第5章统计量及其抽样分布.ppt

第 5 章 统计量及其抽样分布 §5.1 什么是统计量 §5.2 关于分布的几个概念 §5.3 三大统计分布 §5.4 一个总体参数推断时样本统计量分布 §5.5 两个总体参数推断时样本统计量分布 §5.1 统计量 统计量是样本的函数，不依赖于任何未知参数； 统计量是统计推断的基础，不同的统计推断问题需要构造不同的统计量； 常用的统计量有： 样本的均值、方差、离散系数 k阶距、 k阶中心距以及样本偏度和峰度等； 其他的统计量概念： 次序统计量：极差、中位数、分位数 充分统计量：不损失信息的统计量 总体分布(population distribution) 总体中各元素的观测值所形成的分布 分布通常是未知的 可以假定它服从某种分布 抽样分布 (sampling distribution) 样本统计量的概率分布，是一种理论分布 样本统计量是随机变量 如：样本均值, 样本比例，样本方差等 抽样分布来自容量相同的所有可能样本 抽样分布提供了样本统计量稳定的信息，是进行推断的理论基础 抽样分布、参数估计、假设检验构成了统计推断的核心 抽样分布 (sampling distribution) 渐近分布与近似分布 精确的抽样分布很难得到，即使得到也很难推广应用； 通常把样本量无限增大时统计量的极限分布作为抽样分布的一种近似，称为渐近分布； 在精确分布与渐近分布都无法得到的情况下，可以通过随机模拟来获得统计量的近似分布； 如：为了得到某个统计量的分布函数，可以进行一系列类似试验得到一组该统计量的观测值，从而近似得到其经验分布函数。 1、?2分布 2、t分布 3、F分布 ?2分布(?2 distribution) 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) 卡方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 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 其他性质略。 c2分布(图示) t 分布 t分布的形态 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 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) 样本均值的抽样分布 是容量相同的所有可能样本的样本均值的概率分布 是一种理论概率分布 是推断总体均值?的理论基础 当总体分布为正态分布时，样本均值的抽样分布也为正态分布，且有 样本均值的均值(数学期望) 等于总体均值 样本均值的方差等于总体方差的1/n 样本均值抽样分布的特征(数学期望与方差) 样本均值的均值（数学期望） 样本均值的方差 样本均值抽样分布的性质 （总体方差已知） 中心极限定理(central limit theorem) 中心极限定理 样本均值的抽样分布 对于任意总体的样本均值，只要n≥30，就有： 对其进行标准化，可以变形为： 标准化有什么用呢？ 中心极限定理的应用 【例】某生产商声称其产品寿命服从均值为60个月，标准差为6个月的寿命分布。质监部门为进行检验随即抽取50个产品进行试验。 问：假定厂商声称正确，50个产品的平均寿命不超过57个月的概率为多少？ 【解】首先根据n=5030，可以按照中心极限定理确定其平均寿命的抽样分布为： 样本均值的抽样标准误差 所有可能的样本均值的标准差，测度所有样本均值的离散程度 小于总体标准差 计算公式为 通常称为标准误 样本均值的抽样分布（总体方差未知） 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 容量相同的所有可能样本的样本比例的概率分布，是一种理论概率分布 是推断总体比例?的理论基础 当样本容量很大（np≥5,nq≥5）时，样本比例的抽样分布可用正态分布近似 “足够大”的经验准则： 样本比例的抽