数理统计与抽样分布.ppt

第六章 数理统计与抽样分布 6.1 数理统计基本概念 6.1 数理统计基本概念 6.1.1 总体和样本 6.2 抽样分布与分位数 6.2.1 正态总体的线性函数 6.2.1 正态总体的线性函数 分布性质 t分布 设 ,且 与 独立，令 t分布在n=1,n=10,n=100时的密度函数图象 t分布性质 T分布性质续 F分布 F分布密度函数图象 F分布性质 6.2.5 正态总体样本均值与样本方差的分布 6.2.6 分位数 分位数示意图 标准正态分布分位数 双侧分位数示意图 分布分位数 分布分位数示意图 T分布分位数 F分布分位数 第七章 参数估计 7.1 点估计方法 7.1 点估计方法 定理6.5 假设 为 的一个样本， 和 分别为样本均值与样本方差，则 证明：由定理6.4可知， 又由 和 独立，按t分布定义 定义6.4 设连续型随机变量 的分布函数为F(x)，给定 概率 ，存在某个实数c，使得 则称c为该分布函数F(x)的上侧 分位数。 上侧 分位数的几何意义是由密度函数曲线 f(x),x=c 和x轴所围成的曲边梯形的面积恰好等于 ，由于连 续型随机变量等于一个常数的概率为0，帮也可由 确定分位数。 这一节中我们主要介绍以下几种分布的分位数： 标准正态分布 分布 t分布 F分布 设 ，给定 ，若 ，则称 为 标准正态分布的上侧 分位数。 由于 即 故当 时可通过查附表2直接确定 ，如 但是，当 时， 为负值，注意到标准正态分布 的密度函数关于y轴对称，得 故 即 所以有 在统计中，我们还常用到双侧 分位数，即对 ， 求常数c，使 根据正态分布密度函数的对称性，有 故正态分布的双侧 分位数c即上侧 分位数，可记成 如： 设 分布， 分布的上侧 分位数记成 满足： 当 时，其值可查附表3，如 当n45时，无表可查，根据当 时， 的渐近 分布为 ，从而 渐近N(0,1)，所以 即 分布的上侧 分位数 设 ，t分布的上侧 分位数记成 满足： T分布： 当 时，可通过查附表4求值。当 时，利用t分布的对称性可得 当 时，由于t分布的渐近分布为N(0,1)分布，从而 同正态分布一样，我们把满足 的实数c称为t分布的双侧 分位数，t分布的双侧分位 数 设 ，对 ，F分布的上侧 分位数记 成 ，满足： 对于 等较小的值，及不同的m,n在附表5 中给出了分位数的值，当 的值较大时，如 时，可根据 及分位数的定义可得： 所以 从而有 这样可求得表中未列出的分位数，如 7.2 估计量的评价标准 参数估计的方法很多，这里仅介绍常用的矩估计法和 极大似然估计法。 估计量：设总体 分布函数 的类型 已知，其中 为未知参数， 为其样 本，利用样本去构造k个适当的统计量 去估计未知参数 的值，称 之为参数 的估计量，记成 估计值：设样本的观察值为 ，将它们代入 估计量 就得到k个数 称 为估计量的值（或称估计值） 以后把估计量和估计值统称为估计 7.1.1 矩估计 矩估计是一种最常用的点估计和参数估计的方法， 其基本思想就是用观察所得到样本的各阶矩来代替 总体中的各阶矩，并建立相应的统计量来估计分布 函数中的未知参数。 矩估计的步骤如下： 假设总体 的分布函数 中有k个未知 参数，又假设用到各阶原点矩 都存在有限, (1) 待估参数为总体原点矩 。则令 (2) 待估参数为分布中 ，先用总体 前k阶 原点矩 把未知参数 表示出来， 不妨记成 然后在上式用 代替 就可得到 的矩法估计量 (3) 若待估的是未知参数 的函数 ，那么把 代入，可得 例7.1 求总体期望 和方差 的矩估计量。 解： 例7.2 假设总体 是其样本，就 N已知，p未知； N、p都未知。 给出未知参数的矩估计量。 解： (1)由 已知， 所以 ，从而p的矩估计量 (2) 由于N、p都未知，要用到 的一阶、二阶矩，由 故未知参数N、p的矩