统计量和其抽样分布.pptVIP

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) ? 不同自由度的F分布 F （1,10) (5,10) (10,10) 6.4 样本均值的分布与中心极限定理 一、样本均值的抽样分布 二、样本均值的抽样分布与中心极限定理 一、样本均值的抽样分布 【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 均值和方差 总体分布 1 4 2 3 0 .1 .2 .3 样本均值的抽样分布 （一个例子） ? 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。所有样本的结果如下表 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） 样本均值的抽样分布 （一个例子） ? 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） 样本均值的抽样分布 1.0 0 .1 .2 .3 P ( x ) 1.5 3.0 4.0 3.5 2.0 2.5 x 所有样本均值的均值和方差 式中：M为样本数目 比较及结论： 1. 样本均值的均值（数学期望）等于总体均值 2. 样本均值的方差等于总体方差的1/n 样本均值的分布与总体分布的比较 总体分布 抽样分布 1 4 2 3 0 .1 .2 .3 1.0 0 .1 .2 .3 1.5 3.0 4.0 3.5 2.0 2.5 x ? = 2.5 σ2 =1.25 样本均值的抽样分布与中心极限定理 当总体服从正态分布N ~ (μ,σ2 )时，来自该总体的所有容量为n的样本的均值?X也服从正态分布，?X 的数学期望为μ，方差为σ2/n。即?X～N(μ,σ2/n) ? = 50 ? =10 X 总体分布 n = 4 抽样分布 X n =16 二、中心极限定理 中心极限定理：设从均值为?，方差为? 2的一个任意总体中抽取容量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为σ2