概率论与数理统计辅导..ppt

概率论与数理统计辅导 王晓谦 wxqmath@263.net 第二节 总体分布的估计 统计的任务： 在统计里我们感兴趣的是：如果从总体中任取一个个体，这个个体的某个或几个数量指标会有什么特征？我们不知道其指标会是多少。统计的任务就是希望搞清楚，任取一个个体，其指标会遵循什么规律。 当然不会是一个确定性的规律，而是一个“统计规律”，就是一个具有概率意义的规律。例如某地某段时间里高温出现概率；某校高一年级男生的身高在某个范围里的概率。 从总体中任取一个个体，其指标不知道会是多少，就把它作为一个随机变量对待。 对总体的研究，就是要达到搞清楚这个随机变量的分布的目的。这就是统计的基本目的。 在概率论里，我们研究各种分布。在统计里，我们要利用样本数据确定表示总体指标的那个随机变量到底应该是什么分布。如果分布完全是已知的，那统计就没有任何意义了。 参数问题：对总体指标的数字特征，比如数学期望，方差，中为数等的估算、刻画。 非参数问题 多个随机变量之间的关系问题 所以，要知道我们会遇到的问题： 刻划总体分布 刻划总体数字特征 刻划各种关系 在所有的问题中，归根结底是估计概率的问题，而估计概率最基本的方法，就是利用频率。要计算频率，就要抽样——做实验获取数据。 由于我们是从样本出发做出的结论，结论势必会有出错的可能。 数理统计的结论不同于其他的结论，其精华就在于： 在给出结论的同时，还会告诉你， 这个结论出错的概率有多大。 总体分布的估计方法 频率分布表 全距 组距 频数 频率 频率/组距 频率分布直方图与折线图 频率直方图 第三节 总体特征数的估计 总体分布的特征数有各种各样，我们在概率论里叫它们作数字特征。例如数学期望，方差，中位数，众数，等等。 在统计里这些往往都是不知道的。统计的任务之一就是利用样本数据来估计这些数字特征。在这里就是要向学生介绍其中最基本的几种估计量。 A、平均数的估计 平均数指总体X平均数，即数学期望E(X)，一般用希腊字母μ表示。怎样用样本值来估计这个数呢？ 设我们得到的样本为 ,那么我们就用 来做为μ的估计值，有时记为 这个公式叫做样本均值或样本平均数。 在统计研究中我们正是要讨论这种公式的意义和价值，而不会对具体的计算结果说它的优劣。 为什么？因为再好的公式也会有计算出糟糕结果的时候。例如抽样的时候碰巧样本取的不好，这是有可能的。 样本均值的最大优点有两个，无偏性和最小方差性： 总体X的方差是 描述了总体取值相对于其平均值μ的离散程度。我们要估计方差，就要先算出μ的估计来，然后看看样本值相对于这个估计值的离散程度有多大。所以就用 作为总体方差的估计值。这就是样本方差。对其开方，就得到样本标准差。 例如，要对一种新的水稻品种和一种老的品种做比较，看看新品种到底好不好，怎样比？ 我们需要进行抽样，得到样本： 对每个品种种植试验，例如，新品种种m块试验田，得到m个亩产数据，老品种种n块试验田，得到n个亩产数据。我们就有了两个样本。 分别计算相应的样本均值和样本方差。样本均值越大越好，样本方差则越小越好。 MODE键 +3键：进入统计模式 SHIFT键+KAC键：开始输入数据 每输入一个数据按一次 DATA键 输完后，KOUT键+n键，显示数据个数 SHIFT+1键：显示样本均值 SHIFT+2键：显示样本标准差，再按平方键可得样本方差。 KOUT+2键可计算样本值的总和 叫回归方程。 第四节 线性回归方程 有两个量 x 和 y，x 的变化会导致 y 发生变化。但 是，并不是每一个x值唯一地对应一个y值，即使已知x的取值，也无法完全确定y的取值，它有随机性。y与x之间不是我们以前学过的函数关系，这种关系我们叫相关关系。对于具有相关关系的 y 和 x ，我们怎样利用数学知识比较准确地刻画它们之间的关系呢？我们希望能够搞清楚，如果不考虑随机因素，y与x之间的确定性关系是什么？ . 叫回归方程。 这就是传说中的回归模型。相应的函数叫回归函数，而把 设这个确定性关系可以用函数f(x)表示。那么y与x之间的相关关系应该用下式来刻画： 回归分析的基本理论任务有三个： 1、确定到底有没有这种回归关系？ 2、如果有，回归函数是什么样子的？ 3、误差项作为随机变量服从什么分布？至少应该估