考研数理统计口诀
考研复习剩余不足一月时间，考生要注意查漏补缺，强化弱项。概率部分虽然难度低，但是得分率不高，希望考生也要重视，下面分享考研数理统计记忆口诀，更多技巧也可关注下北京新东方的考研数学相关课程，相信可以帮助到大家。
正态方和卡方(x2)出，卡方相除变F；
若想得到t分布，一正n卡再相除；
第一个口诀的意思是标准正态分布的平方和可以生成卡方分布，而两卡方分布除以其维数之后相除可以生成F分步，第二个口诀的意思是标准正态分布和卡方分布相除可以得到分布。
参数的矩估计量(值)、最大似然估计量(值)也是经常考的。很多同学遇到这样的题目，总是感觉到束手无策。题目中给出的样本值完全用不上。其实这样的题目非常简单。只要你掌握了矩估计法和最大似然估计法的原理，按照固定的程序去做就可以了。矩法的基本思想就是用样本的阶原点矩作为总体的阶原点矩。
估计矩估计法的解题思路是：
(1)当只有一个未知参数时，我们就用样本的一阶原点矩即样本均值来估计总体的一阶原点矩即期望，解出未知参数，就是其矩估计量。
(2)如果有两个未知参数，那么除了要用一阶矩来估计外，还要用二阶矩来估计。因为两个未知数，需要两个方程才能解出。解出未知参数，就是矩估计量。考纲上只要求掌握一阶、二阶矩。
最大似然估计法的最大困难在于正确写出似然函数，它是根据总体的分布律或密度函数写出的，我们给大家一个口诀，方便大家记忆。
样本总体相互换，矩法估计很方便；
似然函数分开算，对数求导得零蛋；
第一条口诀的意思是用样本的矩来替换总体的矩，就可以算出参数的矩估计；第二个口诀的意思是把似然函数中的未知参数当成变量，求出其驻点，在具体计算的时候就是在似然函数两边求对数，然后求参数的驻点，即为参数的最大似然估计。