数理统计与随机过程3第五六章课件.pptVIP

*;*;*;大数定理的重要意义;*;利用依概率收敛的定义可知： 贝努里大数定理意味着： 也可知：对于相互独立的随机变量Xk (k=1,2,…)，如果它们具有相同的分布，且E(Xk)=?，则 这被称为弱大数定理;*;*;*;Chap 6. 样本及抽样分布Sample and Sampling Distribution;例：若规定灯泡寿命低于1000小时者为次品，如何确定次品率？ 由于灯泡寿命试验是破坏性试验，不可能把整批灯泡逐一检测，只能抽取一部分灯泡作为样本进行检验，以样本的信息来推断总体的信息，这是数理统计学研究的问题之一。; 数理统计的任务就是研究 “如何有效地收集、整理和分析所获得的有限资料，并对所研究的问题尽可能地给出精确而可靠的推断”。; 因此，数理统计中的方法和支持这些方法的相应理论是相当丰富的。概括起来可以归纳成两大类。 参数估计: 根据数据，对分布中的未知参数 进行估计； 假设检验: 根据数据，对分布的未知参数的 某种假设进行检验。 参数估计与假设检验构成了统计推断的两种基本形式，这两种推断渗透到了数理统计的每个分支。;§6.2 总体与样本 Population and sample;例1：用一把尺子测量一件物体的长度。 假定 n 次测量值分别为X1,X2 ,…,Xn。显然，在该问题中，我们把测量值X1,X2 ,…,Xn看成样本。但总体是什么呢?;例2：为研究某种安眠药的药效，让 n 个病人同时服用这种药，记录服药者各自服药后的睡眠时间比未服药时增加睡眠的小时数 X1,X2,…,Xn， 则这些数字就是样本。 那么，什么是总体呢? 设想让某个地区(或某国家，甚至全世界)所有患失眠症的病人都服用此药，则他们所增加睡眠的小时数之全体就是研究问题的总体。; 对一个总体，如果用X表示其数量指标，那么，X的值对不同的个体就取不同的值。因此，如果我们随机地抽取个体，则X的值也就随着抽取个体的不同而不同。 所以，X是一个随机变量! 既然X是随机变量，自然就有其概率分布。我们把X的分布称为总体分布。 总体的特性是由总体分布来刻画的。因此，常把总体和总体分布视为同义语。.;例3 ( 例1续 )：在例2中，假定物体真实长度为?(未知)。一般说来，测量值X就是总体，取? 附近值的概率要大一些，而离? 越远的值被取到的概率就越小。 如果测量过程没有系统性误差，则X取大于? 和小于? 的概率也会相等。 在这种情况下，人们往往认为X 服从均值为?，方差为?2 的正态分布。?2反映了测量的精度。于是，总体X的分布为 N(?,?2)。;● 如果总体所包含的个体数量是有限的, 则 称该总体为有限总体。 有限总体的分布显然是离散型的。 ● 如果总体所包含的个体数量是无限的，则 称该总体为无限总体。;例4：研究某大城市年龄在1岁到10岁之间儿童的身高。 显然，不管城市规模多大，这个年龄段的儿童数量总是有限的。因此，该总体X只能是有限总体。总体分布只能是离散型分布。; 为评价某总体的某种特性，通常的做法是：从总体中随机(任意)地抽取一些样品进行观测(检测)，统计学上称这些样品为一个样本。;样本的二重性;样本X1,X2,…,Xn既被看成数值，又被看成随机变量，这就是所谓的样本的二重性。; 将上述结论推广到一般的分布:如果在相同条件下对总体 X 进行 n 次重复、独立观测，就可以认为所获得的样本 X1,X2,…,Xn是 n 个独立且与总体 X 有同样分布的随机变量。; 既然样本 X1,X2,…,Xn 被看作随机向量,自然需要研究其联合分布。;*; 由样本推断总体的某些情况时，需要对样本进行“加工”，构造出若干个样本的已知 (确定)的函数，其作用是把样本中所含的某一方面的信息集中起来。;几个常见统计量;样本 k 阶原点矩;讨论;;抽样分布(Sampling Distribution);§6.4 正态总体; 分布的密度函数为;分布密度函数图;由 分布的定义，不难得到其如下性质：;;χn2 分布上? 分位点有表可查，见附表5。;t 分布的概率密度为;t 分布的概率密度图;t 分布 的 数学期望与方差;若 T ～tn , 对给定的? ?(0,1)，称满足条件;6.4.3 F 分布 （F Distribution);F 分布 的概率密度为;F-分布图; 若 F～Fm, n，对给定的? ?(0,1), 称满足条件;F分布分位点的一个重要性质：;在通常 F 分布表