数理统计 第二章 数理统计的基本概念与抽样分布.ppt

从另一方面看： 2. 样本 抽样的目的是为了对总体进行统计推断， 例1 设总体 X ~ B(1, p), 即 P(X=x)= p x(1– p)1–x, 二、统计量和样本矩 几个常见的统计量 设 X1, X2, …, Xn 是总体 X 的容量为 n 的样本, §3 统计中常见的分布 例1 设 X～ ? 2 (15) , 二、 t 分布 例3 设 T～ t (15) , 三、F 分布 例5 设 F ~ F(24, 15) , §4 抽样分布 一、正态总体的抽样分布定理 定理3 —— 两个正态总体的抽样分布 二、非正态总体的抽样分布定理 小结 §2.5 顺序统计量与样本极差 (4) 分位数记为 则 性质 只是强调这一分布是由一个统计量所产生的. 统计量是样本的函数, 是依赖于样本的, 抽样分布 精确抽样分布 渐近分布 ——小样本问题中使用 ——大样本问题中使用 这个分布叫做统计量的“抽样分布” . 后者是随机变量, 所以统计量也是随机变量, 因而就有它们自己一定的分布, 抽样分布就是通常的随机变量函数的分布, 研究统计量的性质和评价一个统计推断的优良性，完全取决于其抽样分布的性质. 所以在理论上只要知道总体的分布就可以求出统计量的分布, 但实际操作一般都很难求. 重点以正态分布为背景, 给出几个常用统计量的抽样分布. 设 X1,X2,…,Xn 是取自正态总体 N(? ,? 2)的样本, 当总体为正态分布时, 这里给出了 4 个重要的抽样分布定理. 定理1 则 ? ? EX=? , DX =? 2/n 正态分布的线性组合仍服从正态分布 ——样本均值、方差的分布 不妨假定取自不同总体的样本总是独立的. 但实际中, 我们还经常需要考察来自不同的正态总体样本. 设 X1, X2, …, Xn 是取自正态总体 N(? ,? 2)的样本, 则 定理2——样本均值和方差标准化的抽样分布 证 由定理1的(1)知 由定理1的(3)与(2)知 与 相互独立, 且 由 T 分布定义知 上述两个定理中所涉及到的样本均是来自同一个正态总体, Y1, Y2, …, Yn 是取自正态总体 N(?2 ,?22)的样本, 相互独立, 则 其中 SX2 , SY2 分别是这两个样本的样本方差 . 设 X1, X2, …, Xm 是取自正态总体 N(?1 ,?12)的样本, 独立正态分布 的连续函数 证(2) 由 ? 2 分布的定义知 同理, 证(3) 同理, Th1(2) 由 F 分布定义知(3)成立. 由 F 分布的定义知 Y1, Y2, …, Yn 是取自正态总体 N(?2 ,? 2)的样本, 其中 SX2, SY2 分别是这两个样本的样本方差. 则有 定理4—— 两同方差正态总体的抽样分布 证(1) 设 X1, X2, …, Xm 是取自正态总体 N(?1 ,? 2)的样本, 由两异