数理统计讲义.docx

《数理统计》 教 案 第一章 统计量及其抽样分布 第一节 总体与样本 教学目的：要求学生理解数理统计的两个基本概念:总体和样本，以及与这两个基本概念相关的统计基本思想和样本分布。 教学重点: 掌握数理统计的基本概念和基本思想. 教学难点：掌握数理统计的基本概念和基本思想. 一、总体与个体 在一个统计问题中，我们把研究对象的全体称为总体，构成总体的每个成员称为个体。对多数实际问题。总体中的个体是一些实在的人或物。比如，我们要研究某大学的学生身高情况，则该大学的全体学生构成问题的总体，而每一个学生即是一个个体。事实上，每个学生有许多特征：性别、年龄、身高、体重、民族、籍贯等。而在该问题中，我们关心的只是该校学生的身高如何，对其他的特征暂不予以考虑。这样，每个学生（个体）所具有的数量指标值——身高就是个体，而将所有身高全体看成总体。这样一来，若抛开实际背景，总体就是一堆数，这堆数中有大有小，有的出现的机会多，有的出现的机会少，因此用一个概率分布去描述和归纳总体是恰当的。从这个意义上看，总体就是一个分布，而其数量指标就是服从这个分布的随机变量。以后说“从总体中抽样”与“从某分布中抽样”是同一个意思。例 1.考察某厂的产品质量，将其产品只分为合格品与不合格品，并以0 记合格 品，以 1 记不合格品，则 总体＝｛该厂生产的全部合格品与不合格品｝＝｛由 0 或 1 组成的一堆数｝。若以 p 表示这堆数中 1 的比例（不合格品率），则该总体可由一个二点分布表 示： 不同的 p 反映了总体间的差异。例如，两个生产同类产品的工厂的产品总体分布为： 我们可以看到，第一个工厂的产品质量优于第二个工厂。 实际中，分布中的不合格品率是未知的，如何对之进行估计是统计学要研究的问题。 二、样本 为了了解总体的分布，我们从总体中随机地抽取n 个个体，记其指标值为x ， 1 x ，…，x ，则 x ，x ，…，x 称为总体的一个样本，n 称为样本容量，或简称样本 2 n 1 2 n 量，样本中的个体称为样品。 我们首先指出，样本具有所谓的二重性：一方面，由于样本是从总体中随机抽 取的，抽取前无法预知它们的数值，因此，样本是随机变量，用大写字母 X ，X ，…， 1 2 X 表示；另一方面，样本在抽取以后经观测就有确定的观测值，因此，样本又是一 n 组数值。此时用小写字母x ，x ，…，x 表示是恰当的。简单起见，无论是样本还 1 2 n 是其观测值，本书中样本一般均用x ，x ，…，x 表示，读者应能从上下文中加以 区别。 1 2 n 例 2.啤酒厂生产的瓶装啤酒规定净含量为 640g，，由于随机性，事实上不可能使得所有的啤酒净含量均为 640g ,现从某厂生产的啤酒中随机抽取 10 瓶测定其净含量，得到如下结果： 641 635 640 637 642 638 645 643 639 640 这是一个容量为 10 的样本的观测值。对应的总体为该厂生产的瓶装啤酒的净含量。 从总体中抽取样本时，为使样本具有代表性，抽样必须是随机抽样。通常可以用随机数表来实现随机抽样。还要求抽样必须是独立的，即每次的结果互不影响。在概率论中，在有限总体（只有有限个个体的总体）中进行有放回抽样，是独立的随机抽样；然而，若为不放回抽样，则是不独立的抽样。但 当总体容量 N 很大但样本容量n 较小 时，不放回抽样可以近似地看做放回抽样，即可近似看做独立随机抽样。 下面，我们假定抽样方式总满足独立随机抽样的条件。 从总体中抽取样本可以有不同的抽法，为了能由样本对总体做出较可靠的推断， 就希望样本能很好地代表总体。这就需要对抽样方法提出一些要求，最常用的 “简单随机抽样”有如下两个要求： （1）样本具有随机性，即要求总体中 每一个个体都有同等机会被选入样本，这便意味着每一样品 x i 与总体 X 有相同的分布。 （2）样本要有独立性，即要求样本中每一样品的取值不影响其他样品的取值， 这意味着 x ，x ，…，x 相互独立。 用简单随机抽样方法得到的样本称为简单随 1 2 n 机样本，也简称样本。除非特别指明，本书中的样本皆为简单随机样本。 于是，样本 x ，x ，…，x 可以看成是相互独立的具有同一分布的随机变量， 1 2 n 其共同分布即为总体分布。 设总体 X 具有分布函数F（x）, x ，x ，…，x 为取自该总体的容量为n 的样本， 1 2 n 则样本联合分布函数为： 具有密度函数 f（x），则样本的联合密度函数为 若总体 若总体 X 为离散型随机变量，则样本 的（联合）概率函数为 显然，通常说的样本分布是指多维随机变量（x1，x2，…，xn）的联合分布。 例 3.为估计一物件的重量μ，用一架天平重复测量n 次，得样本x1，x2，…， xn，由于是独立重复测量，x1，x2，…，