概率论与数理统计课(第六章).ppt

本章小结 1. 总体、个体、简单随机样本 2. 统计量及其常用分布 3. 分布、t分布、F分布 4. 正态总体的抽样分布 总体、个体、简单随机样本的概念，要求：识记 考核的知识点 1. 总体与样本 2. 统计量 2.1 统计量的概念，要求：识记 2.2 样本均值、样本方差、样本标准差、样本矩的概念，要求：识记 3. 几种统计量的分别 3.1 分布、t分布、F分布的结构性定义及性质，要求：识记 3.2 分位数的概念，要求：领会 3.3 查表计算常用分布的分位数，要求：简单应用 4. 正态总体的抽样分布 正态总体的抽样分布，要求：简单应用 第六章 统计量及其抽样分布 6.1 引言 6.2 总体和样本 6.3 统计量及其分布 6.1引 言 在我们的现实生活中，许多问题的不确定现象都是由随机因素的影响所造成的 通常情况下，需要经过对实际中大量数据的处理或理论分析，可以确定这些随机因素所要服从的概率分布，根据其概率分布规律利用一些统计方法可对所研究的问题做出估计、推断和预测 具体地讲，数理统计方法是研究从一定总体中随机抽取一部分（称为样本）的性质，来推断和预测总体的性质的一类有效方法 概率论与数理统计之间的关系： 数理统计学是一门研究怎样去有效地收集、整理和分析带有随机性的数据，以对所考察的问题做出推测和预测，直至 采取一定的决策和行动提供依据和建议的数学分支学科。 统计方法的数学理论要用到很多近代数学知识，如函数论、 拓扑学、矩阵代数、组合数学等等， 但关系最密切的是概率论，故可以这这样说：概率论是数理统计的基础，数理统计学是概率论的一种应用. 但是它们是两个并列的数学分支学科，并无从属关系 前面讲的知识都属于概率论的范畴，在那里，随机变量及其概率分布全面描述了随机现象的统计规律性。在概率论的许多问题中，概率分布通常被假定为已知的，而一切的计算推理均基于这个已知的分布进行。 例如，已知随机变量 求其数学期望和方差 这里的参数我们是假定已知的，在实际问题中事先 并不知道，需要我们自己去加以判定。 再来看一个例子： 某公司要采购一批产品，每件产品要么是正品，要么是次品。若设这批产品的次品率为p(一般是未知的),则从该批产品中随机抽取一件，用X表示抽到的次品数，不难看出X服从0-1分布。当分布中的参数p是不知道的。而p的大小决定了该批产品的质量，它直接影响采购行为的经济效益，因此人们对p提出一些问题，例如，“p的大小是多少？”，“p大概落在什么范围内” 从这个例子中我们可以看出，在概率论中研究的随机变量，它们的分布往往假定为已知的。但在实际问题中，我们所考察的随机现象虽然可以用某个随机变量X去描述它们，但随机变量X的概率分布往往是未知的，这就需要我们用数理统计的方法来解决此类实际问题。 一、总体与个体 总体：研究对象的全体。如一批灯泡。 个体：组成总体的每个元素。如某个灯泡。 注：对多数实际问题，总体中的个体是一些实在的人或物。比如，我们要研究某大学的学生身高情况，则该大学的全体学生构成问题的总体，而每个学生即是一个个体。 事实上，每个学生都有许多特征：性别、年龄、身高、体重等等，而在该问题中，我们关心的只是该校学生的身高如何，对其他的特征不予考虑。这样，每个学生（个体）所具有的数量指标值——身高就是个体，而将所有的身高全体看成总体。 §6.2 总体和样本 这样一来，若抛开实际背景，总体就是一堆数，这堆数中有大有小，有的出现机会多，有的出现机会少，因此用一个概率分布去描述和归纳是恰当的 从这个意义上看，总体就是一个分布，而其数量指标就是服从这个分布的随机变量，以后说“从总体中抽样”与“从某分布中抽样”是同一个意思。 例1：考察某厂的产品质量，将其产品只分为合格品与不合格品，并以0记合格品，以1记不合格品，则 总体={该厂生产的全部合格品与不合格品}={由0或1组成的一堆数} 设P表示这堆数中1的比例（不合格品率），则该总体可由一个二点分布表示 X P 0 1 1-P P 不同的P反映了总体的差异。 比如：两个生产同类产品的工厂的产品总体分布为： X P 0 1 0.983 0.017 X P 0 1 0.915 0.085 显然第一个工厂的产品质量优于第二个工厂，但是在实际中，分布中的不合格品率是未知的，如何对之进行估计是统计学要研究的问题。 二、样本 样本：为了了解总体的分布，我们从总体中随机地抽取n个个体，记其指标值为 , 则 称为总体的一个样本，n称为样本