应用数理统计2011数理统计3章节.ppt

抽样分布 统计量的分布称为抽样分布，求出统计量的分布函数是数理统计的基本问题之一。 精确分布与小样本问题 极限分布与大样本问题 ?函数具有以下性质: 性质1 设X~? (?, ?)，则E(X)= ?/?, D(X)= ?/?2. 多元正态分布族 能吃亏 肯吃亏 常吃亏 多吃亏 不怕吃亏 甘于吃亏 勇于吃亏 几种常用的统计量的分布 正态总体样本的线性函数的分布 ?2－分布 t－分布 F－分布 正态总体样本线性函数的分布 定理1 设总体X?N(?,?2),（X1,X2,…,Xn)是总体的容量为n的样本,令 U=a1x1+a2x2+…+anxn, 其中a1,a2,…,an是已知常数，则U也是正态随机变量，其均值、方差分别为 E(U)= ? D(U)= ?2 定理2 设总体X?N(?,?2),（X1,X2,…,Xn)是总体的容量为n的样本,A=(aij)是p?n阶矩阵。记Y=(Y1 ,Y2 ,…,Yp)’=A(X1 ,X2 ,…,Xn)’, 则Y1 ,Y2 ,…,Yp也是正态随机变量，其均值、方差、协方差分别为 E(Yi)= ? D(Yi)= ?2 Cov(Yi,Yj)= ?2 ?2分布 定义 设随机变量X1,X2,…,Xn相互独立且服从N(0,1)分布，则称随机变量 ?2＝X12+X22+…+Xn2 服从自由度为n的?2分布，记为?2~ ?2(n) 定理1 设随机变量?2 ～?2(n)，则?2的密度函数为 定理1的证明梗概： 首先写出随机向量（X1,X2,…,Xn)的概率密度函数； 其次利用随机向量的函数的分布的知识来直接求?2的分布函数（此时可利用积分变换显式求到分布函数，再求导得到密度函数，或直接用夹逼定理求到密度函数） ； 最后再利用? 函数的性质和密度函数的性质确定积分常数。 定理2 设X? ?2(n)，则E(X)=n,D(X)=2n 定理3 设X1? ?2(n1)， X2? ?2(n2)，且X1与X2相互独立，则X1＋X2 ? ?2(n1＋n2) 定理4 (Cochra) 设随机变量X1,X2,…,Xn相互独立且服从N(0,1)分布，又设 Q1+Q2+…+Qk= 其中Qj是秩为nj的（X1,X2,…,Xn)的非负定二次型。则Qj相互独立，且分别服从于自由度为nj的?2分布的充要条件是 n1+n2+…+nk=n 定理5(抽样分布基本定理) 设（X1,X2,…,Xn)是来自总体N(?,?2)的一个样本，则 特征函数 定义 称随机变量eitX的数学期望?(t)=EeitX为X的特征函数。 随机变量的特征函数?(t)是实变量t的复值函数，总是存在的,且与随机变量一一对应。 当X为连续型时， 特征函数基本性质 几个常见随机变量的特征函数 ? 2分布中几个定理的证明 定理2的证明： 引理 设X? ?2(n)，则X的特征函数为 ?(t)=(1-2it)-n/2. 定理3的证明： t－分布 定义 设X～N(0,1),Y~ ?2(n),且X和Y相互独立，则称随机变量 所服从的分布是自由度为n的t分布，记为T~t(n). 定理5 设T~t(n),n1,则对正整数r(rn),Exr存在，且 F－分布 定义 设随机变量X和Y是自由度分别为n1和n2的相互独立的?2分布随机变量，则称随机变量 所服从的分布为自由度是（n1,n2)的F分布，记为F~F(n1,n2). 其中n1称为第一自由度， n2称为第二自由度。 定理1 设F~F(n1,n2),则F的概率密度为 定理2 若X/ ?2~ ? 2(n1), Y/ ?2~ ? 2(n2), 且相互独立，则 定理6 设Xn～ F(m,n), 则当n? 时, 分位点（分位数） 定义1 设随机变量X的分布函数为F(x), 0?1，若x?使 P{X? x?}=F(x?)= ?, 则称x?为此概率分布的(下侧)?分位点（或分位数）。 分位点（分位数） 当X~N(0,1),将其分位点记为u?,或z?. 当X~ ?2(n),将其分位点记为??2(n). 当X~ t(n),将其分位点记为t?(n). 当X~ F(m,n),将其分位点记为F?2(m,n). 上面几类分位点的性质 -z?= z1-?, -t? (n) = t1-? (n) F?(m,n)=1/ F1-? (n,m) 有时也需要上侧分位点和双侧分位点。 定义2 设X为一随机变量, 0?1，若?使 P{X ?}=?, 则称?为此概率分布的上侧