数理统计的基础知识.ppt

　　　分布的概率密度为 其中伽玛函数 是通过积分 来定义的。 若 且 独立， 则有 　　证明 因为 所以 （可加性） 证明略 　　　分布的性质 　　性质1 　　性质2 所以 证毕. 　　对于给定的正数 称满足条件 的点　　　为　　分布的上　分位点。 　　当　充分大时， 其中　是正态分布的上　分位点。 　　　分布的分位点 　　设 独立， 则称随 机变量 记作 服从自由度是　的　分布。 　　　分布又称为学生氏(Student)分布。 概率密度 －分布 数学期望和方差为 　　具有自由度为　的　分布的随机变量　的 且 　分布的概率密度　　关于　　对称， 其图形类似于标准正态分 布概率密度的图形 　　当　充分大时， 　　对于给定的正数 称满足条件 的点　　为　分布的上　分位点。 由　分布上　分位点的定义及图形的对称性知 当　　　时， 　　　分布的　分位点 　　设 且　　独立， 则称 服从自由度是　　　的　分布。 记作 　分布的 概率密度 －分布 随机变量 　　具有自由度为　　　的　分布的随机变量 （不依赖于第一自由度　） 若 则 由定义 　的数学期望 　　结论 　　对于给定的正数 称满足条件 的点　　　　为　　　　分布的上　分位点。 例 　　　分布的　分位点 　　性质 的　分位点 　　证明 如图 所以 的　分位点 又因为 即 证毕. 是来自正态总 体　　　　的样本， 是样本均值， 则有 是总体 的样本， 是样本均值和方差， 则有 与　独立 (4) 正态总体的样本均值与样本方差的分布 　　定理【2.1】设 　　定理【2.2】设 （前面已证） （证略） 　取不同值时样本均值 的分布 　取不同值时 的分布 HaiNan University 第六章 数理统计的基础知识 　　十九世纪末二十世纪初， 和概率论的发展， 门学科。 真正诞生了数理统计学这 随着近代数学 　　数理统计学是一门应用性很强的学科。 是研究怎样以有效的方式收集、 整理和分析 带有随机性的数据， 推断和预测， 供依据和建议。 以便对所考察的问题作出 直至为采取一定的决策和行动提 　　数理统计不同于一般的资料统计， 侧重于应用随机现象本身的规律性进行资料 的收集、整理和分析。 　　由于大量随机现象必然呈现出它的规律 足够多次观察， 一定能清楚地呈现出来。 　　但事实上， 次数不多的观察试验， 的只是局部观察资料。 它更 因而从理论上讲， 性， 被研究的随机现象的规律性 也就是说, 我们获得 只要对随机现象进行 只允许我们对随机现象进行 　　数理统计的任务就是研究怎样有效地收 集、整理、分析所获得的有限的资料， 对所 研究的问题， 论。 尽可能地作出精确而可靠的结 　　§1　随机样本 总体 个体 研究对象的某项数量指标的可能观察值 总体中的每个元素。 某工厂生产的所有灯泡的寿命是一 个总体， 　　某学校男生的身高的全体是一个总体， 每个男生的身高是一个个体。 　　例如 的全体。 每一个灯泡的寿命是一个个体； 　　总体中的每一个个体是随机变量的一个 数和数字特征。 观察值， 因此，它是某个随机变量　的值。 即，一个总体对应于一个随机变量　。 　　对总体的研究就是对随机变量　的研究。 　的分布函数和数字特征也称为总体的分布函 　　以后不区分总体与相应的随机变量， 为总体　。 统称 　　例如　检验自生产线出来的零件是次品 以0表示产品为正品，以1表示产品 则总体是由一些“0”和一些“1”组成的， 这一 为次品。 还是正品。 总体对应一个具有参数为　的　　分布： 的随机变量。 设出现次品的概率为　（常数）， 将其称为是　　分布的总体。 变量的值。 意思为：总体中的观察值是　　分布的随机 机变量， 若 是具有同一分布函数 则称 本，简称为样本。 　　其观察值 　　称为样本值。 　　定义【1.1】设　是具有分布函数　的随 　的相互独立的随机变量， 为从总体 中得到的容量为　的简单随机样 　　样本满足下面两个条件 　　1.代表性 的总体有相同的分布。 中每一个与所考察 是相互独立的随机 　　2. 独立性 变量。 总体（理论分布） ？ 样本 样本值 总体、样本和样 本值之间的关系 　　由定义知 本， 若 　　为　的一个样 则 　　　　的联合分布函数为 则 的概率密度为 　　若　的概率密度为　， 　　数理统计研究的问题（统计推断） 花，收获了大量的花籽， 成一小包出售。 并向顾客保证： 粒将能发芽， 否则的话可免费调换另一包。 某种子公司　栽种了几种类别的鲜 　　例 并把每25粒花籽扎 一个零售商批发了若干包， 在每包25粒花籽中至少有22 每