概率论与数理统计第四版第六章.pptVIP

第六章 样本及抽样分布 本章转入课程的第二部分 ———数理统计 令： 则 x y 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。 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”。 §6.1 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。 在数理统计中，总体这个概念的要旨是： ———总体就是一个概率分布。 -500 0 500 1000 1500 2000 0 5 10 15 20 25 容量为 n 的样本（也称为子样）可以看作 n 维随机变量： ( X1 , X2 , … , Xn ) 但是，一旦取定一组样本，得到的是n个具体的数 ( x1 , x2 , … , xn )，称为样本的一次观察值，简称样本观察值 。 最常用的一种抽样方法叫作“简单随机抽样”，它要求抽取的样本满足下面两点: 1. 代表性： X1 , X2 , … , Xn 中每一个与所考察的总体有相同的分布。 2. 独立性： X1 , X2 , … , Xn 是相互独立的随机变量。 由简单随机抽样得到的样本(子样）称为简单随机样本（子样）。 用（ X1 , X2 , … , Xn ）表示。 简单随机样本是应用中最常见的情形，今后，当说到（ X1 , X2 , … , Xn ）是取自某总体的样本时，就指简单随机样本。 3. 总体、样本、样本值的关系 总体（理论分布） 样本 样本值 §6.2 抽样分布 1. 统计量及其抽样分布 这种不含任何未知参数的样本的函数称为统计量。它是完全由样本决定的量。统计量的分布称为抽样分布。 2. 样本均值及其抽样分布 样本均值 反映了总体均值的信息 定理: 设 是来自某总体X的样本, 为样本均值。 若总体分布为 N( μ,σ2), 则 的精确分布为 N(μ, σ2/n ) ； 若总体分布未知或不是正态分布，则 的渐近分布为 N(μ, σ2/n ) ； 样本方差与样本标准差 它反映了总体方差 的信息 样本方差 样本标准差 定理 设总体X有 EX=μ, DX=σ2， X1, X2, …, Xn 是来自总体 X 的样本，则： 样本k阶原点矩 它反映了总体k 阶矩 的信息 样本k阶中心矩 k=1,2,… 它反映了总体k 阶 中心矩的信息 统计量也是随机变量，统计量的分布称为统计量的“抽样分布” . 抽样分布 精确抽样分布 （小样本问题中使用） 渐近分布 （大样本问题中使用) 三大抽样分布 分布 1、 定义: 设 相互独立, 都服从正态 分布N(0,1), 则称随机变量： 所服从的分布为自由度为 n 的 分布. 记为： 分布的密度函数为： . 其中伽玛函数 定义为 1.?? 设 相互独立, 都服从分布 则 2. 设 且X1,X2相互 独立，则 分布的性质： 若 则 EX = n, DX= 2n 由中心极限定理可得，若 ，则当n充分大时， 的分布近似正态分布N(0,1). 2、t 分布 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). 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。 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 设