Chap7-2三大分布及单个正态总体的区间估计.pptVIP

第七章第四节 正态总体的区间估计 （一） 前面讨论了参数的点估计。点估计就是利用样本计算出的值 (即实轴上点) 来估计未知参数。 其优点是：可直地告诉人们 “未知参数大致是多少”； 缺点是：并未反映出估计的误差范围 (精度)。故，在使用上还有不尽如人意之处。 而区间估计正好弥补了点估计的这一不足之处 。 也就是说，给出一个区间，使我们能以一定的可靠度相信区间包含参数 μ 。 这里的“可靠度”是用概率来度量的，称为置信系数，常用 表示 一个可以想到的估计办法是：给出一个区间，并告诉人们该区间包含未知参数 μ 的可靠度 (也称置信系数)。 置信系数的大小常根据实际需要来确定，通常取0.95或0.99，即 根据实际样本，由给定的置信系数，可求出一个尽可能短的区间 ，使 7.4.1 置信区间的定义 定义1： 实际应用上，一般取 α = 0.05 或 0.01。 为确定置信区间，我们先回顾前面给出的随机变量的上α 分位点的概念。 现在回到寻找置信区间问题上来。 求参数 的置信系数为 的置信区间. 例1 设X1,…Xn是取自 的样本， 置信区间的求法 明确问题,是求什么参数的置信区间? 置信系数是多少？ 解： 前面我们已经用矩估计和极大似然估计都 得到均值 的点估计为 ，它具有很好 的性质，现在我们一个区间去估计均值 ， 用 更合理些。 寻找未知参数的一个良好估计. ~N(0, 1) 有了分布，就可以求出 U取值于任意区间的概率. 对给定的置信系数 查正态分布表得 使 从中解得 于是所求 的 置信区间为 设X1,X2 ,? ,Xn为来自正态总体N(?,?2)的样本. ?2已知. 均值?的置信系数为1-?的置信区间. 方差?2已知 单个正态总体均值的区间估计 正态总体下的抽样分布 ——统计中的三大分布 记为 分布 一、 定义: 设 相互独立, 都服从正态 分布N(0,1), 则称随机变量： 所服从的分布为自由度为 n 的 分布. 分布是由正态分布派生出来的一种分布. 分布的密度函数为 来定义. 其中伽玛函数 通过积分 分布的密度函数的图形如右图. 由 分布的定义，不难得到： 1.?? 设 相互独立, 都服从正态分布 则 2. 设 且X1,X2相互独立，则 这个性质叫 分布的可加性. 则， E(X)=n, Var(X)=2n 3. 若 3证明: 根据χ2分布的定义,把 表示为 对于??(0,1)给定,称满足 条件: 分布的分位点 的点 (?)为 分布的上?分位点. 分布的上?分位点图形如右图. 分布的上?分位点可以查附表4(P244). 例3 设 求（1）P（X1.923） 解：查自由度为4的 分布表，得 （2） T的密度函数为： 记为T～tn. 定义: 设X～N(0,1) , Y～ , 且X与Y相互独立，则称变量 所服从的分布为自由度为 n的 t 分布. 二、t 分布 （Gosset于1908年以student笔名提出） 当n充分大时，t 分布近似N (0,1)分布. 但对于较小的n，t分布与N (0,1)分布相差很大. t分布的 密度函数 的图形如 右图. T～tn,对于??(0,1)给定,称满足条件: t分布的分位点 的点tn(?)为t分布的上?分位点. t分布的上?分位点图形如右图. t分布的上?分位点可以查附表3(P242). 三、F分布 由定义可见， ~ 定义: 设 X与Y相互独立，则称统计量 服从自由度为