统计抽样和抽样分布培训课程.pptVIP

图4-6 n=∞正态分布 n=10 n=1 t分布图 (4) t分布（Students 分布） 第三十页，共五十六页。 查表 或 性质: 当n很大时， 此时，tα/2≈uα/2，t分布近似标准正态分布。 (4) t分布（Students 分布） 第三十一页，共五十六页。 定理 设(X1，X2，…，Xn)为来自正态总体 X～N(? ，? 2)的样本，则统计量 证 由于 与S 2相互独立，且 由定义得 第三十二页，共五十六页。 无限总体: 设总体X～N（μ，σ2），X1，X2，… ，Xn是总体 X的随机样本，样本平均数 ,则 4.3 样本平均数的抽样分布 第三十三页，共五十六页。 有限总体 有限总体若采取有放回抽样，则与无限总体等价。有限总体容量为N而采取无放回抽样，且n/N≤0.1，仍可视为无限总体，而当n/N0.1时则 称式 为有限总体的修正系数 。 4.3 样本平均数的抽样分布 证明可以见抽样调查的方法和原理 梁小筠p42 一些复杂的展开,无技术含量(一网友留言) 第三十四页，共五十六页。 从总体中抽取样本容量为n的简单随机样本，当样 本容量 n ≥ 30时，样本均值 的抽样分布可用正态 概率分布近似。 4.4 中心极限定理 第三十五页，共五十六页。 图4-6 4.4 中心极限定理 第三十六页，共五十六页。 独立同分布的中心极限定理 第三十七页，共五十六页。 德莫佛——拉普拉斯定理 第三十八页，共五十六页。 德莫佛——拉普拉斯定理的证明 第三十九页，共五十六页。 中心极限定理的意义 　　 我们知道，正态分布是现实生活中使用最多、最广泛、最重要的一种分布。许多随机变量本身并不属于正态分布，但它们的极限分布是正态分布。中心极限定理阐明了在什么条件下，原来不 属于正态分布的一些随机变量其总和分布渐近地服从正态分布。为我们利用正态分布来解决这类随机变量的问题提供了理论依据。 第四十页，共五十六页。 第四章　统计抽样与抽样分布 第四章 统计抽样 与抽样分布 为什么要进行抽样? 如何进行简单随机抽样？ 正态分布、 分布、F分布、t分布的定义、图形分布形态如何？ 中心极限定理的含义如何？ 第一页，共五十六页。 4.1 关于抽样的基本概念 为什么要抽样? 为了收集必要的资料，对所研究对象（总体）的全部元素逐一进行观测，往往不很现实。 抽 样 原因 元素多，搜集数据费 时、费用大，不及时而 使所得的数据无意义 总体庞大,难以对总体的全部元素进行研究 检查具有破坏性 炮弹、灯管、砖等 第二页，共五十六页。 简单随机抽样（x1, x2,……, xn）: 简单随机抽样是指从总体中抽取样本容量为n 的样本时，x1, x2,……, xn这n个随机变量必须具备以下两个条件： 这n个随机变量与总体X具有相同的概率分布； 它们之间相互独立。 4.1 关于抽样的基本概念 第三页，共五十六页。 甲乙丙丁四个生产商，其产品质量如下表所示： 如果仅从甲乙两个生产商的产品中进行抽样，抽样质量就偏高；如果仅从丙丁两个生产商的产品中进行抽样，抽样质量就偏低； 因此采用简单随机抽样保证随机样本与总体具有相同的概率分布。 甲 乙 丙 丁 质量 高 高 低 低 表4-1 4.1 关于抽样的基本概念 第四页，共五十六页。 样本统计量与抽样分布: 在简单随机抽样中，样本具有随机性，样本的参数 ,s2等也会随着样本不同而不同，故它们是样本的函数，记为g（x1, x2,…, xn），称为样本统计量。 统计量的概率分布称为抽样分布（Sample distribution） 4.1 关于抽样的基本概念 第五页，共五十六页。 统计量 定义: 设 为来自总体 X的一个样本， 为一个函数，如果 中不包含任何未知参数，则称 为样本的一个统计量。 样本均值 样本方差 K阶样本矩 常见的统计量 练习证明： K阶中心矩 第六页，共五十六页。 几 种 概 率 分 布 正态分布 分布 F分布 t分布 4.2 几种与正态分布有关的概率分布 第七页，共五十六页。 若随机变量X的概率密度函数 记为 (1)正态分布 第八页，共五十六页。 图4-1 一般正态分布 (1)正态分布 第九页，共五十六页。 标准正态分布: