北京理工大学统计学6课件大全.pptVIP

设X1 ，X2,…，Xn为来自总体X?F(x;?)的一个样本，? ? ?是未知参数. 若对于给定的 ?（0 ? 1），存在两个统计量 使得对任意的? ? ? 满足 区间估计 则称随机区间 为参数? 的置信水平(confidence level)为1-? 的置信区间(confidence interval). 置信水平又称为置信度，置信区间的左端点 又称为置信下界，置信区间的右端点 又称为置信上界. 正态总体参数的置信区间 总体个数 待估参数 条件 枢轴 量 置 信 区 间 一 个 正态总体参数的置信区间 总体个数 待估参数 条件 枢轴 量 置 信 区 间 一 个 第八章 假设检验 统计学专题：/tongjixue/ ? ? ?0 ? ??0 ? ? ?0 ? ? ?0 ? ?0 ? ?0 均值的正态 检验法 (?2 已知) 原假设 H0 备择假设 H1 检验统计量及其 H0为真时的分布 拒绝域 ? ? ?0 ? ??0 ? ? ?0 ? ? ?0 ? ?0 ? ?0 均值的T 检验法 (? 2 未知) 原假设 H0 备择假设 H1 检验统计量及其 H0为真时的分布 拒绝域 ? 2?? 02 ? 2? 02 ? 2? 02 ? 2?? 02 ? 2=? 02 ? 2?? 02 原假设 H0 备择假设 H1 检验统计量及其在 H0为真时的分布 拒绝域 ( ? 未知) 关于 ? 2 的卡方检验法 5. 随机向量的函数的分布 设(X, Y)是二维随机变量,z =? (x, y)是一个已知的二元函数,如果当(X, Y)取值为(x, y)时, 随机变量Z取值为z =? (x, y),则称Z是二维随机变量的函数,记作Z =? (X, Y) 问题: 已知(X, Y)的分布, 求Z =? (X, Y)的分布. 一、离散型随机向量函数的分布 二、连续型随机变量函数的概率分布 1. 已知(X,Y)~ f(x,y)，求Z = ? (X,Y)的概率分布. 2. 若Z为连续型随机变量, 则在 f(z) 的连续点处 推论 设(X,Y)关于X,Y的边缘密度分别为fX(x) , fY(y). 若X和Y独立, 则 Z=X+Y的概率密度的一般公式 　极大极小值的分布 设X，Y是两个相互独立的随机变量， 它们的分布函数分别为FX(x)和FY(y), 求 M=max(X,Y) 及 N=min(X,Y)的分布函数. M=max(X,Y) FM(z) = P{M≤z} = P{max(X,Y)≤z} = P{X≤z,Y≤z} = P{X≤z} P{Y≤z} = FX(z) FY(z) 类似地，可得N=min(X,Y)的分布函数是 =1-P{Xz,Yz} FN(z) =P{N≤z} =P{min(X,Y) ≤z} =1 – P{min(X,Y) z} =1- P{Xz}P{Yz} = 1-[1-FX(z)][1-FY(z)] 第四章 数学期望和方差 随机变量的平均取值 —— 数学 期望 随机变量取值平均偏离平均值的 情况 —— 方差 描述两个随机变量之间的某种关 系的数 —— 协方差与相关系数 本 章 内 容 定义1.1：设离散型随机变量X 的概率分布为 若无穷级数 绝对收敛，则称其和为随机变量 X 的数学期望或均值，记作 E( X )。 数学期望的定义 定义1. 2 ：设 X 为连续型随机变量, 其密度函数为　　，若积分 绝对收敛，则称此积分为随机变量 X 的数学期望或均值，记作 E( X )。 离散型随机向量函数的数学期望 设X=(X1 ,…, Xn)为离散型随机向量，概率 分布为 Z = g(X1 ,…, Xn), 若级数 绝对收敛，则 连续型随机向量函数的数学期望 设X=(X1 ,…, Xn)为连续型随机向量，联合 密度函数为 Z = g(X1 ,…, Xn), 若积分 绝对收敛，则 A. 方差的概念和计算公式 Var (X)=E(X-E(X))2 性质2: Var(b+X)=Var(X) . 特别地，若X=C，C为常数，则 Var(C)=0 B. 方差的性质 Var (aX + b ) = a2 Var(X) 性质3: 若a,b为常数, , 则 性质1: 若b为常数,随机变量X的方差存在， 则bX的方差存在，且 Var(bX) = b2Var(X) 若随机变量X,Y 的方差都存在， 则X+Y的方差存在，且 性质5: 性质4: Var(X?Y)= Var(X)