抽样与估计课件

第7章抽样与估计(1)7.1概率抽样方法7.2三种不同性质的分布7.3一个总体参数推断时样本统计量分布7.4两个总体参数推断时样本统计量分布第7章抽样与估计(1)7.1概率抽样方法学习目标了解抽样的概率抽样方法区分总体分布、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学习目标了解抽样的概率抽样方法7.1概率抽样方法7.1.1简单随机抽样7.1.2分层抽样7.1.3系统抽样7.1.4整群抽样7.1概率抽样方法7.1.1简单随机抽样抽样方法抽样方法概率抽样

(probabilitysampling)根据一个已知的概率来抽取样本单位，也称随机抽样特点按一定的概率以随机原则抽取样本抽取样本时使每个单位都有一定的机会被抽中每个单位被抽中的概率是已知的，或是可以计算出来的当用样本对总体目标量进行估计时，要考虑到每个样本单位被抽中的概率概率抽样

(probabilitysampling)根据一简单随机抽样

(simplerandomsampling)从总体N个单位中随机地抽取n个单位作为样本，使得每一个容量为样本都有相同的机会(概率)被抽中抽取元素的具体方法有重复抽样和不重复抽样特点简单、直观，在抽样框完整时，可直接从中抽取样本用样本统计量对目标量进行估计比较方便局限性当N很大时，不易构造抽样框抽出的单位很分散，给实施调查增加了困难没有利用其他辅助信息以提高估计的效率简单随机抽样

(simplerandomsampling分层抽样

(stratifiedsampling)将总体单位按某种特征或某种规则划分为不同的层，然后从不同的层中独立、随机地抽取样本优点保证样本的结构与总体的结构比较相近，从而提高估计的精度组织实施调查方便既可以对总体参数进行估计，也可以对各层的目标量进行估计分层抽样

(stratifiedsampling)将总体单系统抽样

(systematicsampling)将总体中的所有单位(抽样单位)按一定顺序排列，在规定的范围内随机地抽取一个单位作为初始单位，然后按事先规定好的规则确定其他样本单位先从数字1到k之间随机抽取一个数字r作为初始单位，以后依次取r+k，r+2k…等单位优点：操作简便，可提高估计的精度缺点：对估计量方差的估计比较困难系统抽样

(systematicsampling)将总体中整群抽样

(clustersampling)将总体中若干个单位合并为组(群),抽样时直接抽取群，然后对中选群中的所有单位全部实施调查特点抽样时只需群的抽样框，可简化工作量调查的地点相对集中，节省调查费用，方便调查的实施缺点是估计的精度较差整群抽样

(clustersampling)将总体中若干个多阶段抽样

(multi-stagesampling)先抽取群，但并不是调查群内的所有单位，而是再进行一步抽样，从选中的群中抽取出若干个单位进行调查群是初级抽样单位，第二阶段抽取的是最终抽样单位。将该方法推广，使抽样的段数增多，就称为多阶段抽样具有整群抽样的优点，保证样本相对集中，节约调查费用需要包含所有低阶段抽样单位的抽样框；同时由于实行了再抽样，使调查单位在更广泛的范围内展开在大规模的抽样调查中，经常被采用的方法

多阶段抽样

(multi-stagesampling)先抽非概率抽样

(non-probabilitysampling)相对于概率抽样而言抽取样本时不是依据随机原则，而是根据研究目的对数据的要求，采用某种方式从总体中抽出部分单位对其实施调查有方便抽样、判断抽样、自愿样本、滚雪球抽样、配额抽样等方式非概率抽样

(non-probabilitysamplin方便抽样调查过程中由调查员依据方便的原则，自行确定入抽样本的单位调查员在街头、公园、商店等公共场所进行拦截调查厂家在出售产品柜台前对路过顾客进行的调查优点：容易实施，调查的成本低缺点：样本单位的确定带有随意性，样本无法代表有明确定义的总体，调查结果不宜推断总体方便抽样调查过程中由调查员依据方便的原则，自行确定入抽样本的判断抽样研究人员根据经验、判断和对研究对象的了解，有目的选择一些单位作为样本有重点抽样，典型抽样，代表抽样等方式判断抽样是主观的，样本选择的好坏取决于调研者的判断、经验、专业程度和创造性抽样成本比较低，容易操作样本是人为确定的，没有依据随机的原则，调查结果不能用于对推断总体判断抽样研究人员根据经验、判断和对研究对象的了解，有目的选择自愿样本被调查者自愿参加，成为样本中的一分子，向调查人员提供有关信息例如，参与报刊上和互联网上刊登的调查问卷活动，向某类节目拨打热线电话等，都属于自愿样本自愿样本与抽样的随机性无关样本是有偏的不能依据样本的信息推断总体自愿样本被调查者自愿参加，成为样本中的一分子，向调查人员提供滚雪球抽样先选择一组调查单位，对其实施调查之后，再请他们提供另外一些属于研究总体的调查对象，调查人员根据所提供的线索，进行此后的调查。这个过程持续下去，就会形成滚雪球效应适合于对稀少群体和特定群体研究优点：容易找到那些属于特定群体的被调查者，调查的成本也比较低滚雪球抽样先选择一组调查单位，对其实施调查之后，再请他们提供配额抽样先将体中的所有单位按一定的标志(变量)分为若干类，然后在每个类中采用方便抽样或判断抽样的方式选取样本单位操作简单，可以保证总体中不同类别的单位都能包括在所抽的样本之中，使得样本的结构和总体的结构类似抽取具体样本单位时，不是依据随机原则，属于非概率抽样配额抽样先将体中的所有单位按一定的标志(变量)分为若干类，然概率抽样与非概率抽样的比较概率抽样依据随机原则抽选样本样本统计量的理论分布存在可根据调查的结果推断总体非概率抽样不是依据随机原则抽选样本样本统计量的分布是不确定的无法使用样本的结果推断总体概率抽样与非概率抽样的比较概率抽样7.2三种不同性质的分布7.2.1总体分布7.2.2样本分布7.2.3抽样分布7.2三种不同性质的分布7.2.1总体分布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总体分布

(populationdistribution)总体总体中各元素的观察值所形成的分布总体分布

(populat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样本分布

(sampledistribution)样本一个样本中各观察值的分布样本分布

(sampledist样本统计量的概率分布，是一种理论分布在重复选取容量为n的样本时，由该统计量的所有可能取值形成的相对频数分布样本统计量是随机变量样本均值,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而稳定的信息，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

(samplingdistribution)样本统计量的概率分布，是一种理论分布抽样分布

(sampl抽样分布的形成过程

(samplingdistribution)总体计算样本统计量如：样本均值、比例、方差样本抽样分布的形成过程

(samplingdistribut7.3样本统计量的抽样分布

(一个总体参数推断时)7.3.1样本均值的抽样分布7.3.2样本比例的抽样分布7.3.3抽样方差的抽样分布7.3样本统计量的抽样分布

(一个样本均值的抽样分布样本均值的抽样分布在重复选取容量为n的样本时，由样本均值的所有可能取值形成的相对频数分布一种理论概率分布推断总体均值的理论基础 样本均值的抽样分布在重复选取容量为n的样本时，由样本均值的所有可能取值形成的相样本均值的抽样分布

(例题分析)【例】设一个总体，含有4个元素(个体)，即总体单位数N=4。4个个体分别为x1=1，x2=2，x3=3，x4=4。总体的均值、方差及分布如下总体分布14230.1.2.3均值和方差样本均值的抽样分布

(例题分析)【例】设一个总体，含有4个元样本均值的抽样分布

(例题分析)

现从总体中抽取n＝2的简单随机样本，在重复抽样条件下，共有42=16个样本。所有样本的结果为3,43,33,23,132,42,32,22,124,44,34,24,141,441,33211,21,11第二个观察值第一个观察值所有可能的n=2的样本（共16个）样本均值的抽样分布

(例题分析)现从总体中抽取n＝2的样本均值的抽样分布

(例题分析)计算出各样本的均值，如下表。并给出样本均值的抽样分布3.53.02.52.033.02.52.01.524.03.53.02.542.542.03211.51.01第二个观察值第一个观察值16个样本的均值（x）x样本均值的抽样分布1.000.10.20.3P

(x)1.53.04.03.52.02.5样本均值的抽样分布

(例题分析)计算出各样本的均值，如样本均值的分布与总体分布的比较

(例题分析)=2.5σ2=1.25总体分布14230.1.2.3抽样分布P(x)1.00.1.2.31.53.04.03.52.02.5x样本均值的分布与总体分布的比较

(例题分析)=2样本均值的抽样分布

与中心极限定理=50

=10X总体分布n=4抽样分布xn=16当总体服从正态分布N(μ,σ2)时，来自该总体的所有容量为n的样本的均值x也服从正态分布，x的数学期望为μ，方差为σ2/n。即x～N(μ,σ2/n)样本均值的抽样分布

与中心极限定理=50=10X总中心极限定理

(centrallimittheorem)当样本容量足够大时(n

30)，样本均值的抽样分布逐渐趋于正态分布中心极限定理：设从均值为，方差为

2的一个任意总体中抽取容量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为σ2/n的正态分布一个任意分布的总体x中心极限定理

(centrallimittheorem)中心极限定理

(centrallimittheorem)x的分布趋于正态分布的过程中心极限定理

(centrallimittheorem抽样均值的抽样分布与总体分布的关系总体分布正态分布非正态分布大样本小样本正态分布正态分布非正态分布抽样均值的抽样分布与总体分布的关系总体分布正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)样本均值的数学期望样本均值的抽样分布

(数学期望与方差)样本均值的抽样分布

(数学期望与方差)比较及结论：1.样本均值的均值(数学期望)等于总体均值2.样本均值的方差等于总体方差的1/n样本均值的抽样分布

(数学期望与方差)比较及结论：1.样本均值的抽样标准误差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也称标准误差小于总体标准差计算公式为均值的抽样标准误差所有可能的样本均值的标准差，测度所有样本均样本比例的抽样分布样本比例的抽样分布总体(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

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比例

(在重复选取容量为的样本时，由样本比例的所有可能取值形成的相对频数分布一种理论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np>5,n(1-p)>5推断总体比例的理论基础 样本比例的抽样分布在重复选取容量为的样本时，由样本比例的所有可能取值形成的相对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抽样分布

(数学期望与方差)样本方差的抽样分布样本方差的抽样分布样本方差的分布在重复选取容量为的样本时，由样本方差的所有可能取值形成的相对频数分布对于来自正态总体的简单随机样本，则比值的抽样分布服从自由度为(n-1)的2分布，即样本方差的分布在重复选取容量为的样本时，由样本方差的所有可能由阿贝(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

(2

distribution)由阿贝(Abbe)于1863年首先给出，后来由海尔墨特(H2分布

(2

distribution)2分布

(2distribution)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2分布

(性质和特点)分布的变量值始终为正2分布

(性质和特点)c2分布

(图示)

选择容量为n的简单随机样本计算样本方差s2计算卡方值2=(n-1)s2/σ2计算出所有的

2值不同容量样本的抽样分布c2n=1n=4n=10n=20ms总体c2分布

(图示)选择容量为n的计算卡方值计算出所有的不样本统计量的抽样分布样本统计量的抽样分布样本统计量的抽样分布样本统计量样本均值样本比例p样本方差s2正态总体或非正态总体大样本非正态总体小样本大样本

2分布正态分布正态分布非正态分布样本统计量的抽样分布样本统计量样本均值样本比例p样本方差7.4样本统计量的抽样分布

(两个总体参数推断时)7.4.1两个样本均值之差的抽样分布7.4.2两个样本比例之差的抽样分布7.4.3两个样本方差比的抽样分布7.4样本统计量的抽样分布

(两个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，两个样本均值之差的抽样分布服从正态分布，其分布的数学期望为两个总体均值之差方差为各自的方差之和 两个样本均值之差的抽样分布两个总体都为正态分布，即两个样本均值之差的抽样分布

m1s1总体1s2

m2总体2抽取简单随机样样本容量n1计算x1抽取简单随机样样本容量n2计算x2计算每一对样本的x1-x2所有可能样本的x1-x2m1-m2抽样分布两个样本均值之差的抽样分布m1s1总体1s2两个样本比例之差的抽样分布两个样本比例之差的抽样分布两个总体都服从二项分布分别从两个总体中抽取容量为n1和n2的独立样本，当两个样本都为大样本时，两个样本比例之差的抽样分布可用正态分布来近似分布的数学期望为方差为各自的方差之和 两个样本比例之差的抽样分布两个总体都服从二项分布两个样本比例之差的抽样分布两个样本方差比的抽样分布两个样本方差比的抽样分布两个样本方差比的抽样分布

两个总体都为正态分布，即X1~N(μ1,σ12)，X2~N(μ2,σ22)从两个总体中分别抽取容量为n1和n2的独立样本两个样本方差比的抽样分布，服从分子自由度为(n1-1)，分母自由度为(n2-1)的F分布，即两个样本方差比的抽样分布两个总体都为正态分布，即X1~N(由统计学家费希尔(R.A.Fisher)

提出的，以其姓氏的第一个字母来命名则设若U为服从自由度为n1的2分布，即U~2(n1)，V为服从自由度为n2的2分布，即V~2(n2),且U和V相互独立，则称F为服从自由度n1和n2的F分布，记为F分布

(F

distribution)由统计学家费希尔(R.A.Fisher)提出的，以其姓氏的F分布

(F

distribution)F分布

(Fdistribution)F分布

(图示)

不同自由度的F分布F（1,10)(5,10)(10,10)F分布

(图示)不同自由度的F分布F（1,10)(5,本章小结(1)概率抽样方法总体分布、样本分布、抽样分布单总体参数推断时样本统计量的分布双总体参数推断时样本统计量的分布本章小结(1)概率抽样方法结束THANKS结束THANKS第7章抽样与估计(1)7.1概率抽样方法7.2三种不同性质的分布7.3一个总体参数推断时样本统计量分布7.4两个总体参数推断时样本统计量分布第7章抽样与估计(1)7.1概率抽样方法学习目标了解抽样的概率抽样方法区分总体分布、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学习目标了解抽样的概率抽样方法7.1概率抽样方法7.1.1简单随机抽样7.1.2分层抽样7.1.3系统抽样7.1.4整群抽样7.1概率抽样方法7.1.1简单随机抽样抽样方法抽样方法概率抽样

(probabilitysampling)根据一个已知的概率来抽取样本单位，也称随机抽样特点按一定的概率以随机原则抽取样本抽取样本时使每个单位都有一定的机会被抽中每个单位被抽中的概率是已知的，或是可以计算出来的当用样本对总体目标量进行估计时，要考虑到每个样本单位被抽中的概率概率抽样

(probabilitysampling)根据一简单随机抽样

(simplerandomsampling)从总体N个单位中随机地抽取n个单位作为样本，使得每一个容量为样本都有相同的机会(概率)被抽中抽取元素的具体方法有重复抽样和不重复抽样特点简单、直观，在抽样框完整时，可直接从中抽取样本用样本统计量对目标量进行估计比较方便局限性当N很大时，不易构造抽样框抽出的单位很分散，给实施调查增加了困难没有利用其他辅助信息以提高估计的效率简单随机抽样

(simplerandomsampling分层抽样

(stratifiedsampling)将总体单位按某种特征或某种规则划分为不同的层，然后从不同的层中独立、随机地抽取样本优点保证样本的结构与总体的结构比较相近，从而提高估计的精度组织实施调查方便既可以对总体参数进行估计，也可以对各层的目标量进行估计分层抽样

(stratifiedsampling)将总体单系统抽样

(systematicsampling)将总体中的所有单位(抽样单位)按一定顺序排列，在规定的范围内随机地抽取一个单位作为初始单位，然后按事先规定好的规则确定其他样本单位先从数字1到k之间随机抽取一个数字r作为初始单位，以后依次取r+k，r+2k…等单位优点：操作简便，可提高估计的精度缺点：对估计量方差的估计比较困难系统抽样

(systematicsampling)将总体中整群抽样

(clustersampling)将总体中若干个单位合并为组(群),抽样时直接抽取群，然后对中选群中的所有单位全部实施调查特点抽样时只需群的抽样框，可简化工作量调查的地点相对集中，节省调查费用，方便调查的实施缺点是估计的精度较差整群抽样

(clustersampling)将总体中若干个多阶段抽样

(multi-stagesampling)先抽取群，但并不是调查群内的所有单位，而是再进行一步抽样，从选中的群中抽取出若干个单位进行调查群是初级抽样单位，第二阶段抽取的是最终抽样单位。将该方法推广，使抽样的段数增多，就称为多阶段抽样具有整群抽样的优点，保证样本相对集中，节约调查费用需要包含所有低阶段抽样单位的抽样框；同时由于实行了再抽样，使调查单位在更广泛的范围内展开在大规模的抽样调查中，经常被采用的方法

多阶段抽样

(multi-stagesampling)先抽非概率抽样

(non-probabilitysampling)相对于概率抽样而言抽取样本时不是依据随机原则，而是根据研究目的对数据的要求，采用某种方式从总体中抽出部分单位对其实施调查有方便抽样、判断抽样、自愿样本、滚雪球抽样、配额抽样等方式非概率抽样

(non-probabilitysamplin方便抽样调查过程中由调查员依据方便的原则，自行确定入抽样本的单位调查员在街头、公园、商店等公共场所进行拦截调查厂家在出售产品柜台前对路过顾客进行的调查优点：容易实施，调查的成本低缺点：样本单位的确定带有随意性，样本无法代表有明确定义的总体，调查结果不宜推断总体方便抽样调查过程中由调查员依据方便的原则，自行确定入抽样本的判断抽样研究人员根据经验、判断和对研究对象的了解，有目的选择一些单位作为样本有重点抽样，典型抽样，代表抽样等方式判断抽样是主观的，样本选择的好坏取决于调研者的判断、经验、专业程度和创造性抽样成本比较低，容易操作样本是人为确定的，没有依据随机的原则，调查结果不能用于对推断总体判断抽样研究人员根据经验、判断和对研究对象的了解，有目的选择自愿样本被调查者自愿参加，成为样本中的一分子，向调查人员提供有关信息例如，参与报刊上和互联网上刊登的调查问卷活动，向某类节目拨打热线电话等，都属于自愿样本自愿样本与抽样的随机性无关样本是有偏的不能依据样本的信息推断总体自愿样本被调查者自愿参加，成为样本中的一分子，向调查人员提供滚雪球抽样先选择一组调查单位，对其实施调查之后，再请他们提供另外一些属于研究总体的调查对象，调查人员根据所提供的线索，进行此后的调查。这个过程持续下去，就会形成滚雪球效应适合于对稀少群体和特定群体研究优点：容易找到那些属于特定群体的被调查者，调查的成本也比较低滚雪球抽样先选择一组调查单位，对其实施调查之后，再请他们提供配额抽样先将体中的所有单位按一定的标志(变量)分为若干类，然后在每个类中采用方便抽样或判断抽样的方式选取样本单位操作简单，可以保证总体中不同类别的单位都能包括在所抽的样本之中，使得样本的结构和总体的结构类似抽取具体样本单位时，不是依据随机原则，属于非概率抽样配额抽样先将体中的所有单位按一定的标志(变量)分为若干类，然概率抽样与非概率抽样的比较概率抽样依据随机原则抽选样本样本统计量的理论分布存在可根据调查的结果推断总体非概率抽样不是依据随机原则抽选样本样本统计量的分布是不确定的无法使用样本的结果推断总体概率抽样与非概率抽样的比较概率抽样7.2三种不同性质的分布7.2.1总体分布7.2.2样本分布7.2.3抽样分布7.2三种不同性质的分布7.2.1总体分布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总体分布

(populationdistribution)总体总体中各元素的观察值所形成的分布总体分布

(populat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样本分布

(sampledistribution)样本一个样本中各观察值的分布样本分布

(sampledist样本统计量的概率分布，是一种理论分布在重复选取容量为n的样本时，由该统计量的所有可能取值形成的相对频数分布样本统计量是随机变量样本均值,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而稳定的信息，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

(samplingdistribution)样本统计量的概率分布，是一种理论分布抽样分布

(sampl抽样分布的形成过程

(samplingdistribution)总体计算样本统计量如：样本均值、比例、方差样本抽样分布的形成过程

(samplingdistribut7.3样本统计量的抽样分布

(一个总体参数推断时)7.3.1样本均值的抽样分布7.3.2样本比例的抽样分布7.3.3抽样方差的抽样分布7.3样本统计量的抽样分布

(一个样本均值的抽样分布样本均值的抽样分布在重复选取容量为n的样本时，由样本均值的所有可能取值形成的相对频数分布一种理论概率分布推断总体均值的理论基础 样本均值的抽样分布在重复选取容量为n的样本时，由样本均值的所有可能取值形成的相样本均值的抽样分布

(例题分析)【例】设一个总体，含有4个元素(个体)，即总体单位数N=4。4个个体分别为x1=1，x2=2，x3=3，x4=4。总体的均值、方差及分布如下总体分布14230.1.2.3均值和方差样本均值的抽样分布

(例题分析)【例】设一个总体，含有4个元样本均值的抽样分布

(例题分析)

现从总体中抽取n＝2的简单随机样本，在重复抽样条件下，共有42=16个样本。所有样本的结果为3,43,33,23,132,42,32,22,124,44,34,24,141,441,33211,21,11第二个观察值第一个观察值所有可能的n=2的样本（共16个）样本均值的抽样分布

(例题分析)现从总体中抽取n＝2的样本均值的抽样分布

(例题分析)计算出各样本的均值，如下表。并给出样本均值的抽样分布3.53.02.52.033.02.52.01.524.03.53.02.542.542.03211.51.01第二个观察值第一个观察值16个样本的均值（x）x样本均值的抽样分布1.000.10.20.3P

(x)1.53.04.03.52.02.5样本均值的抽样分布

(例题分析)计算出各样本的均值，如样本均值的分布与总体分布的比较

(例题分析)=2.5σ2=1.25总体分布14230.1.2.3抽样分布P(x)1.00.1.2.31.53.04.03.52.02.5x样本均值的分布与总体分布的比较

(例题分析)=2样本均值的抽样分布

与中心极限定理=50

=10X总体分布n=4抽样分布xn=16当总体服从正态分布N(μ,σ2)时，来自该总体的所有容量为n的样本的均值x也服从正态分布，x的数学期望为μ，方差为σ2/n。即x～N(μ,σ2/n)样本均值的抽样分布

与中心极限定理=50=10X总中心极限定理

(centrallimittheorem)当样本容量足够大时(n

30)，样本均值的抽样分布逐渐趋于正态分布中心极限定理：设从均值为，方差为

2的一个任意总体中抽取容量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为σ2/n的正态分布一个任意分布的总体x中心极限定理

(centrallimittheorem)中心极限定理

(centrallimittheorem)x的分布趋于正态分布的过程中心极限定理

(centrallimittheorem抽样均值的抽样分布与总体分布的关系总体分布正态分布非正态分布大样本小样本正态分布正态分布非正态分布抽样均值的抽样分布与总体分布的关系总体分布正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)样本均值的数学期望样本均值的抽样分布

(数学期望与方差)样本均值的抽样分布

(数学期望与方差)比较及结论：1.样本均值的均值(数学期望)等于总体均值2.样本均值的方差等于总体方差的1/n样本均值的抽样分布

(数学期望与方差)比较及结论：1.样本均值的抽样标准误差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也称标准误差小于总体标准差计算公式为均值的抽样标准误差所有可能的样本均值的标准差，测度所有样本均样本比例的抽样分布样本比例的抽样分布总体(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

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比例

(在重复选取容量为的样本时，由样本比例的所有可能取值形成的相对频数分布一种理论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np>5,n(1-p)>5推断总体比例的理论基础 样本比例的抽样分布在重复选取容量为的样本时，由样本比例的所有可能取值形成的相对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抽样分布

(数学期望与方差)样本方差的抽样分布样本方差的抽样分布样本方差的分布在重复选取容量为的样本时，由样本方差的所有可能取值形成的相对频数分布对于来自正态总体的简单随机样本，则比值的抽样分布服从自由度为(n-1)的2分布，即样本方差的分布在重复选取容量为的样本时，由样本方差的所有可能由阿贝(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

(2

distribution)由阿贝(Abbe)于1863年首先给出，后来由海尔墨特(H2分布

(2

distribution)2分布

(2distribution)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2分布

(性质和特点)分布的变量值始终为正2分布

(性质和特点)c2分布

(图示)

选择容量为n的简单随机样本计算样本方差s2计算卡方值2=(n-1)s2/σ2计算出所有的

2值不同容量样本