概率论与数理统计样本与抽样分布.pptxVIP

汇报人：AA2024-01-20概率论与数理统计样本与抽样分布

目录CONTENTS概率论基础数理统计基本概念样本选择与抽样方法抽样分布及其性质参数估计方法及应用假设检验方法及应用

01概率论基础

03古典概型与几何概型古典概型是基于等可能性的概率计算模型，而几何概型则是基于几何度量的概率计算模型。01事件的定义与分类事件是随机试验的结果，可以分为必然事件、不可能事件和随机事件。02概率的定义与性质概率是描述随机事件发生的可能性的数值，满足非负性、规范性和可列可加性。事件与概率

条件概率是指在某个事件已经发生的条件下，另一个事件发生的概率。条件概率的定义与计算如果两个事件的发生互不影响，则称这两个事件是相互独立的。事件的独立性独立重复试验是指在相同条件下重复进行的试验，每次试验的结果相互独立。二项分布是描述在n次独立重复试验中成功次数X的分布。独立重复试验与二项分布条件概率与独立性

随机变量及其分布连续型随机变量的概率密度函数描述了随机变量在某个点取值的概率密度，而分布函数则是描述随机变量取值小于等于某个值的概率。连续型随机变量的概率密度与分布函数随机变量是定义在样本空间上的实值函数，可以分为离散型随机变量和连续型随机变量。随机变量的定义与分类离散型随机变量的分布律可以用概率质量函数来描述，而分布函数则是描述随机变量取值小于等于某个值的概率。离散型随机变量的分布律与分布函数

数学期望与方差01数学期望是描述随机变量平均取值水平的数字特征，方差则是描述随机变量取值波动程度的数字特征。协方差与相关系数02协方差是描述两个随机变量线性相关程度的数字特征，相关系数则是标准化后的协方差。大数定律与中心极限定理03大数定律描述了当试验次数足够多时，频率近似于概率的性质。中心极限定理则是描述当样本量足够大时，样本均值的分布近似于正态分布的性质。数字特征与极限定理

02数理统计基本概念

研究对象的全体个体组成的集合，通常用一个概率分布来描述。总体从总体中随机抽取的一部分个体组成的集合，用于推断总体的性质。样本样本中包含的个体数目，通常用n表示。样本容量总体与样本

统计量样本的函数，用于描述样本的特征，如样本均值、样本方差等。抽样分布统计量的概率分布，描述了统计量在多次抽样中的可能取值及其概率。常见抽样分布正态分布、t分布、F分布、卡方分布等。统计量与抽样分布

用一个具体的数值来估计总体参数，如样本均值估计总体均值。点估计用一个区间来估计总体参数的可能取值范围，同时给出该区间的置信水平。区间估计无偏性、有效性、一致性等。评价估计量的标准参数估计方法

原假设与备择假设原假设是研究者想要拒绝的假设，备择假设是研究者想要接受的假设。显著性水平与P值显著性水平是事先设定的一个概率值，用于判断检验统计量是否落入拒绝域。P值是观察到的检验统计量或更极端情况出现的概率，当P值小于或等于显著性水平时，我们拒绝原假设。第一类错误与第二类错误第一类错误是原假设为真时拒绝原假设的错误，第二类错误是原假设为假时接受原假设的错误。检验统计量与拒绝域检验统计量是用于判断原假设是否成立的统计量，拒绝域是检验统计量取值的范围，当检验统计量落入拒绝域时，我们拒绝原假设。假设检验原理

03样本选择与抽样方法

定义简单随机抽样是从总体中随机抽取n个样本，每个样本被选中的概率相等。优点操作简单，易于理解，每个样本被选中的概率相等，保证了抽样的公正性。缺点当总体分布不均匀时，可能导致样本的代表性不足。应用场景适用于总体分布均匀，且样本量较小的情况。简单随机抽样

定义分层抽样是将总体按照某种特征分成若干层，然后从每一层中随机抽取样本。优点能够充分考虑总体内部的结构差异，提高样本的代表性。缺点需要对总体有较深入的了解，且分层标准的选择可能影响结果的准确性。应用场景适用于总体内部差异较大，且能够明确分层标准的情况。分层抽样

系统抽样是按照一定的间隔从总体中抽取样本，例如每隔k个单位抽取一个样本。定义当总体分布不均匀或存在周期性变化时，可能导致样本的偏差。缺点操作简单，易于实施，且当总体分布均匀时，样本的代表性较好。优点适用于总体分布均匀，且样本量较大的情况。应用场统抽样

ABCD整群抽样定义整群抽样是将总体分成若干群，然后随机抽取若干群作为样本，对抽中的群进行全面调查。缺点样本的代表性受群间差异影响较大，可能导致估计误差增大。优点适用于总体分布广泛、不易直接抽取样本的情况，可以节省人力、物力和时间成本。应用场景适用于总体分布广泛、群间差异较小的情况，如不同地区的居民调查等。

04抽样分布及其性质

性质χ^2分布具有可加性，即若两个随机变量分别服从自由度为n1和n2的χ^2分布，则它们的和服从自由度为n1+n2的χ^2分布。应用在假设检验和方差分析中，经常需要利用χ^2分布