第五节抽样跟抽样分布.pptVIP

第一节 统计量 几个常用的统计量： 第二节 大数定律与中心极限定理 二、中心极限定理 独立同分布中心极限定理 棣莫佛—拉普拉斯中心极限定理 第三节 由正态分布导出的几个重要分布 一、分位数 标准正态分布的上侧分位数 标准正态分布的双侧分位数 c2-分布 (?2-distribution) 设X1，X2，……Xn是取自标准正态总体的样本 ，则随机变量 服从具有n个自由度的?2分布，记为 不同自由度的c2-分布 c2-分布性质和特点 1. 变量值始终为正 2. 通常为不对称的右偏分布，随着自由度的增大逐渐趋于对称 3.期望E(?2)=n，方差D(?2)=2n(n为自由度) 4.可加性：若U和V为两个独立的?2分布随机变量，U~?2(n1)，V~?2(n2), 则U+V服从自由度为n1+n2的?2分布 F-分布 (F distribution) 设X~?2(m), Y~?2(n), 且X与Y相互独立，则称 服从自由度m和n的F分布，记为 不同自由度的F分布 第四节 常用的抽样方法 系统抽样的好处： 第五节 抽样分布 二、样本均值的分布 在重复选取容量为n的样本时，由样本均值的所有可能取值形成的概率分布 推断总体均值?的理论基础 样本均值抽样分布与总体分布的关系 三、样本比例的分布(proportion) 总体(或样本)中具有某种属性的单位与全部单位总数之比 不同性别的人与全部人数之比 合格品(或不合格品) 与全部产品总数之比 总体比例可表示为 样本比例可表示为 样本比例的分布 在重复选取容量为n的样本时，由样本比例的所有可能取值形成的概率分布 当样本容量很大时(np≥5和 n(1-p)≥5) ，样本比例的抽样分布可用正态分布近似，即 四、样本方差的分布 ? = 50 ? =10 X 总体分布 n = 4 抽样分布 x n =16 总体服从正态分布N(μ,σ2)，该总体的任何容量的样本均值?x也服从正态分布，?x的期望值为μ，方差为σ2/n。即?x ～N(μ,σ2/n) 从均值为?，方差为?2的一个任意总体中抽取容量为n的样本，当n(?30)充分大时，样本均值的抽样分布近似服从均值为μ、方差为σ2/n的正态分布 样本均值的抽样分布趋于正态分布 任意分布的总体 x 总体分布 正态分布 非正态分布 大样本 小样本 样本均值 正态分布 样本均值 正态分布 样本均值 非正态分布 在重复选取容量为n的样本时，由样本方差的所有可能取值形成的概率分布 对于来自正态总体的简单随机样本，则比值 的抽样分布服从自由度为(n-1)的?2分布，即 65 The sampling distribution is a function of the sample sizes upon which the sample variances are based. Hint: Recall the formula for variance! s2 = S(x -`x)2/(n-1) As a result of this class, you will be able to ... * end 南昌航空大学 第一节 统计量 第二节 大数定律与中心极限定理 第三节 由正态分布导出的几个重要分布 第四节 常用的抽样方法 第五节 抽样分布 第五章 抽样与抽样分布 统计量（statistic）：描述样本特征的概括性数字度量,根据样本数据计算的一个随机变量，是对总体分布特征推断的工具。 设X1, X2, …Xn为总体X的样本，如果样本的函数g(X1, X2, …Xn)是一个随机变量，并且不包含任何未知参数，则称g(X1, X2, …Xn)为统计量。 1. 样本均值： 2. 样本方差： 3.样本标准差： 一、大数定律 　　大数定律（laws of large numbers）也称大数法则，它是阐述大量同类随机现象的平均结果稳定性的规律。 辛钦大数定理 设随机变量X1, X2, …Xn相互独立，服从同一分布，且具有数学期望EXi=?(i=1,2，…n) 则对任意??0，有 定律表明：只要随机变量独立同分布，即使不存在有限方差，其数学期望仍可由n个随机变量的算术平均值作为其近似值。 在统计学中，论证随机变量和的极限分布是正态分布的一系列定理统称为中心极限定理（central limit theorem）。 设X1, X2, …Xn是独立同分布的随机变量序列，且存在有限的数学期望EXi=?和方差DXi=?2 (i=1,2，…n) ，那么当n??时， 中心极限定理为均值的抽样推断奠定了理论基础。不论总体服从何种分布，只要期望和方差存在