统计量与抽样分布
数理统计基础公式详解样本统计量与抽样分布
数理统计基础公式详解样本统计量与抽样分布数理统计作为一门重要的学科，为我们分析和理解数据提供了基础和方法。
在数理统计中，样本统计量和抽样分布是两个关键概念。
本文将详细解释这些概念，并介绍相关的公式和定理。
一、样本统计量样本统计量是从数据样本中计算得到的数值，用于描述总体的特征。
常用的样本统计量有平均值、方差、标准差、相关系数等。
下面我们将详细介绍这些统计量以及它们的计算公式。
1. 平均值平均值是一组数据的总和除以观测数量，用于衡量数据的集中趋势。
样本平均值的计算公式如下：\[ \overline{x} = \frac{\sum_{i=1}^{n} x_i}{n} \]其中，\( \overline{x} \) 表示样本平均值，\( x_i \) 表示第 i 个观测值，n 表示观测数量。
2. 方差方差衡量了一组数据的离散程度，它表示各观测值与平均值之差的平方和的平均值。
样本方差的计算公式如下：\[ S^2 = \frac{\sum_{i=1}^{n} (x_i - \overline{x})^2}{n-1} \]其中，\( S^2 \) 表示样本方差，\( x_i \) 表示第 i 个观测值，\( \overline{x} \) 表示样本平均值，n 表示观测数量。
3. 标准差标准差是方差的平方根，用于衡量数据的离散程度。
样本标准差的计算公式如下：\[ S = \sqrt{S^2} \]其中，S 表示样本标准差，\( S^2 \) 表示样本方差。
4. 相关系数相关系数衡量了两个变量之间的线性关系的强弱和方向。
样本相关系数的计算公式如下：\[ r = \frac{\sum_{i=1}^{n} (x_i - \overline{x})(y_i -\overline{y})}{\sqrt{\sum_{i=1}^{n} (x_i - \overline{x})^2 \sum_{i=1}^{n} (y_i - \overline{y})^2}} \]其中，r 表示样本相关系数，\( x_i \) 和 \( y_i \) 分别表示第 i 个观测值的两个变量，\( \overline{x} \) 和 \( \overline{y} \) 分别表示两个变量的样本平均值，n 表示观测数量。
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 茆诗松) 第5章 统计量及其分布
均匀分布，分布列为
x0 1 2
p 1/3 1/3 1/3
现从中抽取容量为3的样本，其一切可能取值有 33=27种， (表5.3.6)
x0 1 2
p 1/3 1/3 1/3
P(x(1)=0) = ?
ቤተ መጻሕፍቲ ባይዱ
可给出的 x(1) , x(2), x(3) 分布列如下 ：
n
(x x ) 0. i i1
定理5.3.2 数据观测值与均值的偏差平方和 最小，即在形如 (xic)2 的函数中，
(xi x)2最小，其中c为任意给定常数。
样本均值的抽样分布：
定理5.3.3 设x1, x2, …, xn 是来自某个总体的样本，
x 为样本均值。
(1) 若总体分布为N(, 2)，则
是将样本观测值由小到大排列后得到的第 i 个 观测值。
其中， x(1)=minx1, x2,…, xn称为该样本的最小次序统计量， 称 x(n)=maxx1,x2,…,xn为该样本的最大次序统计量。
在一个样本中，x1, x2,…,xn 是独立同分布的，而 次序统计量 x(1), x(2),…, x(n) 则既不独立，分布也 不相同，看下例。
则
p R ( r ) 0 1 r n ( n 1 ) [ ( y r ) y ] n 2 d y n ( n 1 ) r n 2 ( 1 r )
这正是参数为(n1, 2)的贝塔分布。
5.3.6 样本分位数与样本中位数
样本中位数也是一个很常见的统计量，它也是 次序统计量的函数，通常如下定义：
在n
不大时，常用
s2
1 n n1i1
(xi
x)2
第6章-统计量及其抽样分布
对应于每个数值的相对出现频数排成另一列， 由此，全部可能的样本统计量值形成了一个概 率分布，这个分布就是我们想要得到的抽样分 布。
样本均值的抽样分布 与中心极限定理
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
1.0 1.5 2.0 2.5 3.0 3.5 4.0 x
样本均值的抽样分布
所有样本均值的均值和1.0 1.5 4.0 16
2.5 m
n
(xi mx )2
s
2 x
i 1
M
M为样本数目
(1.0 2.5)2
(4.0 2.5)2
s2
0.625
16
n
1. 样本均值的均值（数学期望）等于总体均值 2. 样本均值的方差等于总体方差的1/n
从检查一部分得知全体。
复习 抽样方法
抽样方式
概率抽样
非概率抽样
简单随机抽样 整群抽样
多阶段抽样
分层抽样 系统抽样
方便抽样 自愿样本 配额抽样
判断抽样 滚雪球抽样
6.2.1 抽样分布 (sampling distribution)
1. 样本统计量的概率分布，是一种理论分布
在重复选取容量为n的样本时，由该统计量的所有可 能取值形成的相对频数分布
2. 随机变量是 样本统计量
样本均值, 样本比例，样本方差等
3. 结果来自容量相同的所有可能样本
4. 提供了样本统计量长远而稳定的信息，是进行推 断的理论基础，也是抽样推断科学性的重要依据
抽样分布的形成过程 (sampling
distribution)
统计学 统计量及其抽样分布
定义：设随机变量X1，X2，…Xn相互独立，且Xi
服从标准正态分布N（0，1），则它们的平方和 n
X
2 i
服从自由度为n的c2分布。
i 1
c2分布主要适用于拟合优度的检验、独立性检 验以及对总体方差的估计和检验。
卡尔·皮尔逊(Karl Pearson)是英国著名的统 计学家、生物统计学家、 应用数学家,又是名副其 实的历史学家、科学哲学 家、伦理学家、民俗学家 、人类学家、宗教学家、 优生学家、弹性和工程问 题专家、头骨测量学家, 也是精力充沛的社会活动 教育改革家、社会主义 家、律师、自由思想者、 者、妇女解放的鼓吹者、 婚姻和性问题的研究者, 亦是受欢迎的教师、编 辑、文学作品和人物传 记的作者.
即
(n 1)s 2 ~ c 2 (n 1) 2
6.7.2 两个样本方差比的分布
1. 两 个 总 体 都 为 正 态 分 布 ， 即 X1~N(μ1 ,σ12) ， X2~N(μ2 ,σ22 )
2. 从两个总体中分别抽取容量为n1和n2的独立样本
3. 两个样本方差比的抽样分布，服从分子自由度为 (n1-1)，分母自由度为(n2-1) 的F分布，即
复抽样条件下，共有42=16个样本。所有样本的 结果如下表
所有可能的n = 2 的样本（共16个）
第一个
第二个观察值
观察值
1
2
3
4
1
1，1 1，2 1，3 1，4
2
2，1 2，2 2，3 2，4
3
3，1 3，2 3，3 3，4
4
4，1 4，2 4，3 4，4
计算出各样本的均值，如下表。并给出样 本均值的抽样分布
n
x
三大抽样分布及常用统计量的分布.
2
2
~ (n 1)
2
(4.1)
与以下补充性质的结论比较： 性质 设(X1，X2，…，Xn)为取自正态总体
X～N( ， 2)的样本，则
(X i ) i 1
n
2
2
~ (n)
2
2分布的上侧分位点
定义2：设 2～ 2 (n), 对于给定的正数 （0 1 ） ,称
2 1 n X X i ~ N , n i 1 n
——分布
2
定义
设总体 X ~ N 0,1 ， X1, X 2 ,..., X n 是 X
2 服从自 Xn
2 的一个样本, 则称统计量 2 X12 X 2
由度为n的 2 分布，记作 2 ~ 2 (n) 自由度是指独立随机变量的个数， df
X n X T ~ t(n 1) 2 S n (n 1)S (n 1) 2
设(X1，X2，…，Xn)为来自正态总体 X～N( ， 2)的样本，则统计量
由定义3得
别是来自正态总体N(1 ，2)和N(2 ，2)的样本，且 它们相互独立，则统计量
定理5 设(X1，X2，…，Xn1)和(Y1，Y2，…，Yn2) 分
例如，当n=21，=0.05时，由附表3(P254)可查得，
(21) 32.67
2 0.05
即 P
(21) 32.67 0.05.
2
定义3
二、t分布 设随机变量X～N(0，1)，Y～ 2(n) ，
且X与Y相互独立，则称统计量 记作 服从自由度为n的t分布， t分布的概率密度函数为
定理1 设(X1，X2，…，Xn)为取自正态总体X～N( ， 2)
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。
数理统计学：统计量与抽样分布
1.1 总体和样本 1.2 统计量与估计量 1.3 抽样分布 1.4 次序统计量 1.5 充分统计量 1.6 常用的概率分布族
数理统计学 是探讨随机现象统计规律性的一门学科, 它以概率论为理论基础,研究如何以有效的方式收集、 整理和分析受到随机因素影响的数据,从而对所研究对 象的某些特征做出判断。
1.1.2 样本
(2) 抽样, 即从总体抽取若干个个体进行检查或观察,用所 获得的数据对总体进行统计推断。 由于抽样费用低,时间 短,实际使用频繁。本书将在简单随机抽样的基础上研究各 种合理的统计推断方法,这是统计学的基本内容。应该说, 没有抽样就没有统计学
1.1.2 样本
• 从总体中抽出的部分(多数场合是小部分)个体组成的集合 称为样本。
(2)
(n 1)s2
2
~χ2(n-1);
(3) x与s2相互独立。
1.3.2 样本方差的抽样分布
例1.3.3
分别从正态总体N(μ1,σ2)和N(μ2,σ2)中抽取容
量为n1和n2的两个独立样本,其样本方差分别
为
s2 1
和
s2 2
。
(1)证明:对α∈(0,1),
s s s 2 2 (1) 2
Fn(x)依概率收敛于F(x)
1.2.3 样本的经验分布函数及样本矩
定理1.2.1(格里汶科定理)
对任给的自然数n,设x1,x2,…,xn是取自总体分布函数F(x) 的一组样本观察值,Fn(x)为其经验分布函数,记
则有
Dn sup Fn x F x
x
P
lim
n
Dn
0
1
1.2.3 样本的经验分布函数及样本矩
0
Fn x k / n
统计学 第6章 统计量及其抽样分布
1. 样本统计量的概率分布，是一种理论分布
2. 随机变量是样本统计量
3. 结果来自容量相同的所有可能样本 4. 提供了样本统计量长远而稳定的信息，是进行 推断的理论基础，也是抽样推断科学性的重要 依据
6 - 8 / 55
统计学
STATISTICS (第五版)
重要统计量
1.样本均值：
n 1 若X ~ N（， 2）， X X i， n i 1
1 n 1 则E X EX i ，D X 2 n i 1 n 2.样本方差：
n 1 2 S2 （ X X ） i n 1 i 1
1 1 2 2 DX i 2 n n n i 1
X ~ (n)
2
6 - 13 / 55
统计学
STATISTICS (第五版)
2分布
(图示)
n=1 n=4 n=10
n=20
6 - 14 / 55
不同容量样本的抽样分布
2
统计学
STATISTICS (第五版)
2 分布：
定理：如果随机变量 X1, X 2, , X n 相互独立，且都服从 同一正态分布
6.1.1 6.1.2 6.1.3 6.1.4
6 - 4 / 55
统计学
STATISTICS (第五版)
统计量
(statistic)
1. 设 X1,X2,…,Xn 是从总体 X中抽取的容量为 n的一个样本，如果由此样本构造一个函 数 T(X1,X2,…,Xn) ，不依赖于任何未知参 数，则称函数 T(X1,X2,…,Xn) 是一个统计 量
6 - 2 / 55
统计学
STATISTICS (第五版)
第六章 统计量及其抽样分布
样本均值的抽样分布
样本均值的抽样分布
1. 容量相同的所有可能样本的样本均值的概率分 布
2. 一种理论概率分布 3. 进行推断总体总体均值的理论基础
样本均值的抽样分布
(例题分析)
【例】设一个总体，含有4个元素(个体) ，即总体单位 数N=4。4 个个体分别为x1=1、x2=2、x3=3 、x4=4 。 总体的均值、方差及分布如下
第 一
16个样本的均值（x）
个
第二个观察值
观 察值1 2
3
4
11
1.
20.
52. 0.
5
21
2.
25.
03. 5.
0
23
2.
30.
53. 0.
5
24
3.
35.
04. 5.
0
.3 P (X ) .2 .1 0
1.0 1.5 2.0 2.5 3.0 3.5 4.0 X
第六章 统计量及其抽样分布
抽样理论依据： 1、大数定律 （1）独立同分布大数定律：证明当N足够大时，平均数据有稳定性，为用样本平 均数估计总体平均数提供了理论依据。 （2）贝努力大数定律：证明当n足够大时，频率具有稳定性，为用频率代替概率 提供了理论依据 2、中心极限定律 （1）独立同分布中心极限定律：设从均值为u、方差为s2（有限）的任意一个总体 中抽取样本量为n的样本，但n充分大时，样本均值X的抽样分布近似服从均值为u， 方差为s2/n的正态分布。 （2）德莫佛-拉普拉斯中心极限定律：证明属性总体的样本数和样本方差，在n足 够大时，同样趋于正态分布。
(central limit theorem)
抽样分布样本统计量的分布及其应用
抽样分布样本统计量的分布及其应用在统计学中，抽样是一种数据分析的方法，它通过对总体中的一部分个体进行观察和测量来推断总体的特征。
而抽样分布是指抽取相同样本量的多个样本后得到的统计量的分布。
样本统计量是对样本数据进行计算得到的统计指标，它可以用来估计总体参数，并进行假设检验。
1. 抽样分布的基本概念抽样分布具有一些基本性质，首先是无偏性。
当样本容量趋向于总体容量时，样本统计量的期望值会无限接近总体参数的真实值。
其次是有效性，即样本统计量的方差趋近于零，它可以用来估计总体参数的精确度。
最后是一致性，样本统计量在样本容量逐渐增大时趋近于总体参数。
2. 抽样分布的常见形式常见的抽样分布有正态分布、t分布和卡方分布。
其中正态分布应用最为广泛，它在中心极限定理的作用下，当样本容量足够大时，样本均值的抽样分布近似服从正态分布。
而t分布则适用于当总体标准差未知、样本容量较小的情况下，它的形状比正态分布要略扁平一些。
卡方分布则主要用于样本方差的估计与检验。
3. 抽样分布的应用抽样分布的应用非常广泛，常用于以下几个方面：3.1 参数估计通过抽样分布，我们可以利用样本统计量对总体参数进行估计。
例如，可以利用样本均值估计总体均值，利用样本标准差估计总体标准差。
通过计算置信区间，我们可以得到对总体参数的范围估计。
3.2 假设检验假设检验是统计学中非常重要的一项工具，用于判断样本数据是否支持某个假设。
基于抽样分布，我们可以计算统计量的P值，进而判断样本数据与假设的一致性。
常用的假设检验有均值检验、方差检验、比例检验等。
3.3 质量控制在生产过程中，质量控制是非常关键的。
通过对样本数据进行分析，可以判断生产过程是否正常。
例如，可以通过控制图分析样本均值的变化情况，以判断过程是否处于控制状态。
3.4 统计决策在实际决策中，我们往往需要依据样本数据来进行判断。
抽样分布提供了一种基于统计的决策依据。
例如，在市场调研中，我们可以通过对样本数据进行分析，对市场潜力进行预测，从而指导营销策略的制定。
《概率统计简明教程》第二版(第8章-统计量与抽样分布)统计与统计学、统计量、抽样分布
《概率统计简明教程》第二版
第八章 统计量与抽样分布
三、什么是统计学
◆短期的机遇变异
重复投掷一枚均匀硬币六次，观察每次出现的面： （1）正反正反反正 （2）反反反正正正 （3）正反反反反反
直觉认为结果（1）是随机的，结果（2）和结果 （3）很不随机。 从概率的观点认为结果（1）、（2）、（3）的发 生有相同的概率，因而没有哪一个结果比其他结果更多 一点或少一点随机性。
《概率统计简明教程》第二版
第八章 统计量与抽样分布
◆变异性(Variablity)
统计数据和统计资料具有变异性， 即个体之间有 差异，而对同一个体的多次观察，其结果也会不一样， 并且几乎每一次观察都随着时间的不同而改变，因而变 异性是一个重要的统计观念。 抽样结果的差异是变异性的主要表现 不能仅仅根据一次抽样的结果就断下结论！
《概率统计简明教程》第二版
第八章 统计量与抽样分布
二、总体和样本
1.总体
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.
《概率统计简明教程》第二版
第八章 统计量与抽样分布
三、什么是统计学
◆长期的规律性
在某地的彩票活动中，七年中有人累计中两次大 奖的机会是： 一半对一半
人们的潜意识常常与理性思考的结果有很大差别， 如不善于统计思考，即使面对十分平常的现象，也会闹 出笑话。
《概率统计简明教程》第二版
第八章 统计量与抽样分布
第八章 统计量与抽样分布
二、总体和样本
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。
统计学中的抽样分布理论
统计学中的抽样分布理论统计学是一门深奥而又广泛应用的学科，其中抽样分布理论是其中一个重要支柱。
本文将从抽样、样本统计量和抽样分布三个方面进行论述，以便更好的理解其理论和应用。
一、抽样与样本统计量统计学的基本任务之一是推断总体特征。
但由于总体数据规模庞大，难以全面观察和分析，因此我们通常采用小样本的方式来代表总体。
这就是抽样的概念。
抽样是指从总体中随机抽取一部分数据，用这一部分数据代表总体，以此估计总体的特征。
常用的抽样包括简单随机抽样、分层抽样、整群抽样等。
在抽样中，一个样本统计量的重要性凸显出来，因为它可以帮助我们更好的估计总体的特征。
比如，一个数据集的均值和标准差就是两个重要的样本统计量。
二、抽样分布抽样分布是指在所有可能的样本中，某个样本统计量的分布情况。
这里需要区分参数（population）和统计量（sample statistic）之间的关系。
参数是总体参数，是我们想要研究的总体特征，比如总体均值、总体方差等。
统计量是在样本中计算出来的数值，比如样本均值、样本方差等。
样本统计量是对总体参数的估计，不同的样本统计量可能对总体参数的估计存在一定的差异。
抽样分布不同于总体分布。
总体分布是指总体中所有变量的分布，而抽样分布是指在所有可能的样本中，某个样本统计量的分布。
抽样分布是一个特殊的概率分布，其形状和参数取决于总体分布和样本大小。
这是因为在计算样本统计量时，会受到样本数量和样本变异的影响。
在实际使用中，我们通过抽样分布来推断总体参数。
具体方法是：首先，通过采样方法得到一个样本，计算该样本统计量的值。
然后，通过数学公式推算样本统计量的抽样分布，从而得到一个概率区间。
若该样本统计量恰好位于这个区间内，则认为该样本统计量的估计值与总体参数的差异可以用统计学上的概率来表示。
这个概率就是所谓的显著性水平（signicance level）。
三、中心极限定理中心极限定理是抽样分布理论中最为重要的定理之一。
6.2.常用统计量及抽样分布
1.
(n 1) S 2
2
~ 2 (n 1)
2. X 与 S 2 独立。 定理三 设 X 1 , X 2 , , X n 是来自正态总体N ( , 2 ) 的样本，X 是样
X ， S 2 分别是样本均值和样本方差， 则有
X S/ n ~ t (n 1)
定理四 设 X 11,,X 22,,,X nn 与Y11,,Y22,,,,Ynn 是来自正态总体 N ((11,, 1212))和 N Y 是来自正态总体 N 和 设 X X , X 与Y Y 2 ) 和 N ( 2 , 2 ) 的样本，且这两个样本相互独立。设 n 1 1 n1 X i 1 X i , Y i 1 Yi 分别是这两个样本的均值； n2 n1 n 1 1 n1 2 2 2 S2 (Yi Y ) 2 S1 i1 ( X i X ) , n21 1 i 1 n1 1 分别是这两个样本的样本方差， 则有
则称随机变量
[(n1 n 2 ) / 2](n1 / n 2 ) n1 / 2 y ( n1 / 2 ) 1 , y0 ( y ) (n1 / 2)(n 2 / 2)[1 (n1 y / n 2 )]( n1 n2 ) / 2 0, 其它
其图形如右图所示
U / n1 F V / n2 服从自由度为 ((n1 ,,n 22)的2)) 服从自由度为 n1 n )的F 分布，记为 F ~ F n1 n
F (n1 , n 2 ) 分布的概率密度为
2 2 设 U ~ ( n1 ), V ~ (n 2 ), 且U , V 独立，
1 0.357 2.80
二、抽样分布定理
定理一 设 X 1 , X 2 , , X n 是来自正态总体N ( , 2 ) 的样本，X 是样 本，X 是样本均值，则有 X ~ N ( , 2 / n) 定理二 设 X 1 , X 2 , , X n 是来自正态总体N ( , 2 ) 的样本，X 是样 X ， S 2 分别是样本均值和样本方差， 则有
统计量和抽样分布
( Ｘ i ) 2 当 为 已 知 时 ,是 统 计 量 ,未 知 时 不 是 统 计 量 .
i 1
二、常用的统 计量
样本均值
样本方差与标 准差
样本中位数， 分位数
样本相关系数
EX4 x4
1
x2
e 2dx3
2
D X 2 E X 4 (E X 2 )2 3 1 2 2
D2=Dn X2n DX22n i=1 i=1
Chapter 8 统计量和抽样
分布
• 概率统计: 概率论&数理统计? • Chapter 1~ Chapter 7.
• Chapter 8~ Chapter 12.
• 两个常见的统计分析软件
(1)SAS(Statistical Analysis System) (2)SPSS.
01
概率与统计在研究形式及研 究方法上的不同之处:
(数理)统计学就是使用有效方法收集并整理数据、分析 数据, 进而得出结论的一门学科.
统计学的主要内容: 抽样调查、试验设计、点估计、区 间估计和假设检验.
统计方法的特点
数据推理. “一切由数据说话”.
结果具有随机性.
研究和揭示现象之间在数量层面上的 相关关系，但不肯定有因果关系;
例：吸烟有害健康？
第一节 统计 与统计学
一、统计的研究对象
• 例1 某厂生产的元件是否合格. • 例2 总统选举之民意测验. • 统计的研究对象是(1)大量现象中(2)总
体的数量特征.
•
统计特征：1、大量的现象？
社会经济现象， 自然现象
2、数量特征
（二者都具有客观性，与纯粹的数 学相区别）
从一个层面看, 总体就是统计问题所要研究的对象全体, 其中每 个对象就是个体.
- 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)。
联合概率函数为
n
f ( X1, X2,, Xn为来自总体 X ~ N (, 2 ) 的样本,
则样本的联合密度为
n
f (x1,, xn)
i 1
1
e
(xi
2 2
)2
2统计量与抽样分布
(
1
2 )n
e
1 2
2
i
n
( 1
xi
)2
第二节 统计量
样本均值
(2)S2n11i n1(Xi X)2
样本方差；
(3)S
1n n1i1(Xi
X)2
样本标准差
(4)Mk n 1i n1Xik,k1,2,
样本k阶(原点)矩
(5)M k n 1i n1(XiX)k,k1,2, 样本k阶中心矩 k2时M ， 2 1 ni n1(XiX)2称 统计量为 与抽样分样 布 本的 ，未 记 Sn 2修 为 nn 1正 S2 方
样本是随机的，样本观测值是确定的。 • 如果样本满足同分布、独立性（iid）则为简单随
机样本。 • 样本所包含的总体单位个数称为样本容量，一般
用ｎ表示。在实际工作中，人们通常把ｎ≥30的 样本称为大样本，而把n<30的样本称为小样本。
统计量与抽样分布
设 X1, X 2 ,是,来X n自总体
的X 样~ F本(x)
( C ) X 1 2 X 2 2 3( D ) X 1 2 X 2
统计量与抽样分布
推断统计研究的重点——寻找统计量及其分布 ——利用概率论对总体进行推断
• 统计量通常是随机变量，但统计量的观测值是确 定的，没有随机性。比如，如果（x1,x2,…,xn） 是样本（X1，X2，…,Xn）的观测值，那么 T(x1,x2,…,xn）为统计量T(X1,X2…Xn)的观测值。 则T(X1,X2…Xn)是随机变量。
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
总体的含义可抽象为统所计感量与兴抽样趣分的布 变量及其分布。
第6章 统计量与抽样分布
二、统计推断中的样本及其性质 按照随机原则，通过观测或实验的方法所获
得的总体中一部分个体的取值称为样本。每个个 体的取值称为样本点或样品。
是用样本统计量的性
质推断总体参数的特
征。
统计量与抽样分布
样本
第6章 统计量与抽样分布
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
统计量与抽样分布
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。
• 一、统计量与统计量的分布
1 、统计量定义 设(X1,X2…,Xn)是总体X的样本,则由样本 （X1,X2…Xn）构成的且不含任何未知参数的函数 T(X1,X2…Xn)称为统计量。 例：设(X1,X2)是总体N(,2) 的一个样本,其中 已知， 未知参数,则下列哪个不是统计量：
(A)X1/
(B) X1 X2 2
最大顺序统计量X(n)=max X1，X2，…，Xn
最小顺序统计量X(1)=min统X计1量，与X抽2样，分…布，Xn
• 统计量是随机变量，那么它应该有概率分布。统 计量的分布也称抽样分布。
– 统计量的分布不一定和总体分布一致。
• 在统计推断中，一个重要的工作就是寻找统计量， 导出统计量的抽样分布或渐近分布。
统计量与抽样分布
2、常用统计量
设（X1，X2，…,Xn）为总体X的样本，则
(1)X__1 n ni1
Xi
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……
此外，还有
• 1、顺序统计量
(X1，X2，…，Xn)是总体X的一个简单随机样本，(x1， x2，…，xn)是一个样本观察值，将它由小到大的顺序排 列，得到x(1)≤x(2)≤…≤x(n) ，取x(i)作为X(i)的观测值， 由此得到的统计量X(1)，X(2)，…，X(n)称为样本(X1， X2，…，Xn)的一组顺序统计量，X(i)称为第i个顺序统计 量．其中，
• 大样本和小样本有什么差异？如何用样本推断总体？
统计量与抽样分布
• 统计方法
描述统计
推断统计
参数估计
假设检验
统计量与抽样分布
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。
统计推断
参数估计 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。
随机变量N(,2) 随机变量N(,2)的值
统计量与抽样分布
2、样本的联合分布
设 X1 , X2 ,, Xn 为来自总体 X ~ F(x)的样本，则样本的
联合分布函数为
n
F (x1, x2 ,, xn) F (xi )
i 1
设 X1, X2,, Xn 为来自总体 X ~ f (x) 的样本，则样本的
统计量与抽样分布
• 由于统计推断是根据观察到的部分数据对总体作 出推测，因此推测就不可能绝对准确，有一定的 不确定性。这种不确定性的程度可以用概率的大 小来表示。
统计量与抽样分布
总体与样本
总体
由样本信息作为总体信值息估 计
X ?
这个企业员工的月
信
息
x
n i 1
xi
/n
平均收入是多少？
x 统计学的重要意义就 抽取一小部分
X1, X2,, Xn 是一堆“杂乱无章”的数据 X1, X2,, Xn 包含了有关总体的“信息” X1, X2,, Xn 是对总体进行推断的依据
在观察前 X1, X2,是, 一Xn组独立同分布r.v 在观察后 x1, x2,是, 一xn 组具体的数据
统计量与抽样分布
对象：某大学新生的身高
总体X 观察值