概率论与数理统计课件 统计量及其抽样分布
概率论与数理统计(06)第6章 统计量及其抽样分布
σx =
σ
n
当样本容量足够 大时( 大时(n ≥ 30) , 样本均值的抽样 分布逐渐趋于正 态分布
6 - 11
µx = µ
xቤተ መጻሕፍቲ ባይዱ
x 的分布趋 于正态分布 的过程
6 - 12
6.4 正态总体 6.3.1 χ2分布 6.3.2 t 分布 6.3.3 F 分布
6 - 13
χ2 分布
第六章 样本与统计量
6.1引言 6.1引言
数理统计学: 运用概率论的基础知识,对要研究的随机现象进行 多次观察或试验,研究如何合理地获得数据资料, 建立有效的数学方法,根据所获得的数据资料,对 所关心的问题作出估计与检验。
6-1
§6.2总体与样本 6.2总体与样本
对某一问题的研究对象全体称为总体。 组成总体的某个基本单元,称为个体。 总体可以是具体事物的集合,如一批产品。 也可以是关于事物的度量数据集合,如长度测量。 总体可以包含有限个个体,也可以包含无限个个体。 有限总体在个体相当多的情况下,可以作为无限 总体进行研究。 总体中的个体,应当有共同的可观察的特征。该 特征与研究目的有关。
6 - 16
χ2分布
(图示) 图示)
n=1 n=4 n=10
n=20
6 - 17 不同容量样本的抽样分布
χ2
t 分布
6 - 18
t 分布
1. 高 塞 特 (W.S.Gosset) 于 1908 年 在 一 篇 以 (W. “Student”(学生)为笔名的论文中首次提出 Student”(学生)
X ~ N(µ,σ ) ,则
2
χ2分布
2. 3.
z=
X −µ
Y=z
概率论与数理统计第六章统计量,样本及抽样分布
(2) X 1
~
2 (n1 ),
X2
~
2 (n2 ),
X1,
X
独
2
立
,
则
X 1 X 2 ~ 2 (n1 n2 ).
(3) X ~ 2 (n), E( X ) n, D( X ) 2n,
.
2021/3/11
20
(4). 2分布的分位点
对于给定的正数,0 1,
称满足条件
P
2 2 (n)
k 1
,
X
k 2
,,
X
k n
独立且与X
k同分布,
E
(
X
k i
)
k
k 1,2,,n 再由辛钦大数定律可得上述结论.
再由依概率收敛性质知,可将上述性质推广为
g( A1, A2 ,, Ak ) p g(1,2 ,,k ) 其中g为连续函数.
这就是矩估计法的理论根据.
2021/3/11
18
皮肌炎图片——皮肌炎的症状表现 数理统计
10
3. 总体、样本、样本值的关系
事实上我们抽样后得到的资料都是具体的、确 定的值. 如我们从某班大学生中抽取10人测量身高, 得到10个数,它们是样本取到的值而不是样本. 我 们只能观察到随机变量取的值而见不到随机变量.
2021/3/11
11
总体(理论分布) ?
样本
样本值
统计是从手中已有的资料--样本值,去推断总 体的情况---总体分布F(x)的性质.
2. t分布的密度函数关于t 0对称.当n充分大时, 其图形近似于标准正态分布概率密度的图形,
再由函数的性质有
lim h(t)
n
1 et2 2. 2
《概率论与数理统计》统计量及其分布
但数理统计以概率论为基础,更着重于根据试验得
到的数据来对研究对象的客观规律作出种种合理的估
计和判断.
4
第5章
统计量及其分布
数
描述统计学
理
对随机现象进行观测、试验, 以取得有代表
统
性的观测值.
计
的
推断统计学
分
对已取得的观测值进行整理、分析, 作出推
类
断、决策,从而找出所研究的对象的规律性.
O
5
n 10
10
15
20
x
32
01
抽样分布
2. t 分布
2
X
~
N
(0,1)
,
Y
~
x
(n),且X与Y 独立,则
设随机变量
X
T
Y /n
服从自由度为n的t分布,记为t(n).
性质 密度f(t)是偶函数,且t分布的极限分布是标准正
态分布.
33
01
抽样分布
t分布的密度函数
n 1
n 1
那么如何来利用样本呢?
列表?
画图?
统计量!
样本来自于总体,含有总体性质的信息,但较为分
散. 为了进行统计推断,需要把分散的信息进行整理,
针对不同的研究目的,构造不同的样本函数,这种函
数在统计学中称为统计量.
18
本讲内容
01
总体与个体
02
样本
03
统计量
03
统计量
3.统计量
统计量——不含有未知参数的样本函数
f ( x)
n1
n2
x
概率论与数理统计统计量样本及抽样分布
(Xi
X )k
它反映了总体k 阶矩的信息
它反映了总体k 阶 中心矩的信息
请注意 : 若总体X的k阶矩E( X k ) k存在,则当n 时,
Ak
1 n
n
i 1
X
i
Hale Waihona Puke kp kk 1,2, .
事实上 由X1, X2 , , Xn独立且与X同分布,
有X
k 1
,
X
k 2
,
,
X
n
k
独立且与X
k同分布,
E
(
X
k i
)
k
k 1,2, ,n 再由辛钦大数定律可得上述结论.
再由依概率收敛性质知,可将上述性质推广为
g( A1, A2 , , Ak ) p g(1,2 , ,k ) 其中g为连续函数.
我们关心的是总体中的个体的某项指标(如人的 身高、灯泡的寿命,汽车的耗油量…) .
由于每个个体的出现是随机的,所以相应的数量指 标的出现也带有随机性 . 从而可以把这种数量指标看 作一个随机变量X ,因此随机变量X的分布就是该数 量指标在总体中的分布.
总体就可以用一个随机变量及其分布来描述.
因此在理论上可以把总体与概率分布等同起来.
样本是联系二者的桥梁
总体分布决定了样本取值的概率规律,也就是 样本取到样本值的规律,因而可以由样本值去推断 总体.
小结
总体:研究对象的全体称为总体 个体:总体中每个成员称为个体
简单随机样本:
由简单随机抽样得到的样本称为简单随机样本, 它可以用与总体X独立同分布的n个相互独立的随机 变量 X1,X2,…,Xn表示, n为样本容量,
1. 代表性: X1,X2,…,Xn中每一个与所考察的总体有 相同的分布.
概率论与数理统计教案统计量和抽样分布
概率论与数理统计教案-统计量和抽样分布一、教学目标1. 理解统计量的概念,掌握常见统计量的计算方法。
2. 了解抽样分布的定义,掌握正态分布、t分布、卡方分布等常见抽样分布的特点及应用。
3. 学会使用抽样分布进行假设检验和置信区间的估计。
二、教学内容1. 统计量的概念及计算方法统计量的定义样本均值、样本方差、样本标准差等常见统计量2. 抽样分布的定义及特点抽样分布的定义正态分布、t分布、卡方分布等常见抽样分布的特点3. 抽样分布的应用假设检验置信区间的估计三、教学方法1. 讲授法:讲解统计量的概念、计算方法,抽样分布的定义及特点。
2. 案例分析法:通过具体案例,让学生学会使用抽样分布进行假设检验和置信区间的估计。
3. 互动教学法:引导学生参与课堂讨论,提问、解答问题,提高学生的积极性和主动性。
四、教学步骤1. 引入统计量的概念,讲解样本均值、样本方差、样本标准差等常见统计量的计算方法。
2. 讲解抽样分布的定义,介绍正态分布、t分布、卡方分布等常见抽样分布的特点及应用。
3. 通过具体案例,让学生学会使用抽样分布进行假设检验和置信区间的估计。
五、课后作业1. 复习本节课的内容,整理笔记。
2. 完成课后习题,加深对统计量和抽样分布的理解。
3. 选择一个感兴趣的话题,运用抽样分布进行实际问题的分析。
六、教学评估1. 课堂提问:通过提问了解学生对统计量和抽样分布的理解程度。
2. 课后习题:检查学生对课堂内容的掌握情况。
3. 实际案例分析:评估学生运用抽样分布解决实际问题的能力。
七、拓展与延伸1. 引导学生探讨抽样分布在其他领域的应用,如经济学、生物学等。
2. 介绍与抽样分布相关的高级主题,如非参数统计、贝叶斯统计等。
3. 鼓励学生参加相关竞赛、研究项目,提高实践能力。
八、教学资源1. 教材:概率论与数理统计相关教材。
2. 课件:PPT课件,辅助学生理解统计量和抽样分布的概念及应用。
3. 案例资料:提供具体案例,方便学生学会使用抽样分布进行假设检验和置信区间的估计。
概率论与数理统计PPT课件(共8章)第六章 数理统计的基本概念
代表性
每个样本Xi(i=1,2,…,n)与 总体X具有相同的分布
独立性
各个样本X1,X2,…,Xn的取 值互不影响,即X1,X2,…,Xn是 相互独立的随机变量.
6.1.3 样本的联合分布
若 X1 ,X2 , ,Xn 为总体 X 的一个样本, X 的分布函数为 F(x) ,则 X1 ,X2 , ,Xn
n
n
xi
n xi
p i1 (1 p) i1 ,
概
率
论
与
数 理
6.2
统
计
统计量与抽样分布
6.2.1 统计量
定义 6.2 不含任何未知参数的样本 X1 ,X2 , ,Xn 的连续函数 g(X1 ,X2 , ,Xn )
称为统计量.
下面列出一些常用的统计量.
(1)样本均值
X
1 n
n i1
Xi
(2)样本方差
概
率
论
与
数
理 统 计
数理统计的基本概念
第六章
概
率
论
与
数
理 统
壹 总体与样本
计
贰 统计量与抽样分布
目录
概
率
论
与
数 理
6.1
统
计
总体与样本
总体与个体
6.1.1 总体
在数理统计中,通常把研究对象的全体称为总体,把构 成总体的每个研究对象称为个体.
总体分布
为了便于数学上的处理,我们将总体定义为随机变量, 记作.随机变量的分布称为总体分布.
N
(1
,12
)
与
N
(2
,
2 2
)
的样本,且这两个样本相互独立.设
概率论与数理统计基本概念及抽样分布PPT课件
~
2 (n1 ),
2 2
~
2 (n2 ), 且它们相互独立,
则
2 1
2 2
~
2 (n1
n2 )
《概率统计》
返回
下页
结束
4. 2分布的百分位点
对给定的α(0<α<1)
(1)称满足
P{ 2
2
(n)}
,即
f ( y)dy
x2 ( n)
的点为 2分布的上100α百分位点。
f(y)
(2)称满足
注:在研究中,往往关心每个个体的一个(或几个)数量指标和 该数量指标在总体中的分布情况. 这时,每个个体具有的数量 指标的全体就是总体.
或,总体:研究对象的某项数量指标的值的全体.
《概率统计》
某批 灯泡的 寿命
该批灯泡寿命的 全体就是总体
返回
下页
结束
为推断总体分布及各种特征,按一定规则从总体中抽取若 干个体进行观察试验,以获得有关总体的信息,这一抽取过程 为 “抽样”.
( x)
(1)称满足条件 P{X>Xα} =α,
α
即
( x)dx
X
的点Xα为N(0,1)分布的上100α百分位点.
X1-α
0
由于 P{X X } 1 记 -Xα= X1-α
(2)称满足条件 P {| X | X }
2
2
的点 X 为N(0,1)分布的双侧100α百分位点.
X
2
则
E(X )
E(1 n
n i 1
Xi)
1 n
n i 1
E(Xi )
1 n
n
D(X ) D(1 n
n i1
Xi)
概率论与数理统计课件:数理统计基础知识
数理统计基础知识
首页 返回 退出
6.1.1 总体
§6.1 总体和随机样本
总体:研究对象的全部可能观察值叫做总体. 个体:组成全体的每个观察值叫做个体.
如:考察某校学生的身高
总体:该校的所有学生的身高 个体:每个学生的身高
数理统计基础知识
首页 返回 退出
实际问题中,要研究的是有关对象的各种数量指标. 总体可以用一个随机变量及其分布来描述.
首页 返回 退出
由于抽样的目的是为了对总体进行统计推断, 为了使抽取的样本能很好地反映总体的信息,必 须考虑抽样方法.
最常用的一种抽样方法叫作“简单随机抽样” 它要求抽取的样本满足下面两点: 1. 代表性: X1,X2,…,Xn中每一个与所考察 的总体有相同的分布.
2. 独立性: X1,X2,…,Xn是相互独立的随机变量.
从一批产品中抽5件,检验产品是否合格.
数理统计基础知识
样本容量为5
首页 返回 退出
样本是随机变量.
抽到哪5辆是随机的
容量为n的样本可以看作n维随机变量(X1,X2,…,Xn).
但是,一旦取定一组样本,得到的是n个具体的数 (x1,x2,…,xn),称为样本的一次观察值,简称样本值 .
数理统计基础知识
总体的指标 如体重、身高、寿命等 是随机变量X 个体的指标 如体重、身高、寿命等 是随机变量X 的一个取值
常用随机变量的记号或用其分布函数表示总体.
如:总体X或总体F X
数理统计基础知识
首页 返回 退出
有限总体 总体
无限总体
1.考察某校大一新生(共2000人)的身高. 有限总体
2.观测某地每天最高气温. 无限总体 3.某厂生产的所有电视显像管的寿命. 无限总体
概率第6章 样本及抽样分布PPT课件
Xi
i 1, 2,
,n
显然Y1,Y2, ,Yn相互独立,且Yi N 0,1 i 1, 2,
于是
2
n i 1
(
X
i
)2
n
Yi 2
i 1
2
n
(2)
X1
X2
~
N
(0,
2
2
),
(
X1 X
2 2
2
)2
~
2 (1)
2X3
X4
X5
~
N(0, 6
2 ), (2X3
X4
6 2
X 5 )2
~
[说明]:后面提到的样本均指简单随机样本,由概率论知,若总体X 具有概率密度f(x),
则样本(X1,X2,…,Xn)具有联合密度函数:
n
fn x1, x2, xn f xi
i1
3
统计量:样本的不含任何未知参数的函数。
常用统计量:设(X1,X2,…,Xn)为取自总体X的样本
1.
样本均值
定理6.4:t n分布的概率密度为:f t, n
n1 2
n
n 2
1
t2 n
n1 2
,
t
对给定的 ,
0
1, 称满足条件
t n
f
t, n dt
的点t
n
为t n分布的上分位数。t分布的上分位数可查t分布表
f (x)
n 10
f x
t1 (n) t (n)
n4
n 1
3 2 1 0 1 2 3
Y1 g1 X1, , X n1 ,Y2 g2 X n11, , X n2 , ,Yk gk X , n1 nk11 , X n
概率论与数理统计教案统计量和抽样分布
一、统计量和抽样分布的概念介绍1.1 统计量的定义讲解统计量的概念,即根据样本数据所定义的量,用来描述样本的某些特征。
例如,样本均值、样本方差等。
1.2 抽样分布的定义解释抽样分布是指在一定的抽样方法下,统计量的概率分布。
例如,正态分布、t分布等。
二、统计量的估计方法2.1 点估计介绍点估计的概念,即用一个具体的数值来估计总体参数。
例如,用样本均值来估计总体均值。
2.2 区间估计讲解区间估计的方法,即根据样本数据,给出总体参数估计的一个区间,该区间以一定的概率包含总体参数。
例如,置信区间。
三、抽样分布的性质及应用3.1 抽样分布的性质讲解抽样分布的一些基本性质,如独立性、对称性、无偏性等。
3.2 抽样分布的应用介绍抽样分布在实际问题中的应用,如利用抽样分布来判断总体均值的假设检验问题。
四、假设检验的基本概念和方法4.1 假设检验的定义解释假设检验是一种统计推断方法,通过观察样本数据,对总体参数的某个假设进行判断。
4.2 假设检验的方法讲解常见的假设检验方法,如单样本t检验、双样本t检验、卡方检验等。
4.3 假设检验的判断准则介绍假设检验的判断准则,如P值、显著性水平等,并解释其含义和作用。
六、正态分布及其应用6.1 正态分布的定义与性质详细介绍正态分布的概念、概率密度函数、累积分布函数以及其性质,如对称性、钟形曲线等。
6.2 标准正态分布解释标准正态分布的概念,即均值为0,标准差为1的正态分布。
讲解标准正态分布表的使用方法。
6.3 正态分布的应用介绍正态分布在实际问题中的应用,如利用正态分布来分析和估计总体均值、方差等参数。
七、t 分布及其应用7.1 t 分布的定义与性质讲解t 分布的概念、概率密度函数、累积分布函数以及其性质。
解释t 分布与正态分布的关系。
7.2 t 分布的自由度介绍t 分布的自由度概念,即样本量。
讲解自由度对t 分布形状的影响。
7.3 t 分布的应用介绍t 分布在实际问题中的应用,如利用t 分布进行小样本推断、假设检验等。
概率论与数理统计讲义第六章 样本与抽样分布
第六章样本与抽样分布§6.1 数理统计的基本概念一.数理统计研究的对象例:有一批灯泡,要从使用寿命这个数量指标来看其质量,设寿命用X表示。
(1)若规定寿命低于1000小时的产品为次品。
此问题是求P(X 1000)=F(10000),求F(x)? (2)从平均寿命、使用时数长短差异来看其质量,即求E(x)?、D(x)?。
要解决二个问题1.试验设计抽样方法。
2.数据处理或统计推断。
方法具有“从局部推断总体”的特点。
二.总体(母体)和个体1.所研究对象的全体称为总体,把组成总体的每一个对象成员(基本单元)称为个体。
说明:(1)对总体我们关心的是研究对象的某一项或某几项数量指标(或属性指标)以及他们在整体中的分布。
所以总体是个体的数量指标的全体。
(2)为研究方便将总体与一个R.V X对应(等同)。
a.总体中不同的数量指标的全体,即是R.V.X的全部取值。
b.R.V X的分布即是总体的分布情况。
例:一批产品是100个灯泡,经测试其寿命是:1000小时1100小时1200小时20个30个50个X 1000 1100 1200P 20/100 30/10050/100(设X表示灯泡的寿命)可知R.V.X的分布律,就是总体寿命的分布,反之亦然。
常称总体X,若R.VX~F(x),有时也用F(x)表示一个总体。
(3)我们对每一个研究对象可能要观测两个或多个数量指标,则可用多维随机向量(X,Y,Z, …)去描述总体。
2.总体的分类有限总体无限总体三.简单随机样本.1.定义6.1 :从总体中抽得的一部分个体组成的集合称为子样(样本),取得的个体叫样品,样本中样品的个数称为样本容量(也叫样本量)。
每个样品的测试值叫观察值。
取得子样的过程叫抽样。
样本的双重含义:(1)随机性:用(X1,X2,……X n) n维随机向量表示。
X i表示第i个被抽到的个体,是随机变量。
(i=1,2,…n)(2)确定性:(x1,x2,……x n)表示n个实数,即是每个样品Xi观测值x i(i=1,2,…n)。
第6章-统计量及其抽样分布课件
设X1服从标准正态分布N(0,1),X2服从自由度
为n的 分2 布,且X1、X2相互独立,则称变
量tX Y n
所服从的分布为自由
度为n的tt分t布 n, 记为
n 2时,Et 0
n 3时,Dt n
n2
第十六页,共32页。
如 X N,2 果
X
1 n
n i 1
Xi
, n X
则
S
tn1
把样本中“成功”的次数所占比例定
义作样本比例
p
X n
。
第二十四页,共32页。
假定某统计人员在其填写的报表中有2%至少 会有一处错误,如果我们检查一个由600份报表
组成的随机样本,其中至少有一处错误的报表所
占的比例在0.025-0.070之间的概率有多大?
第二十五页,共32页。
设600份报表中国至少有一处错误的报表 所占比 Nhomakorabea为p ,则有
第二十七页,共32页。
甲乙两所高校录取新生时,甲校平均分为 655,且服从正态分布,标准差为20,乙的平均 分为625,标准差为25,也是正态分布。现从两 校各随机抽取8名新生,计算平均分数,出现甲 比已的平均分低的概率有多大?
第二十八页,共32页。
8个新生平均分应服从正态分布,
X1-X2
N1-2, n112
P9.9X10.1P9.90 .110X0 .11010.0 1. 110
211
第二十二页,共32页。
例6.5
• 某电瓶商声称其生产的电瓶具有均值为60个 月,标准差为6个月的寿命分布。现假设质 监部门决定检验该厂的说法是否正确,为此 随机抽取了50个该厂生产的电瓶进行寿命检 验。
• 1)假设厂商声称是正确的,试描述50个电瓶
北京理工大学《概率论与数理统计2》课件-第二章 抽样分布
2
一 单个次序(顺序)统计量的分布
设X1, X 2 , , X ni.i.d.~F, f 为F的密度, ( X (1) , X (2) , , X (n) )为次序统计量.
求X(m)的分布,其中1 m n.
3
因为
Fm (x) P(X(m) x)
P( X1, X 2 , , X n中至少有m个 x)
k 1
k 1
根据正交阵A的不同行和列的正交性得到
因此
n
当i j时, aika jk =0 k 1
Cov(Yi ,Yj ) 0
于是Y1, ,Yn相互独立,且
n
Yi~N (i , 2 ), 其中i =a aik k 1 9
(3)若a=0,则i 0,i 1,2, ,n
因此Y1, ,Yn独立同分布,且
n
Yi~N (i , 2 ), 其中i =a aik k 1
(3)若a=0,则Y1, ,Yn独立同分布,且
Yi~N(0, 2 )
7
证明:因为
n
Yi
aik
X
,
k
根据推论2.2.1有
k 1
n
n
Yi~N (a aik , 2 ai2k )
k 1
k 1
因此
n
n
E(Yi ) a aik , D(Yi ) 2 ai2k
n
Yi aik X k k 1
12
因此
1 n
Y1 n i1 Xi n X
由正交变换保持向量长度不变可知
Y12 Y22
Yn2
X12
X
2 2
X
2 n
所以
n
统计量与抽样分布培训课件
一般地,若Yi ~ 2 ni ,i 1, 2, m,Y1,Y2, Ym
相互独立,则
m
Yi
~
2
m
ni
.
i 1
i1
18
对给定的概率, 0
1, 称满足条件
2 n
fn
y dy
的点2
n为
2 n分布的上分位数,上分位数2 n的值可查 2分布表
E( X ) ,Var( X ) 2,E( X k ),E[( X )k ], 问:(1)X 与,(2)S 2与 2, (3)Ak与E( X k ),(4)Bk与E[( X )k ]
都相等吗?
答:不对。前者是随机变量,观察两次得到 的统计量的值可能不一样; 后者是数,可能已知也可能未知。
13
33
[思考题]:
设X1, X 2 , , X n是来自正态总体N (, 2 )
的简单随机样本,X 和S 2分别是样本均值
和样本方差。问:
n
(Xi X )2
(1)i1
2
服从什么分布?
n
(Xi )2
(2)i1 2
服从什么分布?
答:(1) 2(n 1),(2) 2(n).
34
定理 6.3.3 设 X1, X 2 , , X n 为来自正态总体
f
F n1 ,n2
x; n1, n2 dx
的点F n1, n2 为F n1, n2 分布的上分位数.
F n1, n2 的值可查F分布表.
F1 (n1, n2 ) [F (n2 , n1)]1
30
6.3 正态总体下的抽样分布 定理 6.3.1 设 X1, X 2 , , X n 为来自正态总体
北邮概率论与数理统计统计量及其分布(6.3)
§6.3 统计量及抽样分布6.3.1 统计量为研究一个问题而收集数据,数据就是样本,样本中含有总体的信息。
要实施统计推断,则要依据样本所提供的信息。
样本本身是一堆杂乱无章的数字,需要对这些数字进行加工、整理把样本中所含的信息集中起来以反映总体的各种特征,也就是要由样本计算出一些量以用于统计推断。
这些量是样本的函数而且完全由样本所确定,在统计学中,把凡是由样本算出的量称为统计量。
因此有下面定义。
定义 6.3.1 设n x x x ,..,,21为取自某总体的样本,若样本的函数),...,,(21n x x x T T =中不含任何未知参数,则称T 为统计量。
在此要强调一点:统计量只依赖于样本,而不能与任何未知的量有关,特别地不能依赖于未名参数。
换言之,统计量是能由样本完全确定的量.在具体的统计问题中选用什么统计量,当然要看问题的性质.一个好的统计量应该能很好地集中与问题有关的信息.例如: 样本均值.设n X X X ,...,,21为来自某总体的样本,则样本均值定义为∑==ni i X n X 11若要对总体均值作推断(估计、检验),那么我们很自然地会想到样本均值. 例如: 样本方差.设n X X X ,...,,21为来自某总体的样本,则样本方差定义为212)(11X X n S n i i--=∑= 若要对总体方差作推断(估计、检验),那么我们很自然地会想到样本方差.在这里我们常说“2S 的自由度为1-n ”,自由度这个名词有如下两种解释:(1) 2S 是n 个数X X -1,…,X X n -的平方和,而这n 个数受到一个(也只有一个)约束: ∑==-ni i X X 10)(,故只有1-n 个自由度.(2) 若∑==ni i X n X 11代入21)(X X ni i -∑=中,并将其整理为二次型AX X ',则A 的秩为1-n .自由度就定义为这个秩。
下面列举一些常用的统计量:样本均值: ∑==ni i X n X 11,样本方差: 2111)X -X (-n S ni i 2∑==, 样本标准差:2S S =样本k 阶原点矩:∑==n i k i k X n A 11样本k 阶中心矩:∑==ni k i k )X -(X n B 11样本偏度 2/323ˆB B s =β 样本峰度 3ˆ224-=βB B k次序统计量:设有样本n X ,,X 1,按如下方式定义随机变量)i (X ,当有了样本值n x ,,x 1后,将样本值从小到大排序为)n ((2))x x x ≤≤≤ 1(,那么)i (X 的取值为)i (x ,称i)X (为第i 个次序统计量,称)X X X(n))()2(1,,, (为样本n X ,,X 1的次序统计量, )x x x (n))()2(1,,, (是)X X X (n))()2(1,,, (的一次实现.)(X 1和)n (X 分别称为极小和极大次序统计量. =R )n (X )(X 1-称为样本极差.样本分位数:样本)p p(10<<分位数定义为⎪⎩⎪⎨⎧+=++是整数不是整数,,)p ],[X 21np )1((np 1])np [(n X X m np p 样本中位数为⎪⎪⎩⎪⎪⎨⎧+=++是偶数是奇数,,n X X m n ],[X 21n )12()2n ()21n (5.0 注:样本分位数的定义在不同的教材上可能会有所差异。
概率论数理统计课件第15讲抽样
上式等价于
1 P Y , Fm ,n(1 α )
再根据 Y (~ Fn,m ) 的上 分位点定义,有
1 Fn,m (α ) , Fm ,n(1 α )
这就证明了(1)式。 在通常F分布表中,只对 比较小的值, 如 = 0.01, 0.05, 0.025及0.1等列出了分位点。 但有时我们也需要知道 比较大的分位点,
6.2.2 抽样分布 统计量既然依赖于样本,而后者又是随 机变量,故统计量也是随机变量,有一定的 分布,这个分布称为统计量的抽样分布。 抽样分布定理 定理1:设 X1,X2,,Xn是来自均值为 , 方差为 2 的总体的样本,则当n充分大时, 近似地有
X~N , / n.
2
证明:因X1,X2,„,Xn是来自均值为 ,方差 为2 的总体的样本。故 X1,X2,„,Xn 独立同 分布, 且 E(X)=,Var(X)=2, i=1,2,„,n。
F分布的分位点 若F~Fm, n,对给定的 (0,1), 称满足条件
PF Fm,n(α) F
m,n
f ( x) d x α (α )
的点Fm,n()为F分布的上 分位点。.
F 分布上 分位点示意图
F分布上 分位点有表可查,见附表5。
★ 一个需要注意的问题:
1 Fm ,n(1 ) . Fn,m (α ) (1)
它们在F分布表中查不到。这时我们就可利用 分位点的关系式(1)把它们计算出来。 例如:对m=12, n=9, α=0.95, 我们在 F 分布表中查不到 F12,9(0.95),但由(1)式,知
1 1 F12,9 (0.95) 0.375 . F9 ,12 (0.05) 2.80
可从F 分布 表中查到
统计量与抽样分布-PPT课件
抽取一小部分
x
样本
第6章 统计量与抽样分布
主要内容
• 总体和样本的统计分布 • 统计量 • 抽样分布
第一节 总体和样本的统计分布
• 一、统计推断中的总体及总体分布 • 总体的概念 总体是根据一定的目的确定的所要研究的事物 的全体,它是由客观存在的、具有某种共同性质 的众多个体构成。总体中的各个单位称为个体。 由引例:每批麦子 每批麦子的每单位出酒量的 数值 编制变量的分布数列 实物总体 数值总体 分布总体
引例
• 1899年,戈塞特进入都柏林A.吉尼斯父子酿酒公司担任酿 酒化学技师,从事统计和试验工作。他发现,供酿酒的每 批麦子质量相差很大,而同一批麦子仲能抽样供试验的麦 子又很少,每批样本在不同的温度下做式样其结果相差很 大,这决定了不同批次和温度的麦子样本是不同的,不能 进行样本合并,这样一来实际上取得的麦子样本不可能是 大样本,只能是小样本。小样本得出的结果和正态分布有 较大差异,特别是尾部比正态分布高…… • 大样本和小样本有什么差异?如何用样本推断总体?
• 统计方法
描述统计
推断统计
参数估计
假设检验
所谓统计推断,就是根据概率论所揭示的随机 变量的一般规律性,利用抽样调查所获得的样本信 息,对总体的某些性质或数量特征进行推断。
参数估计 统计推断
假设检验
这两类问题的基本原理是一致的,只是侧重点不同 而已。 参数估计问题侧重于用样本统计量估计总体的某一 未知参数; 假设检验问题侧重于用样本资料验证总体是否具有 某种性质或数量特征。
1 f( x , ,x ) n 1 i 1 2
n
2 x ( ) i 2 e 2
( 2 2 i1
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
n i 1
(Xi
)2;S42
1 n
n i 1
(Xi
)2
则服从自由度为n 1的t 分布的统计量为
( A) X n 1; (B) X n 1 ;
S1
S2
X
(C )
n;
S3
X
(D)
Hale Waihona Puke n.S42019/5/8
数理统计—统计量及抽样分布
21
2019/5/8
数理统计—统计量及抽样分布
16
二、求统计量的分布
例2 设X1, X2 , , X9 是来自总体X 的简单随机样本,
令Y1
1
6
X1
X2
... X 6
,Y2
1 3
X7
X8
X9
S2 1 9 2 i7
2
X i
Y2
;Z
2 Y1 Y2 S
求统计量Z 的分布
2019/5/8
数理统计—统计量及抽样分布
n
ES 2
E[ 1 n1
n i 1
(Xi
X )2]
=
2
2019/5/8
数理统计—统计量及抽样分布
10
设X1, X2 ,
,
X
是取自总体
n
为
2
(n)分布的简单随机样本,
则E X ( ), D X ( ).
设总体X ~ N (1, 2 ),Y ~ N (2 , 2 ), X与Y 相互独立,
X1 , X2 , , X n1取自总体X 的简单随机样本, Y1 ,Y2 , ,Yn2为 取自总体Y 的简单随机样本,则
,
2 1
),
Y
~
N
(
2
,
2 2
),
X与Y 相互独立,
X1 , X2 , , X n1 取自总体X 的简单随机样本, Y1 ,Y2 , ,Yn2为
取自总体Y 的简单随机样本,记
1 n1
X n1 i1 X i
1 n2
Y
n2
Yi
i 1
S12
1 n1 1
n1 i 1
(Xi
X )2
S22
1 n2 1
,
则
S12 S22
/
2 1
/
2 2
~
F(n1 1, n2 1)
2019/5/8
数理统计—统计量及抽样分布
15
一、求统计量的数字特征
例1 设总体X ~N (, 2 ), X1, X2 , , X2n是取自总体X的
简单随机样本, 且样本均值X
1 2n
2n i 1
Xi,
样本方差
n
求统计量Y ( Xi Xni 2X )2 的数学期望EY i 1
n1
(Xi
X )2
n2
(Y j
Y
)2
E i1
j 1
n1 n2 2
=( )
2019/5/8
数理统计—统计量及抽样分布
11
二 抽样分布
1 单个正态总体的情况
设总体X ~N (, 2 ), X1, X2 , , Xn是取自总体X的
简单随机样本, 且样本均值X
1 n
n i 1
Xi,
例4 从正态总体N (, 0.52 ) 中抽取样本X1, X2 , , X10
(1)已知 =0, 求P
10 i 1
X
2 i
4
(2)未知,
求P
10
(X i
X)2
2.85
i1
2019/5/8
数理统计—统计量及抽样分布
19
例5 X1, X2 , , X26为N 0, 2 的样本,
10
数理统计—统计量及抽样分布
6
(6)样本中位数:
M
X
(
n1 2
)
1
2
(X(n) 2
X( n1) ) 2
(7)样本极差:
R X(n) X(1)
n 为奇数 n 为偶数
2019/5/8
数理统计—统计量及抽样分布
7
4、性质
设X1, X2 , , Xn是取自总体X 的简单随机样本,
EX , DX 2 ,则有
2019/5/8
数理统计—统计量及抽样分布
1
第四节 统计量及抽样分布
一 、 统计量 二 、 抽样分布
2019/5/8
数理统计—统计量及抽样分布
2
一 统计量
1、定义 设X1, X2 , , Xn 是总体X的容量为n 的样本,
T ( X1, X2 , , Xn )是定义在样本空间上不依赖于未知 参数的连续函数,则称T ( X1, X2 , , Xn )为统计量
2、一点说明
统计量T ( X1, X2 , , Xn )为随机变量,当样本 X1 , X2 , , Xn 取定观测值 x1 , x2 , , xn 时,T ( x1, x2 , , xn ) 为常量或观测值。
第十六次课结束
2019/5/8
数理统计—统计量及抽样分布
3
例1 设X1, X2 , , Xn来自正态总体N (, 2 ) 的样本,其中
n2 i 1
(Yi
Y )2
Sw2
(n1
1)S12 (n2 1)S22 n1 n2 2
2019/5/8
数理统计—统计量及抽样分布
14
(1)
在上述定理条件下,
若
2 1
2 2
2,
则
(
X Sw
Y 1
) /
(1
n1 1 /
2
n2
)
~
t(n1
n2
2)
(2)
在上述定理条件下,
若
2 1
2 2
(1)
EX ,
2
DX
n
(2) ES2 2 , ES*2 n 1 2 .
n
1 n
X n i1 Xi
S 2
1 n1
n i 1
(Xi
X )2
S *2
1 n
n i 1
(Xi
X )2
2019/5/8
数理统计—统计量及抽样分布
8
S 2
1 n1
n i 1
(Xi
X )2
n
n
( Xi X )2 = ( Xi2 2Xi X +X 2 )
样本方差
S2
1 n1
n i 1
(Xi
X
)2 ,
样本二阶中心距S*2
1 n
n
( Xi X )2
i 1
则有 (1)X ~ N (, 2 )
n
(2) X与S 2相互独立;
(3)
n1
2
S
2
1
2
n
(Xi
i 1
X
)2
n
2
S *2~
2(n 1)
2019/5/8
数理统计—统计量及抽样分布
12
推论 (1) X n ~ N (0,1)
i 1
i 1
n
n
n
= Xi2 2 Xi X + X 2
i 1
i 1
i 1
n
n
= Xi2 2X Xi +nX 2
i 1
i 1
n
n
= X i2 2nX 2 +nX 2 = X i2nX 2
i 1
n
n
i 1
E[ ( Xi X )2 ]= E[ Xi2 nX 2 ]
i 1
i 1
2019/5/8
数理统计—统计量及抽样分布
9
n
n
E[ ( Xi X )2 ]= E[ Xi2 nX 2 ]
i 1
i 1
n
= EXi2 nEX 2 i 1
=n( 2 + 2 ) n( 1 2 + 2 ) =(n 1) 2
n
EXi2 = DXi +(EXi )2 = 2 + 2
EX 2 DX +(EX )2 = 1 2 + 2
(2) X
S
n ~ t(n 1)
或 X
S*
n 1 ~ t(n 1)
(1)X ~N (, 2 )
n (2) X与S 2相互独立;
(3)
n1
2
S
2
n
2
S *2
1
2
n
(Xi
i 1
X )2
~
2(n 1)
2019/5/8
数理统计—统计量及抽样分布
13
2 两个正态总体的情况
设总体X
~
N
(
1
求P
Xi
i 1
1.6795
26
X
2 j
j11
2019/5/8
数理统计—统计量及抽样分布
20
例6 X1, X2 , , Xn取自总体X ~ N (, 2 ) 的简单随机样本,
X 是样本均值,记
S12
1 n1
n i 1
(Xi
X )2;S22
1 n
n i 1
(Xi
X )2;
S32
1 n1
n i 1
(Xi
X )k
S*2
1 n
n i 1
(Xi
X )2
S*2 n 1 S2 n
2019/5/8
数理统计—统计量及抽样分布
5
(5)顺序统计量:
若x1, x2 , , xn 是样本观测值 , 将其按照从小到大的顺序