第4章统计数的分布.pptVIP

第四章 统计数的分布（抽样分布）;研究总体与从中抽取的样本之间的关系是统计学的中心内容。对这种关系的研究可从两方面着手， 一是从总体到样本，这就是研究抽样分布(sampling distribution)的问题； 二是从样本到总体，这就是统计推断(statistical inference)问题。; 由总体中随机地抽取若干个体组成样本，即使每次抽取的样本含量相等，其统计量也将随样本的不同而有所不同。因而样本统计量也是随机变量，也有其概率分布，我们把统计量的概率分布称为抽样分布。;一、抽样试验与无偏估计;100份样本的均数和标准差; 将这100份样本的均数看成新变量值，按第二章的频数分布方法，得到这100个样本均数得直方图见图4-1。; 100个样本均数的抽样分布特点： ① ② 100个样本均数中，各样本均数间存在差异，但各样本均数在总体均数周围波动。 ③样本均数的分布曲线为中间高，两边低，左右对称，近似服从正态分布。 ;２．无偏估计;设有一N=3的近似正态总体，具有变量3，4，5；求得μ=4，σ2=0.6667， σ=0.8165 现以n=2作独立的有回放抽样，总共得Nn=32=9个样本。 抽样结果列入下表：;N=3 n=2时抽样的平均数 方差 标准差;从上表的资料可以求出: 样本平均数的平均数μx=4 样本方差的平均数μS2=0.6667=σ2 样本标准差的平均数μS=0.6285≠0.8165=σ 所以，惟有样本标准差s的平均数不是总体标准差σ的无偏差估计值。其余两个参数为无偏差估计值。;二、样本平均数抽样分布;由这些样本算得的平均数与原总体平均数μ相比往往表现出不同程度的差异。这种差异是由随机抽样造成的，称为抽样误差(sampling error)。显然，样本平均数也是一个随机变量，其概率分布叫做样本平均数的抽样分布。 由样本平均数构成的总体称为样本平均数的抽样总体，其平均数和标准差分别记为 和 。 ; 是样本平均数抽样总体的标准差，简称标准误(standard error)，它表示平均数抽样误差的大小。统计学上已证明总体的两个参数与x 总体的两个参数有如下关系： ;即样本均数的标准差，可用于衡量抽样误差的大小。 因通常σ未知，计算标准误采用下式：;设有一个N=4的有限???体，变数为2，3，3，4。根据μ=Σx／N和σ2=Σ(x-μ)2／N求得该总体的μ、σ2、σ为： μ=3，σ2=1／2，σ=（1/2）1/2=0.707;从有限总体作返置随机抽样，所有可能的样本数为Nn其中n为样本含量 。以上述总体而论，如果从中抽取n=2的样本，共可得 42=16 个样本；如果样本含量n为4，则一共可抽得44=256个样本。分别求这些样本的平均数 ，其次数分布如下表所示。 在n=2的试验中，样本平均数抽样总体的平均数、方差与标准差分别为： ; =4/16=1/4=(1/2)/2= σ2/n;表 N=4, n=2和n=4时的次数分布; 同理，可得n=4时： 验证了 的正确性。 也可以将表中两个样本平均数的抽样总体作次数分布图。 ;由以上模拟抽样试验可以看出，虽然原总体并非正态分布，但从中随机抽取样本，即使样本含量很小，样本平均数的分布却趋向于正态分布形式。随着样本含量 n 的增大，样本平均数的分布愈来愈从不连续趋向于连续的正态分布。当n＞30时， 的分布就近似正态分布了。X变量与 变量概率分布间的关系可由下列两个定理说明： ;1. 若随机变量x服从正态分布N(μ,σ2)；x1、x2、…、xn，是由x 总体得来的随机样本，则统计量 =Σx／n的概率分布也是正态分布，且有 ， 即服从正态分布N(μ,σ2／n)。 2. 若随机变量x服从平均数是μ，方差是σ2的分布(不是正态分布)； x1、x2、…、xn，是由此总体得来的随机样本，则统计量 =Σx／n的概率分布，当n相当大时逼近正态分布N(μ,σ2／n)。这就是中心极限定理。 ;中心极限定理告诉我们：不论x变量是连续型还是离散型，也无论x服从何种分布，一般只要n＞30，就可认为 的分布是正态分布。若x的分布不很偏倚，在n＞20时 ， 的分布就近似于正态分布了。;注意：样本标准差与样本标准误是既有联系又有区别的两个统计量。 二者的区别是样本标准差S是反映样本中各观测值的变异程度，它的大小说明了 对该样本代表性的强弱。 样本标准误是样本平均数