第6章62 统计量与抽样分布(二).PPT

§6.2 统计量与抽样分布 §6.2 统计量与抽样分布 §6.2 统计量与抽样分布 戈塞特(William Sealey Gosset , 1876-1937 ) 许多统计学家把1908年看作是统计推断理论发展史上的里程碑 后来，戈塞特又连续发表了“相关系数的概率误差”(1909)、“非随机抽样的样本平均数分布”(1909)、“从无限总体随机抽样平均数的概率估算表”(1917), … 由于戈塞特开创的理论使统计学开始由大样本向小样本、由描述向推断发展 因此，有人把戈塞特推崇为推断统计学的先驱 小 结 1. ?2分布 ?2分布性质 (1)可加性 (2)设?2 ～ ?2(n)，则E(?2 ) = n，D(?2) = 2n 2. t分布 3. F分布 F ～F(n1，n2)，则1/F ～F(n2，n1) * * * * * * * * 作 业 第150页：三、2，3，4 休息一下 第6章 统计量与抽样分布 §6.2 统计量与抽样分布(二) §6.2 统计量与抽样分布 主要内容 6.2.1 统计量 6.2.2 抽样分布 6.2.3 分位数 §6.2 统计量与抽样分布 6.2.2 抽样分布 统计量的分布称为抽样分布． 1. ?2分布 2. t分布 3. F分布 §6.2 统计量与抽样分布 6.2.2 抽样分布 1. ?2分布 【定义6.3】设X1，X2，…，Xn为相互独立的随机变量，它们都服从标准正态N(0，1)分布，则称随机变量 服从自由度为n的?2分布，记为?2 ～ ?2(n)． 此处自由度指?2分布中包含独立变量的个数. §6.2 统计量与抽样分布 6.2.2 抽样分布 1. ?2分布 ?2(n)的概率密度： 其中 可以看出，随着n的增大， 图形趋于“平缓”， 其图形下方区域的重心逐 渐往右下移动． 图6-9 ?2(n)分布的概率密度曲线 §6.2 统计量与抽样分布 6.2.2 抽样分布 1. ?2分布 ?2分布的性质： (1) (可加性) 设?12 , ?22 是两个相互独立的随机变量, 且 ?12 ~ ?2(n1), ?22 ~?2 (n2), 则 ?12 +?22 ~ ?2(n1+ n2) 分析：根据?2分布的定义易得 §6.2 统计量与抽样分布 6.2.2 抽样分布 1. ?2分布 ?2分布的性质： (1) (可加性) (2) 设?2 ～?2(n)，则E(?2) = n，D(?2) = 2n． 证:因为?2 ～?2(n)，所以存在独立同标准正态分布的随机变量X1，X2，…，Xn ，使得 D(?2) §6.2 统计量与抽样分布 6.2.2 抽样分布 2. t分布 【定义6.4】设X～N(0, 1), Y ～ ?2(n), X与Y独立，则称 服从自由度为n的t分布，又称学生氏分布(Student distribution)，记为T ～ t(n)． 戈塞特(William Sealey Gosset , 1876-1937 ) 英国统计学家 1908年之前，统计学主要用于社会统计，数 据是大量的，分析方法以中心极限定理为依据， 总是归结为正态. K.皮尔逊是此时统计的统治者. 20世纪，受人工控制的试验数据很是有限，数据量不大，依靠中心极限定理的传统方法开始受到质疑. 这个方向的先驱就是戈塞特和费希尔. 戈塞特求学于曼彻斯特学院和牛津大学，学习化学和数学 戈塞特(William Sealey Gosset , 1876-1937 ) 1899年，戈塞特进入一家啤酒厂工作 1906-1907年，到皮尔逊那里学习统计学，着重研究少量数据的统计分析问题. 1908年，以 Student为笔名，在《生物计量学》上发表了“平均数的概率误差” 给出了定理6.3(4) t分布的结论，t分布的一些分位数值. 费希尔1922年给出了完整的证明. 1937年戈塞特去世后，当时许多统计学家尚不知他就是Student §6.2 统计量与抽样分布 6.2.2 抽样分布 2. t分布 t(n)的概率密度： 从图形也可看出，随着n的 增大，t(n)的密度曲线与N(0, 1) 的密度曲线越来越接近． t分布的性质： 一般地，若n30, 就可认为t(n)基本与N(0, 1)相差无几了 图6-10 t分布的概率密度曲线 §6.2 统计量与抽样分布 6.2.2 抽样分布 3. F分布 【定义6.5】设X～?2(n1)，Y～?2(n2)，且X与Y独立，则称随机变量 服从自由度为(n1，n2)的F分布，记为F～F(n1，n2) F(n1，n2) 分布的性质： 若F