统计学第5-6章正态分布、统计量及其抽样分布汇编.docVIP

第5-6章 统计量及其抽样分布 5.1正态分布 5.1.1定义:当一个变量受到大量微小的、独立的随机因素影响时，这个变量一般服从正态分布或近似服从正态分布。 概率密度曲线图 例如：某个地区同年龄组儿童的发育特征：身高、体重、肺活量等 某一条件下产品的质量 如果随机变量X的概率密度为 则称X服从正态分布。 记做，读作：随机变量X服从均值为，方差为的正态分布 其中，，是随机变量X的均值，是是随机变量X的标准差 5.1.2正态密度函数f(x)的一些特点： ,即整个概率密度曲线都在x轴的上方。 曲线相对于对称，并在处达到最大值，。 ＜＜决定：越大，曲线越平缓；越小，曲线越陡峭 当趋于无穷时，曲线以轴为其渐近线。 标准正态分布 当时， ， 称为标准正态分布。 标准正态分布的概率密度函数： 标准正态分布的分布函数： 任何一个正态分布都可以通过线性变换转化为标准正态分布 设,则 变量与变量相互独立,则有 5.1.3 正态分布表：可以查的正态分布的概率值 例：设，求以下概率 （1） (2) (3) (4) 解： （1） (2) (3) (4) 一般，若，则有 例 设，求以下概率 （1） (2) （3） （4） （5） 解：由， （1） (2) （3） （4） （5） 一般，若，则有 5.1.4 3准则 若，则有 即，X的取值几乎全部集中在区间内，超出这个范围的可能不到0.3% 至一般正态总体，即，有 显然的概率很小，因此可以认为X的值几乎一定落在区间内——统计学的“3准则” 5.1.5 正态分布函数的一个重要性质 设变量，,X与Y相互独立,则有 5.1.6 求分位数 设 常用的几个Z分位数: 5.2 由正态分布导出的几个重要分布 三大分布：分布 5.2.1分布 1 定义：设随机变量相互独立，且，则它们的平方和服从自由度为n的分布。 记做， 2 分布的密度函数图形 图形特点： （1）分布的变量值始终为正。 （2）分布的形状取决于其自由度n的大小，通常为不对称的右偏分布，随着自由度的增大逐渐趋于对称。 （3）分布的期望为，方差为（n为自由度）。 （4）分布具有可加性。 若是相互独立的随机变量， ，则它们的和服从于自由度为的分布，即。 3 分布临界值表的使用，求得分布的分位数 分布临界值表中给出的是概率为时，的取值，k是自由度。 例如，若随机变量， 则查表可得，， 5.2.2 t分布（student分布） 设随机变量互相独立， ，则随机变量 ——自由度为n的t分布 t分布概率密度函数图 特点： 关于y轴对称，与标准正态分布的密度函数的图像非常相似。 厚尾：当时，t分布的密度函数趋于0的速度要比标准正态分布密度函数慢，所以t分布的密度函数的尾部要比密度的尾部厚些。 当自由度n无限增大时，t分布将趋近于标准正态分布。 所以，当n很大时，t分布可以用标准正态分布近似。记为分布的分位数。 在实际使用中，当,就近似有 由于t分布密度曲线的对称性，可得 例如，若随机变量，查表可得， 而 , 可见随着自由度的增大，t分位数与z分位数越来越接近。 5.2.3 F分布 设随机变量与相互独立且分别服从自由度为和的分布。则随机变量服从第一自由度为第二自由度为的F分布。记为 F分布的概率密度函数的图 设随机变量， 表示分布的分位数， 可以证明 例如查表得 ， 则 5.6 小概率原理 指发生概率很小的随机事件在一次实验中几乎不可能出现。 6.1 统计量 定义：设是从总体中抽取的容量为的一个样本，如果由此样本构造一个不依赖于任何未知参数的函数，则称函数是一个统计量。 特点： 由样本构造而得，是样本的函数 不含任何未知的参数 当获得样本的一组具体观测值，带入,计算出的数值，称为统计量的值 常用的统计量 6.2 抽样分布 抽样分布：统计量的分布 随机变量 精确分布：可以得到分布的数学表达式 渐近分布：难以得到精确分布时，借助于极限工具，求得抽样分布的近似分布，称为渐近分布。 定理1： 设是取自总体的一个样本，记，，那么 ①， ②， ③ 当时， 当时，， 定理2： 设是取自正态总体的一个样本 ①，或等价地 ② ③ 与相互独立 推论1： 设是取自正态总体的一个样本，那么 简要证明： 独立（分布的定义） 即 推论2 设是取自正态总体的一个样本， 是取自正态总体的一个样本， 与相互独立，那么 简要证明： 独立， 推论3： 设是取自正态总体的一个样本， 是取自正态总体的一