第六章 数理统计的基础概念.pptVIP

例 设X1, X2,…, Xn是来自总体X~N(μ,4)的样本，求修正样本方差 大于2.622的概率。 解 二.两个正态总体下的抽样分布 书面作业 (P110~P112) 6. 6. 6. * 6.3.2 三种重要的概率分布定义 正态总体是最常见的总体, 以下介绍的几个抽样分布均对正态总体而言。 1. ?2分布(为简便计，不使用Г分布，直接给出?2分布定义) 命题6.3.2 设X1,X2,…,Xn为相互独立的随机变量，它们都服从标准正态N(0,1)分布，则称随机变量 服从自由度为n的?2分布，记为?2～?2(n)。 此处自由度n指?2中包含独立变量的个数。 可以证明，χ2(n)的概率密度函数为 不同自由度n的χ2分布的概率密度函数图形 图6.1 ?2(n)分布的概率密度曲线 上图表明，随着n的增大图形趋于“平缓”，其图形下区域的重心亦逐渐往右下移动。 n = 2 时,其密度函数为 n = 1 时,其密度函数为 ?2分布的性质： (1) (可加性) 设 是两个相互独立的随机变量，且 (2) (3) 英国统计学家R.A.Fisher曾证明当n较大时， 即n→+∞，χ2(n) →正态分布。 (4) 2. t分布 (Student 分布) 定义 设X~N(0,1)，Y~χ2(n)且X与Y相互独立，则称随机变量 服从自由度为 n 的T 分布(学生氏分布)。记作T~t(n)。 可以证明T的密度函数为 关于t分布的讨论： t分布的图形随自由度n的不同而有所改变。下图绘出了n=1，3，7时t(n)的概率密度曲线。作为比较，还描绘了 N(0,1)的概率密度曲线。 利用伽马函数的性 质可以证明，当n→+∞ 时， t分布的极限分布 为标准正态分布，即 由此知，当n充分大时， t分布近似于N(0,1)分布。 一般当n45时， t 分布就很接近标准正态分布了。 t分布的概率密度函数是x的偶函数，其图形关于原点对称。 经简单积分可知，若 ，则 t分布的下侧?分位数t?与双测?分位数t?/2均有表可查。 3 F 分布 定义 设X~χ2(m)，Y~χ2(n)，且两者相互独立，令 则称F服从为第一自由度为m,第二自由度为n的F 分布。 记为F ~F(m,n)。F的密度函数为 F分布的概率密度曲线 关于对?2分布、t分布和F分布理解的要求： (1)从正向理解三种分布的定义，即三种分布是由哪些分布衍生出来的，什么样的随机变量服从上述三种分布。 (2)从逆向理解三种分布的定义，即如果某随机变量服从上述三种分布之一种，则该随机变量可以写成什么样的表达式(哪种随机变量的衍生式)。 6.3.3 分位数(点) 四种常用分布的分位点(数)示意图 标准正态分布和t分布还有双侧分位数的定义，即 这是因为标准正态分布和t分布的密度函数关于y轴 是对称的，图6.4和6.6所示就是双侧分位数。 不难发现 6.3.4 正态总体的抽样分布一.单个正态总体的抽样分布 根据定理6.3.1， 再由χ2分布、t分布和F分布的定义可证明如下四个推论，它们在后续的讨论中将发挥关键性作用。 推论6.3.1 设(X1,X2,…,Xn)是来自总体X~N(μ,σ2)的一个样本, 例 设总体X~N(μ,4)，有样本X1, X2,…, Xn当样本容量n为多大时，使 * 第六章 数理统计的基本概念 6.1 总体、样本和统计量 6.2 经验分布函数 6.3 抽样分布 * 引言 从本章起，转入课程的第二部分——数理统计学。 数理统计学与概率论是两个密切联系的姊妹学科。大体上可以这样说，概率论是数理统计学的基础，而数理统计学是概率论的重要应用。 数理统计学使用概率论和其它数学方法，研究通过试验和观察收集带有随机误差的数据，并在设定的数学模型(统计模型)之下，对这种数据进行分析(称为统计分析)，以对所研究的问题作出推断(称为统计推断)。 由于客观上只允许进行次数不多的观察和试验，往往所收集的统计数据(资料)只能反映事物的局部特征，数理统计的任务就在于以概率论作为理论基础，从统计