数理统计教案-公开课件.pptVIP

数理统计 讲授: 第六章 样本及抽样分布 随机样本 抽样分布 6.1 随机样本一、总体与样本 二、经验分布函数 三、统计量 6.2 抽样分布 一、 ?2—分布 二、t—分布 三、F—分布　 四、正态总体的抽样分布 第七章 参数估计 点估计 点估计的评价标准 区间估计 正态总体参数的区间估计 区间估计的大样本法 7.1 点估计一、参数估计的概念 二、矩估计法(简称“矩法”) 三、极大似然估计法 7.2 估计量的评选标准一、无偏性 二、有效性 三、一致性 7.3 区间估计一、概念 二、置信区间 7.4 正态总体参数的区间估计 一、单正态总体均值的置信区间 二、单正态总体方差的置信区间 三、双正态总体均值差的置信区间 7.5 区间估计的大样本法 一、双正态总体均值差的置信区间 第八章 假设检验 假设检验的基本思想和概念 正态总体均值的假设检验 正态总体方差的假设检验 8.1假设检验的基本概念和思想一、基本概念 二、显著性检验法则的构造 8.2 单正态总体参数的假设检验 一、单总体均值的假设检验 8.3 双正态总体均值差与方差比的假设检验 一、均值差的假设检验 单正态总体参数的假设检验 二、（0，1）分布总体参数的置信区间 说明：对于其它非正态分布总体，也可利用中心极限 定理在大样本情形下，求出未知参数的近似置信区间 (指数分布总体除外)。 (一) 两类问题 1、参数假设检验 总体分布已知，参数未知， 由观测值x1，…，xn检验假设H0：?=?0；H1：?≠?0 2、非参数假设检验 　　 总体分布未知，由观测值x1，…，xn 检验假设H0：F(x)=F0(x;?); H1： F(x)≠F0(x;?) 本课程主要讨论参数假设检验； 说明： (1)假设也称为统计假设； 　　　 (2)H0称为原假设；H1称为备择假设； (3)做假设检验的最终目的是作出推断：是接受 原假设，还是拒绝原假设而接受备择假设。 (二)简单假设与复合假设 如果一个统计假设完全确定总体的分布，则称该 假设为简单假设，否则就称为复合假设。 (三) 检验法则与拒绝域 以样本(X1，…，Xn)出发制定一个法则，一旦观 测值(x1，…，xn)确定后，我们由这个法则就可作出 判断：是拒绝H0还是接受H0. 这种法则称为H0对H1的 一个检验法则，简称检验法。 样本观测值的全体组成样本空间S，把S分成两 个互不相交的子集C和C*，即S=C∪C*，C∩C*=?， 假设当(x1，…，xn) ∈C时，我们就拒绝H0；当 (x1，…，xn) ∈C*时，我们就接受H0。子集C? S就 称为检验的拒绝域(或临界域 )。 (四) 检验的两类错误 我们给出了H0对H1的某个检验法则，即给出了S 的两个划分C与C*，由于样本的随机性，在进行判断 时，还可能犯错误。 {拒绝H0| H0真}={(x1，…，xn) ∈C | H0真} ——第一类错误或“弃真” {接受H0| H0假}={(x1，…，xn) ∈C*| H0假} ——第二类错误或“取伪” 这两个事件都是小概率事件，常记p{拒绝H0| H0真}=?， p {接受H0| H0假}= ?， ?，?在0~1之间，通常不超过0.1。 (五) 显著性检验 对于给定的一对H0和H1，总可找出许多临界域， 人们自然希望找到这种临界域C，使得犯两类错误的 概率?和?都很小。但在样本容量n一定时，这又是做 不到的，除非容量 n无限增大。 奈曼—皮尔逊 (Neyman—Pearson)提出了一个 原则：在控制犯第一类错误的概率?的条件下，尽量 使犯第二类错误 ?小，这是最优检验 (MPT) ，但是有 时MPT法则很难找到，甚至不存在。在这种情况下， 我们不得不降低要求，另提一些原则。应用上常采纳 的原则是“只对?加以限制，而不考虑 ?的大小”。 构造统计量t =t(X1，…，Xn)， x1，…，xn为样本观测值， 令 T={t =t (x1，…，xn)满足某条件： (x1，…，xn) ∈C} 于是 p{t ∈T|H0真} =p{(