(06)第6章统计量及其抽样分布.pptxVIP

PowerPoint统计学第 6 章 统计量及其抽样分布第 6 章 统计量及其抽样分布6.1 统计量6.2 关于分布的几个概念 6.3 由正态分布导出的几个重要分布 6.4 样本均值的分布与中心极限定理6.5 样本比例的抽样分布6.6 两个样本平均值之差的分布6.7 关于样本方差的分布 学习目标了解统计量及其分布的几个概念了解由正态分布导出的几个重要分布 理解样本均值的分布与中心极限定理掌握单样本比例和样本方差的抽样分布6.1 统计量6.1.1 统计量的概念6.1.2 常用统计量6.1.3 次序统计量 6.1.4 充分统计量 统计量(statistic)设X1,X2,…,Xn是从总体X中抽取的容量为n的一个样本，如果由此样本构造一个函数T(X1,X2,…,Xn)，不依赖于任何未知参数，则称函数T(X1,X2,…,Xn)是一个统计量样本均值、样本比例、样本方差等都是统计量统计量是样本的一个函数统计量是统计推断的基础次序统计量一组样本观测值X1,X2,…,Xn由小到大的排序 X（1）≤X（2）≤…≤ X（i）≤…≤ X（n） 后，称X（1），X（2），…，X（n）为次序统计量 中位数、分位数、四分位数等都是次序统计量6.2 关于分布的几个概念6.2.1 抽样分布6.2.2 渐进分布6.2.3 随机模拟获得的近似分布 抽样分布 (sampling distribution)样本统计量的概率分布，是一种理论分布在重复选取容量为n的样本时，由该统计量的所有可能取值形成的相对频数分布 随机变量是 样本统计量样本均值, 样本比例，样本方差等结果来自容量相同的所有可能样本提供了样本统计量长远而稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据 6.3 由正态分布导出的几个重要分布 6.3.1 ?2分布6.3.2t 分布6.3.3F 分布?2 分布?2分布(?2 distribution)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?2分布(性质和特点)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 n=1n=4n=10n=20c 2不同容量样本的抽样分布c2分布(图示)t 分布t 分布高塞特(W.S.Gosset)于1908年在一篇以“Student”(学生)为笔名的论文中首次提出 t 分布是类似正态分布的一种对称分布，它通常要比正态分布平坦和分散一个特定的分布依赖于称之为自由度的参数。随着自由度的增大，分布也逐渐趋于正态分布 标准正态分布标准正态分布t (df = 13)t 分布t (df = 5)ztx不同自由度的t分布t 分布与标准正态分布的比较t 分布图示F 分布F分布(F distribution)由统计学家费希尔(R.A.Fisher) 提出的，以其姓氏的第一个字母来命名设若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（1,10)(5,10)(10,10)FF分布(图示) ? 不同自由度的F分布6.4 样本均值的分布与中心极限定理 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 ? =10n = 4n =16? = 50X抽样分布总体分布x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)一个任意分布的总体当样本容量足够大时(n ? 30) ，样本均值的抽样分布逐渐趋于正态分布x中心极限定理(central limit theorem)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/n的正态分布中心极限定理 (central limit theorem)?x 的分布趋于正态分布的过程6.5