为来自正态总体X～N(，2).ppt

从第五章开始，我们学习数理统计的基础知识。数理统计的任务是以概率论为基础，根据试验所得到的数据，对研究对象的客观统计规律性作出合理的推断.数理统计所包含的内容十分丰富，本书介绍其中的参数估计、假设检验、方差分析、回归分析等内容.第五章主要介绍数理统计的一些基本术语、基本概念、重要的统计量及其分布，它们是后面各章的基础。 代表性——即子样( )的每个分量 与总体 具有相同的概率分布。 定义 设（ ）为总体X的一个样本， 为不含任何未知参数的连续函数，则 称 为样本（ ）的一个统计量。 它包括两个方面——数据整理 计算样本特征数 计算样本特征数： 第一．整理原始数据，加工为分组资料，作出频率分布 表，画直方图，提取样本分布特征的信息.步骤如下： 样本方差 样本标准差 Q1 Q3 极差 四分位差 68.6909 8.288 85.25 95 42 4.875 MTB set c1 DATA 87 88 111 91 73 70 92 98 105 94 99 91 98 DATA 110 98 97 83 90 83 92 88 86 94 102 99 89 104 DATA 94 94 92 96 87 94 92 86 102 88 75 90 90 80 DATA 84 91 82 94 99 102 91 96 94 94 85 88 80 83 DATA 81 69 95 80 97 92 96 109 91 80 80 94 102 DATA 80 86 91 90 83 84 91 87 95 76 90 91 77 103 DATA 89 88 85 95 92 104 92 95 83 86 81 86 91 89 83 DATA 96 86 75 92 MTB end MTB describe c1 正态总体样本均值的分布 设总体 ， 是 的一个样本, 则样本均值服从正态分布 U—分布 概率分布的分位数(分位点) 使P{X≥x?} =?， 定义 对总体X和给定的? (0?1)，若存在x?， 则称x?为X分布的上侧?分位数或上侧临界值. 如图. ? x? o y x P{X≥x?} =? 若存在数?1、?2，使 P{X≥?1}=P{X≤?2} 则称?1、?2为X分布的双侧?分位数或双侧临界值. o y x ?2 ?1 双侧? 分位数或双侧临界值的特例 当X的分布关于y轴对称时， 则称 为X分布的双侧?分位数或双侧临界值. 如图. 若存在 使 y x O U—分布的上侧分位数 对标准正态分布变量U～N(0, 1)和给定?的，上侧?分位数是由： P{U≥u?} = 即 P{Uu?} =1-? ?(u?) =1-? 确定的点u?. 如图. ?(x) x O u? ? 例如， ?=0.05，而 P{U≥1.645} =0.05 所以， u0.05 =1.645. U—分布的双侧分位数 的点u?/2为标准正态分布的双侧?分位数或双侧临界值. 如图. u?/2可由P{U≥u?/2}=? /2 对标准正态分布变量U～N(0, 1)和给定?的， 称满足条件 P{|U|≥u?/2} =? 即 ?(u? /2) =1-? /2 反查标准正态分布表得到， P{U≥1.96}=0.05 /2 例如，求u0.05/2， 得u0.05/2=1.96 ?(x) O u?/2 ? /2 -u?/2 ? /2 x 标准正态分布的分位数 在实际问题中， ?常取0.1、0.05、0.01. 常用到下面几个临界值： u0.05 =1.645， u0.01 =2.326 u0.05/2=1.96， u0