《概率论及数理统计》第六章.pptVIP

第七章 样本分布 §7.1 总体与样本 §7.2 样本分布函数 §7.3 样本分布的数字特征 §7.4 几个常用统计量的分布 7.1 总体与样本 每一总体中的个体,具有共同的可观察的特征,把它作为不同总体的区别. 例如,灯泡厂一天生产5万个25万瓦白炽灯泡,按规定,使用寿命不足0.1万小时的为次品.在考察这批灯泡的质量时,“该天生产的5万个25瓦白炽灯泡的全体”组成一个总体,每一个灯泡是总体中的一个个体,其共同的可观察的特征为灯泡的使用寿命. 数轴上的“一条线段所有点的全体”组成一个总体,其中的每一个点是总体的一个个体,其共同的可观察的特征为点在数轴上的位置. 在进行抽样时,样本的选取必须是随机的,即总体中每个个体都有同等机会被选入样本.抽样通常有两种方式：一种是不重复抽样,即每次抽取一个不放回去,再抽取第二个,连续抽取n次；另一种是重复抽样,指每次抽取一个,进行观察后再放回去,再抽取第二个,连续抽取n次,构成一个容量为n的样本. 二、统计量 §7.2 样本分布函数 (一)分组数据的统计表和频数直方图 表7-1 简单统计表 (二)频率直方图和累积频率直方图 (三)样本分布函数 总体就是一个随机变量ξ.把ξ的分布看作某统计总体的分布,则ξ的分布函数F(x)即为一总体分布函数. §7.3样本分布的数字特征 样本的数字特征,是显示一个样本分布某些特征的数字.人们经常用它们来估计总体的数字特征. 比如,7.2例1中170个新生女婴儿的平均体重是 定义7.5 对于样本(X1…Xn),称 §7.4几个常用统计量的分布 后面的几章,所涉及的多为正态分布,因此,这一节里将介绍有关正态分布随机变量函数的一系列分布.其中有些定理(如定理7.3-定理7.5)的证明用到较多的线性代数知识,书中没有进行证明.对于定理7.1和定理7.2也只是强调它们的结论本身. 三、F—分布　 正态总体的抽样分布定理 定理7.1 独立的服从正态分布的随机变量的 非零线性组合仍服从正态分布 定理7.1的推论： 定理7.2 定理7.3 定理7.3的推论 定理7.4 设两个随机变量ξ与η相互独立，并且 t 分布的密度函数由（4.17）式给出。 定理7.4的推论1 定理7.4的推论2 定理7.5 其中， 为第一自由度为n1 ，第二自由度为n2的F—分布,其概率密度由（4.18）给出。 则有： 定理7.5的推论 一、 ?2—分布 统计量的分布称为抽样分布。数理统计中常用到如下三个分布： ?2—分布、 t —分布和F—分布。 2.?2—分布的密度函数f(y)曲线 3. 分位点 设X ~ ?2(n)，若对于?：0?1， 存在 满足 则称 为 分布的上?分位点。 α 1-α 4.性质： a. ?2分布可加性 若X ~ ?2(n1)，Y~ ?2(n2 )， X， Y独立，则 X + Y ~ ?2(n1+n2 ) b.期望与方差 若X~ ?2(n)，则 E(X)= n，D(X)=2n 1.构造 若?~N(0, 1), ?~?2(n), ?与?独立，则 t(n)称为自由度为n的t—分布。 二、t—分布 t(n) 的概率密度为(p99)（4.17）式 2.基本性质: (1) f(x)关于x=0(纵轴)对称。 (2) f(x)的极限为N(0，1)的密度函数，即 3.分位点 设T～t(n)，若对 ?:0?1,存在t?(n)0， 满足P{T?t?(n)}=?， 则称t?(n)为 t(n)的上侧分位点 注: 1.构造 若ξ1 ~?2(n1)， ξ2~?2(n2)，ξ1， ξ2独立，则 称为第一自由度为n1 ，第二自由度为n2的F—分布,其概率密度为 * 数理统计简介 数理统计 定义7.1. 总体：研究对象的全体。 通常指研究对象的某项数量指标。 组成总体的每个基本单位称为个体。 从本质上讲，总体就是所研究的随机变量或随机变量的分布。 总体可以包含有限个个体,也可以包含无限个个体.在一个有限总体所包含的个体相当多的情况下,可以把它作为无限总体来处理.例如,一麻袋稻谷,一个国家的人口. 对于一个总体来说,其每一数量特征就是一个随机变量ξ .由于人们主要是研究总体的某些数量特征,所以把总体看作所研究对象的若干数量特征的全体,而直接用一个随机变量ξ(也可以是一个多元随机变