应用数理统计样本及抽样分布PPT.ppt

样本及抽样分布 一、总体和样本 1.总体和个体 总体：研究对象的全体，用随机变量X表示。 个体：总体的每个单元。 2.样本与样本值 样本：在总体X中抽取n个个体X1, X2 ,  , Xn , n为样本容量， (X1, X2 ,  , Xn)构成n维随机变量。 样本值：样本的取值，即样本的观察值x1, x2 ,  , xn 总体和样本 简单随机样本 (1)每个个体Xi与总体X同分布； (2)个体之间相互独立。 总体X的分布函数为F(x),概率密度为f(x)， 样本的联合分布函数为F*(x1,x2,,x), 样本的联合概率密度函数为f*(x1,x2,,xn), 则 F*(x1,x2,,x)= F(x1) F(x2)F(xn) f*(x1,x2,,xn)= f(x1) f(x2)f(xn) 总体和样本 3.经验分布函数 将n个样本值按大小排成顺序 x(1)x(2)    x(n) 记Fn(x)为不大于x的样本值出现的频率,则 称Fn(x)为经验分布函数。 总体和样本 格列汶科定理 设总体分布函数为F(x) ，经验分布函数为 Fn(x) ，则 即n  +时， Fn(x)F(x) 总体和样本 定理：样本均值 总体均值E(X) 样本方差 总体方差E(X) 样本矩 总体矩 5.统计量 设X1,X2,,Xn是总体X的样本， g(X1,X2,,Xn )是连续函数， 若此函数不含任何未知参数，则称函数g(X1,X2,,Xn )为一个统计量。 二、抽样分布 抽样分布：统计量的分布。 分位点：设统计量U服从某分布，如果对于(01)有P{UU}=,则称U为该分布的上分位点。 抽样分布 1.标准正态分布 X ~ N(0,1)，记它的分位点为Z P{XZ}= P{XZ}=1- {Z}=1- 抽样分布 2.2 (卡方)分布 定义：设总体X ~ N(0,1)，X1,X2,,Xn是X的简单随机样本，统计量2为 则称2服从自由度是n的2分布。 抽样分布 概率密度为 当n=1时，2(n)为分布, 当n=2时，2(n)为指数分布。 抽样分布 2分布的可加性 若12~ 2(n1)， 22~ 2(n2)且相互独立，则 12 + 22 ~ 2(n1 + n2) 2(n)的期望与方差 E(2(n))= n， D(2(n))= 2n 2(n)分布表 对给定的(01)，若有一点2(n)满足 P{2 2(n)}=,则称此点为2(n)分布的上分位点。 抽样分布 3.t分布 定义：设X ~ N(0,1)，Y~ 2(n)，且X,Y相 互独立， 服从自由度是n的t分布 概率密度为 抽样分布 t(n)分布表 对给定的(01)，若有一点t2(n)满足 P{T t(n)}=,则称此点为t(n)分布的上分位点。 t1-(n) =-t(n) 当n充分大时(n45) , t(n) Z(n) 抽样分布 4.F分布 定义：设U ~ 2(n1)，V~ 2(n2)且U, V相 互独立， 服从自由度是(n1 , n2) 的F分布。 概率密度为 抽样分布 F分布表 对给定的(01)，若有一点F(n1,n2)满足 P{F F(n1,n2)}=,则称F(n1,n2)为F(n1,n2)分布的上分位点。 若X~ F(n1,n2)分布,则1/X ~ F(n2,n1) F1-(n1,n2)=1/ F(n2,n1) 抽样分布 5.几个重要统计量的分布 设X~N( , 2)，X1,X2,,Xn是简单随机样本,显然，Xi ~ N( , 2),样本均值X的分布为 (1) (2) 抽样分布 (3) (4) (5) 抽样分布 (6) X~N(1,2),Y~N(2,2), X,Y相互独立，X的样本为X1,X2,,Xn1，是Y的样本为 Y1,Y2,,Yn2， 则 抽样分布 (7) 抽样分布 (1)