随机样本和统计量.pptVIP

* 10 设 Y1 ~ ? 2 (m), Y2 ~ ? 2 (n), 且 Y1 , Y2 相互独立， ? 2 分布的基本性质 则 ? 2 分布的可加性 Y1 +Y2 = ? 20 若 Y ~ ? 2 (n), 则 = n , = 2n . EY DY = 1 = 3 30??设 X1, …, Xn 相互独立, 且都服从正态分布 N( ? ,? 2), 40 若Y ~ ? 2 分布, 近似服从 N(0,1). 应用中心极限定理可得 则 则当 n 充分大时, * o ?2?(n) x f(x) ? 设?2~?2(n),其密度函数为f(x),对于给定的正数? (0?1),称满足条件 的点?2?(n)为?2(n)分布的上?分位点 ?2分布的上?分位点: 当n充分大时, * 例2 (练习九.五) 设X~N(?,?2),(X1,X2,...,X16)是取自总体X的样本,求概率: 解: ∵ X1,X2,...,X16相互独立 且 * ?0.95?0.01 =0.94 * 例3 设总体 的样本, 为总体 X 试确定常数 c , 使 cY 服从 分布. 解 故 因此 * 设X~N(0,1),Y~?2(n),且X与Y相互独立,则称随机变量 3 t分布 定义: 服从自由度为n的t分布,记为T~t(n) T 的密度函数为： * o t f(t) t分布的上?分位点: 设T~t(n),其密度函数为f(t),对于给定的正数? (0?1),称满足条件 的点t?(n)为t分布的上?分位点 t?(n) ? * t分布的性质: (1) 其密度函数f(t)是偶函数 (3) f(t)的极限为N(0,1)的密度函数,即 (2) t1??(n)= ?t?(n) 当n45时, t?(n)?z? * 且 X～N(2 , 1 ), Y i ～N(0 , 4 ),i = 1, 2, 3, 4 , 设 X, Y1, Y2, Y3, Y4 相互独立, 例4 令 解 ∵ X-2 ～N(0 , 1 ), i = 1, 2, 3, 4 . ～ t(4), 即 Z 服从自由度为 4 的 t 分布. 求 Z 的分布. 由 t 分布的定义 Y i / 2～N(0 , 1), * 题 设随机变量 X 与Y 相互独立，X ~ N(0,16), Y ~ N(0,9) , X1, X2 ,…, X9 与Y1, Y2 ,…, Y16 分别是取自 X 与 Y 的简单随机样本, 求 统计量 所服从的分布. 解 * 从而 * t分布用于在小样本场合下的正态分布(大样本场合下可以用正态分布来近似),有时候在信息不足的情况下,只能用t分布,比如在整体方差不知的情况下,对总体均值的估计和检验通常要用t统计量 * 记作 F ~ F(m, n) . 由F 分布的定义可见，若 F ~ F(m, n)， 定义:设随机变量 X 与Y 独立， 所服从的分布为第一自由度为 m , 第二自由度为 n 的 F 分布， 4、F 分布 则 F 的概率密度为 则称统计量 其图形 参见172 F分布多用于比例的估计和检验 * o x f(x) F分布的上?分位点: 设F~F(m,n),其密度函数为f(x),对于给定的正数? (0?1), 称满足条件 的点F?(m,n)为F分布的上?分位点 F?(m,n) ? * F分布的性质: (1) 若F~F(m,n),则 (2) ∵1?? =P{F≥F1??(m,n)} （3） 若 X ~ t (n), 则 X 2 ~ F(1, n); * 例5 设 F ~ F(24, 15) , 求 F1, F2, F3, 使其分别满足 解 (1) 由 m =24, n =15, ? = 0. 025 , 查 P342 附表7 知 (2) 无法直接查表获得, 但 由 F 分布性质知 (3) ∵ F3 = F0. 95(24,15), 查表可知 F 1 = F0.025 (24 , 15)= 2.70 ; ∴ F2 = 1 / 2. 44 = 0.41 ; 由(*)式知 P(F F1 )= 0. 025 , P(F