总体与个体总体的三层含义.PPT

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * (4) 统计样本数据落入每个区间的个数——频数， 并列出其频数频率分布表。 表5.2.1 例5.2.2 的频数频率分布表 组序 分组区间 组中值 频数 频率 累计频率(%) 1 (147，157] 152 4 0.20 20 2 (157，167] 162 8 0.40 60 3 (167，177] 172 5 0.25 85 4 (177，187] 182 2 0.10 95 5 (187，197] 192 1 0.05 100 合计 20 1 5.2.3 样本数据的图形显示 一、直方图 直方图是频数分布的图形表示，它的横坐标表示所关心变量的取值区间，纵坐标有三种表示方法：频数，频率，最准确的是频率/组距，它可使得诸长条矩形面积和为1。凡此三种直方图的差别仅在于纵轴刻度的选择，直方图本身并无变化。 5.3.1 统计量与抽样分布 §5.3 统计量及其分布 当人们需要从样本获得对总体各种参数的认识时，最好的方法是构造样本的函数，不同的函数反映总体的不同特征。 定义5.3.1 设 x1, x2, …, xn 为取自某总体的样 本，若样本函数T = T(x1, x2, …, xn)中不含有任 何未知参数。则称T为统计量。统计量的分布 称为抽样分布。 5.3.2 样本均值及其抽样分布 定义5.3.2 设 x1, x2, …, xn为取自某总体的样本，其算术平均值称为样本均值，一般用 表示，即 思考：在分组样本场合，样本均值如何计算？ 二者结果相同吗？ x x= (x1+…+xn)/n 定理5.3.2 数据观测值与均值的偏差平方和 最小，即在形如 ? (xi?c)2 的函数中， 样本均值的基本性质： 定理5.3.1 若把样本中的数据与样本均值之差 称为偏差，则样本所有偏差之和为0，即 最小，其中c为任意给定常数。 样本均值的抽样分布： 定理5.3.3 设x1, x2, …, xn 是来自某个总体的样本， x 为样本均值。 (1) 若总体分布为N(?, ?2)，则 x x 的精确分布为N(?, ?2/n) ; 若总体分布未知或不是正态分布， 但 E(x)=?, Var(x)=?2,则n 较大时 的渐近分 布为N(?, ?2/n) ,常记为 。 x?AN(?, ?2/n) 这里渐近分布是指n 较大时的近似分布. 5.3.3 样本方差与样本标准差 称为样本标准差。 s*= ?s*2 定义5.3.3 称为样本方差， 其算术平方根 在n 不大时，常用 作为样本方差, 其算术平方根也称为样本标准差。 在这个定义中， ? ( xi ?x )2 n?1称为偏差平方和的自由度。其含义是： x 在 确定后, n 个偏差 x1?x, x2?x, …, xn?x 能自由取值，因为 只有n?1个数据可以自由变动，而第n个则不 ?(xi ?x ) = 0 . 称为偏差平方和， 中 样本偏差平方和有三个不同的表达式： ?( xi?x )2 = ?xi2 – (?xi)2/n = ?xi2 – nx 它们都可用来计算样本方差。 思考：分组样本如何计算样本方差？ 样本均值的数学期望和方差，以及样本方差的数学期望都不依赖于总体的分布形式。 定理5.3.4 设总体 X 具有二阶矩，即 E(x)=? ? ?, Var(x)=?2 ? ?, x1, x2, …, xn 为从该总体得到的样本， x 和s2 分别是样本均值和样本方差，则 E( x )=?, Var( x )=?2 /n, E(s2) =?2 5.3.4 样本矩及其函数 样本均值和样本方差的更一般的推广是样本矩，这是一类常见的统计量。 定义5.3.4 ak = (?xik)/n 称为样本 k 阶原点矩， 特别，样本一阶原点矩就是样本均值。 称为样本k阶