概率论数理统计课件第15讲抽样.ppt

习题 1.从某工人生产的铆钉中随机抽取5只，测得其直径分别为（单位：毫米）： 13.7 13.08 13.11 13.11 13.13 （1）写出总体、样本、样本值、样本容量 （2）求样本观测值的均值、方差。 2．设抽样得到样本观测值为 38.2 40.2 42.4 37.6 39.2 41.0 44.0 43.2 38.8 40.6 计算样本均值、样本方差、样本标准差与样本二 阶中心矩。 t 分布的概率密度为 为服从自由度 n 的 t 分布，记为 T ～ tn。 6.3.2 t 分布 定义2: 设 X ～N(0, 1) , Y ～χn2 , 且 X与Y 相互独立，则称随机变量 t 分布的概率密度图形 当 n 充分大时，f (x; n) 趋近于标准正态分布的概率密度。 若 T ～tn , 对给定的? ?(0,1)，称满足条件 t 分布的分位点 的点 tn(?)为 tn 分布上? 分位点。 t 分布的上? 分位点有表可查，见附表3。 tn 分布上? 分位点示意图 6.3.3 F 分布 则称 F =(X/m)/(Y/n)服从第一自由度为m，第二自由度为n 的 F 分布。记成 F ~ Fm ,n 。 定义3： F 分布的概率密度为 若 F～Fm, n，对给定的? ?(0,1), 称满足条件 F 分布的分位点 的点 Fm,n(?)为F分布的上? 分位点。. F 分布上? 分位点有表可查，见附表5。 F 分布上? 分位点示意图 ★ 一个需要注意的问题: 这个关系式的证明如下： 证明：若 X ~ Fm,n，则 Y = X -1 ~ Fn,m。 依分位点定义， 上式等价于 再根据 Y (~ Fn,m ) 的上? 分位点定义，有 这就证明了(1)式。 在通常 F 分布表中，只对? 比较小的值,如? = 0.01, 0.05, 0.025及0.1等列出了分位点。但有时我们也需要知道? 比较大的分位点， 它们在 F 分布表中查不到。这时我们就可利用分位点的关系式(1)把它们计算出来。 例如：对m=12, n=9, α=0.95, 我们在 F 分布表中查不到 F12,9(0.95)，但由(1)式，知 可从F 分布 表中查到 ★ 还有一个重要结果: 若X ~ tn , 则X2 ~ F1,n。 请同学们自己证明。 定理 1： 6.3.4 正态总体样本均值与样本方差的分布 定理的证明超出了教学范围，我们把它放在了教材§6.4 末尾的附录 ( p143—145)中。 定理的内容在后面几章的讨论中将多次用到，希望大家牢记。 小结 1.样本，包括：总体、个体、样本、总体分布与样本分布； 2.统计量的概念和几个常见的统计量：样本均值、方差、标准差、 k 阶原点矩和k 阶中心矩； 3.抽样分布的概念与抽样分布定理; 4.数理统计中三个常用的重要统计量的分布 : χ 2分布、t 分布和 F 分布; 5.以定理的形式 (定理1) 给出了正态总体样本均值与样本方差的分布及其相关结论。 * * 概率论与数理统计 第十三讲 前面五章我们讲述了概率论的基本内容 ，随后的内容将讲述数理统计。数理统计是具有广泛应用的一个数学分支，它以概率论为理论基础，根据试验或观察得到的数据，来研究随机现象，对研究对象的客观规律性作出种种合理的估计和判断。 数理统计的内容包括：如何收集、整理数据资料；如何对所得的数据资料进行分析、研究，从而对所研究的对象的性质、特点作出推断。 本章我们介绍总体、随机样本及统计量等基本概念，并着重介绍几个常用统计量及抽样分布。 §6.1 总体与样本 在数理统计中，称研究问题所涉及对象的全体为总体，总体中的每个成员为个体。 例如: 研究某工厂生产的某种产品的废品率，则这种产品的全体就是总体，而每件产品都是一个个体。 6.1.1 总体、个体与样本 第六章 样本与统计量 实际上，我们真正关心的并不一定是总体或个体本身，而真正关心的是总体或个体的某项数量指标。 如：某电子产品的使用寿命，某天的最高气温，加工出来的某零件的长度等数量指标。因此，有时也将总体理解为那些研究对象的某项数量指标的全体。 为评价某种产品质量的好坏，通常的做法是：从全部产品中随机(任意)地抽取一些样品进行观测(检测)，统计学上称这些样品为一个样本。 同样，我们也将样本的数量指标称为样本。因此，今后当我们说到总体及