6-3正态总体样本均值和样本方差的分布
正态总体统计量的分布
![正态总体统计量的分布](https://img.taocdn.com/s3/m/c0bc4be43968011ca2009166.png)
§ 5.5正态总体统计量的分布1.单个正态总体的统计量的分布从总体X 中抽取容量为n 的样本X i , X 2,…,X n ,样本均值与样本方差分别是 _ 1 n1 n_ 2X Xi,S 2 =——Z (Xi -X ). n y n —1 y定理1设总体X 服从正态分布N (巴b 2),则样本均值X 服从正态分布N 巴N (巴 CT 2证 因为随机变量 X i ,X 2,…,X n 相互独立,并且与总体 X 服从相同的正态分布 宀 ——I o n丿 ),所以由§ 4.3中的定理知,它们的线性组合 X 服从正态分布N [巴 定理2设总体X 服从正态分布N (巴b 2),则统计量X —卩 u=^~^服从标准正态分布 b/J n N (01 ),即X —卩 U =.厂 ~ N (0,1 ) b/U n由定理1结论的标准化即得到定理2o 定理3设总体X 服从正态分布N (巴b 2 ),则统计量■/2 1 n - 2(X i -X )服从自由 ◎ y 度为n 的/2分布,即 1 n _ 2 22=产三(X i -X)"怖) 证注意到X i 〜N (巴CT 2 ),则 X 一卩 - ----- N(0,1) i =1,2,…,nc 又上述统计量相互独立,并按照/2分布的定义可得结果。
定理4设总体X 服从正态分布N (巴b 2 ),则 (1) 样本均值X 与样本方差S 2相互独立;(2) 统计量*2 = 一服从自由度为nT 的,2分布,即C72/2=(n」S〜/2( n-1)证明略。
Y 11定理5设总体X服从正态分布N (巴b2),则统计量t =---- =服从自由度为n-1的S V nt分布,即X —卩7〜心证由定理2知,统计量u 〜N(o,1 )又由定理4知,统计量厂=5-〜工2(n_i)C2因为X与S2相互独立,所以u与72也相互独立,于是根据t分布的定义得结论。
2.两个正态总体的统计量的分布从总体X中抽取容量为n x的样本X1,X2,…,X n x,从总体丫中抽取容量为n y的样本Y,丫2,…,Y n y。
正态总体的抽样分布
![正态总体的抽样分布](https://img.taocdn.com/s3/m/1f93a63bc281e53a5802ffec.png)
则服从自由度为 n-1 的 t 分布的随机变量是
.
练习
设总体X的密度函数为 | x |, | x | <1 f ( x) 其他 0, X1 ,X 2 , Xn为取自X的一个样本:求
(1)E (X),D(X) (2)E(S )
2Hale Waihona Puke 练习设总体X~N(0,1),样本X 1 , X 2 ,
2
X6
2
(2) X 和 S 相互独立.
取不同值时 的分布
2
例题分析
定理 3
设
(与样本均值和样本方差有关
的一个分布) 的样本,
X1, X2 ,…, Xn 是取自正态总体
分别为样本均值和样本方差, 则有
且它们独立。 则由t-分布的定义:
当
4. 两个正态总体
(1) 若 X ~ N (μ1,σ12) : X1,X2,…,Xn1
2 2
证:EX i 0, DX i 1, X i ~ N (0,1)
2 i 4 i 2 2 i n
n
EX 1,
2 i
DX EX ( EX ) 3 1 2, i 1, 2,
所以 E 2 E ( X i2 ) EX i2 n.
D 2 D( X i2 ) DX i2 2n.
设 X: 1. 2. 若 X~N(0,1),则 X1,X2,…,Xn
四大统计量
两个正态总体
Y ~ N (μ2,σ2 2) : Y1,Y2,…,Yn2 ,它们相互独立,
(1) 若 X ~ N (μ1,σ12) : X1,X2,…,Xn1
则
(2)
当σ12 =σ22 =σ2时,
( 3)
《概率与数理统计》第06章 - 样本及抽样分布
![《概率与数理统计》第06章 - 样本及抽样分布](https://img.taocdn.com/s3/m/24a541b75a8102d277a22f42.png)
(3)g( x1, x2 ,L xn )是统计量g(X1, X2 ,L Xn )的观察值
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
X
2 i
i 1
nX
2
样本标准差
S
1 n
n
1
(
i 1
X
i
是来自总体的一个样本,则
(1) E( X ) E( X ) ,
(2) D( X ) D( X ) 2 n ,
n
(3) E(S 2 ) D( X ) 2
矩估计法的 理论根据
若总体X的k阶矩E( X k ) k存在,则
(4) Ak
1 n
n i 1
Xik
p k
k 1, 2,L .
(3)证明:E(S2 )
定义 设X1 , X2 ,L , Xn是来自总体X的一个样本, g( X1 , X 2 ,L , X n )是X1 , X 2 ,L , X n的函数,若g 中不含未知参数,则g( X1 , X 2 ,L , X n )称是一 个统计量.
请注意 :
(1)X1, X2 ,L
X
是样本,也是随机变量
n
(2)统计量是随机变量的函数,故也是随机变量
1
e
(
xi 2
2
)2
2
n
( xi )2
1
e i1 2 2
n
2
第二节
抽样分布
西安交大西工大 考研备考期末复习 数理统计第一部分 基本概念(带答案)
![西安交大西工大 考研备考期末复习 数理统计第一部分 基本概念(带答案)](https://img.taocdn.com/s3/m/2737e9f14793daef5ef7ba0d4a7302768e996fce.png)
第一部分 基本概念基础练习一. 填空题1若1210,,,X X X 相互独立,2~(,),1,2,,10i i iX N i μσ=,并且σ已知,则1210,,,X X X 的函数=2χ________服从于210χ()分布.答案:102211)ii i X μσ=-∑(2 ),(~),,(~222211σσμμN Y N X ,从总体X 、Y 中分别抽取容量为1n 、2n 的样本,样本均值分别为X 、Y X Y -则,= 。
答案: ),(22212121n n N σσμμ+-3设T 服从自由度为{}{}λλ<=>T P a T P t n 则若分布的,,= 。
答案:21a- 4设621,,,X X X 是取自总体)1,0(~N X 的样本,264231)()(∑∑==+=i i i i X X Y ,则当c = 时, cY 服从2χ分布,)(2χE = .。
答案:1/3,25设总体X 服从N(a,22)分布,12(,,,)n X X X 是来自此总体的样本,X 为样本均值,试问样本容量n>_________,才能使E(|X -a|2)≤0.1。
答案:n >406设12,,n X X X ,为总体X 的一个样本,若11ni i X X n ==∑且EX μ=,2DX σ=,则EX = _________,DX = __________。
答案:μ,2nσ7设总体()22X N σ服从正态分布,,1216,,X X X ,是来自总体X 的一个样本,且161116i i X X ==∑, 则48X σ-服从 ____ ______分布.答案:()01N ,8某地的食用水中以每cm3中含大肠杆菌个数 X 为特性指标,已知它服从均值为λ 的泊松分布,从水中抽一个容量为n 的样本 Z Z Z n 12,,, ,则样本的联合分布律为 。
答案:P Z x Z x x e n x i i nn i 111===-=∏,,!b gλλ12()12(!!!)n n ex x x n x x x λλ-+++=9某种元件的寿命服从均值为1λ的指数分布,用寿命作为元件的特性指标,任取n 个元件,其寿命构成一个容量为n 的样本,则样本分布的联合分布密度为 。
概率论6-1,2,3
![概率论6-1,2,3](https://img.taocdn.com/s3/m/4e525bed0975f46527d3e1cc.png)
例如,考察某工厂10月份生产的灯泡的寿命所组 例如,考察某工厂 月份生产的灯泡的寿命所组 成的总体。 成的总体。灯泡寿命落在各个时间区间内有一定的 百分比,如灯泡寿命落在1000小时 小时~1300小时的占灯 百分比,如灯泡寿命落在 小时 小时的占灯 泡总数的85%,落在1300小时 %,落在 小时~1800小时的占灯泡总 泡总数的 %,落在 小时 小时的占灯泡总 数的5%, %,…。 即灯泡寿命的取值有一定的分布。 数的 %, 。 即灯泡寿命的取值有一定的分布。
就取位于 [ 是整数, x([ np ]+1) , 不是整数, 当np不是整数, x 综上, 综上, p = 1 [ x( np ) + x( np+1) ], 当np是整数 . 2
0 当 特别, 特别, p = 0.5时,.5分位数 x0 .5也记为Q2或
数据集的箱线图是由箱子和直线组成的图形, 数据集的箱线图是由箱子和直线组成的图形, 它是基于以下五个数的图形概括: 它是基于以下五个数的图形概括: 最小值 Min, 第一四分位数 Q1,中位数M,第三四分位数 Q3和 中位数 最大值 Max. 作法如下: 作法如下: (1) 画一水平数轴, 在轴上标上 Min,Q1, M, 画一水平数轴, Q3,Max. 在数轴上方画一个上、 下侧平行于数 在数轴上方画一个上、 Q 箱子的左右两侧分别位 于 Q1, 3 的上方. 轴的矩形箱子, 轴的矩形箱子, 在 M点的上方画一条垂直线 段 .线段位于箱子内部. ( 2)自箱子左侧引一条水平 线至 Min; 在同一水平 高度自箱子右侧引一条水平线直至最大值. 高度自箱子右侧引一条水平线直至最大值. 如图所示. 如图所示.
1.总体与个体 总体与个体
§1 随机样本
总体 试验的全部可能的观察值称为总体. 试验的全部可能的观察值称为总体. 个体 总体中的每个可能观察值称为个体. 总体中的每个可能观察值称为个体.
6-5 两个正态总体均值及方差比的置信区间
![6-5 两个正态总体均值及方差比的置信区间](https://img.taocdn.com/s3/m/9bb6c5d149649b6648d74731.png)
6.5 两个正态总体均值差及 方差比的置信区间
1. 两正态总体均值差 µ1 − µ 2的置信区间
2 σ1 2. 两个总体方差比 2 的置信区间 σ2
3. 小结
设给定置信度为1 − α , 并设 X 1 , X 2 ,⋯, X n 为 第一个总体 N ( µ1 ,σ 1 )的样本 , Y1 ,Y2 ,⋯,Yn 为第二
要点回顾
无偏性 1. 估计量的评选的三个标准 有效性 相合性 2. 置信区间是一个随机区 (θ , θ ), 它覆盖未知参 间 ( 数具有预先给定的概率置信水平) , 即对于任
意的θ ∈Θ, 有 P{θ < θ < θ } ≥ 1−α. 求置信区间的一般步骤(分三步 分三步). 求置信区间的一般步骤 分三步
例4 分别由工人和机器人操作钻孔机在纲部件 上钻孔,今测得所钻的孔的深度(以cm计)如下 上钻孔,今测得所钻的孔的深度( 计
工人 操作 机器人 操作 4.02 3.64 4.03 4.02 3.95 4.06 4.00 4.01 4.03 4.02 4.01 4.00 3.99 4.02 4.00
2 σ1 , 由 X , Y 的独立性及 X ~ N µ1 , n1 2 2 σ1 σ 2 , + 可知 X − Y ~ N µ1 − µ 2 , n1 n2
2 σ2 , Y ~ N µ2 , n2
或
( X − Y ) − (µ1 − µ 2 ) ~ N (0, 1),
2 s1 s12 1 1 2 , 2 s F (6,7) s F (6,7) = ( 2.87,46.81). 0.95 2 2 0.05
这个区间的下限大于1,在实际中, 这个区间的下限大于 ,在实际中,我们就认为
正态分布的均质和方差
![正态分布的均质和方差](https://img.taocdn.com/s3/m/ffa6355f5e0e7cd184254b35eefdc8d376ee14ae.png)
正态分布的均质和方差
正态分布是一种常见的概率分布,它在自然界和人类社会中广泛应用。
它的均值和方差是描述这种分布特征的重要参数。
均值是正态分布的中心位置,它代表了数据的平均值。
均值越大,分布的中心越靠右;均值越小,分布的中心越靠左。
例如,我们可以用正态分布来描述人们的身高。
如果均值为170厘米,那么大多数人的身高会集中在这个数值附近。
而方差则决定了分布的扩散程度。
方差越小,数据点越集中在均值附近;方差越大,数据点分布得越广。
正态分布在很多领域都有应用。
在医学研究中,正态分布常被用来分析人群的生理指标,如血压、血糖等。
在财经领域,正态分布可以用来描述股市的波动情况,帮助投资者做出决策。
在社会科学中,正态分布可以用来研究人们的意见、行为等。
正态分布的特点使得它成为了统计学中重要的工具。
通过对数据的分析,我们可以了解到数据的分布情况,进而做出合理的判断和预测。
然而,正态分布并不适用于所有情况。
有些数据可能不服从正态分布,可能需要使用其他的概率分布进行分析。
正态分布的均值和方差是描述分布特征的重要参数。
它在各个领域都有广泛的应用,帮助我们理解和解释数据。
虽然正态分布并不适用于所有情况,但它仍然是统计学中不可或缺的工具之一。
通过对
均值和方差的理解和应用,我们可以更好地分析数据,做出准确的判断和预测。
概率论与数理统计A第6章
![概率论与数理统计A第6章](https://img.taocdn.com/s3/m/8de5b84ff78a6529647d5366.png)
几个常见统计量
样本平均值
样本方差
它反映了总体 方差的信息
X
1 n
n i1
Xi
它反映了 总体均值 的信息
S2n11in1(Xi X)2
n1 1i n1Xi2nX2
样本标准差 S n1 1i n1(Xi X)2
样本k阶原点矩
Ak
1 n
n i1
Xik
k=1,2,…
样本k阶中心矩
Mk
1 n n i1
(1)
(n1)S2
2
~2(n1)
(2) X与S2独立 .
n取不同值时 (n 1)S 2
2
的分布
推论1 (样本均值的分布)
设X1,X2,…,Xn是取自正态总体 N(,2)
的样本, X和S2 分别为样本均值和样本方差,
则有
X ~t(n1)
Sn
证由定 1、 2理 t,分布的定义可得
X~N(0,1), n
X ~ N(,2) n
即 X~N(0,1) n
X ~ N(,2) X ~ N(0,1) n n
请注意 : 在已知总体,2时, 可用本定理计算样 本均值X.
n取不同值时样本
均值 X 的分布
定理 5 (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
的 点 t ( n ) 为 t ( n ) 分 布 的 上 分 位 数 。 如 图 所 示 .
t ( n )
t分布的上分位点的性质: t1(n)t(n)
t分 布 的 左 侧 分 位 点 t(n)可 查 表 求 得 , 例 t0.975(15)6.262.
当n45时,对于常 的 用值 的,可用正态近
统计学第六版贾俊平
![统计学第六版贾俊平](https://img.taocdn.com/s3/m/840fecbe0722192e4536f6b7.png)
6 -3
统计学(第6版)
6. 1 统计量
6. 1 统计量
6.1.1 统计量的概念
统计量是样本的函数,它不依赖于任何未知参 数; 根据不同的研究目的,可构造不同的统计量; 利用构造的统计量,用样本性质推断总体的性 质; 统计量是统计推断的基础,在统计学中占据着 非常重要的地位。
6 -5
统计学(第6版)
6 - 17
n=1
n=4 n=10
当自由度增加时, 卡方分布的概率 密度曲线趋于对
n=20
称。当n趋于无
穷大时,卡方分
布的极限分布就
2 是正态分布。
不同容量样本的卡方分布
统计学(第6版)
6.3 由正态分布得到的几个重要分布
2分 布 的 性 质 1 . 数学期望为:2E)( n 2 . 方差为:D2() 2 n 3 .2分布的可加性,即12若~ 2( n 1 ),22 ~ 2( n 2 ) , 且独立,则
(1)抽检的100个元件中有3个不合格; (2)抽检的100个元件中前3个不合格;
100
在产品检验中,二项分布的统计量T X i是不合格
品率p的充分统计量。
i 1
6 - 11
统计学(第6版)
6. 2 关于分布的几个概念
6. 2 关于分布的几个概念
6.2.1 抽样分布
近代统计学的创始人之一,英国统计学家费希尔曾把 抽样分布、参数估计和假设检验看作统计推断的三个 中心内容。
6.2.2 渐近分布
当n无限增大时,统计量T(X1,X2,…Xn)的极限 分布常称为统计量的渐近分布; 第4节中的中心极限定理揭示的就是样本均值的 渐近分布; 不少重要的统计方法就是基于渐近分布提出的。
6 - 14
概率论与数理统计:6-3样本均值与样本方差的分布
![概率论与数理统计:6-3样本均值与样本方差的分布](https://img.taocdn.com/s3/m/e28e2b9c5901020206409c0e.png)
n
m Xi
T
i 1
的概率分布。
nm
n
X
2 i
i n 1
解
由题设可知:X1
,
X
2
,
X
相互独立,且
nm
Xi N 0, 2 ,i 1, 2, , n m.
n
n
Xi
故
Xi ~ N (0, n 2 ),
i 1
则
i1 ~ N (0,1).
n
而
nm
i n 1
基本定理
定理 设随机变量X1, X 2 , , X n 相互独立,且
Xi ~ N ( i , i2 ) (i 1, 2, , n)
则它们的任一确定的线性函数
n
n
n
ci Xi ~ N ( cii ,
ci2
2 i
).
i 1
i 1
i 1
其中c1, c2 , , cn为不全为零的常数.
一、单个正态总体的抽样分布
第6.3节 样本均值与样本方差的分布
一、基本定理 二、例题
三、小结
既然统计量是依赖于样本的,而后者又是随 机变量,故统计量也是随机变量,因而就有一定的 分布.称这个分布为“抽样分布”.也即抽样分布就 是统计量的分布
抽样分布
精确抽样分布
渐近分布
(小样本问题中使用) (大样本问题中使用)
这一节, 我们来讨论正态总体的抽样分布.
例4 设 X ~ N 1, 12 , X1, X2,......Xn 是X 的一个样本
Y ~ N
2
,
2 2
, Y1,Y2,......Yn 是 Y的一个样本。
概率论数理统计基础知识第五章
![概率论数理统计基础知识第五章](https://img.taocdn.com/s3/m/510776ca0975f46527d3e1bc.png)
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
正态总体中均值与方差的关系 -回复
![正态总体中均值与方差的关系 -回复](https://img.taocdn.com/s3/m/b66e621776232f60ddccda38376baf1ffc4fe31f.png)
正态总体中均值与方差的关系-回复正态总体指的是服从正态分布的概率分布,也被称为高斯分布。
它具有许多特性,包括对称的形状、均值和方差对分布起着重要的影响。
正态分布的均值μ表示数据的中心位置,而方差σ^2则衡量了数据的离散程度。
在正态总体中,均值和方差之间存在一定的关系,即均值的变化会影响方差的大小,反之亦然。
首先,我们来探讨均值对方差的影响。
正态总体的方差受到均值的影响,均值的变化会导致分布的形状发生改变,从而影响方差的大小。
当均值发生变化时,数据的分布趋势会向均值方向偏移,这会使得数据的离散程度也发生变化。
如果均值增加,那么数据分布将会向右偏移,数据点相对于均值的距离会变大,导致方差增加。
反之,如果均值减小,数据分布将会向左偏移,数据点相对于均值的距离会变小,从而方差减小。
可以看出,均值的变化对方差的大小具有明显的影响。
其次,我们来讨论方差对均值的影响。
方差衡量了数据的离散程度,方差的大小取决于数据点离均值的距离。
当方差增加时,数据点相对于均值的距离变大,这意味着数据的离散程度变大。
在正态总体中,方差的变化会导致数据的分布形状发生改变。
当方差增加时,数据分布会变得更加扁平,即数据点相对于均值的距离变大,从而改变了分布的形状。
这会使得均值的准确性下降,因为更多的数据点偏离了均值,所以均值也会有所增加或减小。
综上所述,正态总体中均值和方差之间存在着紧密的关系。
均值的变化会导致数据分布的形状发生变化,进而影响方差的大小。
方差的变化会对数据的离散程度产生影响,进而影响均值的准确性。
需要注意的是,均值和方差是正态总体的两个重要参数,它们之间的关系可以通过数学公式进行描述和计算。
通过对均值和方差的分析,我们可以更好地理解正态总体的特点和性质,从而为统计分析和推断提供支持。
概率论与数理统计复习资料
![概率论与数理统计复习资料](https://img.taocdn.com/s3/m/9481941fe87101f69e3195d9.png)
2)矩估计、最大似然估计;
3)无偏估计、有效估计 ; 4)求置信区间; 5)假设检验。
概率论与数理统 计复习课
(统计部分)
第五章
“大数定律和中心极限定理”
“切比雪夫不等式”
16 ♀设 n 是 n 次独立重复试验中事件A出现的次数,
♀随机变量X 满足:E(X)=,D(X)=2,则由切比雪夫 1 不等式有 P{| X | 4}
2
(C) S
2 2
2 (D) vS 服从自由度为v的分布
服从自由度为 n 的分布
2
2
2
7.设随机变量 X ~ N 0,1和Y ~ N 0,2,并相互独 立, 则( ) 2 1 2 2 2 (A) X Y 服从 分布 3 3 2 1 1 (B) X 2 Y 2 服从 分布 2 2 2 1 2 (C) X Y 服从 分布
本,则 ( X i X ) /
2 2 i 1
( n 1)
2
2
2.设总体X N (0,22 ) , X 1 , X 2 , X 3 , X 4 为来自
X的一个样本,设 Y a( X1 2 X 2 ) b(3 X 3 4 X 4 ) ,
2
则当a =1/20,b=1/100 时Y 服从
1 n
i 1
n
( X i ) 2 是2的最大似然估
计量
2e 2( x ) , x 13 设总体X的概率密度为 f ( x ) 0, x 其中 > 0是未知参数. X1, X2,…,Xn 是来自X的样本.
求 的矩 估计量及最大似然估计量, 并判断它们是否 是 的无偏估计量.
正态总体的常用抽样分布(2)
![正态总体的常用抽样分布(2)](https://img.taocdn.com/s3/m/2894bfd4bb68a98270fefa42.png)
(n 1)S 2
2
~
2 (n 1) ,
且 X 与 (n 1)S 2 相互独立,
2 /n
2
3
X / n
~
N (0, 1) ,(n 1)S 2 2
~
2 (n 1) ,
且
X 2/n
与
(
n
1)
2
S
2
相互独立,
由 t 分布的定义,
T X 2/n
(n 1)S 2
2 (n 1)
S
2 X
和
SY2
为各自的样本方差,
则
F
S
2 X
SY2
2 1
2 2
~
F (n1
1, n2
1) .
证
(n1
1)
S
2 X
2 1
~
2(n1
1),(n2
1)SY2
2 2
~ 2(n2 1),
且
S
2 X
与
SY2
相互独立,
由F分布的定义可得结论.
18
小结
样本均值
X
1 n
n i 1
Xi
样本方差
S2
(4) U ( X Y ) (1 2 ) ~ N (0,1)
2 1
/
n1
2 2
/
n2
(5)
T
F
(X S
S
2 X
SY2
Y)
xy
(1
1
1
) 2~
t ( n1
n2
n1 n2
2
其
中
S
2 xy
(n1
1)S n1
1 2
概率论第六章
![概率论第六章](https://img.taocdn.com/s3/m/8e3579d8a6c30c2258019e07.png)
对有限总体,采用放回抽样所得到的样本为简单随 机样本。
当样本容量 n 与总体容量N 相比很小时, 可将无放 回抽样近似地看作放回抽样.(n/N<1/10)
对于无限总体,因抽取一个个体不影响它的分布, 所以总是用不放回抽样。
(X 1,X 2, ,X n)是 来 自 总 体 的 样 本 ,求 样 本 (X 1,X 2, ,X n)的 分 布 律 .
解 总体X的分布律P 为 {X x}px(1p )1 (x x 0, 1)
因 X 1 ,为 X 2 , ,X n 相互 ,且与X独 有相立 同的分 , 布
所 (X 以 1,X 2, ,X n)的分布律为
X 1 k ,X 2 k , ,X n k 独立 X k 同 且 分 与 布
E ( X 1 k ) E ( X 2 k ) E ( X n k ) k
由辛钦定理
A
k
1 n
n i 1
X
k i
P k , k
1, 2,
,
说明2
依概率收敛的序列性质知道 g为连续函数
g( A1, A2 ,, Ak ) P g(1, 2 ,, k )
10 i 1
( xi
x )2
390.0
9 10
s2
21
3. 经验分布函数(与总体分布函数F(x)相对应的统计量)
设 X 1 ,X 2 , ,X n 是 总 体 X 的 一 个 样 本 , 用 s (x ) , x 表 示 X 1 ,X 2 , ,X n 中 不 大 于 x 的 随 机 变 量 的 个 数 ,
基本概念: 个体 总体无有限限总总体体 样本 样本值 总体的分布 样本的分布
概率论与数理统计复习
![概率论与数理统计复习](https://img.taocdn.com/s3/m/764d79d21a37f111f1855b89.png)
《概率论与数理统计》复习©基本内容和要求第一章随机事件及其概率1、掌握样本空间、随机事件、事件的概率等基本概念,了解频率的稳定性;2、掌握事件的关系与运算、熟悉概率的一些性质,会利用其计算概率;3、掌握古典概型的概率计算;4、掌握条件概率、乘法公式、事件的独立性,会利用其计算概率;5、掌握全概率公式和贝叶斯公式,会利用其计算概率。
第二章随机变量及其分布1、理解随机变量及其概率分布的概念;2、掌握离散型随机变量的分布律的概念与性质,掌握重要的常见分布:0-1,二项,Poisson分布;3、掌握分布函数和概率密度的概念及性质,熟悉均匀分布和正态分布,会查表计算正态分布随机变量的概率;4、掌握随机变量函数的分布。
5、掌握二维随机变量与联合分布,掌握联合分布与概率密度;6、理解边缘分布与条件分布,掌握边缘分布与条件分布公式;7、理解随机变量的独立性,会用其计算概率;8、掌握两个随机变量的函数的分布:Z=X+Y的分布,M=max(X,Y)、N=min(X,Y)的分布。
第三章随机变量的数字特征1.掌握数学期望和方差的概率意义和基本性质,并能熟练计算随机变量的数学期望和方差;2.记住常见分布的数学期望和方差;3.理解并掌握随机变量的协方差及相关系数,了解矩。
第四章大数定律与中心极限定理1.掌握切比雪夫不等式;2.了解贝努里大数定律,理解频率稳定性的含义;3.理解独立同分布的中心极限定律及德莫弗—拉普拉斯定理,会近似计算。
第五章统计估计1.理解总体、个体、样本、统计量等概念;2.熟记几个常见的统计量及分布:2 分布,t分布,F分布,3.正态总体的样本均值与样本方差的分布,临界值查法。
4.理解估计量与估计值的概念,会计算未知参数的矩估计和极大似然估计;5.了解估计量的评选标准;6.理解置信区间、置信度的概念,掌握单(双)正态总体均值和方差的区间估计。
第六章 假设检验1.两类错误2.掌握假设检验的一般步骤;3.掌握正态总体的均值和方差的双侧假设检验(z 检验,t 检验, 2χ检验)方法。
三大分布及正态总体统计量的分布
![三大分布及正态总体统计量的分布](https://img.taocdn.com/s3/m/5ade012f24c52cc58bd63186bceb19e8b8f6ecbb.png)
泊松分布在统计学中的应用
01
在计数数据分析和可靠性工程中,泊松分布在预测和解释随机 事件发生的频率方面非常有用。
02
在生物统计学中,泊松分布用于描述遗传变异和基因突变的频
率。
在物理学中,泊松分布用于描述放射性衰变和粒子碰撞的次数。
03
泊松分布的参数
λ
事件的平均发生率,决定了泊 松分布的形状和规模。
p
每次试验成功的概率,是一 个0到1之间的实数。
k
成功的次数,是一个0到n之 间的非负整数。
04
正态总体统计量的分布
样本均值的分布
1
样本均值是总体均值的无偏估计,其分布近似于 正态分布,当样本量足够大时,样本均值的分布具有对称性,即均值点是其对称 轴,标准差越小,分布越集中,对称性越好。
3
样本均值的标准误是衡量样本均值与总体均值差 异的指标,其计算公式为标准差除以样本量的平 方根。
样本方差的分布
01
样本方差是总体方差的估计量,其分布并不服从正 态分布,而是卡方分布。
02
样本方差的大小与样本量有关,样本量越大,方差 越小;样本量越小,方差越大。
03
样本方差的自由度等于样本量减去1。
二项分布在统计学中的应用
01
可靠性分析
在可靠性工程中,二项分布用于 描述产品在多次试验中失败的次 数。
遗传学
02
03
统计学
在遗传学中,二项分布用于描述 在n次独立重复的遗传试验中某 基因出现的次数。
在统计学中,二项分布用于描述 在n次独立重复的伯努利试验中 成功的次数。
二项分布的参数
n
试验次数,是一个非负整数 。
正态分布的性质
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
![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](https://img.taocdn.com/s3/m/98c090847375a417876f8f9a.png)
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。
- 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 ( 2 ) 1 2 0 , 9 7 72 1 【注】 D(X Y ) D(X ) D(Y ) 3 3 1 .
20 30 4
0.. 9 5 4 4
•7
§3 正态总体样本均值和样本方差的分布
(本节为第七章和第八章的基础)
内容: 单正态总体样本均值和样本方差的分布(重点讲授) 双正态总体样本均值和样本方差的分布(简单介绍)
•1
一、单正态总体样本均值和样本方差的分布
定理 3.1 设 (X1, X2,L , Xn ) 为来自总体 X ~ N (, 2 ) 的
1) .
•6
例 3.3 从总体 X ~ N(1,3) 中分别抽取容量为 20, 30 的两个 独立样本,求其样本均值差的绝对值小于1的概率.
解 设 两个 样本均 值分 别为 X 和 Y , 由定 理 3.2⑴ ,可 得 X Y ~ N(0, 1) ,所以
4 P{ X Y 1} P{ X Y 2}
Xi
,样本方差为 S12
1 n1 1
n1 i1
(Xi
X )2
.
(Y1,Y2 ,L
,Yn2 ) 为来自总体Y
~
N
(2
,
2 2
)
的一个样本,样本均
值为Y
1 n2
n2
Yi ,样本方差为 S22
i 1
1 n2 1
n2 i1
(Yi
Y )2
,且
X1, X 2 ,L , X n1 与 Y1,Y2 ,L ,Yn2 相互独立.则
例 3.1 设 (X1, X2,L , X9 ) 为来自总体 X ~ N (, 2 ) 的一个 样本,求 P{0.4656 X 0.9655}.
S
解 由定理 3.1⑵知, X ~ t(8) , 所以
S9
P{0.4656 X 0.9655} P{1.3968 X 2.8965}
S
S9
P{t0.10 (8)
X S
9
t0.01 (8)}
P{t0.90 (8)
X S
9
t0.01 (8)}
0.90 0.01 0.89 .
•3
例 3.2 设 (X1, X2,L , Xn ) 为来自总体 X ~ N (, 2 ) 的一个样
本,其中 n
1.令 S02
1 n
n i 1
(Xi
)2
,分别计算
E(S02 ) , D(S02 ) , E(S 2 ) 和 D(S 2 ) . 考研必须掌握其
解 由定理 3.1⑶和⑷知,
方法和结论!
nS02
2
1
2
n
(Xi
i 1
)2
~
2
(n)
,
(n
1)S
2
2
~
2 (n 1) ,
所以
E
(
nS02
2
)
n,
D(
nS02
2
)
2n
,
E[
(n
1)S
2
2
]
n
1,
D[
(n
1)
2
S
2
]
2(n
1)
,
故得 E(S02 )
2,
D(S02 )
2 4
n
, E(S2)
2,
D( S 2 )
2 4 .
n 1 •4
二、双正态总体样本均值差和样本方差比的分布
定理 3.2
设 ( X1, X 2 ,L
, X n1 1
)
的样本,
样本均值为 X
1 n1
n1 i1
•5
⑴
X
Y
~
N (1
2
,
12
n1
2 2
n2
)
;
⑵
当
12
,
2 2
未知,但
12
=
2 2
2
时,
T ( X Y ) (1 2 ) ~ t(n1 n2 2) ,
Sw
11 n1 n2
其中 S
(n1 1)S12 (n2 1)S22 ;
n1 n2 2
⑶
F
S12 S22
12
2 2
~
F (n1 1, n2
一个样本,则
⑴
X
~
N (,
2
) ,或
U X ~ N(0,1) ;
n
n
差别
⑵ T X ~ t(n 1) ,
Sn
不同
n
(Xi )2
不同
⑶ 2 i1 2
~ 2 (n) ;
n
差别
⑷ 2
(n 1)S 2
(Xi
i 1
X )2
~
2 (n 1) ,
2
2
且 X 与 S 2 相互独立.
•2