华东师范大学茆诗松《概率论与数理统计教程》第5章统计量及其分布
数理统计第五章总结
x1 ,, xn .
(2).主要类型
(1).性质：二重性
随机性 确定性
完全样本 分组样本
第五章 知识点总结
x1 ,, xn ~ F ( x ), (3).简单随机样本：
(4).样本的联合分布函数： F ( x1 ,, xn )
0, k (5). 经验分布函数: Fn ( x ) , n 1, x x( 1 )
n 2 n ![ F ( z ) F ( y )] p( y ) p( z ) p1n ( y, z ) . (n 2)!
( y z)
第五章 知识点总结
(3). 次序统计量的函数及其分布
①. 样本中位数:
n 2k 1， x( n21 )， x n x n (2) ( 2 1) ， n 2k . 2
i 1 j i 1 n j n ![ F ( y )] [ F ( z ) F ( y )] [ 1 F ( z )] p( y ) p( z ) pij ( y, z ) . (i 1)!( j i 1)!(n j )!
( y z)
次序统计量 ( x(1) , x(n) ) 的联合密度函数为
若 X ~ 2 (n), 则 E ( X ) n, Var( X ) 2n. 若 X ~ 2 (m ), Y ~ 2 (n), 且 X 与 Y 独立， 则
X Y ~ 2 (m n).
2 2. 分布的分位数： P( 2 1 (n)) 1 .
第五章 知识点总结
第20页
6. 对来自总体N(2,4) 的样本 y1 , y2 ,, y25 , S 2 是样本方差， 若 2 b s 2 ~ 2 (24), 则b = ( ).
概率论与数理统计(茆诗松)第二版课后第五章习题参考答案
（2）上班所需时间在半小时以内有 25 + 60 + 85 = 170 人． 5． 40 种刊物的月发行量（单位：百册）如下： 5954 5022 14667 6582 6870 1840 2662 4508 1208 3852 618 3008 1268 1978 7963 2048 3077 993 353 14263 1714 11127 6926 2047 714 5923 6006 14267 1697 13876 4001 2280 1223 12579 13588 7315 4538 13304 1615 8612 （1）建立该批数据的频数分布表，取组距为 1700（百册） ； （2）画出直方图． 解： （1）最大观测值为 353，最小观测值为 14667，则组距为 d = 1700， 区间端点可取为 0，1700，3400，5100，6800，8500，10200，11900，13600，15300， 频率分布表为 组序 1 2 3 4 5 6 7 8 9 合计 （2）作图略．
1091 1572 775 1044 738
3． 假若某地区 30 名 2000 年某专业毕业生实习期满后的月薪数据如下： 909 1086 1120 999 1320 1071 1081 1130 1336 967 825 914 992 1232 950 1203 1025 1096 808 1224 871 1164 971 950 866 （1）构造该批数据的频率分布表（分 6 组） ； （2）画出直方图． 解： （1）最大观测值为 1572，最小观测值为 738，则组距为 d =
样本的分布为 p ( x1 , x2 , L , xn ) = λ eλ x1 ⋅ λ eλ x2 L λ eλ xn = λ n e
华东师范大学-茆诗松-概率论与数理统计教程
24 December 2018
第一章 随机事件与概率
第4页
§1.1 随机事件及其运算
1.1.1 随机现象：自然界中的有两类现象 1. 确定性现象
• 每天早晨太阳从东方升起; • 水在标准大气压下加温到100oC沸腾;
2. 随机现象
• 掷一枚硬币，正面朝上？反面朝上？ • 一天内进入某超市的顾客数; • 某种型号电视机的寿命;
第一章 随机事件与概率
第12页
1.1.6 事件的运算
• • • • 并： A B 交： A B = AB 差： A B 对立： A A 与 B 至少有一发生 A 与 B 同时发生 A发生但 B不发生 A 不发生
24 December 2018
第一章 随机事件与概率
第13页
事件运算的图示
24 December 2018
第一章 随机事件与概率
第31页
注 意
• 抛一枚硬币三次 抛三枚硬币一次
• Ω1={(正正正), (反正正), (正反正), (正正反),
(正反反), (反正反), (反反正), (反反反)}
此样本空间中的样本点等可能. • Ω2={(三正), (二正一反), (二反一正), (三反)} 此样本空间中的样本点不等可能.
24 December 2018
第一章 随机事件与概率
第19页
课堂练习
1. 若A 是 B 的子事件，则 AB = ( B )， AB = ( A )
2. 设 A 与B 同时出现时 C 也出现，则( ③ ) ① AB 是 C 的子事件； ② C 是 AB 的子事件； ③ AB 是 C 的子事件； ④ C 是 AB 的子事件.
24 December 2018
概率统计课程复习要点(茆诗松)
茆诗松概率统计课程复习要点第一章随机事件与概率：1、事件的表示、关系与运算性质，P11题3，8，9。
2、概率的定义及其确定方法，尤其是排列组合在古典方法中的应用以及几何方法，即要熟练掌握古典方法和几何方法求事件发生的概率问题，P30，题6，7，8，11，18，21。
3、概率的运算性质（可加性、单调性、加法公式）及其应用，P39题1，4，6，17，18。
4、重点掌握条件概率计算，乘法公式，全概率公式（重点）以及贝叶斯公式，P51题1，2，5，8，9，12，13，16，18。
5、事件的独立性，掌握独立性定义，伯努利概型定义，P59题1，3，4，6，9，15。
第二章随机变量及其分布：1、掌握随机变量的分布函数定义及其性质，离散型随机变量及其分布列，连续型随机变量的概率密度函数。
已知分布列或概率密度函数会求分布函数，或者已知分布函数求分布列或概率密度函数（重点）。
P75题4，8，12，13，15，16。
2、掌握数学期望的定义及其性质，会计算离散型和连续型随机变量的数学期望，会利用数学期望的性质计算复杂随机变量的数学期望。
P84题1，2，11，12，13，14，17。
3、掌握方差的定义及其性质，会计算离散型和连续型随机变量的方差或标准差（简便计算公式），会利用方差的性质计算复杂随机变量的方差（重点），掌握切比雪夫不等式，会应用这个不等式来估计某事件发生的概率大小（重点）。
P91题3，4，6，8，14。
4、熟练三个常用离散分布（0-1分布、二项分布、Poisson分布）及其数学期望和方差。
P104题5，8，16。
注意它们的记号表示。
5、熟练三个常用连续型分布（正态分布、均匀分布、指数分布）及其数学期望和方差，尤其是正态分布的概率密度函数的对称性，正态分布的标准化。
P120题1，2，3，4，9，10，12，20；注意它们的记号表示。
6、随机变量函数分布（重点），掌握离散型连续型随机变量函数的分布的计算，尤其熟练连续型的情形（分布函数定义法，定理法）。
茆诗松《概率论与数理统计教程》(第2版)笔记和课后习题(含考研真题)详解-第4~5章【圣才出品】
（1）|φ （t）|≤φ （0）＝1．
——————
——————
（2）φ （－t）＝φ （t），其中φ （t）表示 φ （t）的共轭．
（3）若 y＝aX＋b，其中 a，b 是常数，则 φ Y（t）＝eibtφ X（at）．
（4）独立随机变量和的特征函数为每个随机变量的特征函数的积．即设 X 与 Y 相互独
5 / 167
圣才电子书 十万种考研考证电子书、题库视频学习平台
P
Xn a
P
Yn b
则有 ①
P
X n Yn a b
②
1 / 167
圣才电子书
十万种考研考证电子书、题库视频学习平台
P
X n Yn a b
③
P
Xn Yn a b(b 0)
2．按分布收敛、弱收敛
（1）按分布收敛
设随机变量 X，X1，X2，…的分布函数分别为 F（X），F1（X），F2（X），…．若对 F（x）
p(x) x e n/21 x/2 ，x 0 Γ (n / 2)2n/2
exp
it
2t 2
2
(1 it )1
(1 it )
(1 2it )n / 2
贝塔分布
Be(a，b)
p(x) Γ (a b) xa1 (1 x)b1，0 x 1 Γ (a)Γ (b)
Γ (a b)
(it)k Γ (a k)
P
Xn x
或者说，绝对偏差|Xn－x|小于任一给定量的可能性将随着 n 增大而愈来愈接近于 1， 即等价于 P（|Xn－x|＜ε）→1（n→∞）．
特别当 x 为退化分布时，即 P（X－c）＝1，则称序列{Xn}依概率收敛于 C． （2）依概率收敛于常数的四则运算性质如下： 设{Xn}，{Yn}是两个随机变量序列，a，b 是两个常数．如果
第五章 统计量及其分布
For personal use only in study and research;not for commercial use第五章 统计量及其分布§ 5.1 总体与样本内容概要1 总体 在一个统计问题中,研究对象的全体称为总体,构成总体的每个成员称为个体若关心的是总体中每个个体的一个数量指标,则该总体称为一维分布。
若关心的是总体中的每个个体的两个数量指标,则该总体称为二维总体,二维总体就是一个二维分布,余此类推。
2 有限总体与无限总体 若总体中的个数是有限的,此总体称为有限总体。
若总体中的个数是无限的,此总体称为无限总体。
实际中总体的个体数大多是有限的。
当个体数充分大时,将有限总体看作无限总体是一种合理的抽象。
3 样本 从总体中随机抽取的部分个体组成的集合称为样本,样本的个体称为样本,样本个数称为样本容量或样本量。
样本常用n 个指标值1x ,2x , ,n x 表示.它可看作n 维随机变量,又可看作其观察值,这由上下文加以区别。
4 分组样本 只知样本观测值所在区间,而不知具体值的样本称为分组样本。
缺点：与完全样本相比损失部分信息。
优点：在样本量较大时,用分组样本即简明扼要,又能帮助人们更好的认识总体。
5 简单随机样本 若样本 1x ,2x , ,n x 是n 个相互独立的具有同一分布（总体分布）的随机变量,册称该样本为简单随机样本,仍简称样本。
若总体的分布函数为F(x),则其样本的（联合）分布函数为()∏=ni ix F 1；若总体的密度函数为P(x),则其样本的（联合）密度函数为∏=ni x p 1)(；若总体的分布列为{p(x i )},则其样本的（联合）分布列为∏=ni x p 1)(；习题与解答5.11. 某地电视台想了解某电视栏目（如：每晚九点至九点半的体育节目）在该 地区的收视率情况,于是委托一家市场咨询公司进行一次电话访查。
（1）该项研究的总体是什么？ （2）该项研究的样本是什么？解：(1)该项研究的总体是该地区全体电视观众；(2)该项研究的样本上一该地区被电话访查的电视观众。
概率论与数理统计(茆诗松)课后第五章习题参考答案
第五章 统计量及其分布习题5.11． 某地电视台想了解某电视栏目（如：每日九点至九点半的体育节目）在该地区的收视率情况，于是委托一家市场咨询公司进行一次电话访查． （1）该项研究的总体是什么？ （2）该项研究的样本是什么？ 解：（1）总体是该地区的全体用户；（2）样本是被访查的电话用户．2． 某市要调查成年男子的吸烟率，特聘请50名统计专业本科生作街头随机调查，要求每位学生调查100名成年男子，问该项调查的总体和样本分别是什么，总体用什么分布描述为宜？解：总体是任意100名成年男子中的吸烟人数；样本是这50名学生中每一个人调查所得到的吸烟人数；总体用二项分布描述比较合适．3． 设某厂大量生产某种产品，其不合格品率p 未知，每m 件产品包装为一盒．为了检查产品的质量，任意抽取n 盒，查其中的不合格品数，试说明什么是总体，什么是样本，并指出样本的分布． 解：总体是全体盒装产品中每一盒的不合格品数；样本是被抽取的n 盒产品中每一盒的不合格品数；总体的分布为X ~ b (m , p )，x m x qp x m x X P −⎟⎟⎠⎞⎜⎜⎝⎛==}{，x = 0, 1, …, n ， 样本的分布为nn x m x n x m x x m x n n q p x m q p x m q p x m x X x X x X P −−−⎟⎟⎠⎞⎜⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛⋅⎟⎟⎠⎞⎜⎜⎝⎛====L L 2211212211},,,{ ∑∑⋅⎟⎟⎠⎞⎜⎜⎝⎛===−=∏ni tni tx mn x ni i q px m 111．4． 为估计鱼塘里有多少鱼，一位统计学家设计了一个方案如下：从鱼塘中打捞出一网鱼，计有n 条，涂上不会被水冲刷掉的红漆后放回，一天后再从鱼塘里打捞一网，发现共有m 条鱼，而涂有红漆的鱼则有k 条，你能估计出鱼塘里大概有多少鱼吗？该问题的总体和样本又分别是什么呢？ 解：设鱼塘里有N 条鱼，有涂有红漆的鱼所占比例为Nn ， 而一天后打捞出的一网鱼中涂有红漆的鱼所占比例为m k，估计mk N n ≈，故估计出鱼塘里大概有kmnN ≈条鱼；总体是鱼塘里的所有鱼；样本是一天后再从鱼塘里打捞出的一网鱼． 5． 某厂生产的电容器的使用寿命服从指数分布，为了了解其平均寿命，从中抽出n 件产品测其使用寿命，试说明什么是总体，什么是样本，并指出样本的分布． 解：总体是该厂生产的全体电容器的寿命；样本是被抽取的n 件电容器的寿命；总体的分布为X ~ e (λ )，p (x ) = λ e λ x ，x > 0，样本的分布为11212(,,,)e e e enin i x x x x n n p x x x λλλλλλλλ=∑=⋅=L L ，x i > 0．6． 美国某高校根据毕业生返校情况纪录，宣布该校毕业生的年平均工资为5万美元，你对此有何评论？ 解：返校的毕业生只是毕业生中一部分特殊群体，样本的抽取不具有随机性，不能反应全体毕业生的情况．习题5.21． 以下是某工厂通过抽样调查得到的10名工人一周内生产的产品数149 156 160 138 149 153 153 169 156 156 试由这批数据构造经验分布函数并作图． 解：经验分布函数0,138,0.1,138149,0.3,149153,()0.5,153156,0.8,156160,0.9,160169,1,169.n x x x F x x x x x <⎧⎪≤<⎪⎪≤<⎪=≤<⎨⎪≤<⎪≤<⎪⎪≥⎩ 作图略．2． 下表是经过整理后得到的分组样本组序 1 2 3 4 5分组区间 (38,48] (48,58] (58,68] (68,78] (78,88] 频数 3 4 8 3 2试写出此分布样本的经验分布函数．解：经验分布函数0,37.5,0.15,37.547.5,0.35,47.557.5,()0.75,57.567.5,0.9,67.577.5,1,77.5.n x x x F x x x x <⎧⎪≤<⎪⎪≤<⎪=⎨≤<⎪⎪≤<⎪≥⎪⎩3． 假若某地区30名2000年某专业毕业生实习期满后的月薪数据如下：909 1086 1120 999 1320 1091 1071 1081 1130 1336 967 1572 825 914 992 1232 950 775 1203 1025 1096 808 1224 1044 871 1164 971 950 866 738（1）构造该批数据的频率分布表（分6组）； （2）画出直方图． 解：（1）最大观测值为1572，最小观测值为738，则组距为15727381406d −=≈， 区间端点可取为735，875，1015，1155，1295，1435，1575， 频率分布表为 组序 分组区间 组中值 频数 频率 累计频率 1 (735, 875] 805 6 0.2 0.2 2 (875, 1015] 945 8 0.2667 0.4667 3 (1015, 1155] 1085 9 0.3 0.7667 4 (1155, 1295] 1225 4 0.1333 0.95 (1295,0.96672 0.066671435]13651 0.03333150516 (1435,1575]合计30 1（2）作图略．4．某公司对其250名职工上班所需时间（单位：分钟）进行了调查，下面是其不完整的频率分布表：所需时间频率0~10 0.1010~20 0.2420~3030~40 0.1840~50 0.14 （1）试将频率分布表补充完整．（2）该公司上班所需时间在半小时以内有多少人？解：（1）频率分布表为组序分组区间组中值频数频率累计频率10] 5 25 0.1 0.11 (0,20] 15 60 0.24 0.342 (10,30] 25 85 0.34 0.683 (20,40] 35 45 0.18 0.864 (30,50] 45 35 0.14 15 (40,合计250 1（2）上班所需时间在半小时以内有25 + 60 + 85 = 170人．5．40种刊物的月发行量（单位：百册）如下：5954 5022 14667 6582 6870 1840 2662 45081208 3852 618 3008 1268 1978 7963 20483077 993 353 14263 1714 11127 6926 2047714 5923 6006 14267 1697 13876 4001 22801223 12579 13588 7315 4538 13304 1615 8612 （1）建立该批数据的频数分布表，取组距为1700（百册）；（2）画出直方图．解：（1）最大观测值为353，最小观测值为14667，则组距为d = 1700，区间端点可取为0，1700，3400，5100，6800，8500，10200，11900，13600，15300，频率分布表为组序分组区间组中值频数频率累计频率1700] 850 9 0.225 0.2251 (0,25509 0.225 0.453400]2 (1700,42505 0.125 0.5755100]3 (3400,59504 0.1 0.6756800]4 (5100,76504 0.1 0.7758500]5 (6800,1 0.025 0.893506 (8500,10200]1 0.025 0.825110507 (10200,11900]3 0.075 0.9127508 (11900,13600]4 0.1 11445015300]9 (13600,合计30 1（2）作图略．6．对下列数据构造茎叶图472 425 447 377 341 369 412 399400 382 366 425 399 398 423 384418 392 372 418 374 385 439 408429 428 430 413 405 381 403 479381 443 441 433 399 379 386 387 解：茎叶图为34 135369, 6377, 2, 4, 9382, 4, 5, 1, 1, 6, 7399, 8, 2400, 5, 3412, 9, 8, 8, 3, 9425, 5, 3, 8, 9, 8439, 0, 3447, 3, 14546472, 97．根据调查，某集团公司的中层管理人员的年薪（单位：千元）数据如下：40.6 39.6 37.8 36.2 38.838.6 39.6 40.0 34.7 41.738.9 37.9 37.0 35.1 36.737.1 37.7 39.2 36.9 38.3试画出茎叶图．解：茎叶图为34.735. 136.2, 7, 937.0, 1, 738. 639.6, 6, 240.6, 8, 041.742.43.844.9, 545. 4习题5.31．在一本书上我们随机的检查了10页，发现每页上的错误数为：4 5 6 0 3 1 4 2 1 4试计算其样本均值、样本方差和样本标准差．解：样本均值3)41654(101=+++++=L x ； 样本方差7778.3])34()31()36()35()34[(91222222≈−+−++−+−+−=L s ；样本标准差9437.17778.3≈=s ．2． 证明：对任意常数c , d ，有11()()()()()()n niiiii i x c y d x x y y n x c y d ==−−=−−+−−∑∑．证：∑∑==−+−−+−=−−ni i i n i i i d y y y c x x x d y c x 11)]())][(()[())((∑=−−+−−+−−+−−=ni i i i i d y c x d y x x y y c x y y x x 1)])(())(())(())([())(()()()()())((111d y c x n x x d y y y c x y y x x ni i ni i ni i i −−+−−+−−+−−=∑∑∑===))(())(())((00))((11d y c x n y y x x d y c x n y y x x ni i i ni i i −−+−−=−−+++−−=∑∑==．3． 设x 1 , …, x n 和y 1 , …, y n 是两组样本观测值，且有如下关系：y i = 3 x i − 4，i = 1, …, n ，试求样本均值x和y 间的关系以及样本方差2x s 和2y s 间的关系．解：4343431)43(111111−=−=⎟⎟⎠⎞⎜⎜⎝⎛−=−==∑∑∑∑====x x n n x n x n y n y ni i n i i n i i n i i ； 212121229(19)]43()43[(11)(11x n i i n i i n i i ys x x n x x n y y n s =−−=−−−−=−−=∑∑∑===． 4． 记∑==n i i n x n x 11，∑=−−=n i i n x x n s 122)(11，n = 1, 2, …，证明 )(1111n n n n x x n x x −++=++，21221)(111n n nn x x n s n n s −++−=++． 证：)(111111111111111111n n n n n n n i i n i i n x x n x x n x n n x n x n n n x n x −++=+++=++⋅+=+=+++=+=+∑∑； ⎥⎦⎤⎢⎣⎡−+−−=−=++=+=++∑∑21112112121))(1()(1)(1n n n i n i n i n i n x x n x x n x x n s ⎥⎦⎤⎢⎣⎡−+⋅+−−+−=++=∑2122112)()1(1)1()()(1n n n n n i n i x x n n x x x x n 2122112)(111)(1)(11)1(1n n n n n n i n i x x n s n n x x n n x x n n n −++−=⎥⎦⎤⎢⎣⎡−++−−−=++=∑．5． 从同一总体中抽取两个容量分别为n , m 的样本，样本均值分别为1x , 2x ，样本方差分别为21s , 22s ，将两组样本合并，其均值、方差分别为x , s 2，证明：12nx mx x n m+=+，)1)(()(1)1()1(22122212−++−+−+−+−=m n m n x x nm m n s m s n s ． 证：m n x m x n x x m n x x m n x m j j n i i m j j n i i ++=⎟⎟⎠⎞⎜⎜⎝⎛++=⎟⎟⎠⎞⎜⎜⎝⎛++=∑∑∑∑====211211121111； ⎥⎦⎤⎢⎣⎡−+−−+=∑∑==m j jn i i x x x x m n s 1221212()(11 ⎥⎦⎤⎢⎣⎡−+−+−+−−+=∑∑==221222211211)()()()(11x x m x x x x n x x m n m j j n i i ⎥⎥⎦⎤⎢⎢⎣⎡⎟⎠⎞⎜⎝⎛++−+−+⎟⎠⎞⎜⎝⎛++−+−−+=221222221121)1()1(11m n x m x n x m s m m n x m x n x n s n m n 2212222122221)()()(111)1()1(m n x x mn x x nm m n m n s m s n +−+−⋅−++−+−+−=)1)(()(1)1()1(2212221−++−+−+−+−=m n m n x x nm m n s m s n ． 6． 设有容量为n 的样本A ，它的样本均值为A x ，样本标准差为s A ，样本极差为R A ，样本中位数为m A ．现对样本中每一个观测值施行如下变换：y = ax + b ，如此得到样本B ，试写出样本B 的均值、标准差、极差和中位数．解：b x a b x n a nb x a n b ax n y n y A ni i n i i n i i n i i B +=+⋅=+=+==∑∑∑∑====11111)(1)(11；A n i A i n i A i n iB i B s a x x n a b x a b ax n y y n s ||)(11||)(11)(11121212=−−⋅=−−+−=−−=∑∑∑===； R B = y (n ) − y (1) = a x (n ) + b − a x (1) − b = a [x (n ) − x (1)] = a R A ； 当n 为奇数时，b am b ax y m A n n B +=+==⎟⎠⎞⎜⎝⎛+⎟⎠⎞⎜⎝⎛+5.021215.0，当n 为偶数时，b am b x x ab ax b ax y y m A n n n n n n B +=++=+++=+=⎟⎠⎞⎜⎝⎛+⎟⎠⎞⎜⎝⎛⎟⎠⎞⎜⎝⎛+⎟⎠⎞⎜⎝⎛⎟⎠⎞⎜⎝⎛+⎟⎠⎞⎜⎝⎛5.01221221225.0][2][21][21，故m B 0.5 = a m A 0.5 + b ．7． 证明：容量为2的样本x 1 , x 2的方差为2212)(21x x s −=． 证：221212221221222112)(214)(4)(])2()2[(121x x x x x x x x x x x x s −=−+−=+−++−−=． 8． 设x 1 , …, x n 是来自U (−1, 1) 的样本，试求)(X E 和Var(X ．解：因X i ~ U (−1, 1)，有0211)(=+−=i X E ，3112)11()(Var 2=+=i X ，故0)(1)1()(11===∑∑==ni i n i i X E n X n E X E ，n n nXnX n X ni in i i 31311)(Var 11Var )(Var 2121=⋅⋅==⎟⎟⎠⎞⎜⎜⎝⎛=∑∑==． 9． 设总体二阶矩存在，X 1 , …, X n 是样本，证明X X i −与)(j i X X j ≠−的相关系数为 − (n − 1) − 1．证：因X 1 , X 2 , …, X n 相互独立，有Cov (X l , X k ) = 0，（l ≠ k ）， 则),(Cov ),(Cov ),(Cov ),(Cov ),(Cov X X X X X X X X X X X X j i j i j i +−−=−−)(Var ),1(Cov )1,(Cov 0X X X nX n X j j i i +−−= 22221111)(Var )(Var 1)(Var 1σσσσnn n n X X n X n j i −=+−−=+−−=，且)1,(Cov 21),(Cov 2)(Var )(Var )(Var 22i i i i i X nX n X X X X X X −+=−+=−σσ)(Var 1212222X X nn n n j −=−=−+=σσσσ，故11111)(Var )(Var ),(Cov ),(Corr 222−−=−⋅−−=−⋅−−−=−−n nn n n n X X X X X X X X X X X X j i j i j i σσσ． 10．设x 1 , x 2 ,…, x n 为一个样本，∑=−−=ni i x x n s 122)(11是样本方差，试证： 22)()1(1s x x n n ji j i =−−∑<． 证：因⎟⎟⎠⎞⎜⎜⎝⎛−−=−−=∑∑==21212211)(11x n x n x x n s n i i n i i ， 则⎟⎟⎠⎞⎜⎜⎝⎛−+=−+=−=−∑∑∑∑∑∑∑∑∑∑∑==========<n i n j j i n i n j j n i n j i n i n j j i j i n i n j j i j i j i x x x x x x x x x x x x 1111211211221122221)2(21)(21)( 221212111212)1(2221221s n n x n x n x n x n x n x x x n x n n i i n i i n i n j j i n j j n i i −=⎟⎟⎠⎞⎜⎜⎝⎛−=⎟⎟⎠⎞⎜⎜⎝⎛⋅−=⎟⎟⎠⎞⎜⎜⎝⎛−+=∑∑∑∑∑∑======， 故22)()1(1s x x n n ji j i =−−∑<． 11．设总体4阶中心矩ν4 = E [X − E (X )]4存在，试对样本方差∑=−−=ni i X X n S 122(11，有 2442442442)1(3)1()2(2)1()()Var(−−+−−−−−=n n n n n S σνσνσν，其中σ 2为总体X 的方差．证：因⎥⎦⎤⎢⎣⎡−−−−=−−−−=∑∑==212122)()(11)]()[(11µµµµX n X n X X n S n i i n i i ，其中µ = E (X )， 则⎥⎦⎤⎢⎣⎡−−−−=∑=21222)()(Var )1(1)Var(µµX n X n S n i i⎭⎬⎫⎩⎨⎧−+⎟⎟⎠⎞⎜⎜⎝⎛−−−⎥⎦⎤⎢⎣⎡−−=∑∑==])(Var[)(,)(Cov 2)(Var )1(12212122µµµµX n X n X X n n i i n i i ⎭⎬⎫⎩⎨⎧−+−−−−−=∑∑==22122122)Var())(,)Cov((2)Var()1(1µµµµX n X X n X n n i i n i i ， 因E (X i − µ)2 = σ 2，E (X i − µ)4 = ν4，则)(})({}])([)({)Var(441224122412σνσνµµµ−=−=−−−=−∑∑∑===n X E X E X ni ni i i ni i ，因E (X i − µ) = 0，221)Var()(σµnX X E ==−，且当i ≠ j 时，X i − µ 与X j − µ 相互独立， 则∑∑==−−−−−=−−ni i i ni i X E X E X X E X X 12222122})()(])()[({))(,)Cov((µµµµµµ∑∑==⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⋅−⎥⎥⎦⎤⎢⎢⎣⎡⎟⎟⎠⎞⎜⎜⎝⎛−⋅−=ni nk k i n X n X E 1222121)(1)(σσµµ∑∑=≠⎭⎬⎫⎩⎨⎧−⎥⎦⎤⎢⎣⎡−⋅−+−=n i i k k i i n X E X E X E n1422421)()()(1σµµµ)(11])1([144142242σνσσσν−=⎭⎬⎫⎩⎨⎧−−⋅+=∑=n n n nni ，且224122421)(1])([)()Var(⎥⎦⎤⎢⎣⎡−⎥⎦⎤⎢⎣⎡−=−−−=−∑=σµµµµn X n E X E X E X n i i42221441)()(24)(1σµµµn X X X E n j i j i n i i −⎥⎦⎤⎢⎣⎡−−⎟⎟⎠⎞⎜⎜⎝⎛+−=∑∑<= 42221441)()(6)(1σµµµn X E X E X E n j i j i ni i −⎥⎦⎤⎢⎣⎡−−+−=∑∑<= 42443424444222442)3(11])1(3[11261σσνσσνσσσνn n n n n n n n n n n +−=−−+=−⎥⎦⎤⎢⎣⎡⋅⎟⎟⎠⎞⎜⎜⎝⎛⋅+=， 故⎭⎬⎫⎩⎨⎧⎥⎦⎤⎢⎣⎡+−+−⋅−−−=4244324444222)3(1)(12)()1(1)Var(σσνσνσνn n n n n n n S⎭⎬⎫⎩⎨⎧+−+−−−−=444444422)3(1)(2)()1(1σσνσνσνn n n 2442442444444442)1(3)1()2(2)1()()3(1)2(2)()1(1−−+−−−−−=⎭⎬⎫⎩⎨⎧−+−−−−=n n n n n n n n σνσνσνσνσνσν． 12．设总体X 的3阶矩存在，设X 1 , X 2 ,…, X n 是取自该总体的简单随机样本，X 为样本均值，S 2为样本方差，试证：nS X 32),Cov(ν=，其中ν3 = E [X − E (X )]3．证：因⎥⎦⎤⎢⎣⎡−−−−=−−−−=∑∑==212122)()(11)]()[(11µµµµX n X n X X n S n i i n i i ，其中µ = E (X )， 则⎟⎟⎠⎞⎜⎜⎝⎛⎥⎦⎤⎢⎣⎡−−−−−=−=∑=21222)()(11,Cov ),Cov(),Cov(µµµµX n X n X S X S X n i i ⎥⎦⎤⎢⎣⎡−−−−−−=∑=))(,Cov())(,Cov(11212µµµµX X n X X n n i i ， 因0)()(=−=−µµi X E X E ，E (X i − µ)2 = σ 2，E (X i − µ)3 = ν3，且当i ≠ j 时，X i − µ 与X j − µ 相互独立，则∑∑∑∑====−−=⎟⎟⎠⎞⎜⎜⎝⎛−−=−−n i i i ni i n k k ni i X X n X X n X X 1212112))(,Cov(1)(,)(1Cov ))(,Cov(µµµµµµ331231])()()([1ννµµµ=⋅=−−−−=∑=n nX E X E X E n n i i i i ， 且31232)(1)()()())(,Cov(⎥⎦⎤⎢⎣⎡−=−−−−=−−∑=n i i X n E X E X E X E X X µµµµµµ323313313311)(1)(1ννµµn n n X E n X E n n i i n i i =⋅=−=⎥⎦⎤⎢⎣⎡−=∑∑==，故n nn n n n n S X 333232111111),Cov(νννν=−⋅−=⎟⎠⎞⎜⎝⎛⋅−−=． 13．设1X 与2X 是从同一正态总体N (µ, σ 2)独立抽取的容量相同的两个样本均值．试确定样本容量n ，使得两样本均值的距离超过σ 的概率不超过0.01． 解：因µ==)()(21X E X E ，nX X 221)Var()Var(σ==，1X 与2X 相互独立，且总体分布为N (µ, σ 2)，则0)(21=−=−µµX X E ，n n n X X 222212)Var(σσσ=+=−，即⎟⎟⎠⎞⎜⎜⎝⎛−n N X X 2212,0~σ， 因01.0222212}|{|21≤⎟⎟⎠⎞⎜⎜⎝⎛Φ−=⎥⎥⎦⎤⎢⎢⎣⎡⎟⎟⎠⎞⎜⎜⎝⎛Φ−=>−n n X X P σσσ，有995.02≥⎟⎟⎠⎞⎜⎜⎝⎛Φn ，5758.22≥n ，故n ≥ 13.2698，即n 至少14个．14．利用切比雪夫不等式求抛均匀硬币多少次才能使正面朝上的频率落在 (0.4, 0.6) 间的概率至少为0.9．如何才能更精确的计算这个次数？是多少？解：设⎩⎨⎧=,,0,,1次反面朝上第次正面朝上第i i X i 有X i ~ B (1, 0.5)，且正面朝上的频率为∑==ni i X n X 11，则E (X i ) = 0.5，Var (X i ) = 0.25，且5.0(=X E ，n X 25.0)(Var =， 由切比雪夫不等式得n nX P X P 2511.025.01}1.0|5.0{|}6.04.0{2−=−≥<−=<<，故当9.0251≥−n时，即n ≥ 250时，9.0}6.04.0{≥<<X P ；利用中心极限定理更精确地计算，当n 很大时∑==ni i X n X 11的渐近分布为正态分布25.0,5.0(n N ， 则)2.0()2.0()25.05.04.0(25.05.06.0()4.0()6.0(}6.04.0{n n nnF F X P −Φ−Φ=−Φ−−Φ=−=<<9.01)2.0(2≥−Φ=n ，即95.0)2.0(≥Φn ，64.12.0≥n ，故当n ≥ 67.24时，即n ≥ 68时，9.0}6.04.0{≥<<X P ．15．从指数总体Exp (1/θ ) 抽取了40个样品，试求X 的渐近分布．解：因θ==)((X E X E ，2401)(Var )(Var θ==n X X ，故X 的渐近分布为)401,(2θθN ．16．设X 1 , …, X 25是从均匀分布U (0, 5) 抽取的样本，试求样本均值X 的渐近分布．解：因25)()(==X E X E ，1211225)05()(Var )(Var 2=×−==n X X ，故X 的渐近分布为)121,25(N ． 17．设X 1 , …, X 20是从二点分布b (1, p ) 抽取的样本，试求样本均值X 的渐近分布．解：因p X E X E ==)((，20)1()(Var )(Var p p n X X −==，故X 的渐近分布为20)1(,(p p p N −．18．设X 1 , …, X 8是从正态分布N (10, 9) 中抽取的样本，试求样本均值X 的标准差．解：因89)(Var )(Var ==n X X ，故X 的标准差为423)(Var =X ． 19．切尾均值也是一个常用的反映样本数据的特征量，其想法是将数据的两端的值舍去，而用剩下的当中的值为计算样本均值，其计算公式是][2])[()2]([)1]([αααααn n X X X X n n n n −+++=−++L ，其中0 < α < 1/2是切尾系数，X (1) ≤ X (2) ≤ … ≤ X (n ) 是有序样本．现我们在高校采访了16名大学生，了解他们平时的学习情况，以下数据是大学生每周用于看电视的时间：15 14 12 9 20 4 17 26 15 18 6 10 16 15 5 8 取α = 1/16，试计算其切尾均值．解：因n α = 1，且有序样本为4, 5, 6, 8, 9, 10, 12, 14, 15, 15, 15, 16, 17, 18, 20, 26，故切尾均值8571.12)20865(216116/1=++++−=L x ． 20．有一个分组样本如下：区间 组中值 频数 (145,155) 150 4 (155,165) 160 8 (165,175) 170 6 (175,185) 180 2试求该分组样本的样本均值、样本标准差、样本偏度和样本峰度．解：163)2180617081604150(201=×+×+×+×=x ；2338.9]2)163180(6)163170(8)163160(4)163150[(1912222=×−+×−+×−+×−=s ； 因81]2)163180(6)163170(8)163160(4)163150[(20122222=×−+×−+×−+×−=b ， 144]2)163180(6)163170(8)163160(4)163150[(20133333=×−+×−+×−+×−=b ，14817]2)163180(6)163170(8)163160(4)163150[(20144444=×−+×−+×−+×−=b ，故样本偏度1975.02/3231==b b γ，样本峰度7417.032242−=−=b b γ．21．检查四批产品，其批次与不合格品率如下：批号批量不合格品率1 100 0.052 300 0.063 250 0.04 4 150 0.03试求这四批产品的总不合格品率．解：046875.0)03.015004.025006.030005.0100(8001=×+×+×+×=p ． 22．设总体以等概率取1, 2, 3, 4, 5，现从中抽取一个容量为4的样本，试分别求X (1) 和X (4) 的分布． 解：因总体分布函数为⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧≥<≤<≤<≤<≤<=,5,1,54,54,43,53,32,52,21,51,1,0)(x x x x x x x F则F (1) (x ) = P {X (1) ≤ x } = 1 − P {X (1) > x } = 1 − P {X 1 > x , X 2 > x , X 3 > x , X 4 > x } = 1 − [1 − F (x )]4⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧≥<≤<≤<≤<≤<=,5,1,54,625624,43,625609,32,625544,21,625369,1,0x x x x x x且F (4) (x ) = P {X (4) ≤ x } = P {X 1 ≤ x , X 2 ≤ x , X 3 ≤ x , X 4 ≤ x } = [F (x )]4⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧≥<≤<≤<≤<≤<=,5,1,54,625256,43,62581,32,62516,21,6251,1,0x x x x x x故X (1) 和X (4) 的分布为6251625156256562517562536954321)1(P X ； 6253696251756256562515625154321)4(PX ． 23．设总体X 服从几何分布，即P {X = k } = pq k − 1，k = 1, 2, …，其中0 < p < 1，q = 1 − p ，X 1, X 2, …, X n 为该总体的样本．求X (n ) , X (1)的概率分布．解：因k k kj j q qq p pqk X P −=−−==≤∑=−11)1(}{11，k = 1, 2, …，故n k n k ni i ni i n n n q q k X P k X P k X P k X P k X P )1()1(}1{}{}1{}{}{111)()()(−==−−−=−≤−≤=−≤−≤==∏∏；且nk k n ni i ni i q q k X P k X P k X P k X P k X P −=>−−>=>−−>==−==∏∏)1(11)1()1()1(}{}1{}{}1{}{．24．设X 1 , …, X 16是来自N (8, 4) 的样本，试求下列概率（1）P {X (16) > 10}； （2）P {X (1) > 5}．解：（1）1616161)16()16()]2810([1)]10([1}10{1}10{1}10{−Φ−=−=≤−=≤−=>∏=F X P X P X P i i = 1 − [Φ(1)]16 = 1 − 0.841316 = 0.9370；（2）3308.09332.0)]5.1([285(1[)]5(1[}5{}5{16161616161)1(==Φ=−Φ−=−=>=>∏=F X P X P i i ． 25．设总体为韦布尔分布，其密度函数为⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎟⎟⎠⎞⎜⎜⎝⎛−=−mmm x mx m x p ηηηexp ),;(1，x > 0, m > 0, η > 0． 现从中得到样本X 1 , …, X n ，证明X (1) 仍服从韦布尔分布，并指出其参数． 解：总体分布函数mm mmx xt xmt xt mm xt t mtt t p x F ⎟⎟⎠⎞⎜⎜⎝⎛−⎟⎟⎠⎞⎜⎜⎝⎛−⎟⎟⎠⎞⎜⎜⎝⎛−⎟⎟⎠⎞⎜⎜⎝⎛−−−=−=⎟⎟⎠⎞⎜⎜⎝⎛===∫∫∫ηηηηηηe1e d ed ed )()(00010，x > 0，则X (1) 的密度函数为111(1)11()[1()]()eeemmmmx x x m m m n n n mmmxmnxp x n F x p x n ηηηηη⎛⎞⎛⎞⎛⎞⎛⎞−−−−−−−−⎜⎟⎜⎟⎜⎟−⎝⎠⎝⎠⎝⎠=−=⋅==，故X (1) 服从参数为⎟⎟⎠⎞⎜⎜⎝⎛m n m η,的韦布尔分布． 26．设总体密度函数为p (x ) = 6 x (1 − x ), 0 < x < 1，X 1 , …, X 9是来自该总体的样本，试求样本中位数的分布． 解：总体分布函数3203223)23(d )1(6d )()(x x t t t t t t t p x F xxx−=−=−==∫∫，0 < x < 1，因样本容量n = 9，有样本中位数)5(215.0x x m n ==⎟⎠⎞⎜⎝⎛+，其密度函数为)1(6)231()23(!4!4!9)()](1[)]([!4!4!9)(432432445x x x x x x x p x F x F x p −⋅+−−⋅=−⋅=． 27．证明公式∫∑−−=−−−−=−⎟⎟⎠⎞⎜⎜⎝⎛110)1()!1(!!)1(p r n r rk k n k dx x x r n r n p p k n ，其中0 ≤ p ≤ 1． 证：设总体X 服从区间(0, 1)上的均匀分布，X 1, X 2, …, X n 为样本，X (1), X (2), …, X (n )是顺序统计量，则样本观测值中不超过p 的样品个数服从二项分布b (n , p )，即最多有r 个样品不超过p 的概率为∑=−+−⎟⎟⎠⎞⎜⎜⎝⎛=>rk kn k r p p k n p X P 0)1()1(}{，因总体X 的密度函数与分布函数分别为⎩⎨⎧<<=.,0;10,1)(其他x x p ⎪⎩⎪⎨⎧≥<≤<=.1,1;10,;0,0)(x x x x x F则X (r + 1)的密度函数为⎪⎩⎪⎨⎧<<−−−=−−−=−−−−+.,0,10,)1()!1(!!)()](1[)]([)!1(!!)(111其他x x x r n r n x p x F x F r n r n x p r n r r n r r 故∫∑−−+=−−−−=>=−⎟⎟⎠⎞⎜⎜⎝⎛11)1(0)1()!1(!!}{)1(p r n r r rk kn k dx x x r n r n p X P p p k n ． 28．设总体X 的分布函数F (x )是连续的，X (1), …, X (n )为取自此总体的次序统计量，设ηi = F (X (i ))，试证： （1）η1 ≤ η2 ≤ … ≤ ηn ，且ηi 是来自均匀分布U (0, 1)总体的次序统计量；（2）1)(+=n iE i η，)2()1()1()Var(2++−+=n n i n i i η，1 ≤ i ≤ n ； （3）ηi 和ηj 的协方差矩阵为⎟⎟⎟⎟⎠⎞⎜⎜⎜⎜⎝⎛+−+−+−+−2)1(2)1(2)1(2)1(22212111n a a n a a n a a n a a 其中11+=n i a ，12+=n j a ． 注：第（3）问应要求i < j ． 解：（1）首先证明Y = F (X )的分布是均匀分布U (0, 1)，因分布函数F (x )连续，对于任意的y ∈ (0, 1)，存在x ，使得F (x ) = y ， 则F Y ( y ) = P {Y = F (X ) ≤ y } = P {F (X ) ≤ F (x )} = P {X ≤ x } = F (x ) = y ， 即Y = F (X )的分布函数是⎪⎩⎪⎨⎧≥<≤<=.1,1;10,;0,0)(y y y y y F Y可得Y = F (X )的分布是均匀分布U (0, 1)，即F (X 1), F (X 2), …, F (X n )是均匀分布总体U (0, 1)的样本， 因分布函数F (x )单调不减，ηi = F (X (i ))，且X (1) ≤ X (2) ≤ … ≤ X (n )是总体X 的次序统计量， 故η1 ≤ η2 ≤ … ≤ ηn ，且ηi 是来自均匀分布U (0, 1)总体的次序统计量； （2）因均匀分布U (0, 1) 的密度函数与分布函数分别为⎩⎨⎧<<=.,0;10,1)(其他y y p Y ⎪⎩⎪⎨⎧≥<≤<=.1,1;10,;0,0)(y y y y y F Y则ηi = F (X (i ))的密度函数为⎪⎩⎪⎨⎧<<−−−=−−−=−−−−.,0,10,)1()!()!1(!)()](1[)]([)!()!1(!)(11其他y y y i n i n y p y F y F i n i n y p i n i Y in Y i Y i即ηi 服从贝塔分布Be (i , n − i + 1)，即Be (a , b )，其中a = i ，b = n − i + 1，故1)(+=+=n i b a a E i η，)2()1()1()1()()Var(22++−+=+++=n n i n i b a b a ab i η，1 ≤ i ≤ n ； （3）当i < j 时，(ηi , ηj )的联合密度函数为z y Y Y j n Y i j Y Y i Y ij z p y p z F y F z F y F j n i j i n z y p <−−−−−−−−−−=I )()()](1[)]()([)]([)!()!1()!1(!),(111011I )1()()!()!1()!1(!<<<−−−−−−−−−−=z y j n i j i z y z y j n i j i n ， 则∫∫∫∫−−−+∞∞−+∞∞−−⋅−−−−−=⋅=1001)1()()!()!1()!1(!),()(z j n i j i ij j i dy z z y z y dz j n i j i n dydz z y p yz E ηη， 令y = zu ，有dy = zdu ，且当y = 0时，u = 0；当y = z 时，u = 1，则∫∫⋅−−=−⋅−−−−−−−1101)()()1()1()(zdu zu z zu z z dy z z y z y i j i j n zj n i j ij n j j n j i j i j j n z z j i j i i j i B z z du u u z z z −+−+−−−−−−=−+⋅−=−⋅−=∫)1(!)!1(!),1()1()1()1(1111，即∫−+−−−−−−−=101)1(!)!1(!)!()!1()!1(!)(dz z z j i j i j n i j i n E jn j j i ηη )1,2(!)!1(!)!()!1()!1(!+−+−−⋅−−−−=j n j B j i j i j n i j i n)2)(1()1()!2()!()!1(!)!1(!)!()!1()!1(!+++=+−+⋅−−⋅−−−−=n n j i n j n j j i j i j n i j i n ， 可得)2()1()1(11)2)(1()1()()()(),Cov(2++−+=+⋅+−+++=−=n n j n i n j n i n n j i E E E j i j i j i ηηηηηη， 因11+=n i a ，12+=n j a ， 则2)1()2()1()1(),Cov(212+−=++−+=n a a n n j n i j i ηη， 且2)1()2()1()1()Var(112+−=++−+=n a a n n i n i i η，2)1()2()1()1()Var(222+−=++−+=n a a n n j n j jη， 故ηi 和ηj 的协方差矩阵为⎟⎟⎟⎟⎠⎞⎜⎜⎜⎜⎝⎛+−+−+−+−=⎟⎟⎠⎞⎜⎜⎝⎛2)1(2)1(2)1(2)1()Var(),Cov(),Cov()Var(22212111n a a n a a n a a n a a j j i j i i ηηηηηη． 29．设总体X 服从N (0, 1)，从此总体获得一组样本观测值x 1 = 0, x 2 = 0.2, x 3 = 0.25, x 4 = −0.3, x 5 = −0.1, x 6 = 2, x 7 = 0.15, x 8 = 1, x 9 = −0.7, x 10 = −1．（1）计算x = 0.15（即x (6)）处的E [F (X (6))]，Var[F (X (6))]； （2）计算F (X (6))在x = 0.15的分布函数值．解：（1）根据第28题的结论知1)]([)(+=n iX F E i ，)2()1()1()](Var[2)(++−+=n n i n i X F i ，且n = 10， 故116)]([)6(=X F E ，2425121156)](Var[2)6(=××=X F ； （2）因F (X (i ))服从贝塔分布Be (i , n − i + 1)，即这里的F (X (6))服从贝塔分布Be (6, 5)，则F (X (6))在x = 0.15的分布函数值为∫−⋅=15.00456)1(!4!5!10)15.0(dx x x F ， 故根据第27题的结论知0014.085.015.0101)1(!4!5!10)15.0(501015.00456=××⎟⎟⎠⎞⎜⎜⎝⎛−=−⋅=∑∫=−k k k k dx x x F ． 30．在下列密度函数下分别寻求容量为n 的样本中位数m 0.5的渐近分布．（1）p (x ) = 6x (1 − x )，0 < x < 1；（2）⎭⎬⎫⎩⎨⎧−−=222)(exp π21)(σµσx x p ； （3）⎩⎨⎧<<=.,0;10,2)(其他x x x p （4）||e 2)(x x p λλ−=．解：样本中位数m 0.5的渐近分布为⎟⎟⎠⎞⎜⎜⎝⎛⋅)(41,5.025.0x p n x N ，其中p (x )是总体密度函数，x 0.5是总体中位数， （1）因p (x ) = 6x (1 − x )，0 < x < 1，有35.025.003205.023)23()1(6)(5.05.05.0x x x x dx x x x F x x −=−=−==∫，则x 0.5 = 0.5，有nn p n 91)5.05.06(41)5.0(4122=×××=⋅， 故样本中位数m 0.5的渐近分布为⎟⎠⎞⎜⎝⎛n N 91,5.0；（2）因⎭⎫⎩⎨⎧−−=222)(exp π21)(σµσx x p ，有0.5 = F (x 0.5) = F (µ)， 则x 0.5 = µ ，有n n p n 2ππ2141)(41222σσµ=⎟⎟⎠⎞⎜⎜⎝⎛×=⋅， 故样本中位数m 0.5的渐近分布为⎟⎟⎠⎞⎜⎜⎝⎛n N 2π,2σµ；（3）因⎩⎨⎧<<=.,0;10,2)(其他x x x p 有25.00205.05.05.02)(5.0x x xdx x F x x ====∫， 则215.0=x ，有n n p n 8121241214122=⎟⎠⎞⎜⎝⎛××=⎟⎠⎞⎜⎝⎛⋅， 故样本中位数m 0.5的渐近分布为⎟⎠⎞⎜⎝⎛n N 81,21； （4）因||e 2)(x x p λλ−=，有0.5 = F (x 0.5) = F (0)，则x 0.5 = 0，有2221241)0(41λλn n p n =⎟⎠⎞⎜⎝⎛×=⋅， 故样本中位数m 0.5的渐近分布为⎟⎠⎞⎜⎝⎛21,0λn N ．31．设总体X 服从双参数指数分布，其分布函数为⎪⎩⎪⎨⎧≤>⎭⎬⎫⎩⎨⎧−−−=.,0;,exp 1)(µµσµx x x x F其中，−∞ < µ < +∞，σ > 0，X (1) ≤ … ≤ X (n )为样本的次序统计量．试证明)(2)1()1()(−−−−i i X X i n σ服从自由度为2的χ 2分布（i = 2, …, n ）． 注：此题有误，讨论的随机变量应为)(2)1()1()(−−+−i i X X i n σ．证：因(X (i − 1), X (i ))的联合密度函数为z y i n i i i z p y p z F y F i n i n z y p <−−−−−−=I )()()](1[)]([)!()!2(!),(2)1( z y in i z y z y i n i n <<−−⎭⎬⎫⎩⎨⎧−−⋅⎭⎬⎫⎩⎨⎧−−⋅⎥⎦⎤⎢⎣⎡⎭⎬⎫⎩⎨⎧−−⎥⎦⎤⎢⎣⎡⎭⎬⎫⎩⎨⎧−−−−−=µσµσσµσσµσµI exp 1exp 1exp exp 1)!()!2(!2z y i n i z y y i n i n <<+−−⎥⎦⎤⎢⎣⎡⎭⎬⎫⎩⎨⎧−−⎥⎦⎤⎢⎣⎡⎭⎬⎫⎩⎨⎧−−−⎭⎬⎫⎩⎨⎧−−−−=µσµσµσµσI exp exp 1exp )!()!2(!122，则T = X (i ) − X (i − 1)的密度函数为∫+∞∞−−⋅⋅+=dy t y y p t p i i T 1),()()1(∫∞++−−⎥⎦⎤⎢⎣⎡⎭⎬⎫⎩⎨⎧−+−⎥⎦⎤⎢⎣⎡⎭⎬⎫⎩⎨⎧−−−⎭⎬⎫⎩⎨⎧−−−−=µσµσµσµσdy t y y y i n i n i n i 122exp exp 1exp )!()!2(!∫∞+−+−+−⎥⎦⎤⎢⎣⎡⎭⎫⎩⎨⎧−−−⎥⎦⎤⎢⎣⎡⎭⎬⎫⎩⎨⎧−−−⎥⎦⎤⎢⎣⎡⎭⎬⎫⎩⎨⎧−−⎥⎦⎤⎢⎣⎡⎭⎬⎫⎩⎨⎧−−−=µσµσσµσµσσy d y y t i n i n i i n i n exp )(exp 1exp exp )!()!2(!2112∫−−⎥⎦⎤⎢⎣⎡⎭⎬⎫⎩⎨⎧−−−=−+−+−012112)()1(exp )!()!2(!du u ut i n i n i i n i n σσσ∫−+−−⎭⎬⎫⎩⎨⎧+−−−−=1021)1()1(exp )!()!2(!du u ut i n i n i n i i n σσ )1,2()1(exp )!()!2(!−+−⎭⎬⎫⎩⎨⎧+−−−−=i i n B t i n i n i n σσ⎭⎬⎫⎩⎨⎧+−−+−=−+−⋅⎭⎬⎫⎩⎨⎧+−−−−=σσσσt i n i n n i i n t i n i n i n )1(exp 1!)!2()!1()1(exp )!()!2(!，t > 0，可得T i n X X i n S i i σσ2)1()(2)1()1()(+−=−+−=−的密度函数为⎭⎬⎫⎩⎨⎧−=+−⋅⎭⎬⎫⎩⎨⎧−+−=+−⋅⎟⎟⎠⎞⎜⎜⎝⎛+−=2exp 21)1(22exp 1)1(2)1(2)(s i n s i n i n s i n p s p T S σσσσ，s > 0， 故)(2)1()1()(−−+−=i i X X i n S σ服从参数为21的指数分布，也就是服从自由度为2的χ 2分布． 32．设总体X 的密度函数为⎩⎨⎧<<=.,0;10,3)(2其他x x x p X (1) ≤ X (2) ≤ … ≤ X (5)为容量为5的取自此总体的次序统计量，试证)4()2(X X 与X (4)相互独立．z −证：因总体X 的密度函数和分布函数分别为⎩⎨⎧<<=.,0;10,3)(2其他x x x p ⎪⎩⎪⎨⎧≥<≤<=.1,1;10,;0,0)(3x x x x x F 则(X (2), X (4))的联合密度函数为)4()2(I )()()](1[)]()([)]([!1!1!1!5),()4()2(1)4(1)2()4(1)2()4()2(24x x x p x p x F x F x F x F x x p <−−⋅⋅=103)4(3)2(3)4(2)4(5)2(102)4(2)2(3)4(3)2(3)4(3)2()4()2()4()2(I )1)((1080I 33)1)((120<<<<<<−−=⋅⋅−−=x x x x x x x x x x x x x x x ，设)4()2(1X X Y =，Y 2 = X (4)，有X (2) = Y 1Y 2，X (4) = Y 2，则(X (2), X (4))关于( Y 1 , Y 2 )的雅可比行列式为21221)4()2(1),(),(y y y y y x x J ==∂∂=，且0 < X (2) ≤ X (4) < 1对应于0 < Y 1 < 1, 0 < Y 2 < 1，可得(Y 1 , Y 2 )的联合密度函数为210,10323213222521221242121I )1]()([)(1080||),(),(y y y y y y y y J y y y p y y p y y ⋅−−=⋅=<<<<103211210315121I )1(I )1(1080<<<<−⋅−=y y y y y y ，由于(Y 1 , Y 2 , …, Y n )的联合密度函数p ( y 1 , y 2)可分离变量， 故)4()2(1X X Y =与Y 2 = X (4)相互独立．33．（1）设X (1)和X (n )分别为容量n 的最小和最大次序统计量，证明极差R n = X (n ) − X (1)的分布函数∫+∞∞−−−+=dy y p y F x y F n x F n R n )()]()([)(1其中F ( y )与p ( y )分别为总体的分布函数与密度函数；（2）利用（1）的结论，求总体为指数分布Exp (λ)时，样本极差R n 的分布． 注：第（1）问应添上x > 0的要求． 解：（1）方法一：增补变量法因(X (1), X (n ))的联合密度函数为z y n z y n n z p y p y F z F n n z p y p y F z F n n z y p <−<−−−=−−=I )()()]()()[1(I )()()]()([)!2(!),(221， 对于其函数R n = X (n ) − X (1)，增补变量W = X (1)，⎩⎨⎧−==.;y z r y w 反函数为⎩⎨⎧+==.;r w z w y 其雅可比行列式为11101==J ，则R n 的密度函数为∫+∞∞−>−+−+−=dw r w p w p w F r w F n n r p r n R n 02I )()()]()()[1()(，故R n = X (n ) − X (1)的分布函数为∫∫∫∞−+∞∞−>−∞−+−+−==x r n x R R dw r w p w p w F r w F n n dr dr r p x F n n 02I )()()]()()[1()()(∫∫+∞∞−∞−>−+−+−=xr n dr r w p w p w F r w F n n dw 02I )()()]()()[1(∫∫+∞∞−−+−+−=xn dr r w p w F r w F dw w p n n 02)()]()([)()1(∫∫+∞∞−−+−+−=xn r w dF w F r w F dw w p n n 02)()]()([)()1(∫+∞∞−−−+−⋅−=x n w F r w F n dw w p n n 01)]()([11)()1(∫+∞∞−−−+=dw w p w F x w F n n )()]()([1 ∫+∞∞−−−+=dy y p y F x y F n n )()]()([1，x > 0；方法二：分布函数法因(X (1), X (n ))的联合密度函数为z y n z y n n z p y p y F z F n n z p y p y F z F n n z y p <−<−−−=−−=I )()()]()()[1(I )()()]()([)!2(!),(221， 故R n = X (n ) − X (1)的分布函数为∫∫+∞∞−+∞−=≤−==xy n n n R dz z y p dy x X X R P x F n ),(}{)(1)1()(∫∫+∞∞−+−−−=xy yn dz z p y p y F z F dy n n )()()]()([)1(2∫∫+∞∞−+−−⋅−=xy yn z F d y F z F y p dy n n )]([)]()([)()1(2∫∫+∞∞−−+∞∞−+−−+=−−⋅⋅−=dy y p y F x y F n y F z F n y p dy n n n x y y n )()]()([)]()([11)()1(11，x > 0；（2）因指数分布Exp (λ)的密度函数与分布函数分别为⎩⎨⎧≤>=−.0,0;0,e )(x x x p x λλ ⎩⎨⎧≤>−=−.0,0;0,e 1)(x x x F x λ故R n = X (n ) − X (1)的分布函数为∫∫+∞−−−+−+∞∞−−⋅−−−=−+=01)(1e )]e 1()e 1[()()]()([)(dy n dy y p y F x y F n x F y n y x y n R n λλλλ101011)e 1()(e 1)e 1(e )1()e 1()(e −−+∞−−−+∞−−−−−−=⎟⎠⎞⎜⎝⎛−⋅−=−⋅−=∫n x n y n x y n x n y n n d n λλλλλλ，x > 0．34．设X 1 , …, X n 是来自U (0, θ ) 的样本，X (1) ≤ … ≤ X (n ) 为次序统计量，令)1()(+=i i i X X Y ，i = 1, …, n − 1，Y n = X (n ) ，证明Y 1 , …, Y n 相互独立．。
茆诗松概率论与数理统计第五章教案
因 E (Xi2 ) = Var (Xi ) + [E (Xi )]2 = Var (X ) + [E (X )]2，
E ( X 2 ) = Var( X ) + [ E ( X )]2 =
常用的统计量有样本均值、样本方差等． 5.3.2 样本均值及其抽样分布
为了反映总体期望 E (X )，由大数定律知平均值稳定于数学期望．定义
X=
x1 + x 2 + L + x n 1 n = ∑ Xi ， n n i =1
称为样本均值，因此用样本均值 X 反映总体期望 E (X )． 在分组样本场合，以 m i 表示第 i 组的组中值，f i 为第 i 组的频数，记
解：因总体 X 概率函数为 p ( x) =
e − λ ，x = 1, 2, …， x! 故样本 (X1, X2, …, X n) 的联合概率函数为
n n
λx
p ( x1 , x 2 , L , x n ) = ∏ p ( x i ) = ∏
i =1 i =1
λ
xi
xi !
e −λ =
λ i =1
∑ xi e − nλ ．
i =1 i =1
（3） E ( X ) = E ( X ) ， Var( X ) =
1 1 Var( X ) ，当 n 较大时， X ~ & N ( E ( X ), Var( X )) ； n n
（4）线性性质：若 Yi = aX i + b ，则 Y = aX + b ． 证： （1） ∑ ( X i − X ) = ∑ X i − nX = ∑ X i − n ⋅
X=
定理
概率论与数理统计(茆诗松)第二版课后第五章习题参考答案
λ ∑ xi
i =1 n
，xi > 0．
6． 美国某高校根据毕业生返校情况纪录，宣布该校毕业生的年平均工资为 5 万美元，你对此有何评论？ 解：返校的毕业生只是毕业生中一部分特殊群体， 样本的抽取不具有随机性， 不能反应全体毕业生的情况．
x < 138, 138 ≤ x < 149, 149 ≤ x < 153, 153 ≤ x < 156, 156 ≤ x < 160, 160 ≤ x < 169, x ≥ 169.
作图略． 2． 下表是经过整理后得到的分组样本 组序 1 分组区间 频数 (38,48] 3
2 (48,58] 4
3 (58,68] 8
3
分组区间 (0, 1700] (1700, 3400] (3400, 5100] (5100, 6800] (6800, 8500] (8500, 10200] (10200, 11900] (11900, 13600] (13600, 15300]
组中值 850 2550 4250 5950 7650 9350 11050 12750 14450
1091 1572 775 1044 738
3． 假若某地区 30 名 2000 年某专业毕业生实习期满后的月薪数据如下： 909 1086 1120 999 1320 1071 1081 1130 1336 967 825 914 992 1232 950 1203 1025 1096 808 1224 871 1164 971 950 866 （1）构造该批数据的频率分布表（分 6 组） ； （2）画出直方图． 解： （1）最大观测值为 1572，最小观测值为 738，则组距为 d =
数理统计(茆诗松版)第五章课件
• 自由度为1的 t 分布就是标准柯西分布， 它的均值不存在； • n>1时, t 分布的数学期望存在且为0； • n>2时，t 分布的方差存在，且为n/(n−2)； • 当自由度较大 (如n≥30) 时， t 分布可以用 正态分布 N(0,1)近似。
21 February 2012
第五章 统计量及其分布
21 February 2012
5.5.2 因子分解定理
其中g(t,θ )是通过统计量 T 的取值而依赖于样本 的。
例1 ：设 X ~ B ( n , p ); ( X 1 ,
, X m )是来自 X 的样本，
参数 p ( 0 < p < 1 )未知
X的分布律为： P{X = x} = Cnx p x (1 − p ) n − x , x = 0,1,
P ( x1 ,…, xn ) = ∏θ xi
i =1
n
θ −1
=θ
n
∏x
i =1
n
θ −1
i
,
0 < xi < 1; i = 1,…, n
112
例4 ：
设总体 X 服从 [ θ 1， θ 2 ] 上的均匀分布， 其中 θ 1 , θ 2 未知，X 1 , X 2 , ..., X n )是 从该总体 (
故样本的联合概率函数为 m
,n
P( x1,…, xm ) = ∏C p (1 − p)
i =1 xi n xi
m m
n− xi
nm−∑xi ∑xi xi = (∏Cn ) p i=1 (1− p) i=1 , m i =1
xi = 0,1, , n; i = 1, , m
110
(概率论与数理统计 茆诗松) 第5章 统计量及其分布(5.4)
当随机变量 2 2(n) 时，对给定 (01)， 称满足 P(2 12(n)) 的 12(n) 是自由度为 n1的卡方分布的 1 分位数. 分位数 12(n) 可以从附表3 中查到。
P{ X
2 1
(n)} ,
该密度函 数的图像 是一只取 非负值的 偏态分布
E 2 n, Var( 2 ) 2n
习题5.4：
Q4
5.4.2 F 分布
定义5.4.2 设X1 2(m), X2 2(n), X1与X2独立， 则称 F =(X1/m)/(X2/n) 的分布是自由度为 m 与 n 的 F分布，记为F F(m, n)，其中m 称为分子自 由度，n 称为分母自由度。
t ( n)
t
(n)
当随机变量t t(n) 时，称满足 P(t t1(n)) =1 的 t1(n) 是自由度为 n 的 t 分布的1分位数. 分位数 t1(n) 可以从附表4中查到。 譬如 n=10,=0.05，那么从附表4上查得
t10.05(10) = t0.95(10)=1.812 . 由于 t 分布的密度函数关于0 对称, 故其分位数 间有如下关系
~ t (m n 2)
1 4 5 7 9 14 16
• n2时，t 分布的方差存在，且为n/(n2)；
• 当自由度较大 (如n30) 时， t 分布可以用正态分布 N(0,1)近似。
当随机变量t t(n) 时，称满足 P(t t1(n)) =1 的 t1(n) 是自由度为 n 的 t 分布的1分位数.
注:
t (n) t1 (n)
在推论5.4.1的记号下，设 12 =22 = 2 ，
2 2 ( x x ) ( y y ) i i i 1 i 1 m n
(概率论与数理统计茆诗松)第5章统计量及其分布
统计量用于评估和 预测经济趋势例如 GDP、CPI等。
统计量用于研究经济 现象之间的相关性例 如通过回归分析探究 收入与消费的关系。
统计量用于风险评估 和决策制定例如在投 资组合优化中应用统 计量来降低风险。
统计量用于市场调研和 消费者行为分析例如通 过调查数据了解消费者 的购买意愿和偏好。
统计量用于描述大量粒子系统的宏观性质如温度、压强等。 在高能物理实验中统计量用于分析粒子碰撞数据以发现新粒子或研究基本粒子的相互作用。 在天体物理中统计量用于研究星系分布、宇宙射线等以揭示宇宙的演化历史和结构。 在凝聚态物理中统计量用于描述量子多体系统的性质如超导、量子相变等。
单击此处添加标题
性质：二项分布具有可加性即如果有两个独立的二项分布的随机变量X和Y那么 X+Y仍然服从二项分布。
单击此处添加标题
应用：二项分布在统计学、生物学、医学等领域有广泛的应用例如在遗传学中 研究基因的遗传规律在可靠性工程中研究设备的寿命等。
定义：泊松分布是一种离散概率分布描述了在单位时间内（或单位面积内）随机事件发生的次数。
适用范围：非参数检验适用于总体分布未知或已知分布不满足参数检验条件的情况能够更加灵活地处理 各种数据类型和分布。
添加标题
常见方法：常见的非参数检验方法包括符号检验、秩次检验、中位数检验等这些方法都是基于样本数据 本身的特性进行统计推断不需要对总体参数进行假设检验。
添加标题
优点与局限性：非参数检验具有适用范围广、灵活性高等优点但也存在一定的局限性如对于小样本数据 可能不太稳定等。因此在选择统计检验方法时需要根据具体情况进行综合考虑。
性
构造方法：利 用样本数据和 适当的数学方 法来构造有效
估计
应用：在统计 学、经济学、 社会学等领域
华东师范大学茆诗松《概率论与数理统计教程》第5章 统计量及其分布
原因在于总体的差异上！
1979年4月17日日本《朝日新闻》刊登调查报 告指出N(m, (5/3)2)，日产SONY彩电的彩色浓 度服从正态分布，而美产SONY彩电的彩色浓 度服从(m5 , m+5)上的均匀分布。
13 January 2016
华东师范大学
第五章 统计量及其分布
第8页
图5.1.1 SONY彩电彩色浓度分布图
表5.1.2中的样本观测值没有具体的数值， 只有一个范围，这样的样本称为分组样本。
13 January 2016
华东师范大学
第五章 统计量及其分布
第14页
样本的要求：简单随机样本
要使得推断可靠，对样本就有要求，使样本能很 好地代表总体。通常有如下两个要求：
随机性: 总体中每一个个体都有同等机会
13 January 2016
华东师范大学
第五章 统计量及其分布
第22页
其经验分布函数为
Fn(x) =
0， 0.2， 0.4， 0.8， 1，
x < 344 344 x < 347 347 x < 351 344 x < 347 x 355
由伯努里大数定律： 只要 n 相当大，Fn(x)依概率收敛于F(x) 。
13 January 2016
华东师范大学
第五章 统计量及其分布
第9页
表5.1.1 各等级彩电的比例(%)
等级 I II III IV
美产
33.3
33.3
27.1
33.3
4.3
0
0.3
日产 68.3
13 January 2016
华东师范大学
第五章 统计量及其分布
茆诗松《概率论与数理统计教程》(第3版)考研真题精选(统计量及其分布)【圣才出品】
根据抽样定理得：
n 1 S 2
2
:
2 n 1
＿
又X与 S2 相互独立，所以
n(X )
(n
1)S 2 2
/
(n
1)
n X : t n 1 S
X 1n X 2．设 X1，X2，…，X（n n≥2）为来自总体 N（μ，1）的简单随机样本，记
n
i， i 1
则下列结论中不正确的是（ ）。[数一 2017 研]
则（ ）。[数三 2018 研]
A． n X : t n S
B． n X : t n 1 S
C．
nX
S:t n NhomakorabeaD．
nX
S
:
t n 1
【答案】B
1/6
圣才电子书
【解析】因为
十万种考研考证电子书、题库视频学习平台
X
:
N
,
2
n
所以
X : N 1,0
＿
＿
D 项，（X－μ）～N（0，1/n），则 n (X ) : N (0,1) ，所以 n（X－μ）2～
χ2（1）。
3．设 X1，X2，X3 为来自正态总体 N（0，σ2）的简单随机样本，则统计量 S
X1 X2 2 X3
服从的分布是（ ）。[数三 2014 研]
3/6
圣才电子书
2
且 X1 X 2 与 X3/σ 相互独立，故 2
X1 X2
2 X1 X 2 ~ t 1
X
2 3
2
X
2 3
2
二、填空题
＿
设 x1，x2，…，xn 为来自总体 N（μ，σ2）的简单随机样本，样本均值x＝9.5，参数 μ
概率论与数理统计 华东师大茆诗松版 第五章 2014
华东师范大学
第五章 统计量及其分布
第13页
例5.1.5 设有一批产品共N个，需要进行抽样检 验以了解其不合格品率p。现从中采取不放回 抽样抽出2个产品，这时，第二次抽到不合格 品的概率依赖于第一次抽到的是否是不合格 品，如果第一次抽到不合格品，则 P(x2 = 1 | x1 = 1) = (Np1)/(N1) 而若第一次抽到的是合格品，则第二次抽到不合 格品的概率为 P(x2 = 1 | x1 = 0) = (Np)(N1)
27 May 2014
华东师范大学
第五章 统计量及其分布
第19页
更深刻的结果也是存在的，这就是格里纹科定理。
定理5.2.1（格里纹科定理） 设x1,x2,…,xn是取自 总体分布函数为F(x)的样本, Fn(x) 是其经验分 布函数，当n时，有 PsupFn(x) F(x)0 = 1 格里纹科定理表明：当n 相当大时，经验分布函 数是总体分布函数F(x)的一个良好的近似。 经典的统计学中一切统计推断都以样本为依据， 其理由就在于此。
E( x )=, Var( x )=2 /n, E(s2) =2
27 May 2014
华东师范大学
第五章 统计量及其分布
第28页
5.3.4 样本矩及其函数
样本均值和样本方差的更一般的推广是样本 矩，这是一类常见的统计量。
定义5.3.4 ak = (xik)/n 称为样本 k 阶原点矩， 特别，样本一阶原点矩就是样本均值。 bk = (xi x)k/n 称为样本k阶中心矩。 特别，样本二阶中心矩就是样本方差。
第8页
例5.1.4 考察某厂生产的某种电子元件的 寿命，选了100只进行寿命试验，得到 如下数据：
概率论与数理统计统计量及其分布小结
概率论与数理统计第5章统计量与其分布
本章小结
01 知识点归纳
02 教学要求与学习建议
01 总体
基本概念样本均值样本方差样本矩样本统计量正态分布分布统计量
与其分布定义与上侧分位数抽样分布t 分布
F 分布单个正态总体下地常用统计量正态总体下地常用统计量 两个正态总体下地常用统计量3
01 知识点归纳
02 教学要求与学习建议
理解总体,个体与样本地概念; (1
)
(2 )理解统计量（样本均值,样本方差与样本矩）地概念并会计算;
(3 )掌握几种重要地抽样分布与其结论;理解分位数地概念并会查表计算;
(4了解正态总体地常用抽样分布.
)
5
轻理论重实用只记结论不管推导会判断统计量地分布会求统计量地数字特征为后两章打下基础总体基本概念 样本均值样本样本方差样本矩统计量正态分布分布统计量与其
分布定义与上侧分位数抽样分布t 分布F 分布
单个正态总体下地常用统计量两个正态总体下地常用统计量正态总体下地常用统计量6
概率论与数理统计
学海无涯,祝你成功！。
第五章统计量及其分布-精选
11/2/2019
华东师范大学
第五章 统计量及其分布
第9页
表5.1.1 各等级彩电的比例(%) 等级 I II III IV
美产 33.3 33.3 33.3 0
日产 68.3 27.1 4.3 0.3
11/2/2019
华东师范大学
第五章 统计量及其分布
第10页
5.1.2 样本
样品、样本、样本量: 样本具有两重性
由此可见，Fn(x)是一个分布函数， 并称Fn(x)为经验分布函数。
11/2/2019
华东师范大学
第五章 统计量及其分布
第21页
例5.2.1 某食品厂生产听装饮料，现从生产线上 随机抽取5听饮料，称得其净重（单位：克） 351 347 355 344 351
这是一个容量为5的样本，经排序可得有序样本：
• 研究对象的全体； • 数据； • 分布
11/2/2019
华东师范大学
第五章 统计量及其分布
第5页
例5.1.1 考察某厂的产品质量，以0记合格品，以1记 不合格品，则
总体 = {该厂生产的全部合格品与不合格品} = {由0或1组成的一堆数}
若以 p 表示这堆数中1的比例（不合格品率），则该 总体可由一个二点分布表示：
n
F(x ,..., x ) F(x ).
1
n
i
i 1
11/2/2019
华东师范大学
第五章 统计量及其分布
第16页
总体分为有限总体与无限总体
实际中总体中的个体数大多是有限的。当个体 数充分大时，将有限总体看作无限总体是一种 合理的抽象。
对无限总体，随机性与独立性容易实现，困难 在于排除有意或无意的人为干扰。
- 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)。
n
F ( x , ..., x ) F ( x ).
1
n
i
i 1
9 May 2020
华东师范大学
第五章 统计量及其分布
第16页
总体分为有限总体与无限总体
实际中总体中的个体数大多是有限的。当个体 数充分大时，将有限总体看作无限总体是一种 合理的抽象。
对无限总体，随机性与独立性容易实现，困难 在于排除有意或无意的人为干扰。
元件数 6 3 3 5 5 3 5 1
寿命范围 (384 408] (408 432] (432 456] (456 480] (480 504] (504 528] (528 552]
>552
元件数 4 4 1 2 2 3 1 13
表5.1.2中的样本观测值没有具体的数值， 只有一个范围，这样的样本称为分组样本。
X01 P 1p p
9 May 2020
华东师范大学
第五章 统计量及其分布
第6页
比如：两个生产同类产品的工厂的产品的总体 分布：
X
0
1
p
0.983
0.017
X
0
1
p
0.915
0.085
9 May 2020
华东师范大学
第五章 统计量及其分布
第7页
例5.1.2 在二十世纪七十年代后期，美国消费 者购买日产SONY彩电的热情高于购买美产 SONY彩电，原因何在？
原因在于总体的差异上！
➢ 1979年4月17日日本《朝日新闻》刊登调查报 告指出N(m, (5/3)2)，日产SONY彩电的彩色浓 度服从正态分布，而美产SONY彩电的彩色浓 度服从(m5 , m+5)上的均匀分布。
9 May 2020
华东师范大学
第五章 统计量及其分布
第8页
图5.1.1 SONY彩电彩色浓度分布图
9 May 2020
华东师范大学
第五章 统计量及其分布
第11页
例5.1.3 啤酒厂生产的瓶装啤酒规定净含量为640 克。由于随机性，事实上不可能使得所有的啤酒 净含量均为640克。现从某厂生产的啤酒中随机 抽取10瓶测定其净含量，得到如下结果：
641, 635, 640, 637, 642, 638, 645, 643, 639, 640
• 一方面，由于样本是从总体中随机抽取的，抽 取前无法预知它们的数值，因此，样本是随机 变量，用大写字母 X1, X2, …, Xn 表示；
• 另一方面，样本在抽取以后经观测就有确定的 观测值，因此，样本又是一组数值。此时用小 写字母 x1, x2, …, xn 表示是恰当的。
简单起见，无论是样本还是其观测值，样本一般 均用 x1, x2,… xn 表示，应能从上下文中加以区别。
第五章 统计量及其分布
第1页
第五章 统计量及其分布
§5.1 总体与样本 §5.2 样本数据的整理与显示 §5.3 统计量及其分布 §5.பைடு நூலகம் 三大抽样分布 §5.5 充分统计量
9 May 2020
华东师范大学
第五章 统计量及其分布
第2页
例5.0.1 某公司要采购一批产品，每件产品不 是合格品就是不合格品，但该批产品总有一 个不合格品率 p 。由此，若从该批产品中随 机抽取一件，用 x 表示这一批产品的不合格 数，不难看出 x 服从一个二点分布b(1 , p)，
第13页
表5.1.2 100只元件的寿命数据
寿命范围 ( 0 24] (24 48] (48 72] (72 96] (96 120] (120 144] (144 168] (168 192]
元件数 4 8 6 5 3 4 5 4
寿命范围 (192 216] (216 240] (240 264] (264 288] (288 312] (312 336] (336 360] (360 184]
9 May 2020
华东师范大学
第五章 统计量及其分布
第15页
用简单随机抽样方法得到的样本称为 简单随机样本，也简称样本。
于是，样本 x1, x2, …, xn 可以看成是 独立同分布( iid ) 的随机变量， 其共同分布即为总体分布。
设总体X具有分布函数F(x), x1, x2, …, xn 为取自该总体的容量为n的样本， 则样本联合分布函数为
对有限总体，只要总体所含个体数很大，特别 是与样本量相比很大，则独立性也可基本得到 满足。
9 May 2020
华东师范大学
9 May 2020
华东师范大学
第五章 统计量及其分布
第9页
表5.1.1 各等级彩电的比例(%) 等级 I II III IV
美产 33.3 33.3 33.3 0
日产 68.3 27.1 4.3 0.3
9 May 2020
华东师范大学
第五章 统计量及其分布
第10页
5.1.2 样本
样品、样本、样本量: 样本具有两重性
9 May 2020
华东师范大学
第五章 统计量及其分布
第14页
样本的要求：简单随机样本
要使得推断可靠，对样本就有要求，使样本能很 好地代表总体。通常有如下两个要求：
➢ 随机性: 总体中每一个个体都有同等机会
被选入样本 -- xi 与总体X有相同的分布。
➢ 独立性: 样本中每一样品的取值不影响其
它样品的取值 -- x1, x2, …, xn 相互独立。
但分布中的参数 p 是不知道的。一些问题：
9 May 2020
华东师范大学
第五章 统计量及其分布
第3页
• p 的大小如何； • p 大概落在什么范围内；
• 能否认为 p 满足设定要求
（如 p 0.05）。
9 May 2020
华东师范大学
第五章 统计量及其分布
第4页
§5.1 总体与个体
总体的三层含义：
这是一个容量为10的样本的观测值， 对应的总体为该厂生产的瓶装啤酒的净含量。
这样的样本称为完全样本。
9 May 2020
华东师范大学
第五章 统计量及其分布
第12页
例5.1.4 考察某厂生产的某种电子元件的 寿命，选了100只进行寿命试验，得到 如下数据：
9 May 2020
华东师范大学
第五章 统计量及其分布
• 研究对象的全体； • 数据； • 分布
9 May 2020
华东师范大学
第五章 统计量及其分布
第5页
例5.1.1 考察某厂的产品质量，以0记合格品，以1记 不合格品，则
总体 = {该厂生产的全部合格品与不合格品} = {由0或1组成的一堆数}
若以 p 表示这堆数中1的比例（不合格品率），则该 总体可由一个二点分布表示：