第05章 统计量及其抽样分布.pptVIP

第五章 统计量及抽样分布 授课教师：程晓谟 主要内容 1 样本统计量和抽样分布 2 三个重要统计量分布★ 3 中心极限定理的应用★ 4 样本均值之差的抽样分布 5 样本方差的抽样分布 样本统计量 在简单随机抽样中，样本具有随机性，样本的参数 , s2等也会随着样本不同而不同，故它们是样本的函数，记为T（x1, x2,……, xn），称为样本统计量。 统计量的概率分布称为抽样分布（Sample distribution） ?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) (学生) t 分布 Student’s t Distribution F分布(F distribution) 设若U为服从自由度为n的?2分布，即U~?2(n)，V为服从自由度为m的?2分布，即V~?2(m),且U和V相互独立，则 称F为服从自由度n和m的F分布，记为 F分布(图示) 样本均值的分布 总体服从正态分布N（m, s2）, 样本均值 的抽样分布仍为正态分布，即： 中心极限定理(central limit theorem) 中心极限定理 (central limit theorem) 中心极限定理的应用 例题答案 样本比例的抽样分布 如果在样本容量为n的样本中，具有某一特征的个体数为X，则样本比例用 表示： 两个样本均值之差的抽样分布 两个总体都为正态分布，即 两个样本均值之差 的抽样分布服从正态分布，其分布的数学期望为两个总体均值之差 方差为各自的方差之和 两个样本比例之差的抽样分布 两个总体都服从二项分布。 分别从两个总体中抽取容量为n1和n2的独立样本，当两个样本都为大样本时，两个样本比例之差的抽样分布可用正态分布来近似。分布的数学期望为： 方差为各自的方差之和： 样本方差的分布 一个重要的t统计量 两个样本方差比的抽样分布 本章小结 样本统计量 c2分布、t分布、F分布 中心极限定理 样本均值（比例）之差的抽样分布 样本方差的抽样分布 一个重要的t统计量 在统计模型中，自由度指样本中可以自由变动的变量的个数，当有约束条件时，自由度减少。自由度计算公式：自由度=样本个数-样本数据受约束条件的个数，即df = n - k（df自由度，n样本个数，k约束条件个数）通俗点说，一个班上有50个人，我们知道他们语文成绩平均分为80，现在只需要知道49个人的成绩就能推断出剩下那个人的成绩。你可以随便报出49个人的成绩，但是最后一个人的你不能瞎说，因为平均分已经固定下来了，自由度少一个了。n-1是通常的计算方法，更准确的讲应该是n-k，k表示实际需要计算的参数的数量。如需要计算2个参数，则数据里只有n-2个数据可以自由变化。例如，一组数据，平均数一定，则这组数据有n-1个数据可以自由变化；如一组数据平均数一定，标准差也一定，则有n-2个数据可以自由变化。 * * Company LOGO * Company Name LOGO 标准正态分布引出的三个重要统计量分布 X1，X2，…Xn相互独立且均为服从N(0，1)分布的随机变量，则称随机变量 所服从自由度为n的 分布，且记为： ?2分布(?2 distribution) c2 n=1 n=4 n=10 n=20 当n→∞，c2分布的极限分布是正态分布 设随机变量X服从标准正态分布，随机变量Y服从自由度为n的 分布，且X与Y相互独立，则称随机变量： 服从自由度为n的t分布， 记为T～t（n） t分布（Students 分布） x 0 t (df = 5) 标准正态 t (df = 13) 钟形 对称 尾部较大 当n≥30，t分布与标准正态分布非常接近 F （1,10) (5,10) (10,10) 当x服从t（n）分布，x2服从F（1，n）分布 的期望值与总体均值相同，而方差缩小为总体方差的1/n 当样本容量足够大时(n ? 30) ，样本均值的抽样分布逐渐趋于正态分布 中心极限定理：设从均值为?，方差为? 2的一个任意总体中抽取容量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为 的正态分布。 一个任意分布的总体 X 的分布趋于正态分布的过程