概率与数理统计---统计量与点估计详细讲解及习题.pptVIP

分布的密度函数为 来定义. 其中伽玛函数 通过积分 由 分布的定义，不难得到： 1.?? 设 相互独立, 都服从正态分布 则 2. 设 且X1,X2相互 独立，则 这个性质叫 分布的可加性. 则可以求得， E(X)=n, D(X)=2n 若 T的密度函数为： 记为T～t(n). 定义: 设X～N(0,1) , Y～ , 且X与Y相互独立，则称变量 所服从的分布为自由度为 n的 t 分布. 2、t 分布 具有自由度为n的t分布的随机变量T的数学期望和方差为: E(T)=0; D(T)=n / (n-2) , 对n 2 当n充分大时，其图形类似于标准正态分布密度函数的图形. t分布的密度函数关于x=0对称，且 不难看到，当n充分大时，t 分布近似N (0,1)分布. 但对于较小的n，t分布与N (0,1)分布相差很大. 由定义可见， 3、F分布 定义: 设 X与Y相互独立，则称统计量 服从自由度为n1及 n2 的F分布，n1称为第一自由度，n2称为第二自由度，记作 F~F(n1,n2) . ~F(n2,n1) 即它的数学期望并不依赖于第一自由度n1. X的数学期望为: 若n22 若X~F(n1,n2)， X的概率密度为 当总体为正态分布时，教材上给出了几个重要的抽样分布定理. 这里我们不加证明地叙述. 除定理2外，其它几个定理的证明都可以在教材上找到. 四、几个重要的抽样分布定理 定理 1 (样本均值的分布) 设X1,X2,…,Xn是取自正态总体 的样本，则有 n取不同值时样本均值 的分布 定理 2 (样本方差的分布) 设X1,X2,…,Xn是取自正态总体 的样本, 分别为样本均值和样本方差, 则有 n取不同值时 的分布 定理 3 设X1,X2,…,Xn是取自正态总体 的样本, 分别为样本均值和样本方差, 则有 定理 4 (两总体样本均值差的分布) 分别是这两个样本的 且X与Y独立, X1,X2,…, 是取自X的样本, 取自Y的样本, 分别是这两个样本的样本方差, 均值, 则有 Y1,Y2,…, 是 样本 定理 5 (两总体样本方差比的分布) 分别是这两个样本的 且X与Y独立, X1, X2,…, 是取自X的样本, 取自Y的样本, 分别是这两个样本的样本方差, 均值， 则有 Y1,Y2,…, 是 样本 上前三个抽样分布定理很重要， 要牢固掌握. 统计量与点估计 一个统计问题总有它明确的研究对象. 1.总体 研究对象的全体称为总体(母体)， 一、总体和样本 总体可以用一个随机变量及其分布来描述. 例如:研究某批灯泡的寿命时，关心的数量指标就是寿命，那么，此总体就可以用随机变量X表示，或用其分布函数F(x)表示. 某批 灯泡的寿命 总体 鉴于此，常用随机变量的记号 或用其分布函数表示总体. 如 说总体X或总体F(x) . 为推断总体分布及各种特征，按一定规则从总体中抽取若干个体进行观察试验，以获得有关总体的信息，这一抽取过程称为 “抽样”，所抽取的部分个体称为样本. 样本中所包含的个体数目称为样本容量. 2. 样本 样本是随机变量. 容量为n的样本可以看作n维随机变量. 但是，一旦取定一组样本，得到的是n个具体的数 (x1,x2,…,xn)，称为样本的一次观察值，简称样本值 . 2. 独立性： X1,X2,…,Xn是相互独立的随机变量. 最常用的一种抽样方法叫作“简单随机抽样”，它要求抽取的样本满足下面两点: 1. 代表性： X1,X2,…,Xn中每一个与所考察 的总体有相同的分布. 由简单随机抽样得到的样本称为简单随机样本，它可以用与总体独立同分布的n个相互独立的随机变量X1,X2,…,Xn表示. 若总体的分布函数为F(x)，则其简单随机样本的联合分布函数为 F(x1) F(x2) … F(xn) 由样本值去推断总体情况，这就要构造一些样本的函数，它把样本中所含的（某一方面）的信息集中起来. 二、统计量和抽样分布 1. 统计量 这种不含任何未知参数的样本的函数称为统计量. 它是完全由样本决定的量. 几个常见统计量 样本均值 样本