抽样与抽样分布概论(PPT).pptVIP

第 4 章 抽样与抽样分布 4.1 三种不同性质的分布 4.1.1 总体分布 4.1.2 样本分布 4.1.3 抽样分布 总体中各单位的观测值所形成的相对频数分布 。 分布通常是未知的 可以假定它服从某种分布 4.1.1 总体分布(population distribution) 从总体中抽取一个容量为 的样本，由这 个观测值 形成的相对频数分布，称为样本分布，也称经验分布。 当样本容量n逐渐增大时，样本分布逐渐接近总体的分布 4.1.2 样本分布(sample distribution) 4.1.3 抽样分布 (Sampling Distribution) 抽样分布的形成过程 (sampling distribution) 4.2 大数定律与中心极限定理 4.2.1 大数定律 1. 独立同分布大数定律 2. 伯努利大数定律 4.2.2 中心极限定理 独立同分布大数定律 设独立随机变量 服从同一分布，且存在数学期望 和方差 ，对于任意给定的 有 个别现象受到偶然因素的影响，对总体的大量观察后进行平均，能使偶然因素的影响相互抵消，样本平均数会稳定在附近，为样本平均数估计总体均值提供理论依据。 伯努利大数定律 在独立试验序列中， 是事件 在 次试验中发生的次数， 是事件 发生的概率，对于任意给定的 有 当多次重复观察某个现象时，该现象发生的频率与该现象发证的概率之间的差距是非常小的，是用频率去代替概率提供理论依据。 4.2.2 中心极限定理（Central Limit Theorem） 设总体均值为 ，且存在有限方差 ，从中抽取样本容量为n的样本。当样本容量足够大时（n≥30），样本平均数 的抽样分布近似地服从正态分布，这就是著名的中心极限定理。 4.3 常用抽样分布及其特点 4.3.1 Z分布及其特点 4.3.2 t分布及其特点 4.3.3 分布及其特点 4.3.4 F分布及其特点 4.3.1 Z分布及其特点 当连续型随机变量X的密度函数为 时，称X服从正态分布 ，有时也称X为正态随机变量。 设 则Z是一个服从标准正态分布 的连续型随机变量，其密度函数为 Z分布及其特点 E(z)=0 D(z)=1 1、z分布以Y轴为中心，左右对称 2、服从标准正态分布的随机变量Z的概率，与一般的正态随机变量原理相同。 标准正态分布概率密度函数图 4.3.2 t分布及其特点 若随机变量 ，随机变量 ，且随机变量X与Y相互独立，则随机变量 服从自由度为 的t分布，记为 其密度函数为 t分布及其特点 E(t)=0 D(t)=n/(n-2) (n2) 1、t分布是对称分布，均值为0 2、当自由度n ∞，方差极限为1 t分布的形状和自由度n有关系，自由度越小，t分布曲线较为扁平，与标准正态分布差异越大；自由度越大，t分布曲线与标准正态分布曲线的差异逐渐缩小。 图4-2标准正态分布以及各种自由度的t分布的密度函数的曲线 4.3.3 分布及其特点 若随机变量 独立且同为标准正态分布 ，则它们的平方和 服从自由度为n的 分布，记为 。 其概率密度函数为： 分布及其特点 E(x)=n D(x)=2n 自由度增大，期望和方差随之增大。 是一种不对称偏峰分布，值域区间（0，+∞） 随自由度增大，曲线的最高点逐渐下移并向右移动，趋于对称。 图4-3 不同自由度的 分布 4.3.4 F分布及其特点 若随机变量 、 相互独立，且分别服从自由度为 、 的 分布，则随机变量 服从第一自由度为 ，第二自由度为 的F分布，记为 其密度函数为： F分布及其特点 E(F)=n2/(n2-2) D(F)=2n22(n1+n2-2)/n1(n2-2)2(n2-4) 非对称的正偏分布，值域（0，+∞） F分布的极限是正态分布，随第一自由度n1的增大，分布曲线逐渐趋于对称，随两个自由度的增大，分布曲线逐渐趋于正态分布。 图4-4