概率统计第四章.pptVIP

第四章 数理统计的基本概念 §1 随机样本 总体 个体 样本 总体 研究对象的一项或多项数量指标 的全体，常记作 、 等，可以看 作随机变量 个体 总体中的每一个元素 样本 从总体中依某种法则抽取的部分 个体 简单随机样本 设（ ）是总体 的样 本，若 （1） 与总体 有相同的分 布； （2） 相互独立， 则称（ ）为总体 的一个容 量为 n 的简单随机样本，亦简称样本。 若总体 的分布函数是 ，则总 体 的简单随机样本（ ） 的分布函数是 例1 设总体 服从参数为 p 的两点分布，（ ）是总体 的样本。 求（ ）的分布。 解 总体 的分布律是 ∴ 样本（ ）的分布律是 §2 统计量 统计量概念 参数 反映总体基本信息的特征数字 统计量的定义 设（ ）是总体 的样本， 若 的函数 不含总体的未知参数，则称 为统计量。 几个常用统计量 （1）样本均值 （2）样本方差 （3）样本 k 阶原点矩 （4）样本 k 阶中心矩 （5）顺序统计量 设 是样本 的观 测值，把 由小到大排序，记作 对应的随机变量记作 称 为第 k 顺序统计量，k=1,2,…,n； 称 为最大顺序统计量；称 为最小 顺序统计量。 例2 设 和 分别 是总体 和 的样本，且 , 是常数，i =1,2,…,n。记 试建立 与 、 与 之间的函数关 系。 解 构造统计量的意义： 加工、提炼、集中、压缩由样本提供 的总体的信息； 使得相关问题变得易于分析处理 统计模型的类型 参数模型 已知总体的分布，分布中含 有未知参数 称参数的取值范围为参数空 间 非参数模型 总体的分布形式未知 §3 大数定律与中心极限定理 大数定律 1）Chebyshev 大数定律 设随机变量 相互独 立， 存在，且 则对任意 ，有 证 记 ，则由已知条件，有 根据Chebyshev不等式，对任意 又 ∴ 2）Bernoulli大数定律 设 n 重 Bernoulli 试验中事件A发生 次，每次试验A发生的概率P(A)=p，则 对任意 ，有 证 设事件A发生时随机变量 =1，否则 =0，i =1,2,…,n ，由题设 ， 相互独立，有 且有 根据Chebyshev不等式 由于 所以 大数定律的意义 当 n 充分大时，有理由用样本均值作 为总体数学期望的近似，有理由用事件 的频率作为事件的概率的近似。 2. 中心极限定理 基本思想：大量相互独立的随机变量， 每个变量的作用微小，则这些 随机变量的和近似服从正态分 布 1）独立同分布中心极限定理 设随机变量 相互独立且 服从同一分布，有 则对任意实数 ，随机变量 的分布函数 满足 由这一定理可知，当 n 充分大时，随机 变量 近似