概率论-样本与统计量、统计量的分布.共44页文档
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.
第5章 概率分布与统计量抽样分布优秀课件
P(a X b) a f (x)dx F(b) F(a)
分布函数与密度函数的图示
1. 密度函数曲线下的面积等于1 2. 分布函数是曲线下小于 x0 的面积
f(x)
F ( x0 )
x0
x
连续型随机变量的期望和方差
1. 连续型随机变量的数学期望为
E(X ) xf (x)dx
2. 方差为
第5章 概率分布与 统计量抽样分布
随机变量的概念
随机变量
(random variables)
1. 一次试验的结果的数值性描述 2. 一般用 X、Y、Z 来表示 3. 例如: 投掷两枚硬币出现正面的数量 4. 根据取值情况的不同分为离散型随机变
量和连续型随机变量
离散型随机变量
(discrete random variables)
n
E( X ) xi pi i 1
( X取有限个值）
E( X ) xi pi i 1
( X取无穷个值）
离散型随机变量的方差
(variance)
1. 随机变量X的每一个取值与期望值的离差平 方和的数学期望，记为D(X)
2. 描述离散型随机变量取值的分散程度 3. 计算公式为
D( X ) E[ X E( X )]2 若X是离散型随机变量，则
概率是曲线下的面积
b
P(a X b) a f (x)dx
f(x)
ab
x
分布函数
(distribution function)
1. 连续型随机变量的概率可以用分布函数F(x) 来表示
2. 分布函数定义为
x
F(x) P(X x) f (t)dt ( x )
3. 根据分布函数，P(a<X<b)可以写为
概率论 第六章 样本及抽样分布
一般，设 x1,x2, …,xn 是总体F的一个容 量为n的样本值，先将x1,x2, …,xn 按自小到 大的次序排列，并重新编号，设为
x(1) ≤x(2) ≤…≤x(n) 则经验分布函数Fn(x)的观察值为
0,
若x x(1) ,
性质：
(1) limf (t)
1
e ; t2 2
n
2
(2)当n 45时 取t (n) Z .
（三）设Ｘ~２(n1), Y~ ２(n2), 且Ｘ 与Ｙ相互独立，则随机变量
F X/ n1 Y / n2
则称F服从第一自由度为n1，第二自由 度为n2的F分布，记作
F~F(n1 ，n2)
F分布的分布密度为
2 2
E( X 2 ) D( X ) (E( X ))2
2 2
n
E(S 2 )
E[ 1 n 1
n i 1
(Xi
X
)2 ]
E[
1
n
(
n 1 i1
X
2 i
2
n X )]
1
n
E(
n 1 i1
X
2 i
nX
2
)
1 [E( n 1
n i 1
X
2 i
)
E(n X
2
)]
1[ n 1
n i 1
考察某厂生产的电容器
的使用寿命。在这个试验 中什么是总体，什么是个 体。
解 个体是每一个电容器 的使用寿命；总体X是各个 电容器的使用寿命的集合。
2. 样本
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，这一抽取过程称为 “抽样”，所抽取的部分个体称为样本. 样 本中所包含的个体数称为样本容量.
概率论-样本与统计量、统计量的分布
iid
Xi
N (0,1) (
i 1
n
Xi
)
2
(n)
2
Xi X 则Z1,Z2,…,Zn并不完全自由, 有一个约束条件: 令 Zi 故自由度 1 Z1+Z2+…+Zn= ( X 1 X X 2 X X n X ) =0 为n-1.
特别地,若 X1 , X 2 , , X n ~ N ( , 2 )
则 X 1X ~ N , , i
n 2
i . i .d
X
n i 1
n
n
~ N 0,1
标准正态分布的 分位数
定义 若 P X u 则称u为标准正态 分布的上 分位数.
2
E( X ) ( E X ) D X n 1 n 1 2 2 2 2 2 ( ) n ( ) n 1 i 1 n
1 2 2 EX i nE ( X ) n 1 i 1
S2
样本的数字特征
3.样本k阶矩 k阶原点矩 k阶中心矩
1 mk X ik n i 1
1 n M k ( X i X )k n i 1
n
m1 X n1 2 M2 S n S 2 ( n较大)
性质 如果总体X的期望为，方差为2，则 2 D( X ) (1) E ( X ) E ( X ) (2) D( X ) n n
i 1
n
3.总体、样本、样本观察值的关系
总体
理论分布
样本
样本观察值
样本空间 —— 样本所有可能取值的集合.
《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 .
概率论第六章样本及抽样分布
本相互独立，记
1 n1 X Xi n1 i 1 1 n2 Y Yi n2 i 1
则有 ⑴
2 1 2 2 2 1 2 2
1 n1 S12 ( X k X )2 n1 1 k 1 1 n2 2 S2 (Yk Y ) 2 n2 1 k 1
S / ~ F (n1 1, n2 1) S /
⑵ 当 时
2 1 2 2 2
X Y ( 1 2 ) ~ N (0,1) 1 1 n1 n2
(n1 1) S12
2 1
2 (n2 1) S2
2 2
~ 2 (n1 n2 2)
X Y ( 1 2 ) ~ t (n1 n2 2) 1 1 S n1 n2
2
又因为
(n 1)S 2
2
~ (n 1)
2
X n1 X n
故 Y
(n 1) S 2
n n 1 ~ t (n 1) /(n 1)
2
X n1 X n Y S
n ~ t (n 1) n 1
例4
设总体X , Y 相互独立 X ~ N (0,32 ) , Y ~ N (0,32 ) ,
2
X n1 X n n X 1 , X 2 ,, X n , X n1 , 求 Y 的分布 . S n 1 1 n 1 n 2 2 其中 X n X i , S ( Xi X n ) n i 1 n 1 i 1
1 2 解 由已知得 X n1 ~ N ( , ) , X n ~ N ( , ) , n n 1 2 所以 X n1 X n ~ N (0, ) n n 标准化得 X n1 X n ~ N (0,1) n 1
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)
概率论数理统计基础知识第五章
C
]
（A）Y ~ 2 (n). （B）Y ~ 2 (n 1). （C）Y ~ F (n,1). （D）Y ~ F (1, n).
【例】设 随机变量X和Y都服从标准正态分布，则[ C ]
（A）X+Y服从正态分布.
2 2 2
（B）X2 +Y2服从 2分布. Y
2
2 X （C）X 和Y 都服从 分布. （D）
(X ) ~ t ( n 1) S n
客、考点 10，正态总体的抽样分布
33/33
34/33
35/33
【例】设总体 X ~ N (0,1)，X 1 , X 2 , X1 X 2
2 2 X3 X4
, X n 是简单随机
2 X i. i 4 n
样本 , 试问下列统计量服从什么分布？ （1 ） ; （2 ） n 1X1
记：F分布是两个卡方分布的商
2. F 分布的上侧分位数
设 F ~ F (k1 , k2 ) ，对于给定的 a (0,1) ，称满足条件
P{F Fa (k1 , k2 )}
Fa ( k1 ,k2 )
f F ( x)dx a
的数 Fa (k1 , k2 ) 为F 分布的上侧a 分位数。
服从F分布.
§5.5 正态总体统计量的分布
一、单个正态总体情形 总体
X ~ N ( , 2 ) ，样本 X1 , X 2 , , Xn ，
1 n 样本均值 X X i n i 1
n 1 2 样本方差 S 2 ( X X ) i n 1 i 1
1. 定理1 若设总体X~N(μ,σ2), 则统计量
有一约束条件
(X
i 1
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
概率论.pdf
考研数学问题咨询张伟老师新浪微博张伟老师仰望星空E-mail: zwpku@参考教材概率论与数理统计第四版（浙江大学主编）重要定理、性质、公式、结论经典例题、重要例题及不需要做的题目第一章概率论的基本概念（考小题）第一节随机试验（了解）第二节样本空间，随机事件（了解）第三节频率与概率（频率可以不用看，了解）第四节等可能概率（古典概论）（难点非重点，做一些基本题即可）第五节条件概率（重要，考小题为主，考大题有时会用到）第六节独立性（重要，考小题为主，大题经常会用到）第二章随机变量及其分布（至少考小题，考大题一定会用到）第一节随机变量（了解）第二节离散型随机变量及其分布律（重要，经常考）第三节随机变量的分布函数（重要，每年必考）第四节连续型随机变量及其概率密度（重要，每年必考）第五节随机变量的函数分布（重要，大题的命题点）第三章多维随机变量及其分布（考大题可能性极大）第一节二维随机变量（了解）第二节边缘分布（理解）第三节条件分布（理解）第四节概率独立的随机变量（重要，基本每年必考）第五节两个随机变量函数的分布（重要，大题的经典命题点）第四章随机变量的数字特征（重要）第一节数学期望（重要，每年必考）第二节方差（重要，每年必考）第三节协方差与相关系数（重要，经常考）第四节矩，协方差矩阵（矩，了解，协方差矩阵不用看）.第五章大数定律及中心极限定理(了解)第一节大数定律(了解,关注定律的前提条件与结论)第二节中心极限定理（了解，关注定理的前提条件与结论）考研数学问题咨询张伟老师新浪微博张伟老师仰望星空E-mail: zwpku@第六章样本及抽样分布（考小题为主）第一随机样本（了解，其中有重要概念，简单随机样本）第二直方图和箱线图（重要，考小题）第三抽样分布（重要，考小题）第七章参数估计（重要，考大题经典章节）第一节点估计（极其重要，矩估计：重点非难点，最大似然估计（重点且难点））第二节基于截尾样本的最大似然估计（不用看）第三节估计量的评选标准（数一重要，数三不用看）第四区间估计（数一理解，考的比较少）第五正态总体均值与方差的区间估计（数一理解，考的比较少）第六（０－１）分布参数的区间估计（不用看）第七单侧置信区间（理解，一般不考）（第四－第七，只有数一考，数三均不用看）第八章假设检验（理解，一般不考，只有数一有要求，数三不考）第一假设检验（理解）第二正态总体均值的假设检验（理解）第三正态总体方差的假设检验（理解）第四，第五，第六，第七，第八（均不用看）．考研数学问题咨询张伟老师新浪微博张伟老师仰望星空E-mail: zwpku@考研数学概率统计的重点难点必考点及重要例题和习题不用做的例题和习题第一章概率论的基本概念P３最后４行的小写字体不用看P５例３不用做（一）频率不用看P6-7 例 1 与例 2 均不用做，P7 概率重点看P9 等可能概率一般都不单独考，考大题经常会用到，P13 例 6 不用做，P14 例 8 不用做 P14 条件概率重点看，P15 例 2 不用做，P16 例 3 不用做，P17 例 4 重点做P17（三）全概率公式和贝叶斯公式为难点P19例5不用做，P20独立性为考研数学的绝对重点，P22例2与例3均不用做P23例4重点做P24-29 不用做的习题是 1、5、6、10、12、15、16、18、19、20、21、23、25、26、29、32、34、35、38、39、40第二章随机变量及其分布P30 例 1 不用看P37 泊松定理只需要记住结论，证明可以不用看P38 随机变量的分布函数为考研必考概念P42 连续性随机变量概率密度为考研必考点P50 随机变量的函数的分布是考大题的重要命题点P53 例 5 不用做P55-59 不用做的习题 1、5、6、7、9、10、11、13、15、16、19、22、27、28、30、31、38、39第三章多位随机变量及其分布P63 性质 4 的解释不用看P65 例 1 不用做，P66 例 3 重点做一下（提升计算能力）P68 例 1 不用做，P72 相互独立的随机变量为重点章节P76 两个随机变量的函数的分布为考大题的重要备考章节P78 例 3 不用做，P81 例 5 不用做P84-89 不用做的习题是 3、6、7、10、11、12、13、28、31第四章随机变量的数字特征P91 例 1 不用做，P92 例 3 与例 4 不用做，P93 例 5 不用做P95 中间的证明不用看，P96 例 8 与例 10 不用做P97 例 11 不用做，P100 例 13 不用做，P105 不用做P107 XY的两条重要性质的推导及含义不用看考研数学问题咨询张伟老师新浪微博张伟老师仰望星空E-mail: zwpku@考研数学问题咨询张伟老师新浪微博张伟老师仰望星空E-mail: zwpku@P108 只需要看前四行即只需要记住定理 4 证明可以不用看P109 例 2 重点做（提升计算能力）P110 矩为一般考点，协方差矩阵不用看P113-118 不用做的习题是 1.4.5.12.13.15.16.18.19.22.23.24.35.36.37.38第五章大数定律及中心极限定理（难点非重点）P124 例 1 不用做P126-127 不用做的习题是 2、4、5、10、11、13第六章样本及抽样分布（一般考点考小题）P130 第四行简单随机样本为重要概念P130 第二节直方图和箱线图不用看P135 第三节抽样分布（考小题），P136 统计量定义及几个常见统计量要重点看而且要牢记其表达式P137 经验分布函数只有数三同学稍微了解P138-141 数理统计所有的三大分布的典型模式要牢记但三种分布的概率密度表达式可以不用记P145-147 定理 2 的证明与推广均不用看P147-148 不用做的习题是 1、5、6、10、11第七章参数估计（数一数三的绝对的重点和难点）P149 点估计数一数三的绝对重点矩估计重点非难点，最大似然估计重点且难点P163-155 例 4 例 5 例 6 重点做P156-158 第二节基于截尾样本的最大似然估计不用看P158 估计量的评选标准数一重点看，数三大纲上虽然没有但建议数三看一下最好P161-168 区间估计，正态总体均值与方差的区间估计，只有数一看，为一般考点P168 0-1 分布参数的区间估计数一数三均不用看P169 单侧置信区间，只有数一看，为一般考点P193-177 数三不用做的习题为 4（3）、6、7、8、9、10、11-27 均不用做数一不用做的习题为4（3）、6、7、8、9、15、17、20、21、22、23、26、27第八章假设检验（数一特有的考点，难点非重点）数一只需要看前四节P178-193从第五节以后均不需要看P218-223 习题只需要做 1、2、3、4 其余的题目可以不用做考研数学问题咨询张伟老师新浪微博张伟老师仰望星空E-mail: zwpku@。
概率论与数理统计-第五章
【数理统计简史】
1. 近代统计学时期
18 世纪末到 19 世纪，是近代统计学时期．这一 时期的重大成就是大数定律和概率论被引入统计 学．之后最小二乘法、误差理论和正态分布理论 等相继成为统计学的重要内容．这一时期有两大 学派：数理统计学派和社会统计学派．
【数理统计简史】 数理统计学派始于19世纪中叶，代表人物是比 利时的凯特莱（ A.Quetelet ， 1796-1874 ），著有 《概率论书简》《社会物理学》等，他主张用研 究自然科学的方法研究社会现象，正式把概率论 引入统计学，并最先用大数定律证明了社会生活 中随机现象的规律性，提出了误差理论．凯特莱 的贡献，使统计学的发展进入个了一个新的阶 段．
i =1 36
1 2 2 3 2 2 2 2 D( X ) = E ( X ) − E ( X ) = ( 0 + 1 + 2 + 3 ) − 4 2 5 = 4
2
二、样本与抽样 由于X1，X2，...，X36均与总体X同分布，且相互独 立，所以，Y的均值和方差分别为
E (Y ) = E ( ∑ X i ) = 36 E ( X ) = 54,
【数理统计简史】 18世纪到 19世纪初期，高斯从描述天文观测的 误差而引进正态分布，并使用最小二乘法作为估 计方法，是近代数理统计学发展初期的重大事件， 对社会发展有很大的影响．
【数理统计简史】 用正态分布描述观测数据的应用是如此普遍，以 至 在 19 世 纪 相 当 长 的 时 期 内 ， 包 括 高 尔 顿 （ Galton ）在内的一些学者，认为这个分布可用 于描述几乎是一切常见的数据．直到现在，有关 正态分布的统计方法，仍占据着常用统计方法中 很重要的一部分．最小二乘法方面的工作，在 20 世纪初以来，经过一些学者的发展，如今成了数 理统计学中的主要方法．
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--第五章 统计量及其分布
5.2.2 频数--频率分布表
样本数据的整理是统计研究的基础，整理数据的最常用方法之一是给出其频数分布表或频率分布表。
例5.2.2 为研究某厂工人生产某种产品的能力， 我们随机调查了20位工人某天生产的该种产品 的数量，数据如下
(1) 对样本进行分组：作为一般性的原则，组数通 常在5~20个，对容量较小的样本;
这是一个容量为10的样本的观测值，(体会抽样作用) 对应的总体为该厂生产的瓶装啤酒的净含量。
这样的样本称为完全样本。
例5.1.4 考察某厂生产的某种电子元件的 寿命，选了100只进行寿命试验，得到 如下数据：
表5.1.2 100只元件的寿命数据
表5.1.2中的样本观测值没有具体的数值， 只有一个范围，这样的样本称为分组样本。
设总体X具有分布函数F(x), x1, x2, …, xn 为取自该总体的容量为n的样本，则样本联合分布函数为
用简单随机抽样方法得到的样本称为 简单随机样本，也简称样本。
于是，样本 x1, x2, …, xn 可以看成是 独立同分布( iid ) 的随机变量， 其共同分布即为总体分布。
5.2.1 经验分布函数
(2) 确定每组组距：近似公式为 组距d = (最大观测值 最小观测值)/组数;
(3) 确定每组组限： 各组区间端点为 a0, a1=a0+d, a2=a0+2d, …, ak=a0+kd, 形成如下的分组区间 (a0 , a1] , (a1, a2], …, (ak-1 , ak]
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 (
统计学第4章概率分布样本统计量PPT演示文稿
4 - 15
2008年8月
统计学
STATISTICS (第三版)
样本分布（或经验分布）
• 样本分布的特点
1. 来自总体，蕴含总体的信息和特征
2. 当样本容量n小的时候，样本分布与总 体分布会有偏差和不一致
3. 当样本容量n增大时，样本分布接近总 体分布
4 - 16
2008年8月
统计学
STATISTICS (第三版)
4 - 12
2008年8月
统计学
STATISTICS (第三版)
总体分布
• 总体分布的定义： 总体中各元素的观察值所行成的相对频数 分布
• 怎么得到总体分布？ ✓ 若所有观察值可得到，通过直方图观察其
分布状况 ✓ 若不能得到所有观察值，这时可抽样推断
4 - 13
2008年8月
统计学
STATISTICS (第三版)
望值为μ，方差为σ2/n。即x～N(μ,σ2/n)
s =10
n= 4
sx 5
n =16
sx 2.5
m = 50 X
总体分布
mx 50
x
抽样分布
4 - 24
2008年8月
统计学
STATISTICS (第三版)
4 - 25
2008年8月
统计学
STATISTICS (第三版)
4 - 26
2008年8月
3 2.0 2.5 3.0 3.5
4 2.5 3.0 3.5 4.0
P(x) 0.3
0.2
0.1
0 1.0 1.5 2.0 2.5 3.0 3.5 4.0 x
样本均值的抽样分布
4 - 21
2008年8月