概率统计第六章
概率论与数理统计 第六章 样本及抽样分布
x0 o.w.
n 1
n5
n 15
15
（2）t-分布（学生分布）
设 X ~ N ( 0 ,1), Y ~ 2 ( n ) 且X、Y为独立随 机变量，则称随机变量
t
X Y /n
X
1 n 2 ( X 12 ...... X n )
为自由度为n的t-分布。记为： t ~ t ( n ) 。
3
§1 随机样本
总体: 研究对象在某项数量指标的全体. 记为X。通常称总体X。 个体: 总体X中的每一个元素（实数）xi。 根据总体所含的个体数分为： 有限总体和无限总体。
4
总体与取样
X1
X
X2 X3 Xn
取样模型
X
X2 X1
X3
X4
X5
河流污染取样
5
总体、样本、统计量
总体 样本 统计量
X1 X2
2 ( n ) 分布:
具有可加性
2 X X 12 ...... X n , X i ~ N (0,1)
3. 4.
t ( n ) 分布:
X ~ N (0,1), Y ~ 2 ( n )
t(n) X Y /n
F ( n1 , n 2 ) 分布: U ~ 2 ( n1 ), V ~ 2 ( n 2 )
F (n1 , n2 )
19
分位点及性质:
定义: Pr[ X z ]
z
(1)标准正态分布分位点
(x)
( x)dx 1 ( x)dx
z
z1
( x)
Pr[ X z ]
概率与统计学课件-第六章-数理统计的基本概念2-1
�总体与样本
基本概念: 总体：研究的问题所涉及的对象的全体 个体：总体中的每个成员 样本：从总体中抽取部分个体 样本容量：样本所包含的个体数量 样本观测值：
数的属性 样本的二重性 随机变量的属性
设X1,X2, …,Xn为总体X的一个容量为 n的 样本。若它满足 独立性，即X1,X2, …,Xn 相互独立； 同分布性，即每个 Xi都与总体X服从相 同的分布. 则称这样的样本为简单随机样本，简称为 样本。
�统计量
设是总体X的样本，g(X1,X2, …,Xn)是样本 的实值函数，且不包含任何未知参数，则 称g(X1,X2, …,Xn)为统计量。
例2.若X1,X2, X3是来自总体X~N(μ, σ 2)的 其中参数μ未知， σ2已知，则
X 1 X 3 − 3µ , X12 + 4 X 22 + 5µ 都不是统计量
�定理
若X1,X2, …,Xn是来自总体X的样本，设X 的分布函数为 F(x)，则样本X1,X2, …,Xn的 联合分布函数为
n
∏ F (x )
i i =1
例1.若X1,X2, …,Xn是来自总体X的样本，设 X的分布函数为 F(x)，则样本 X1,X2, …,Xn的联合分布函数为
⎧ n − λ xi (1 − e ), xi > 0(i = 1, 2,⋯ , n) ⎪∏ F ( x1 , x2 ,⋯ , xn ) = ⎨ i =1 ⎪ 0 , 其他 ⎩
1/8， 25 ≤ x<27 2/8， 27 ≤ x<30 3/8， 30 ≤ x<33 Fn(x)= 5/8， 33 ≤ x<35 6/8， 35 ≤ x<45 7/8， 45 ≤ x<65 1， 65 ≤ x
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
概率与数理统计第六章
t
ｘ
ｙ
W {T t (n 1)}
2021/3/11
t
ｘ 16
6.2.1 单个正态总体均值的假设检验
例6.2 正常人的脉搏平均每分钟72次，某医生测得10例四乙基铅 中毒患者的脉搏数（次/分）如下：54，67，68，78，70，66， 67，70，65，69.已知人的脉搏次数服从正态分布．试问四乙基铅
在取6份水样，测定该有害物质含量，得如下数据： 0.530‰，0.542‰，0.510‰，0.495‰，0.515‰，0.530‰
能否据此抽样结果说明有害物质含量超过了规定？ 0.05
练习2 一公司声称某种类型的电池的平均使用寿命至少为21.5小 时，有一实验室检验了该公司制造的6套电池，得到如下的寿命数 据（单位：小时）：19 18 22 20 16 25 设电池寿命服202从1/3/正11 态分布，试问这种类型的电池寿命是否低于该18 公
即提出假设： H0 : p 0.02 若 H0 正确，则取到次品为小概率事件.
2021/3/11
在一次试验中， 小概率事件是 几乎不可能发 生的．
小概率原理
2
6.1 假设检验的基本概念
2. 两类错误
犯了“弃真”错误 第一类错误
犯了“纳伪”错误 第二类错误
P(拒绝H0 | H0为真)
P(接受H0 | H0为假)
注意：我们总把含 有“等号”的情形 放在原假设．
在原假设 H0 为真的前提下，确定统计量
U
X 0
~
N (0,1)
n
2021/3/11
因为X
~
N
,
2
n
,
所以
X
~
N (0,1)
概率论与数理统计教材第六章习题
X σ0 n
~ N(0,1)
对于置信水平1- ，总体均值的置信区间为 对于置信水平 -α，总体均值 的置信区间为
X
σ0
n
uα < < X +
2
σ0
n
uα
2
(2)设总体 ～ N(,σ 2 ), 未知 ，求的置信区间。 设总体X～ 未知σ， 的置信区间。 设总体 的置信区间
σ 0 ，则样本函数 t = X ~ t(n 1) 用 S 代替 S n
i =1
n1
n1
F
1
α ∑ Yj 2
2 j =1
n2
(
)
2
n2
10
2 2 及 （1）设两个总体 ～ N(1,σ1 ) 及Y～ N(2 ,σ 2 ), 未知 1 2， ）设两个总体X～ ～
2 σ1 的置信区间。 求 2 的置信区间。 σ2
选取样本函数 选取样本函数
2 2 S1 σ1 F = 2 2 ~ F(n1 1, n2 1) S2 σ2
∑x
i =1
n
i =1
i
n = 0.
1 p
得 p 的极大似然估计值为 p =
n
∑x
i =1
n
1 = x
i
12
1 θ 2. 设总体 服从拉普拉斯分布：f ( x;θ ) = e ,∞< x < +∞, 设总体X 服从拉普拉斯分布： 2θ 求参数 θ 其中 > 0. 如果取得样本观测值为 x1 , x2 ,L, xn , 求参数θ
第六章 参数估计
(一)基本内容
一、参数估计的概念 1 定义：取样本的一个函数θ ( X 1 , X 2 ,L , X n ), 如果以它的观测 定义：
《概率与数理统计》第06章 - 样本及抽样分布
(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
西北工业大学《概率论与数理统计》课件-第六章 参数估计
(2) 似然函数
定义6.1 设总体X的分布密度(或分布律)为 p(x; ), 其中 (1, 2, ,m )为未知参数. 又设
( x1, x2,, xn ) 为自总体X的样本(X1,X2,…,Xn) 的一 个观察值，则称样本的联合分布
n
L( ) p(x1, x2, … , xn; ) p( xi; )
2º似然估计方程组与最大似然估计之间没有必 然
从中解得 pˆ k n
参数 p的估计值
这时, 对一切 0< p <1, 均有
P{Y k; pˆ } P{Y k; p}
综上所述： 设某试验的可能结果为： A1, A2 , ···, Ai , ···
若在一次试验中，某结果 Ai 出现，则应选择参 数使Ai 出现的概率最大.
以上这种选择一个参数使得实验结果具有
(k 1,2,, m)
(4) 求最大似然估计(MLE)的步骤:
1 写出似然函数
(1, 2 , ,m )
n
L( ) L( x1, x2,, xn; ) p( xi; )
n
i 1
2 取对数 ln L( ) ln p( xi; )
i 1
3 解似然方程(组)
ln L
ln L
2
为来自总体X的简单随机样本. 矩估计法的具体步骤:
1 求出k E( X k ) (1,2,,m )， k 1,2,,m；
2 要求k Ak , k 1,2,, m
这是一个包含 m个未知参数1,2 ,,m的方程组.
3 解出其中1,2,,m , 用ˆ1,ˆ2,,ˆm表示.
4 用方程组的解ˆ1, ˆ2 , ,ˆm 分别作为 1,2 ,,m的估计量,这个估计量称为
概率论与数理统计第6章
第六章6.4 在例6.2.3 中, 设每箱装n 瓶洗净剂. 若想要n 瓶灌装量的平均阻值与标定值相差不超 过0.3毫升的概率近似为95%, 请问n 至少应该等于多少？ 解：因为1)3.0(2)/3.0|/(|)3.0|(|-Φ≈<-=<-n nnX P X P σσμμ依题意有,95.01)3.0(2=-Φn ，即)96.1(975.0)3.0(Φ==Φn于是 96.13.0=n ，解之得 7.42=n 所以n 应至少等于43.6.5 假设某种类型的电阻器的阻值服从均值 μ=200 欧姆， 标准差σ=10 欧姆的分布, 在一个电子线路中使用了25个这样的电阻.（1) 求这25个电阻平均阻值落在199 到202 欧姆之间的概率; （2) 求这25个电阻总阻值不超过5100 欧姆的概率. 解:由抽样分布定理，知nX /σμ-近似服从标准正态分布N （0，1)，因此(1) )25/10200199()25/10200202()202199(-Φ--Φ≈≤≤X P)5.0(1)1()5.0()1(Φ+-Φ=-Φ-Φ=5328.06915.018413.0=+-= (2) )204()255100()5100(≤=≤=≤X P X P X n P 9772.0)2()25/10200204(=Φ=-Φ≈6。
8 设总体X ~N （150,252), 现在从中抽取样本大小为25的样本, {140147.5}P X ≤≤。
解： 已知150=μ，25=σ，25=n ，)25/25150140()25/251505.147()5.147140(-Φ--Φ≈≤≤X P)5.0()2()2()5.0(Φ-Φ=-Φ--Φ= 2857.09615.09772.0=-=第六章《样本与统计量》定理、公式、公理小结及补充：。
概率论与数理统计第六章样本及抽样分析
期望与方差：E(Y) = n, D(Y) = 2n
X1, X2,……, Xn 来自标准正态总体 X 的样本，那么
Y (X1 X2 )2 (X3 X4 )2 (X5 X6 )2
是否服从卡方分布？若 kY ~ χ2( n )，求 k，n
第六章 样本及抽样分析
… 19.675 2… 21.026 23.337 26.217 28.299
… 22.362 24.736 27.688 29.819
… 23.685 26.119 29.141 30.319
…
…
…
…
…
…
…
…
…
…
查表练习： 求下列各式中的 C 值
1. Y ~ 2(24), P(Y C ) 0.1 2. Y ~ 2(40), P(Y C ) 0.95
样本可看成 n 维随机变量（X1, X 2 ,, X n）， 则有 P( x1, x2 ,, xn ) = P( x1)P( x2 ) P( xn )
或 f ( x1, x2 ,, xn ) = f ( x1) f ( x2 ) f ( xn )
身高总体
178.4 161.5 174.9 182.7 171.0 165.3 172.8 182.1 180.2 176.8 181.7 175.7 177.3 180.0 179.4 177.0 181.3 176.5 176.0 175.7 168.1 184.6 169.1 177.8 175.1 161.8 174.3 176.0 163.7 176.8 177.3 175.3 180.2 176.8 181.9 178.4 181.5 177.6 179.9 178.2 174.7 176.0 175.7 180.3 166.2 177.2 171.9 182.9 176.8 179.5 167.0 174.8 182.7 174.9 178.1 179.9 175.4 184.4 175.1 179.4 173.2 176.1 177.6 180.5 164.3 170.5 177.5 168.3 173.0 176.8 173.9 180.7 166.5 180.0 165.6 179.4 182.2 176.3 177.4 183.4 167.9 176.1 177.4 183.4 176.9 168.0 179.0 178.8 173.1 173.2 162.2 179.9 178.2 183.0 174.0 180.8 173.1 173.2 176.8 171.1 169.0 178.3 171.6 181.2 167.6 161.1 166.0 190.2 180.3 166.2 174.9 175.8 176.5 164.2 173.0 176.8 170.5 180.5 177.3 175.3 163.7 176.8 171.1 168.5 171.2 170.2 177.1 169.4 175.7 177.3 183.2 168.6 175.1 179.4 169.1 169.9 168.5 180.2 174.9 171.0 171.0 168.8 177.7 168.6 176.6 175.9 176.8 179.5 174.3 176.0
概率论与数理统计第六章总结
概率论与数理统计第六章总结概率论与数理统计是数理学科中的重要分支，其应用广泛，涉及到许多领域，如工程、物理、自然科学、医学、经济学等等。
第六章主要讲述了离散型随机变量的概率分布、期望值、方差及其应用。
首先我们了解到离散型随机变量是指取值有限或者可以无限但是可以和自然数一一对应的随机变量，即不连续的随机变量。
其中概率分布的概念是很重要的，它告诉我们每种随机变量取值的可能性大小，从而可以计算一些重要的数值。
比如期望值，期望值是随机变量取值的平均值，它可以用概率分布函数计算得到。
期望值可以给我们一个随机变量所处于某个状态的平均位置，或者它对某个事件发生的平均贡献。
方差也是一个非常重要的概念，它是随机变量值与其期望值之差的平方的期望值。
方差表示了随机变量的分布范围，也就是它们取值的变化程度。
方差越大，代表随机变量距离其期望值越远，该随机变量取值的范围也相应较大。
求期望值和方差的过程中有一些公式会显著提高计算效率，比如线性变换的公式、缩放变换的公式、Chebyshev不等式等等。
这些公式的应用有助于简化计算，并且能帮助我们更容易地理解问题。
我们还讨论了一些常见离散型随机变量的概率分布，比如伯努利分布、二项分布、泊松分布等等。
这些分布的出现在实际问题中都有着很重要的意义，比如伯努利分布描述了实验只有两种可能结果的概率分布，比如是/否、头/尾等等。
而二项分布则描述了实验中成功的概率和试验次数的关系，给我们解决实际问题提供了基础。
除了离散型随机变量，我们还可以研究连续型随机变量的概率分布以及相应的数学理论。
这些知识在实际应用中也具有重要意义。
比如在统计财务账目时，需要研究一些连续型随机变量的概率分布，以便预测下一期客户付款时间的分布情况。
又比如在流量预测中，需要研究一些连续型随机变量的概率分布，以便预测某个时间段内的网络流量。
总之，离散型随机变量理论是概率论的核心内容，对于理解整个概率论课程和进行实际应用都有着重要的意义。
概率论与数理统计第六章总结
概率论与数理统计第六章总结一、概述在概率论与数理统计的第六章中，主要介绍了随机变量的概率分布以及常见的概率分布模型。
本章内容是概率论与数理统计的重点和难点之一，对于理解和应用概率统计的基本理论和方法具有重要意义。
二、随机变量的概率分布1. 随机变量及其概率分布的概念•随机变量是对随机试验结果的数值化描述，它的取值不仅依赖于随机试验的结果，还受到机会因素的影响。
•概率分布描述了随机变量可能取值的概率大小。
常用的概率分布有离散型和连续型两种。
2. 离散型随机变量及其概率分布•离散型随机变量的取值是有限或可列的，它的概率分布可以用概率质量函数来描述。
•常见的离散型随机变量包括伯努利随机变量、二项分布、泊松分布等。
3. 连续型随机变量及其概率分布•连续型随机变量的取值是无限的，它的概率分布可以用概率密度函数来描述。
•常见的连续型随机变量包括均匀分布、正态分布等。
三、常见概率分布模型1. 二项分布•二项分布是指在 n 重伯努利试验中，成功的次数服从的概率分布。
其概率质量函数为二项式系数与成功概率的乘积。
•二项分布在实际应用中常用于描述成功次数的分布情况，如抽样调查中的样本中某一特征出现的次数。
2. 泊松分布•泊松分布是定义在非负整数集上的概率分布，它描述了在一段时间或空间内事件发生的次数。
其概率质量函数为事件发生率与时间（或空间）长度的乘积。
•泊松分布常用于描述罕见事件发生的次数，如单位时间内电话呼叫次数、一段时间内事故发生次数等。
3. 正态分布•正态分布是最重要的连续型概率分布模型之一，也称为高斯分布。
它的概率密度函数呈钟形曲线，对称于均值。
•正态分布在实际应用中广泛存在，如身高体重、测量误差、考试成绩等符合正态分布的情况较多。
4. 指数分布•指数分布是定义在非负实数集上的连续型概率分布，它描述了连续时间间隔或空间间隔内事件发生的情况。
其概率密度函数呈指数下降曲线。
•指数分布在实际应用中常用于描述无记忆性随机事件的发生情况，如设备失效时间、极端天气事件的间隔等。
《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
概率论与数理统计第六章 数理统计的基本概念精品教案
第六章数理统计的基本概念一、内容提要数理统计学是数学的一个分支，它的任务是研究怎样用有效的方法去收集和使用带有随机性的数据，建立数学方法，去揭示所研究问题的统计规律性。
它的主要内容是由样本来推断总体。
（一）基本概率1. 总体、个体与样本：研究对象的全体称为总体，用X、Y等表示。
组成总体的每个元素称为个体或单元。
从总体中按一定的规律抽出一些个体就称为抽样，所抽及的个体称为样本，用X1,X2,…,X n表示。
一般样本容量小于50的样本称为小样本，样本容量大于等于50的样本称为大样本，但在样本不易实现时，样本容量大于30的样本可看作大样本。
包含有限个个体的总体称为有限总体，包含无限个个体的总体称为无限总体。
2. 简单随机抽样与简单随机样本：如果总体中各个个体被抽到的机会是均等的，并且在抽取一个个体后总体的成分不变，那么，抽得的一些个体就能很好地反映总体的情况，基于这种想法抽取个体的方法称为简单随机抽样。
抽得的这些个体构成一个样本，用（X1,X2,…,X n）表示，n为样本容量，X1,X2,…,X n应是n个相互独立的且与总体X同分布的随机变量，并将这种样本称为简单随机样本，简称样本。
本书所讨论的样本，如无特别声明，均指简单随机样本。
样本（X1,X2,…,X n）是n个相互独立的且与总体同分布的随机变量，而一次抽取之后，12（X 1,X 2,…,X n ）又是n 个具体的数据x 1,x 2…,x n ，即样本的一组观测值，在不致引起混淆的情况下，样本和样本值都用（X 1,X 2,…,X n ）表示，这就是样本的二重性。
3. 样本分布函数（或经验分布函数）：设样本（X 1,X 2,…,X n ）的观测值按由小到大次序排列后为：**2*1n x x x ≤≤≤Λ定义()()*1**1*0,,,,1,2,,11,.n k k n x x kF x x x x k n n x x +⎧⎪⎪=≤<=-⎨⎪⎪≥⎩p L ，为样本分布函数对于样本的不同观测值（x 1,x 2…,x n ），我们将得到不同的F n (x )，所以F n (x )是一个随机变量。
《概率论》 第六章 数理统计的基本概念.
2. 抽样原则 为使抽取的样本能很好地反映总体的特征，
一般要求抽取样本时遵循以下两点原则：
(1) 代表性 要求样本中的每个样品都是从总体 中 完全随机地抽出的，即每个样品与总体 具有相同
的分布；
(2) 独立性 要求每个样品的抽出相互之间是互不 影响的，即要求每个样品之间相互独立.
满足以上两点要求的样本称为简单随机样本.
1n
n 1 i1
i
2
(4) 样本 k 阶原点矩
Mk
1 n
n
i 1
k i
,
k
1,
2, ;
(5)样本 k 阶中心矩
M
k
1 n
n
(i
i 1
)k
, k 2, 3, ;
注 1. 上述几个统计量统称为样本矩；
2.
X
M1 ,
S2
M
2
.
三、样本矩的性质
2. 2分布的性质
性质1 ( 2 分布的可加性)
设 ~ 2(n1 ), ~ 2(n2 ), 并且 , 独立, 则 ~ 2(n1 n2 )
推广： 设 i ~ 2(ni ), 并且 i (i 1, 2,, m) 相互
独立,
则
m
i
~
2 (n1
2π
标准正态分布的上侧分位点
定义 设 U ~ N (0,1) ，对给定的正数(0 1)，
若实数u 满足
P{U u }
则称点 u为标准正态分布U的 上侧分位点（或称 上 分位数或 临界值）.
概率论与数理统计总结之第六章
第六章 样本及抽样分布 总体与个体：我们将试验的全部可能的观察值称为总体，这些值不一定都不相同，数目上也不一定是有限的，每一个可能观察值称为个体 总体中所包含的个体的个数称为总体的容量 容量为有限的称为有限总体 容量为无限的称为无限总体设X 是具有分布函数F 的随机变量，若,,21X X …n X ,是具有同一分布函数F 的、相互独立的随机变量，则称,,21X X …n X ,为从分布函数F （或总体F 、或总体X ）得到的容量为n 的简单随机样本，简称样本，它们的观察值,,21x x …n x ,称为样本值，又称为X 的n 个独立的观察值由定义得：若,,21X X …n X ,为F 的一个样本，则,,21X X …n X ,相互独立，且它们的分布函数都是F ，所以（,,21X X …n X ,）的分布函数为,,(21*x x F …)(),1∏==ni i n x F x又若X 具有概率密度f ，则（,,21X X …n X ,）的概率密度为,,(21*x x f …).(),1∏==ni i n x f x设,,21X X …n X ,是来自总体X 的一个样本，g(,,21X X …n X ,)是,,21X X …n X ,的函数，若g 中不含未知参数，则称g(,,21X X …n X ,)是一统计量设,,21X X …n X ,是来自总体X 的一个样本，n x x x ,^,,21是这一样本的观察值，定义：样本平均值∑==ni i X n X 11样本方差⎪⎭⎫ ⎝⎛--=--=∑∑==n i i n i i X n X n X X n S 12221211)(11样本标准差∑=--==ni i X X n S S 122)(11 样本k 阶（原点）矩,2,1,11==∑=k X n A n i ki k …样本k 阶中心矩,3,2,)(11=-=∑=k X X n B k ni i k …经验分布函数设,,21X X …n X ,是总体F 的一个样本，用∞<<-∞x x S ),(表示,,21X X …n X ,中不大于x 的随机变量的个数。
第二版 工程数学-概率统计简明教程-第六章 随机变量的函数及其分布
-2X 2 0 -2
-4 -5
pk 0.2 0.1 0.1 0.3 0.3
-2X 2 0 -2 -4 -5
X －1 0 1
2 2.5
pk 0.2 0.1 0.1 0.3 0.3
(2)
X2 1 0
1
4 9/4
pk 0.2 0.1 0.1 0.3 0.3
X2
0
1
pk 0.1 0.3
4 9/4 0.3 0.3
fX x
1
x2
e2
2
fY y
1
y2
e2
2
且X与Y 独立
f x, y
fX x
fY
y
1
x2 y2
e2
2
y
FZ z P Z z P X Y z
f ( x, y)dxdy
D
这里积分区域 D={(x, y): x+y ≤z}
一般方法
(1) 求Y的分布函数 FY(y)
FY ( y) 根据分布函数的定义 P(Y y) P(g( X ) y)
(2) 对FY(y) 求导，得到 fY(y)
P( X )
fY ( y) FY( y)
解不等式转化 为求关于X的概率
例2 设X的概率密度函数
f
X
x
x 2
,
0 x2
0, 其它
求随机变量Y＝3X＋2的概率密度函数。
第一步: 先求Y= 3X＋2的分布函数 FY (y).
解
FY y
PY y P3X 2 y
y2
P
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 (
- 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)。
习题六解答1. 设X求出：以下随机变量的分布律。
（1）2+X ；（2）1+-X ；（3）2X 。
解 由X由此表可定出（1）2+X（2）1+-X（3）2X 的分布律为其中()()()24682242=+=-=+===X P X P X P 。
2. 设随机变量X 服从参数1=λ的泊松分布，记随机变量=Y ,1,1;1,0>≤X X 若若试求随机变量Y 的分布律。
解 由于X 服从参数1=λ的泊松分布，因此(),,2,1,0,!!111 ====--k k e e k k X P k而 ()()()()1112!1!01010---=+==+==≤==e e e X P X P X P Y P ；()()()1211111--=≤-=>==e X P X P Y P 。
即Y 的分布律为3. 设X 的密度函数为()=x f ,0,2x,;10其他<<x 求以下随机变量的密度函数：（1）X 2；（2）1+-X ；（3）2X 。
解 求连续型随机变量的函数的密度函数可通过先求其分布函数，然后再求密度函数。
如果()x g y =为单调可导函数，则也可利用性质求得。
（1）解法一：设X Y 2=，则Y 的分布函数()()()⎪⎭⎫ ⎝⎛≤=≤=≤=22y X P y X P y Y P y F Y= ⎰⎰102202xdx xdx y1212002≥<≤<y y y=1402y 2200≥<≤<y y y ()()='=y F y f Y Y 02y其他20<<y 解法二：x y 2=，()y h y x ==2，而()21='y h ，则 ()()()()y h y h f y f X Y '== ,0,2122⋅⋅y 其他120<<y = 0,2y 其他20<<y（2）设1+-=X Y ，则()()1,1-='=-=y h y h y x ，Y 的密度函数()()()()='=y h y h f y f X Y()()211y -⨯- 其他110<-<y=()012-y 其他110<-<y （3）设2X Y =，由于X 只取()1,0中的值，所以2x y =也为单调函数，其反函数()()yy h y y h 121,='=，因此Y 的密度函数为 ()()()()='=y h y h f y f X Y,0,1212y y ⋅ 其他10<<y=,0,1其他10<<y4. 对圆片直径进行测量，测量值X 服从()6,5上的均匀分布，求圆面积Y 的概率密度。
解 圆面积241X Y π=，由于X 均匀取()6,5中的值，所以X 的密度函数()=x f X,0,1.;65其他<<x且241x y π=为单调增加函数()()6,5∈x ，其反函数()()y y y h yy y h ππππ11212,24=⋅='==， Y 的密度函数为()()()()='=y h y h f y f X Y,0,1y π ,;625其他<<πy= ,0,1y π .;9425其他ππ<<y5. 设随机变量X 服从正态分布()1,0N ，试求随机变量的函数2X Y =的密度函数()y f Y 。
解 ()1,0~N X ，所以()+∞<<-∞=-x ex f x X ,212π，此时2x y =不为单调函数不能直接利用性质求出()y f Y 。
须先求Y 的分布函数()y F Y 。
()()()=≤=≤=y XP y Y P y F Y 2()yX y P ≤≤-0,0;0≥<y y()()⎰⎰---==≤≤-yyyy X dx edx x f y X y P x 221π.()()='=y F y f Y Y,0,2121212122y eyeyy--+ππ,;0其他>y=,0,21ye y -π.;0其他>y6. 设随机变量X 服从参数为1的指数分布，求随机变量的函数X e Y =的密度函数()y f Y 。
解 ()=x f X ,,x e - .;0其他>xx e y =的反函数()()yy h y y h 1,ln ='=，因此所求的Y 的密度函数为 ()()()()='=y h y h f y f X Yln 1,0,y e y - ,;0ln 其他>y= ,0,12y .;1其他>y7. 设X 服从()1,0N ，证明a X +σ服从()2,σa N ,其中σ,a 为两个常数且0>σ。
证明 由于()1,0~N X ,所以()+∞<<-∞=-x ex f x X ,2122π，记a X Y +=σ，则当0>σ时，a x y +=σ为单增函数，其反函数()()σσ1,='-=y h ay y h ,因此Y 的密度函数为()()()()()+∞<<-∞=⋅='=--⎪⎭⎫⎝⎛--y eey h y h f y f a y a y X Y ,21121222221σσσπσπ，即证明了()2,~σσa a X N +。
8. 设随机变量X 在区间[]2,1-上服从均匀分布，随机变量=Y1,00,01,0.X X X >=-<若；若；若试求随机变量函数Y 的分布律。
解 []2,1~-R X ，则()=x f ,0,31.;21其他<<-x而 ()()⎰-==<=-=01313101dx X P Y P ； ()()000====X P Y P ；()()⎰==>==20323101dx X P Y P 。
因此所求分布律为9. 设二维随机变量()Y X ,的分布律；（３）X 2；（４）XY 。
（1）（２）由此得X 2的分布律为（４）１０. 设随机变量Ｘ、Ｙ相互独立，⎪⎭⎫⎝⎛⎪⎭⎫ ⎝⎛41,1~,41,1~B Y B X ,（１）记随机变量Y X Z +=，求Z 的分布律；（２）记随机变量X U 2=，求U 的分布律。
从而证实：即使Ｘ、Ｙ服从同样的分布，Y X +与X 2的分布并不一定相同，直观地解释这一结论。
解（１）由于⎪⎭⎫⎝⎛⎪⎭⎫ ⎝⎛41,1~,41,1~B Y B X ，且Ｘ与Ｙ独立，由分布可加性知⎪⎭⎫⎝⎛+41,2~B Y X ，即()()2,1,0,434122=⎪⎭⎫ ⎝⎛⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛==+==-k k k Y X P k Z P kk ,经计算有（２）由于因此易见Y X +与X 2的分布并不相同。
直观的解释是的Y X +与X 2的取值并不相同，这是因为X 与Y 并不一定同时取同一值，因而导致它们的分布也不同。
１１. 设二维随机变量()Y X ,的联合分布律为（１）求()Y X U ,max =的分布律； （２）求()Y X V ,min =的分布律。
解 （１）随机变量U 可能取到的值为１，２，３中的一个，且()()()()()()()()()()()()()()()()()();95919292003,32,31,33,23,13,max 3;31919202,21,22,12,max 2;911,11,max 1=++++===+==+==+==+=======++===+==+=============Y X P Y X P Y X P Y X P Y X P Y X P U PY X P Y X P Y X P Y X P U P Y X P Y X P U P 综合有（２）随机变量V()()()()()()()();95929200911,31,23,12,11,11,min 1=++++===+==+==+==+======Y X P Y X P Y X P Y X P Y X P Y X P V P 同理可求得()(),13,12====V P V P 综合有１２. 设二维随机变量()Y X ,服从在Ｄ上的均匀分布，其中Ｄ为直线0,0==y x ，2,2==y x 所围成的区域，求X Y -的分布函数及密度函数。
解 ()Y X ,的联合密度函数为1,02,02;(,)40,x y f x y ⎧<<<<⎪=⎨⎪⎩其他.设Y X Z -=，则Z 的分布函数()()()()⎰⎰=≤-=≤=zzD Z dxdyy x f z Y X P z Z P z F ,其中区域(){}z y x y x D z ≤-=:,，当2-<z 时，积分区域见图6.2，此时()⎰⎰==zD Z dxdy z F 00当02<≤-z 时，积分区域见z D 图6.3，此时()()()()22281221414141,z z D dxdydxdy y x f z F z D D Z z z +=-⨯=⨯==='⎰⎰⎰⎰'的面积区域 其中z D '是区域z D 限在20,20<<<<y x 中的那部分。
当20<≤z 时，积分区域z D 见图6.4，此时()()()()2228112214414141,z z D dxdydxdy y x f z F z D D Z z z--=⎪⎭⎫ ⎝⎛-⨯-⨯=⨯==='⎰⎰⎰⎰'的面积区域其中z D '是区域z D 限在20,20<<<<y x 中的那部分。
当2≥z 时，积分区域z D 见图6.5，此时()()1,==⎰⎰zD Z dxdy y x f z F 。
综合有()=z F Z()(),1,2811,281,022z z --+ ,2;20;02;2≥<≤<≤--<z z z zZ 的密度函数()()='=z F z f Z Z ()(),0,241,241z z -+ .;20;02其他<≤≤<-z z13. 设()Y X ,的密度函数为()y x f ,，用函数f 表达随机变量Y X +的密度函数。
解 设Y X Z +=,则Z 的分布函数()()()()()⎰⎰⎰⎰+∞∞--∞-≤+==≤+=≤=xz zy x Z dxdy y x f dx dxdy y x f z Y X P z Z P z F ,,。
对积分变量y 作变换y x u +=，得到()()⎰⎰∞--∞--=zxz du x u x f dy y x f ,,于是 ()(){}⎰⎰+∞∞-∞--=dx du x u x f z F zZ ,，交换积分变量u x ,的次序得()(){}⎰⎰∞-+∞∞--=zZ du dx x u x f z F ,从而，Z 的密度函数为()()⎰+∞∞--=dx x z x f z f Z ,，把X 与Y 的地位对换，同样可得到Z 的密度函数的另一种形式()()⎰+∞∞--=dy y y z f z f Z ,。