概率第七章_样本分布090519.pptVIP

累 积 频 率 直 方 图 2 5 8 3 2 组频数 3750 3450 3150 2850 2550 组中值 3600-3900 3300-3600 3000-3300 2700-3000 2400-2700 组限 5 4 3 2 1 分组编号 100 90 65 25 10 累积频率 10 25 40 15 10 组频率 其上某区间上的长方形面积约等于同底的曲顶梯形面积. (只适用于连续型随机变量) 故各长方形的顶点连成的曲线可近似模拟概率密度. 经验分布函数 根据观察结果来确定总体分布函数是数理统计的重要 问题之一,为此我们引进经验分布函数的概念. 设 来自于总体X的样本 的一 组观察值, 即对X进行n次独立重复观察,测得一组观察值. 对任一实数x,用vn(x)表示事件{X ≤ x}出现的频数, 即小于等于x的观测值xi 的个数. 设函数 (i=1,2,….,n) 显然是随机变量 将对总体X的一次观察作为一次试验,记A={X ≤ x},则: X的分布函数F(x)=P(X ≤ x ) =P(A)=p. 将对总体X的一次观察作为一次试验,记A={X ≤ x},则: 于是,对总体X的n次观察相当于n重贝努里试验, vn(x)表示事件{X≤x}出现的频数,即n重贝努里试验中事件 {X ≤ x}发生的次数, 故有vn(x)~B(n,F(x)) 根据贝努里大数定律 (定理5.2 在n重贝努里试验中，事件A的频率是,是n次 试验中A发生的次数），依概率收敛于事件A发生的概率p ， 即对 p=P(A)=F(x) vn(x)表示事件{X ≤ x}出现的频数 X的分布函数F(x)=P(X ≤ x ) =P(A)=p. 这表明,当样本容量n充分大时,可用总体X的函数 来近似表示X的分布函数, 所以称为X的经验分布函数. 设 是总体 的一个样本观察值，按大小 则 的图形就是累积频率的曲线，它是跳跃式上升 顺序排列： 的一条阶梯曲线。 … … … … 对任一实数x, vn(x)表示事 件{X ≤ x}出现的频数, 则： 若观察值不重复，则每一跃度为 若有重复，则按 的倍数跳跃上升。 例 .随机地观察总体 ,得到10个数据如下： 3.2，2.5，-4，2.5，0，3，2，2.5，4，2 将它们从小到大排列为： -402=22.5=2.5=2.533.24 其样本分 布函数为： 1 2 3 4 567 8 9 10 * * * * 第七章 样本分布 本章转入课程的第二部分 数理统计从历史的典籍中，人们不难发现许多关于钱粮、户口、地震、水灾等等的记载，说明人们很早就开始了统计的工作 . 但是当时的统计，只是对有关事实的简单记录和整理，而没有在一定理论的指导下，作出超越这些数据范围之外的推断.到了十九世纪末二十世纪初，随着近代数学和概率论的发展，才真正诞生了数理统计学这门学科.学习数理统计无须把过多时间化在计算上，可以更有效地把时间用在基本概念、方法原理的正确理解上.国内外著名的统计软件包： SAS，SPSS，STAT等，都可以让你快速、简便地进行数据处理和分析,常用的表格处理文件excel文件也有很多数据处理的功能.计算机的诞生与发展，为数据处理提供了强有力的技术支持，数理统计与计算机的结合是必然的发展趋势.数理统计学是一门应用性很强的学科. 它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，以便对所考察的问题作出推断和预测，直至为采取一定的决策和行动提供依据和建议.数理统计不同于一般的资料统计，它更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性，因而从理论上讲，只要对随机现象进行足够多次观察，被研究的随机现象的规律性一定能清楚地呈现出来. 只允许我们对随机现象进行次数不多的观察试验，也就是说, 我们获得的只是局部观察资料. 但客观上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, 尽可能地作出精确而可靠的结论.由于推断是基于抽样数据，抽样数据又不能包括研究对象的全部信息. 因而由此获得的结论必然包含不肯定性.在数理统计中，不是对所研究的对象全体(称为总体)进行观察，而是抽取其中的部分(称为样本)进行观察获得数据（抽样），并通过这些数据对总体进行推断. (1)怎样设计试验，决定观察的数目； (2)怎样利用试验观察的结果作出推断等. 数理统计所要研究的问题：第一个问题是怎样进行抽样，使抽得的样本更合理,并有更好的代表性？这是抽样方法和试验设计问题：最简单易行的是进行随机抽样.第二个问题是怎样从取得的样本去推断总体？这种推断具有多大的可靠性？ 统计推断(核心)问题. 统计推断 统计估