第六章统计量和其抽样分布.pptVIP

学习目标 1.了解统计量及其分布的几个概念 2.了解由正态分布导出的几个重要分布 3.掌握样本均值的分布特征与中心极限定理 4.掌握单样本比例的分布特征 5.了解两个样本均值之差的分布，了解样本方差的分布 一、 几个重要概念 （一）参数 能够反映统计总体的基本信息的数字特征均称为总体参数。 总体分布已知条件下对总体特征数字的统计分析和假设检验; 总体分布未知条件下对总体分布特征及相关数字特征的统计分析和假设检验. 总体参数是一个常数(常常是未知数),它与抽样方法以及样本值是无关的 设X1,X2,…,Xn为来自正态总体N(?, ?2), 容量为n的样本, 由样本构造的不含有任何未知参数的函数T (X1,…,Xn)称为统计量 如样本均值和样本方差 2、次序统计量 把样本X1, X2，…，Xn由小到大排列，得到 X1 X2 …Xn ，称之为样本X1, X2，…，Xn 的次序统计量。 3、充分统计量 不损失信息的统计量通常称为充分统计量 三、关于分布的概念 总体中各元素的观察值所形成的分布 分布通常是未知的 可以假定它服从某种分布 （二）抽样分布 抽样分布的形成过程 (sampling distribution) 一个样本中各观察值的分布 也称经验分布 当样本容量n逐渐增大时，样本分布逐渐接近 总体的分布 二、由正态分布导出的三个重要分布 （一） ?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 设随机变量X1, X2, …, Xn 相互独立, 且Xi~N(0,1)。 令 ?2=X12+X22+…+Xn2 则称 X2 服从自由度为 n 的 ?2 分布, 记作?2~?2(n). ?2分布(性质和特点) 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为两个独立的服从?2分布的随机变量，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 c2分布(图示) （二） t-分布 若 X~N(0,1), Y~?2(n),且X与Y相互独立，则称 （三） F-分布 若 Y~?2(m), Z~?2(n), 且Y与Z相互独立，则称随机变量X有如下表达式： 三、 样本统计量的抽样分布 (一个总体参数推断时) （一） 样本均值的抽样分布 （二） 样本比例的抽样分布 （三） 样本方差的抽样分布 （一）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) 样本均值的数学期望和方差 样本均值的分布与总体分布的比较 (例题分析) 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) 中心极限定理 (central limit theorem) 抽样分布与总体分布的关系 统计量的标准误 (standard error) 样本统计量的抽样分布的标准差，称为统计量的标准误，也称为标准误差 标准误衡量的是统计量的离散程度，它测度了用样本统计量估计总体参数的精确程度 以样本均值的抽样分布为例，在重复抽样条件下，样本均值的标准误为 估计的标准误 (standard error of estimation) 当计算标准误时涉及的总体参数未知时，用样本统计量代替计算的标准误，称为估计的标准误 以样本均值的抽样分布为例，当总体标准差?未知时，可用样本标准差s代替，则在重复抽样条件下，样本均值的估计标准误为 求样本平均数的概率分布 设某公司1000名职工的人均年奖金为2000元，标准差500元，随机抽取36人作为样本进行调查，问样本的人均年奖金在1900~2200元之间的概率有多大？ （二）样本比例的抽样分布 （二）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 样本比例的抽样分布 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