概率论与数理统计基础资料.ppt

* * 每只灯泡的寿命是随机的，因此可以将其看作一个随机变量X ，而X的取值存在一定的分布。这样，总体就可以用一个随机变量及其分布来描述。我们对总体的研究就可以转化为对该随机变量及其性质的研究。 1）总体 总体就是一个随机变量 * * 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 2） 样本 总体分布一般是未知，或只知道是包含未知参数的分布，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 。 * * 一旦取定一组样本X1，… ,Xn ，就可以通过观察得到n个具体的数 (x1,x2,…,xn)。称(x1,x2,…,xn)为样本的一次观察值，简称样本值 . 最常用的一种抽样叫作“简单随机抽样”，其特点： 1. 代表性： X1,X2,…,Xn中每一个与所考察的总体有 相同的分布. 2. 独立性： X1,X2,…,Xn是相互独立的随机变量. 2） 样本 * * 由样本观察值去推断总体情况，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. 1）统计量 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. 二、统计量与抽样分布函数 * * 几个常见统计量 样本平均值 它反映了 总体均值 的信息 样本方差 它反映了总体 方差的信息 样本标准差 * * 统计量值 * * 几个概念之间的关系 总体：X 样本：X1， X2，… ，Xn 抽样 实验 样本观察值：x1， x2，…， xn 统计量：f(X1, X2,…,Xn) 代入 统计量值：f(x1, x2,…,xn) * * 2）统计三大抽样分布 记为 定义: 设 相互独立, 都服从标准正态分布N(0,1), 则称随机变量： 所服从的分布为自由度为 n 的　　分布. Ⅰ、　分布 自由度（degree of freedom, df）：是指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的数据的个数称为该统计量的自由度 例如，在估计总体的平均值时，样本中的n个数全部加起来，其中任何一个数都和其他数据相独立，从其中抽出任何一个数都不影响其他数据（这也是随机抽样所要求的）。因此一组数据中每一个数据都是独立的，所以自由度就是估计总体参数时独立数据的数目，而平均值是根据n个独立数据来估计的，因此自由度为n 。 * * 如图所示： 例如： 的点　　　为 　分布的上α分位点 对于给定的正数　　　　，称满足条件： 　分布的上α分位数 * * 定义: 设X～N(0,1) , Y～ , 且X与Y相互独立，则称变量: 服从自由度为 n的 t 分布. Ⅱ、t 分布 记为：t~t(n) t 分布又称为学生氏(Student)分布 t分布的密度函数关于t=0对称；当n充分大时， t分布近似于标准正态分布N(0,1) * * t分布的上α分位点： 对于给定的正数α∈(0,1)，称满足条件： 的点　　　为t(n)分布的上α分位点 如图所示： * * * * Ⅲ、F分布 服从自由度为n1及 n2 的F分布，n1称为第一自由度，n2称为第二自由度。 F~F(n1,n2) . 记作： 定义: 设　　　 　 , 　　　　　且U与V相互 　　　　 　　　独立，则称随机变量: ~F(n2,n1) 若F~F(n1,n2) ，则1/F~F(n2,n1) * * F分布的上α分位点 的点Fα(n1,n2)为 F(n1,n2) 分布的上α分位点 如图所示： * * * * 3、几个重要的抽样分布定理 特别地，当总体为正态分布时，以下将给出几个重要的抽样分布定理. * * 定理 1 (样本均值的分布) 设 X1, X2, …, Xn 是来自正态总体 的样本， 是样本均值，则有 * * 定理 2 (样本方差的分布) 设X1,X2,…,Xn是来自正态总体 的样本, 分别为样本均值和样本方差, 则有 * * 正定矩阵和非负定矩阵的基本性质 (1)设A是对称矩阵，则A是正定(或非负定)矩阵，当且仅当A的所有特征值均为正(或非负)。 (2)设A≥0，则A的秩等于A的正特征值个数。 (3)若A0，则A?10。 (4)设A≥0，则A0，当且仅当|A|≠0。 (5)若A0(或≥0)，则|A|0(或≥0)。 (6)BB′≥0，对一切矩阵B成立。 (7)若A0