抽样分布课件.pptxVIP

抽样分布4、1 从一个正态总体中抽取的样本统计量的分布抽样分布:从一个已知的总体中,独立随机的抽取含量为n的样本,研究所得的样本的各种统计量的概率分布。如样本平均数的抽样分布即为( X, P(X) ) 组合随机样本总体均值 ?X?= 50??? ??????随机样本???均值 ?X?= 50????????随机样本均值 ?X = 52??一、 样本平均数的分布1、总体标准差已知时,样本平均数的分布服从u 分布(正态分布) 从平均数为μ,标准差为σ的正态总体中,独立随机地抽取含量为n的样本,则 由此可知,样本平均数是一服从正态分布的随机变量,记为 将平均数标准化,则 ,其中标准化的分母为平均数的标准误。 从一正态总体中抽样集中趋势离散趋势 (样本平均数间的差异程度)总体分布样本平均数正态分布的标准化抽样分布n = 4??X = 5n =16??X = 2、5例1:在总体X~N(80,202)中随机地抽取一容量为100的样本,问样本均值与总体均值的差的绝对值大于3的概率是多少？解:设W是样本均值变量,因总体服从正态分布,因此W~N(μ,σ2/n) 这个地方μ=80,σ2=202,n=100,即W~N(80,22) P{∣W－μ∣＞3｝=P｛∣W－80∣＞3｝ = 1－P｛∣W－80∣≤3｝ = 1－P｛77≤W≤83｝ = 1－[F(1、5)－F(-1、5)] = 2 [ 1－F(1、5)] = 0、1336 例2:在总体X~N(μ,0、5)中要以99、7％的概率保证偏差∣X －μ∣0、1,问抽取的样本其容量n应取多大？解:P {∣ X －μ∣0、1｝= 0、997 二、总体标准差未知时,样本平均数的分布服从t分布σ未知时可用样本标准差s代替,标准化变量并不服从正态分布,而服从具n-1自由度的 t 分布 ,其分母为样本标准误差。 自由度:独立观测值的个数。在这个地方因为计算s时所使用的n个观测值,受到平均数x的约束,这就等于有一个观测值不能独立取值,因此自由度 df =n-1。t 分布的密度函数:(不要求掌握)t 分布的特征数:自由度 (df) Degrees of Freedom在样本统计量被计算之后,观察值能够自由变动的个数例3个值的和为6 X1= 1 (或其他数)X2= 2 (或其他数)X3= 3 (不能变动)平均数 = 2自由度 df = n -1 = 3 -1 = 2t 分布曲线t分布受自由度的制约,每一个自由度都有一条t分布密度曲线。t分布密度曲线以纵轴为对称轴,左右对称,且在t＝0时,分布密度函数取得最大值。与标准正态分布曲线相比,t分布曲线顶部略低,两尾部稍高而平。df 越小这种趋势越明显。df 越大,t分布越趋近于标准正态分布。当n 30时,t分布与标准正态分布的区别特别小;n 100时,t分布基本与标准正态分布相同;n→∞时,t 分布与标准正态分布完全一致。 t 分布的单侧分位数与双侧分位数的查表方法(附表4)与正态分布表的查法一致,表示方式也与u分布相同。例:自由度为9的t分布图如下图所示,求t1的值,使其满足右边阴影的面积＝0、05t1 =1、83全部阴影的面积＝0、05t1 =2、26全部非阴影面积＝0、99t1 =3、25左边阴影的面积＝0、01t1 =2、82左边的总面积 ＝0、90t1 =1、38二、 样本方差s2的分布——χ2分布从方差为σ2的正态总体中,随机抽取含量为n的样本,可计算出样本方差s2。在讨论样本方差s2的分布时,通常并不直接谈s2的分布,而是将它标准化,得到一个不带任何单位的纯数。该纯数服从n-1自由度的卡方分布。 卡方值:χ2df=(n-1) s2 /σ2χ2分布是概率曲线随自由度而改变的一类分布(其密度函数较复杂 ,不要求掌握)χ2分布曲线:χ2分布是连续型变量的分布,每个不同的自由度都有一个相应的χ 2分布曲线;关于较小的自由度,其分布曲线明显右倾,df＝1时曲线以纵轴为渐近线;随着自由度的增加,其偏斜度和峭度接近于0,这时的分布近似于正态分布。样本方差(卡方)分布的几个特征数:s2的理论平均数(数学期望)是σ2。s2的偏斜度及峭度均只跟自由度有关,随着df 的增加,γ1、γ2越来越接近于0(近似于正态分布)χ 2分布查表方法χ 2分布的上侧和下侧分位点见下图。依照(df,α)查χ 2分布的上侧分位数。 (附表6)若查下侧分位数,只要查出1-α时的分位数即可。例1:查df＝9,α＝0、05的χ 2值例2:设随机变量k服从分布χ 2(5),求λ的值使其满足P{k≤λ}=0、054、2 从两个正态分布总体中抽取的样本统计量的分布 假定有两个正态总体,分别具有(μ1,σ1)和(μ2,σ2)。从第一个总体中随机抽取含量为n1的