第五章 三大抽样分布,充分统计量.ppt

§三大抽样分布 ; ? 分布(卡方分布);?—分布的密度函数曲线;当随机变量 ? ? ?() 时，对给定 ? (???)，称满足 (? ? ???()) 的 ???() 是自由度为?的卡方分布的?? 分位数. 分位数 ???() 可以从附表 中查到。;该密度函数的图像是一只取非负值的偏态分布 ;例 设 是取自总体N(0,4)的简单随机样本. 当a= , b= 时,则 ; 分布;该密度函数的图象也是一只取非负值的偏态分布 ;. — 分布的分位点 对于 ?，若存在 ?(, ) 满足 {??(, )} ?， 则称 ?(, )为 (, )的下侧 ? 分位数; — 分布性质: ; 分布 ;() 的概率密度为:; 分布的密度函数的图象是一个关于纵轴对称的分布，与标准正态分布的密度函数形状类似，只是峰比标准正态分布低一些尾部的概率比标准正态分布的大一些。; ?时, 分布的数学期望存在且为； ?时， 分布的方差存在，且为(?)； 当自由度较大 (如?) 时， 分布可以用 正态分布 ()近似。;() 的性质: () () 关于 (纵轴) 对称。 () () 的极限为 (，) 的密度函数. ;当随机变量 ?() 时，称满足 ( ? ??()) ?? 的 ??() 是自由度为 的 分布的??分位数. 分位数 ??() 可以从附表中查到。 譬如 ,?，那么从附表上查得 ?() () .;注:;例 设随机变量X 和Y 相互独立且都服从正态分布 ,而 和 分别是来自总体X和Y的 s.r.s,则;一般总体的结论; 一些重要结论;证明: ;注：;推论 设 , ,…, 是来自(?, ?) 的 样本，其样本均值和样本方差分别为;推论 设 , ,…, 是来自(?, ?) 的 样本，, ,…, 是来自(?, ?) 的样本， 且此两样本相互独立，则有;推论 在推论的记号下，设 ? ? ? ， 并记;课 堂 练 习;课 堂 练 习;解:;课 堂 练 习;§ 充分统计量;一大堆原始资料，经过加工成简单的 后，一般来说在信息上会有损失。但也有可能，把样本 X 加工成 后，抓住了问题的实质， 中保留了样本X中所含参数 的全部信息，所丢掉的只是无关紧要的东西。如果一个统计量满足这个要求，即使??掉了样本X也能恢复参数 的信息，则称此统计量为充分的。;例 为研究某个运动员的打靶命中率，我们 对该运动员进行测试，观测其次，发现除第 三、六次未命中外，其余次都命中。这样的 观测结果包含了两种信息：;第二种信息对了解该运动员的命中率是没有什么帮助的。一般地，设我们对该运动员进行 次观测，得到 , ,…, ，每个 取值非即，命中为，不命中为。令 … ，为观测到的命中次数。在这种场合仅仅记录使用 不会丢失任何与命中率 ? 有关的信息，统计上将这种“样本加工不损失信息”称为“充分性”。;统计量 (,…) 也有一个抽样分布?() ，当我们期望用统计量 代替原始样本并且不损失任何有关 ? 的信息时，也就是期望抽样分布 ?() 像 ?() 一样概括了有关 ? 的一切信息，这即是说在统计量 的取值为 的情况下样本 的条件分布 ?() 已不含 ? 的信息，这正是统计量具有充分性的含义。;关于样本的信息可以设想成如下公式： ;定义 设 , , …, 是来自某个总体 的样本，总体分布函数为 ( ;? )，统计 量 (, , …, ) 称为 ? 的充分统计 量，如果在给定 的取值后，, ,…, 的条件分布与? 无关.;上述条件概率与无关，因此 为??分 统计量。; 因子分解定理;例 设, , …, 是取自总体(,? )的样本， 即总体的密度函数为;取 ()，并令 ( ;? ) (?)????, ()， 由因子分解定理知 () 是? 的充分统计量。;取 ? , ?, 并令; 是一一对应的，这说明在正态总体场合 常用的;习 题