第四章 正态总体的抽样分布.ppt

第四章 正态总体的抽样分布 正态分布(normal distribution) 由C.F.高斯(Carl Friedrich Gauss，1777—1855)作为描述误差相对频数分布的模型而提出 描述连续型随机变量的最重要的分布 许多现象都可以由正态分布来描述 可用于近似离散型随机变量的分布 例如： 二项分布 经典统计推断的基础 概率密度函数 f(x) = 随机变量 X 的频数 ? = 正态随机变量X的均值 ? ?= 正态随机变量X的方差 ? = 3.1415926; e = 2.71828 x = 随机变量的取值 (-? x +?) 正态分布函数的性质 图形是关于x=?对称钟形曲线，且峰值在x=? 处 均值?和标准差?一旦确定，分布的具体形式也惟一确定，不同参数正态分布构成一个完整的“正态分布族” 均值?可取实数轴上的任意数值，决定正态曲线的具体位置；标准差决定曲线的“陡峭”或“扁平”程度。?越大，正态曲线扁平；?越小，正态曲线越高陡峭 当X的取值向横轴左右两个方向无限延伸时，曲线的两个尾端也无限渐近横轴，理论上永远不会与之相交 正态随机变量在特定区间上的取值概率由正态曲线下的面积给出，而且其曲线下的总面积等于1 ? 和? 对正态曲线的影响 一 样本均值的抽样分布 样本均值的抽样分布 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 (例题分析) 样本均值的抽样分布 (例题分析) 样本均值的分布与总体分布的比较 (例题分析) 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) 二、样本比例的抽样分布 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，即 第二节 正态分布及其三大统计量抽样分布 的样本； 设 是总体 的样本,且两样本相互独立, 是总体 两样本均值和样本方差分别为 则 由定理二，有 因两样本独立，故 独立 的样本； 设 是总体 的样本,且两样本相互独立, 是总体 两样本均值和样本方差分别为 则 其中 ,且 相互独立 又 由 的独立性及 分布的可加性有 由两样本的独立性及 分布的定义有 面积为 则称 为分布密度 的上 分位点 设 若 存在常数 满足 的上 分位点记为 则称 为分布密度 的上 分位点 设 若 存在常数 满足 的上 分位点记为 查标准正态分布表,可求得 则称 为分布密度 的上 分位点 设 若 存在常数 满足 的上 分位点记为 查 t 分布表,可求得 则称 为分布密度 的上 分位点 设 若 存在常数 满足 的上 分位点记为 查 分布表,可求得 Fisher曾证明:当 n 充分大时有 * x f (x) x f(x) C A B ? =1/2 ? 1 ? 2 ?=1 第一节 抽样分布的概念 【例】设一个总体，含有4个元素(个体) ，即总体单位数N=4。4 个个体分别为x1=1，x2=2，x3=3，x4=4 。总体的均值、方差及分布如下 总体分布 1 4 2 3 0 .1 .2 .3 均值和方差 ? 现从总体中抽取n＝2的简单随机样本，在重复抽样条件下，共有42=16个样本。所有样本的结果为 3,4 3,3 3,2 3,1 3 2,4 2,3 2,2 2,1 2 4,4 4,3 4,2 4,1 4 1,4 4 1,3 3 2 1 1,2 1,1 1 第二个观察值 第一个 观察值 所有可能的n = 2 的样本（共16个） ? 计算出各样本的均值，如下表。并给出样本均值的抽样分布 3.5 3.0 2.5 2.0 3 3.0 2.5 2.0 1.5 2 4.0 3.5 3.0 2.5 4 2.5 4 2.0 3 2 1 1.5 1.0 1 第二个观察值 第一个 观察值 16个样本的均值（x） x 样本均值的抽样分布 1.0 0 0.1 0.2 0.3 P ( x ) 1.5 3.0 4.0 3.5 2.0 2.5 ? = 2.5 σ2 =1.25 总体分布 1 4 2 3 0 .1 .2 .3 抽样分布 P ( x ) 1.0 0 .1 .2 .3 1.5 3.0 4.0 3.5 2.0 2.5 x ?