第五章抽样分布讲解.ppt

例4: 保险业是最早使用概率论的部门之一，保险公司为了估计企业的利润，需要计算各种概率。假设现要设置一项保险：一辆自行车年交保费2元，若自行车丢失，保险公司赔偿200元，设在一年内自行车丢失的概率为0.001,问至少要有多少辆自行车投保才能以不小于0.9的概率保证这一保险不亏本？ 解: 设有n 辆自行车投保，Yn 表示一年内 n 辆自行车中丢失的数量。则 Yn?B(n, 0.001) 问题归结为n至少为多少时， P{2n-200 Yn ≥ 0}≥0.9 化为 P{Yn≦0.01n}≥0.9 一、总体与样本 如 未知， (X1,X2,…,Xn)为X的一个 样本 均为统计量 不是统计量 若μ已知，σ2未知， (X1,X2,…,X5)为X的一个样本 均为统计量 是 不是 练习 第五章 抽样分布 §5.2 几种常用的分布 §5.2 几种常用的分布（统计三大分布） 一、?2 （卡方）分布 1. 定义 ?2 ~ 称随机变量 ?2 服从自由度为n的?2 分布，记为?2 ~ ?2(n). ?2 分布图 2. 性质 1° 若 ?2 ~ ?2(n) ，则 E?2 =n, D?2 =2n; 且 与 相互独立，则 2° (可加性）：若 ~ ~ ~ 可推广到k个的情形。 3. 分位点 ?2 分布的上 ? 分位点（表三） 例如： ~ 例1 P256 附表三 χ2分布表 例 Fisher曾证明:当 n 45时,有 4. 与正态分布之间的关系 定理5.1（P.123 ）设随机变量 ~ ~ 自由度：构成平方和的独立项数。 例 (X1,X2,X3)为X的一个样本 求 的分布。 解 因为(X1,X2,X3)为X的一个样本 则 i=1,2,3 , i=1,2,3 例 总体X~N(1,4),抽取样本(X1,…Xn) n最大可以取多少? 解: Xi~N(1,4), Y/4 二、t 分布 定义5.6 随机变量t 的概率密度为 称t 服从自由度为n 的t 分布，记为 t ~ t(n). 双侧分位点（表四） 例如： 单侧分位点 也可由表四查得， 英国统计学家兼化学家戈塞特 (Gosset W S 1876-1937 )于1908年用笔名Student 发表了关于 t 分布的论文,这是一篇在统计学发展史上划时代的文章,它创立了小样本代替大样本的方法，开创了现代统计学的新纪元. Gosset, Student 的最后一个字母都是t ,故取名为“t 分布”,又称为“学生氏分布”. n45时,用极限分布(正态)近似计算,即tp(n)≈up 定理5.2 （P.124）设 X ~ N(0,1), Y ~ ?2(n), 且 X与Y 独立，则 ~ # 三、F分布 定义5.7 随机变量 F 的概率密度 称 F服从第一自由度为n1，第二自由度为 n2的F分布， 记为 F ~ F(n1, n2). F 分布的上分位点(由表五给出) 当 较大时, 利用后面的推论查分位点。 费歇耳(R.A.Fisher 1890-1962)而命名 分布是为了纪念著名统计学家 定理5.3 （P.12）设 ~ ~ ， 且X与Y相互独立，则 ~ 推论 若 F ~ F(n1, n2) ，则 ~ 第五章 抽样分布 §5.3 抽样分布定理 * * 第四章 大数定律与中心极限定理 内容回顾 三个大数定律 切比雪夫大数定律 伯努利大数定律 辛钦大数定律 伯努利大数定律以严密的数学形式论证了频率的稳定性. 辛钦大数定律为用样本均值近似代替理论均值提供了理论依据。 中心极限定理 林德伯格－列维定理 棣莫佛－拉普拉斯定理 中心极限定理表明, 在一定的条件下, 当独立随机变量的个数增加时, 其和的分布趋于正态分布. ~ ~ 上式化为 P{Yn≦0.01n}≥0.9 查表 解不等式得n≥21. Yn?B(n, 0.001), 例5 在一家保险公司里有10000个人参加寿命保险，每人每年付12元保险费。在一年内一个人死亡的概率为0.6%，死亡时其家属可向保险公司领得1000元，问：(1)保险公司亏本的概率有多大？ 解 设X表示一年内死亡的人数，则X~B(n,p)，其中 n= 10000，p=0.6%， np=60， npq=59.64 于是由中心极限定理 X~N(np,np