第5章 统计量及其分布yan.ppt

* * * * * * * * * * * * * * * * * * * * * * * * 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) 推论5.4.2 设 x1, x2,…, xn 是来自N(?, ?2) 的样本， x 和s2 分别是样本均值和样本方差， 则有 推论5.4.3 在推论5.4.1的记号下，设 ?12 =?22 = ?2 ， 并记 则 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 5.3.4 样本矩及其函数 样本均值和样本方差的更一般的推广是样本矩，这是一类常见的统计量。 定义5.3.4 样本二阶中心矩就是样本方差。 样本一阶原点矩就是样本均值。 5.3.5 次序统计量及其分布 另一类常见的统计量是次序统计量。 一、定义5.3.7 设 x1, x2, …, xn 是取自总体X的样本, x(i) 称为该样本的第i 个次序统计量，它的取值 是将样本观测值由小到大排列后得到的第 i 个 观测值。其中x(1)=min?x1, x2,…, xn?称为该样本 的最小次序统计量，称 x(n)=max?x1,x2,…,xn?为 该样本的最大次序统计量。 二、单个次序统计量的分布 定理5.3.5 设总体X的密度函数为p(x)，分布 函数为F(x)， x1, x2,…, xn为样本，则第k个 次序统计量x(k)的密度函数为 例5.3.7 设总体密度函数为 p(x)=3x2, 0?x?1. 从该总体抽得一个容量为5的样本， 试计算 P(x(2)?1/2)。 解：总体的分布函数为： 由公式可得： 三、多个次序统计量的联合分布 对任意多个次序统计量可给出其联合分布，以两个为例说明： 定理5.3.6 在定理5.3.5的记号下，次序统计 量 (x(i), x(j)), (i ? j) 的联合分布密度函数为 次序统计量的函数在实际中经常用到。 如 样本极差 Rn = x(n) ? x(1)， 样本中程 [x(n) ? x(1)]/2。 样本极差是一个很常用的统计量，其分布只在很少几种场合可用初等函数表示。 5.3.6 样本分位数与样本中位数 样本中位数也是一个很常见的统计量，它也是次序统计量的函数，通常如下定义： 更一般地，样本p分位数mp可如下定义： 定理5.3.7 设总体密度函数为p(x)，xp为其p分 位数， p(x)在xp处连续且 p(xp) ? 0，则 特别，对样本中位数，当n??时近似地有 当n?? 时样本 p 分位数 mp 的渐近分布为 5.3.7 五数概括与箱线图 次序统计量的应用之一是五数概括与箱线图。在得到有序样本后，容易计算如下五个值： 最小观测值 xmin= x(1) , 最大观测值 xmax=x(n) , 中位数 m0.5 , 第一4分位数 Q1 = m0.25, 第三4分位数 Q3 = m0.75. 所谓五数概括就是指用这五个数： xmin , Q1 , m0.5 , Q3 , xmax 来大致描述一批数据的轮廓。 §5.4 三大抽样分布 大家很快会看到，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) 。 德国大地测量学者赫尔梅特（T.Helmet )1876年，在研究正态总体样本方差时发现了卡方分布 卡方分布的密度函数： 该密度函数的图像是一只取非负值的偏态分布 5.4.2 F 分布 定义5.4.2 设X1 ? ?2(m), X2 ? ?2(n), X1与X2独立， 则称 F =(X1/