概率论第五章统计量及其分布-(精品课件).ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 当随机变量t ?t(n) 时，称满足 P(t ? t1??(n)) =1?? 的 t1??(n) 是自由度为 n 的 t 分布的1??分位数. 分位数 t1??(n) 可以从附表4中查到。 譬如 n=10,?=0.05，那么从附表4上查得 t1?0.05(10) = t0.95(10)=1.812 . 由于 t 分布的密度函数关于0 对称, 故其分位数间有如下关系 t?(n?1)= ?t1??(n?1) 5.4.4 一些重要结论 定理5.4.1 设 x1, x2,…, xn 是来自N(?, ?2) 的 样本，其样本均值和样本方差分别为 和 x = ?xi/n s2= ? (xi?x)2/(n?1) (3) (n?1) s2/?2 ? ?2(n?1)。 则有 (1) x 与 s2 相互独立； (2) x ? N(?, ?2/n) ； 推论5.4.3 设 x1, x2,…, xn 是来自N(?1, ?12) 的 样本，y1, y2,…, yn 是来自N(?2, ?22) 的样本， 且此两样本相互独立，则有 特别，若?12 =?22 ，则 F=sx2/sy2 ? F(m?1,n?1) 推论5.4.4 在推论5.4.3的记号下，设 ?12 =?22 = ?2 ， 并记 则 §5.5 充分统计量 5.5.1 充分性的概念 例5.5.1 为研究某个运动员的打靶命中率，我们 对该运动员进行测试，观测其10次，发现除第 三、六次未命中外，其余8次都命中。这样的 观测结果包含了两种信息： (1) 打靶10次命中8次； (2) 2次不命中分别出现在第3次和第6次 打靶上。 第二种信息对了解该运动员的命中率是没有什么帮助的。一般地，设我们对该运动员进行n 次观测，得到 x1, x2,…, xn，每个xj 取值非0即1，命中为1，不命中为0。令 T = x1+…+xn ，T为观测到的命中次数。在这种场合仅仅记录使用T 不会丢失任何与命中率 ? 有关的信息，统计上将这种“样本加工不损失信息”称为“充分性”。 样本 x=(x1,x2,…,xn) 有一个样本分布F? (x)， 这个分布包含了样本中一切有关?的信息。 统计量T =T (x1,x2,…,xn) 也有一个抽样分布F?T(t) ，当我们期望用统计量T 代替原始样本并且不损失任何有关 ? 的信息时，也就是期望抽样分布 F?T(t) 像 F?(x) 一样概括了有关 ? 的一切信息，这即是说在统计量 T 的取值为 t 的情况下样本 x 的条件分布 F?(x|T=t) 已不含 ? 的信息，这正是统计量具有充分性的含义。 定义5.5.1 设 x1, x2, …, xn 是来自某个总体 的样本，总体分布函数为F ( x ;? )，统计 量 T = T(x1, x2, …, xn) 称为 ? 的充分统计 量，如果在给定T 的取值后，x1, x2,…, xn 的条件分布与? 无关. 5.5.2 因子分解定理 充分性原则： 在统计学中有一个 基本原则-- 在充分统计量存在的场合，任何统计推断都 可以基于充分统计量进行，这可以简化统计 推断的程序。 定理5.5.1 设总体概率函数为 p(x ;? )， X1, …, Xn 为样本，则 T=T(X1,… Xn) 为充分统计量的充分 必要条件是：存在两个函数g(t; ?)和h(x1, …, xn)， 使得对任意的? 和任一组观测值 x1, x2,…, xn，有 p(x1, x2,…, xn; ? ) =g(T(x1,x2,…,xn);? )h(x1,x2,…,xn) (5.5.1) 例5.5.4 设x1, x2, …, xn是取自总体U(0,? )的样本， 即总体的密度函数为 其中g(t,? )是通过统计量 T 的取值而依赖于样本的。 p(x ;? )= 1/? , 0 ? x ? ? 0 , 其他 于是样本的联合密度函数为 取T =x(n)，并令 g(t ;? )= (1/?)nI?t???, h(x)=1， 由因子分解定理知T =x(n) 是? 的充分统计量。 p(x1;?)…p(xn;?)= 0, 其它