[高等教育]53 统计量及其分布.ppt

第5章 统计量及其分布 2012-3-9 样本与抽样 设X1，X2，...，Xn是从总体X中抽出的简单随机样本，由定义可知，X1，X2，...，Xn有下面两个特性： (1) 代表性：X1，X2，...，Xn均与X同分布，即若X ? F(x)，则对每一个Xi都有 Xi ? F(xi)，i = 1，2，…，n (2) 独立性：X1，X2，...，Xn相互独立. 由这两个特性可知，若X的分布函数为F(x)，则X1，X2，...，Xn的联合分布函数为 F(x1,x2,…,xn) = F(x1)F(x2)…F(xn) 若X具有概率密度为f(x)，则X1，X2，...，Xn的联合概率密度为 f(x1,x2,…,xn) = f(x1) f(x2)…f(xn) 样本联合分布 【例1】设总体X服从均值为1/2的指数分布，X1，X2，X3，X4为来自X的样本，求X1，X2，X3，X4的联合概率密度和联合分布函数． 解：X的概率密度为 其分布函数为 则X1，X2，X3，X4的联合概率密度为： 样本联合分布 由于X的分布函数为 X1，X2，X3，X4的联合分布函数为 样本联合分布 【例2】已知总体X的分布为P{X = i} = 1/4， i = 0,1,2,3,抽取n=36的简单随机样本X1,X2,...,X36, 求 大于50.4小于64.8的概率． 解：总体X的均值和方差分别为 样本联合分布 由于X1，X2，...，X36均与总体X同分布，且相互独立，所以，Y的均值和方差分别为 又因为n = 36较大，依中心极限定理， 近似服从正态分布 ，所以 离散随机变量样本分布 离散随机变量的分布函数是分段函数，作为离散随机变量的样本，是否具有样本分布？ 样本分布的形式是什么？ 经验分布函数 2. 经验分布函数 为了解总体X的分布形式，根据样本观测值x1，x2，...，xn构造一个函数Fn(x)来近似总体X的分布函数，函数Fn(x)称为经验分布函数．它的构造方法是这样的，将样本观测值x1，x2，...，xn按从小到大可排成 ，定义 经验分布函数 Fn(x)只在x = x(k)，（k = 1，2，…，n）处有跃度为1/n的间断点，若有l个观测值相同，则Fn(x)在此观测值处的跃度为l/n．对于固定的x，Fn(x)即表示事件{X ? x}在n次试验中出现的频率，即 ，其中k为落在(-?，x)中xi的个数． 经验分布函数 由伯努利大数定理知Fn(x)依概率收敛于F(x)．实际上，Fn(x)还一致地收敛于F(x)，所谓的格里文科定理指出了这一更深刻的结论，即 所以，当n充分大时经验分布函数Fn(x)是总体分布函数F(x)的一个良好的近似． 经验分布函数 当样本容量不断增大时，样本中所包含的关于总体分布的信息不断增加，从理论上讲，当样本容量n趋向于无穷时，样本中所包含的关于总体分布的信息充分到可以将总体分布刻画到任意精确的程度。 5.3.1 统计量与抽样分布 §5.3 统计量及其分布 5.3.2 样本均值及其抽样分布 定义5.3.2 设 x1, x2, …, xn为取自某总体的样本，其算术平均值称为样本均值，一般用 表示， 算术平均数 加权算术平均法计算公式： 其中： 代表算术平均数，xi 代表各组组中值），f 代表各组单位数（项数）。 5.3.3 样本方差与样本标准差 5.3.5 次序统计量及其分布 例5.3.6 设总体X 的分布为仅取0，1，2的离散 均匀分布，分布列为 分位数算法 Wichura, M. J. (1988) Algorithm AS 241: The Percentage Points of the Normal Distribution. Applied Statistics, 37, 477–484. 作业 P269 8、11、19、22 为样本的k 阶原点矩 为样本的k 阶中心矩 例如 注 样本方差 与样本二阶中心矩 的不同 故 推导 关系式 1） 推导 设 则 2） 例 从一批机器零件毛坯中随机地抽取10件, 测得其重量为(单位: 公斤): 210, 243, 185, 240, 215,