《统计量与抽样分布》课件.pptVIP

统计量与抽样分布

引言统计学基础统计学是收集、分析、解释和呈现数据的科学，为我们提供了一种理解和解释世界的方式。它是许多领域的基石，包括商业、经济学、医学、社会学等等。数据分析的重要性在当今信息爆炸的时代，数据分析变得越来越重要。它可以帮助我们识别趋势、预测未来、做出更好的决策。例如，企业可以利用数据分析来了解客户的偏好，优化营销策略，提高利润率。

统计量的定义样本数据从总体中随机抽取的一部分数据。统计量基于样本数据的函数，用于描述样本特征。总体特征统计量用于推断总体特征。

统计量的性质样本数据的概括统计量可以用来概括样本数据的特征，例如平均值、方差、中位数等。随机变量统计量本身也是随机变量，因为它们的值取决于样本的选择。分布函数每个统计量都有其相应的分布函数，描述了统计量取不同值的概率。

抽样分布的概念抽样分布是指统计量在所有可能的样本中取值的概率分布。简单来说，就是当我们从总体中随机抽取多个样本，并计算每个样本的统计量，例如样本均值或样本方差，这些统计量的值会呈现出一定的概率分布，这就是抽样分布。

正态分布的抽样分布正态分布在统计学中占据重要地位，许多统计量在样本量足够大时，其分布都近似于正态分布。从正态总体中随机抽取样本，样本均值的分布也近似于正态分布。例如，假设我们从一个均值为μ、标准差为σ的正态总体中随机抽取n个样本，则样本均值的分布也近似于正态分布，其均值为μ，标准差为σ/√n。这意味着，我们可以利用正态分布的性质来推断总体参数，并进行假设检验。

t分布t分布是统计学中常用的一种概率分布，它用于对样本均值的假设检验，尤其是在样本量较小的情况下。t分布的形状类似于正态分布，但其尾部比正态分布更厚，这意味着它比正态分布更可能出现极端值。t分布的自由度决定了其形状，自由度越高，t分布越接近正态分布。

t分布的性质1对称性t分布关于均值为对称的.2自由度t分布的形状取决于样本大小,自由度越大,t分布越接近标准正态分布.3应用t分布广泛应用于小样本假设检验和置信区间估计中.

t检验单样本t检验用于比较单个样本的均值与已知总体均值之间的差异。双样本t检验用于比较两个独立样本的均值之间的差异。配对样本t检验用于比较同一个样本在两种不同处理方式下的均值之间的差异。

卡方分布公式卡方分布的概率密度函数公式，其中k表示自由度。曲线卡方分布曲线是一个偏态曲线，随着自由度的增加，曲线逐渐趋向于正态分布。检验表卡方分布检验表用于查找给定自由度和显著性水平下的临界值。

卡方分布的性质自由度卡方分布的形状取决于自由度，自由度越高，分布越趋向对称。非负性卡方随机变量的值永远是非负的，这意味着它只能取到零或正值。期望和方差卡方分布的期望等于其自由度，方差等于两倍的自由度。

卡方检验1拟合优度检验检验样本频率分布是否符合理论分布2独立性检验检验两个分类变量之间是否存在关联3同质性检验检验多个样本的总体分布是否相同

F分布F分布是统计学中的一种连续概率分布，用于比较两个样本方差。F分布的形状取决于两个样本的自由度，自由度越大，F分布的曲线越平缓。

F分布的性质非负性F分布的取值始终为非负数，因为F值代表的是两个样本方差的比值，方差为非负数，因此其比值也是非负数。形状F分布的形状取决于自由度，自由度越大，曲线越平缓，峰值越低。

F检验1方差分析比较两个或多个样本的均值2F统计量样本方差的比率3假设检验测试方差之间的差异

大样本理论样本容量大样本理论适用于样本容量较大，通常指样本容量大于30的样本。统计推断大样本理论为我们提供了在样本容量较大时进行统计推断的理论基础。中心极限定理中心极限定理是大样本理论的核心，它表明当样本容量足够大时，样本均值的分布趋近于正态分布。

中心极限定理1概念当样本量足够大时，无论总体分布是什么样的，样本均值的分布都近似于正态分布。2重要性中心极限定理是统计学中一个重要的理论，它为推断统计提供了基础。3应用中心极限定理可以用来估计总体参数、检验假设、构建置信区间等。

应用中心极限定理1估计总体参数利用样本均值估计总体均值2检验假设进行假设检验，判断样本是否来自某个总体3构造置信区间利用样本数据估计总体参数的范围

区间估计利用样本统计量来估计总体参数的取值范围。置信区间表示总体参数落在该范围内的可能性。置信水平代表对区间估计的可靠程度。

点估计样本统计量利用样本数据来估计总体参数的值。单个数值点估计的结果是一个单个数值，用来代表总体参数。样本均值常用样本均值来估计总体均值，样本比例来估计总体比例。

点估计的性质无偏性估计量的期望值等于被估计参数的真实值。有效性在所有无偏估计量中，方差最小的估计量称为有效估计量。一致性随着样本量的增加，估计量越来越接近被估计参数的真实值。

最大似然估计基本思想选择使样本出现概率最大的参数值作为估计