第5统计量及其抽样分布.pptVIP

第 五章 统计量及其抽样分布 第 五章 统计量及其抽样分布 6.1 统计量 6.2 关于分布的几个概念 6.3 由正态分布导出的几个重要分布 6.4 样本均值的分布与中心极限定理 6.5 样本比例的抽样分布 6.6 两个样本平均值之差的分布 6.7 关于样本方差的分布 学习目标 了解统计量及其分布的几个概念 了解由正态分布导出的几个重要分布 理解样本均值的分布与中心极限定理 掌握单样本比例和样本方差的抽样分布 统计量(statistic) 设X1,X2,…,Xn是从总体X中抽取的容量为n的一个样本，如果由此样本构造一个函数T(X1,X2,…,Xn)，不依赖于任何未知参数，则称函数T(X1,X2,…,Xn)是一个统计量 样本均值、样本比例、样本方差等都是统计量 统计量是样本的一个函数 统计量是统计推断的基础 次序统计量 一组样本观测值X1,X2,…,Xn由小到大的排序 X（1）≤X（2）≤…≤ X（i）≤…≤ X（n） 后，称X（1），X（2），…，X（n）为次序统计量 中位数、分位数、四分位数等都是次序统计量 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n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 构造抽样分布的步骤 ① 从容量为N的总体中抽出容量为n 的所有可能的样本； ② 计算出每个样本所要分析的统计量观察值； ③ 将来自不同样本统计量观察值加以分组，将观察值相对应的频数排成一列； ④ 这些全部可能的样本统计量观察值形成一个概率分布，这个分布就是该统计量的抽样分布。 ?2 分布 ?2分布(?2 distribution) 由阿贝(Abbe) 于1863年首先给出，后来由海尔墨特(Hermert)和卡·皮尔逊(K·Pearson) 分别于1875年和1900年推导出来 设 ，则 令 ，则 Y 服从自由度为1的?2分布，即 当总体 ，从中抽取容量为n的样本，则 ?2分布(性质和特点) 分布的变量值始终为正 分布的形状取决于其自由度n的大小，通常为不对称的正偏分布，但随着自由度的增大逐渐趋于对称 期望为：E(?2)=n，方差为：D(?2)=2n(n为自由度) 可加性：若U和V为两个独立的?2分布随机变量，U~?2(n1)，V~?2(n2),则U+V这一随机变量服从自由度为n1+n2的?2分布 c2分布(图示) ?2 分布 ?2 分布上侧分位数表：附表3（p.277） t 分布 t 分布 t 分布 定义 设Z ~ N(0, 1)，Y ~ ?2 (n)，且相互独立，则 t 分布图示 t 分布 性质 与标准正态分布相似 关于 t = 0对称 只有一个峰，峰值在t = 0 分布曲线受自由度影响，自由度越小，离散程度越大 当 n ? ?，t(n) ? N(0, 1) t 分布 t 分布 t分布双侧分位数表：附表4（p. 279） F 分布 F分布(F distribution) 由统计学家费希尔(R.A.Fisher) 提出的，以其姓氏的第一个字母来命名 设若U为服从自由度为n1的?2分布，即U~?2(n1)，V为服从自由度为n2的?2分布，即V~?2(n2),且U和V相互独立，则称F为服从自由度n1和n2的F分布，记为 F分布(图示) F 分布 F 分布 性质 F分布随机变量的取值范围为（0，?） F分布的分布曲线受两个自由度的影响 若F ~ F(m, n)，则 1/F ~ F(n, m) 若X ~ t(n)，则 X2 ~ F(1, n) F 分布 F分布的上侧分位数表：附表5（p.281） 正态总体样本平均数的分布 正态总体样本平均数的分布 期望 正态总体样本平均数的分布 正态总体样本平均数的分布 正态总体样本平均数的分布 设样本来自正态总体 N(? , ? 2)，则样本平均数也服从正态分布，其总体均数为? ，方差为? 2/n。 中心极限定理 正态总体样本方差的 分布 正态总体样本方差的 分布 样本方差的分布 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与中心极限定理 中心极限定理(central limit theorem)