第6章_统计量及其抽样分布.ppt

标准正态分布的重要性 一般的正态分布取决于均值?和标准差 ? 计算概率时 ，每一个正态分布都需要有自己的正态概率分布表，这种表格是无穷多的 若能将一般的正态分布转化为标准正态分布，计算概率时只需要查一张表 标准正态分布函数 任何一个一般的正态分布，可通过下面的线性变换转化为标准正态分布 标准正态分布的概率密度函数 标准正态分布的分布函数 标准正态分布 x m s 一般正态分布 ? =1 Z 标准正态分布 ? ? ? 标准正态分布表的使用 将一个一般的转换为标准正态分布 计算概率时 ，查标准正态概率分布表 对于负的 x ，可由? (-x)???? ?x?得到 对于标准正态分布，即X~N(0,1)，有 P (a? X ?b)? ? ?b? ?? ?a? P (|X| ?a)? 2? ?a? ?1 5.对于一般正态分布，即X~N(? , ?)，有 标准化的例子 P(5 ? X ? 6.2) x ? =5 ?=10 一般正态分布 6.2 ? =1 Z 标准正态分布 ? ?0 0.12 .0478 标准化的例子P(2.9 ? X ? 7.1) .1664 .0832 .0832 标准正态分布 一般正态分布 正态分布（实例） 【例】设X~N(0，1)，求以下概率： (1) P(X 1.5) ；(2) P(X 2)； (3) P(-1X ?3) ； (4) P(| X | ? 2) 解：(1) P(X 1.5) = ? (1.5)=0.9332 (2) P(X 2)=1- P(2 ? X)=1-0.9973=0.0227 (3) P(-1X ?3)= P(X ?3)- P(X -1) = ?(3)- ?(-1)= ?(3) – [1-?(1)] = 0.9987-(1-0.8413)=0.8354 (4) P(| X | ? 2) = P(-2? X |? 2)= ?(2)- ?(-2) = ?(2)- [1-?(2)]=2 ?(2)- 1=0.9545 正态分布（实例） 【例】设X~N(5，32)，求以下概率 (1) P(X ?10) ； (2) P(2X 10) 解 (1) (2) 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 6.3.2 卡方分布(?2分布、?2 distribution) 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 ?2分布(性质和特点) c2分布(图示) 选择容量为n 的 简单随机样本 计算样本方差S2 计算卡方值 ?2 = (n-1)S2/σ2 计算出所有的 ? 2值 不同容量样本的抽样分布 c2 n=1 n=4 n=10 n=20 m s 总体 6.3.3 t分布（学生T分布） 它是在1908年由William S. Gosset以Student的笔名所发表的。 定义6.4 ：设随机变量X服从标准正态分布，Y服从自由度为n的卡方分布，且X和Y相互独立，则 1．以0为中心，左右对称的单峰分布； 2．t分布是一簇曲线，其形态变化与n（确切地说与自由度）大小有关。自由度越小，t分布曲线越低平；自由度越大，t分布曲线越接近标准正态分布（u分布）曲线 ，在自由度大于30的情况下，t分布的曲线就很接近正态分布了。 由统计学家费舍(R.A.Fisher) 提出的，以其姓氏的第一个字母来命名则 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 6.3.4 F分布(F distribution) F分布(图示)