第6章统计量及其抽样分布重点.pptVIP

第 6 章 统计量及其抽样分布 6.1 统计量 6.2 关于分布的几个概念 6.3 由正态分布导出的几个重要分布 6.4 样本均值的分布与中心极限定理 6.5 样本比例的抽样分布 6.6 两个样本平均值之差及比例之差的分布 6.7 样本方差的分布 学习目标 了解统计量及其分布的几个概念 了解由正态分布导出的几个重要分布 理解样本均值的分布与中心极限定理 掌握单样本比例和样本方差的抽样分布 统计量(statistic) 设X1,X2,…,Xn是从总体X中抽取的容量为n的一个样本，如果由此样本构造一个函数T(X1,X2,…,Xn)，不依赖于任何未知参数，则称函数T(X1,X2,…,Xn)是一个统计量 样本均值、样本比例、样本方差等都是统计量 统计量是统计推断的基础 常用统计量 常用统计量：样本均值, 样本比例，样本方差等 离散型随机变量总体的期望和方差:E(X),D(X)都是依赖于总体分布的未知参数，因此都不是统计量 次序统计量 一组样本观测值X1,X2,…,Xn由小到大的排序 X（1）≤X（2）≤…≤ X（i）≤…≤ X（n） 后，称X（1），X（2），…，X（n）为次序统计量 中位数、分位数、四分位数等都是次序统计量 抽样分布 (sampling distribution) 统计量的分布称为抽样分布 提供了样本统计量长远而稳定的信息，是统计推断的理论基础，也是抽样推断科学性的重要依据 精确的抽样分布 在总体X的分布类型已知时，若对任一自然数n，都能导出统计量T=T（X1，X2，……，Xn）的分布的数学表达式，这种分布称为精确的抽样分布。 抽样分布很难求，所以目前为止已求出的精确抽样分布并不多。 精确的抽样分布大多是在正态总体条件下得到的，如： 分布、t分布、F分布 渐近分布 当样本容量n无限增大时，可用统计量T=T（X1，X2，……，Xn）的极限分布作为抽样分布的一种近似，这种极限分布常称为渐近分布。 如：中心极限定理就是样本均值 的渐近分布。 ?2 分布 ?2分布(?2 distribution) 由阿贝(Abbe) 于1863年首先给出，后来由海尔墨特(Hermert)和卡·皮尔逊(K·Pearson) 分别于1875年和1900年推导出来 设随机变量X1，X2，……，Xn相互独立，且Xi（i=1，2，……，n）服从标准正态分布N（0，1），则它们的平方和 自由度：是独立（可以自由取值的）变量的个数。 ?2分布(性质和特点) 分布的变量值始终为正 分布的形状取决于其自由度n的大小，通常为不对称的正偏分布，但随着自由度的增大逐渐趋于对称 期望为：E(?2)=n，方差为：D(?2)=2n(n为自由度) 可加性：若U和V为两个独立的?2分布随机变量，U~?2(n1)，V~?2(n2),则U+V这一随机变量服从自由度为n1+n2的?2分布 c2分布(图示) t 分布 t 分布 (t distribution) t 分布 (性质和特点) t 分布 (图示) F 分布 F分布(F distribution) 由统计学家费希尔(R.A.Fisher) 提出的，以其姓氏的第一个字母来命名 设若U为服从自由度为n1的?2分布，即U~?2(n1)，V为服从自由度为n2的?2分布，即V~?2(n2),且U和V相互独立，则称F为服从自由度n1和n2的F分布，记为 F分布 (性质和特点) 1.当n＞2时， 当n＞4时， 2.F分布的α分位数Fα(v1,v2)可查F分布表获得，且 常用来求F分布表中未列出的上α分位点，例如： F分布 (性质和特点) 2.证： F分布(图示) 样本均值的抽样分布 在重复选取容量为n的样本时，由样本均值的所有可能取值形成的相对频数分布 一种理论概率分布 推断总体均值?的理论基础 样本均值的抽样分布 中心极限定理(central limit theorem) 中心极限定理 (central limit theorem) 中心极限定理 (例题) 中心极限定理 (例题) 中心极限定理 (例题) 中心极限定理 (例题) 中心极限定理 (例题) 比例(proportion) 总体(或样本)中具有某种属性的个体数与全部个体总数之比p^=X/n 不同性别的人与全部人数之比 合格品(或不合格品) 与全部产品总数之比 总体比例可表示为 样本比例可表示为 样本比例的抽样分布（大样本） 在重复选取容量为n的样本时，由样本比例的所有可能取值形成的相对频数分布 一种理论概率分布 当样本容量很大时，样本比例的抽样分