演示文稿7..ppt

于是 定理二 若 且X1与X2相互独立，则 ? ?2分布的可加性。 例2 已知X??2(n),现从总体X中抽取样本 X1,X2,X3 求 X1+X2+X3的分布。 解：X1+X2+X3 ??2(3n)。 例: (X,Y)?N(-1,22;1,32;0),令Z=2X-Y+2, 求: D(Z+1)2 解：因为 Z+1=2X-Y+3?N(0,25) [(Z+1)/5]2~?2(1) ?D{[(Z+1)/5]2}=2 ?D(Z+1)2=1250 作业： P.184/1,2,3,4. 设X1,X2，…,Xn相互独立,且都服从N(?,?2),则 定理三 与S2相互独立； (2) (1) 其中： 引理 设X1 ，X2，…，Xn相互独立，且都服从N(?，?2)分布， 是n?n阶正交矩阵。 则Y1 ,Y2,…,Yn也相互独立且都服从正态分布。 令 Example: 设X1 ,X2相互独立,且 X1 ,X2~N(?，?2) 则(X1cos?＋X2sin ?)与(－X1sin?+X2cos?)也相互独立且都服从正态分布 下面运用上面的引理来证明定理三。 由正交矩阵 的性质，得 证明 构造 正交矩阵 令 得 i=2,3，…，n。 下面证明 另一方面 即 与S2相互独立的结论. 此时已得 同时,由于 得 例3 设总体X?N(μ, ?2)，X1,X2,…,Xn是来自 于X的一个样本，其中?2已知，求ES2, DS2。 解: 因为 例4 设 X~N(12,22),X1,X2,?,X5是来自总体X的样本.求 (1)P{ 13}, (2)样本最小值小于10的概率。 解 (1) 例5 X~N(?,?2),X1,?,X10为样本,求: P{min(X1,?,X5)10}=1 － P{min(X1,?,X5)?10} =1 －(1 － P{X10})5= 1 －(1 － ?{(10-12)/2})5 =1 － P{X1 ?10, ?,X5 ?10} =1 －(P{X ?10})5 答案： 定理 设X?N(0,1)，Y??2(n)，且X与Y相 互独立，则随机变量 的概率密度为: 三、t分布 称T服从自由度为n的t分布，记作T?t(n)。 t 分布的密度曲线 (红色的是N(0,1)密度曲线) n = 1 n=20 由于t(n)分布的密度函数为偶函数,它的图形关于t=0对称,可证当n?+?时,有 t分布的(下侧)?分位点的概念： 定义： 对于给定的正数 使满足： 点 ，称为t分布的(下侧)?分位点。 对于不同的?及n， 的值可在附表三中查到。 当n45时,t分布表中没有列出,此时可查标准正态分布表,得z?，且有 例6 设X1,X2…,X32为来自于正态总体N(?,42)的样本， 求Y的分布。 令 解: 且U与V相互独立，由t分布的定义知， 结论：Y服从自由度16的t分布。 定理四 设X1,X2,…,Xn相互独立,且都服从N(?，?2),则 又 证： 定理五 设X1, X2, …, Xm和Y1, Y2，…, Yn分别是从正态总体N(?1, ?2)和N(?2, ?2)中所抽取的独立样本，则 证 因为 所以 于是 由定理三知 且它们相互独立。由定理二可知 又由定理三知U,V独立，于是按t分布的定义得 例7 设X~N(?,?2),X1,?,X9为样本,且 证明 证: 的概率密度为 四、F分布 定理 设X??2(n1) ,Y??2(n2)，且X与Y相互独立， 则随机变量 我们称F服从自由度为(n1,n2 )的F分布， 记作： F～F(n1,n2)。 证明略。 * ——对随机现象进行观测、试验，以取得有代表性的观测值. ——对已取得的观测值进行整理、分析,作出推断、决策,从而找出所研究的对象的规律性. 数 理 统 计 的 分 类 描述统计学(Descriptive Statistics) 推断统计学(Inferential Statistics) 第七章 统计量及其分布 参数估计 (第八章) 假设检验 (第九章) 回归分析 (第十章) 方差分析 推断 统计学 在实际问题中，经常遇到要确定一个随机变量的概率分布或它的某些数字特征。