三大抽样分布及常统计量的分布.pptVIP

* 数理统计中常用的分布除正态分布外，还有三个非常有用的连续型分布，即 ? 2分布 t 分布 F分布 数理统计的三大分布(都是连续型). 它们都与正态分布有密切的联系. 在本章中特别要求掌握对正态分布、? 2分布、t分布、F分布的一些结论的熟练运用. 它们是后面各章的基础. 第四节 三大抽样分布及常用统计量的分布 （卡方）——分布 定义1:设总体 ， 是 的一个样本,则统计量 的概率密度函数为 则称统计量 服从自由度为n的 分布， 记作 0 1 3 5 7 9 11 13 15 17 x 0.50.40.30.20.1 n=1 n=4 n=10 图5-4 f(y) 其图形随自由度的不同而有所改变. 分布密度函数的图形 注：自由度是指独立随机变量的个数， 性质1：? 2分布的数学期望与方差 设? 2～? 2(n)，则E(? 2)=n，D(? 2)=2n. 性质2：? 2分布的可加性 设 且 相互独立， 则 定理1 设(X1，X2，…，Xn)为取自正态总体X～N(? ，? 2) 的样本，则 证明 由已知，有 Xi～N(? ，? 2)且X1，X2，…，Xn相互独立， 则 且各 相互独立， 由定义1 :得 定理3 : 设(X1，X2，…，Xn)为来自正态总体 X～N(? ，? 2)的样本，则 (1) 样本均值 与样本方差S 2相互独立； (2) (4.1) (4.1)式的自由度为什么是n-1？ 从表面上看， 是n个正态随机变量 的平方和， 但实际上它们不是独立的， 它们之间有一种线性约束关系： =0 这表明，当这个n个正态随机变量中有n-1个取值给定时，剩下的一个的取值就跟着唯一确定了，故在这n项平方和中只有n-1项是独立的.所以(4.1)式的自由度是n-1. 定理3： 设(X1，X2，…，Xn)为来自正态总体 X～N(? ，? 2)的样本，则 (1) 样本均值 与样本方差S 2相互独立； (2) (4.1) 与以下补充性质的结论比较： 性质 设(X1，X2，…，Xn)为取自正态总体 X～N(? ，? 2)的样本，则 其几何意义见图5-5所示. 其中f(x)是? 2-分布的概率密度. f(x) x O ? 图5-5 显然，在自由度n取定以后， 的值只与?有关. ? 2分布的?上侧分位点 例如，当n=21，?=0.05时，由附表3(P254)可查得， 32.67 即 二、t分布 定义3 设随机变量X～N(0，1)，Y～? 2(n) ，且X与Y相互独立，则称统计量 服从自由度为n的t分布， 记作 t分布的概率密度函数为 T ～t(n). 其图形如图5-6所示(P106)， 其形状类似标准正态分布的概率密度的图形. 当n较大时， t分布近似于标准正态分布. 定理4 设(X1，X2，…，Xn)为来自正态总体 X～N(? ，? 2)的样本，则统计量 证 由于 与S 2相互独立，且 由定义3得 定理5 设(X1，X2，…，Xn1)和(Y1，Y2，…，Yn2) 分别是来自正态总体N(?1 ，?2)和N(?2 ，?2)的样本，且它们相互独立，则统计量 其中 、 分别为两总体的样本方差. t 分布的?上侧分位点 对于给定的? (0? 1)，称满足条件 的点t?(n)为t分布的?上分位点。 其几何意义见图5-7. f(t) t O t?(n) ? 图5-7 t 分布的?双侧分位点 由于t分布的对称性，称满足条件 的数t?/2(n)为t分布的?双侧分位点。 其几何意义如图5-8所示. f(t) t O t?/2(n) ? /2 ? /2 - t?/2(n) 图5-8 在附表4 (P256)中给出了t分布的临界值表. 例如，当n=15，?=0.05时，查t分布表得， t0.05(15)= t0.05/2(15)= 1.753 2.131 其中t0.05/2(15)由P{t(15)≥t0.025(15)}=0.025查得. 但当n45时，如无详细表格可查，可以用标准正态分布代替t分布查t?(n)的值. 即 t?(n)≈u? ， n45. 一般的t分布临界值表中，详列至n=30，当n30就用标准正态分布N(0, 1)来近似.