概率论与数理统计-茆诗松-第5章-统计量及其分布5.4.pptxVIP

§5.4三大抽样分布有很多统计推断是基于正态分布的假设的，以标准正态变量为基石而构造的三个著名统计量在实际中有广泛的应用，这是因为这三个统计量不仅有明确背景，而且其抽样分布的密度函数有明显表达式，它们被称为统计中的“ 三大抽样分布 ” 。5.4.1?2 分布(卡方分布)定义5.4.1 设 X1, X2,…, Xn, 独立同分布于标准 正态分布N(0,1) ，则?2= X12+… Xn2的分布称 为自由度为n 的?2分布，记为 ?2 ? ?2(n) 。当随机变量 ?2 ? ?2(n) 时，对给定 ? (0???1)，称满足 P(?2 ? ?1??2(n)) 的 ?1??2(n) 是自由度为n?1的卡方分布的 1?? 分位数.分位数 ?1??2(n) 可以从附表3 中查到。该密度函数的图像是一只取非负值的偏态分布 习题5.4： Q45.4.2F 分布定义5.4.2 设X1 ? ?2(m), X2 ? ?2(n), X1与X2独立， 则称 F =(X1/m)/(X2/n) 的分布是自由度为 m 与 n 的 F分布，记为F ? F(m, n)，其中m 称为分子自 由度，n 称为分母自由度。由 F 分布的构造知 F?(n,m) = 1/F1??(m,n)定义5.4.2 设X1 ? ?2(m), X2 ? ?2(n), X1与X2独立， 则称 F =(X1/m)/(X2/n) 的分布是自由度为 m 与 n 的 F分布，记为F ? F(m, n)，其中m 称为分子自 由度，n 称为分母自由度。该密度函数的图象也是一只取非负值的偏态分布 t=X1/? X2/n5.4.3t 分布 定义 5.4.3 设随机变量X1 与X2 独立， 且X1 ? N(0,1), X2 ? ?2(n), 则称的分布为自由度为n 的t 分布，记为t ?t(n) 。 t 分布的密度函数的图象是:关于纵轴对称的分布，与标准正态分布的密度函数形状类似，只是峰比标准正态分布低一些,尾部的概率比标准正态分布的大一些。标准正态分布标准正态分布t (df = 13)t 分布t (df = 5)ztx不同自由度的t分布t 分布与标准正态分布的比较t 分布图示 自由度n=1的 t 分布就是标准柯西分布， 它的均值不存在； n?1时, t 分布的数学期望存在且为0； n?2时，t 分布的方差存在，且为n/(n?2)； 当自由度较大 (如n?30) 时， t 分布可以用正态分布 N(0,1)近似。当随机变量t ?t(n) 时，称满足P(t ? t1??(n)) =1??的 t1??(n) 是自由度为 n 的 t 分布的1??分位数.注:当随机变量t ?t(n) 时，称满足P(t ? t1??(n)) =1??的 t1??(n) 是自由度为 n 的 t 分布的1??分位数.分位数 t1??(n) 可以从附表4中查到。譬如 n=10,?=0.05，那么从附表4上查得t1?0.05(10) = t0.95(10)=1.812 .由于 t 分布的密度函数关于0 对称, 故其分位数间有如下关系t?(n?1)= ?t1??(n?1)t 分布高塞特(W.S.Gosset)于1908年在一篇以“Student”(学生)为笔名的论文中首次提出 t 分布是类似正态分布的一种对称分布，它通常要比正态分布平坦和分散一个特定的分布依赖于称之为自由度的参数。随着自由度的增大，分布也逐渐趋于正态分布 5.4.4 一些重要结论正态总体的抽样分布定理设 x1, x2,…, xn 是来自N(?, ?2) 的样本 s2= ? (xi?x)2/(n?1)(1)x定理5.4.1 设 x1, x2,…, xn 是来自N(?, ?2) 的 样本，其样本均值和样本方差分别为x = ?xi/n 和则有与 s2 相互独立；(2)x ? N(?, ?2/n) ；(3) (n?1) s2/?2 ? ?2(n?1)。 习题5.4：Q1~Q3推论5.4.1 设 x1, x2,…, xn 是来自N(?1, ?12) 的 样本，y1, y2,…, yn 是来自N(?2, ?22) 的样本， 且此两样本相互独立，则有特别，若?12 =?22 ，则F=sx2/sy2 ? F(m?1,n?1)推论5.4.2 设 x1, x2,…, xn 是来自N(?, ?2) 的 样本，则有习题5.4：Q5推论5.4.3 在推论5.4.1的记号下，设 ?12 =?22 = ?2 ， 并记则作业：习题5.4145791416邮箱：courses_m@163.com密码： tongjixue补充：运用R软件计算调用分布函数，计算P(X≤x)转换概率为分位数， 即：找到x值，使得P(X≤x)=pR软件：调用分布函数计算P(X≤x)前缀“p”计算Q4