网站大量收购闲置独家精品文档,联系QQ:2885784924

(概率论与数理统计—第六章样本及抽样分布.docVIP

(概率论与数理统计—第六章样本及抽样分布.doc

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
(概率论与数理统计—第六章样本及抽样分布

授课章节 第六章 样本及抽样分布 目的要求 理解总体,样本,样本值,统计量;了解χ2分布,t分布和F分布,分位数;掌握正态总体的抽样分布等内容. 重点难点 重点:正态总体的某些常用统计量的分布。 前五章,主要介绍了概率论的基本概念,掌握了描述随机变量取值规律的方法——离散型用分布律、连续型用密度函数。一旦知道了随机变量的取值规律,我们就可以计算这个随机变量满足各个条件的概率。 而从第六章开始到第九章进入数理统计部分。它的思想方法是通过“样本”的数据对“总体”的分布或总体的某些未知参数做出“可靠”的推断。当然,在这个过程中,总体的全部或部分是未知的。 第一节 随机样本 下面,通过一个例子,了解总体、样本、样本值、样本容量等数理统计中的基本概念。 例 某灯泡厂,一个季度内生产了一大批灯泡,出厂前要对这批灯泡的质量,比如它的寿命,做比较全面的分析。 用X表示灯泡的寿命,显然,随取哪只灯泡的不同,它的寿命也不一样。因此,X是个随机变量。如果,我们知道它的分布,我们就知道这批灯泡的质量。 称X为总体 —— 我们所关心的某个数量指标的全体。想全面地了解总体,最好的方法就是“普查”,但普查对有些场合是不现实的。比如,本例中的灯泡的寿命就是如此。即便在某些场合,普查是允许的,但投入过多的人力、物力,而使成本加大不划算。注意,这并不是说,普查都不做,全国的人口普查已做了数次。因此,我们想到了“抽样”,在这批灯泡中随机地抽取n只灯泡,每只灯泡都有自己的寿命值,测试前它们都是随机变量,分别记做X1、X2、…、Xn 。 称X1、X2、…、Xn为样本 —— 总体中的个体。测试后它们各自取到一批值:x1、x2、…、xn 。 称x1、x2、…、xn为样本值——样本取到的值。 称n为样本容量——样本的个数。 数理统计就是通过样本对总体做出推断,这就要求样本能够真实地反映总体,样本又是总体中为数不多的个体,那么什么样的样本可以做到这一点呢?就是随机样本。 定义:设X为总体,X1、X2、…、Xn为样本,如果每个样本Xi(i = 1、2、… 、n)与总体X的分布相同,即同分布;X1、X2、…、Xn之间相互独立;则称X1、X2、…、Xn为简单随机样本。 数理统计中所使用的样本就是这种样本。如果记总体X的分布函数为F(x)= P{ X x},则(X1,X2,…,Xn)的联合分布函数为F(x1,x2,…,xn)= P{ X1 x1,X2 x2,…,Xn xn } = ∏ F(xi) 当总体X是连续型随机变量时,f(x)是它的概率密度,则(X1,X2,…,Xn)的联合概率密度为f(x1,x2,…,xn)= ∏ f(xi)。 第二节 抽样分布 样本是统计推断的依据,但在使用时,要对不同的推断目标构造不同的样本函数。例如,要推断总体的均值E(X)时,需构造样本的均值,要推断总体的方差D(X)时,需构造样本的方差等等。由样本构成的函数称为统计量,定义如下。 定义 设X1、X2、…、Xn是来自总体X的一个样本,如果由样本构成的函数 g(X1,X2,…,Xn)不含有未知的参数,则称为它为一个统计量。 因为样本X1、X2、…、Xn是随机变量,所以g(X1,X2,…,Xn)也是随机变量。当各个样本取到样本值x1、x2、…、xn时,对应的统计量g(X1,X2,…,Xn)取到g(x1,x2,…,xn),称g(x1,x2,…,xn)为统计量g(X1,X2,…,Xn)的一个观测值。常见的统计量有: 样本均值, 样本方差 ,, 样本标准差 , 样本k阶原点矩 , 样本k阶中心矩 样本值x1、x2、…、xn是样本X1、X2、…、Xn的一个随机结果,自然,观测值g(x1,x2,…,xn)是统计量g(X1,X2,…,Xn)的偶然值。事实上,我们最后就是用偶然值g(x1,x2,…,xn)去推断总体的。那么,这个偶然值g(x1,x2,…,xn)有多大的价值?数理统计的主要工作就是分析这个“偶然值”。表面看,统计量g(X1,X2,…,Xn)取到观测值g(x1,x2,…,xn)是偶然的,但它也存在“必然”的成分。下面说明其中的道理。 假设两个随机变量、,其中μ1和μ2未知。它们的密度函数和图形如下: 如果用X的测试值x估计μ1,用Y的测试值y估计μ2,从上面的图形可以看出,当可靠性(概率)取相同值(如90%)时,y比x更“接近”它的待估计量。当要求两个“接近”相同时,y比x的可靠性更高。能够得到这些有价值的结论,应归功于我们知道了X和Y的分布。 综上所述,我们需要知道统计量g(X1,X2,…,Xn)的分布。那么,g(X1,X2,…,Xn)服从什么分布呢?不同的g会有不同的结果。下面给出几种

文档评论(0)

xufugen + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档