统计量分布.pptVIP

随机样本和统计量 统计推断问题：电子产品的寿命 个体：组成总体的单元-随机变量 总体：研究对象的全体-随机变量的全体-分布函数 样本： 为同一分布函数F的相互独立的随机变量，称其为从分布函数得到容量为n的简单随机样本，简称样本。 随机变量的分布函数 设X为一随机变量,则对任意实数x，(Xx)是一个随机事件，称 引进分布函数F(x)后，事件的概率都可以用F(x)的函数值来表示。 ?2分布的双侧?分位数 把满足 的数 称为? 2分布的双侧?分位数 或双侧临界值. 见图. f(x) x O 显然， 为? 2分布的上 分位数. 为? 2分布的上 分位数. 如当n=8, ?=0.05时， 2.18 17.53 ?2分布的数学期望与方差 设? 2～? 2(n)，则E(? 2)=n，D(? 2)=2n. ?2分布的可加性 设 且 相互独立， 则 性质 设(X1，X2，…，Xn)为取自正态总体X～N(? ，? 2) 的样本，则 证明 由已知，有 Xi～N(? ，? 2)且X1，X2，…，Xn相互独立， 则 且各 相互独立， 由定义得 定理 设(X1，X2，…，Xn)为来自正态总体 X～N(? ，? 2)的样本，则 (1) 样本均值 与样本方差S 2相互独立； (2) (1) (1)式的自由度为什么是n-1？ 从表面上看， 是n个正态随机变量 的平方和， 但实际上它们不是独立的， 它们之间有一种线性约束关系： =0 这表明，当这个n个正态随机变量中有n-1个取值给定时，剩下的一个的取值就跟着唯一确定了，故在这n项平方和中只有n-1项是独立的.所以(1)式的自由度是n-1. 定理 设(X1，X2，…，Xn)为来自正态总体 X～N(? ，? 2)的样本，则 (1) 样本均值 与样本方差S 2相互独立； (2) (1) 与以下补充性质的结论比较： 性质 设(X1，X2，…，Xn)为取自正态总体 X～N(? ，? 2)的样本，则 t分布 定义:设随机变量X～N(0，1)，Y～? 2(n) ，且X与Y相互独立，则称统计量 服从自由度为n的t分布或学生氏分布， 记作 t分布的概率密度函数为 T ～t(n). 其形状类似标准正态分布的概率密度的图形. 当n较大时， t分布近似于标准正态分布. f(t) t O 当n较大时， t分布近似于标准正态分布. 一般说来，当n30时，t分布与标准正态分布N(0，1)就非常接近. 但对较小的n值，t分布与标准正态分布之间有较大差异.且P{|T|≥t0}≥P{|X|≥t0}，其中X ～N(0，1)，即在t分布的尾部比在标准正态分布的尾部有着更大的概率. t 分布的数学期望与方差 设T～t (n)，则E(T)=0，D(T)= * * 统计量 是样本 的不含任何未知数的函数，它是一个随机变量。 统计量的分布称为抽样分布。 由于正态总体是最常见的总体，因此主要讨论正态总体下的抽样分布。 由于这些抽样分布的论证要用到较多的数学知识，故在本节中，主要给出有关结论。 概率密度函数 定义 设X为一随机变量，若存在非负实函数 f (x) , 使对任意实数 a b ，有 则称X为连续型随机变量， f (x) 称为X 的概率密度函数,简称概率密度或密度函数. Probability density function p.d.f. 分布函数 密度函数在区间上的积分 = 随机变量在区间上取值的概率 概率密度函数的性质 非负性 规范性 正态分布 Normal Distribution 则称X服从参数为 若连续型随机变量X的概率密度为 正态分布的密度函数的性质与图形 关于 x = ? 对称 （- ?，?）升，（?，+? ）降 单调性 对称性 拐点 中间高 两边低 y ? ?-? ?+? x ?１ ?2 μ，σ对密度曲线的影响 ? 为随机变量X的分布函数 定义域为 （－∞，＋∞）； 值域为 ［０，１］。 F(x)是一个普通的函数！ Distribution Function 分布函数的定义 分布函数表示事件的概率 P（Xb）=F(b) P（a≤Xb）=F(b) ﹣ F(a) P（X≥b）=1﹣ P（Xb）=1 - F(b) P（a≤Xb）=P(X b)-P(Xa)= F(b)- F(a) 密度函数和分布