2.数理统计的基本答题.ppt

第2章 数理统计的基本概念 总体、样本与统计模型 统计量与抽样分布 次序统计量 描述性统计分布——总体特征的识别 作业： 第2章 数理统计的基本概念 五、描述性统计分析——总体特征的识别 四分位间距 首先，定义样本的分位点： 对于介于(0,1) 的p ，样本的上1-p分位点定义为x([np+0.5]) 那么，样本的四分位间距为： 它表示去掉两端各四分之一的数据后，样本中部一半的数据的极差，其大小反映了总体的四分位间距即总体的上0.25分位点与上0.75分位点之间的距离，从而反映了样本取值的分散情况。 第2章 数理统计的基本概念 五、描述性统计分析——总体特征的识别 注：作为总体变异性的度量，四分位点间距和样本方差的角度是不同的。 前者是从样本比例（概率）的角度，而后者是从变量数值大小的角度来看变异性的； 前者不易受离群值的影响，但由于两端各去掉了四分之一的数据，有时低估总体的变异性。而样本方差和标准差容易受到离群值的影响。正态总体N(μ, σ2)的四分位间距为1.35 σ. 一个分布的偏度系数定义为： 第2章 数理统计的基本概念 五、描述性统计分析——总体特征的识别 (3) 样本偏度系数和峰度系数 峰度系数定义为： 偏度系数主要用来反映分布的偏倚性。 偏度系数和峰度系数常用来衡量分布和正态分布的差异。 正态分布的偏度系数和峰度系数都是0. 对于所有3阶矩存在的对称分布，偏度系数为0。 显然，对于随机变量做线性变换后不改变偏度和峰度系数。 第2章 数理统计的基本概念 五、描述性统计分析——总体特征的识别 2. 总体特征的样本表现 （1）总体分布的常见分布 （2）直方图 （3）茎叶图 （4）箱线图 第2章 数理统计的基本概念 五、描述性统计分析——总体特征的识别 2. 总体特征的样本表现 （1）总体分布的常见分布 总体的基本特征之一是其形态。 一个连续型分布称为对称的，如果存在一个常数μ，使得该分布的概率密度f(x)满足f(x-μ)=f(x+μ)对于所有x成立. 此时μ为该分布的中位数；进一步地，若数学期望存在，则μ也是其数学期望。 第2章 数理统计的基本概念 五、描述性统计分析——总体特征的识别 一个分布称为左偏的，如果其偏度系数小于0； 否则，如果其偏度系数大于0，就称该分布为右偏的。 如果分布的概率密度函数（或概率密度）只有一个极大值点，称其为单峰的；如果有多个极大值点，就称为多峰的。 许多多峰分布都是由多个分布混合而成的。 当分布左偏并且单峰时，数学期望一般会小于中位数； 当分布右偏并且单峰时，数学期望一般会大于中位数。 作为总体数学期望和总体中位数的估计，样本均值和样本中位数也有同样的性质。因此，可用其探索总体的有关形态。 第2章 数理统计的基本概念 五、描述性统计分析——总体特征的识别 第2章 数理统计的基本概念 五、描述性统计分析——总体特征的识别 （2）直方图 直方图是利用观测样本对一元总体（即单个变量）的常用方法。 当样本量较大时，我们可以 把变量的取值范围划分为若干区间； 计算观测值落入每个区间的概率； 列成表格并画出直方图； 用来推测总体分布的形状。 第2章 数理统计的基本概念 五、描述性统计分析——总体特征的识别 例. 对于前例中婴儿体重样本，画出直方图。 解：直方图的画法如下： 步骤1：首先把变量的取值范围分为若干区间。 取值范围可以取为[a,b]，其中a比样本最小值稍小，b比样本的最大值稍大。 记观测值为x1,x2,…,xn，最大值和最小值分别记 为x(n)和x(1)。 本例中，最小值为0.91，最大值为4.56 因此，可以把范围取定为[a,b]=[0.50,5.00] 第2章 数理统计的基本概念 五、描述性统计分析——总体特征的识别 注：区间的个数m一般可取为5至20，视样本量n的大小决定： 当n50时可取m为5或6；当50≤n≤100时可取m为6至10； 当100≤n≤250时可取m为7到12；当n250时可取m为10到20. 一般地，各个区间取为等长的；并使得数据的最小值与最大值分别落入第一个区间和最后一个区间。 本例中，划分m=9个区间，区间长度为0.50，区间的分点为：0.50, 1.00, 1.50, 2.00, 2.50, 3.00, 3.50, 4.00, 4.50, 5.00 第2章 数理统计的基本概念 五、描述性统计分析——总体特征的识别 步骤2：其次，计数观测值x1,x2,…,xn中落入每个区间(ai , ai+1] 中的频数 计算相应的频率fi/n，i=0,1,…,m-1 步骤3：以变量为横轴，在横轴上标出各个区