第二单元Sampling_dist.pptVIP

抽样和抽样分布基本计算Sampling Sampling distribution 数理统计课题组 抽样 简单随机抽样：抽取样本量为n的样本，分为有放回的抽样和无放回的抽样。 观察hospital中不同抽样样本量下统计量 的分布 二、统计量 中心极限定理 性质 E 2 抽样分布 一、 ?2—分布 三、F分布　 4.3 正态总体的抽样分布定理 * 来自总体X的随机样本X1， … ，Xn可记为 显然，样本联合分布函数或密度函数为 或 或 或 3.总体、样本、样本观察值的关系 总体 样本 样本观察值 理论分布 统计是从手中已有的资料——样本观察值，去推断总体的情况——总体分布。样本是联系两者的桥梁。总体分布决定了样本取值的概率规律，也就是样本取到样本观察值的规律，因而可以用样本观察值去推断总体 定义：称样本X1， … ，Xn 的函数g(X1， … ，Xn )是总体X的一个统计量,如果g(X1， … ，Xn )不含 未知 参数 几个常用的统计量 ： X X X X X X 总体分布 抽样分布 （n较小 ） 抽样分布 （n较大 ） 3.样本k阶矩 统计量的分布称为抽样分布。数理统计中常用到如下三个分布： ?2—分布、 t —分布和F—分布。 2.?2—分布的密度函数f(y)曲线 3. 分位点 设X ~ ?2(n)，若对于?：0?1， 存在 满足 则称 为 分布的上?尾分位点。 4.性质： a.分布可加性 若X ~ ?2(n1)，Y~ ?2(n2 )， X与 Y独立，则 X + Y ~ ?2(n1+n2 ) b.期望与方差 若X~ ?2(n)，则 E(X)= n，Var(X)=2n 1.构造 若?~N(0, 1), ?~?2(n), ?与?独立，则 t(n)称为自由度为n的t分布。 二、t—分布 t(n) 的概率密度为 2.基本性质: (1) f(t)关于t=0(纵轴)对称。 (2) f(t)的极限为N(0，1)的密度函数，即 3.分位点 设T～t(n)，若对 ?:0?1,存在t?(n)0， 满足P{T?t?(n)}=?， 则称t?(n)为 t(n)的上侧分位点 注: 1.构造 若?1 ~?2(n1)， ?2~?2(n2)，?1， ?2独立，则 称为第一自由度为n1 ，第二自由度为n2的F—分布,其概率密度为 2. F—分布的分位点 对于?：0?1， 若存在F?(n1, n2)0， 满足 P{F?F?(n1, n2)}=?， 则称F?(n1, n2)为 F(n1, n2)的 上侧?分位点； 证明:设F~F(n1,n2),则 注： 得证! 证明: 是n 个独立的正态随机变量的线性组合,故服从正态分布 *