第3章抽样与抽样分布.ppt

第 3 章 抽样分布 3.1 几个重要分布 3.2 抽样分布 3.3 抽样分布的性质 ?2 分布 ?2分布(?2 distribution) 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 ?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?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 c2分布(图示) t 分布 t 分布 t 分布图示 F 分布 F分布(F distribution) 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 F分布(图示) 抽样分布的概念 抽样分布 (sampling distribution) 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 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(数学期望与方差) 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) 两个样本均值之差的抽样分布 两个总体都为正态分布，即 ， 两个样本均值之差 的抽样分布服从正态分布，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： 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 比例(proportion) 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 样本比例的抽样分布(数学期望与方差) 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 样本方差的分布 两个样本方差比的分布 无偏性(unbiasedness) 无偏性：估计量抽样分布的数学期望等于被 估计的总体参数 有效性(efficiency) 本章小结 了解抽样的概率抽样方法 理解抽样分布的意义 了解抽样分布的形成过程 理解抽样分布的性质 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) 65 The sampling distribution is a function of the sample sizes upon which the sample variances are based. Hint: Recall the formula for variance! s2 = S(x -`x)2/(n-1