管理统计学4统计抽样与抽样分布分解.pptVIP

相互独立且均为服从N（0，1）分布的随机 变量，则称随机变量 所服从的分布是自由 度为n的 分布，且记 。 定义 (2) 分布 一般 其中， 在x 0时收敛，称为?函数，具有性质 的密度函数为 自由度为 n 的 图4-3 χ2分布图 (2) 分布 相互独立, 则 设 分布的分位点 由于 性质： 如果 ，则 ； 设 ，且相互独立，则 若 ，已知 相互独 立， ，则 (2) 分布 总体 ， 是X的一个样本， 为样本的平均数， 为样本的方差。 则: a. 相互独立 b. (2) 分布 由于 设相互独立的随机变量V和W分别服从自由度为n1,n2的 分布，即 ， 则随机变量 服从F分布。n1，n2分别是 它的第一自由度和第二自由度，且通常记为 定义 (3) F分布 F分布图 (3) F分布 设随机变量U服从标准正态分布，随机变量W服从自由度为n的 分布，且U与W相互独立， 则称随机变量 服从自由度为n的t分布，记为T～t（n）。 定义 (4) t分布（Students 分布） F分布图 (4) t分布 图4-5 n=∞正态分布 n=10 n=1 t分布图 (4) t分布（Students 分布） 查表 或 性质: 当n很大时， 此时，tα/2≈uα/2，t分布近似标准正态分布。 (4) t分布（Students 分布） 无限总体: 设总体X～N（μ，σ2），X1，X2，… ，Xn是总体 X的随机样本，样本平均数 ,则 4.3 样本平均数的抽样分布 有限总体 有限总体若采取有放回抽样，则与无限总体等价。有限总体容量为N而采取无放回抽样，且n/N≤0.1，仍可视为无限总体，而当n/N0.1时则 称式 为有限总体的修正系数 。 4.3 样本平均数的抽样分布 从总体中抽取样本容量为n的简单随机样本，当样 本容量 n ≥ 30时，样本均值 的抽样分布可用正态 概率分布近似。 4.4 中心极限定理 图4-8 4.4 中心极限定理 3个西格玛 实际就是就是以中心轴对称 左右各3个标准差的概率 关于六西格玛有一个让人疑惑不解的地方，那就是它声称六西格玛质量水平的运作过程产生100万分之3-4的不合格率，记为3.4ppm。可是，如果查阅正态分布表就会发现，所期望的不合格率应为0.002ppm(即10亿分之2)。这两者间的差距是因为假定过程均值可以有正负1.5西格玛的偏移。正态分布落在离均值4.5西格玛外的概率正好是3.4ppm。由控制图可以很容易从单个样本中检测到这个幅度的过程偏移，所以3.4ppm代表了不合格率保守估计的上限。与六西格玛质量相比，传统三西格玛质量标准的99.73%，即使在没有任何偏移的情况下，也意味着2700ppm的不合格率。如果生产过程由一系列步骤组成，那么这个过程的总合格率是每一步骤的合格率的乘积。例如，一个简单的由2个步骤组成的过程，步骤一的合格率为80%，步骤二的合格率为90%，那么总的合格率就是0.8x0.9=0.72=72%。天行健企业管理公司提出注意的是，由一系列步骤组成的过程的总合格率会小于步骤合格率中的最小值。在一个由10个步骤组成的过程中，如果每个步骤都达到了三西格玛质量水平，即99.73%的合格率，过程结束的质量水平却是惊人的：100万个产品中将有26674个不合格品!现代生产过程的复杂性决定了生产过程远远不止10个步骤，因此采用六西格玛已经是刻不容缓的，组织要生存，就需要六西格玛。并不只是多步骤的制造过程才需要这种极高的质量要求。现代社会迫切地需要极高质量水平、极少错误的产品和服务，六西格玛就是这样应运而生。 * * * 第四章　统计抽样与抽样分布 第四章 统计抽样 与抽样分布 为什么要进行抽样？ 如何进行简单随机抽样？ 正态分布、 分布、F分布、t分布的定义、图形分布形态如何？ 中心极限定理的含义如何？ 4.1 关于抽样的基本概念 为什么要抽样? 为了收集必要的资料，对所研究对象（总体）的全部元素逐一进行观测，往往不很现实。 抽 样 原因 元素多，搜集数