第6章统计量及其抽样分布.ppt

第 6 章 统计量及其抽样分布 6.1 统计量 6.2 关于分布的几个概念 6.3 由正态分布导出的几个重要分布 6.4 样本均值的分布与中心极限定理 6.5 样本比例的抽样分布 6.6 两个样本平均值之差的分布 6.7 关于样本方差的分布 学习目标 了解统计量及其分布的几个概念 了解由正态分布导出的几个重要分布 理解样本均值的分布与中心极限定理 掌握单样本比例和样本方差的抽样分布 统计量(statistic) 设X1,X2,…,Xn是从总体X中抽取的容量为n的一个样本，如果由此样本构造一个函数T(X1,X2,…,Xn)，不依赖于任何未知参数，则称函数T(X1,X2,…,Xn)是一个统计量 样本均值、样本比例、样本方差等都是统计量 统计量是样本的一个函数 统计量是统计推断的基础 次序统计量 一组样本观测值X1,X2,…,Xn由小到大的排序 X（1）≤X（2）≤…≤ X（i）≤…≤ X（n） 后，称X（1），X（2），…，X（n）为次序统计量 中位数、分位数、四分位数等都是次序统计量 总体分布(population distribution) 总体中各元素的观察值所形成的分布 分布通常是未知的 可以假定它服从某种分布 样本分布(sample distribution) 一个样本中各观察值的分布 也称经验分布 当样本容量n逐渐增大时，样本分布逐渐接近总体的分布 抽样分布 (sampling distribution) 样本统计量的概率分布，是一种理论分布 在重复选取容量为n的样本时，由该统计量的所有可能取值形成的相对频数分布 样本统计量是随机变量 样本均值, 样本比例，样本方差等 结果来自容量相同的所有可能样本 提供了样本统计量长远而稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据 抽样分布的形成过程 (sampling distribution) ?2 分布 ?2分布(?2 distribution) 由阿贝(Abbe) 于1863年首先给出，后来由海尔墨特(Hermert)和卡·皮尔逊(K·Pearson) 分别于1875年和1900年推导出来 设 ，则 令 ，则 Y 服从自由度为1的?2分布，即 当总体 ，从中抽取容量为n的样本，则 ?2分布(性质和特点) 分布的变量值始终为正 分布的形状取决于其自由度n的大小，通常为不对称的正偏分布，但随着自由度的增大逐渐趋于对称 期望为：E(?2)=n，方差为：D(?2)=2n(n为自由度) 可加性：若U和V为两个独立的?2分布随机变量，U~?2(n1)，V~?2(n2),则U+V这一随机变量服从自由度为n1+n2的?2分布 c2分布(图示) t 分布 t 分布 t 分布图示 F 分布 F分布(F distribution) 由统计学家费希尔(R.A.Fisher) 提出的，以其姓氏的第一个字母来命名 设若U为服从自由度为n1的?2分布，即U~?2(n1)，V为服从自由度为n2的?2分布，即V~?2(n2),且U和V相互独立，则称F为服从自由度n1和n2的F分布，记为 F分布(图示) 样本均值的抽样分布 在重复选取容量为n的样本时，由样本均值的所有可能取值形成的相对频数分布 一种理论概率分布 推断总体均值?的理论基础 正态分布 X～N (μ、σ 2 )，其概率密度为： 2. 正态曲线 标准正态分布 μ＝0、σ＝1的正态分布，记为N (0, 1) 其概率密度φ(x)，分布函数 Ф(x) X～N (μ、σ 2 ), 则 ： Z～N (0，1 ) 标准正态分布 若 Z～N (0，1 )，则有： P（| Z| ≤ a）＝2Ф(a)－1 Ф(-a)=1－Ф(a) 【例3-14】 某厂生产的某种节能灯管的使用寿命服从正态分布，对某批产品测试的结果，平均使用寿命为1050小时，标准差为200小时。试求： （a）使用寿命在500小时以下的灯管占多大比例？ （b）使用寿命在850～1450小时的灯管占多大比例？ （c）以均值为中心，95％的灯管的使用寿命在什么范围内？ X＝使用寿命，X～N (1050，2002 ) 3 σ 原则 |X－μ| 3σ 的概率很小，因此可认为正态随机变量的取值几乎全部集中在[ μ- 3σ，μ+ 3σ ]区间内 广泛应用:产品质量控制、判断异常情况等 正态分布最常用、最重要 大千世界中许多常见的随机现象服从或近似服从正态分布 例如，测量误差，同龄人的身高、体重，一批棉纱的抗拉强度，一种设备的使用寿