大学概率统计教程第7章.ppt

第七章 数理统计基础知识 §7.1 总体与样本 t分布图 抽样分布定理 抽样分布定理 推广 两个正态总体 例7.5 例7.5 设T～t(n)，若对p:0p1,存在tp(n)， 满足P{T≤tp(n)}=p，则称tp(n)为t(n)的p分位点 对于p：0p1， 若存在Fp(n, m)0， 满足 P{F≤Fp(n, m)}=p， 则称Fp(n, m)为 F(n, m)的 p分位点； 课堂练习 §7.3.1 统计量 定义7.6 样本 的一个连续 函数 称为一个样本函数 若 不含任何未知参数， 则称 为一个统计量，而 代入样本观测值后 叫 统计量的观测值。 统计量例子 设　　　　为来自总体 的一个样本，　　　 问下列随机变量中哪些是统计量 常见统计量 观测值 常见统计量 常见统计量观测值 常见统计量观测值 注意 §7.3.2 抽样分布定理 定理7.3 样本 来自正态总体 则 ~ ~ 定理7.3的证明 设总体X有E(X)=μ，D(X)=σ2， X1， … ，Xn 为来自总体X的一个容量为n 的样本，则 推论 定理7.4 样本 来自正态总体 则 例题 * * 总体 总体：全部被研究的对象。 个体：总体中的每个元素为个体。 例如：某工厂生产的电视机的寿命是一个总体，每一台电视机的寿命是一个个体；某学校男生的身高的全体一个总体，每个男生的身高是一个个体。 总体 总体中的每一个个体是随机试验的一个观测值，因此它是某一随机变量X的值，这样，一个总体对应一个随机变量X。我们对总体的研究就是对一个随机变量X的研究，X的分布函数和数字特征就是总体的分布函数和数字特征。今后将不区分总体与相应的随机变量，统称为总体X。 样本 定义7.1 设随机变量 与总体 X独立同分布，则称 为一样 本容量为n的来自总体X的简单随机样本， 简称为样本，而 的取值 叫样本观测值。 样本的性质 （1）随机性： Xi，i=1,…,n与总体X同分布. （2）独立性： X1，… ，Xn 相互独立； 若总体个数N很大而样本容量n较小时，无放回抽样可近似看成有放回抽样，因而近似看做简单随机抽样. 样本的分布 当总体X是离散型随机变量，且有分布律 则样本 有分布律 当总体X是连续型随机变量，有密度函数 则样本 有密度 例7.3 例7.3 §7.2.1 卡方分布 定义7.2 样本 来自标准正态 总体 ，称随机变量 所 服从的分布为自由度为n的 分布，记为 定理7.1 分布也为 即 有密度 定理7.1 ?2 分布图 卡方分布可加性 定理7.2 设 且 相互独立，则 证：因为 相互独立，由 分布可加性，有 且 卡方分布可加性 一般地，若?i2 ~ ?2(ni)且互相独立，(i=1,2,…,m)，则 若?2 ~ ?2(n)，则 E(?2)= n，D(?2)=2n 卡方分布的期望与方差 §7.2.2 t分布 定义7.3 设随机变量 且X与Y相互独立，称随机变量 所服从的分布为自由度为n的t分布，记为 t分布的密度曲线关于纵坐标对称，可以证明 当n充分大时， t分布具有渐近正态性。 t分布 基本性质: (1) f(t)关于t=0(纵轴)对称。 (2) f(t)的极限为N(0，1)的密度函数，即 t分布的性质 　 t分布是统计中的一个重要分布，它与N(0,1) 的微小差别是戈塞特（Gosset， W. S. 1876-1937）提出的。他是英国一家酿酒厂的化学技师，在长期从事实验和数据分析工作中，发现了 t 分布，并在1908年以“Student”笔名发表此项结果，故后人又称它为“学生氏分布”。在当时正态分布一统天下的情况下，戈塞特的 t 分布没有被外界理解和接受，只能在他的酿酒厂中使用，直到1923年英国统计学家费西尔（Fisher，R.A.1890-1962）给出分布的严格推导并于1925年编制了 t 分布表后， t 分布才得到学术界的承认，并获得迅速的传播、发展和应用。　　　　 t分布的历史 t分布的期望与方差 §7.2.3 F分布 定义7.4 设随机变量 且X与Y相互独立，称随机变量 所服从的分布为自由度为（n，m)的F分布， 其中n称为第一自由度，m称为第二自由度。 由F分布的定义，易见当 F(n1,n2)的密度函数 例7.4 设 为来自正态总体 的样本，证明： 证： 例7.4 例7.4 §7.2.4 分布的分位点 定义7.5 设X是随机变量， ，若 实数 满足 则称 为X的 分位点 ，当 时， 称为中位数。 N(0,1)的分位点 N(0,1)的分位点 分位点 设