概率和统计 课程教案.docVIP

概率与统计 课程教案 授课题目（教学章、节或主题）：第六章 数理统计的基础知识 教学目的、要求（分掌握、熟悉、了解三个层次）： 1、理解总体、简单随机样本、统计量、样本均值、样本方差及样本矩的概念，了解经验分布函数。 2、掌握正态分布，了解分布，t分布和F分布的定义及性质，了解分位数的概念并会查表计算。 3、了解正态总体的某些常用抽样的分布 教学重点及难点： 正态分布，分布，t分布和F分布，单正态总体的抽样分布，双正态总体的抽样分布 课时安排：3课时 授课方式：理论课 教学基本内容： 6.3 统计量及其分布(Statistic and Distribution) 1. 统计量(Statistic) 在利用样本推断总体时，往往不能直接利用样本，而需要对它进行一定的加工，这样才能有效地利用其中的信息，否则，样本只是呈现为一堆“杂乱无章”的数据。 Example 5.4 从某地区随机抽取50户农民，调查其年收入情况，得到下列数据（每户人均元）： 924 800 916 704 870 1040 824 690 574 490 972 988 1266 684 764 940 408 804 610 852 602 754 788 962 704 712 854 888 768 848 882 1192 820 878 614 846 746 828 792 872 696 644 926 808 1010 728 742 850 864 738 试对该地区农民收入的水平和贫富悬殊程度做个大致分析。显然，如果不进行加工，面对这大堆大小参差不齐的数据，你很难得出什么印象。但是只要对这些数据稍事加工，便能作出大致分析：如记各农户的年收入数为，则考虑 我们可以从得出该地区农民平均人均收人水平属中等，从可以得出该地区农民贫富悬殊不大的结论。（当然还需要一些参照资料）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。用数学的语言说，所谓统计量(Statistic)是一个不含未知参数的样本的已知函数。设样本为，则统计量通常记为 Example 5.5 设为总体的样本，则下列各量均是统计量，它们今后要经常被用到。 (i) ,称为样本均值(Sample Average)。 (ii) ,称为样本方差(Sample Variance)。 (iii) ,称为样本标准差(Sample standard variance )。 (iv) ,称为样本阶原点矩(Sample order origin moment)。 (v) ,称为样本阶中心矩(Sample order central moment)。 Example 5.6 设为二维总体的样本，则下列各量为统计量： (i) 称为样本协方差(Sample covariance)。 (ii) 称为样本相关系数(Sample correlation coefficient)，其中，类似。 Example 5.7 设是出自总体的样本，其中为未知参数，则是统计量，但诸如等均不是统计量，因它含有未知参数或． Example 5.8 将中观察值按式（5.5）排列,则为一组统计量，它们称为一组顺序统计量(Order Statistic)，称为第k个顺序统计量( No. kOrder Statistic)，其中特别地称 1) 为最小顺序统计量(Minimum order Statistic)； 2) 为最大顺序统计量(Maximum order Statistic)； 3) 为样本中位数(Sample median)。 为了研究统计量的分布，我们先研究三种重要概率分布。 2. 分布(distribution) Definition 5.1 设为相互独立的随机变量，它们都服从标准正态分布，则称随机变量 为服从自由度为的分布(distribution)，记作～． 下面的定理称为分布的可加性定理 Theorem 5.1 设是个相互独立的随机变量，,，则 Proof: 不妨设,其余情况易由归纳法推得。考虑一组独立同分布于的随机变量,则与同分布，与同分布，而与独立，与独立，故它们各自的和相应同分布，即与同分布，而后者服从．证毕。 分布有下列基本性质。 Theorem 5.2 设,则 (i) ， (ii) 的密度函数为 (5.6) 其中称为伽马函数，定义为 Proof: (i) 设为独立同分布于的随机变量，则与同分布，且 又由