概率论与数理统计教程第二版茆诗松课件PPT第五章.ppt

5.3.6 样本分位数与样本中位数 样本中位数也是一个很常见的统计量，它也是次序统计量的函数，通常如下定义： 更一般地，样本p分位数mp可如下定义： 定理5.3.7 设总体密度函数为p(x)，xp为其p分 位数， p(x)在xp处连续且 p(xp) ? 0，则 特别，对样本中位数，当n??时近似地有 当n?? 时样本 p 分位数 mp 的渐近分布为 例5.3.10 设总体为柯西分布，密度函数为 p(x,?)= 1/[?(1+(x??)2)] , ?? ? x ? +? 通常，样本均值在概括数据方面具有一定的优势。但当数据中含有极端值时，使用中位数比使用均值更好，中位数的这种抗干扰性在统计中称为具有稳健性。 不难看出?是该总体的中位数，即x0.5=? 。 设 x1, x2,…, xn 是来自该总体的样本，当样本量n 较大时，样本中位数m0.5 的渐近分布为 m0.5 ? AN(?, ?2/4n) . 5.3.7 五数概括与箱线图 次序统计量的应用之一是五数概括与箱线图。在得到有序样本后，容易计算如下五个值： 最小观测值 xmin= x(1) , 最大观测值 xmax=x(n) , 中位数 m0.5 , 第一4分位数 Q1 = m0.25, 第三4分位数 Q3 = m0.75. 所谓五数概括就是指用这五个数： xmin , Q1 , m0.5 , Q3 , xmax 来大致描述一批数据的轮廓。 §5.4 三大抽样分布 大家很快会看到，有很多统计推断是基于正态分布的假设的，以标准正态变量为基石而构造的三个著名统计量在实际中有广泛的应用，这是因为这三个统计量不仅有明确背景，而且其抽样分布的密度函数有明显表达式，它们被称为统计中的“ 三大抽样分布 ” 。 则Fn(x)是一非减右连续函数，且满足 Fn(??) = 0 和 Fn(??) = 1 由此可见，Fn(x)是一个分布函数， 并称Fn(x)为经验分布函数。 例5.2.1 某食品厂生产听装饮料，现从生产线上 随机抽取5听饮料，称得其净重（单位：克） 351 347 355 344 351 x(1)= 344, x(2)= 347, x(3)= 351, x(4)= 354, x(5)= 355 这是一个容量为5的样本，经排序可得有序样本： 其经验分布函数为 由伯努里大数定律： 只要 n 相当大，Fn(x)依概率收敛于F(x) 。 0 ， x 344 0.2， 344 ? x 347 Fn(x) = 0.4， 347 ? x 351 0.8， 351 ? x 355 1， x ? 355 更深刻的结果也是存在的，这就是格里纹科定理。 定理5.2.1（格里纹科定理） 设x1,x2,…,xn是取自 总体分布函数为F(x)的样本, Fn(x) 是其经验分 布函数，当n??时，有 P?sup?Fn(x) ? F(x)??0? = 1 格里纹科定理表明：当n 相当大时，经验分布函数是总体分布函数F(x)的一个良好的近似。 经典的统计学中一切统计推断都以样本为依据，其理由就在于此。 160 196 164 148 170 175 178 166 181 162 161 168 166 162 172 156 170 157 162 154 5.2.2 频数--频率分布表 样本数据的整理是统计研究的基础，整理数据的最常用方法之一是给出其频数分布表或频率分布表。 例5.2.2 为研究某厂工人生产某种产品的能力， 我们随机调查了20位工人某天生产的该种产品 的数量，数据如下 (1) 对样本进行分组：作为一般性的原则，组数通 常在5~20个，对容量较小的样本,常将其分为5组; (2) 确定每组组距：近似公式为 组距d = (最大观测值 ? 最小观测值)/组数; (3) 确定每组组限： 各组区间端点为 a0, a1=a0+d, a2=a0+2d, …, ak=a0+kd, 形成如