概率论与数理统计第十五讲.ppt

第十六讲 随机样本 抽样分布 * * 概率论与数理统计 随机样本 抽样分布（1） —— 对随机现象进行观测、试验，以取得有代表性的观测值. —— 对已取得的观测值进行整理、分析,作出推断、决策,从而找出所研究的对象的规律性. 统 计 学 的 分 类 描述统计学 推断统计学 一、引言 统计学的特点： 数理统计与计算机的结合是发展的必然趋势. 1. 应用面广; 重点介绍数理统计的一些重要概念和典型的统计方法. 把时间用在基本概念、方法、原理的正确理解上. 软件包： SAS，SPSS，STAT等. 2. 分支较多; 3. 不断提出新问题. 统计学的作用：研究怎样以有效的方式收集、 整理和分析带有随机性的数据，以便对所考察的问题作出推断和预测，直至为采取一定的决策和行动提供依据和建议. 数理统计更侧重于应用随机现象本身的规律性进行资料的收集、整理和分析. 一方面，由于大量随机现象必然呈现出它的规律性，因而从理论上讲，只要对随机现象进行足够多次观察，被研究的随机现象的规律性一定能清楚地呈现出来. 由于推断是基于抽样数据，抽样数据又不能包括研究对象的全部信息. 因而由此获得的结论必然包含不肯定性. 在数理统计中，不是对所研究的对象全体（称为总体）进行观察，而是抽取其中的部分（称为样本）进行观察获得数据（抽样），并通过这些数据对总体进行推断. 另一方面，只允许我们对随机现象进行次数不多的观察试验，即我们获得的只是局部观察资料. 某种子公司栽种了几种类别的 鲜花，收获了大量的花籽，并把每25粒花籽扎成一小包出售(共有一百万包).一个零售商批发了200包，并向顾客保证：在每包25粒花籽中至少有22粒将能发芽，否则的话可免费调换另一包. 零售商面临以下两种类型的不肯定性： (1)由于种子公司出售的花籽的货单上，这类花籽共有一百万包，而零售商只购买了200包. 这一类不肯定性是由于“随机性”所引起的. 这种不肯定性已在概率论部分作过讨论. (1) 怎样设计试验，决定观察的数目； 怎样利用试验观察的结果作出一个 “好”的推断等. 这都是数理统计所要研究的问题. 问题: 本课程着重讨论第一个问题，即最常用统计推断方法. (2) 他对种子公司出售的小包中可接受（即至少有22粒花籽将发芽）的包数所占比例 是不清楚的. 二、随机样本 一个统计问题总有它明确的研究对象. 总体 —— 研究对象的全体称为总体. 常把所研究的对象的某个(或某些)数量指标的全体称为总体.它是一个随机变量(或多维随机变量)，记为X . X的分布函数和数字特征称为总体的分布函数和数字特征. 样本 —— 从总体中抽取的部分个体. 称 为总体 X 的一个容量为n的样本观测值,或称样本的一个实现. 用 表示, n 为样本容量. 样本空间 —— 样本所有可能取值的集合. 个体 —— 组成总体的每一个元素. 即总体的每个数量指标,可看作随机 变量 X 的某个取值.用 表示. 2. 独立性： X1,X2,…,Xn是相互独立的随机变量. 由于抽样的目的是为了对总体进行统计推断，为了使抽取的样本能很好地反映总体的信息，必须考虑抽样方法. 最常用的一种抽样方法叫作“简单随机抽样”，它要求抽取的样本满足下面两点: 1. 代表性： X1,X2,…,Xn中每一个与所考察 的总体有相同的分布. 由简单随机抽样得到的样本称为简单随机样本，它可以用与总体独立同分布的n个相互独立的随机变量X1,X2,…,Xn表示. 简单随机样本是应用中最常见的情形，今后，当说到“X1,X2,…,Xn是取自某总体的样本”时，若不特别说明，就指简单随机样本. 若总体的分布函数为F(x)，则其简单随机样本的联合分布函数为 F(x1) F(x2) … F(xn) 由样本值去推断总体情况，需要对样本值进行“加工”。 四、统计量和抽样分布 1. 统计量 这种不含任何未知参数的样本的函数g(X1,X2,…,Xn)称为统计量. 需要构造一些样本的函数，把样本中所含的（某一方面）的信息集中起来. 三、直方图 频率直方图的画法 直方图与密度 几