第四章抽样用.pptVIP

第四章 抽样与抽样分布 本章为推断性统计学的基础章节，将系统介绍统计抽样的基本概念以及整个推断性统计学中所涉及的几种与正态分布有关的概率分布。 1 抽样与 抽样分布 什么是抽样推断 概率抽样方法 抽样分布 ? 关于抽样的基本概念 为什么要抽样 ? 为了收集必要的资料，对所研究的对象（总体）的全部元素逐一进行观测，往往不很现实。一种情形是研究的总体元素非常多，搜集数据费时，费用大，不及时而使所得的数据无意义（如在质量检验中，全部检查使废品数量又增加了许多）。另一种情形是检查具有破坏性，如炮弹、灯管、砖等 。 因此必须进行抽样。 统计推断的过程 抽样方法 抽样分布 总体中各元素的观察值所形成的分布 分布通常是未知的 可以假定它服从某种分布 总体分布(population distribution) 一个样本中各观察值的分布 也称经验分布 当样本容量n逐渐增大时，样本分布逐渐接近总体的分布 样本分布(sample distribution) 样本统计量的概率分布 是一种理论概率分布 随机变量是 样本统计量 样本均值, 样本比例，样本方差等 结果来自容量相同的所有可能样本 提供了样本统计量稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据 抽样分布 (sampling distribution) 抽样分布 (sampling distribution) 样本均值的抽样分布 容量相同的所有可能样本的样本均值的概率分布 一种理论概率分布 进行推断总体总体均值?的理论基础 样本均值的抽样分布 样本均值的抽样分布(例题分析) 【例】设一个总体，含有4个元素(个体) ，即总体单位数N=4。4 个个体分别为x1=1、x2=2、x3=3 、x4=4 。总体的均值、方差及分布如下 均值和方差 样本均值的抽样分布 (例题分析) ? 现从总体中抽取n＝2的简单随机样本，在重复抽样条件下，共有42=16个样本。所有样本的结果为 样本均值的抽样分布 (例题分析) ? 计算出各样本的均值，如下表。并给出样本均值的抽样分布 样本均值的分布与总体分布的比较 (例题分析) ? = 2.5 σ2 =1.25 总体分布 样本均值的抽样分布与中心极限定理 当总体服从正态分布N~(μ,σ2)时，来自该总体的所有容量为n的样本的均值?X也服从正态分布，?X 的数学期望为μ，方差为σ2/n。即?X～N(μ,σ2/n) 中心极限定理(central limit theorem) 中心极限定理：设从均值为?，方差为? 2的一个任意总体中抽取容量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为σ2/n的正态分布 中心极限定理 (central limit theorem) 的分布趋于正态分布的过程 抽样分布与总体分布的关系 样本均值的数学期望 样本均值的方差 重复抽样 不重复抽样 样本均值的抽样分布(数学期望与方差) 样本均值的抽样分布(数学期望与方差) 比较及结论：1. 样本均值的均值(数学期望) 等于总体均值 2. 样本均值的方差等于总体方差的1/n 样本比例的抽样分布 总体(或样本)中具有某种属性的单位与全部单位总数之比 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 比例(proportion) 容量相同的所有可能样本的样本比例的概率分布 当样本容量很大时，样本比例的抽样分布可用正态分布近似 推断总体总体比例?的理论基础 样本比例的抽样分布 样本比例的数学期望 样本比例的方差 重复抽样 不重复抽样 样本比例的抽样分布(数学期望与方差) 两个总体都为正态分布，即 ， 两个样本均值之差 的抽样分布服从正态分布，其分布的数学期望为两个总体均值之差 方差为各自的方差之和 两个样本均值之差的抽样分布 2 由正态分布导出的几个重要分布 一、 ?2分布 二、 t 分布 三、 F 分布 ?2 分布 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 ，则 令 ，则 Y 服从自由度为1的?2分布，即 当总体 ，从中抽取容量为n的样本，则 ?2分布(?2 distribution) 分布的变量值始终