概率论与数理统计第六章 数理统计基本概念.docVIP

PAGE PAGE 10 第六章 数理统计的基本概念 前面五章我们讲述了概率论的基本内容，随后的五章将讲述数理统计.数理统计是以概率论为理论基础的一个数学分支.它是从实际观测的数据出发研究随机现象的规律性.在科学研究中，数理统计占据一个十分重要的位置，是多种试验数据处理的理论基础. 数理统计的内容很丰富，本书只介绍参数估计、假设检验、方差分析及回归分析的部分内容. 本章中首先讨论总体、随机样本及统计量等基本概念，然后着重介绍几个常用的统计量及抽样分布. 第一节 随机样本 假如我们要研究某厂所生产的一批电视机显像管的平均寿命.由于测试显像管寿命具有破坏性，所以我们只能从这批产品中抽取一部分进行寿命测试，并且根据这部分产品的寿命数据对整批产品的平均寿命作一统计推断. 在数理统计中，我们将研究对象的某项数量指标值的全体称为总体（Population），总体中的每个元素称为个体(Individual).例如上述的一批显像管寿命值的全体就组成一个总体，其中每一只显像管的寿命就是一个个体.要将一个总体的性质了解得十分清楚，初看起来，最理想的办法是对每个个体逐个进行观察，但实际上这样做往往是不现实的.例如，要研究显像管的寿命，由于寿命试验是破坏性的，一旦我们获得实验的所有结果，这批显像管也全烧毁了，我们只能从整批显像管中抽取一部份显像管做寿命试验，并记录其结果，然后根据这部份数据来推断整批显像管的寿命情况.由于显像管的寿命在随机抽样中是随机变量，为了便于数学上处理，我们将总体定义为随机变量.随机变量的分布称为总体分布. 一般地，我们都是从总体中抽取一部分个体进行观察，然后根据所得的数据来推断总体的性质.被抽出的部分个体，叫做总体的一个样本. 所谓从总体抽取一个个体，就是对总体X进行一次观察（即进行一次试验），并记录其结果.我们在相同的条件下对总体X进行n次重复的、独立的观察，将n次观察结果按试验的次序记为X1，X2，…，Xn.由于X1，X2，…，Xn是对随机变量X观察的结果，且各次观察是在相同的条件下独立进行的，于是我们引出以下的样本定义. 定义6.1 设总体X是具有分布函数F的随机变量，若X1，X2，…，Xn是与X具有同一分布F（x），且相互独立的随机变量，则称X1，X2，…，Xn为从总体X得到的容量为n的简单随机样本（Random sample），简称为样本. 当n次观察一经完成，我们就得到一组实数x1，x2，…，xn.它们依次是随机变量X1，X2，…，Xn的观察值，称为样本值. 对于有限总体，采用放回抽样就能得到简单样本，当总体中个体的总数N比要得到的样本的容量n大得多时（一般当≥10时），在实际中可将不放回抽样近似地当作放回抽样来处理. 若X1，X2，…，Xn为总体X的一个样本，X的分布函数为F（x），则X1，X2，…，Xn的联合分布函数为 F*（x1，x2，…，xn）=. 又若X具有概率密度f，则X1，X2，…，Xn的联合概率密度为 f*（x1，x2，…，xn）=. 我们在搜集资料时，如果未经组织和整理，通常是没有什么价值的，为了把这些有差异的资料组织成有用的形式，我们应该编制频数表（即频数分布表）. 例6.1 某工厂的劳资部门为了研究该厂工人的收入情况，首先收集了工人的工资资料，表6-1记录了该厂30名工人未经整理的工资数值： 表6-1 工人序号 工资（元） 工人序号 工资（元） 工人序号 工资（元） 1 530 11 595 21 480 2 420 12 435 22 525 3 550 13 490 23 535 4 455 14 485 24 605 5 545 15 515 25 525 6 455 16 530 26 475 7 550 17 425 27 530 8 535 18 530 28 640 9 495 19 505 29 555 10 470 20 525 30 505 以下，我们以例6.1为例介绍频数分布表的制作方法.表6-1是30个工人月工资的原始资料，这些数据可以记为x1，x2，…，x30，对于这些观测数据， 第一步 确定最大值xmax和最小值xmin，根据表6-1，有 xmax=640，xmin=420. 第二步 分组，即确定每一收入组的界限和组数，在实际工作中，第一组下限一般取一个小于xmin的数，例如，我们取400，最后一组上限取一个大于xmax的数，例如取650，然后从400元到650元分成相等的若干段，比如分成5段，每一段就对应于一个收入组.表6-1资料的频数分布表如表6-2所示. 表6-2 组限 频数 累积频数 400~450 450~500 500~550 550~600 600~650 3 8 13 4 2 3 11 24 28 30 图6-1 为了研究频数分布，