第6章 抽样分布.pptVIP

第 6 章 抽样分布 第 6 章 抽样分布 §6.1 三种不同性质的分布 §6.2 一个总体参数推断时样本统计量分布 §6.3 两个总体参数推断时样本统计量分布 学习目标 区分总体分布、样本分布、抽样分布 理解抽样分布与总体分布的关系 掌握单总体参数推断时样本统计量的分布 掌握双总体参数推断时样本统计量的分布 统计量的概念 一、什么是统计量 　　不含未知参数的样本函数称为统计量。一个统计量也是一个随机变量。统计量的分布称为抽样分布。 设　　　　　　　是从总体中抽取的容量为n的一个样本，如果由此构造一个函数ξ（Xi），不依赖于任何未知参数，则称函数ξ 是一个统计量。通常也称为样本统计量。当获得样本的一组具体观测值时，代入ξ，计算出ξ的数值，就获得一个具体的统计量值。 统计量是样本的一个函数，由样本构造具体的统计量，实际上是对样本所含的总体信息按某种要求进行加工处理，把分散在样本中的信息集中到统计量的取值上，不同的统计推断问题要求构造不同的统计量。因此，统计量在统计学中具有极其重要的地位，它是推断统计的基础。 除了第一章介绍的样本均值 、样本比例（p），样本方差 三个统计量外，管理统计学中还经常用到： 统计量，t统计量和F统计量。这三个统计量在推断统计中极为重要，下面分别介绍这三个统计量的定义与性质。 总体分布(population distribution) 总体中各元素的观察值所形成的分布 分布通常是未知的 可以假定它服从某种分布 样本分布(sample distribution) 一个样本中各观察值的分布 也称经验分布 当样本容量n逐渐增大时，样本分布逐渐接近总体的分布 抽样分布 (sampling distribution) 样本统计量的概率分布 是一种理论概率分布 随机变量是 样本统计量 样本均值, 样本比例，样本方差等 结果来自容量相同的所有可能样本 提供了样本统计量长远我们稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据 抽样分布 (sampling distribution) 样本均值的抽样分布 样本均值的抽样分布 容量相同的所有可能样本的样本均值的概率分布 一种理论概率分布 进行推断总体总体均值?的理论基础 样本均值的抽样分布(例题分析) 样本均值的抽样分布 (例题分析) 样本均值的抽样分布 (例题分析) 样本均值的分布与总体分布的比较 (例题分析) 样本均值的抽样分布与中心极限定理 中心极限定理(central limit theorem) 中心极限定理 (central limit theorem) 抽样分布与总体分布的关系 样本均值的抽样分布(数学期望与方差) 样本均值的数学期望 样本均值的方差 重复抽样 不重复抽样 样本均值的抽样分布(数学期望与方差) 均值的抽样标准误 所有可能的样本均值的标准差，测度所有样本均值的离散程度 小于总体标准差 计算公式为 样本比例的抽样分布 比例(proportion) 总体(或样本)中具有某种属性的单位与全部单位总数之比 不同性别的人与全部人数之比 合格品(或不合格品) 与全部产品总数之比 总体比例可表示为 样本比例可表示为 样本比例的抽样分布 容量相同的所有可能样本的样本比例的概率分布 当样本容量很大时，样本比例的抽样分布可用正态分布近似 一种理论概率分布 推断总体总体比例?的理论基础 样本比例的抽样分布(数学期望与方差) 样本比例的数学期望 样本比例的方差 重复抽样 不重复抽样 样本方差的抽样分布 样本方差的分布 ?2分布(?2 distribution) 由阿贝(Abbe) 于1863年首先给出，后来由海尔墨特(Hermert)和卡·皮尔逊(K·Pearson) 分别于1875年和1900年推导出来 设 ，则 令 ，则 Y 服从自由度为1的?2分布，即 当总体 ，从中抽取容量为n的样本，则 ?2分布(性质和特点) 分布的变量值始终为正 分布的形状取决于其自由度n的大小，通常为不对称的正偏分布，但随着自由度的增大逐渐趋于对称 期望为：E(?2)=n，方差为：D(?2)=2n(n为自由度) 可加性：若U和V为两个独立的?2分布随机变量，U~?2(n1)， V~?2(n2),则U+V这一随机变量服从自由度为n1+n2的?2分布 c2)分布(图示) 两个样本均值之差的抽样分布 两个样本均值之差的抽样分布 两个总体都为正态分布，即