第4章随机抽样与抽样分布.pptVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第4章随机抽样与抽样分布

第二部分 数理统计;定义:数理统计是以概率论为基础,研究社会和 自然界中大量随机现象数量变化基本规律的一种 方法。 其主要内容有:参数估计、假设检验、相关 分析、试验设计、非参数统计、过程统计等。 ;特点: ;起源与发展 :; 近代时期(19世纪末至1845年):   数理统计的主要分支建立,是数理统计的形成时期。   1889年,英国数学家皮尔逊(1857-1936)提出了矩估计法,次年又提出了频率曲线的理论,并于1900年在德国数学家赫尔梅特在发现卡方分布的基础上提出了卡方检验,这是数理统计发展史上出现的第一个小样本分布。1908年,英国的统计学家戈塞特(1876-1937)创立了小样本检验代替了大样本检验的理论和方法(即t分布和t法),这为数理统计的另一分支――多元分析奠定理论基础。1912年,英国统计学家费歇(1890-1962)推广了t检验法,同时发展了显著性检验及估计和方差分析等数理统计新分支。这样,数理统计的一些重要分支如假设检验、回归分析、方差分析、正交设计等有了其决定其面貌的内容和理论.数理统计成为应用广泛、方法独特的一门数学学科。; 现代时期(1945年以后):    美籍罗马尼亚数理统计学家瓦你德(1902-1950)致力于用数学方法使统计学精确化、严密化,取得了很多重要成果,他发展了决策理论,提出了一般的判别问题,创立了序贯分析理论,提出著名的序贯概率比检法。瓦尔德的两本著作《序贯分析》和《统计决策函数论》,被认为是数理发展史上的经典之作。   由于计算机的应用,推动了数理统计在理论研究和应用方面不断地向纵深发展,并产生一些新的分支和边缘性的新学科,如最优设计和非参数统计推断等。   当前,数理统计的应用范围愈来愈广泛,已渗透到许多科学领域,应用到国民经济各个部门,成为科学研究不可缺少的工具。 ;第四章 抽样分布;抽样调查:通过调查群体中的一部分个体来了解整个群体. 概率论的任务:对不同的抽样结果出现的可能性大小进行讨论,为根据样本情况推断总体情况提供理论依据. 数理统计的任务:根据样本情况推断总体情况.;§4.1 基本概念; ???般地,我们把所研究的总体,即研究对象的某项数量指标记作X,它的取值在客观上有一定的分布,X也是一个随机变量.;例.研究一批灯泡的平均寿命. 该批灯泡的全体:总体, 其中每个灯泡:个体. ;二、抽样与样本;注意:;三、简单随机抽样;简单随机样本满足的三个条件: (1).随机性:抽样或观察应随机地进行,每个个体被抽或被观察的机会均等; (2).独立性:每次抽取或观察独立进行,其结果不受其它抽取或观察结果的影响.;四、统计量;例. 设X1,X2,…,Xn为来自总体N(?,?2)的样本. 其中 ?已知, ?2 未知, 则;注:几种重要的统计量;§4.2 抽样分布;一、和的分布;密度函数 f(x) 分布函数 F(x);证 明:;积分上限(变上限)函数;例:设X1, X2独立同分布于N(?,?2), 求X1+X2的分布.;例:设X1和X2独立,分别服从二项分布 B(n1, p)和B(n2, p).求Y=X1+X2的分布.;二、样本均数的分布;一般结果: 随机变量X ~ N(?,?2),则它的线性 函数Y=aX+b仍然服从正态分布,并且 Y ~ N( a?+b, a2?2 ) 这里a,b为常数.;更一般结果: X1, X2, …, Xn相互独立,并且 i=1, 2, …, n,则其线性组合: 仍然服从正态分布,并且 这里ci为不全为零的常数.;三、一个重要定理;注意到:;一、 ?2 分布;;1、数字特征:;二、t 分布;1).图形关于 t=0 对称; 即有E(X)=0 2).t分布的的极限是标准正态分布,即: 事实上, 当n30时, 两者就非常接近了.; n=∞;3). 对于给定的0 ?1,称满足件 的点t ?(n)为t分布的上侧?分位点。;定理:;从而由 t 分布的定义得:;;我们现在的问题就是判断EX是否等于EY,那我们自然选择统计量 作为我们的判定对象,也即当 时我们即可判定:EX ≠ EY!由于数据本身是随机的,因此 必定在一定范围内波动,因此我们只能利用 的概率分布来判定!但是的分布是含有参数σ的,故我们选择: 作为我们的判定标准。;关于判别标准的几个问题: (1).什么样的事件才足以使我们作出判决?由于事件发生的随机性,只有某个事件的发生有足够的信息量才能作出判决。 (2).概率上的小概率事件必然发生和统计中的判别准则有什么不同? (3).事件发生的合理

文档评论(0)

wuyoujun92 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档