概率论的基础--chapter 6_1.PPTVIP

是以概率论为理论基础, 研究如何以有效的方式收集和整理受随机因素影响的数据(称为试验设计), 研究如何合理地分析这些数据从而作出科学的推断 (称为统计推断)。 一、总体与个体 总体 研究对象的单位元素所组成的集合。 我们以后就把总体和数量指标 X 等同起来。 所谓总体分布就是指数量指标 X 的分布。 二、样本 若总体 X 的分布函数为F( x )， X1 , X2 , ···, Xn为来自 F( x ) 的一个样本，则对 n 维随机变量 ( X1 , X2 , ···, Xn ) 三、统计量 样本均值： 样本方差： 几个重要关系式： 注意到样本X1 , X2 , ···, Xn 是相互独立同分布的随机变量由中心极限定理，当n 充分大的时候样本均值 Mathematical Statistics 6.1 总体、样本与统计量 * 数理统计的基本概念 第 六 章 杨宇明 youngym@126.com 数 理 统 计 的 引 入 某厂生产的一批产品中次品率为 p 。从中抽取10件产品装箱。 1）没有次品的概率 2）平均有几件次品 概 率 3）为以 0.95的概率保证箱中有10件正品，箱中至少要装多少件产品。 所有这些问题的关键是 p 是已知的！ 如何获取 p ? 数理统计的任务！ 一个很自然的想法： 首先从这批产品中随机抽取几件产品进行检验。 其次利用概率论的知识处理实测数据。 1）如何估计次品率 p ? 2）如果以 p 0.01为出厂的标准，这批产品能否出厂？ 数 理 统 计 的 引 入 参数估计问题 假设检验问题 ? 这两部分有密切联系，实际应用中更应前后兼顾。我们将主要介绍统计推断方面的内容。 数理统计: §1 总体、样本与统计量 个体 组成总体的每个单位元素。 例如： 我们考察本校男生的身高和体重情况，则将本校的 所有男生视为一个总体，而每一位男生就是一个个体。 在实际问题中，我们关心的是总体的一项或几项数量指标值的分布情况。 例如:考察电子元件的寿命时，我们感兴趣的是总体中有多少个寿命在500h以上。有多少个寿命在10h以下，从总体中任取一个个体，其寿命在10h以下的概率有多大？… 这样要研究的总体实质上是某个概率分布，因此我们将总体定义为一个随机变量 X 。 总 体 是 随 机 变 量。 样本是按照一定的规则从总体中抽取的一部分个体 抽样就是抽取样本的过程 样本容量是样本中个体的数目 n 为了研究总体的性质，看起来最好是把每个个体都加以观测研究，但这往往是不必要的，有时甚至是不可能的。例如，研究一批炮弹的杀伤力，不可能将每一发炮弹都拿来作试验。 一般，我们是从总体中抽取一部分，比如说 n 个进行观测，再根据这 n 个观测值去推断总体的性质。 为了使样本具有代表性，抽样必须是随机的。并且抽取一个个体后总体成分不变。 我们称与总体同分布且相互独立的样本为简单随机样本，简称样本 样本是一组随机变量 记为 X1 , X2 , ···, Xn 我们对样本进行一次观测时，其具体数值记为x1 , x2 , ···, xn 称为样本观测值，简称样本值 例 6.1.1 设总体 X ~ B( 1 , p )，其中 p 是未知参数， ( X1 , X2 , … , X5 ) 是来自 X 的简单随机样本，指出： 统计量是完全由样本决定，不包含未知参数的函数g( X1 , X2 , … , Xn )。统计量的分布称为抽样分布。 ( X1 , X2 , … , X5 ) 的联合分布律？ 哪些是统计量，为什么？ 对于相应的样本值( x1 , x2 , … , xn ) ， g( x1 , x2 , … , xn )称为统计量的值，简称统计值 总 体 是 随 机 变 量。 统计量 是 随机变量(或向量） 样 本 是 一 组 随 机 变 量 样本 k 阶原点矩： 样本 k 阶中心矩： 统称样本矩。 思考：样本矩是不是随机变量？ 总体矩 (即第四章中定义的矩) 呢？ 样本矩 是 随机变量， 总体矩 是 数值。 常见统计量： 思考： 设 则 又若 ，则 X, S2, Ak, Mk x, s2, ak, mk 统计量 统计值 X 服从正态分布或近似服从正态分布。