课件第七部分假设检验培训资料.pptVIP

1．中心极限定理 我们知道，概率论中用来阐明大量随机现象平均 结果的稳定性的定理，是著名的大数定理。其具体内 容是：频率稳定于概率，平均值稳定于期望值。但 是，大量随机现象的稳定性不仅表现在平均结果上， 同时也表现在分布上，这就是中心极限定理所要阐明 的内容。显然，推论统计需要有一座能够架通抽样调 查和抽样分布的桥梁。中心极限定理告诉我们：如果 从任何一个具有均值μ和方差σ2的总体(可以具有任 何分布形式)中重复抽取容量为n的随机样本，那么当 n变得很大时，样本均值的抽样分布接近正态，并具 有均值μ和方差 。 (2)由于抽样分布的标准 差要比总体标准差小，并且 ，所以如右图所 示，样本容量越大，抽样分 布的峰态愈陡峭，由样本结 果来推断总体参数的可靠性 也随之提高。 无疑，中心极限定理大大拓展了正态分布的适用面，同时我们得到了以下重要信息：  (1)虽然样本的均值可能和总体均值有差别，但我们可期望这些将聚集在μ的周围。因此均值抽样分布的算术平均数能和总体的均值很好地重合，这就是为什么总体均值和抽样分布的均值用同一个μ来表示的缘故。 统计检验应用正态分布和二项分布有两点区别：①抽样分布 在这里是连续的而非离散的