第三章节抽样与抽样分布.ppt

第 3 章 抽样分布;3.1 由正态分布导出的几个重要分布 ;?2 分布;由阿贝(Abbe) 于1863年首先给出，后来由海尔墨特(Hermert)和卡·皮尔逊(K·Pearson) 分别于1875年和1900年推导出来 设 ，则 令 ，则 Y 服从自由度为1的?2分布，即 当总体 ，从中抽取容量为n的样本，则 ;分布的变量值始终为正 分布的形状取决于其自由度n的大小，通常为不对称的正偏分布，但随着自由度的增大逐渐趋于对称 期望为：E(?2)=n，方差为：D(?2)=2n (n为自由度) 可加性：若U和V为两个独立的?2分布随机变量，U~?2(n1)，V~?2(n2),则U+V这一随机变量服从自由度为n1+n2的?2分布 ;;t 分布;t 分布;;F 分布;由统计学家费希尔(R.A.Fisher) 提出的，以其姓氏的第一个字母来命名 2. 它是一种非对称分布；它有两个自由度，即n1和n2，相应的分布记为F（ n1， n2）， n1通常称为分子自由度， n2通常称为分母自由度； 3. 设若U为服从自由度为n1的?2分布，即U~?2(n1)，V为服从自由度为n2的?2分布，即V~?2(n2),且U和V相互独立，则称F为服从自由度n1和n2的F分布，记为;;3.2 抽样分布;抽样分布的概念;样本统计量的概率分布，是一种理论分布 在重复选取容量为n的样本时，由该统计量的所有可能取值形成的相对频数分布 样本统计量是随机变量 样本均值,样本方差，样本比例等 结果来自容量相同的所有可能样本 提供了样本统计量长远而稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据 ;样本均值的抽样分布(例题分析);样本均值的抽样分布 (例题分析);样本均值的抽样分布 (例题分析);样本均值的分布与总体分布的比较 (例题分析);抽样分布的形成过程 (sampling distribution);样本均值的抽样分布;在重复选取容量为n的样本时，由样本均值的所有可能取值形成的相对频数分布 一种理论概率分布 推断总体均值?的理论基础 ;样本均值的数学期望 样本均值的方差 重复抽样 不重复抽样;样本均值的抽样分布(数学期望与方差);两个总体都为正态分布，即 ， 两个样本均值之差 的抽样分布服从正???分布，其分布的数学期望为两个总体均值之差： 方差为各自的方差之和： ;?x 的分布趋于正态分布的过程;样本均值的抽样分布与中心极限定理;中心极限定理(central limit theorem);抽样分布与总体分布的关系;样本比例的抽样分布;总体(或样本)中具有某种属性的单位与全部单位总数之比 不同性别的人与全部人数之比 合格品(或不合格品) 与全部产品总数之比 总体比例可表示为 样本比例可表示为 ;在重复选取容量为n的样本时，由样本比例的所有可能取值形成的相对频数分布 一种理论概率分布 当样本容量很大时，样本比例的抽样分布可用正态分布近似 推断总体比例?的理论基础 ;样本比例的数学期望 样本比例的方差 重复抽样 不重复抽样;样本方差的分布 两个样本方差比的分布 ;样本方差的分布;两个样本方差比的分布;3.3 抽样分布的性质 —无偏性与最小方差;无偏性(unbiasedness);有效性(efficiency);本章小结;中心极限定理;样本均值的抽样分布与中心极限定理;中心极限定理(central limit theorem)