[管理学]统计量及抽样分布.pptVIP

第六章 统计量及其抽样分布 参数和统计量 参数(parameter) 描述总体特征的概括性数字度量，是研究者想要了解的总体的某种特征值 一个总体的参数：总体均值(?)、标准差(?)、总体比例(?)；两个总体参数：(?1 -?2)、(?1-?2)、(?1/?2) 总体参数通常用希腊字母表示 统计量(statistic) 用来描述样本特征的概括性数字度量，它是根据样本数据计算出来的一些量，是样本的函数 一个总体参数推断时的统计量：样本均值(?x)、样本标准差(s)、样本比例(p)等两个总体参数推断时的统计量： (?x1-?x2)、(p1-p2)、(s1/s2) 样本统计量通常用小写英文字母来表示 常用统计量 常用统计量 次序统计量 哪些是次序统计量： 中位数、分位数、四分位数、极差和均值 充分统计量 统计计量加工过程中一点信息都不损 失的统计量通常称为充分统计量。 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 抽样分布的形成过程 (sampling distribution) 渐近分布 当n较大时，就用极限分布作为抽样分 布的一种近似，这种极限分布称为渐近分 布。 c2-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 对于n个正态随机变量y1 ，y2 ，yn，则随机变量 称为具有n个自由度的?2分布，记为 不同自由度的c2-分布 c2-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(用Excel计算c2分布的概率) t-分布 (t-distribution) t-分布(用Excel计算t分布的概率和临界值) F-分布(F distribution) 为纪念统计学家费希尔(R.A.Fisher) 以其姓氏的第一个字母来命名则 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 不同自由度的F分布 F-分布(用Excel计算F分布的概率和临街值) 样本均值的分布 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 样本均值的分布(例题分析) 样本均值的分布 (例题分析) 样本均值的分布 (例题分析) 样本均值的分布与总体分布的比较 (例题分析) 样本均值的分布与中心极限定理 中心极限定理(central limit theorem) 中心极限定理 (central limit theorem) 抽样分布与总体分布的关系 样本均值的分布（实例） 样本均值的分布（实例） 样本均值的分布（实例） 样本比例的分布(proportion) 总体(或样本)中具有某种属性的单位与全部单位总数之比 不同性别的人与全部人数之比 合格品(或不合格品) 与全部产品总数之比 总体比例可表示为 样本比例可表示为 样本比例的分布 在重复选取容量为n的样本时，由样本比例的所有可能取值形成的相对频数分布 一种理论概率分布 当样本容量很大时，样本比例的抽样分布可用正态分布近似，即 样本比例的抽样分布（实例） 样本比例的抽样分布（实例） 样本比例抽样分布（实例） 样本比例的分布（实例） 样本比例的分布（实例） 样本比例的分布（实例） 两个总体比例之差分布 （实例） 两个总体比例之差的估计（实例） 【例6.9】一项抽样调查表明甲城市的消费者中有15%的人喝过商标为“圣洁”牌的矿泉水，而城市的消费者中只有8%的人喝过该种矿泉水。如果这些数据是真实的，那么当我们分别从甲城市抽取120人，