第6部分统计量及其抽样分布.pptVIP

第 6 章 统计量及其抽样分布 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 掌握单样本比率和样本方差的抽样分布 统计量的概念(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、样本比率、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 统计量不依赖任何未知总体参数 根据具体样本的观测值x1，x2，……，xn带入统计量函数，计算出来的值是一个具体的统计量的值。 常用统计量 样本均值，反映总体X数学期望的信息。 样本方差、标准差，反映总体X方差、标准差的信息。 样本变异系数 ，反映总体变异系数C的信息。 其中 ，反映随即变量在以它的均值为单位时，取值的离散程度 样本k阶矩，反映总体k阶矩的信息。 样本k阶中心矩，反映总体k阶中心矩的信息。 样本偏度，反映总体偏度的信息。 样本峰度，反映总体的峰度信息。 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），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 充分统计量 在实际统计推断中，是用统计量的值进行推断，而不是由样本观测值进行推断。即经过加工之后，有了统计量的值即可。 在统计学上，假如一个统计量能把含在样本中有关总体的信息一点都不损失地提取出来，对保证统计推断的质量具有重要意义。 加工过程中一点信息都不损失的统计量通常称为充分统计量。 例：某电子元件厂欲了解其产品的不合格率p，质检员抽检了100个电子元件，检查结果是，除前3个是不合格品（记为x1=1， x2=1 ， x3=1 ），其它都是合格品（记为xi=0，i=4，5，…100）。当企业领导问及抽样结果时，质检员给出如下两种回答： （1）抽检的100个元件中有3个不合格，记为 （2）抽检的100个元件中前3个不合格，记为（x1=1， x2=1 ， x3=1 ） 这两种回答反映了质检员对样本的两种不同处理思想。这两种回答所用的统计量分别为： T2不包含样本中有关p的全部信息，不能令人满意。 T1则综合了样本中有关p的全部信息，所以是充分统计量。 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 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 关于分布的几个概念 1、精确的抽样分布：在正态总体条件下，主要有t、χ2、F分布 2、渐近分布：在样本量n无限增大时，统计量T的极限分布 样本均值（服从t分布）的渐近分布为正态分布 3、近似分布：根据N次抽样（可用计算机模拟）得到的N个观测值，可做其经验分布函数。由此得到的统计量的分布就是随机模拟法所获得的近似分布 ?2 (chi-square)分布 定义 设随机变量X1, X2, ?, Xn彼此独立且都服从标准正态分布 N(0, 1)，则随机变量 ?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 3 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（学生氏）分布(定义和性质) 1.当X～N(0,1),Y～χ2(n),且X、Y相互独立 则 称为服从自由度是n的t分布，即T~t(n) 2. E（t）=0，n≥2 ; D（t）=n/(n-2)，n≥3 3. t(n)的α分位数tα(n) ，可通过查t分布表求得。即P（