抽样分布培训.pptxVIP

第五章 抽样分布;第五章 概率分布;第一节　几种常见的概率分布;第一节　几种常见的概率分布;二、随机变量的概率分布;1、随机变量及其概括性度量 什么是随机变量 随机变量的概括性度量 期望值 方差;2、离散型概率分布 ;2、离散型概率分布 ;; 2. 二项分布;其中λ＞0是常数，则称X服从参数为λ的泊松分布，记为X~P(λ);5. 超几何分布;3、连续型概率分布 ;f(x) = 随机变量 X 的频数 ? = 正态随机变量X的均值 ? ?= 正态随机变量X的方差 ? = 3.1415926; e = 2.71828 x = 随机变量的取值 (-? x ?);正态分布函数的性质;? 和? 对正态曲线的影响;（2)数据的正态性评估 检验数据是否服从正态分布的描述性方法 一是直方图或茎叶图 二是正态概率图（Q-Q或P-P图） 例：在一家保险公司中随机抽取10名销售人员，他们的年销售额（单位：万元）分别为176，191，214，220，205，192，201，190，183，185。绘制正态概率图，判断销售额是否服从正态分布。;第二节由正态分布导出的几个重要分布;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 ;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)=df，方差为：D(?2)=2df(df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(df1)， V~?2(df2),则U+V这一随机变量服从自由度为df1+df2的?2分布 ;5、设X～N（u，σ2 ），x1 ，x2……，xn是X的一个样本， 与 分别为样本的均值和方差，则有： ; ;c2分布 (图示);　 α分位点 若对于给定的α，0＜α＜1，存在使得 则称点 为 分布上的α分位点，如图所示。 ;t 分布 (t-distribution); 1、当X～N（u，σ2）， x1 ，x2……，xn是X的一个样本，当方差未知时，我们用样本方差代替，则： 为服从自由度为n-1的t分布，记t~t(n－1)。t分布又称学生（student）分布。;2???性质 ——关于y轴呈对称分布；当 时，近似于N（0，1）分布。 ——α分位点 对于给定的α，0 α1，称满足 的点 为t分布的α分位点。 ;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df1的?2分布，即U～?2(df1)，V为服从自由度为df2的?2分布，即V～?2(df2),且U和V相互独立，则 称F为服从自由度df1和df2的F分布，记为;假设总体　　　　　　　，总体　　　　　　，X，Y相互独立，x1, x2,……, xn和y1,y2, ……, yn分别是来自X和Y的样本。S12，S22分别是它们的方差，则： ;F分布的性质：;F分布 (图示);——α分位点 对于给定的α，0 α1，称满足 为F分布的α分位点。 ;第三节 样本统计量的概率分布;一、三种不同性质的分布;总体中各元素的观察值所形成的分布 分布通常是未知的 可以假定它服从某种分布 ;一个样本中各观察值的分布 也称经验分布 当样本容量n逐渐增大时，样本分布逐渐接近总体的分布 ;抽样分布(sampling distribution);样本统计量的概率分布 是一种理论概率分布 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;;;3.5;X;3.5;;中心极限定理(central limit theorem)：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(通常要求n≥30)，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;X;总体分布;【例】一个汽车电池的制造商声称其最好的电池寿命的分布均值为54个月，标准差为6个月。假设某一消费组织决定购买个这种电池作为样本来检验电池的寿命，以核实