机时间方差 s²=36（小时²），说"这批手机方差是36" ❌（s²=36只是样本方差，是对总体方差σ²的估计，不是总体方差本身）；比较两个班级成绩时，两个样本的标准差可直接比，小的那组更稳定
前置依赖
模型1
样本指标 → 总体指标 对应关系
| 指标 | 样本指标（从样本算出） | 估计总体 | 核心前提 |
|---|---|---|---|
| 集中趋势 | x̄（样本均值） | 总体均值 μ | 样本必须随机抽取 |
| 离散程度 | s²（样本方差） | 总体方差 σ² | 样本必须有代表性 |
| 稳定性 | s（样本标准差） | 总体标准差 σ | 样本量越大估计越准确 |
📝 典型例题
某地区有10000名初中生，要估计该地区初中生的平均身高。随机抽取100名，测得样本均值 x̄=158cm，样本标准差 s≈6cm。
1
估计总体均值：该地区初中生平均身高约158cm（注意用"约"，因为是估计值）
2
描述稳定性：该地区初中生身高波动不大（标准差约6cm，相对于均值158cm来说相对较小）
3
关键前提：必须是随机抽样，若只抽男生则样本不具代表性，估计无效
练完要知道的三件事
练完本章后对照报告：为什么错 · 缺什么 · 下一步练什么（练习代理，非诊断结论）
含错因说明 slug（练习代理，非诊断结论）
家长 30 秒说明— 练了什么 / 弱在哪 / 下一步（练习代理）。