第六节 样本与抽样分布.pptVIP

三大抽样分布 分布 1、 定义: 设 相互独立, 都服从正态 分布N(0,1), 则称随机变量： 所服从的分布为自由度为 n 的 分布. 记为： Person 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. 若 则可以求得， EX = n, DX= 2n 应用中心极限定理可得，若 ，则当n充分大时， 的分布近似正态分布N(0,1). 2、t 分布 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。 记为： T ～ t (n). Student T 的密度函数为： 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 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。 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 ) . 由定义可见， ~ F ( n2, n1) 若X~F(n1,n2)， X的概率密度为 X的数学期望为: 若n22 即它的数学期望并不依赖于第一自由度n1. 分位点 1.645 2.326 -2.326 2.4469 -2.4469 14.440 1.237 9.20 一般地， =0.1605 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： 说明： 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： 证明： 独立 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 其中 证明： 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 证明： 独立 休息 结束 第六章 样本及抽样分布 本章转入课程的第二部分 ———数理统计 数理统计的特点是应用面广，分支较多。社会的发展不断向统计提出新的问题。 从历史的典籍中，人们不难发现许多关于钱粮、户口、地震、水灾等等的记载，说明人们很早就开始了统计的工作。但是当时的统计，只是对有关事实的简单记录和整理，而没有在一定理论的指导下，作出超越这些数据范围之外的推断。 到了十九世纪末二十世纪初，随着近代数学和概率论的发展，才真正诞生了数理统计学这门学科。 数理统计学是一门应用性很强的学科。 它是研究怎样以有效的方式收集、 整理和分析受随机影响的数据，并对所考察的问题作出推断和预测，直至为采取决策和行动提供依据和建议。 数理统计不同于一般的资料统计，它更侧重于应用随机现象本身的规律性进行资料的收集、整理和分析。 数理统计的任务就是研究怎样有效地收集、整理、分析所获得的有限的、局部 的资料，对所研究问题的整体, 尽可能地作出精确而可靠的结论。 在数理统计中，不是对所研究的对象全体(称为总体)进行观察，而是抽取其中的部分(称为样本)进行观察获得数据（抽样），并通过这些数据对总体进行推断。 由于推断是基于抽样数据，抽样数据又不能包括研究对象的全部信息。因而