第3部分+抽样与抽样分布.pptVIP

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 一点说明 如果两个总体都为非正态分布，当n1和n2比较大时，一般要求n1≥30,n2≥30,两个样本均值之差的抽样分布仍然可以使用正态分布近似。 两个样本比例之差的抽样分布 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 两个样本方差比的抽样分布 两个样本方差比的抽样分布 两个总体都为正态分布，即X1~N(μ1,σ12)的一个样本， Y1，Y2，… ，Yn2是来自正态总体X2~N(μ2,σ22 ) 从两个总体中分别抽取容量为n1和n2的独立样本 两个样本方差比的抽样分布，服从分子自由度为(n1-1)，分母自由度为(n2-1) F分布，即 F分布(F distribution) 由统计学家费舍(R.A.Fisher) 提出的，以其姓氏的第一个字母来命名则 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) ? 不同自由度的F分布 F （1,10) (5,10) (10,10) 思考题 出口商品使用集装箱运输，每个集装箱的载重为2吨，为了方便工人的装运，每包的重量不得超过50公斤。已知商品的包装机的装载平均重量是47.5公斤，标准差是1公斤，求： 1、随机抽取一包，超过规定重量的概率 2、当一集装箱装载了42包该商品时，这个集装箱超重的概率是多少呢？ 本章小结 了解抽样的概率抽样方法 理解抽样分布的意义 了解抽样分布的形成过程 理解中心极限定理 理解抽样分布的性质 9 9 　　　所有样本均值的均值和方差 式中：M为样本数目 n为样本容量 样本均值的分布与总体分布的比较 (例题分析) ? = 2.5 σ2 =1.25 总体分布 1 4 2 3 0 .1 .2 .3 抽样分布 P ( x ) 1.0 0 .1 .2 .3 1.5 3.0 4.0 3.5 2.0 2.5 x 从正态总体中抽样 ? = 50 ? =10 X 总体分布 n = 4 抽样分布 x n =16 当总体服从正态分布N(μ,σ2)时，来自该总体的所有容量为n的样本的均值?x也服从正态分布，?x 的数学期望为μ，方差为σ2/n。即?x～N(μ,σ2/n) 3.２.３中心极限定理(central limit theorem) 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σ2/n的正态分布 一个任意分布的总体 x 中心极限定理 (central limit theorem) ?x 的分布趋于正态分布的过程 结论 从正态总体中抽取的全部可能样本，无论样本容量有多大，样本平均数的抽样分布必定遵从于正态分布； 如果是从非正态总体中抽样，只要n≥30，样本均值的抽样分布必定趋近于正态分布； 样本均值的标准差小于总体标准差，且随着样本容量的增加减小，这也正是抽样平均误差的度量。 样本均值的抽样分布与总体分布的关系 总体分布 正态分布 非正态分布 大样本 小样本 正态分布 正态分布 非正态分布 练习 判断： 1、无论总体是何分布形态，抽样分布均是正态分布（ ） 2、中心极限定理告诉我们：样本均值等于总体均值，样本方差等于总体方差的1/n。（ ） 样本均值的数学期望 样本均值的方差 重复抽样 不重复抽样 3.２.４样本均值抽样分布的特征(数学期望与方差) 抽样误差的形式 抽样实际误差——指每一个的测量值与参数真实值之间的差异，显然，它是未知的，且不能用来概括所有的误差。 抽样平均误差——指所有可能的样本指标值与总体参数真实值之间的平均离差。 抽样极限误差——指样本指标值与总体参数之间的可能的误差范围。 样本均值的抽样平均误差（又叫抽样标准误） 所有可能的样本均值的标准差，测度所样本均值的离散程度 总是小于总体标准差 简单随机放回抽样 简单随机不放回抽样 修正系数 从无限总体中抽样，可以认为每次抽取不会改变下次抽取的条件，但是对于有限总体，若采取不放回抽样，导致各单位被