常用的三种抽样分布
随机抽样(必修3)(三种抽样方法)
（3）在第1段用简单随机抽样确定第一个个体编 号m(m≤k)
(4)按照一定的规则抽取样本。通常是将m加上 间隔k得到第二个个体编号（m+k），再加k得 到第3个个体编号,依次进行下去，直到获得整 个样本。
思考：
当N/n不是整数时，如何进行 系统抽样？
当N/n不是整数时，令k=[N/n]，那先从总 体中用简单随机抽样的方法剔除N-nk个个体， 再将其余的进行编号并均分成n段（可知每段 间隔数为K）。
1分层抽样
(1)定义一：一般地，在抽样时，将总体分成互不交叉 的层，然后按照一定的比例，从各层独立地抽取一定 数量的个体，将各层取出的个体合在一起作为样本， 这种抽样的方法叫分层抽样。
系统抽样（等距抽样）的概念 将总体分成均衡的几部分，然后按照预先定出的
规则，从每一个部分抽取一个个体，得到所需样本的 抽样方法叫做系统抽样。
系统抽样的特点
（1）适用于总体容量较大的情况；
（2）剔除多余个体及第一段抽样都用简单随机抽样， 因而与简单随机抽样有密切联系；
（3）是等可能抽样，每个个体被抽到的可能性都 是n/N；
（4）是不放回的抽样。
合理选择抽样方法
系统抽样 简单 抽签法 随机 抽样 随机数
表法
总体容量
很大
较小
样本容量 较大
较小
较大
较大
下页
练习：要从1002个学生中选 取一个容量为20的样本，试 用系统抽样的方法给出抽样 过程。
2.1.3分层抽样
情景设置
问题1 :要抽样了解某年参加高考学生的语文成绩,我 们可以有以下两种抽样的方式； (1)从所有考生中用简单随机抽样的方法抽取1000份试 卷做调查; (2) 分文科,理科,艺术,体育等科目类的学生适当比例 抽取样本容量为1000的的样本,再做调查.
统计学中的中心极限定理与抽样分布
统计学中的中心极限定理与抽样分布统计学是一门研究收集、整理、分析和解释数据的学科。
在统计学中，中心极限定理和抽样分布是两个重要的概念和原理。
它们在统计学的应用中起着至关重要的作用。
本文将对中心极限定理和抽样分布进行详细阐述。
一、中心极限定理中心极限定理是统计学中的一项核心概念，它描述了当从总体中抽取样本时，样本均值的分布会趋近于正态分布。
简而言之，中心极限定理指出，当样本容量足够大时，无论总体的分布形态如何，样本均值的分布都会接近于正态分布。
中心极限定理的重要性在于它为统计分析提供了一个基本的理论依据。
通过中心极限定理，我们可以进行推断性统计分析，并利用正态分布的性质进行假设检验、置信区间估计等。
以投掷硬币的实验为例，如果我们重复投掷大量次数，每次记录正面朝上的次数，那么这些次数的平均值将会呈现出正态分布。
即使每次投掷的结果并非正态分布，但通过中心极限定理，样本均值的分布将趋近于正态分布。
二、抽样分布抽样分布是指对从总体中抽取的样本数据进行统计分析后得到的分布。
在统计学中，我们通常不直接分析总体，而是通过对样本的分析来推断总体的特征。
而抽样分布则是这样的推断过程中，样本统计量的分布情况。
常见的抽样分布包括 t 分布、F 分布和卡方分布等。
这些分布是在特定条件下得出的，它们在统计推断中起着重要的作用。
1. t 分布t 分布是一种在小样本条件下使用的概率分布。
它与正态分布相似，但相对于正态分布而言，t 分布的尾部较宽。
t 分布的形态取决于自由度（样本容量减1），随着自由度的增加，t 分布逐渐逼近于正态分布。
t 分布常用于小样本条件下的统计推断，例如对两个样本均值进行比较时，使用 t 检验来判断两者是否有显著性差异。
2. F 分布F 分布是一种用于比较两个或更多组数据变异性的概率分布。
F 分布的形态取决于两个自由度，分子自由度表示组间变异的自由度，分母自由度表示组内变异的自由度。
F 分布常用于方差分析，用于比较多个样本组之间的差异性。
抽样方法有哪些
抽样方法有哪些在统计学和市场调研中，抽样是一种常见的数据收集方法，通过从总体中选择一部分样本来进行研究和分析。
不同的抽样方法适用于不同的研究目的和总体特征。
下面将介绍几种常见的抽样方法。
1. 简单随机抽样。
简单随机抽样是最基本的抽样方法之一，其特点是每个样本被抽到的概率相等且相互独立。
在进行简单随机抽样时，需要先对总体进行编号，然后利用随机数表或随机数发生器来进行抽样。
简单随机抽样适用于总体分布均匀、样本之间相互独立的情况。
2. 分层抽样。
分层抽样是将总体按照某种特征分成若干层，然后从每一层中分别进行随机抽样，最后将各层抽样结果合并在一起。
分层抽样能够保证各层样本的代表性，并且适用于总体具有明显分层特征的情况。
3. 系统抽样。
系统抽样是按照一定的规律从总体中抽取样本，例如每隔k个单位抽取一个样本。
系统抽样简单方便，适用于总体有序排列的情况，但如果总体中存在周期性规律，可能会导致抽样偏差。
4. 整群抽样。
整群抽样是将总体分成若干个群体，然后随机抽取部分群体作为样本。
整群抽样适用于总体分群明显、群体内部差异较小的情况，能够减少抽样工作量，并且方便实施调查。
5. 方便抽样。
方便抽样是指根据调查者的方便程度来选择样本，例如选择离调查者较近或容易接触的样本。
方便抽样简单快捷，但可能导致样本选择偏差，不具有代表性。
6. 分层整群抽样。
分层整群抽样是将总体先按照某种特征分层，然后再在每一层内进行整群抽样。
这种抽样方法能够兼顾分层和整群的优点，适用于总体具有复杂特征的情况。
以上介绍了几种常见的抽样方法，每种方法都有其适用的场景和局限性。
在实际应用中，需要根据研究目的和总体特征选择合适的抽样方法，以确保样本具有代表性和可靠性。
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。
几种常用的抽样方法
几种常用的抽样方法
我们知道，统计的基本思想是用样本的某些特征去估计总体的相应特征，因此样本的抽取是否得当就直接关系到总体估计的准确程度。
为了使所抽取的样本具有较强的代表性，人们在实践中总结出了一些抽样方法。
下面我们介绍比较常用的几种方法。
1、随机抽样：这种抽样方法的特点是要使总体中每个个体被抽取的可能性都相同。
当总体中的个体数较少时，常采用抽签的方法抽取样本，即将总体的各个个体依次编上号码1，2，3，…，m，制作一套与总体中各个个体号码相对应的、形状大小相同的卡片号签，并将卡片号签均匀搅拌，从中抽出n（n〈m〉个卡片号签，这N个卡片号签所对应的n个个体就组成一个样本。
2、系统抽样（systematic sampling）：当总体中个体数较多，且其分布没有明显的不均匀情况时，常采用系统抽样。
这时，可将总体分成均衡的若干部分，然后按照预先定出的规则，从每一部分抽取相同个数的个体。
这样的抽样叫做系统抽样。
例如，从1万名参加考试的学生成绩中抽取100人的数学成绩作为一个样本，可按照学生准考证号的顺序每隔100个抽一个。
假定在1~100的100个号码中任取1个得到的是37号，那么从37号起，每隔100个号码抽取一个号，所得到的100个号码依次是37，137，237，…9937。
3、分层抽样（stratified sampling）：当总体由有明显差异的几个
部分组成时，用上面两种方法抽出的样本，其代表性都不强。
这时要将总体按差异情况分成几个部分，然后按各部分所占的比进行抽样，这种抽样叫做分层抽样。
常用的三种抽样分布
为
1
和分母SS自1222 由度为
2
的
F
2 ( 2 )
分布，记为
2
F～
F
(
1,
2
)
。
对于样本方差
s12
和
s
2 2
，自由度分别为
1
和
2
的
正态总体，因为有 1s12 s2
～
2
( 1 )
,
2s22 s2
～ 2 ( 2 ) ,
所以有 F
= s12 s22
～ F (1, 2 )
F分布的概率密度函数
F 分佈是為了紀念著名的統計學家R.A. Fisher（1890-1962)而得名。
3 3.84 6 7.81 9
1122.59 15
18
卡方值
5.99
附表 3 中列出了各种自由度的上α分位点
对应的概率，如
2 0.05
(2)
5.99
。
对于正态总体，若总体均数μ未知，则由
数理统计知识可知： (n 1)S 2
s2即 s2 s2服从χ2 Nhomakorabea( ) ，
由此可对方差的抽样误差进行假设检验。
χ2分布
由度的大小有关。
自由度越小，则t值越分散，曲线越低平； 自由度逐渐增大时，t分布逐渐逼近Z分 布(标准正态分布)；当趋于∞时，t分布即 为Z分布。
t 界值表
（P279，附表2）
问单侧t0.025,10 ?
f (t) ν=10的t分布图
✓ 举例：
t
1.812 -2.228
2.228
① 10，单 =0.05，t , t0.05,10 1.812 ，则有
三种抽样方法
三种抽样方法在统计学中，抽样是一种用来研究和分析整个群体的子集的方法。
通过对子集进行研究，我们可以推断和推断出关于整个群体的一些信息。
这是因为可以合理地假设子集是整体的代表性样本。
在实践中，有多种抽样方法可以选择，包括随机抽样、系统抽样和分层抽样等。
下面将对这三种方法进行详细说明。
首先，随机抽样是最常用的一种抽样方法。
它是通过随机选择个体来组成样本的方法。
随机抽样的主要目的是确保每个可能的样本都有相同的机会被选择到。
这样可以最大程度地减少选择偏倚，并提高样本的代表性。
随机抽样方法包括简单随机抽样和分层随机抽样。
在简单随机抽样中，每个个体都有相同的机会被选择到样本中，而在分层随机抽样中，人们将总体划分为几个互不重叠的层次，然后在每个层次中进行独立的随机抽样。
其次，系统抽样是另一种常见的抽样方法。
这种方法是通过按照事先确定的规律选择个体来组成样本。
与随机抽样不同，系统抽样每隔一定间隔选择一个个体。
例如，如果想要从1000个人中选择100个样本，可以选择每隔10个人进行抽样。
这样可以在保持样本的代表性的同时，减少抽样过程中的随机性。
但是，如果总体中存在其中一种规律性的分布，系统抽样可能导致选择偏倚。
因此，在使用系统抽样时，需要注意总体的特征和规律性。
最后，分层抽样是一种将总体分为几个相似的子群体，然后从每个子群体中进行独立的随机抽样的方法。
分层抽样的主要目的是确保样本中包含各个子群体的代表性样本，从而更准确地推断和推断整个群体的特征。
分层抽样可以根据不同的特征对总体进行分层，例如根据性别、年龄、地区等。
在每个层次中进行的随机抽样可以根据该层次中的概率分布进行，也可以根据整个总体的概率分布进行。
分层抽样能够最大限度地提高样本的代表性，并确保对不同子群体的特征有充分的了解。
常见的抽样方案有哪几种类型
常见的抽样方案有哪几种类型常见的抽样方案有哪几种类型摘要：抽样是研究和调查领域中常用的一种数据收集方法。
在统计学中，抽样是从总体中选择部分个体进行观察和测量，以推断总体的特征。
本文将介绍六种常见的抽样方案，包括简单随机抽样、系统抽样、分层抽样、整群抽样、多阶段抽样和方便抽样，并对每种抽样方案的原理、适用场景和优缺点进行详细讨论。
1. 简单随机抽样简单随机抽样是最基本也是最常见的抽样方法之一。
它的原理是从总体中随机选择样本，每个个体被选中的概率是相等的。
简单随机抽样可以保证样本的代表性，能够准确地反映总体的特征。
然而，由于样本选择的随机性，可能会导致抽样误差较大的问题。
因此，在使用简单随机抽样时，需要注意样本容量的大小，以及通过增加样本数量来降低抽样误差的方法。
2. 系统抽样系统抽样是一种按照一定的规律从总体中选择样本的方法。
它的原理是通过设定一个抽样间隔，从总体中选择每隔固定间隔的个体作为样本。
系统抽样相对于简单随机抽样来说，更加方便且容易实施。
然而，当总体中存在周期性或者规律性的分布时，系统抽样可能会导致样本的偏差，从而影响结果的准确性。
因此，在使用系统抽样时，需要注意选择合适的抽样间隔，并通过随机起点来降低抽样误差。
3. 分层抽样分层抽样是将总体划分为若干个层次，然后在每个层次中进行抽样的方法。
它的原理是根据总体中的某个特征将个体分为不同的层次，然后在每个层次中进行抽样。
分层抽样能够保证每个层次的代表性，提高样本的准确性。
然而，分层抽样需要提前了解总体的分层情况，并确定每个层次的样本容量，这对于一些复杂的总体来说可能会带来一定的困难。
4. 整群抽样整群抽样是将总体划分为若干个群体，然后在每个群体中选择全部个体或者部分个体作为样本的方法。
它的原理是将总体划分为若干个群体，然后从每个群体中选择全部个体或者部分个体进行抽样。
整群抽样适用于总体中的个体具有相似特征的情况，能够减少样本选择的工作量和成本。
几种常用抽样方案
几种常用抽样方案
常用抽样方案有很多种，以下是几种常见的抽样方案及其特点：
1.简单随机抽样：简单随机抽样是指从总体中随机地选择样本，每个个体有相等的概率被选中。
这种抽样方案适用于总体的分布和特征都是已知的情况，且总体规模不大的情况。
2.系统抽样：系统抽样是指按照一定的规则，从总体中按照一定的间隔选择样本。
例如，从一串编号的个体中每隔一定的距离选择一个个体作为样本。
系统抽样适用于总体规模较大，难以进行简单随机抽样的情况。
3.分层抽样：分层抽样是将总体分为若干层，然后从每一层中进行简单随机抽样。
这种抽样方案适用于总体具有明显的层次结构的情况，可以提高抽样的效率和精度。
4.整群抽样：整群抽样是将总体划分为若干个群体，然后随机选择几个群体作为样本进行调查。
这种抽样方案适用于总体划分明确，群体内的个体相似性较高的情况，能够提高抽样的效率。
5.分阶段抽样：分阶段抽样是将抽样过程划分为多个阶段，在每个阶段中进行不同的抽样方式。
例如，先进行简单随机抽样，然后在选定的样本中再进行分层抽样。
分阶段抽样适用于复杂的抽样情况，能够提高抽样的效率和灵活性。
6.整体抽样：整体抽样是指直接从总体中抽取全部个体作为样本。
这种抽样方案适用于总体规模较小，抽取全部个体的成本较低的情况。
以上是几种常用的抽样方案，不同的抽样方案适用于不同的调查情况。
在选择抽样方案时，需要考虑总体的特点、抽样目的以及可行性等因素，
以确保抽样结果的准确性和可靠性。
抽样分布公式t分布卡方分布F分布
抽样分布公式t分布卡方分布F分布抽样分布公式：t分布、卡方分布、F分布抽样分布是统计学中的重要概念，用于推断总体参数以及进行假设检验。
本文将重点介绍三种常见的抽样分布公式：t分布、卡方分布和F分布。
一、t分布公式t分布是用于小样本情况下进行参数估计和假设检验的重要分布。
它的定义如下：假设有一个总体，样本容量为n，总体的均值和标准差未知。
如果从该总体中随机抽取一个样本，计算样本均值与总体均值的差异，用t 值来衡量。
那么，t值的概率分布就是t分布。
t分布的公式如下：t = (x - μ) / (s / √n)其中，x为样本均值，μ为总体均值，s为样本标准差，n为样本容量。
t分布的自由度为n-1。
在实际应用中，可以利用t分布表或统计软件来查找不同自由度下的t值对应的概率。
二、卡方分布公式卡方分布是应用于统计推断的重要分布，主要用于分析分类资料或定类变量的相关性。
它的定义如下：假设有一个总体，样本容量为n，比较观察值与理论值之间的差异。
我们将差异的平方进行求和，并除以理论值，得到统计量，称为卡方统计量。
卡方分布的公式如下：χ^2 = Σ((O - E)^2 / E)其中，O为观察值，E为理论值。
卡方分布的自由度取决于总体参数的个数减去估计的参数个数。
在实际应用中，同样可以利用卡方分布表或统计软件来查找不同自由度下的卡方值对应的概率。
三、F分布公式F分布是应用于统计推断的另一重要分布，主要用于比较两个或多个总体方差是否相等。
它的定义如下：假设有两个总体A、B，分别进行抽样，计算两个样本方差的比值，得到F统计量。
F分布的公式如下：F = (s1^2 / σ1^2) / (s2^2 / σ2^2)其中，s1^2和s2^2分别为样本A和样本B的方差，σ1^2和σ2^2分别为总体A和总体B的方差。
F分布的自由度取决于样本容量和总体个数。
在实际应用中，同样可以利用F分布表或统计软件来查找不同自由度下的F值对应的概率。
16几个常用的抽样分布与抽样分布定理
(s
0),
(s 1)
s (s) ,(12)
3
3．性质：
1）期望与方差
提示： 2
X
2 1
X
2 n
若 2 ~ 2(n)，则 E( 2)= n，D( 2)=2n
证明： 因为Xi～N(0, 1)
所以
E
(
X
2 i
)
D( Xi
) [E( Xi
)]2
1 0 1
D(
X
2 i
)
E
(
X
4 i
)
[
2 1
/
2 2
~
F (n1
1, n2
1)
29
定理2结论(3)
假定
2 1
2 2
2,
就有
t T ( X Y ) (1 2 ) ~ S 1 n1 1 n2
(n1 n2 2)
其中
S2
(n11)S12 (n2 1)S22 n1 n 2 2
即
( X Y ) (1 2 )
13
Ｔ 的概率密度为
(s) xs1e x d x (s 0),
0
f (t)
( n 1) 2
(1
t2
)
n1
2,
(12)
t
n ( n) n
2
14
2．基本性质：
(1) f ( t ) 关于 t = 0(纵轴)对称。
(2) f ( t ) 的极限为 N(0, 1) 的密度函数，即
lim f (t) (t)
标准化
定理1：设总体 X ~ N ( , 2 ) ，X1, X2,…, Xn 是
来自总体 X 的样本，
抽样分布的名词解释
4.F分布：F分布是指F统计量的分布情况。F分布常用于F检验，用于比较两组样本的方差差异是否显著。
抽样分布的类型和使用场景不同，但都在统计学中扮演着重要的角色。通过对抽样分布的了解，可以帮助我们更加准确地进行统计分析，更好地掌握数据的分布情况。
抽样分布是指根据总体数据的抽样结果的分布情况。在统计学中，通过对样本的观察，可以推断出总体的分布情况。
常见的抽样分布包括正态分布、t分布、卡方分布、F分布等。
1.正态分布：正态分布是指数据呈现出高峰在中间，两侧逐渐递减的分布形态。正态分布常用于表示自然界中许多变量的分布情况，例如人群身高、体重等。
2.t分布：t分布是指在总体方差未知的情况下，样本方差的分布情况。t分布常用于统计分析中的t检验，用于比较两组样本的差异是否显著。
抽样分布基本概念
第一节 抽样分布基本概念
一、样本容量和样本个数 二、参数和统计量 三、抽样分布 四、抽样分布的数字特征
一、样本容量和样本个数
总体是研究的所有个体构成的集合，其 中的个体的数目常用 N表示。
样本均值的抽样分布，就是采取重复 抽样的方式，选取容量为 n 的所有样本， 由样本均值所有可能的取值形成的概率分 布。它是推断总体均值 的理论基础。
以下分两种情况来讨论样本均值X 的 抽样分布类型。
一、样本均值的抽样分布
（一）总体服从正态分布
正态分布的再生定理：若总体变量
X ～ N , 2 ,从这个总体中抽取容量为 n
经济管理类“十三五”规划教材
统计学
-从典型案例到问题和思想
第五章 抽样分布
§ 典型案例【6】 § 第一节 抽样分布基本概念 § 第二节 几个常见的抽样分布
【典型案例6】如何决定是否购买一批苹果？
俗话说“一日一苹果，医生远离我。” 假如现在面对一批苹果，人们如何了解它 们口感的均值和差异值，以便作出是否购 买这批苹果的决策呢？
正态分布
N (, 2 n)
非正态分布
图5-2 样本均值的抽样分布图
一、样本均值的抽样分布
根据本章第一节，在不重复抽样情形
下，样本均值的抽样分布为：
～ X
N
,
2
n
N N
n 1
（5.8）
一、样本均值的抽样分布
【例5-2】假设在一个饭店门口等待出 租车的时间是服从左偏分布的，均值为12 分钟，标准差为3分钟。现从饭店门口随机 抽取100名顾客并记录他们等待出租车的时 间，考察100名顾客的平均等待时间的抽样 分布。
第六章 抽样分布及总体平均数的估计
• 对总体参数的一种看法 总体参数包括总体均值、比例、方差等 分析之前必需陈述
三 假设检验的基本原理
2、什么是假设检验？
1）概念 事先对总体参数或分布形式作出某种假设， 然后利用样本 信息来判断原假设是否成立。 2） 类型 参数假设检验 非参数假设检验 3）特点 采用逻辑上的反证法 依据统计上的小概率原理
二 总体平均数的估计
（3）区间估计（interval estimation)
根据估计量以一定可靠程度推断总体参数所在的区间 范围，用数轴上一段距离表示未知参数可能落入的范围， 虽不具体指出总体参数等于什么，但能指出未知总体参数 落入某一区间的概率有多大。
（4）置信区间（confidence interval）
一 抽样分布与平均数抽样分布
3、样本平均数与总体平均数离差的形态
（2）总体方差未知 总体正态，样本平均数与总体平均数的离差统 计量呈 t 分布； 总体非正态，但满足n>30这一条件，样本平均 数与总体平均数的离差统计量 近似t 分布。
t分布
t 分布（t-distribution)是统计分析中应用较多 的一种随机变量函数的分布，是统计学者高赛特 1908年以笔名“Student”发表的论文中推导出来 的一种分布，又叫学生氏分布。这种分布是一种 左右对称，峰态比较高狭，分布形状随样本容量 n-1的变化而变化的一组分布。
二 总体平均数的估计
4 总体方差σ2未知时，总体平均数μ的估计 用样本的无偏方差作为总体方差的估计值，样本 平均数的分布为t分布，应查t值表，包括以下两 种情况：
（1）总体的分布为正态时，可不管n值大小。 （2）总体分布为非正态，只有n>30，才能用概率对其样本 分布进行解释。
一些常用的抽样分布
一些常用的抽样分布 1、 正态母体中x 的分布设x x x x n i 、、、、、、、、、21使独立同分布的随机变量（在有限 个母体中，进行重复抽样时，取出一个检查后又放回样本中，母体的性质不变，分布也不变，称、、、、、、、、、x x x n 21是独立同分布的。
无限母体，认为抽样后，母体的性质不变）且每一个随机变量服从正态分布分布),(2σμN ,则平均值∑==ni i x n x 11服从正态分布),(2nσμ。
2、 x 2分布设、、、、、、、、、x x x n 21使独立同分布的随机变量，而每个随机变量服从标准正态分布N （0，1），则随机变量x x x xn 222212、、、+=的分布密度为0 x 《0 F(x)=e x x n nn 2122)2(12--τ x>0其中)2(n τ是伽马函数在2n 初的值，这种分布 ⎰∞-=01)(dt x e t t x τ称为自由度为n 的x 2分布，记为)(2n x水泥砼用材料的检测一、水泥五大类常用水泥品种1、主要检测项目及指标（P120）2、取样方法（1）袋装水泥同一水泥厂，同期出厂的同品种和同强度等级，200t为一取样单位。
随机从20个以上部位的袋中取等量样品水泥，混拌均匀后称取12kg为样品。
（2）散装水泥同一水泥厂，同期出厂的同品种和同强度等级，500t为一取样单位。
随机从不少于3个罐车中取等量水泥，混拌均匀后称取12kg为样品。
（3）样品两等分：①一份用于试验检测；②一份密封保存三个月，备查复检。
3、常用水泥技术性能的检测方法（1）细度①比表面积法：透气仪P122负压筛法②筛析法（0.0080mm筛孔）水筛法干筛法（2）标准稠度用水量标准稠度用水量试验，主要为测定凝结时间和安定性确定用水量调整水量法（试锥下沉28±2mm）两种方法固定水量法 P=33.4-0.185s(3)凝结时间初凝：下沉至距底板4±1mm终凝：下沉为0.5mm时4、安定性5、水泥胶砂强度试验五大类常用水泥品种。
- 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)。
如果总体服从正态分布N（m，s2），
则从该正态总体中抽取样本，得到的
样本均数也服从正态分布，但该分布
为N（m，s2/n ），此时的方差是总 体的1/n倍，即有
mx m,
sx
s
n
中心极限定理
• 如果总体不是正态总体，但其均数和标
准差分别为μ和σ，则当样本含量n不断
增大时，样本均数的分布也趋近于正态
由度的大小有关。
自由度越小，则t值越分散，曲线越低平； 自由度逐渐增大时，t分布逐渐逼近Z分 布(标准正态分布)；当趋于∞时，t分布即 为Z分布。
t 界值表
（P279，附表2）
问单侧t0.025,10 ?
f (t) ν=10的t分布图
✓ 举例：
t
1.812 -2.228
2.228
① 10，单 =0.05，t , t0.05,10 1.812 ，则有
单侧t0.05，9＝1.833 双侧t0.01/2，9＝3.250
＝单侧t0.005，9 单侧t0.01，9＝2.821 双侧t0.05/2，∞＝1.96
＝单侧t0.025，∞ 单侧t0.05，∞ ＝1.64
三、 F 分布
令 2 (1) 和 2 ( 2 ) 分别为服从自由度为 1 和 2 的
独立变量的卡方分布，则称 F 2 (1) 1 服从分子自由度
F 分布曲线
1 1, 2 5
1 5, 2 5
1 10, 2 10
F 界值表
5
附表5 F界值表（方差分析用，单侧界值） 上行：P=0.05 下行：P=0.01
分母自由度
分子的自由度，υ1
υ2
1
2
3
4
5
6
161 200 216 225 230 234 1
4052 4999 5403 5625 5764 58 由度为
2
的
F
2 ( 2 )
分布，记为
2
F～
F
(
1,
2
)
。
对于样本方差
s12
和
s
2 2
，自由度分别为
1
和
2
的
正态总体，因为有 1s12 s2
～
2
( 1 )
,
2s22 s2
～ 2 ( 2 ) ,
所以有 F
= s12 s22
～ F (1, 2 )
F分布的概率密度函数
F 分佈是為了紀念著名的統計學家R.A. Fisher（1890-1962)而得名。
3.84
(1.96)2
Z2 0.05/ 2
2 0.01(1)
6.63
(2.5758)2
Z2 0.01/ 2
χ2分布（chi-square distribution）
纵高
0.5 0.4 0.3 0.2 0.1 0.0
0
f
( 2)
1
2( / 2)
2
2
( / 21)
e2 / 2
自由度＝1 自由度＝2 自由度＝3 自由度＝6 P＝0.05的临界值
3 3.84 6 7.81 9
1122.59 15
18
卡方值
5.99
附表 3 中列出了各种自由度的上α分位点
对应的概率，如
2 0.05
(2)
5.99
。
对于正态总体，若总体均数μ未知，则由
数理统计知识可知： (n 1)S 2
s2
即 s2 s2
服从χ2 ( ) ，
由此可对方差的抽样误差进行假设检验。
χ2分布
f(χ2)
χ2
χ2分布曲线下的面积与概率
二、 t 分布(t-distribution)
随机变量X N（m，s2）
Z X m s
Z变换
标准正态分布
N（0，12）
均数 X
N (m,s 2 n)
Z X m
sn
标准正态分布
N（0，12）
Student t分布
t X m X m , v n 1 SS n SX
自由度：n-1
f(t)
ν─>∞(标准正态曲线)
ν=5
ν=1
f (t) ( 1) 2 (1 t 2 / )( 1) 2
( 2)
-5.0
-4.0
-3.0
-2.0
-1.0
0.0
1.0
2.0
3.0
4.0
5.0
t
图4-2 不同自由度下的t 分布图
t分布的特征
①以0为中心，左右对称的单峰分布；
②t分布曲线是一簇曲线，其形态变化与自
P(t 1.812) 0.05 或 P(t 1.812) 0.05
② 10，双 =0.05，t 2, t0.05/ 2,10 2.228 ，则有
P(t 2.228) P(t 2.228) 0.05 t t 0.10/ 2,30 0.05,30
t分布曲线下面积（附表2）
双侧t0.05/2，9＝2.262 ＝单侧t0.025，9
• （4）检验统计量分布（或抽样分布）
包括：卡方分布，t分布，F分布等。 这些分布是卡方检验、t检验、方差分
析等假设检验的基础。
练习作业
实习册 1，2，3，4
每一个成功者都有一个开始。勇于开始，才能找到成
•
1、
功的路 。20.11.2920.11.29Sunday, November 29, 2020
成功源于不懈的努力，人生最大的敌人是自己怯懦
•
2、
。0 6:30:43 06:30:4 306:301 1/29/2 020 6:30:43 AM
每天只看目标，别老想障碍
•
3、
。20.1 1.2906: 30:430 6:30Nov -2029-Nov-20
宁愿辛苦一阵子，不要辛苦一辈子
•
4、
。06:3 0:4306: 30:430 6:30Sunday, November 29, 2020
分布，且其均数为μ，标准差为 s
n
• 不论总体的分布形式如何，只要样本含
量n足够大时，样本均数的分布就近似正
态分布 ，此称为中心极限定理。 （下章通过抽样实验证实）
常用的三种抽样分布
• 一、 2 分布
• 二、t分布 • 三、F 分布
均为连续型随
机变量分布，分布 只与自由度，即样 本含量有关
2 0.05(1)
18.51 19.00 19.16 19.25 19.30 19.33 2
98.49 99.00 99.17 99.25 99.30 99.33
4.24 3.39 2.99 2.76 2.60 2.49 25
7.77 5.57 4.68 4.18 3.85 3.63
F 分布曲线下面积与概率
小结
• （1）随机变量、概率分布、抽样分布 是统计学推断的基础。
• （2） 二项分布描述二项分类变量两种 观察结果的出现规律。泊松分布是二项 分布的特例，常用于事件发生率很小， 样本含量很大的情况。
• （3）正态分布是其他分布的极限分布， 许多统计方法的理论基础。不少医学 现象也服从正态分布或近似服从正态 分布。