抽样分布课件培训教程文件.pptVIP

* §6.2抽样分布 由样本值去推断总体情况，需要对样本值进行“加工”，这就要构造一些样本的函数，它把样本中所含的（某一方面）的信息集中起来. 一、 统计量 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. 若 是一个样本值, 的一个样本值 称 为统计量 定义 设 是取自总体X 的一个样本, 为一实值连续函数,且不含有 则称随机变量 为统计量. 未知参数, 例 总体 是未知参数, 若 ? ,? 已知,则为统计量 是一样本, 是统计量, 则 但 不是统计量. 几个常见统计量 样本均值 样本方差 设 是来自总体 X 的容量 为 n 的样本, 是样本观测值，定义 样本k阶原点矩 样本k阶中心矩 k=1,2,… 它们的观测值分别为： 二、 抽样分布 统计量既然是依赖于样本的，而后者又是随机变量，故统计量也是随机变量，因而就有一定的分布，这个分布叫做统计量的“抽样分布” . 当总体的分布函数已知时，抽样分布是确定的，然而求出统计量的精确分布一般来说是很困难的，本节介绍来自正态总体的几个常用统计量的分布。 下面介绍 统计三大分布 分布 1、 设总体X~N(0,1)，(X1,X2, …Xn)是X的样本,则称统计量 为服从自由度为 n 的 分布 记为 分布的密度函数为 其中伽玛函数 为积分 n=2 n = 3 n = 5 n = 10 n = 15 分布概率密度函数图 分布具有如下性质： 性质1 设 则 证 由于 ,因而 则 性质2 设 ,且X1,X2 相互独立,则有 这个性质叫 分布的可加性. ，则当n充分大时， 若 的分布近似正态分布N(0,1). 对于给定的α,0α1,若 则称 ?2α(n)为?2分布的上α分位点 ? ?2α(n) ? 如图所示 对于不同的α, n,上α分位点的值已制成表格供查用(见附表2) 例 但该表只祥列到n＝45为止，费歇尔（R. A. fisher）曾证明，当n充分大时， 近似服从 ，因此当n充分大时，近似地有 其中Zα是标准正态分布的上α分位点 例如 T的密度函数为： 记为T～t(n). 定义: 设X～N(0,1) , Y～ , 且X与Y相互独立，则称变量 所服从的分布为自由度为 n的 t 分布. 2、t 分布 t 分布的图形(红色的是标准正态分布) n = 1 n=20 t 分布的概率密度曲线相似于N(0,1)的概率密度曲线,呈对称性. 事实上 故当n足够大时, t分布近似于N(0,1)分布.但对于较小的n, t分布与标准正态分布相差很大. 对于给定的α,0α1, 称满足条件 的点 为t分布的上α分位点 t?(n) -t?(n) ? ? ? 由分位点的定义及t分布概率密度曲线的对称性知 T分布的上分位点可自附表3中查得,在n45时, 例1 设T~t(50),求满足 的c值 解 由 得 再由t分布的对称性知 于是 由定义可见， 3、F分布 定义: 设 X与Y相互独立，则称统计量 服从自由度为n1及 n2 的F分布，n1称为第一自由度，n2称为第二自由度，记作 F~F(n1,n2) . ~F(n2,n1) 若X~F(n1,n2)， X的概率密度为 对于给定的α,0α1, 称满足条件 的点 为F分布的上α分位点 F分布的上α分位点可查附表4 F分布的α分位点有如下性质 F分布的α分位点有如下性质 证 这一性质常用来求F分布表中未列出的一些上α分位点 例 F?(n1,n2) ? ? 在概率统计中,正态分布占据十分重要的位置.这是因为在应用问题中许多随机变量的概率分布是正态分布,或近似正态分布,另外,正态分布有许多优良的性质,便于理论研究,因此我们下面介绍正态总体下某些统计量的抽样分布. 三、几个重要的抽样分布定理