第四节 概率基础跟抽样分布.pptVIP

概率基础和抽样分布本章阐述的是统计推断(参数估计,假设检验)的理论基础 随机事件及其概率 随机现象：在一定条件下，可能发生，也可能不发生的现象称之。 随机试验E：观察随机现象的，且具有如下特点的试验称为随机试验。 试验具有明确的目的性； 试验在相同条件下重复进行； 试验的可能结果不止一个，而且所有可能结果都是可以事先确定和罗列出来的； 每次试验的结果事前不能预知。 随机事件：在随机试验E中，所有可能发生的结果都叫随机事件。 随机事件的类型： 1.基本事件(简单事件ei ,ωi) 2.复合事件(复杂事件) 3.不可能事件(?) 4.必然事件(Ω) 二.事件的概率 （一）古典概型 (二)统计概率 (经验概率) (三)主观概率 A , B 互相独立 ：P58↑12 随机变量的概率分布 概率论概括 3个概念：互不相容、互相对立、互相独立 2个公式：加法公式、乘法公式 1个期望：广义的数学期望 一.离散型随机变量的概率分布 一.离散型随机变量的概率分布 三.随机变量的数值特征 (P64) (一)数学期望 抽样分布 总体分布(population distribution) 总体中各元素的观察值所形成的分布 分布通常是未知的 可以假定它服从某种分布 样本分布(sample distribution) 一个样本中各观察值的分布 也称经验分布 当样本容量n逐渐增大时，样本分布逐渐接近总体的分布 一.抽样分布 (sampling distribution) 样本统计量的概率分布，是一种理论分布 在重复选取容量为n的样本时，由该统计量的所有可能取值形成的频率分布 随机变量是 样本统计量 样本均值, 样本比例，样本方差等 结果来自容量相同的所有可能样本 样本统计量的概率分布是进行推断的理论基础，也是抽样推断科学性的重要依据 抽样分布的形成过程 (sampling distribution) 例题分析 例题分析(1) （一）样本均值的抽样分布 (例题分析1) （一）样本均值的抽样分布【例题1 】分析 样本均值的分布与总体分布的比较 【例题1 】分析 二.重复抽样条件下样本均值的抽样分布(数学期望与方差) 【例题2 】分析 样本均值的抽样分布 【例题2 】分析 三.不重复抽样条件下样本均值的抽样分布(数学期望与方差) ?抽样分布的数字特征 抽样平均误差计算公式: 与样本容量有关， 与总体的离散程度有关， 与抽样方法有关，样本容量相同的情况下， 【例1】从一批产品中随机抽取100件,其中次品4件,求样本正品率的抽样平均误差. 【例2】从10000件产品中按不重复抽样随机抽取1%,其中次品4件,求样本正品率的抽样平均误差. 【例3】一批同型号产品由某厂两个车间按不同工艺生产,已知甲车间产品正品率为80%乙车间产品正品率为72%,现从该批产品中随机抽取100件,求样本正品率的抽样平均误差. 正态分布 二.正态分布的密度函数: ( P73 图 4-7) 三.正态分布函数及其标准化 P76 【例4-4】 四.关于抽样分布的定理 （一）正态再生定理 （一）正态再生定理 （二）正态逼近(中心极限定理) （二）正态逼近 中心极限定理(central limit theorem) 中心极限定理的意义:P77 其意义在于:1.无论总体服从何种分布,只要其一、二阶矩存在,其样本均值的极限分布总是正态分布。因此在大样本(样本容量 n≥30)情况下,可认为样本均值服从正态分布。 2.中心极限定理揭示了正态分布的形成机制,如果某一变量的变化受许多随机因素的影响,这些因素中没有一个是起主导作用的,那末这个变量就是服从正态分布的随机变量。 统计量的标准化 (数学变换式) 抽样分布与总体分布的关系 本章小结 1.总体分布、样本分布、抽样分布. 2.简单随机抽样的抽样平均误差. 3.正态分布和抽样分布的正态再生和正态逼近. 第5次作业: (P82)思考与练习1,8,12,18,21 1. 样本均值的均值(数学期望) 等于总体均值. 2. 样本均值的方差等于总体方差的1/n,再乘上修正因子. 3. 当N充分大时常以N代替(N-1) 结论 重复抽样 不重复抽样 抽样平均误差: 指的是样本统计量(样本均值,样本成数)的标准差,用字母μ表示. 重复抽样 不重复抽样 说明：1. ?2 本应是总体的方差,当总体的 方差未知时,用样本方差代替。 n:样本容量 N:总体单位数 ?问题：抽样平均误差与那些因素有关？ 抽样平均误差与下列因素有关 §4 正态分布密度