统计量的汇总及其抽样分布.pptVIP

第 6 章 统计量及其抽样分布;第 6 章 统计量及其抽样分布;学习目标;6.1 统计量;统计量(statistic);常用统计量;次序统计量;充分统计量;6.2 关于分布的几个概念;为什么要抽样？;关于总体，知道得很少;为什么能抽样？;样本统计量的概率分布，是一种理论分布 在重复选取容量为n的样本时，由该统计量的所有可能取值形成的相对频数分布 随机变量是 样本统计量 样本均值, 样本比例，样本方差等 结果来自容量相同的所有可能样本 提供了样本统计量长远而稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据 ;抽样分布的形成过程 (sampling distribution);当样本量n无限增大时，计算统计量T(X1,X2,…,Xn)的极限分布，把极限分布作为抽样分布的一种近似，这种极限分布就被称为渐近分布。 ;6.3 由正态分布导出的几个重要分布 ;?2 分布;由阿贝(Abbe) 于1863年首先给出，后来由海尔墨特(Hermert)和卡·皮尔逊(K·Pearson) 分别于1875年和1900年推导出来 设 ，则 令 ，则 Y 服从自由度为1的?2分布，即 当总体 ，从中抽取容量为n的样本，则 ;分布的变量值始终为正 分布的形状取决于其自由度n的大小，通常为不对称的正偏分布，但随着自由度的增大逐渐趋于对称 期望为：E(?2)=n，方差为：D(?2)=2n(n为自由度) 可加性：若U和V为两个独立的?2分布随机变量，U~?2(n1)，V~?2(n2),则U+V这一随机变量服从自由度为n1+n2的?2分布 ;;t 分布;t 分布;;F 分布;由统计学家费希尔(R.A.Fisher) 提出的，以其姓氏的第一个字母来命名 设若U为服从自由度为n1的?2分布，即U~?2(n1)，V为服从自由度为n2的?2分布，即V~?2(n2),且U和V相互独立，则称F为服从自由度n1和n2的F分布，记为;;6.4 样本均值的分布与中心极限定理 ;在重复选取容量为n的样本时，由样本均值的所有可能取值形成的相对频数分布 一种理论概率分布 推断总体均值?的理论基础 ;样本均值的抽样分布 (例题分析);样本均值的抽样分布;样本均值的抽样分布;所有样本均值的均值和方差;样本均值的抽样分布与中心极限定理;中心极限定理(central limit theorem);中心极限定理 (central limit theorem);样本均值的抽样分布与总体分布的关系;例:设从一个均值为10、标准差为0.6的总体中随机选取容量为36的样本。假定该总体不是很偏的，要求： （1）计算样本均值小于9.9的近似概率。 （2）计算样本均值超过9.9的近似概率。 （3）计算样本均值在总体均值10附近0.1范围内的近似概率。;6.5 样本比例的抽样分布 ;总体(或样本)中具有某种属性的单位与全部单位总数之比 不同性别的人与全部人数之比 合格品(或不合格品) 与全部产品总数之比 总体比例可表示为 样本比例可表示为 ;在重复选取容量为n的样本时，由样本比例的所有可能取值形成的相对频数分布 一种理论概率分布 当样本容量很大时，样本比例的抽样分布可用正态分布近似 推断总体比例?的理论基础 ;p的抽样分布 由概率论知识我们有以下结论：当样本容量足够大时，p的抽样分布近似服从正态分布。其中大样本的标准是：同时满足 的n为大样本标准，如果 未知，可用p代替。 ;样本比例的数学期望 样本比例的方差 重复抽样 不重复抽样; P的抽样分布的形态 ;例题;例：假定某统计人员在其填写的报表中有2％至少会有一处错误，如果我们检查了一个由600份报表组成的随机样本，其中至少有一处错误的报表所占的比例在0.025~0.070之间的概率有多大？;6.6 两个样本均值之差的抽样分布 ;两个总体都为正态分布，即 ， 两个样本均值之差 的抽样分布服从正态分布，其分布的数学期望为两个总体均值之差 方差为各自的方差之和 ;【例】为了比较甲乙两座城市在岗职工的收入情况，独立地从两座城市抽取样本容量为 的样本。假设两座城市的在岗职工的收入服从正态分布，且甲城市的在岗职工的月平均收入为2600元，标准差为800元；乙城市在岗职工的月平均收入为2300元，标准差为500元。（1）描述两个样本平均数之差的抽样分布；（2）两个样本平均数之差