常用统计分布与抽样分布.ppt

* 补充2： 大数定律与中心极限定理 切比雪夫不等式 切比雪夫大数定律 贝努里大数定律 独立同分布的中心极限定理 这就是大数定律所阐述的。 根据测量的经验： 大数定律：大量重复的随机试验所呈现的规律性。 当n充分大时，n次测量值的平均值 引理：切比雪夫不等式 或 设随机变量X的数学期望EX与方差DX都存在，则对于任意的正数ε，有 定理1 （契比雪夫大数定律） 且具有相同的数学 期望及方差， 定理2（贝努里大数定律）(Bernoulli大数定律) 例1. 设电站供电网有10000盏电灯，夜晚每一盏灯开灯的概率为0.7，假定每盏电灯开关彼此独立，估计夜晚同时开着的灯的数目在6800~7200之间的概率。（利用切比谢夫不等式计算） 定理3（独立同分布的中心极限定理） 阐明在什么条件下，随机变量和的分布可以近 似为正态分布的理论。 设各零件的重量都是随机变量，它们相互独立，且服从相同的分布，其数学期望为0.5 kg，均方差为0.1 kg，问5000只零件的总重量超过2510 kg的概率是多少？ 例2 第六章： 样本和抽样分布 一个统计问题有它明确的研究对象. 1.总体 研究对象全体称为总体(母体). 总体中每个成员称为个体. 一、总体和样本 总体可以用随机变量及其分布来描述. 例如:总体X为某批灯泡的寿命, 为推断总体分布及各种特征，从总体中抽取n个个体，所抽取的部分个体称为样本. 样本中所包含的个体数目n称为样本容量. 2. 样本 样本的二重性： 抽样之前，样本为随机变量, 记 X1, X2 ,…, Xn . 抽样之后，样本为一组数值, 记 x1, x2 ,…, xn . 2. 独立性： X1,X2,…,Xn是相互独立的随机变量. “简单随机抽样”，要求抽取的样本满足： 1. 代表性： X1,X2,…,Xn中每一个与所考察的总体有相同的分布. 说明：我们所考虑的都是简单随机抽样的样本。从而有： X1,X2,…,Xn独立同分布，与总体分布相同。 例 1 设X1,X2,X3是取自正态总体 的样本,写出样本X1的概率密度函数。 二、统计量 设 为总体X 的样本， 为一个n元连续函数，若样本函数 不含任何未知参数，则称 为统计量. 例 2 设X1,X2,X3是取自正态总体 的样本, 指出下列哪个不是统计量. 几个常见统计量 样本均值 修正的样本方差 样本成数 修正的样本标准差 三. 抽样分布 统计量既然是依赖于样本的，而后者又是随机变量，故统计量也是随机变量，因而就有一定的分布，这个分布叫做 “抽样分布” . 1. 样本均值的正态分布 a. 单个正态总体下的样本均值的分布 设总体X 服从正态分布 为来自总体的一个样本， 定理1. 则 为样本均值， b. 两个正态总体下的样本均值的分布 设总体X 服从正态分布 为分别来自X 与Y 的样本，X , Y 定理2. 相互独立， 总体Y 服从正态分布 分别为它们的样本均值，则 c. 非正态总体下的样本均值的分布 定理3. 设总体X 为任意总体,其 为来自总体的一个样本， 则 且n较大时，近似地有 为样本均值，要使 成立，则样本容量 例3 设 为来自母体X的样本， 例4 设总体X服从正态分布 ， 来自总体X，计算 . 设总体X和Y相互独立,且都服从正态分布 ， 和 是分别来自X和Y的样本，求 的概率。 例5 定理 4 (样本方差的分布) 设X1,X2,…,Xn是来自正态总体 的样本, 分别为样本均值和修正的样本方差,则有 2. 样本方差的卡方分布 定理 5 (单正态总体样本均值的 t 分布) 设X1,X2,…,Xn是取自正态总体 的样本, 分别为样本均值和修正的样本方差, 则有 3. 样本均值的学生氏分布