03 第三节 正态总体的抽样分布
第三讲 抽样分布和估计
x
Proportion p
p
Variance Difference
2
-
12
s2
__ x -x
12
30
联合食品公司的案例
针对“联合食品公司”的案例（P.44 案例2-1）， 我们假设调查的100个客户组成一个简单随机样 本。尝试回答下面的问题： 1）所有客户一次购买金额的平均值是多少?
第三讲
抽样分布和估计
1
概率论与统计学之间的关系
一个概率论的问题：
假定有一个大盒子中有 10,000个球，分布如下： 70%的黑球和 30%的白球
随机抽取100个球，得到60个黑球和40个白球的 概率是多少？
---- 给定一个总体（盒子中的所有小球）的已知 特征（70% 和30%），研究一个试验（抽取小球） 的可能的结果 (例如 60-40) 。
2
一个统计学的问题：
假定一个大盒子中有 10,000个小球（黑和白）。 随机抽取100个小球，发现其中有60个黑球和40个
白球。那么黑球在盒子中所占的比例是多少？
---- 观察到一个试验（抽取小球）的结果 (60-40), 推断出这个总体（盒子中的所有小球）的特征 （比例）
3
总体－样本理论 统计推断采用一个（有代表性的）子总体 （样本）来对总体的某些特征进行科学的 推断。
10 2 55 7.42
x 10.33 s 2 56.78 s 7.54
抽样分布
样本不同， x 值也不同。那么 x 取不同 值的可能性分别是什么？ x 的概率分布称作它的抽样分布。 抽样分布在统计推断中的中心地位。 抽样分布取决于总体的分布（模型）以 及抽样的方式。
抽样方式 总体分布===== 抽样分布
抽样方法、正态分布
抽样方法、正态分布本页仅作为文档封面，使用时可以删除This document is for reference only-rar21year.March抽样方法、正态分布重点、难点讲解：1．抽样的三种方法：简单随机抽样、系统抽样、分层抽样。
后两种方法是建立在第一种方法基础上的。
2．了解如何用样本估计总体: 用样本估计总体的主要方法是用样本的频率分布来估计总体分布，主要有总体中的个体取不同数值很少和较多甚至无限两种情况。
3．正态曲线及其性质：N()，其正态分布函数：f(x)=, x∈(-∞,+∞)。
把N(0,1)称为标准正态分布，相应的函数表达式：f(x)=, x∈(-∞,+∞)。
正态图象的性质：①曲线在x轴的上方，与x轴不相交。
②曲线关于直线x=μ对称。
③曲线在x=μ时位于最高点。
④当x<μ时，曲线上升；当x>μ时，曲线下降，并且当曲线向左、右两边无限延伸时，以x轴为渐近线，向它无限靠近。
⑤当μ一定时，曲线的形状由确定，越大，曲线越“矮胖”，表示总体的分布越分散；越小，曲线越“瘦高”，表示总体的分布越集中。
4．一般正态分布与标准正态分布的转化对于标准正态分布，用表示总体取值小于x0的概率，即=p(x<x0)，其几何意义是由正态曲线N(0,1)，x轴，直线x=x0所围成的面积。
又根据N(0,1)曲线关于y轴的对称性知，，并且标准正态总体在任一区间(a,b)内取值概率。
任一正态总体N()，其取值小于x的概率F(x)=。
5．了解“小概率事件”和假设检验的思想。
知识应用举例：例1．从503名大学一年级学生中抽取50名作为样本，如何采用系统抽样方法完成这一抽样思路分析：因为总体的个数503，样本的容量50，不能整除，故可采用随机抽样的方法从总体中剔除3个个体，使剩下的个体数500能被样本容量50整除，再用系统抽样方法。
解：第一步：将503名学生随机编号1，2，3，……，503第二步：用抽签法或随机数表法，剔除3个个体，剩下500名学生，然后对这500名学生重新编号。
抽样检验和抽样分布
占总体单位数N的比例，即：
n n n n 1 2 3 K n
N1 N2 N3
NN K
各类型组应抽取的样本单位数为：
N n
in
n N i N i N
样本比率抽样样本容量：按前面指定的比
例(n/N)从每组的Ni单位中抽取ni个单位 即构成一个抽样总体,其样本容量为:
K
n= n1+ n2+ n3+…+ nk= ni i 1
数μ；
3、样本平均数 x 分布的均方差 x 等于：
当为有限总体无放回抽样时，其样本均值 标准差为：
N
N x
N
N
p
1
p
如果总体为无限总体的或抽取是有放回的
，其样本均值标准差为：
x
N
（二）非正态总体样本平均数 x 的分布及
性质？
1、中心极限定理可以解决上述问题：
一个具有任意函数形式的总体，其样
2、抽样误差：是指由于随机抽样的偶然因 素使样本各单位的结构不足以代表总体 各单位的结构，而引起抽样指标和全及 指标之间的绝对离差。不包含登记性误 差和不遵守随机原则造成的偏差。
影响抽样误差的因素有：总体各单位标 志值的差异程度；样本的单位数；抽样 的方法;抽样调查的组织形式。
第二节 随机抽样设计
样本容量足够大（n=50），据中心极限
定理，x 近似服从正态分布。
（1）
3160
x
800 113.14
x
N
50
x
P x3000 P
x
3000
3160
/ n
113.14
Pz 1.41 0.9207
同理处理（2）和（3）
统计学 第三章抽样与抽样分布
=10
= 50 X
总体分布
n= 4
x 5
n =16
x 2.5
x 50
X
抽样分布
从非正态总体中抽样
结论：
从非正态中体中抽样，所形成 的抽样分布最终也是趋近于正态分 布的。只是样本容量需要更大些。
总结：中心极限定理
设从均值为，方差为 2的一个任意总体中抽 取容量为n的样本，当n充分大时（超过30），样本 均值的抽样分布近似服从均值为μ、方差为σ2/n的
总体
样本
参数
统计量
总体与样本的指标表示法
总体参数
样本统计量
(Parameter) (Sample Statistic)
容量 平均数 比例 方差 标准差
N
n
X
x
p
2
s2
s
小练习
某药品制造商感兴趣的是用该公司开发的某 种新药能控制高血压人群血压的比例。进行了一 项包含5000个高血压病人个体的研究。他发现用 这种药后80%的个体，他们的高血压能够被控制。 假定这5000个个体在高血压人群中具有代表性的 话，回答下列问题： 1、总体是什么？ 2、样本是什么？ 3、识别所关心的参数 4、识别此统计量并给出它的值 5、我们知道这个参数的值么？
正态分布
一个任意分 布的总体
x
n
当样本容量足够 大时(n 30) ， 样本均值的抽样 分布逐渐趋于正 态分布
x
X
总体分布
正态分布
非正态分布
大样本 小样本 大样本 小样本
正态分布
正态分布
非正态分布
三 中心极限定理的应用
中心极限定理(Central Limit theorem) 不论总体服从何种分布，从中抽取
正态总体下的抽样分布
§1.2数理统计中常用的分布正态总体是最常见的总体, 本节介绍的几个抽样分布均对正态总体而言.1.标准正态分布2. 2分布3.t分布4.F分布o xϕ(x )定义:设X ~N (0,1),对任给的α, 0<α<1,称满足条件1、标准正态分布αϕαα==>⎰+∞dx x z X P z )(}{的点z α为标准正态分布的上α分位点.z αα例：求z0.05解:P{X≤z0.05}=1−P{X>z0.05}=1−0.05=0.95∵P{X≤1.64}=0.9495P{X≤1.65}=0.9505∴z0.05≈(1.64+1.65)/2=1.645公式: Φ(zα)=1−α常用数字575.296.1645.1005.0025.005.0===zzz定义:设X i ~N (0,1) (i =1,2,...,n ), 且它们相互独立,则称随机变量2、χ2分布221nii X χ==∑服从自由度为n 的χ2分布,记为χ2~χ2(n ).χ2分布最常用的是拟合优度检验.其中，在x > 0时收敛，称为Γ函数，具有性质1()tx te dtx +∞−−Γ=⎰(1)(),(1)1,(1/2)(1)!()x x x n n n N πΓ+=ΓΓ=Γ=Γ+=∈一般自由度为n 的χ2(n )的密度函数为12221,0()2()20,xnnn ex ng x x x −−⎧>⎪⎪=Γ⎨⎪⎪≤⎩χ2分布的密度函数图χ2~χ2(n)D Y =Di=1nX i 2=i=1n D(X i 2)=i=1n [E(X i 4)−(E(X i 2))2]=i=1n2=2n .χ2分布的基本性质（1）设Y 1~χ2 (m ), Y 2~χ2 (n ), 且Y 1 , Y 2 相互独立，则χ2 分布的可加性（2）若Y ~χ2 (n ), 则E (Y )=n ，D (Y )=2n.= 1;)(~221n m Y Y ++χY 1=i=1mX i 2，Y 2=i=m+1m+nX i 2，)(~2n m +χY 1+Y 2=i=1m+nX i2E Y =Ei=1nX i 2=i=1nE(X i 2)=i=1n[D(X i )+(E(X i ))2]=i=1n1=n ,E(X i 4)=12πන−∞+∞x 4e −x 22dx =3故（3）设X 1,…, X n 相互独立,且都服从正态分布N (μ,σ2),则;)(~)(12122n X Y ni i χμσ∑=−=（4）若Y ~χ2 分布,则当n 充分大时,近似服从N (0,1).n n Y 2−应用中心极限定理oχ2α(n )xf (x )α设χ2~χ2(n ),其密度函数为f (x ),对于给定的正数α(0<α<1),称满足条件αχχαχα==>⎰+∞dx x f n P n )(222)()}({的点χ2α(n )为χ2(n )分布的上α分位点.χ2分布的上α分位点当n 充分大时,22)12(1)(−+≈n z n ααχ例：设X ~N (μ,σ2), (X 1,X 2,...,X 16)是取自总体X 的样本,求概率:}2)(1612{216122σμσ≤−≤∑=i iX P 解:∵X 1,X 2,...,X 16相互独立且)1,0(~N X i σμ−)16(~)(21612χσμ∑=−∴i i X}2)(1612{216122σμσ≤−≤∑=i iX P }32)(8{1612≤−≤=∑=i i X P σμ}32)({}8)({16121612>−−≥−=∑∑==i i i i X P X P σμσμ≈0.95−0.01=0.94定义:设X ~N (0,1)，Y ~χ2(n )，且X 与Y 相互独立,则称随机变量3、t 分布服从自由度为n 的t 分布,记为T ~t (n )./X T Y n=T 的密度函数为：22112()1,.2n n n t x x n n n x π+−+⎛⎫Γ ⎪⎛⎫⎝⎭=+−∞<<∞ ⎪⎛⎫⎝⎭Γ ⎪⎝⎭1908年英国统计学家W.S. Gosset （笔名Student ）t分布的密度函数图T~t(n)t 分布的上α分位点设T ~t (n ),其密度函数为f (x ),对于给定的正数α(0<α<1),称满足条件(){()}()t n P T t n f x dt ααα+∞>==⎰的点t α(n )为t 分布的上α分位点.f (x )xt α(n )αt *0f (x )1-αx-t *t 分布的双侧α分位点设T ~t (n ),其密度函数为f (x ),对于给定的正数α(0<α<1),称满足条件*{||}1P T t α<=−的数t *为t 分布的双侧α分位点.α/2t 分布的密度函数f (x )是偶函数，故**()()P T t P T t ≤−=≥***(||)()P T t P t T t <=−<<*(),2P T t α≥=于是得即*()2P T t α>=**()()P T t P T t =<−≤−**(1())()P T t P T t =−≥−≥*12()1,P T t α=−≥=−= t α/2(n )t 分布的性质(1) 其密度函数f (x )是偶函数(3) f (x )的极限为N (0,1)的密度函数,即221lim ()()2x n f x x e φπ−→∞==(2)t 1−α(n )= −t α(n )当n >45时,t α(n )≈z α例：设X , Y 1,Y 2,Y 3,Y 4 相互独立,且X ～N (2,1),令Y i ～N (0, 4),i =1, 2, 3, 4 ,解：∵X -2～N (0, 1),～t (4),即Z 服从自由度为4 的t 分布.求Z 的分布.由t 分布的定义Y i /2～N (0, 1),i = 1, 2, 3, 4 . ,)2(4412∑=−=i iY X Z ∑=−=412)2(4i i Y X Z 4)2(2412∑=−=i i Y X例：设随机变量X 与Y 相互独立，X ~ N (0,16),Y ~ N (0,9) , X 1, X 2,…, X 9与Y 1, Y 2 ,…, Y 16分别是取自X 与Y 的简单随机样本,求统计量所服从的分布.解：)169,0(~921⨯+++N X X X )1,0(~)(431921N X X X +++⨯ 2162191YY XX Z ++++=从而16,,2,1,)1,0(~31=i N Y i )16(~3122161χ∑=⎪⎭⎫ ⎝⎛i i Y 2162221921Y Y Y X X X ++++++ ()16314311612921∑=⎪⎭⎫ ⎝⎛+++⨯=i i Y X X X )16(~tt分布用于在小样本(n<30)场合下的正态分布(大样本(n≥30)场合下可以用正态分布来近似),有时候在信息不足的情况下,只能用t分布,比如在总体方差不知的情况下,对总体均值的估计和检验通常要用t统计量.12222,()2(),0()()()220,0m n m m nm n x x m nm n n m x m n f x x +−−+⎧Γ⎪+>⎪=⎨ΓΓ⎪⎪≤⎩F 的密度函数为:所服从的分布为第一自由度为m ，第二自由度为n 的F 分布，记作F ~ F (m , n ).4、F 分布则称统计量F 分布多用于比例的估计和检验！nY mX F =定义：设随机变量X 与Y 独立，且X~χ2(m),Y~χ2(n),F 分布的密度函数图F~F(m,n)F 分布的上α分位点设F ~F (m ,n ),其密度函数为f (x ),对于给定的正数α(0<α<1),称满足条件ααα==>⎰+∞dx x f n m F F P n m F ),()()},({的点F α(m ,n )为F 分布的上α分位点.0f (x )F α(m ,n )αxF 分布的性质(1) 若F ~F (m ,n )，则(2)()~,1F F n m ),(1),(1m n F n m F αα=−}),(11{1n m F F P α−≤=∵1−α=P {F ≥F 1−α(m ,n )}}),(11{11n m F F P α−>−=αα=>⇒−}),(11{1n m F F P ),(),(11m n F n m F αα=⇒−（3）若X ~ t (n ), 则X 2~ F (1, n );mX nY F=1例：设F ~ F (24, 15) ,求F 1,F 2,F 3,使其分别满足P (F >F 1 )= 0.025 , P (F <F 2 )= 0.025 , P (F >F 3 )= 0.95 .解：(1)由m =24，n =15，α= 0. 025 ，查P192 附表6(2)无法直接查表获得,但由F 分布性质知1/F ~F (15, 24)，查附表6知(3) ∵F 3 =F 0. 95(24,15), 查附表6知：∴ F 2 = 1/2.44 = 0.41 ; 由性质(2)知,025.0)11()(22=>=<F F P F F P 1F 2=F 0.025(15,24)=2.44⇒P(F <1/2.44)=0.025F 0.05(15,24)=2.11,,)24,15(1)15,24(95.0195.0−=F F .474.011.213==∴F 知F 1= F 0.025 (24, 15)= 2.70 ;抽样分布定理1. 单个正态总体的抽样分布2. 两个正态总体的抽样分布定理：设X 1,X 2,...,X n 是来自正态总体N (μ,σ2)的样本,则1. 单个正态总体的抽样分布(1)),(~2n N X σμ)1,0(~N n X σμ−⇒(2)与S 2相互独立X (3))1(~)1(222−−n S n χσ(4))1(~−−n t n S X μ1σ2n(X i −μ)2~χ2(n)(5)(1)∑==ni i X n X 11)1,0(~N n X σμ−⇒为n 个相互独立的正态X ∴服从正态分布∑==ni i X E n X E 1)(1)(=μ∑==n i i X D n X D 12)(1)(n2σ=),(~2n N X σμ∴随机变量的线性组合(4)),1,0(~N n X σμ− 且它们相互独立由t 分布的定义,)1(~1)1(22−−−−n t n S n nX σσμ)1(~−−n t n S X μ即22)1(σS n −~χ2(n −1)例：设(X 1,X 2,…,Xn )是取自总体X 的样本, 是样本均值,如果总体X ~N (μ,4),则样本容量n 应取多大才能使X 95.0}1.0|{|≥≤−μX P 解:)1,0(~ N n X σμ− }21.02||{}1.0|{|n n X P X P ≤−=≤−∴μμ}05.02)(05.0{n X n n P ≤−≤−=μ)05.0()05.0(n n −Φ−Φ=1)05.0(2−Φ=n ≥0.95975.0)05.0(≥Φ⇒n 96.105.0≥⇒n ⇒n ≥1536.64⇒n ≥1537解：),1(~)1(222−−n S n χσ由),,(~2nN X σμ又()⎪⎭⎫⎝⎛+−+n n N X X n 211,0~σ)1,0(~11N n n X X n +−+σ故212(1)~(1)1(1)n X Xn n St n n n σσ+⎛⎫−−−⎪+−⎝⎭于是)1(~11−+−+n t n nS X X n 即例：总体X ~N (μ,σ2)，(X 1,X 2,…,X n ,X n +1)为样本，，求X n+1−തX S n n+1的分布.S 2=1n −1i=1n(X i −തX)2തX=1n i=1nX i定理：设总体X ~N (μ1,σ12),总体Y ~N (μ2,σ22).X 1,X 2,...,是总体X 的样本,Y 1,Y 2,...,是总体Y 的样本, 且这两个样本相互独立.则1n X 2n Y 2. 两个正态总体的抽样分布(1)),(~22212121n n N Y X σσμμ+−−(2))1,1(~2122222121−−n n F S S σσ)2(~11)()(212121−++−−−n n t n n S Y X ωμμ其中2)1()1(212222112−+−+−=n n Sn S n S ω称为混合样本方差.进一步,若σ12=σ22 =σ2,有(3)),(~221221n n N Y X σσμμ+−− )1,0(~11)()(2121N n n Y X +−−−∴σμμ2211)1(σSn −~χ2(n1−1),2222)1(σSn −~χ2(n2−1)且它们相互独立22222211)1()1(Sn Sn −+−∴~χ2(n1+n 2−2)由t 分布的定义,2)1()1(11)()(21222222112121−+−+−+−−−n n Sn Sn n n Y X σσσμμ22221121112)1()1()()(n n n n Sn S n Y X +−+−+−−−−μμ即~t (n 1+n 2−2)~t (n 1+n 2−2)小结1.理解总体、个体、样本和统计量的概念,掌握样本均值和样本方差的计算及基本性质2.掌握 2分布、t分布、F分布的定义,会查表计算3.理解正态总体的某些统计量的分布。
3-理论分布与抽样分布
68-95-99.7规则
➢ 正态分布有其特定的数据分布规则： ▪ 平均值为, 标准差为σ的正态分布 ▪ 68%的观察资料落在的1σ之内 ▪ 95%的观察资料落在的2σ之内 ▪ 99.7%的观察资料落在的3σ之内
19
20
三、68-95-99.7规则
68.26% 的资料 95.45% 的资料 99.73% 的资料 -3 -2 -1 0 1 2 3 -3s -2s -s +s +2s +3s
体称为样本平均数的抽样总体。其平均数和标准差分
别记为 和 。x
s x
是样s x本平均数抽样总体的标准差，简称标准误 (standard error)，它表示平均数抽样误差的大小。统 计学上已证明x总体的两个参数与x 总体的两个参数有 如下关系：
u=(x-μ)／σ
x～N(0,1)
上一张 下一张 主 页 退12出
3.3.3 正态分布的概率计算 1. 标准正态分布的概率计算
设u服从标准正态分布，则u在[u1，u2 ）内取 值的概率为：
＝Φ(u2)－Φ(u1)
(3-16)
Φ(u1)与Φ(u2)可由附表1查得。
上一张 下一张 主 页 退13出
例如，u=1.75时，由附表1可以查出 Φ(1.75)=0.95994
图3-6 μ相同而σ不同的3个正态分布比较大 8
（6）分布密度曲线与横轴所围成的区间面积为1， 即：
（7） 正态分布的次数多数集中在平均数μ的附 近，离均数越远，其相应次数越少，在3σ以外的 极少，这就是食品工业控制中的3σ 原理的基础。
上一张 下一张 主 页 退 9出
3.3.2 标准正态分布
上一张 下一张 主 页 退16出
(1) P(u＜-1.64)=0.05050 (2) P (u≥2.58)=Φ(-2.58)=0.024940 (3) P (｜u｜≥2.56)
统计学 抽样分布和理论分布
抽样分布与理论分布一、抽样分布总体分布：总体中所有个体关于某个变量的取值所形成的分布。
样本分布：样本中所有个体关于某个变量大的取值所形成的分布。
抽样分布：样品统计量的概率分布，由样本统计量的所有可能取值和相应的概率组成。
即从容量为N 的总体中抽取容量为n 的样本最多可抽取m 个样本，m 个样本统计值形成的频率分布，即为抽样分布。
样本平均数的抽样分布：设变量X 是一个研究总体，具有平均数μ和方差σ2。
那么可以从中抽取样本而得到样本平均数x ，样本平均数是一个随机变量，其概率分布叫做样本平均数的抽样分布。
由样本平均数x 所构成的总体称为样本平均数的抽样总体。
它具有参数μx 和σ2x ，其中μx 为样本平均数抽样总体的平均数，σ2x 为样本平均数抽样总体的方差，σx 为样本平均数的标准差，简称标准误。
统计学上可以证明x 总体的两个参数 μx 和σ2x 与X 总体的两个参数μ和σ2有如下关系：μx = μσ2x = σ2 /n 由中心极限定理可以证明，无论总体是什么分布，如果总体的平均值μ和σ2都存在，当样本足够大时（n>30），样本平均值x 分布总是趋近于N （μ，n2σ)分布。
但在实际工作中，总体标准差σ往往是未知的，此时可用样本标准差S 估计σ。
于是，以nS估计σx ，记为X S ，称为样本标准误或均数标准误。
样本平均数差数的抽样分布：二、正态分布2.1 正态分布的定义：若连续型随机变量X 的概率密度函数是⎪⎭⎫ ⎝⎛--=σμπσx e x f 22121)( （-∞＜x ＜+∞）则称随机变量X 服从平均数为μ、方差为σ2的正态分布，记作X~N （μ，σ2）。
相应的随机变量X 概率分布函数为 F （x ）=⎰∞-x dx x f )(它反映了随机变量X 取值落在区间（-∞，x ）的概率。
2.2 标准正态分布当正态分布的参数μ=0，σ2=1时，称随机变量X 服从标准正态分布，记作X~N （0,1）。
第3章 抽样分布
样本方差s2
s2取值的概率
0.0 0.5
4/16 6/16
2
4.5
39
4/16
2/16
0.00 0.0 0.5 s的取值 2.0 4.5
(用Excel计算2分布的概率)
1. 利用Excel提供的CHIDIST统计函数，计算2分布 右单尾的概率值
2. 语法为 CHIDIST(x,df) ，其中 df 为自由度， x 是随 机变量的取值 3. 给定自由度和统计量取值的右尾概率，也可以利 用“插入函数”命令来实现 4. 计算自由度为8，统计量的取值大于10的概率
σ2 =1.25
23
x 2.5
x2 0.625
样本均值的抽样分布
当总体服从正态分布N(μ,σ2)时，来自该总体的所有 容量为n的样本的均值x也服从正态分布，x 的数 学期望为μ，方差为σ2/n。即x～N(μ,σ2/n)
=10
n=4 x 5 n =16 x 2.5
37
2分布
(图示)
选择容量为n 的 不同容量样本的抽样分布
n=1 n=4 n=10
总体
简单随机样本
计算样本方差s2
计算卡方值
n=20
2 = (n-1)s2/σ2
计算出所有的
2
2值
38
2分布
(例题的图示)
16个样本方差的分布
s取值的概率
0.40 0.35 0.30 0.25 0.20 0.15 0.10 0.05
13
三种不同性质的分布
1 2 3
14
总体分布 样本分布 抽样分布
总体分布
(population distribution)
正态总体的抽样分布
2π −∞
−
3
x2 ∞−
x2
∫ xe 2 d (− ) = −
2π −∞
2
∫ 3
∞
x2 −
xde 2
=−
2π −∞
3 2π
⎛ x2 −
⎜⎜ xe 2 ⎝
+∞
⎞ ⎟⎟ ⎠ −∞
∫ ∫ + 3
x2 ∞−
e 2 dx =
3
x2 ∞−
e 2 d(
x
)=
3
2π −∞
π −∞
2
f
(x)
χ
2 n
分布分位点
对于给定的 α∈(0,1), 称满足条件
{ } ∫ α P
χ
2 n
>
χ
2 n
(α
)
∞
=
f (x)dx =
χn2 (α )
的点 χn2(α)为 χn2分布的上(右)α分位点。
χn2 分布上α 分位点有表可查见附表4。
n = 10 α
χ•210(0.005)
例如 由P215查得
P
(
χ
由度为n的F分布，F ~ Fm,n 又称：df1 = m, df2 = n.
其密度函数为：
f (x)
=
⎛ ⎜ ⎜ ⎜ ⎜ ⎜⎜⎝
Γ
⎛ ⎜⎝
m
+ 2
Γ
⎛ ⎜ ⎝
m 2
⎞ ⎟ ⎠
Γ
0，
n⎞ ⎟⎠
⎛n⎞
⎛ ⎜⎝
m n
π
⎞2 ⎟ ⎠
x
π 2
−1
⎛⎜1
+
⎝
m n
第3节 正态总体下的抽样分布定理
(4) X和S2相互独立.
数理统计
n取不同值时 (n 1)S 2 的分布
2
数理统计
n取不同值时样本均值 X 的分布
数理统计
推论 设X1,X2,…,Xn是取自正态总体 N (, 2 )
的样本, 则有
X和S2 分别为样本均值和样本方差,
X ~ t(n 1)
Sn
X ~ N (0,1), / n
证
(1)
由定理2,
X
~
N (1
,
2 1
n1
)，
Y
~
N (2
,
2 2
n2
)，
且 X 与Y 相互独立，由正态分布的可加性,可得
X
Y
~
N (1
2
,
2 1
n1
2 2
)
.
n2
标准化,即得
U ( X Y ) (1 2 ) ~ N (0,1) .
2 1
2 2
n1 n2
10
数理统计
(2) 由定理2,
(n1
数理统计
第三节 正态总体下的抽样 分布定理
数理统计
定理1 设总体 X 的均值和方差均存在,EX ,
DX 2 ,对样本 ( X1, X2 ,, Xn ) 及其样本均值 X 和样本
方差 S2 ,
有 E(X) ,
2
D( X )
，
E(S2) 2
.
n
证 X1, X 2 ,, X n 相互独立,且与总体 X 同分布,故有
8
定理3
设两个正态总体 X
~
N
(
1
,
2 1
)
,Y
~
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
正态总体下的抽样分布
中心极限定理是抽样分布的理论基础， 它表明无论总体分布是什么，只要样 本量足够大，样本均值的分布近似正 态分布。
样本均值的性质
无偏性
样本均值的数学期望等于总体均值， 即$text{E}(bar{x}) = mu$。
最小方差性
在所有可能的样本统计量中，样本均 值具有最小的方差，即 $text{Var}(bar{x}) = frac{sigma^2}{n}$。
数学表达式
正态分布的数学表达式为$f(x) = frac{1}{sqrt{2pisigma^2}} e^{-frac{(x-mu)^2}{2sigma^2}}$，其中$mu$是均值， $sigma$是标准差。
抽样分布的概念
抽样分布
抽样分布描述的是从某一总体中随机 抽取一定数量的样本后，这些样本统 计量（如均值、方差等）的分布情况。
大样本下样本方差的分布
卡方分布
在大样本下，样本方差通常呈现卡方分布。
方差的无偏估计
在大样本下，样本方差是总体方差的无偏估计。
方差的同方差性
在大样本下，来自不同总体的样本方差通常具有同方差性，即它们具有相同的 方差。
04
小样本下的抽样分布
小样本的定义
小样本是指从总体中随机抽取的样本 量较小，通常在30个样本以下。
THANKS
感谢观看
正态分布的性质
Байду номын сангаас01
02
03
集中性
正态分布的曲线关于均值 所在直线对称，数据值主 要集中在均值附近。
均匀性
正态分布的曲线在均值两 侧均匀下降，且下降速度 逐渐减缓。
平坦性
正态分布的曲线在均值的 两侧逐渐接近水平线，表 现出平坦的趋势。
第三章 正态分布与抽样分布
图3-5 正态分布的概率
关于正态分布，有几个概率应记住： 关于正态分布，有几个概率应记住： 一般正态分布： 一般正态分布：
P（µ－1.96σ≤x＜µ+1.96σ）＝0.95 1.96σ≤x＜µ+1.96σ）＝ ）＝0.95 P（µ－2.58σ≤x＜µ+2.58σ）＝0.99 2.58σ≤x＜µ+2.58σ）＝ ）＝0.99 P（µ－σ≤x＜µ+σ）＝0.6826 σ≤x＜µ+σ）＝ ）＝0.6826 P（µ－2σ≤x＜µ+2σ）＝0.9545 2σ≤x＜µ+2σ）＝ ）＝0.9545 P（µ－3σ≤x＜µ+3σ）＝0.9973 3σ≤x＜µ+3σ）＝ ）＝0.9973
对于大样本资料，常将样本标准差S 对于大样本资料，常将样本标准差S 与样本均数配合使用，记为 X ± S ，用 与样本均数配合使用， 以说明所考察性状或指标的优良性与稳 定性。对于小样本资料， 定性。对于小样本资料，常将样本标准 误 SX 与样本均数 X 配合使用，记 配合使用， 为 X ± S ，用以表示所考察性状或指 标的优良性与抽样误差的大小。 标的优良性与抽样误差的大小。
学上已证明 总体的两个参数与x总体的两 总体的两个参数与x 个参数有如下关系： 个参数有如下关系：
µx = µ
σx =
σ
n
表 X 的抽样分布形式与原总体X分布形式的关系 的抽样分布形式与原总体X
2.2 均数标准误
均数标准误 σx = 的大小反映样本均数 X n 抽样误差的大小 标准误大， 的大小。 的抽样误差的大小。标准误大，说明各样本均 间差异程度大；反之，亦然。 数 X 间差异程度大；反之，亦然。 在实际工作中，总体标准差σ往往是未知的， 在实际工作中，总体标准差σ往往是未知的， σx 此时，可用样本标准差S 因而无法求得 。此时，可用样本标准差S估 S 于是， 计σ 。于是，以 估计 n 。记σx 为 n， S SX 称作样本标准误或均数标准误。 称作样本标准误或均数标准误。 是均数抽样 SX 误差的估计值。 误差的估计值。
概率论-样本及抽样分布
抽到哪5辆是随机的
对总体X在相同的条件下，进行n次重复、独立 观察，其结果依次记为X1，X2，，Xn .
这样得到的随机变量X1, X2 , Xn是来自总体X 的一个简单随机样本，与总体随机变量具有相同的
分布. n称为这个样本的容量.
一旦取定一组样本X1, … ,Xn ,得到n个具体的数 (x1,x2,…,xn)，称为样本的一次观察值，简称样本值 .
2. 样本
• 总体分布一般是未知，或只知道是包含未知参 数的分布。
• 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目称为样本容量。
从国产轿车中抽5辆进行 耗油量试验
某批 灯泡的寿命
国产轿车每公里 的耗油量
该批灯泡寿命的全 体就是总体
国产轿车每公里耗油量 的全体就是总体
• 总体中的每一个个体是随机试验的一个观察值，因 此它是某一随机变量X 的值
• 一个总体对应一个随机变量X • 不再区分总体和相应的随机变量，统称为总体X • X 的分布函数和数字特征称为总体的分布函数和数
,max 1 i 5
Xi
,
X5
2
p,( X5
X1 )2 之中哪些是统计量, 哪些
不是统计量，为什么？
几个常见统计量
样本平均值
X
1 n
n i 1
Xi
它反映了 总体均值 的信息
样本方差
S 2
1 n1
n i 1
(Xi
X )2
它反映了总体 方差的信息
n
1
1
n
正态样本统计量的抽样分布概述
1
2
20
Xi
i1
X
2
35.2
P
1
2
20
Xi
i1
X
2
7.4
P
1
2
20
X
i1
i
X
2
35.2
查表
0.99 0.01 0.98
(P.386)
(2) 20 Xi 2 ~ 2 (20)
i1
故
P 0.37
2
1 20
20
Xi
i1
2
1.76
2
P 7.4
20
i1
Xi
2
35.2
(1)
求
P 0.37
2
1 20
20 i1
Xi
X
2
1.76
2
(2)
求
P 0.37
2
1 20
20 i1
Xi
2
1.76
2
解 (1)
(n
1)S 2
2
~
2(n
1)
即
19S 2
2
1
2
20 i 1
Xi X
2 ~ 2 (19)
故
P
0.37
2
1 20
20
Xi
i1
X
2
1.76
2
P 7.4
但
F0.95 (5, 4) ?
事实上,
F1
(n,
m)
F
1 (m,
n)
故
F0.95 (5,4)
1 F0.05 (4,5)
1 5.19
第三章 抽样分布
F分布特征及查表方法：
F分布的上侧和下侧分位点见下图。 根据df1值和df2值及α值可在附表7中查出。如F4，20，0.01=4.431 附表7给出的是上侧分位数，要求下侧分位数需将df1和df2位置 对调再求倒数。 如F4，20，0.99=1/F20，4，0.01=1/14.0=0.0714 有些自由度下的 F 值附表 7 没有给出，可用线性内插方法求出。 F12,17,0.05=F12,15,0.05+(F12,20,0.05－F12,15,0.05)/(20-15)×(17-15)=2.396
(x x )
1 2
12
n1
n2
标准化(
u
( x 1 x 2 ) ( 1 2 )
12
n1
2 2
)后的变量服从
n2
标准的正态分布，这样可以推断在标准差已
知时，两个样本平均数的差异是否显著。
二、总体标准差未知但相等时,两个样本平均数和与差 的分布---t分布
例1：查df＝9，α＝0.05的χ 2值 例2：设随机变量k服从分布χ 2(5),求λ的值使其满足 P{k≤λ}=0.05
4.2 从两个正态分布总体中抽取的样本统计量的分布
假定有两个正态总体，分别具有(μ1，σ1)和(μ2，σ2)。 从第一个总体中随机抽取含量为 n1 的样本，并独立地从第二 个总体中抽取含量为 n2的样本。求出x1,s1和x2,s2。下面我们 研究x1±x2的分布。
X 0.1 1 2 F 0.1 即， P 0.5 0.997 0.5 0.5 n n n
解：P {∣ X －μ∣<0.1｝= 0.997
03第三节正态总体的抽样分布.
第三节正态总体的抽样分布分布图示★抽样分布★单正态总体的抽样分布★例1 ★例2 ★例3 ★双正态总体的抽样分布★例4 ★例5 ★内容小结★课堂练习★习题12-3 内容要点、抽样分布有时，总体分布的类型虽然已知，但其中含有未知参数，此时需对总体的未知参数或对总体的重要数字特征（如数学期望、分差等进行统计推断，此类问题称为参数统计推断•在参数统计推断问题中，常需利用总体的样本构造出合适的统计量，并使其服从或渐近地服从已知的总体分布.统计学中泛称统计量分布为抽样分布.二、单正态总体的抽样分布设总体X的均值戸，方差为b，，■‘是取自X的一个样本/与W分别为该样本的样本均值与样本方差，则有定理1设总体m杆h •…・兀是取自X的一个样本,丘与"分别为该样本的样本均值与样本方差，则有-- ------ 1V(OJ ).(2 Q / V(2 定理2设总体"y Ms 厅h X ・.忒是取自X 的一个样本,丘与用分别为该样本 的样本均值与样本方差，则有(2 F 与B 冷目互独立.定理3设总体卞小"「5 T*・・,-是取自X 的一个样本，〒与A 分别为该样本的样本均值与样本方差，则有三、双正态总体的抽样分布 定理4设卞•兀仙与八肌出衣)是两个相互独立的正态总体,又设…宀 是取自总体X 的样本,”尺分别为该样本的样本均值与样本方差.K 送r是取 自总体丫的样本，卞与*;分别为此样本的样本均值与样本方差.再记是芽与屈 的加权平均，即U=""匸 H T 叭-乜 A .'<OJK J<7 ,■ / fij 4- 47 2『C] r 匚®…f 6丿巧,,心｛[一 n 一 a 「叩j" b D 时 ^IL V例题选讲则(1单正态总体的抽样分布例1 (E01设飞-Wtlhh 血.2S 为X 的一个样本，求:(1样本均值亍的数学期望与方差；(2珥解 ⑴由于人、MQIhh 样本容量"以A- - ： 1由得匚厂「如H例2假设某物体的实际重量为甘，但它是未知的.现在用一架天平去称它，共称了 n 次，得到 儿.假设每次称量过程彼此独立且没有系统误差,则可以认为这些 测量值都服从正态分布 酗从 \方差y 反映了天平及测量过程的总精度,通常我们这就是说,我们的估计值〒与真值H 的偏差不超过3八扁的概率为99.7%,并且随着 称量次数n 的增加,这个偏差界限)口 ' 愈来愈小.例如若b -山1、/!= 10 .则于是我们以99.7%的概率断言,*与物体真正重量戸的偏差不超过0.09.如果将称量 次数n 增加到100,则=叫I V - |< 0.031 ><)9.7%,所以于是凤£_勒严”壬2 = “ *P1 A 211^ 024 3 “故 21 仇厂 0-6!二2叫札対=1 _0■趙14用样本均值斤去估计严,根据定理1,A=冲 .■ N 丿再从正态分布的性质知一 “0.1=尸：| y-xi<^.o*JU99.7%,这时，我们以同样的概率断言，壬与物体真正重量越的偏差不超过0.03.例3 (E02在设计导弹发射装置时，重要事情之一是研究弹着点偏离目标中心的距离 的方差.对于一类导弹发射装置，弹着点偏离目标中心的距离服从正态分布 这里= 1闾柑,现在进行了 25次发射试验，用"记这25次试验中弹着点偏离目标 中心的距离的样本方差.试求或超过50米-的概率.(W" I' 卄 I三户㈢■＞珥厂小2 口也1} =0丹冷(查表于是我们可以以超过97•壬幣的概率断言,•/超过50米'.双正态总体的抽样分布 例4 (E03设两个总体X 与Y 都服从正态分布却(2认訂，今从总体X 与Y 中分别抽得 容量冈"0"丄-15的两个相互独立的样本，求W I 门〉"-儿(A - y 1-(^() -20)解由题设及定理4,知 勺⑷沾儿…儿;并/・」2分别来自总体X 和丫的样本, 值和方差.求「用‘承円 解因鬥三G 三门由定理4,耳£刊加E “即卓斗■厲1山町.x- r OJ 1 r 0.3 ■ _ _ =l=F P'U A -買卜0主 5] ■ = I= =1=?-67W . 例5 (E04设总体X 和丫相互独立且都服从正态分布解根据定理2,有 ’ ~ 厂“一"于是于是" 尺和必分别是这两个样均因F分布表中没有叫i叽但由戸分布的性质,知目2「冋斗U于是"I斗''£岂uj；三門図＞甲i工珅查表有F".血(皿刚- 2-4黑即P|Fg,ig):，2 4?：= n.025,故門S； =. 11.4) • 0.025课堂练习1.设4；•兀• ‘1为正态总体的一个样本,N为样本均值,求:■躬- [|刊站忌5兰亍(A =I M )2.设U7 为总体X- 的一个样本，丁和•"为样本均值和样本方差.又设新增加一个试验量心U 与儿 7：也相互独立,求统计量.Y J n S- vTTT的分布.。
- 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)。
第三节 正态总体的抽样分布
分布图示
★ 抽样分布
★ 单正态总体的抽样分布
★ 例 1 ★ 例 2 ★ 例 3
★ 双正态总体的抽样分布
★ 例 4 ★ 例 5
★ 内容小结 ★ 课堂练习
★ 习题12-3
内容要点
一、抽样分布
有时, 总体分布的类型虽然已知, 但其中含有未知参数,此时需对总体的未知参数或对总体的重要数字特征(如数学期望、分差等) 进行统计推断, 此类问题称为参数统计推断.在参数统计推断问题中, 常需利用总体的样本构造出合适的统计量, 并使其服从或渐近地服从已知的总体分布. 统计学中泛称统计量分布为抽样分布.
二、单正态总体的抽样分布
设总体X 的均值μ,方差为2σ,n X X X ,,,21 是取自X 的一个样本,X 与2S 分别为该样本的样本均值与样本方差, 则有 ,)(,)(2σμ==X D X E )(2S E .2
σ=
定理1 设总体),,(~2σμN X n X X X ,,,21 是取自X 的一个样本, X 与2S 分别为该样本的样本均值与样本方差, 则有 (1) )/,(~2n N X σμ; (2) ).1,0(~/N n X U σμ-= 定理2 设总体),,(~2σμN X n X X X ,,,21 是取自X 的一个样本, X 与2S 分别为该样本的样本均值与样本方差, 则有
(1) 2χ=);1(~)(1
1
212222--=-∑=n X X S n n i i
χσσ
(2) X 与2S 相互独立.
定理3 设总体),,(~2σμN X n X X X ,,,21 是取自X 的一个
样本, X 与2S 分别为该样本的样本均值与样本方差, 则有 (1) )(~)(121222n X n i i χμσχ∑=-=
(2) ).1(~/--=n t n S X T μ
三、双正态总体的抽样分布
定理 4 设),(~211σμN X 与),(~222σμN Y 是两个相互独立的正态总体, 又设
1
,,,21n X X X 是取自总体X 的样本, X 与21S 分别为该样本的样本均值与样本方差. 2
,,,21n Y Y Y 是取自总体Y 的样本, Y 与22S 分别为此样本的样本均值与样本方差. 再记2w S 是21S 与22
S 的加权平均, 即
.2
)1()1(212222112-+-+-=n n S n S n S w 则 (1) );1,0(~//)
()(222
12121N n n Y X U σσμμ+---= (2) );1,1(~2122
2
1212--⎪⎪⎭⎫ ⎝⎛=n n F S S F σσ
(3) 当22221σσσ==时, ).2(~/1/1)()(212
121-++---=n n t n n S Y X T w μμ
例题选讲
单正态总体的抽样分布
例1 (E01) 设),2,21(~2N X 2521,,,X X X 为X 的一个样本,求:
(1) 样本均值X 的数学期望与方差; (2) }.24.0|21{|≤-X P
解 )1( 由于),2,21(~2N X 样本容量,25=n 所以,252,21~2⎪⎪⎭
⎫ ⎝⎛N X 于是,21)(=X E .4.0252)(22==X D )2( 由),4.0,21(~2N X 得),1,0(~4
.021N X - 故 ⎪⎭
⎪⎬⎫⎪⎩⎪⎨⎧≤-=≤-6.04.021}24.0|21{|X P X P .4514.01)6.0(2=-Φ=
例2 假设某物体的实际重量为μ, 但它是未知的. 现在用一架天平去称它, 共称了n 次,得到n X X X ,,,21 . 假设每次称量过程彼此独立且没有系统误差, 则可以认为这些测量值都服从正态分布),(2σμN , 方差2σ反映了天平及测量过程的总精度, 通常我们用样本均值X
去估计μ, 根据定理1, .,~2⎪⎪⎭
⎫ ⎝⎛n N X σμ 再从正态分布的σ3性质知
%.7.993||≥⎭⎬⎫⎩
⎨⎧<-n X P σμ 这就是说, 我们的估计值X 与真值μ的偏差不超过n /3σ的概率为99.7%,并且随着称量次数n 的增加, 这个偏差界限n /3σ愈来愈小. 例如若,1.0=σ10=n . 则
%,7.99}09.0|{|101.03||≥<-=⎭
⎬⎫⎩⎨⎧⨯<-μμX P X P 于是我们以99.7%的概率断言, X 与物体真正重量μ的偏差不超过0.09.如果将称量次数n 增加到100, 则
%.7.99}03.0|{|1001.03||≥<-=⎭
⎬⎫⎩⎨⎧⨯<-μμX P X P 这时,我们以同样的概率断言, X 与物体真正重量μ的偏差不超过0.03.
例3 (E02) 在设计导弹发射装置时, 重要事情之一是研究弹着点偏离目标中心的距离的
方差.对于一类导弹发射装置, 弹着点偏离目标中心的距离服从正态分布),(2σμN , 这里22100米=σ, 现在进行了25次发射试验, 用2S 记这25次试验中弹着点偏离目标中心的距离的样本方差. 试求2S 超过502米的概率.
解 根据定理2, 有
),1(~)1(222--n S n χσ 于是 ⎭
⎬⎫⎩⎨⎧->-=>222250)1()1(}50{σσn S n P S P ⎭⎬⎫⎩⎨⎧⨯>=1005025)24(2χP }12)24({2>=χP }401.12)24({2>>χP .975.0=(查表)
于是我们可以以超过%5.97的概率断言, 2S 超过50 米2.
双正态总体的抽样分布
例4 (E03) 设两个总体X 与Y 都服从正态分布)3,20(N ，今从总体X 与Y 中分别抽得容量15,1021==n n 的两个相互独立的样本, 求}.3.0|{|>-Y X P
解 由题设及定理4, 知),1,0(~5.0153103)
2020()(N Y X Y X -=+--- 于是
}3.0|{|>-Y X P ⎪⎭
⎪⎬⎫⎪⎩⎪⎨⎧≤--=5.03.05.01Y X P ⎥⎦⎤⎢⎣⎡-⎪⎪⎭⎫ ⎝⎛Φ-=15.03.021.6744.0)42.0(22=Φ-=
例5 (E04) 设总体X 和Y 相互独立且都服从正态分布);3,30(2N
251201,,;,,Y Y X X 分别来自总体X 和Y 的样本, ,,Y X 21S 和22
S 分别是这两个样均值和方差. 求}.4.0/{2221≤S S P
解 因,3221==σσ 由定理4, ),125,120(~/2221--F S S 即).24,19(~/2221F S S
因F 分布表中没有,191=n 但由F 分布的性质, 知),19,24(~/2122F S S
于是 }5.2/{}4.0/{21222221≥=≤S S P S S P
查表有,45.2)19,24(025.0=F 即,025.0}45.2)19,24({=>F P 故.025.0}4.0/{2221≈≤S S P
课堂练习
1. 设1521,,,X X X 为正态总体)3,0(2N 的一个样本, X 为样本均值, 求: .235)(65.361512⎭
⎬⎫⎩⎨⎧≤-≤∑=i i X X P
2. 设n X X X ,,,21 为总体),(~2σμN X 的一个样本, X 和2S 为样本均值和样本方差.又设新增加一个试验量11,++n n X X 与n X X ,,1 也相互独立, 求统计量
1
1+-=+n n S X
X U n 的分布.。