2第一二章大数定律及数理统计基本概念.pptVIP

定理3 (与样本均值和样本方差有关的一个分布) 设 X1, X2 ,…, X n 是取自正态总体 分别为样本均值和样本修正方差. 则有 的样本, 证明: ( II ) 两个正态总体 的简单随机样本. 令 设 与 分别是来自正态 总体 与 的相互独立 则 若 则 则 的简单随机样本. 设 与 分别是来自正态 总体 与 的相互独立 与 相互独立 简单随机样本 则称 为简单随机样本. 若总体 X 的样本 满足: (1) 与X 有相同的分布 (2) 相互独立 它可以用与总体独立同分布的n个相互独立的随机 变量X1,X2,…,Xn表示。 样本的分布 总体、样本、样本观察值的关系 总体 样本 样本观察值 理论分布 统计是从手中已有的资料——样本观察值，去推断总体的情况——总体分布。 样本是总体X 进行估计或推断的依据，由于样本是 n 个随机变量或维随机向量，使用起来很不方便，我们通 常是将样本提供的信息集中起来，这就是针对不同问题 构造样本适当的函数. 例 是未知参数, 若 ? ,? 已知,则为统计量 是一样本, 是统计量, 其中 则 但 不是统计量. 为样本均值 为修正样本方差 为修正样本标准差 设 是来自总体 X 的容量为 n 的样本 常用统计量 为样本的k 阶原点矩　 为样本的k 阶中心矩　 2） 中位数、众数 1、中位数(Median) 定义 设X为一随机变量，若存在实数x, 有 则称 x 为X的中位数，记作 Me 例 设 X 的概率函数为 p 0.1 0.2 0.4 0.3 X -1 0 1 2 求 X 的中位数. 解 因为 P{X ≤1}=P(X= -1)+P(X = 0)+P(X = 1) =0.1+0.2+0.4=0.7≥0.5 而 P{X≥1}=P(X =1)+P(X =2) = 0.4+0.3 = 0.7≥0.5 所以 X 的中位数 Me = 1. (3) 中位数可能不是样本值。 注意 (1) 中位数可能不唯一. (2) 连续型随机变量中位数是F(x)=1/2的解. 2、众数(mode) 定义 (离散型) 设随机变量X 的分布律为P(X=xi) = pi (I =1,2,…)，且x1, x2,…, xn由小到大排列，若存在xk, 有 pk-1pk且 pkpk+1，则称xk为X 的众数，记作 Mo 例 设 X 的概率函数为 求 X 的众数。 解 因为P(X=1) P(X=0)且 P(X=1) P(X=2)， 所以X 的众数Mo=1 p 0.1 0.2 0.4 0.3 X -1 0 1 2 定义：设 为样本, 为样本值, 且 当 取值为 时, 则称统计量 为顺序统计量. 其中, 称 为极差　　 顺序统计量与极差 定义 r.v. 定义 r.v. 定义 r.v. 定义 r.v. 样本的经验分布函数　 样本值　 样本值小于x 的个数，作 －－－样本的经验分布函数 非降，左连续； 例 设总体X 有样本值x1=1,x2=2,x3=3,x4=2, 则X 的经验分布函数为 x x x x 0, x1; ?, 1≤x2; ?, 2≤x3; 1, x≥3 若子样为n维r.v.，那么对于每一样本值　 就可作一个经验分布函数，故 是随机变量 ---n次独立重复试验中，事件 发生的频率。 由大数定律， -*- 这就是我们可以由样本推断总体的基本理论依据. 格列汶科进一步证明了：当n→∞时，Fn(x)以概率1关于x 一致收敛于F(x)，即 这就是著名的格列汶科定理. 定理告诉我们，当样本容量ｎ足够大时，对所有的x, Fn(x)与F(x)之差的绝对值都很小，这件事发生的概率为1. 直方图　　 离散型　 表示　　　　在n次试验中出现的次数，　 设 为n次独立重复样本　 则 定义函数：当　 称　　　为在区间［a,b)的图形为［a,b)的 频率直方图．　 ２.３　抽样分布　 定理： 则　 为两随机向量，且　 特别：若　 相互独立且服从　 那么　　　　　　也是正态随机变量．　 若　　　　　为正交矩阵，那么：随机变量 也是相互独立且均值为０的正态随机变量　 例 设随机向量X =(x1,x2,x3)’的数学期望和协方差