第3章样本及抽样分布.pptVIP

第三章 样本及抽样分布 总体分布(population distribution) 总体中各元素的观察值所形成的分布 分布通常是未知的 可以假定它服从某种分布 样本分布(sample distribution) 一个样本中各观察值的分布 也称经验分布 当样本容量n逐渐增大时，样本分布逐渐接近总体的分布 抽样分布 (sampling distribution) 样本统计量的概率分布，是一种理论分布 在重复选取容量为的样本时，由该统计量的所有可能取值形成的相对频数分布 随机变量是 样本统计量 样本均值, 样本比例，样本方差等 结果来自容量相同的所有可能样本 提供了样本统计量长远而稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据 抽样分布的形成过程 (sampling distribution) 样本均值的抽样分布 样本均值的抽样分布 在重复选取容量为n的样本时，由样本均值的所有可能取值形成的相对频数分布 一种理论概率分布 推断总体均值?的理论基础 样本均值的抽样分布(例题分析) 样本均值的抽样分布 (例题分析) 样本均值的抽样分布 (例题分析) 样本均值的分布与总体分布的比较 (例题分析) 样本均值的抽样分布与中心极限定理 中心极限定理(central limit theorem) 中心极限定理 (central limit theorem) 抽样分布与总体分布的关系 样本均值的抽样分布(数学期望与方差) 样本均值的数学期望 样本均值的方差 重复抽样 不重复抽样 样本方差的抽样分布 样本方差的分布 两个样本均值之差的抽样分布 两个样本均值之差的抽样分布 两个总体都为正态分布，即 ， 两个样本均值之差 的抽样分布服从正态分布，其分布的数学期望为两个总体均值之差 方差为各自的方差之和 两个样本均值之差的抽样分布 两个样本方差比的抽样分布 两个样本方差比的抽样分布 第三章 样本及抽样分布 定理2 且它们独立。 则由t-分布的定义： 证明： 第三章 样本及抽样分布 则有： §3 抽样分布 定理3 第三章 样本及抽样分布 §3 抽样分布 例11 第三章 样本及抽样分布 定理4 3.4 样本统计量的抽样分布 (一个总体参数推断时) 3.4 .1 样本均值的抽样分布 3.4 .2 样本比例的抽样分布 3.4 .3 抽样方差的抽样分布 【例】设一个总体，含有4个元素(个体) ，即总体单位数N=4。4 个个体分别为x1=1，x2=2，x3=3，x4=4 。总体的均值、方差及分布如下 总体分布 1 4 2 3 0 .1 .2 .3 均值和方差 ? 现从总体中抽取n＝2的简单随机样本，在重复抽样条件下，共有42=16个样本。所有样本的结果为 3,4 3,3 3,2 3,1 3 2,4 2,3 2,2 2,1 2 4,4 4,3 4,2 4,1 4 1,4 4 1,3 3 2 1 1,2 1,1 1 第二个观察值 第一个 观察值 所有可能的n = 2 的样本（共16个） ? 计算出各样本的均值，如下表。并给出样本均值的抽样分布 3.5 3.0 2.5 2.0 3 3.0 2.5 2.0 1.5 2 4.0 3.5 3.0 2.5 4 2.5 4 2.0 3 2 1 1.5 1.0 1 第二个观察值 第一个 观察值 16个样本的均值（x） x 样本均值的抽样分布 1.0 0 0.1 0.2 0.3 P ( x ) 1.5 3.0 4.0 3.5 2.0 2.5 ? = 2.5 σ2 =1.25 总体分布 1 4 2 3 0 .1 .2 .3 抽样分布 P ( x ) 1.0 0 .1 .2 .3 1.5 3.0 4.0 3.5 2.0 2.5 x ? = 50 ? =10 X 总体分布 n = 4 抽样分布 x n =16 当总体服从正态分布N(μ,σ2)时，来自该总体的所有容量为n的样本的均值?x也服从正态分布，?x 的数学期望为μ，方差为σ2/n。即?x～N(μ,σ2/n) 当样本容量足够大时(n ? 30) ，样本均值的抽样分布逐渐趋于正态分布 中心极限定理：设从均值为?，方差为? 2的一个任意总体中抽取容量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为σ2/n的正态分布 一个任意分布的总体 x ?x 的分布趋于正态分布的过程 总体分布 正态分布 非正态分布 大样本 小样本 正态分布 正态分布 非正态分布 在重复选取容量为的样本时，由样本方差的所有可能取值形成的相对频数分布 对于来自正态总体的