第二节抽样的分布.pptVIP

* 概率统计 在上节所介绍内容中已经知道：样本是进行统计推断的依据。但在实际应用时，往往不是直接使用样本本身，而是针对不同的问题构造样本的适当函数，利用这些样本的函数进行统计推断。 第二节 抽样分布 问题的提出 亦即样本去推断总体情况，需要对样本进行一定的“加工”，这就要构造一些样本的适当函数，它把样本中所含的（某一方面）的信息集中起来。 这种不含任何未知参数的样本的函数称为统计量。它是完全由样本决定的量。 1. 定义 设 是来自总体 X 的一个样本， 是 的函数。 若 g 是连续函数且 g 中不含任何未知参数, 则称 是一个统计量。 一. 统计量的定义 注: 统计量是样本的函数，它是一个随机变量。 ▲ ▲ 其中: 是 的样本值 称 为 的观察值 2. 几个常用的统计量 样本均值： 样本方差： 它反映了总体 均值的信息 它反映 了总体 方差的 信息 (1). (2). (3). 样本标准差： (4). 样本 k 阶原点矩： (5). 样本 k 阶中心矩： k=1, 2,… 它反映了 总体k 阶 矩的信息 它反映了 总体k 阶 中心矩的 信息 注: ~ (5)均是随机变量，实际上它们是样本函数的 数字特征；它们的观察值是具体的实数值，仍 称为样本均值、样本方差、样本 k 阶原点距 与样本 k 阶中心距。 ▲ ▲ 若总体 X 的 k 阶原点距 存在， 则当 时有： 这个结论表明：样本的 k 阶距依概率收敛到 总体的 k 阶距。这也是参数估计中的矩估计 法的理论根据。 (证明见教材 P161) 3. 抽样分布 统计量作为随机变量，因而就有一定的分布，这个分布就称为统计量的 “抽样分布” 。故有： 统计量的分布称为抽样分布 二. 几个重要的分布 设 是来自正态分布 N( 0, 1 )的样本，则称统计量： 为服从自由度为 n 的 分布. 定义. 分布 1. 记为： 注: 自由度 n 是指 中所包含独立变量的个数 分布的密度函数为： 来定义。 其中：伽玛函数 通过积分： 其图形如下： ▲ ▲ 若 ，则 n=2 n=1 n=4 n=6 n=11 x f (x) 0 （参见教材 P163 图 6—1） ▲ 相互独立，则 分布的上 分位点： 称满足： 对于给定的 为 分布的上 分位点。 分布的可加性： 若 且 其图形如下： ▲ ▲ 的点 面积 = x f (x) 0 对于不同的 与 ， 有表可查（见教材P443 的附表4） 一般: 当 时可直接查表 当 时可用近似公式： 例如： 费歇R.AFisher证明 是正态分布的上 分位点 或： 记为T ～ t ( n ) 为服从自由度为 n 的 t 分布. 设 X～N ( 0, 1 ) , Y ～ , 且 X 与 Y 相互独立 ，则称随机变量： t 分布 2. 定义. 注: t 分布是英国统计学家哥塞特（G0sset）首先 发现的，并以学生(student)的笔名在英国的《Bi0metrike》杂志上发表的一篇文章中提出 了他的研究结果，故 t 分布也称为学生分布。 ▲ t 分布的概率密度函数为： 它非常象正态 分布图形, 关于 y 轴对称 ▲ x t (x) 0 n=2 n=25 n = （参见教材 P165 图 6—3） 其图形如下： T 分布的上 分位点: 对于给定的 , 称满足条件: ▲ 当 充分大时， 即 当 充分大时，t 分布可以近似看作是标准正 态分布；但 当 较小时， t 分布与正态分布的差 异是不能忽略的。 ▲ 若 T ～ t ( n )，则有： 当 时 当 时 ▲ 的点 为 t 分布的上 分位点。 0 面积 = 对于不同的 与 ， 有表可查（见