应用数理统计.pptVIP

数理统计的基本内容： 1、试验设计：设计有效地获得数据的方法，如正交设计（第六章） 2、统计和推断：靠抽验得到的数据来推断整体的情况，包括参数估计（第二章），假设检验（第三章） 3、研究应用统计推断中的基本原理，研究处理线性模型中的某些问题的方法，如回归分析（第四章），方差分析（第五章） 一、总体与样本 总体：是指对某一问题的研究对象的全体. 亦称母体。 在数理统计中，总体就是具有确定分布的随机变量。 所以总体通常表示为随机变量的概率分布F(x) 或概率 密度 f(x)。 个体：组成总体的每个研究对象。 一个个体是随机变量的一次观测值。 §1-2 数理统计的基本概念 样本：从总体中随机抽取的若干个个体。 样本中个体的个数叫做样本大小或样本容量。 样本中的个体称为样品。 注：样本大小为n 的样本可以看成是一个n维随机 向量(X1, …, Xn)。 简单随机样本(X1, …, Xn) ：X1,…, Xn相互独立，并 与总体X具有具有相同的分布函数F，简称样本。 §1-2 数理统计的基本概念 样本值与样本空间：样本(X1, …, Xn)每次抽样得到 的观察值(x1,…, xn) 称为样本值，样本值的集合称为 样本空间。 样本的联合概率分布与密度： 数理统计的任务 由样本 推断总体 §1-2 数理统计的基本概念 二、经验分布与理论分布 理论分布＝总体分布 经验分布＝样本分布 经验分布的构建：将样本(X1, …, Xn)的n 个观察值 x1,…, xn 由小到大排列为， ，则相应的 样本分布为 §1-2 数理统计的基本概念 经验分布与理论分布的关系（Glivenko定理）： 经验分布Fn(x) 以概率1关于x 一致收敛到 理论分布F(x)，即 §1-2 数理统计的基本概念 三、统计量 定义：设X1, …, Xn是来自总体X的一个样本, 称不包含 参数的实值函数 T＝φ(X1, …, Xn) 是一个统计量. 统计量是一个随机变量。如： §1-2 数理统计的基本概念 样本均值 样本方差 样本标准差 样本k阶(原点)矩 样本k阶中心矩 §1-2 数理统计的基本概念 四、样本矩 样本二阶中心矩 §1-2 数理统计的基本概念 注：样本二阶中心矩与样本方差的区别： 样本矩与总体矩之间的关系： 只要总体的r阶矩存在，则样本小于等于r的各阶矩依概率收敛到总体的各阶矩。 抽样分布 —— 统计量的分布. 几种常用的统计统计分布 (一) 分布 设X1, …, Xn是来自总体N(0, 1)的样 本, 则称统计量 服从自由度为n的 分布. 记为 . §1-3 抽样分布 分布的概率密度为 0 f (x) y n=1 n=5 n=15 §1-3 抽样分布 分布的性质： §1-3 抽样分布 性质1：设 ，则 性质2：设 ，则 (二) t分布 设X~N(0, 1), , 并且X, Y独立, 则称随机变量 服从自由度为n的t分布. 记为t ~ t(n). §1-3 抽样分布 t分布的概率密度为 0 h(t) t n=1 n=10 n=∞(正态) §1-3 抽样分布 T 分布的特点： 1、其概率密度函数是偶函数。当n30时， t 分布与标准正态分布非常接近；当n 趋于无穷大时，t 分布趋于标准正态分布。 2、t 分布的尾重比正态分布大。 3、t 分布只存在kn阶矩。 §1-3 抽样分布 (三) F分布 设 , , 并且X, Y 相互独立, 则称随机变量 服从自由度为(m,n)的F分布. 记为F ~ F(m, n). §1-3 抽样分布 0 ψ(y) y F分布的概率密度为 n1=10, n2=25 n1=10, n2=5 §1-3 抽样分布 §1-3 抽样分布 分位数 1、p分位数：设0p1，若存在实数xp，使得p(X≤xp )=F(xp)=p，则称xp是该概率分布的p分位数。 2、上侧分位数：若存在λ，使得p(X λ )=α, 则称λ是X的上侧分位数，即1- α分位数。 3、双侧分位数：若存在λ1，λ2，使得p(X ≤ λ1)=α/2， p(X λ2)=α/2, 则称λ1，λ2是X的双侧分位数。