第6.2节 抽样分布——概率论与数理统计(李长青版).ppt

第二节 抽样分布 一、统计量 由样本值去推断总体情况，需要对样本值进行“加 工”，这就要构造一些样本的函数，它把样本中所含的 （某一方面）的信息集中起来. 定义：设 是来自总体 X 的一个样本, 是 n 元连续函数，且不含有任何未知 参数，则称 是一个统计量。 如果 是样本 的一组样 本观察值，那么 就是 的一个观察值。 几个常见统计量 样本均值 样本方差 它反映了总体均值 的信息 它反映了总体方差 的信息 样本标准差 样本k阶原点矩 样本k阶中心矩 k=2, 3, … 它反映了总体k阶矩 的信息 它反映了总体k 阶 中心矩的信息 k=1, 2, 3, … 常用统计量的观察值： 样本均值的观察值 样本方差的观察值 样本标准差的观察值 样本k阶原点矩的观察值 样本 k 阶中心矩的观察值 二、统计推断中常用的三个分布 —分布 1. 分布是由正态分布派生出来的一种分布. 定义: 设 相互独立, 都服从正态分布 N(0,1), 则称随机变量： 所服从的分布为自由度为 n 的 分布. 记为 分布的密度函数为 来定义. 其中伽玛函数 通过积分 分布的密度函数图形 分布的密度函数图形 则 ⑵ (可加性) 设 且 X1, X2 相互独立，则 ⑴? 设 相互独立, 都服从正态分布 由 分布的定义，不难得到： 应用中心极限定理可得，若 ，则当n充分大时， 若 的分布近似正态分布N(0,1). 则 E(X)=n, D(X)=2n 若 (3) T 的密度函数为： 记为T～t(n). 所服从的分布为自由度为 n的 t 分布. 2. t –分布 则称变量 定义: 设 且X与Y相互独立, 具有自由度为 n 的 t–分布的随机变量 T 的数学期 当n充分大时，其图形类似于标准正态分布密度函 t–分布的密度函数关于 x = 0 对称，且 数的图形. 对n 2 望和方差为: 不难看到，当n充分大时，t 分布近似N (0,1)分布. 但对于较小的n，t分布与N (0,1)分布相差很大. 由定义可见， 3. F–分布 服从自由度为n1及 n2 的F–分布，n1称为第一自由度, n2称为第二自由度，记作 F~F(n1,n2) . 定义: 设 X与Y相互独立, 则称统计量 若 X ~ F(n1, n2)， X 的概率密度为 若X~F(n1,n2)， X的概率密度函数图形 即它的数学期望并不依赖于第一自由度n1. X 的数学期望为: 若n22 例1 设随机变量 求 的分布. 解 由 t–分布的定义知 因 X ~ N(0,1), 从而 由 F–分布的定义知 又 三、正态总体的抽样分布 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，这个分布叫做统计量的“抽样分布” . 一般总体下, 抽样分布较难得到. 但是对于正 态总体下的情形却有比较简单的结论. 1. 单个正态总体的抽样分布 定理 1 设 是它一个样本. 分别是样本均值与样本方差, 则 (1) (2) 相互独立; (3) 定理 2 设 是它一个样本. 分别是样本均值与样本方差, 则 (1) (2) 证 (1) 将样本均值 标准化即可. (2) 因 由 相互独立知, 与 独立. 由 t–分布的定义知