第五章统计量及其分布.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 该密度函数的图像是一只取非负值的偏态分布 5.4.2 F 分布 定义5.4.2 设X1 ? ?2(m), X2 ? ?2(n), X1与X2独立， 则称 F =(X1/m)/(X2/n) 的分布是自由度为 m 与 n 的 F分布，记为F ? F(m, n)，其中m 称为分子自 由度，n 称为分母自由度。 当随机变量F ? F(m,n) 时，对给定 ? (0???1) ，称满足 P(F ? F1??(m,n)) =1?? 的F1??(m,n) 是自由度为m 与 n 的F 分布的1?? 分位数。 由 F 分布的构造知 F?(n,m) = 1/F1??(m,n)。 该密度函数的图象也是一只取非负值的偏态分布 5.4.3 t 分布 定义 5.4.3 设随机变量X1 与X2 独立， 且X1 ? N(0,1), X2 ? ?2(n), 则称 t=X1/? X2/n 的分布为自由度为n 的t 分布，记为t ?t(n) 。 t 分布的密度函数的图象是一个关于纵轴对称的分布，与标准正态分布的密度函数形状类似，只是峰比标准正态分布低一些尾部的概率比标准正态分布的大一些。 n?1时, t 分布的数学期望存在且为0； n?2时，t 分布的方差存在，且为n/(n?2)； 当自由度较大 (如n?30) 时， t 分布可以用 正态分布 N(0,1)近似。 自由度为1的 t 分布就是标准柯西分布， 它的均值不存在； 当随机变量t ?t(n) 时，称满足 P(t ? t1??(n)) =1?? 的 t1??(n) 是自由度为 n 的 t 分布的1??分位数. 分位数 t1??(n) 可以从附表4中查到。 譬如 n=10,?=0.05，那么从附表4上查得 t1?0.05(10) = t0.95(10)=1.812 . 由于 t 分布的密度函数关于0 对称, 故其分位数间有如下关系 t?(n)= ?t1??(n) 5.4.4 一些重要结论 定理5.4.1 设 x1, x2,…, xn 是来自N(?, ?2) 的 样本，其样本均值和样本方差分别为 和 x = ?xi/n s2= ? (xi?x)2/(n?1) (3) (n?1) s2/?2 ? ?2(n?1)。 则有 (1) x 与 s2 相互独立； (2) x ? N(?, ?2/n) ； 5.4.4 一些重要结论 推论 5.4.1 设 x1, x2,…, xn 是来自N(?, ?2) 的 样本，其样本均值和样本方差分别为 和 x = ?xi/n s2= ? (xi?x)2/(n?1) 则有 推论5.4.2 设 x1, x2,…, xm 是来自N(?1, ?12) 的 样本，y1, y2,…, yn 是来自N(?2, ?22) 的样本， 且此两样本相互独立，则有 特别，若?12 =?22 ，则 F=sx2/sy2 ? F(m?1,n?1) 推论5.4.3 在推论5.4.2的记号下，设 ?12 =?22 = ?2 ， 并记 则 §5.5 充分统计量 5.5.1 充分性的概念 例5.5.1 为研究某个运动员的打靶命中率，我们 对该运动员进行测试，观测其10次，发现除第 三、六次未命中外，其余8次都命中。这样的 观测结果包含了两种信息： (1) 打靶10次命中8次； (2) 2次不命中分别出现在第3次和第6次 打靶上。 第二种信息对了解该运动员的命中率是没有什么帮助的。一般地，设我们对该运动员进行n 次观测，得到 x1, x2,…, xn，每个xj 取值非0即1，命中为1，不命中为0。令 T = x1+…+xn ，T为观测到的命中次数。在这种场合仅仅记录使用T 不会丢失任何与命中率 ? 有关的信息，统计上将这种“样本加工不损失信息”称为“充分性”。 样本 x=(x1,x2,…,xn) 有一个样本分布F? (x)， 这个分布包含了样本中一切有关?的信息。 统计量T =T (x1,x2,…,xn) 也有一个抽样分布F?T(t) ，当我们期望用统计量T 代替原始样本并且不损失任何有关 ? 的信息时，也就是期望抽样分布 F?T(t) 像 F?(x) 一样概括了有关 ? 的一切信息，这