概率论第六章数理统计的基础知识.pptVIP

ch6-*三F分布则称F服从为第一自由度为、第二自由度为的F分布。定义6.3.4X,Y相互独立，令设*1F分布的定义**x=1当第一自由度?3时,F分布的概率密度曲线是单峰曲线，曲线在处达到最大值，且x*1，即图形的峰值恒在小于1处达到。当两个自由度都变得越来越大时，曲线越陡，且x*就越来越接近于1。*2F分布的上?分位点*3F分布的性质性质1性质2证明：**设X～N(0,1),Y～?2(n),且X,Y相互独立,服从自由度为n的t分布，记为t～t(n).定义6.3.5四、t分布称随机变量t分布的概率密度为：1t分布的定义**即t分布的尾部比标准正态分布的尾部具有更大的概率。f(x)x?x00x0N(0,1)t(n)这也就是说，当t分布的自由度n充分大（如n50）时，t分布t(n)可以近似地看作是标准正态分布；然而对于比较小的n值（如n45），t分布与标准正态分布之间存在着较大的差异（如右图所示）：若X~N(0,1)，T~t(n)，则当x0足够大时，成立P(?T??x0)P(?X??x0)，*2t分布的上?分位点**在统计学的实际应用中，根据知识与经验，人们往往可以确定总体分布所属的类型，例如，①认为学生的考试成绩服从正态分布；②描述一件产品是否为废品的随机变量服从（0–1分布）；③记录电话呼叫次数的随机变量服从泊松分布；④电子元件的寿命服从指数分布等等。因此，在总体分布中，往往只是其中的参数是未知的。从这个意义上来讲，可以从另一个角度来理解例6.1.2和例6.1.3中的样本分布律和样本概率密度：*在统计学中，就是要由样本值(x1,x2,…,xn)出发，来推断总体中未知的参数。因此，统计学中又把例6.1.2和例6.1.3中的样本分布律和样本概率密度称为未知参数的似然函数。把式中的(x1,x2,…,xn)看作是一个样本值，通过试验观察就可以确定下来，因而它们是一组已知量（或可知量），而各总体的参数（如p、?等）是未知量，即分别把p(x1,x2,…,xn)和f(x1,x2,…,xn)理解为关于未知参数p和?的一元函数：*三经验分布函数*例如，随机地观察总体X，得10个数据如下：3.2，2.5，-4，2.5，0，3，2，2.5，4，2求X的经验分布函数。解：将观察数据由小到大排列为：*定理(应用伯努里大数定律可得)*?四、统计推断问题简述在进行统计推断的过程中，为了保证推断的科学性与合理性，需要借助样本构造一些合适的统计量（即样本的函数，它是一个随机变量），然后再利用所构造的统计量的“良好”性质，对总体分布所属的类型以及总体分布中所含的未知参数进行统计推断。统计学要解决的主要问题，就是借助总体X的一个样本（X1，X2，…，Xn），利用其样本值（x1，x2，…，xn）,对总体X的未知分布或参数进行科学地、合理地推断。人们将这类问题统称为统计推断问题。总体选择个体样本观测样本样本值(数据)数据处理样本有关结论推断总体性质统计量为了集中简单随机样本所带来的总体信息,考虑样本的函数,且不含任何未知参数,这样的“不含未知参数的样本的函数”称为统计量。统计量的分布称为抽样分布.*小结：*由样本值去推断总体情况,需要对样本值进行“加工”,这就要构造一些样本的函数，它把样本中所含的(某一方面)的信息集中起来.(X1,X2,…,Xn)g(X1,X2,…,Xn)其中g(x1,x2,…,xn)是(x1,x2,…,xn)的连续函数.如果g(X1,X2,…,Xn)中不含有未知参数,称g(X1,X2,…,Xn)为统计量.(不含未知参数的样本的函数)§6.2