样本及抽样分布概述(PPT).pptVIP

第一章 样本及抽样分布 本章转入课程的第二部分 ———数理统计 分布的密度函数为： 来定义. 其中伽玛函数 通过积分 c2 分布演示 由 分布的定义，不难得到： 1.?? 设 相互独立, 都服从正态分布 则 2. 设 且X1,X2相互 独立，则 这个性质叫 分布的可加性. 若 则可以求得， EX = n, DX= 2n 应用中心极限定理可得，若 ，则当n充分大时， 的分布近似正态分布N(0,1). 2、t 分布 定义: 设X～N(0,1) , Y～ , 且X与Y相互独立，则称变量 所服从的分布为自由度为 n的 t 分布。 记为： T ～ t (n). Student T 的密度函数为： 具有自由度为n的t分布的随机变量T的数学期望和方差为: E ( T ) = 0 ; D ( T ) = n / (n-2) , 对 n 2 t分布的密度函数关于x=0对称，且 当n充分大时，其图形类似于标准正态分布密度函数的图形。 请看演示 t 分布 不难看到，当n充分大时，t 分布近似N (0,1)分布。 但对于较小的n，t分布与N (0,1)分布相差很大。 3、F分布 定义: 设 X与Y相互独立，则称统计量 服从自由度为n1及 n2 的F分布，n1称为第一自由度，n2称为第二自由度，记作 ： F ~F ( n1 , n2 ) . Fisher 由定义可见， ~ F ( n2, n1) 若X~F(n1,n2)， X的概率密度为 X的数学期望为: 若n22 即它的数学期望并不依赖于第一自由度n1. F分布演示 分位数演示 休息 结束 休息 结束 数理统计的特点是应用面广，分支较多。社会的发展不断向统计提出新的问题。 从历史的典籍中，人们不难发现许多关于钱粮、户口、地震、水灾等等的记载，说明人们很早就开始了统计的工作。但是当时的统计，只是对有关事实的简单记录和整理，而没有在一定理论的指导下，作出超越这些数据范围之外的推断。 到了十九世纪末二十世纪初，随着近代数学和概率论的发展，才真正诞生了数理统计学这门学科。 数理统计学是一门应用性很强的学科。 它是研究怎样以有效的方式收集、 整理和分析受随机影响的数据，并对所考察的问题作出推断和预测，直至为采取决策和行动提供依据和建议。 数理统计不同于一般的资料统计，它更侧重于应用随机现象本身的规律性进行资料的收集、整理和分析。 数理统计的任务就是研究怎样有效地收集、整理、分析所获得的有限的、局部 的资料，对所研究问题的整体, 尽可能地作出精确而可靠的结论。 在数理统计中，不是对所研究的对象全体(称为总体)进行观察，而是抽取其中的部分(称为样本)进行观察获得数据（抽样），并通过这些数据对总体进行推断。 由于推断是基于抽样数据，抽样数据又不能包括研究对象的全部信息。因而由此获得的结论必然包含不肯定性。所以，在数理统计中必然要用到概率论的理论和方法。 由此也可以说： 概率论是数理统计的基础，而数理统计是概率论的重要应用。但它们是并列的两个学科，并无从属关系。 需要强调说明一点： 统计方法具有“部分推断整体”的特征 。 　　因为我们是从一小部分样本观察值去推断该全体对象（总体）情况，即由部分推断全体。 这里使用的推理方法是“归纳推理”。 这种归纳推理不同于数学中的“演绎推理”。 它在作出结论时，是根据所观察到的大量个别情况，“归纳”起来所得，而不是从一些假设、命题、已知的事实等出发，按一定的逻辑推理去得出来的。 如果这一切都建立在可靠的科学基础上，则对总体下结论是可能的也是可靠的。 因为这里存在着样品（随机抽取的一个个体）个性 (特殊性) 和总体共性(普遍性)之间的一种内在的、对立统一的辩证关系。 但此时还应记住毕竟是由“局部”推断“整体”，因而仍可能犯错误，结论往往又是在某个“可靠性水平”之下得出的。 §1.1 随机样本 1.总体与个体 一个统计问题总有它明确的研究对象。 研究对象的全体称为总体(母体)， 总体中每个成员称为个体。 然而在统计研究中，人们关心总体仅仅是关心其每个个体的一项(或几项)数量指标和该数量指标在总体中的分布情况。这时，每个个体具有的数量指标的全体就是总体。 该批灯泡寿命的全体就是总体 某品牌轿车百公里耗油量的全体就是总体 某批灯泡的寿命 某品牌轿