第6章 统计量及其抽样分布.ppt

第 6 章 统计量及其抽样分布 6.1 统计量 6.2 抽样分布的概念和几个重要分布 6.3 样本均值的分布与中心极限定理 6.4 样本比例的抽样分布 6.5 两个样本均值之差的分布 6.6 样本方差的分布 学习目标 理解统计量的概念 理解抽样分布的意义 了解几个重要分布的概念和性质 掌握中心极限定理及其应用 掌握样本均值、 样本比例和样本方差的抽样分布. 掌握两个样本均值之差、两个样本方差之比的抽样分布. 常用统计量 1.样本均值:反映出总体数学期望的信息 2.样本方差和样本标准差:反映总体方差和标准差的信息. 3.样本变异系数:V=S/X,反映总体离散系数的信息. 4.样本偏度 5.样本峰度 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 随机变量是 样本统计量 样本均值, 样本比例，样本方差等 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 抽样分布的形成过程 (sampling distribution) χ2分布 设X1，X2，…，Xn是n个相互独立，且服从标准正态分布N（0，1）的随机变量，则随机变量 的分布叫做自由度为n的χ2分布. χ2分布 χ2分布 的特点: χ2分布的变量值始终为正 χ2 (n) 分布的形状取决于其自由度n的大小， 随着n的增大，其形状逐渐趋于对称 χ2分布的数学期望为 　　　　　　　　 　　　　　　　　方差为 χ2分布 ４.χ2分布具有可加性．若Ｕ和Ｖ为两个独立的自由度分别为n1和n2的χ2分布随机变量Ｕ和Ｖ，则Ｕ＋Ｖ这一随机变量服从自由度为（ n1＋n2 ）的χ2分布． ５.χ2分布通常用于总体方差的估计和非参数检验等． t分布 1.设随机变量X～N(0,1),Y ～ χ2 (n) ,且X与Y独立,则随机变量 的分布称为t 分布,记为t(n),其中n为自由度. 2.t分布又称为学生分布 t分布 3. t分布的密度函数是偶函数,关于y轴对称. 4.当n≥2时, t分布的数学期望E(t)=0; 当n≥3时, t分布的方差D(t)=n/n-2 5.自由度为1的t分布称为柯西分布. 6.随着自由度的增加, t分布的密度函数越来越接近标准正态分布的密度函数.实际应用中,当n≥30时, t分布可近似为标准正态分布. Ｆ分布 1.设Y是服从自由度为m的χ2分布的随机变量，Z是服从自由度为n 的χ2分布的随机变量，且Y和Z相互独立，则　　　　 服从第一自由度为m,第二自由度为n的Ｆ分布,记为F(m,n). 2.Ｆ分布通常用于方差分析和回归分析 Ｆ分布 3.F分布的数学期望和方差为: E(x)=n/n-2, n ＞ 2 D(x)=2n2(m+n-2)/m(n-2)(n-4), n＞4 4.如果随机变量X服从t(n)分布,则X2服从F(1,n)的F分布. 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的确定 样本均值的抽样分布的确定 　当总体分布是非正态分布时,样本均值的抽 样分布的确定取决于样本容量n的大小 　当n充分大时（通常要求n ≥ 30 ），根据 中心极限定理，样本均值的抽样分布近似服 从均值为μ、方差为σ2/n的正态分布 　 中心极限定理(central limit theorem) 中心极限定理 (central limit theorem) 样本均值抽样分布与总体分布的关系 样本比例的抽样分布 1. 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， 称为样本比例的抽样分布. 2. 当n充分大时（通常要求np ≥5和 n(1-p) ≥5 ），样本比例的抽样分布可用正态分布近似. 样本比率的抽样分布(数学期望与方差) 样本比例的数学期望 样本比例的方差 样本方差的抽样分布 1.在重复选取容量为n的样本时，由样本方差的所有可能取值形成的相对频数分布，称为样本方差的抽样分布。 2.对于来自正态总体的简单随机样本，比值（n-1）s2/σ2的分布服从自由度为（n-1）的 χ2分布 两个样本统计量的抽样分布 两个样本均值之差的抽样分布 　定义：从两个总体中分别独立地抽取容量为n1和n2的样本，在重复选取容量为n1和n2的样本时，由两个样本均值之差的所有可能取值形成的相对