概率论统计量及其分布.pptVIP

例5.0.1 某公司要采购一批产品，每件产品不  是合格品就是不合格品，但该批产品总有一  个不合格品率 p 。由此，若从该批产品中随 机抽取一件，用 x 表示这一批产品的不合格 数，不难看出 x 服从一个二点分布b(1 , p)， 但分布中的参数 p 是不知道的。一些问题： 例5.1.1 考察某厂的产品质量，以0记合格品，以1记 不合格品，则 总体 = {该厂生产的全部合格品与不合格品} = {由0或1组成的一堆数} 若以 p 表示这堆数中1的比例（不合格品率），则该 总体可由一个二点分布表示： 比如：两个生产同类产品的工厂的产品的总体  分布： 例5.1.2 在二十世纪七十年代后期，美国消费 者购买日产SONY彩电的热情高于购买美产 SONY彩电，原因何在？ 表5.1.2 100只元件的寿命数据 独立性: 样本中每一样品的取值不影响其 它样品的取值 -- x1, x2, …, xn 相互独立。 设总体X具有分布函数F(x), x1, x2, …, xn 为取自该总体的容量为n的样本，则样本联合分布函数为 (4) 统计样本数据落入每个区间的个数——频数， 并列出其频数频率分布表。 5.3.1 统计量与抽样分布 §5.3 统计量及其分布 5.3.2 样本均值及其抽样分布 定义5.3.2 设 x1, x2, …, xn为取自某总体的样本，其算术平均值称为样本均值，一般用 表示，即 5.3.3 样本方差与样本标准差 5.3.4 样本矩及其函数 5.3.5 次序统计量及其分布 例5.3.6 设总体X 的分布为仅取0，1，2的离散 均匀分布，分布列为 5.4.1 ?2 分布(卡方分布) 5.4.3 t 分布 5.5.2 因子分解定理 当随机变量t ?t(n) 时，称满足 P(t ? t1??(n)) =1?? 的 t1??(n) 是自由度为 n 的 t 分布的1??分位数. 分位数 t1??(n) 可以从附表4中查到。 譬如 n=10,?=0.05，那么从附表4上查得 t1?0.05(10) = t0.95(10)=1.812 . 由于 t 分布的密度函数关于0 对称, 故其分位数间有如下关系 t?(n?1)= ?t1??(n?1) 5.4.4 一些重要结论 定理5.4.1 设 x1, x2,…, xn 是来自N(?, ?2) 的 样本，其样本均值和样本方差分别为 和 x = ?xi/n s2= ? (xi?x)2/(n?1) (3) (n?1) s2/?2 ? ?2(n?1)。 则有 (1) x 与 s2 相互独立； (2) x ? N(?, ?2/n) ； 推论5.4.3 设 x1, x2,…, xn 是来自N(?1, ?12) 的 样本，y1, y2,…, yn 是来自N(?2, ?22) 的样本， 且此两样本相互独立，则有 特别，若?12 =?22 ，则 F=sx2/sy2 ? F(m?1,n?1) 推论5.4.4 在推论5.4.3的记号下，设 ?12 =?22 = ?2 ， 并记 则 §5.5 充分统计量 5.5.1 充分性的概念 例5.5.1 为研究某个运动员的打靶命中率，我们 对该运动员进行测试，观测其10次，发现除第 三、六次未命中外，其余8次都命中。这样的 观测结果包含了两种信息： (1) 打靶10次命中8次； (2) 2次不命中分别出现在第3次和第6次 打靶上。 第二种信息对了解该运动员的命中率是没有什么帮助的。一般地，设我们对该运动员进行n 次观测，得到 x1, x2,…, xn，每个xj 取值非0即1，命中为1，不命中为0。令 T = x1+…+xn ，T为观测到的命中次数。在这种场合仅仅记录使用T 不会丢失任何与命中率 ? 有关的信息，统计上将这种“样本加工不损失信息”称为“充分性”。 样本 x=(x1,x2,…,xn) 有一个样本分布F? (x)， 这个分布包含了样本中一切有关?的信息。 统计量T =T (x1,x2,…,xn) 也有一个抽样分布F?T(t) ，当我们期望用统计量T 代替原始样本并且不损失任何有关 ? 的信息时，也就是期望抽样分布 F?T(t) 像 F?(x) 一样概括了有关 ? 的一切信息，这即是说在统计量 T 的取值为 t 的情况下样本 x 的条件分布 F?(x|T=t) 已不含 ? 的信息，这正是统计量具有充分性的含义。 定义5.5.1