概率论于数理统计6.1.pptVIP

  1. 1、本文档共18页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
概率论于数理统计6.1.ppt

* 概率论与数理统计 * 6.1 基本概念 6.1.1 总体和样本 总体 —— 研究对象全体元素组成的集合 是所研究的对象的某个(或某些)数量指标的全体,它是一个随机变量(或多维随机变量).记为X . X 的分布函数和数字特征称为总体的分布函数和数字特征. … 研究某批灯泡的质量 总体 个体 —— 组成总体的每一个元素. 即总体的每个数量指标, 用 Xi 表示. 样本 —— 从总体中抽取的部分个体. 为推断总体分布及各种特征,按一定规则从总体中抽取若干个体进行观察试验,以获得有关总体的信息,这一抽取过程称为抽样,所抽取的部分个体称为样本. 样本中所包含的个体数目称为样本容量. 从国产轿车中抽5辆进行耗油量试验 样本容量为5 样本是随机变量. 抽到哪5辆是随机的 但是,一旦取定一组样本,得到的是n个具体的数 (x1, x2, …, xn),称为样本的一次观察值,简称样本值. 容量为n的样本可以看作n维随机变量. 样本空间 —— 样本所有可能取值的集合. 由于抽样的目的是为了对总体进行统计推断,为了使抽取的样本能很好地反映总体的信息,必须考虑抽样方法. 2. 独立性: X1, X2, …, Xn是相互独立的随机变量. 最常用的一种抽样方法叫作“简单随机抽样”,它要求抽取的样本满足下面两点: 1. 代表性: X1, X2, …, Xn中每一个与所考察 的总体有相同的分布. 由简单随机抽样得到的样本称为简单随机样本,它可以用与总体独立同分布的n个相互独立的随机变量X1, X2, …, Xn表示. 简单随机样本是应用中最常见的情形,今后,当说到“X1, X2, …, Xn是取自某总体的样本”时,若不特别说明,就指简单随机样本. 设总体 X 的分布函数为F (x),则样本 的联合分布函数为 若总体X 的d.f.为 f( x),则样本的联合d.f.为 6.1.2 统计量 由样本值去推断总体情况,需要对样本值进行“加工”,这就要构造一些样本的函数,它把样本中所含的(某一方面)的信息集中起来. 这种不含任何未知参数的样本的函数称为统计量. 它是完全由样本决定的量. 设 是取自总体X 的一个样本, 为一实值连续函数,且不含有未知参数, 则称随机变量 为统计量. 若 是一个样本值, 称 的一个样本值. 为统计量 定义 例1 是未知参数, 若 ? ,? 已知,则为统计量. 是一样本, 是统计量, 其中 则 但 不是统计量. 常用的统计量 为样本均值 为样本方差 为样本标准差 设 是来自总体 X 的容量 为 n 的样本,称统计量 为样本的k阶原点矩 为样本的k阶中心矩 例如 (5) 顺序统计量与极差 设 为样本, 为样本值,且 当 取值为 时, 定义 r.v. 则称统计量 为顺序统计量. 其中, 称 为极差. 注 样本方差 与样本二阶中心矩 的不同 故 推导 关系式 1) 推导 设 则 2) 例2 从一批机器零件毛坯中随机地抽取10件, 测得其重量为(单位: 公斤): 210, 243, 185, 240, 215, 228, 196, 235, 200, 199 求这组样本值的均值、方差、二阶原点矩与二阶中心矩. 解 令 *

文档评论(0)

cai + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档