应用数理统计吴翊版第一章.pptVIP

1.4 统计量与抽样分布 解：显然，如果不进行加工，面对这一大堆大小参差不齐的数据，很难得出什么印象．但是可以对这些数据稍事加工，如记各农户的人均年收入分别为x1，x2，...，x50，计算得到 这样，就可以了解到该地区农民的平均收入和该地区农民贫富悬殊的大致情况：农民的年人均平均收入大约为809.52元，标准差约为155.85元，贫富悬殊不算很大． 1.4 统计量与抽样分布 由此可见对样本的加工是十分重要的．对样本加工，主要就是构造统计量． 1.4.1 统计量 定义 设X1，X2，…，Xn为来自总体X的样本，称不含未知参数的样本的函数g(X1，X2，…，Xn)为统计量．若x1，x2，...，xn为样本观测值，则称g(x1，x2，...，xn)为统计量g(X1，X2，…，Xn)的观测值. 统计量是处理、分析数据的主要工具．对统计量的一个最基本的要求就是可以将样本观测值代入进行计算，因而不能含有任何未知的参数． 1.4.1 统计量 设(X1，Y1)，(X2，Y2)，…，(Xn，Yn)为二维总体(X，Y)的样本，其观测值为(x1，y1)，(x2，y2)，…，(xn，yn)，则下列各量为统计量： (1) 样本协方差 (2) 样本相关系数 其中 SXY和RXY常分别用来作为总体X和Y的协方差Cov(X，Y)与相关系数?XY的估计量． 1.4.1 统计量 【例1.10】设X1，X2，…，Xn是来自总体X的样本，X～N(?，? 2)，其中? 、? 2为未知参数，则 X1， min{ X1，X2，…，Xn } 均为统计量， 但诸如 等均不是统计量，因它含有未知参数? 或?． 常用的统计量有如下几种： 英国统计学家费歇（R.A.Fisher）曾证明： 当n较大时， 近似服从 由于Xi独立，且注意到N(0，1)的四阶矩为3，可得 1.4.3 t分布 可看出，随着n的增大，t(n)的概率密度曲线与 N(0，1)的概率密度曲线越来 越接近． 可以证明t分布具有下面性质： 即当n趋向无穷时,t(n)近似于标准正态分布N(0,1)． 一般地，若n 30，就可认为t(n)基本与N(0，1)相差无几了． 1.4 统计量与抽样分布 1.4.4 分位数 设X为一随机变量，我们知道对于给定的实数x，P{X x}是事件{X x}的概率．在统计中，我们常常需要对给定事件{X x}的概率，由此确定的x取是一个临界点,称为分位数(点),有如下定义： 定义6.6 设X为随机变量，若对给定的? ? (0，1)，存在x?满足 P{X x?} = ?，则称x?为X的? 分位数(点)． 注意：与通常的定义相反！ 浙大版：P{X x?} = ?，则称x?为X的上? 分位数(点)． 1.4.4 分位数 若X具有密度f(x)， P{X x?} =1- ?说明分位数x? 右边的一块阴影面积为?， 即 容易看出，X的?分位数x?是 关于? 的增函数， 即?增大时x?减少. 1.4.4 分位数 1. 设Z ? N(0，1)，记N(0，1)的上?分位数为z?，即有P{Z z?} = ? . 由N(0，1)的概率密度的对称性可知 所以 z1-? = –z?． 2. 设?2 ～ ?2(n)，记?2(n)的上?分位数为??2(n)，即有P{?2 ??2(n)} = ?. 附表中给出了时??2(n)的值，当n40时，由?2(n)的渐近性质，有 1.4.4 分位数 【例1.13】求下列分位数 (1) z0.975； z0.9 (2) t0.25(4)； t0.9(25); t0.05(55)； (3) ?20.5 (20)； ?20.025(50). (4) F0.05(10，15)； F0.1(14，10)； 解：(1) 可由标准正态分布函数表（附表2，P399），对函数值?(z0.975) 反查表得z0.,975 =1.96． z0.9=（1.28+1.29）/2=1.285. (2) t0.25(4)=- t0.75(4)=-0.7407; t0.9(25)=1.3163 t0.95(55) ? z0.95 = 1.645． 1.4.4 分位数 (3) 查附表4得：?20.5(20)=31.4104。在附表3表中查不到?20.025(200)，先查出 z0.025 = –1.96， 再作如下近似计算 (4) 附表5得到F0.05(