第六章数理统计的基本概念.docxVIP

第六章 数理统计的基本概念 从本章起，我们转入课程的第二部分——数理统计学。数理统计学与概率论是两个密切联系的姊妹学科。 大体上可以这样说，概率论是数理统计学的基础，而数理统计学是概率论的重要应用。 数理统计是一门什么样的学科？ 数理统计学是这样一门学科：它使用概率论和其它数学方法，研究怎样收集（通过试验和观察）带有随机误差的数据，并在设定的模型（称为统计模型）之下，对这种数据进行分析（称为统计分析），以对所研究的问题作出推断（称为统计推断）。 由于所收集的统计数据（资料）只能反映事物的局部特征，数理统计的任务就在于从统计资料所反映的局部特征以概率论作为理论基础去推断事物的整体特征。 例如，某工厂生产大量电子元件，想知道电子元件的平均寿命μ。工厂不可能对全部元件都测寿命，得到全体元件的平均寿命μ值。因此μ值是实际存在的，但不知道具体数值。 通过随机抽样，得到 n 个电子元件，测它们的寿命，这就是收集数据。对这n个寿命数据进行计算分析，例如计算这n个数据的算术平均值，方差等。 现在的问题是：由于这n个数据的算术平均值是随机的，它作为上述μ值的估计值，就会有误差。 由于上述 n个数据是局部的，它们的算术平均值是局部的数据特征，它作为总体的平均值μ（全体数据的数据特征）的估计值，就会有误差。 通过概率论方法，研究用局部数据的平均值（具有随机性）作为总体的平均值μ的估计值是否可行。 用局部推断整体，这就使得数理统计所作推断的结论不可避免地存在偏差或错误，而刻画或把握这种偏差的有效方法就是概率论。概率论通过给出各种各样的统计量所服从的分布或数字特征，来演绎地评价各种统计方法的优劣或置信程度。 主要内容 §6.1 总体、样本和统计量 §6.2 经验分布函数 §6.3 抽样分布 §6.1 总体、样本和统计量 6.1.1 总体与样本 在数理统计中,我们将研究对象的某项数量指标的值的全体称为总体，总体中的每个元素称为个体。 例：对电子元件我们主要关心的是其使用寿命。 某厂生产的所有电子元件的使用寿命值的全体， 就构成了研究对象的全体，即总体。每1个元件的使用寿命值都是个体。 可以认为总体是一个随机变量，常用X表示。 如：设电子元件的寿命为随机变量X，其所有可能取值的全体就构成总体。 为方便起见,今后我们把总体与随机变量X等同起来看， 即总体就是某随机变量X可能取值的全体。它客观上存在一个概率分布，但我们对其概率分布一无所知，或部分未知，正因为如此，才有必要对总体进行研究。 按机会均等的原则随机地从客观存在的总体中抽取一些个体进行观察或测试的过程称为随机抽样。从总体中抽出的部分个体，叫做总体的一个样本。 从总体中抽取样本时，不仅要求每一个个体被抽到的机会均等(代表性)，同时还要求每次的抽取是独立的（独立性），即每次抽样的结果不影响其他各次的抽样结果，同时也不受其他各次抽样结果的影响。这种抽样方法称为简单随机抽样。由简单随机抽样得到的样本叫做简单随机样本。往后如不作特别说明，提到“样本”总是指简单随机样本。 从总体X中抽取一个个体, 就是对随机变量X进行一次试验。在抽样时抽取n个个体就是对随机变量X进行n次试验, 得到n个个体分别记为 X1, X2, …, Xn 。则样本就是n维随机变量( X1, X2 , …, Xn )。在一次具体抽样以后, (X1, X2, …, Xn )就有了一组确定的值(x1, x2, … , xn)，称为样本观测值。称 ( X1, X2, …, Xn )为样本，n为样本容量. 样本中的个体的二重性： 从总体X中抽取一个个体（但抽取个体的试验未结束，或理解为试验是形式上的）, 该个体的值是不确定的，此时抽取的个体仍用随机变量Xi 表示，它和总体X同分布； 从总体X中抽取一个个体（对抽取个体的试验结束，或试验有具体结果）,该个体的值是确定的，此时抽取的个体是观测值xi 。 根据随机变量独立性定义及独立随机变量的分布函数和密度函数的定理，有 命题6.1.1 设总体X~FX ( · ,θ)， (X1 , X2 , … , Xn)为其样本，则 FX(·,θ)可以是分布函数，也可以是密度函数（对连续型随机变量），或是分布律（对离散型随机变量）。 如对于连续型随机变量，FX( · ,θ)可以是密度函数，即 例6.1.1 设总体X~N(μ,σ2)， (X1 , X2 , … , Xn)为其样本，则(X1 ,X2 , … , Xn)的联合概率密度函数为 6.1.2 统计量 统计量的定义 设X1，X2，…，Xn为来自总体X的样本，称不含未知参数的样本的函数