北大光华统计学考研辅导班讲义-统计量及其分布.pptVIP

新祥旭北京大学光华管理学院考研辅导课件 统计学 二、单个次序统计量的分布 定理5.3.5 设总体X的密度函数为p(x)，分布 函数为F(x)， x1, x2,…, xn为样本，则第k个 次序统计量x(k)的密度函数为 例5.3.7 设总体密度函数为 p(x)=3x2, 0?x?1. 从该总体抽得一个容量为5的样本， 试计算 P(x(2)?1/2)。 解：有两种求法：从古典概型出发；从次序统 计量密度函数出发。 例5.3.8 设总体分布为U(0,1)， x1, x2,…, xn为样 本，试求第 k 个次序统计量的分布。 三、多个次序统计量的联合分布 对任意多个次序统计量可给出其联合分布，以两个为例说明： 定理5.3.6 在定理5.3.5的记号下，次序统计 量 (x(i), x(j)), (i ? j) 的联合分布密度函数为 次序统计量的函数在实际中经常用到。 如 样本极差 Rn = x(n) ? x(1)， 样本中程 [x(n) ? x(1)]/2。 样本极差是一个很常用的统计量，其分布只在很少几种场合可用初等函数表示。 令 R = x(n) ? x(1) ，由 R ? 0, 可以推出 0 ? x(1) = x(n)?R ?1? R ， 则 例5.3.9 设总体分布为U(0,1)， x1, x2,…, xn 为 样本，则(x(n), x(1))的联合密度函数为 p1,n(y,z)=n(n?1)(z?y)n-2, 0 ? y ? z ?1 这正是参数为(n?1, 2)的贝塔分布。 5.3.6 样本分位数与样本中位数 样本中位数也是一个很常见的统计量，它也是次序统计量的函数，通常如下定义： 更一般地，样本p分位数mp可如下定义： 定理5.3.7 设总体密度函数为p(x)，xp为其p分 位数， p(x)在xp处连续且 p(xp) ? 0，则 特别，对样本中位数，当n??时近似地有 当n?? 时样本 p 分位数 mp 的渐近分布为 设总体X具有分布函数F(x), x1, x2, …, xn 为取自该总体的容量为n的样本，则样本联合分布函数为 用简单随机抽样方法得到的样本称为 简单随机样本，也简称样本。 于是，样本 x1, x2, …, xn 可以看成是 独立同分布( iid ) 的随机变量， 其共同分布即为总体分布。 总体分为有限总体与无限总体 实际中总体中的个体数大多是有限的。当个体数充分大时，将有限总体看作无限总体是一种合理的抽象。 对无限总体，随机性与独立性容易实现，困难在于排除有意或无意的人为干扰。 对有限总体，只要总体所含个体数很大，特别是与样本量相比很大，则独立性也可基本得到满足。 例5.1.5 设有一批产品共N个，需要进行抽样检 验以了解其不合格品率p。现从中采取不放回 抽样抽出2个产品，这时，第二次抽到不合格 品的概率依赖于第一次抽到的是否是不合格 品，如果第一次抽到不合格品，则 而若第一次抽到的是合格品，则第二次抽到不合格品的概率为 P(x2 = 1 | x1 = 1) = (Np?1)/(N?1) P(x2 = 1 | x1 = 0) = (Np)?(N?1) 显然，如此得到的样本不是简单随机样本。但是，当N 很大时，我们可以看到上述两种情形的概率都近似等于p 。所以当N 很大，而n不大（一个经验法则是 n ? N ? 0.1）时可以把该样本近似地看成简单随机样本。 思考： 若总体的密度函数为p(x)，则其样本的（联 合）密度函数是什么？ 5.2.1 经验分布函数 §5.2 样本数据的整理与显示 设 x1, x2, …, xn 是取自总体分布函数为F(x)的样本，若将样本观测值由小到大进行排列,为 x(1), x(2), …, x(n)，则称 x(1), x(2), …, x(n) 为有序样本， 用有序样本定义如下函数 则Fn(x)是一非减右连续函数，且满足 Fn(??) = 0 和 Fn(??) = 1 由此可见，Fn(x)是一个分布函数， 并称Fn(x)为经验分布函数。 例5.2.1 某食品厂生产听装饮料，现从生产线上 随机抽取5听饮料，称得其净重（单位：克） 351 347 355 344 351 x(1)= 344, x(2)= 347, x(3)= 351, x(4)= 354, x(5)= 355 这是一个容量为5的样本，经排序可得有序样本： 其经验分布函数为 由伯努里大数定律： 只要 n 相