概率论与数统计第17讲 9.11.docVIP

概率论与数理统计第17讲（夜大） 第二节 抽样分布 定义：设是来自总体X的一个样本，是的函数，若中不含有未知参数，则称是一统计量。 因为都是随机变量，而统计量是随机变量的函数，因此统计量是一个随机变量，设是相应于样本的样本值，则称是的观察值。 下面列出几个常用的统计量。设是来自总体X的一个样本，是这一样本的观察值。定义 样本均值 样本方差 样本标准差 样本阶（原点）矩 样本阶中心矩 它们的观察值分别为（大写字母变成小写）…。这些观察值仍然分别称为样本均值、样本方差、样本标准差、样本阶（原点）矩以及样本阶中心矩。 我们指出，若总体X的阶矩存在，则当时，。这是因为独立且与X同分布，所以独立且与同分布。故有 由大数定律（辛钦定理）知道： 进而由依概率收敛的序列的性质，有： 其中为连续函数。这就是矩估计法的理论基础。 统计量的分布称为抽样分布。在使用统计量进行统计推断时常需要知道它的分布。当总体的分布函数已知时，抽样分布是确定的，然而要求出统计量的精确分布，一般来说是困难的。下面介绍几个常用统计量的分布。 一、分布 设是来自正态总体的样本，则称统计量 服从自由度为的分布，记为。此处自由度是指等式右边包含的独立变量的个数。 统计量的性质： （1）可加性。设，，并且相互独立，则有 （由分布的可加性可得） （2）若，则有 事实上，因为，所以， 于是 ， 分布的分位点 对于给定的正数，，称满足条件 的点为分布的上分位点，如图所示。 对于不同的，上分位点的值已经制成表格，可以查表来求。例如对于，查表得。但是需要说明该表只列到为止，费舍曾证明，当充分大时，近似地有 其中是标准正态分布的上分位点。利用该式可以求时分布的上分位点的近似值。 二、分布 设，且X，Y相互独立，则称随机变量 服从自由度为的分布。记为。 分布又称为学生氏分布（1907年英国统计学家Gosset以笔名Student首次发表）分布的概率密度函数为 的图形关于对称，当充分大时其图形类似与标准正态分布概率密度的图形。事实上，利用函数的性质，可得 故当足够大时，分布近似于标准正态分布。但对于较小的，分布与标准正态分布相差较大。 分布的分位点 对于给定的正数，，称满足条件 点为分布的上分位点，如图所示。 由分布上分位点的定义及图形的对称性可知 分布上分位点可查表求得。在时，对于常用的值，就用正态近似： 三、F分布 设，，且U，V相互独立，则称随机变量 服从自由度为的分布，记为。 由定义可知，若，则 分布的分位点 对于给定的正数，，称满足条件 的点为分布的上分位点，如图所示。 上分位点的值已经制成表格，可以查表来求。分布的上分位点有以下重要性质： 上式常用来求F分布表中未列出的常用的上分位点。 四、正态总体的样本均值与样本方差的分布 设总体X（不管服从什么分布，只要均值和方差存在）的均值为，方差为，是来自X的一个样本，是样本均值和样本方差，则总有 进而，设，可知也服从正态分布，于是有以下定理： 定理一 设是来自正态总体的样本，是样本均值，则有 对于正态总体的样本均值和样本方差，有以下两个重要定理。 定理二 设是来自正态总体的样本，是样本均值和样本方差，则有 （1）； （2）相互独立 定理三 设是来自正态总体的样本，是样本均值和样本方差，则有 对于两个正态总