关于抽样分布的考试，以下是综合整理的备考要点和注意事项：

一、核心概念理解

定义

抽样分布是指由样本统计量（如样本均值、样本比例等）所形成的概率分布。例如，从正态总体中重复抽取样本，样本均值的分布即为抽样分布。

与总体分布的关系

抽样分布与总体分布 不完全相同 。样本统计量（如样本均值）的分布受样本容量和抽样方法影响，而总体分布是描述整个总体的特性。

二、关键性质与定理

中心极限定理

当样本容量n足够大时，无论总体分布如何，样本均值的分布趋近于正态分布，即$bar{X} sim N（mu, frac{sigma^2}{n}）$。

对于非正态分布，只要n足够大，样本均值的分布也可近似为正态分布。

样本均值的分布特性

均值与方差 ：样本均值的期望等于总体均值$mu$，方差为$frac{sigma^2}{n}$（重置抽样）或$frac{sigma^2}{n}（1-frac{n}{N}）$（不重抽样）。

标准差 ：样本均值的标准差为$frac{sigma}{sqrt{n}}$。

其他常见分布

t分布 ：当总体标准差未知且样本量较小时，样本均值的分布服从自由度为$n-1$的t分布，即$T sim t（n-1）$。

卡方分布 ：与样本方差的分布相关，例如$（n-1）S^2/sigma^2 sim chi^2（n-1）$。

三、应用与计算

参数估计

利用抽样分布计算总体参数的置信区间。例如，95%置信区间为$bar{X} pm 1.96frac{sigma}{sqrt{n}}$（正态总体）。

假设检验

通过抽样分布构造检验统计量（如t统计量、F统计量），并确定临界值进行假设检验。

四、注意事项

样本容量要求

总体标准差已知时，正态分布需n≥30；总体标准差未知时，t分布需n>30。

对于其他分布（如泊松、指数），需根据具体分布的样本均值分布规则处理。

实际应用

有限总体（n/N<5%）时，需使用修正系数调整样本均值的方差。

二点分布、泊松分布等特殊分布的样本均值分布需单独推导。

五、典型例题

例1 ：某正态总体均值为10，标准差为2，抽取样本量n=25，求样本均值的95%置信区间。 解 ：样本均值$bar{X} sim N（10, frac{2^2}{25}）$，95%置信区间为$10 pm 1.96frac{2}{5}$，即$（9.04, 10.96）$。

例2 ：某指数分布总体均值为5，方差为25，样本量n=10，求样本均值的分布。 解 ：样本均值$bar{X} sim N（5, frac{25}{10}）$，即$bar{X} sim N（5, 2.5）$。

通过以上要点和例题的练习，可系统掌握抽样分布的核心内容及应用方法。考试时需注意结合中心极限定理和具体分布特性解题。