人大《统计学》第五章 概率和概率分布.pptVIP

§4.1 统计量 设 是从总体中抽取的容量 为的一个样本，根据样本构造一个函数 ，该函数便是一个统计量，也称为样本统计量。 当调查得到样本数据的值 时，代入 ，计算出 的数值，就得到了一个具体的统计量值。在这里，大写的 表示变量，小写的 表示变量的具体取值，相应的， 表示统计量，而 则表示统计量的一个具体结果。 §4.1 统计量 设 是从总体中抽取得到一个样本，则： 样本均值为 样本方差为 样本均值和方差是最常见的统计量。 §4.2 样本均值的抽样分布 设总体 服从正态分布 ， 为 个互相独立且与总体同分布的随机变量，则样本均值 服从期望为 ，方差为 的正态分布。记作： 上面的结果表明，样本均值的期望与总体均值相同，而方差则变为原来的 ，这说明用样本均值去估计总体均值，平均来说没有偏差（因为期望相等），当样本量 增加时，样本均值的方差变小，即用样本均值 估计总体均值 会更加精确。 §4.3 中心极限定理 设总体 的分布未知，但已知均值为 ，方差为 ，抽取得到一个容量为 的样本，当 足够大（我们通常要求 ）时，则样本均值 近似服从期望为 ，方差为 的正态分布。 中心极限定理告诉我们：不管总体服从什么样的分布，只要样本量足够大，样本均值都近似服从正态分布。 §2 离散变量的概率分布 称为离散型随机变量的概率函数。并有： 期望为各可能取值 及其概率 的乘积之和。为： X的方差为各可能取值 与期望值的离差平方和的期望。为 §2 离散变量的概率分布 几种主要的离散变量概率分布 §2.1 均匀分布 §2.2 0-1分布 §2.3 二项分布 §2.4 泊松分布 §2.5 超几何分布 §2.1 均匀分布 当离散型随机变量X的所有可能取值的概率相同，即 都相同，则X服从均匀分布。 设所有可能的取值个数为n，则 对于服从均匀分布的离散型随机变量X，有： §2.2 0-1分布  当离散型随机变量X的只有两个可能的取值，并且其中一个赋值为1，另一个赋值为0，则X服从0-1分布。 设取1的概率为 ，则取0的概率 对于服从0-1分布的离散型随机变量X，有： §2.3 二项分布 二项分布研究的是类型变量，并且类型只能够表现为两种形式，这与0-1分布一致。 二项分布其实是多个0-1分布的结合。0-1分布是一次实验，二项分布则是多次试验。 二项分布的多次试验中，每次试验都是独立于其他试验的，试验之间也不会互相影响。 §2.3 二项分布 设成功的概率为p，则失败的概率为q=1-p。试验的总次数为n，则n次试验中成功的次数X服从二项分布。记作： X的取值为0到n之间的整数。有： 显然，有： 还有： 当 时，二项分布简化为0-1分布。 §2.3 二项分布 二项分布随机变量的期望和方差为： §2.4 泊松分布 n很大而p很小时二项分布的极限形式叫做泊松分布。 设参数 ，代表某结果出现次数的期望，若试验总次数为n，某结果每次出现的概率为p，当n很大而p很小时， 。 某结果出现的次数X在服从泊松分布的情况下，X的取值为 ，有： §2.4 泊松分布 泊松分布随机变量的期望和方差为： §2.5 超几何分布 超几何分布被用于分析样本较少时两个类型变量的取值个数。 设总体共两个类型A和B（如红球和黑球，男性和女性），类型A的数量为 ，类型B的数量为 ，总体总数量为 。类型A的数量比例为 在总体随机的n个样本单元中，类型A的数量X服从超几何分布，有： §2.5 超几何分布 超几何分布随机变量的期望和方差为： 当M较大n较小时，有： §3 连续变量的概率分布 连续型随机变量可以取整个实数轴 或某一区间上的任意一个值。在任意两个值之间都有其他的值，某个特定取值的概率都为0，所以不能列出所有可能的值及其对应的概率。 设X为一连续型随机变量，x为任意实数，X的概率密度函数记为 ，它需满足两个条件： （1） （2） §3 连续变量的概率分布 为计算某一段区间取值的概率，对于任意实数 ， ，取值从 到 的概率等于概率密度函数曲线从 到 的概率。即有： 连续型随机变量X的概率可以用分布函数 来描述