第八章 数理统计基础 (《高等数学与经济数学》PPT课件)

合集下载

经济数学课件 第八章 概率论初步第三节

经济数学课件 第八章 概率论初步第三节

X
0
1
pk 1 p
p
则称 X 服从 (0—1) 分布或两点分布.
《经济数学基础》配套课件
例 “抛硬币”试验,观察正、反两面情况.
X
X (e)
0,
1,
当e 当e
正面, 反面.
随机变量 X 服从 (0—1) 分布.
其分布律为
X0 1
1
1
pk
2
2
《经济数学基础》配套课件
例6 100件产品中,有95件合格品,5件不合格品, 现从中随机抽取一件,那末,若规定
解 设 p 为每组信号灯禁止汽车通过的概率, 则有
X0
1
2
3
4
pk p (1 p) p (1 p)2 p (1 p)3 p (1 p)4
将 p 1 代入得 2
X0
1
pk 0.5 0.25
2
0.125
3
4
0.0625 0.0625
2.常见离散型随机变量的概率分布
⑴ 两点分布
设随机变量 X 只可能取0与1两个值 , 它的分 布律为
《经济数学基础》配套课件
定义8.3.2
若随机变量 X 可取有限个或无限可列个数值,
则称变量 X 为离散型随机变量,如例1.若随机变量
X 的所有取值不能一一列出,而充满某一实数区间,
可以在某个区间内连续取任何实数值的随机变量,
则称变量 X 为连续型随机变量,如例2.
随机变量的分类
随机变量 离散型 非离散型
P( X 0) 0.1 , P( X 1) 0.6 ,
P( X 2) 0.1 , P( X 3) 0.2 .
所以,得出 X 的分布律如表
X0 1

概率论与数理统计课件ppt

概率论与数理统计课件ppt
简化数据结构,解释变量间的关系。
操作步骤
计算相关系数矩阵、求特征值和特征 向量、确定主成分个数。
实例
分析消费者对不同品牌手机的偏好。
聚类分析
聚类分析
常见方法
目的
实例
将类似的对象归为同一 组,即“簇”,不同簇
的对象尽可能不同。
层次聚类、K均值聚类、 DBSCAN等。
揭示数据的内在结构, 用于分类、猜测和决策
用数学符号表示一个随机实验的结果 。
随机变量可以取到任何实数值,且取 每个结果的概率为一个确定的函数。
离散型随机变量
随机变量可以取到所有可能的结果, 且取每个结果的概率为一个确定的数 。
随机变量的函数变换
线性变换
对于随机变量X和常数a、b,有 aX+b的散布与X的散布不同。
非线性变换
对于随机变量X和函数g(x),g(X)的散 布与X的散布不同。
置信区间
根据样本数据对总体参数进行估计的一个范围,表示我们对 估计的可靠程度。
假设检验与置信水平
假设检验
通过样本数据对总体参数或散布进行 假设,然后根据检验结果判断假设是 否成立。
置信水平
假设检验中,我们相信结论正确的概 率,通常表示为百分比。
05 数理统计的应用
方差分析
方差分析(ANOVA)
随机进程在通讯、气象、物理等领域有广泛应用。
马尔科夫链蒙特卡洛方法
01
马尔科夫链蒙特卡洛方法是一种 基于蒙特卡洛模拟的统计推断方 法,通过构造一个马尔科夫链来 到达近似求解复杂问题的目的。
02
马尔科夫链蒙特卡洛方法在许多 领域都有应用,如物理学、化学 、经济学等。
04 数理统计基础
样本与样本空间

概率论与数理统计图文课件最新版-第六章-第八章知识结构图-数理统计的客观背景

概率论与数理统计图文课件最新版-第六章-第八章知识结构图-数理统计的客观背景

总体

概率统计
注 ▲ 研究对象的某项数量指标 X 是一个随机变量 因此,X 所有可能取的值的分布为总体 X 的 分布,记为F( x ),称其为总体 X 的分布函数。 这是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,因此 随机变量的分布就是该数量指标在总体中的 分布。
例如 在几何学中要证明“等腰三角形底角相等”, 则只须从“等腰”这个前提出发,运用几何 公理,逐步推出这个结论. 而一个习惯于统计思想的人,就可能会应用 如下的方法:
做很多大小形状不一的等腰三角形,实际测量 其底角,看其差距如何,然后根据所得资料判 断可否作出“底角相等”的结论。 这样的方法 即为归纳式的方法.
概率统计
随机抽样法: 是一种从局部推断整体的方法.
要较好地反映所研究和讨论的随机变量整体的特
性,就必须研究: (1) 如何抽样,抽多少,怎么抽
抽样方法问题
(2) 如何对抽样的结果进行合理分析,作出科学
的判断.
统计推断问题
今后所讨论的统计问题主要属于下面这种类型:
从所研究的随机变量的某个集合中抽取一部分元素, 对这部分元素的某些数量指标进行试验与观察,根 据试验与观察获得的数据来推断这集合中全体元素 的数量指标的分布情况或数字特征。
▲ 由于是从一部分样本观察值去推断该全体对象 (总体)情况,即,由部分推断全体. 所以在数理统计中使用的推理方法是:
归纳推理法
概率统计
▲ 但这种“归纳推理”不同于数学中的“演绎推理”
因为它在作出结论时,是根据所观察到的大量个别 情况 “归纳” 起来所得,而不是从一些假设、命题、 已知的事实等出发,按一定的逻辑推理去得出来的

大学文科数学课件:数理统计基础

大学文科数学课件:数理统计基础

数理统计基础
例13.2.2 查表求t0.01(10)和t0.95(30) 解 对于t0.01(10), 从附表3可查得t0.01(10)=2.764.对于 t0.95(30),从附表3可查得t0.05(30)=1.697, 则t0.95(30)=-1.697. F分布的上侧α分位点记为Fα(n1, n2). 附表5详细列出了 α=0.001到α=0.10的上侧分点.对于α=0.90到α=0.999的情况,
的江水是总体, 每500毫升的水是个体.
数理统计基础 总体所含个体的数量称为总体容量.当总体容量有限时, 称为有限总体; 否则, 称为无限总体.显然, 上述例子中前 两个总体都是有限总体, 后一个则是无限总体.
数理统计基础
在实际研究中, 人们所关心的并不是总体中的每个个体 本身, 而是它们的某一项数量指标, 以及这项数量指标取值 的分布情况. 如在上述例子中, 主要是考察每根钢筋的抗拉 强度、 每个农民家庭一年的收入、 每500毫升的水中磷酸盐的 浓度, 以及每个数值在所有可能的数值中所占的比率. 因此, 我们把总体也可以看做由所考察的某一项数量指标所有可能取 的值组成的集合, 记做X. 集合X中的数值可能有重复, 每一 个数值表示一个个体, 且不相等的数值在X中所占的比率可能 不同.总体X中的每个数值按一定比率分布的规律称为总体分 布.
数理统计基础
13.1.2
样本又称子样, 指按某一方式从统计总体中抽取的部分 个体. 样本中的每个个体又称为样品. 一个样本中所含样品的 个数称为样本容量.抽取样本的过程称为抽样. 抽取样本的方 式称为抽样方法.
数理统计基础 应当指出, 样本是具有二重性的. 一方面, 抽样前样本中 的每个样品的取值都具有随机性, 即每个样品都是随机变量; 另一方面, 抽样后样本中的样品都是确定的数值.在理论研 究中, 我们把样本中的每个样品都看做随机变量.

经济数学ppt课件

经济数学ppt课件

向量与线性变换
总结词
向量是具有大小和方向的量,线性变换是向量空间中的一种变换。
详细描述
向量是具有大小和方向的量,它可以用来表示经济变量,如需求量、供给量等。线性变 换是向量空间中的一种变换,它可以用来描述经济变量之间的线性关系,如价格和需求
量之间的比例关系。在经济问题中,线性变换可以用来描述经济增长、消费变化等。
06 案例分析
经济增长模型的数学分析
总结词
经济增长模型是研究一个国家或地区 在一定时期内经济增长的规律和影响 因素的数学模型。
公式和定理
经济增长模型通常使用微分方程、差 分方程等数学工具来描述经济增长的 过程,并运用数学定理和公式来求解 。
详细描述
经济增长模型通过建立数学方程来描 述一个国家或地区经济增长的过程, 并分析影响经济增长的各种因素,如 劳动力、资本、技术等。
详细描述
市场供需模型通常包括供给曲线和需求曲线,通过分析这些曲线的形 状和交点来研究市场均衡和价格形成机制。
公式和定理
市场供需模型通常使用线性方程、不等式等数学工具来描述供给和需 求的关系,并运用数学定理和公式来求解市场均衡点。
应用实例
市场供需模型可以用于分析商品或服务的价格波动、预测市场趋势以 及制定价格策略等。
特征值与特征向量
总结词
特征值和特征向量是矩阵分析中的重要概念 ,它们可以用来描述线性变换的性质。
详细描述
特征值和特征向量是矩阵分析中的重要概念 ,它们可以用来描述线性变换的性质。在经 济问题中,特征值和特征向量可以用来描述 经济系统的动态性质,如经济增长的稳定性 、市场波动的幅度等。通过分析特征值和特 征向量的性质,可以对经济系统的未来发展
不定积分与定积分

数理统计基础及应用概述PPT课件( 56页)

数理统计基础及应用概述PPT课件( 56页)

二、控制图法
控制图是通过对过程中各特性值进行测定、记录、 评估和监察过程是否处于控制状态的一种用统计方 法设计的图。
在控制图中有两条平行的上下控制界限和中心线, 并有按时间序列排列的样本统计量数值的描点序列。
如果控制图中描点落在控制界限之内,则表明过程 正常;
若控制图中描点落在控制界限之外或描点序列在界 限之间有某一种或几种不正常的趋势,则表明过程 异常。
(1)这种误差与某一因素有明显的相关关系, 可能是某一因素的函数,也可能是一个常 数。
(2)如果重复测量某一相同质量特征值,系 统误差可能重复出现,且正负号不变。
(3)测量的结果经过修正后,可接近实际值。
6.可避免因素评论
这种质量误差与某一因素有明显的相关关系,用数 理统计的方法进行分析,可以很快找出原因,加以 纠正,使误差值控制在要求的范围内。但是,既是 误差并不超出允许的范围,这种误差也有可能存在, 也应找出原因加以纠正。
Rxmaxxmin
(4)标准偏差:反映质量数据分散程度。
S
1 n1(xi
x)2
(5)变异系数:表示数据相对波动大小的指标,Cv
值越小表示离散性越小,则均匀性越好。
Cv S *100% x
例2.1
四、数据的分布特征
质量数据具有一定的规律性,这种规律 性一般用概率分布来描述。
• 正态分布
根据它的特征用数学表达式来表示,是正态分布函 数,这种误差在工程中是不可避免的,只要质量波 动在允许的范围内,就不必纠正,是生产过程中的 正常现象。
在一定的科学技术条件下,要强行消除这类因素, 不仅在技术上难以达到,而且也不经济。
6.可避免因素
称为系统性因素或非偶然因素,其对质量特 征值的影响具有以下特征:

数理统计的基本概念课件

数理统计的基本概念课件

离散程度
通过方差、标准差等指标 来描述数据的离散程度, 反映数据的变化程度。
数据的中位数、均值和众数
中位数
将数据按照大小顺序排列,处于 中间位置的数值即为中位数。中 位数可以反映数据的集中趋势和
离散程度。
均值
将所有数据相加后除以数据个数 ,得到的数值即为均值。均值可 以反映数据的集中趋势和离散程
度。
拟合优度
决定于所选择的非线性函数形式,常 用的有R²和SSPE(残差平方和)。
显著性检验
一般采用基于参数的假设检验和似然 比检验。
THANKS FOR WATCHING
感谢您的观看
05
假设检验
假设检验的基本思想
统计假设
假设检验的核心是对提出的问题(即假设)进行统计推断,先假设所要考察的 总体参数按某种规律或分布(即统计模型)分布,然后根据样本信息对原假设 进行检验。
假设检验的基本步骤
首先提出假设,然后收集样本数据,接着根据样本数据对原假设进行检验,最 后根据检验结果做出结论。
多元线性回归分析
• β0: 截距 • β1, β2, ...: 斜率
• ε: 误差项
多元线性回归分析
拟合优度
R²,表示模型解释因变量的方差的比例 。
VS
显著性检验
整体显著性检验(F检验)和单个变量的 显著性检验(t检验)。
非线性回归分析
定义
非线性回归分析是研究非线性关系的 统计方法。
模型
Y = f(X) (其中 f 是非线性函数)
• β0: 截距
一元线性回归分析
01
• β1: 斜率
02
• ε: 误差项
03
04
拟合优度:R²,表示模型解 释因变量的方差的比例。

《数理统计》课件

《数理统计》课件

季节性分析
要点一
总结词
季节性分析是时间序列分析的重要环节,通过季节性分析 可以了解时间序列数据中存在的季节性波动。
要点二
详细描述
季节性分析的方法包括季节性分解、季节性自相关图、季 节性指数等。这些方法可以帮助我们识别时间序列数据中 的季节性模式,并基于这些模式进行预测和建模。
THANKS FOR WATCHING
参数与统计量
参数是描述总体特性的指标, 统计量是描述样本特性的指标 。
概率与随机变量
概率用于描述随机事件发生的 可能性,随机变量是表示随机 现象的变量。
估计与检验
估计是用样本数据推断总体参 数的过程,检验是利用样本数
据对假设进行判断的过程。
CHAPTER 02
描述性统计
数据的收集与整理
数据来源
描述数据的来源,如调查、观察、实 验等。
非线性回归分析
总结词
非线性回归分析是数理统计中用于研究非线 性关系的分析方法。
详细描述
非线性回归分析不依赖于最小二乘法原理, 而是通过其他优化方法来拟合非线性模型。 非线性回归分析适用于因变量和自变量之间 存在非线性关系的情况。常见的非线性回归 模型包括多项式回归、指数回归、对数回归 等。非线性回归分析广泛应用于各个领域,
如正态分布、指数分 布等。
随机事件的概率计算
条件概率
在某个事件发生的条件下,另一个事件发生 的概率。
互斥事件的概率计算
两个互斥事件同时发生的概率等于各自发生 概率的和。
独立事件的概率计算
两个独立事件同时发生的概率等于各自发生 概率的乘积。
全概率公式
一个复杂事件的概率可以分解为若干个互斥 事件的概率之和。
单因素方差分析

高等数学概率论与数理统计课件PPT大全

高等数学概率论与数理统计课件PPT大全
(AB)C=A(BC) 3、分配律:(AB)C=(AC)(BC),
(AB)C=(AC)(BC) 4、对偶(De Morgan)律:
A B A B, AB A B
可推广 Ak Ak , Ak Ak .
k
k
k
k
例:甲、乙、丙三人各向目标射击一发子弹,以A、 B、C分别表示甲、乙、丙命中目标,试用A、B、C
定义:(p8) 事件A在n次重复试验中出现nA次,则 比值nA/n称为事件A在n次重复试验中 出现的频率,记为fn(A). 即 fn(A)= nA/n.
历史上曾有人做过试验,试图证明抛掷匀质硬币时 ,出现正反面的机会均等。
实验者
De Morgan Buffon
K. Pearson K. Pearson
随机事件
二、样本空间(p2)
1、样本空间:试验的所有可能结果所
组成的集合称为样本空间,记为={e};
2、样本点: 试验的单个结果或样本空间 的单元素称为样本点,记为e. 3.由样本点组成的单点集 称为基本事件, 也记为e.
幻灯片 6
随机事件
1.定义 样本空间的任意一个子集称为随机事件, 简称“ 事件”.记作A、B、C等
P( AB) P( AC) P(BC) P( ABC )
30% 3 10% 0 0 0 80%
例1.3.2.在110这10个自然数中任取一数,求
(1)取到的数能被2或3整除的概率,
(2)取到的数即不能被2也不能被3整除的概率,
(3)取到的数能被2整除而不能被3整除的概率。
解:设A—取到的数能被2整除; P(A) 1 P(B) 3
的概率有多大?
3.分组问题
例3:30名学生中有3名运动员,将这30名学生平均 分成3组,求: (1)每组有一名运动员的概率; (2)3名运动员集中在一个组的概率。 解:设A:每组有一名运动员;B: 3名运动员集中在一组

《经济数学》课件 《经济数学》第八章

《经济数学》课件 《经济数学》第八章

15.LINEST(最小二乘法直线拟合)
功能:使用最小二乘法对已知数据进行最佳直线拟合,并返回描 述此直线的数组。 格式:LINEST(known_ y’s,known_ x’s,const,stats) 参数:known_ y’s为表达式 y a bx 中已知的y值集合; known_ x’s为表达式 y a bx 中已知的可选x值集合; const为逻辑值,若const为TRUE或省略,a将按正常计算;若const 为FALSE,a将被设为0,则公式为y bx ; stats为逻辑值,若为TRUE,则返回附加回归统计值;若为FALSE 或省略,则返回系数b与常量a。
例14 为检测学生的物理与数学学习成绩之间是否存在关联,现抽 查5名学生,物理成绩输入A列:A1 = 90,A2 = 86,A3 = 65,A4 = 54,A5 = 36;数学成绩输入B列:B1 = 89,B2 = 83,B3 = 60,B4 = 50,B5 = 32,输入公式“= CORREL(A1∶A5,B1∶B5)”,则返 回0.998 876,可以看出两科目成绩具有较高的相关性。
例如,在一般的问卷统计数据中,常以编号代表某项答案, 此时应将编号定义为文本型,如图8-1所示。
图8-1
2.正确定义单元格的数据范围
在Excel工作表中,引用连续性单元格范围内的数据的方法 如表8-1所示。
要引用的连续单元格 列 A 中行 10 到行 20 的单元格区域 行 15 中列 B 到列 E 的单元格区域 行 5 中的所有单元格 从行 5 到行 10 的所有单元格 列 H 中的所有单元格 从列 H 到列 J 的所有单元格 从 A 列第 10 行到 E 列第 20 行的单元格区域
7.STDEV(求样本标准差)
功能:计算给定样本的标准差(忽略样本中的逻辑值及文本),

关于数理统计的基本概念课件

关于数理统计的基本概念课件

数理统计学是一门应用性很强的学科。它研 究怎样以有效的方式收集、 整理和分析带有随机 性的数据,以便对所考察的问题作出正确的推断 和预测,为采取正确的决策和行动提供依据和建 议。
数理统计不同于一般的资料统计,它更侧 重于应用随机现象本身的规律性进行资料的收 集、整理和分析。
4
第6章 数理统计基础
j1
ij 1,2,(j1,2,,n)
例6.2.4 设总体X~B(1,p),X1,X2,…,Xn为取自 总体X的样本,求样本X1,X2,…,Xn的联合分布(
称为样本分布)。
解: X的分布律为
P X x p x ( 1 p ) 1 x x 0 , 1
所以样本X1,X2,…,Xn的联合分布律为
6.1.2 样本与抽样
在应用中,我们从总体中抽出的个体必须具有代表 性,样本中个体之间要具有相互独立性,为保证这两 点,一般采用简单随机抽样.
定义6.1 一种抽样方法若满足下面两点,称其为简 单随机抽样:
(1) 总体中每个个体被抽到的机会是均等的; (2) 样本中的个体相互独立. 由简单随机抽样得到的样本称为简单随机样本. 如果没有特殊说明,以后所说样本均指简单随机样本.
关于数理统计的基 本概念
前几章我们学习了概率论的基本知识,从本章 开始将学习数理统计的基本知识、理论和方法. 数理统计是以对随机现象观测所取得的资料(数 据)为出发点,以概率论为基础来研究随机现象 的一门学科.
概率论中,往往是在已知随机变量分布的条件 下,去研究它的性质、特点和规律性,比如求随 机变量取某些特定值的概率、求随机变量的数字 特征、研究多个随机变量之间的关系等.
6.1.2 样本与抽样
设X1,X2,...,Xn是从总体X中抽出的简单随机样 本,由定义可知,X1,X2,...,Xn有下面两个特性:
相关主题
  1. 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. 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. 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)。

X
,X
n
n
其中是标准正态分布的临界值,由 1 ,求出.
2
(2) 2未知,求的置信区间。
取统计量T X ~ T n 1,
Sn
的置信度为1的置信区间为
X
S ,X
n
S n
其中是Tn1分布的临界值,由T T n 1,求出;
2
(3) 未知,求 2的置信区间。
取统计量 2
n 1 S 2
µ2
1 3
X2
2 3
Xn
中,µ2 较
µ1 有效.
答案
2、在总体 N 43,62 中,随机取一个样本容量为 36 的样本.
求样本均值 X 服从什么样的分布并求 D 2X 的值. 答 案
3、对一组样本 9.0,8.8,9.1,9.3,8.9,9.2. 求该样本均值和方差.
答案
4、对于正态总体 X : N , 2 若已知 2,求 的置信
2、数理统计的基本任务是应用概率论的知识从局部推断 整体,从而揭示随机现象的统计规律性;基本思想是 从样本出发,对样本进行“加工”结合具体问题构造
“合
适”的统计量,并讨论它们的分布,再通过参数估计和假 设 3、检在验数等理统统计计推中断,方应法注对重总如体何作根出据判问断题。的性质,采用“合 理” 的统计推断方法,在进行相关的计算中,应注意U
(1)
提出原假设
H
,明确所要检验的对象。
0
(2) 构造合适的统计量 。
(3) 求出临界值,确定拒绝域。
(4) 根据样本观测值计算出统计量 的观察值,并作出判断
及合理的解释。
假设检验的关键是统计量的选取,现将正态总体的有关检验 问题及统计量的选取方法见表 8-1。
表 8-1 正态总体假设检验
原假设 选取条件 选用统计量 H0
在置信度为95%的条件下,试求总体方差 2的置信区间。
解 已知n 16, 0.05,于是有
x 1 (12.15 12.12 L 12.06) 12.075, 16
s2 1 [(12.15 12.075)2 (12.12 12.075)2 L (12.06 12.075)2 ] 15
0.00244,
(1)无偏性;(2)有效性。 4、区间估计的定义;置信区间的计算。 5、假设检验的原理、步骤及方法。
二、本章重点、难点内容
1、怎样进行区间估计。 2、怎样进行假设检验。
3、怎样构造合适的统计量。
三、对学习的几点建议
1、概率论是数理统计的基础,请读者一定要把基础打好, 在学习数理统计的过程中,及时复习相关的概率知识。
5
0.035.
返回
4、解: Q X : N u, 2 且已知 2
选取统计量
U
X
n
该统计量服从标准正态分布,即:U : N 0,1.
返回
返回
3、小概率事件原理:通常概率很小的随机事件在一次 试验或观察中是几乎不发生的,若发生了则该事件 可能不是小概率事件.
返回
4、 是 0.90 置信区间的意思是:由样本 X1, X 2,L X n 所确 定的一个置信区间 1 X1, X 2 ,L X n ,2 X1, X 2,L X n 中
区间时应选用的统计量是什么? 它服从什么分布? 答案
1、设 X1, X 2 ,L X n 是来自总体 X 的一个样本,我们把随
机变量 X1,X 2,L ,X n 的函数称为样本函数,若样本函 数不含未知参数且是连续的,我们称之为统计量.(不含 未知参数的样本函数叫统计量.)
返回
2、是数理统计不仅能估计未知参数值,而且能由给定 的置信度确定出估计的精度.
7 9
1.96,即110.43,119.57
.
例2 用某种仪器间接测量温度,重复测量7次,测得温度 (单
位:C)分别为120.0,113.4,111.2,114.5,112.0,112.9,
113.6,设温度X ~ N , 2 ,在置信度为95%的条件下,试
求出温度的真值所在范围。
分析:设为温度的真值,X 为测量值,在仪器无系统偏差情况 下,即EX 时,重复测量7次,得到X的7个样本值,问题就是 在未知方差(即仪器精度)的情况,求的置信区间。
统计量服从 的分布
在显著水平 α 下的拒绝域
假设: μ= μ0
2 已知 U X 0 n
2 未知
T X 0
sn
U ~ N(0,1) T ~ T(n 1)
(, U ) U (U , )
2
2
(,T (n 1)) U (T (n 1), )
2
2
假设:
2
2 0
未知
2 (n 1)s02
2 0
2 ~ 2 (n 1)
-分布;T -分布; 2 -分布;F -分布表的使用方法和临界
值的查取。
四、本章关键词
简单随机样本 统计量 参数估计 假设检验
(二) 常见问题分类及解法
一、区间估计中置信区间的求法
对于正态总体X ~ N , 2 .
(1)已知 2,求的置信区间。
取统计量U X ~ N 0,1,
n
的置信度为1的置信区间为
X
:
N
43,62 36
,即
X
:
N 43,1.
D2X 4D X 4.
返回
3、解: 该样本均值为:
X
1 6
6 i 1
Xi
1 9.0+8.8+9.1+9.3+8.9+9.2
6
9.05.
S2 1 6 5 i1
2
Xi X
1 0.052 0.252 0.052 0.252 0.152 0.152
(0,
2 1
(n
1))
U
(
2 1
(n
1),
)
2
2
例4 已知滚珠直径服从正态分布,现随机地从一批滚珠中抽取 6个,测得直径 (单位:mm) 为
14.70,15.21,14.90,14.91,15.32,15.32, 假设滚珠直径总体分布的方差为0.05,问能否认为这一批滚珠
的平均直径为15.25 mm? ( 0.05) 解 提出原假设: 0 15.25,
解 已知n 7, 0.05,由样本观测值可求得
x 1 120.0 113.4 L 113.6 112.8,
7
s
1 7 1
7 i 1
xi
x
2
1 6
120.0
112.82
113.4
112.82
L
113.6
112.8
2
1.29 1.136 ,
对于P{| T | } 0.05,T ~ T 7 1 T 6,查表得: 2.447,
身高总体的标准差 7,在置信度为0.95的条件下,试求出总 体均值 的置信区间.
解 已知 7,n 9, 0.05,并根据给出数据可求出
x 1 115 120 L 110 115,
9
又有
1 0.975,查表得 1.96 .
2
从而的0.95的置信区间为
115
7 1.96,115 9
第八章 数 理 统 计 基 础 (一) 本 章 内 容 小 结 (二) 常见问题分类及解法 (三) 思 考 题 (四) 课 堂 练 习
(一) 本章内容小结
一、本章主要内容
1、几个基本概念:总体、样本、样本容量、样本观测值、 简单随机抽样、简单随机样本。
2、统计量的定义及其分布,几个常用的统计量。 3、参数估计的定义以及估计量的评选标准:
故拒绝接受原假设,即不能认为这批滚珠的平均直 径为15.25 mm.
(三) 思考题
1、理解统计量的概念.
答案
2、数理统计区别于一般的统计的是什么?
答案
3、假设检验的推断原理是什么?
答案
4、请解释“参数 的 0.90 置信区间”是什么意思? 答案
பைடு நூலகம் (四) 课堂练习题
1、证明均值 的两个无偏估计量 µ1 Xi i 1,2,L ,n
含 真值的可能性为 90%.
返回
1、解: 显然,E
µ1
E i ,E
µ2
E
1 3
X
2
2 3
X
n
.

Q
D
µ1
2,D
µ2
1 2 4 2 5 2.
99 9
有 D µ2 D µ1
µ2 较 µ1 有效.
返回
2、解: Q X : N 43,62 ,n 36.
由P{ 2
2}
2
0.025, 2
~
2 (15),查表得2
27.5,
由P{ 2
1}
1
2
0.975, 2
~
2 (15),查表得1
6.26.
故 2的95%的置信区间为
15
0.00244,15 27.5
0.00244 6.26
即 [0.0013,0.0058] .
二、假设检验的方法
假设检验的一般步骤如下:
由于方差已知,故选统计量
U X 0 ~ N (0,1) n
由P{|U | } P{U } P{U } 1 () () 2 2 () 0.05 .
于是 () 0.975,查表得 1.96,
故拒绝域为
I
,
0
n
U
0
n
,
(,15.07) U(15.43, ). 又有
x 1 (14.70 15.21L 15.32) 14.49 I, 6
2
~
2n1,
则 2的置信度为1的置信区间为
相关文档
最新文档