第三章抽样分布研究.ppt

第三章 抽样分布 总体X的K阶原点矩和K阶中心矩分别为 E（Xk）(k=1，2，…) 和 E（（X- E（Xk） ）k） (k=2，3，…) 事实上，对于来自均值和方差分别为 和 的总体的一个简单随机样本X1， X2，…， Xn ，其样本均值的数字期望和 方差分别为 和 。 一般称 为样本均值的抽样误差。 中心极限定理(central limit theorem) 中心极限定理 (central limit theorem) 是非标志：具有和不具有某一属性，只有两种标志表现。 样本成数的抽样分布有数学期望值： E(p)=P 有方差： 样本成数的抽样分布有数学期望值： E(p)=P 有方差： （一） ?2分布 1. ?2分布的定义和密度函数 设X1， … ，Xn是相互独立，服从标准正态分布N(0,1)的随机变量，则称随机变量： 所服从的分布为自由度是n的 分布，即 记为 独立同分布的随机变量序列 随机变量服从标准正态分布 新构造的随机变量为原随机变量平方和 新随机变量服从自由度为n的卡方分布 分布的三个要点： ?2(n)分布是参数为n/2,1/2的Γ分布，即?2(n)的密度函数为 ?2分布随着自由度ｎ增加，分布渐近于正态。 图　?2的概率密度曲线 证： 所以： （1） 2.?2分布的性质 （2）分布可加性 且 独立，则： (3)上侧分位数 所谓一个分布的?上侧分位数就是指这样一个数，它使相应分布的随机变量不小于(大于等于）该数的概率为?,比如，若记?2变量的?上侧分位数为 ，则满足 查表313页附表3 ?20.995（11）=2.603 ?20.01（13）=27.688 d 附表3中给出了自由度n≤45的?2分布的上 α 分位数值. 如对于 查附表3得 方便通过EXCEL查分位点，函数为CHIINV。 fx 常用函数　 CHIINV α=0.05 n=55 73.31 α=0.02 n=55 78.62 1. t分布的定义和密度函数 t(n)称为自由度为n的t分布，记为T～t(n)。 （二）　 t 分布 t(n) 分布的概率密度为 定义:若X～N(0, 1), Y～?2(n), X与Y独立，则 　　　t分布和标准正态分布类似，他们都是对称分布。 区别：t分布尾部厚，即服从ｔ分布的随机变量取到尾部值的概率比标准正态分布略大。而对于接近原点的坐标点，t分布的值比标准正态分布的值小。因而t分布曲线尾部厚于标准正态分布，而峰低于标准正态分布。 t 分布的密度函数曲线 (1) f(t)关于t=0(纵轴)对称。 (2) f(t)的极限为N(0，1)的密度函数，即 ， 分子是标准正态随机变量 分母是自由度为n的卡方随机变量 分子分母相互独立，且满足构造公式 新随机变量服从自由度为n的t分布 t分布的三个要点： 分子：标准正态分布变量 分母：卡方变量除以自由度再开方 2. 附表2中给出了自由度n≤45时,当α≤0.5的 t 分布的上 α 分 位数值; 如对于α＝0.05，n＝20 查附表2得 可以通过EXCEL查分位点，函数为TINV。 （注意：α双侧，2×0.05＝0.1） T0.05（20）＝1.7247 （三）　F—分布 定义:若U ~?2(n1)， V~?2(n2)，U和 V独立，则 称为第一自由度为n1 ，第二自由度为n2的F分布,其概率密度函数为 1. F分布的定义和密度函数 分子是自由度为n1的卡方随机变量 分母是自由度为n2的卡方随机变量 分子分母相互独立，且满足构造公式 新随机变量服从第一自由度为n1第二自由度为n2的F分布 F分布的三个要点： 　两个卡分变量除以自由度之比 F分布密度函数图 纠错： 2.F分布的上侧临界值 对某些较小的α,附表4中给出了自由度为( n1, n2 )的F 分布的上 α 分位数值。 如对于 查附表5得 方便通过EXCEL查分位点，函数为FINV。 由于F分布表的局限性，我们不能用直接查表得到此题的 下侧分位点。怎么办呢？ 给定显著水平?＝0.05，查F(15,20)的?上下侧分位点。 多么方便啊！ EXCEL处理 例7 例8 （1）设X1, X2,…Xn是来自正态总体 的简单随机样本，则样本均值的分布为： (1) 则 (3) 第一个重要统计量 第二个重要统计量 样本均值与