概率论与数理统计第六章统计量,样本及抽样分布
概率论与数理统计 第六章 样本及抽样分布
x0 o.w.
n 1
n5
n 15
15
（2）t-分布（学生分布）
设 X ~ N ( 0 ,1), Y ~ 2 ( n ) 且X、Y为独立随 机变量，则称随机变量
t
X Y /n
X
1 n 2 ( X 12 ...... X n )
为自由度为n的t-分布。记为： t ~ t ( n ) 。
3
§1 随机样本
总体: 研究对象在某项数量指标的全体. 记为X。通常称总体X。 个体: 总体X中的每一个元素（实数）xi。 根据总体所含的个体数分为： 有限总体和无限总体。
4
总体与取样
X1
X
X2 X3 Xn
取样模型
X
X2 X1
X3
X4
X5
河流污染取样
5
总体、样本、统计量
总体 样本 统计量
X1 X2
2 ( n ) 分布:
具有可加性
2 X X 12 ...... X n , X i ~ N (0,1)
3. 4.
t ( n ) 分布:
X ~ N (0,1), Y ~ 2 ( n )
t(n) X Y /n
F ( n1 , n 2 ) 分布: U ~ 2 ( n1 ), V ~ 2 ( n 2 )
F (n1 , n2 )
19
分位点及性质:
定义: Pr[ X z ]
z
(1)标准正态分布分位点
(x)
( x)dx 1 ( x)dx
z
z1
( x)
Pr[ X z ]
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-ch6-样本与抽样分布
概率论与数理统计-ch6-样本与抽样分布概率论中，所研究的随机变量是假定其分布是已知的，在此前提下研究它的性质、数字特征等。
在数理统计中，所研究的随机变量的分布是未知或不完全知道的，通过重复独⽴的试验得到许多观察值去推断随机变量的种种可能分布。
1、随机样本总体：试验的全部可能的观察值。
=样本空间个体：每⼀个可能观察值。
=样本点容量：总体中所包含的个体的个数。
有限总体⽆限总体⼀个总体对应⼀个随机变量X，对总体的研究就是对随机变量X的研究。
所以将不区分总体与相应的随机变量，统称为总体X。
样本：在数理统计中，⼈们都是通过从总体中抽取⼀部分个体，根据获得的数据来对总体分布得出推断的，被抽出的部分个体叫做总体的⼀个样本。
对总体进⾏⼀次观察，就会得到⼀个随机变量X1，对总体进⾏n次重复的、独⽴的观察，就会得到n个随机变量X1，X2，...,Xn，这n个随机变量X1，X2，...,Xn是对总体随机变量X观察的结果。
则X1，X2，...,Xn是相关独⽴且与X具有相同分布，称为来⾃总体X的⼀个简单随机样本。
n称为样本的容量。
进⾏n次观察得到的⼀组实数x1,x2,...,xn是随机变量X1，X2，...,Xn的观察值，称为样本值，也称为X的n个独⽴的观测值。
2、抽样分布样本是统计推断的依据，但往往不直接使⽤样本本⾝，⽽是由样本构造的函数。
统计量：设X1，X2，...,Xn是来⾃总体X的⼀个样本，g(X1，X2，...,Xn)是其函数，且g中不含任何未知参数，则称g(X1，X2，...,Xn)是⼀统计量。
统计量也是⼀个随机变量。
g(x1,x2,...,xn)是统计量的观测值。
常⽤的统计量：经验分布函数：经验分布函数(empirical distribution function)是根据样本得到的分布函数.如设，是总体的样本值，将它们按⼤⼩顺序排列为，则称分布函数为经验分布函数是与总体分布函数相对应的统计量。
总体的分布函数是F(x)，统计量的经验分布函数是F n（x)，⽤F n（x)去推断F(x)，当n⾜够⼤时，F n（x)以概率1收敛于F(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。
概率论与数理统计第六章{样本及抽样分布}第四节抽样分布
（1）已知
0，求概率P
10
Xi2
4;
i1
数理统计
（2）未知，求概率P
10
(Xi
X )2
2.85 .
i1
解: (1) 由 0，有Xi
0.5
~
N (0,1)，则：U
10 i 1
Xi 0.5
2
~
2(10).
P
10 i 1
Xi2
4
P
1 0.52
10 i 1
Xi2
4 0.52
F 分布的性质:
1)
F分布的数学期望为:
E(F )
n2 n2
2 , 若n2>2.
即它的数学期望并不依赖于第一自由度n1.
2) F分布的分位点:
对于给定的，0 1,称满足条件:
P
F F (n1 , n2 )
( y)dy
F ( n1 ,n2 )
的点F (n1 , n2 )为F(n1 , n2 )分布的上分位点.
10
(Xi
i 1
X )2
2.85
0.52
PV 11.4
查表得02.25(9) 11.4,由此可求得
P
10
(Xi
X )2
2.85
0.25.
i1
例3: 设总体服从泊松分布 ( )，X1,
,
X
是一个样本：
n
(1）写出X 1 ,
,
X
的概率分布；
n
（2）计算E( X ), D( X )和E(S 2 ).
所服从的分布为自由度为 n 的2分布.
记为: 2 ~ 2(n)
2分布的密度函数为:
1
概率论与数理统计-第六章
这200人的年龄数据。
总体：北京市民的年龄 随机变量：年龄X
个体：张三28岁；李四5岁；
样本：{ 28；5；14；56；23；2；39；…；69} 样本容量：200
抽样：随机抽取200人进行调查的过程
6
例2：为了确定工厂生产的电池电量分布情况，在
产品中随机抽取500个，测量其电量。记录了
x
0
F n1 , n2
F分布的分位数
x
F分布的上α分位点
对于给定的 , 0 1, 称满足条件
F n1 , n2
f 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
17
不易计算！
18
抽样分布 —— 任意统计量 Q = g (X1, X2, …, Xn ) 的分布函数 抽样分布的计算： 多维随机变量（独立、同分布）的函数的分布 函数的计算问题。
得到统计量 Q 的抽样分布，就可以用来解决
关于总体 X 的统计推断问题。
19
关于随机变量独立性的两个定理
解：(1)作变换 Yi
显然Y1 , Y2 ,
2 n i 1
Xi
, Yn相互独立，且Yi N 0,1 i 1, 2,
Xi
i 1, 2,
,n
,n
于是 (
) Yi 2 2 n
2 i 1
28
n
(2)
2 ( X X ) X1 X 2 ~ N (0, 2 2 ), 1 2 2 ~ 2 (1) 2
《概率论与数理统计》第六章
既然总体是随机变量X，自然就有其概率分布。
我们把X的分布称为总体分布。
总体的特性是由总体分布来刻画的。因此，常 把总体和总体分布视为同义语。
第六章 样本及抽样分布 ‹#›
例2
在例1中，假定物体真实长度为(未知)。一般 说来，测量值X就是总体，取 附近值的概率要大一 些，而离 越远的值被取到的概率就越小。
k=1,2,…
第六章 样本及抽样分布 ‹#›
它反映了总体k 阶矩的信息
样本k阶中心矩
Bk
1 n
n i 1
(Xi
X )k
它反映了总体k 阶 中心矩的信息
第六章 样本及抽样分布 ‹#›
统计量的观察值
1 n
x n i1 xi;
s2
1 n 1
n i1
(xi
x )2
s
1 n 1
n i1
(xi
x
)2
第六章 样本及抽样分布 ‹#›
实际上，我们真正关心的并不一定是总体或个
体本身，而真正关心的是总体或个体的某项数量指 标。
如：某电子产品的使用寿命，某天的最高气温， 加工出来的某零件的长度等数量指标。因此，有时也
将总体理解为那些研究对象的某项数量指标的全
体。
第六章 样本及抽样分布 ‹#›
为评价某种产品质量的好坏，通常的做法是： 从全部产品中随机(任意)地抽取一些样品进行观测(检
样本X1,X2,…,Xn 既被看成数值，又被看成随机变量， 这就是所谓的样本的二重性。
随机样本
例 4 (例2续） 在前面测量物体长度的例子中，如果我们 在完全相同的条件下，独立地测量了n 次，把这 n 次测 量结果，即样本记为
X1,X2,…,Xn .
概率论与数理统计第6章
以分组区间为底，以
Yj
Wj X j1 X j
Wj 5
为高
作频率直方图
23
从频率直方图可看到：靠近两个极端的数据出现比 较少，而中间附近的数据比较多，即中间大两头小的分 布趋势，——随机变量分布状况的最粗略的信息。
在频率直方图中， 每个矩形面积恰好等于样本值 落在该矩形对应的分组区间内的频率，即
S j
Wj X j1
Xj
X j1 X j
Wj
频率直方图中的小矩形的面积近似地反映了样本数
据落在某个区间内的可能性大小，故它可近似描述X的
分布状况。
24
12
第二．计算样本特征数
1.反映集中趋势的特征数：样本均值、中位数、众数等 样本均值MEAN 中位数MEDIAN 众数
X 90.3
91
91, 94
代表性——即子样( X1, X2 ,
,
X
)的每个分量
n
X
与
i
总体 X 具有相同的概率分布。
独立性——即 X1, X2, , Xn 是相互独立的随机变量。
满足上述两点要求的子样称为简单随机子样.获得简 单随机子样的抽样方法叫简单随机抽样.
从简单随机子样的含义可知，样本 X1, X2 , , Xn 是来自总体 X、与总体 X具有相同分布的随机变量.
2分布 t 分布 数理统计的三大分布(都是连续型). F分布 它们都与正态分布有密切的联系.
在本章中特别要求掌握对正态分布、 2分布、 t分布、F分布的一些结论的熟练运用. 它们
是后面各章的基础.
31
一、 2分布
定义 设总体 X ~ N 0,1 ， X1, X2,..., Xn 是 X
概率论与数理统计第6章
不含未知参数的样本的函数称为统计量 不含未知参数的样本的函数称为统计量. 统计量 2. 几个常见统计量
1 n 样本均值 X = ∑Xi n i=1
反映总体 均值的信息 反映总 体方差 的信息
1 n 2 2 样本方差 S = ∑( Xi − X) n −1 i=1
样本2阶中心矩 样本 阶中心矩
反映总体2 反映总体 阶 中心矩的信息
(
)
−
n1 +n2 2
x≥0
例1 设X、Y相互独立均服从正态分布 、 相互独立均服从正态分布 N(0,3), X1,X2,…,X9和Y1,Y2,…,Y9分别为来 的样本。 自X、Y的样本。求 、 的样本
U＝
X1 + X 2 + L + X 9 Y +Y +L+Y
2 1 2 2
的分布。 的分布。
2 9
小样本问题中使用） 精确抽样分布（小样本问题中使用） 抽样分布 大样本问题中使用) 渐近分布 （大样本问题中使用
{
三. 统计三大分布
1 . χ 分布
2
定义: 相互独立, 定义 设 X1 , X2 ,L, Xn相互独立 都服从正态 分布N(0,1), 则称随机变量： 则称随机变量： 分布 2 2 2 2 χ = X 1 + X 2 + …＋X n 所服从的分布为自由度为 n 的 χ 分布. 分布
3. F分布 分布 与 X ~ χ (n1),Y ~ χ (n2 ), X与Y X / n1 相互独立， 相互独立，则称统计量 F = Y / n2 定义: 定义 设
2 2
服从自由度为n 分布， 服从自由度为 1及 n2 的F分布，n1称为第 分布 一自由度， 称为第二自由度， 一自由度，n2称为第二自由度，记作 F~F(n1,n2) .
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
概率论与数理统计答案第六章
第六章 样本及抽样分布1.[一] 在总体N （52，6.32）中随机抽一容量为36的样本，求样本均值X 落在50.8到53.8之间的概率。
解： 8293.0)78()712(}63.68.163.65263.62.1{}8.538.50{),363.6,52(~2=-Φ-Φ=<-<-=<<X P X P N X2.[二] 在总体N （12，4）中随机抽一容量为5的样本X 1，X 2，X 3，X 4，X 5. （1）求样本均值与总体平均值之差的绝对值大于1的概率。
（2）求概率P {max (X 1，X 2，X 3，X 4，X 5)>15}. （3）求概率P {min (X 1，X 2，X 3，X 4，X 5)>10}.解：（1）⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧>-=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧>-=>-25541225415412}112{|X P X P X P =2628.0)]25(1[2=Φ-（2）P {max (X 1，X 2，X 3，X 4，X 5)>15}=1－P {max (X 1，X 2，X 3，X 4，X 5)≤15}=.2923.0)]21215([1}15{1551=-Φ-=≤-∏=i i X P （3）P {min (X 1，X 2，X 3，X 4，X 5)<10}=1－ P {min (X 1，X 2，X 3，X 4，X 5)≥10}=.5785.0)]1([1)]21210(1[1}10{15551=Φ-=-Φ--=≥-∏=i i X P 4.[四] 设X 1，X 2…，X 10为N （0，0.32）的一个样本，求}.44.1{1012>∑=i i X P解：)5(1.0}163.0{}44.1{),10(~3.0101221012221012查表=>=>∑∑∑===i ii ii iX P XP χX7．设X 1，X 2，…，X n 是来自泊松分布π (λ )的一个样本，X ，S 2分别为样本均值和样本方差，求E (X ), D (X ), E (S 2).解：由X ~π (λ )知E (X )= λ ，λ=)(X D∴E (X )=E (X )= λ, D (X )=.)()(,)(2λX D S E nλnX D ===[六] 设总体X~b (1,p)，X 1，X 2，…，X n 是来自X 的样本。
概率论与数理统计总结之第六章
第六章 样本及抽样分布 总体与个体：我们将试验的全部可能的观察值称为总体，这些值不一定都不相同，数目上也不一定是有限的，每一个可能观察值称为个体 总体中所包含的个体的个数称为总体的容量 容量为有限的称为有限总体 容量为无限的称为无限总体设X 是具有分布函数F 的随机变量，若,,21X X …n X ,是具有同一分布函数F 的、相互独立的随机变量，则称,,21X X …n X ,为从分布函数F （或总体F 、或总体X ）得到的容量为n 的简单随机样本，简称样本，它们的观察值,,21x x …n x ,称为样本值，又称为X 的n 个独立的观察值由定义得：若,,21X X …n X ,为F 的一个样本，则,,21X X …n X ,相互独立，且它们的分布函数都是F ，所以（,,21X X …n X ,）的分布函数为,,(21*x x F …)(),1∏==ni i n x F x又若X 具有概率密度f ，则（,,21X X …n X ,）的概率密度为,,(21*x x f …).(),1∏==ni i n x f x设,,21X X …n X ,是来自总体X 的一个样本，g(,,21X X …n X ,)是,,21X X …n X ,的函数，若g 中不含未知参数，则称g(,,21X X …n X ,)是一统计量设,,21X X …n X ,是来自总体X 的一个样本，n x x x ,^,,21是这一样本的观察值，定义：样本平均值∑==ni i X n X 11样本方差⎪⎭⎫ ⎝⎛--=--=∑∑==n i i n i i X n X n X X n S 12221211)(11样本标准差∑=--==ni i X X n S S 122)(11 样本k 阶（原点）矩,2,1,11==∑=k X n A n i ki k …样本k 阶中心矩,3,2,)(11=-=∑=k X X n B k ni i k …经验分布函数设,,21X X …n X ,是总体F 的一个样本，用∞<<-∞x x S ),(表示,,21X X …n X ,中不大于x 的随机变量的个数。
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。
浙江大学《概率论与数理统计》(第4版)【名校笔记+课后习题+考研真题】第6章 样本及抽样分布【圣才出
十万种考研考证电子书、题库视频学习平台
第 6 章 样本及抽样分布
6.1 复习笔记
一、抽样分布 1．样本统计量 （1）常用的统计量（见表 6-1-1）
表 6-1-1 常用统计量
2．经验分布函数 设 x1，x2，…， xn 是总体 F 的一个容量为 n 的样本值，将 x1，x2，…，xn 按从小到大的
1
4 / 5 4 / 5
0.2628
（2）记 M＝max{X1，X2，X3，X4，X5}，因 Xi X i 的分布函数为Φ（（x－12）/2），则
M 的分布函数为
FM（m）＝[Φ（（m－12）/2）]5
因而
P{max{X1，X2，X3，X4，X5}＞15}＝P{M＞15}＝1－P{M≤15}＝1－FM（15）＝1－[Φ （（15－12）/2）]5＝0.2923
①定理一
设 X1，X2，…，Xn 是来自正态总体 N (, 2 ) 的样本，其样本均值和样本方差为
X
1 n
n i 1
Xi,S2
1 n 1
n i 1
Xi X
2
a．
(n 1)S 2 2
~
2 (n 1)
b. X ~ N (, 2 ) n
c． X 与 S2 相互独立。
③定理二
设 X1，X2，…，Xn 是来自正态总体 N (, 2 ) 的样本， X ，S2 分别是该样本的均值和
且两者是相互独立，因此
X1 X 2 X3 ~ N 0，1 , X 4 X5 X 6 ~ N 0，1
3
3
又两者相互独立，按χ2 分布的定义
（X1＋X2＋X3）2/3＋（X4＋X5＋X6）2/3～χ2（2）
即 1/3Y～χ2（2），因此所求常数 C＝1/3。
概率论与数理统计6.第六章：样本及抽样分布
),
,
,
,
是来
Z=
(
－
证明统计量 Z 服从自由度为 2 的 t 分布。
14
),
,
,
,
是来 ， ．ຫໍສະໝຸດ 自 总 体 X 的 样 本 ， E( ) 则 ，D( )=
是来自总体 X ，D(X)= ． ，
，D( )=
11
3. 设 , 本 ,E(X)=
, , 为来自总体 X 的样 ,D(X)=9, 为样本均值 , 试用 ＜ ≥ ,
切比雪夫不等式估计 P{ P{ 4.设 , 则当 K= ＞ ≤ , , . 是总体 X
lim f (t ) (t )
n
1 e 2
t2 2
, x
3.分位点 设 T～t(n)， 若对 :0<<1,存在 t(n)>0，
4
满足 P{Tt(n)}=， 则称 t(n)为 t(n)的上侧分位点 注: t1 (n) t (n) 三、F—分布 1.构造 若 1 ~2(n1)， 2~2(n2)，1， 2 独立，则
y0
2. F—分布的分位点 对于 ：0<<1，若存在 F(n1, n2)>0， 满足 P{FF(n1, n2)}=， 则称 F(n1, n2)
5
为 F(n1, n2)的上侧 分位点； 注： F1 (n1 , n2 )
1 F (n2 , n1 )
§ 6.3 正态总体的抽样分布定理
X Y /n ~ t ( n)
t(n)称为自由度为 n 的 t—分布。 t(n) 的概率密度为
n 1 ) 1 t 2 n2 2 f (t ) (1 ) , t n n n ( ) 2 (
- 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)。
(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
近似
即当n足够大时，t ~ N (0,1).
2021/3/11
23
3. t分布的分位点 对于给定的，0 1,称满足条件
pt t(n) t(n) h(t)dt
的点t (n)为t(n)分布的上分位点.如图所示.
2021/3/11
t(n)
24
t分布的上分位点的性质： t1 (n) t (n)
t分布的上分位点t (n)可查表见P285
求得，例t0.025 (15) 2.1315.
t(n)
当n 45时，对于常用的的值，可用正态近似 t(n) z
2021/3/11
25
33.、FF分分布布
定义：设 U ~ 2 (n1 ),V ~ 2 (n2 ), 则称随机变量
F U n1 V n2
服从自由度为n1及 n2 的F分布，n1称为第自 由度，n2称为第二自由度，记作
F~F(n1,n2) .
由定义可见，
2021/3/11
1 V n2 F U n1
~F(n2,n1)
样本k阶中心矩
Bk
1 n
n i 1
(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
2021/3/11
17
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
k
p k
k 1,2,.
事实上 由X1, X2,, Xn独立且与X同分布，
有X
能获得局部观察资料.
2021/3/11
1
在数理统计中，不是对所研究的对象全体 ( 称 为总体)进行观察，而是抽取其中的部分(称为样本) 进行观察获得数据（抽样），并通过这些数据对总 体进行推断.
数理统计方法具有“部分推断整体”的 特征 .
2021/3/11
2
在数理统计研究中，人们往往研究有关对象的 某一项(或几项)数量指标和为此，对这一指标进行 随机试验，观察试验结果全部观察值，从而考察该 数量指标的分布情况.这时，每个具有的数量指标的 全体就是总体.每个数量指标就是个体.
的样本，X是样本均值，则有
即 X ~ N (0,1) n
X ~ N (, 2 ) n
（若正态总体的， 2已知，可由该定理求样本均值X）
2021/3/11
28
X ~ N (, 2 ) X ~ N (0,1) n n
请注意 :
n取不同值时样本
均值 X 的分布
2021/3/11
29
定理 2 (样本方差的分布)
设X1,X2,…,Xn是来自正态总体 N ( , 2 ) 的样本,
X和S2分别为样本均值和样本方差, 则有
(1)
(n 1)S2
2
~
2 (n 1)
(2) X与S 2独立.
n取不同值时 (n 1)S 2
的分布
2
（若正态总体的， 2已知，可由该定理求样本方差S 2）
2021/3/11
30
定理 3 (样本均值的分布)
这里样本方差S 2的值是s2
2021/3/11
n
1
1
i
x
2 i
nx
2
31
例
1.设
总 体X
~
N(0,1)，X 1 ,
X2
,
X
是
3
样
本
，
则
X
2 1
X
2 2Biblioteka X2 3~
2(3) ;
3X
~ t(3)
X
2 1
X
2 2
X
2 3
2.设X 1 , ,
X
独
10
立
同
分
布
，X
i
~
N (0,0.32 ),求c的 值 ，
F *( x1 , x2 ,, xn ) =F(x1) F(x2) … F(xn)
其简单随机样本的联合概率密度函数为
f *( x1, x2 ,, xn ) =f(x1) f(x2) … f(xn)
这里 ( x1 , x2 ,, xn )是总体随机样本( X1 , X 2 ,, X n )的取值
2021/3/11
26
三、几个重要的抽样分布定理
设总体X的均值为，方差为2，X1, X2 ,, Xn是 来自总体的一个样本，则样本均值X和样本方差S 2有
E(X) , D( X ) 2 n, E(S 2 ) D( X ) 2
2021/3/11
27
定理 1 (样本均值的分布)
设 X1, X2, …, Xn 是来自正态总体 N ( , 2 )
S2
1 n1
n i 1
(Xi
X )2
1 n
1
n
X
2 i
i 1
nX
2
它反映了总体 方差的信息
观察值
s2
n
1
1
n i 1
x
2 i
nx 2
样本标准差
S
n
1
n
1
(
i 1
X
i
X
)2
观察值 s
1 n1
n i 1
( xi
x)2
2021/3/11
16
样本k阶原点矩
Ak
1 n
n i 1
X
k i
k=1,2,…
2021/3/11
5
例如:研究某批灯泡的寿命时，关心的数量指标
就是寿命，那么，此总体就可以用随机变量X表示，
或用其分布函数F(x)表示.
总体
寿命 X 可用一概率分布 （如指数分布）来刻划
X:某批 灯泡的寿命
2021/3/11
鉴于此，常用随机变量的记号 或用其分布函数表示总体. 如 说总体X或总体F(x) .
其观察值为 x1 , x2 , xn .
统计模型：样本( X1, X 2 ,, X n )的联合分布(独立同分布)
2021/3/11
13
第三节 样本及抽样分布
统计量 统计三大抽样分布 几个重要的抽样分布定理
2021/3/11
14
一、统计量
1. 统计量
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.
2 (n)
f
(
y)dy
的点2 (n)为 2(n)分布的上分位点，
如图所示. 2 (n)可通过查表求，例
2 0.1
(25)
34.381.
0.1, n 25,见P386
2 (n)
2021/3/11
21
2. t 分布
定义: 设X～N(0,1) , Y～ 2(n) , 且X与Y相互
独立，则称变量
t X Yn
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.
2021/3/11
9
由定简义单：随机抽样得到的样本称为简单随机样本， 它可以用与总体独立同分布的n个相互独立的随机
变量X1,X2,…,Xn表示.
若总体的分布函数为F(x)、概率密度函数为 f(x),则其简单随机样本的联合分布函数为
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.
2021/3/11
12
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,
这种不含任何未知参数的样本的函数 g( X1, X2 ,, Xn )称为统 计量. 它是完全由样本决定的量,其取值(观察值)是 g( x1, x2 ,, xn )