[统计学讲义最新稿.docVIP

第二章 统计量及其分布 在概率论的学习中，我们已经知道，随机变量及其概率分布全面描述了随机现象的统计规律性，但在实际问题的研究中概率分布往往是未知的。本章我们要讨论统计量的分布，找到总体参数与统计量的分布之间的联系，进而通过样本去推断总体的数字特征。 第一节 总体与样本 一、总体 统计学把所要研究的事物或现象的全体称为总体，而把构成总体的每个元素（成员）称为个体。要研究10,000名在校大学生，10,000名大学生就构成总体，每位大学生就是个体。实际问题的研究中，我们关心的往往不是大学生（个体）的一切方面，而是它的某个数量标志，比如大学生的身高，这时所有的身高就构成总体，总体表现为一个数据集，其中有的数值大有的数值小，有的出现机会多，有的出现机会少，记身高为X，它是一个随机变量，记其分布函数为F（x） 。可以把X的所有可能取值看做总体，并称这一总体为具有分布函数F（x）的总体。 总体也可以是多维的，如研究大学生的身高对体重的影响，身高和体重这两个数量标志就构成二维随机变量（X1，X2），其取值的全体就构成总体，即二维总体,记二维随机变量（X1，X2）的联合分布函数为F（x1, x2），称这一总体为具有分布函数F（x1, x2）的总体。 二、样本 统计学对总体的研究是以样本为工具的。为了掌握总体的分布规律，从总体中随机抽取n个个体,其标志值（比如身高数值）记为(x1，x2，…，xn)，则(x1，x2，…，xn)称为总体的一个样本，样本包含的个体的数目n称为样本容量。 由于样本是从总体中随机抽取的，抽取前无法预知它的数值，每个Xi(1,2，…n)都是一个随机变量，样本(X1,X2,…,Xn)则是一个n维随机变量。样本在抽取后就有确定的观测值，表现为n个具体的数据(x1，x2，…，xn). 三、 简单随机样本 抽取样本是手段，推断总体才是目的。为使样本更好的反映总体的信息，对样本抽取有两个基本要求。一是样本具有随机性，总体中每个个体都有同等可能性进入样本，即每个Xi与总体X具有相同的分布F（x）.二是样本满足独立性，即X1,X2,…,Xn相互独立，每一Xi的取值不影响另一Xi的取值。 如果从总体中抽取样本（），其每个分量（）都与总体具有相同的概率分布，且相互独立，则这样的抽样方法称为简单随机抽样，而如此得到的样本，称为简单随机样本。如果总体具有分布函数或概率密度，显然来自总体的简单随机样本（）具有联合概率分布. 四、总体分布函数与样本分布函数 样本是总体的代表，简单随机样本能较好的代表总体，其代表性到底如何呢？ 设x1，x2，…，xn是取自分布函数为F（x）的总体的样本，表示随机事件在这次重复独立观测中出现的次数，即个观测值中小于等于的个数。若重复进行次抽样，对于同一个，可能取不同数值，实际上是一个统计量，从而是随机变量。将样本观测值按升序排列，记为x(1)，x(2)，…，x(n)，定义如下函数 则Fn(x)是一单调非减、右连续函数，且满足有界性，即 Fn(-)=0 Fn(+)=1 由此可见，Fn(x)是一个分布函数，称为样本分布函数（经验分布函数）. 对于每一固定的x，Fn(x)是事件｛X x｝发生的频率，当n固定时,不同的样本观测值x1，x2，…，xn将有不同的Fn(x)，Fn(x)是一随机变量。 例1.某食品厂用自动罐装机罐装牛肉罐头，由于随机性，每个罐头的重量都有差别。现从生产线上随机抽取10罐，重量数据如下： 344, 336， 345， 342， 340， 338， 344， 343， 344， 343 容易得到样本分布函数 格里纹科定理：设x1，x2，…，xn是取自总体分布函数（理论分布函数）为F(x)的样本，Fn(x)是样本分布函数，有 定理表明，当n充分大时,样本分布函数是总体分布函数的一个良好的近似，这就是为什么我们用样本推断总体的理由。 第二节 几种重要的概率分布 一、正态分布 若随机变量X的密度函数为 ， 则称X服从正态分布，记为.参数，. 正态分布的分布函数为 F()= 中心极限定理表明，大量均匀微小且相互独立的因素综合作用的结果，其变量可用正态分布近似。自然现象、社会经济现象中很多变量可作为正态分布处理。正态分布具有如下性质: （1） 所有的正态分布构成一个分布族,每一特定的正态分布通过其均值和标准差来区分。 （2） 正态分布的概率密度曲线在均值处达到最大。 （3） 正态分布的均值可以是任意数值：负数、零或正数。均值决定正态分布的位置。 （4） 正态分布是对称分布，以为对称轴，均值左边的