第6章数理统计的基本概念.pptVIP

概率论与数理统计 第六章 数理统计的基本概念 第六章 数理统计的基本概念 6.1 总体与样本 第六章 数理统计的基本概念 6.1 总体与样本 第六章 数理统计的基本概念 6.1 总体与样本 第六章 数理统计的基本概念变量 6.3 ?2，t和F分布 第六章 数理统计的基本概念 6.3 ?2，t和F分布 第六章 数理统计的基本概念 6.3 ?2，t和F分布 第六章 数理统计的基本概念 6.3 ?2，t和F分布 第六章 数理统计的基本概念变量 6.4 统计量和抽样分布 故 由于 故 表示F(n1,n2)的上侧1?α分位数 从而 利用上式，可以从 求出分位数 例如 查附表5得 故 数理统计的任务是通过样本推断总体. 数理统计的任务是通过样本推断总体，但样本包含了关于总体的各方面信息，在实际处理问题时，很少直接利用样本进行推断. 往往需要针对不同的问题构造出样本的某种函数 T=T(X1,X2,…,Xn)， 以便把样本中所包含的有关问题的信息提取出来，然后再利用这种信息进行推断. 这种函数仍然是随机变量，人们称之为统计量.其定义如下： u O φ(u) α α 为了本章及以后各章的需要，下面介绍数理统计中常用的三大分布，即 ?2，t和F分布. 它们在数理统计中占有极重要的地位. 6.3.1 ?2分布(Chi-square distribution) 定义6.2 设X1,X2,…,Xn为n个(n ≥1)相互独立的随机变量，它们都服从标准正态分布N(0,1)，若 则随机变量Y的分布称为自由度为n的?2分布，记为?2(n). 任何服从?2(n)分布的随机变量X称为自由度为n的?2变量，简称为?2变量，并记作 X~?2(n). 根据3.6节中的例3和4.5节中的卷积公式，用数学归纳法容易证明?2(n)的概率密度为 利用Γ函数的定义，容易验证 x O f(x) 定理6.2 设随机变量X与Y相互独立，且X~?2(m)，Y~?2(n)，则 X+Y~?2(m+n). 证 设X1,X2,…,Xm，Y1,Y2,…,Yn为m+n个相互独立的标准正态随机变量. 因X与 都服从?2(m)分布，Y与 都服从?2(n)分布，且 相互独立，故X+Y与 同分布. 由?2分布的定义知，后者服从?2(m+n)分布，故 Z=X+Y~?2(m+n). 上述的定理表明?2分布关于自由度具有可加性. 本书的附表3对某些不同的自由度n及不同的数α (0α1)给出了满足等式 的临界值 的数值(图6.5)，式中?2 ~?2(n). 临界值 x O f(x) α 临界值 也称为?2(n)的上侧α分位数. x O f(x) α α 由附表3可以查得 由附表3可以查得 等等. 6.3.2 t分布(t-distribution) 定义6.3 设随机变量X，Y相互独立，且X~N(0,1)， Y~?2(n)，则称随机变量 所服从的分布为自由度为n的t分布，又称学生氏(Student)分布，记为t(n). 任何服从t(n)分布的随机变量T，称为自由度为n的t变量，记为 T ~ t(n). 根据3.6节中的方法先求出 的概率密度. 因为X与Y相互独立，故X与Z也相互独立. 再利用4.5节中的方法可得变量T=X/Z的概率密度为 t O f(t) t(6) t(2) N(0,1) 可以证明，当n无限增大时，t分布的极限分布就是标准正态分布. 本书的附表4对某些不同的自由度n及不同的数α (0α1)给出了满足等式 的临界值 的数值(图6.7)，式中T~t(n). 临界值 t O f(t) α 图6.7 临界值 也称为t(n)的上侧α分位数. 由附表4可以查得 等等. t O f(t) α α 6.3.3 F分布(t-distribution) 定义6.4 设随机变量X，Y相互独立，且X~?2(n1)， Y~?2(n2)，则称随机变量 所服从的分布为第一自由度为n1，第二自由度为n2的分布，记为F~F(n1，n2). 任何服从F(n1,n2)分布的随机变量F，称为自由度为(n1,n2)的F变量，简称为F变量，记为 F~F(n1,n2). 易知定义6.4中的随机变量的概率密度为 本书的附表5对某些自由度n1,n2及不同的α(0α1)给出了满足等式 的临界值 的数值(图6.9)，式中F~F(n1,n2). 临界值 也称为F(n1,n2)的上侧α分位数. x O f(x) α x O f(x) α α F分布的上侧α分位数具有性质： 事实上，若X~?2(n1)，Y~?2(n2)，而且X与Y相互独立，则 于是，对任意α(0α1)存在上侧α分位数 使得 而 * * 6.1.1 数理统计的基本问题 在前面的章节中，介绍了概率论的基本内容，从本章开