安阳学院《概率论与数理统计》课件-第6章数理统计的基本知识_第1页
安阳学院《概率论与数理统计》课件-第6章数理统计的基本知识_第2页
安阳学院《概率论与数理统计》课件-第6章数理统计的基本知识_第3页
安阳学院《概率论与数理统计》课件-第6章数理统计的基本知识_第4页
安阳学院《概率论与数理统计》课件-第6章数理统计的基本知识_第5页
已阅读5页,还剩137页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第6章数理统计的基本概念与抽样分布1安阳学院《概率论与数理统计》1数理统计的基本概念2数理统计中的某些常用分布3正态总体统计量的分布§5.1总体与样本

数理统计的基本任务是:研究如何进行观测,以及如何根据观测得到的统计资料,对被研究的随机现象的一般概率特征(例如,概率分布律、数学期望、方差等)做出科学的推断.

数理统计研究什么?

2考察某厂生产的某一批电视机显像管的质量.§5.1总体与样本

这批显像管的平均寿命如何?使用单位要求平均寿命达到5000小时,这批元件能否被接收?参数估计假设检验例:问题:

3王文强4

一个统计问题总有它明确的研究对象.1.总体…研究某批灯泡的质量研究对象的全体称为总体(母体),总体中每个元素称为个体.总体一、总体和样本王文强5然而在统计研究中,人们关心总体仅仅是关心其每个个体的一项(或几项)数量指标和该数量指标在总体中的分布情况.这时,每个个体具有的数量指标的全体就是总体.某批灯泡的寿命该批灯泡寿命的全体就是总体国产轿车每公里的耗油量国产轿车每公里耗油量的全体就是总体王文强6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.这样,总体就可以用一个随机变量及其分布来描述.王文强7而概率分布正是刻划这种集体性质的适当工具.因此在理论上可以把总体与概率分布等同起来.从另一方面看统计的任务,是根据从总体中抽取的样本,去推断总体的性质.由于我们关心的是总体中的个体的某项指标(如人的身高、体重,灯泡的寿命,汽车的耗油量…),所谓总体的性质,无非就是这些指标值的集体的性质.王文强8例如:研究某批灯泡的寿命时,关心的数量指标就是寿命,那么,此总体就可以用随机变量X表示,或用其分布函数F(x)表示.总体寿命X可用一概率分布来刻划鉴于此,常用随机变量的记号或用其分布函数表示总体.如说总体X或总体F(x).F(x)某批灯泡的寿命王文强9类似地,在研究某地区中学生的营养状况时,若关心的数量指标是身高和体重,我们用X和Y分别表示身高和体重,那么此总体就可用二维随机变量(X,Y)或其联合分布函数F(x,y)来表示.统计中,总体这个概念的要旨是:总体就是一个概率分布.王文强10为推断总体分布及各种特征,按一定规则从总体中抽取若干个体进行观察试验,以获得有关总体的信息,这一抽取过程称为“抽样”,所抽取的部分个体称为样本.样本中所包含的个体数目称为样本容量.2.

样本从国产轿车中抽5辆进行耗油量试验样本容量为5王文强11但是,一旦取定一组样本,得到的是n个具体的数

(x1,x2,…,xn),称为样本的一次观察值,简称样本值

.样本是随机变量.抽到哪5辆是随机的容量为n的样本可以看作n维随机变量(X1,X2,…,Xn).王文强122.独立性:X1,X2,…,Xn是相互独立的随机变量.由于抽样的目的是为了对总体进行统计推断,为了使抽取的样本能很好地反映总体的信息,必须考虑抽样方法.最常用的一种抽样方法叫作“简单随机抽样”,它要求抽取的样本满足下面两点:1.代表性:X1,X2,…,Xn中每一个与所考察的总体有相同的分布.王文强13由简单随机抽样得到的样本称为简单随机样本,它可以用与总体独立同分布的n个相互独立的随机变量X1,X2,…,Xn表示.简单随机样本是应用中最常见的情形,今后,当说到“X1,X2,…,Xn是取自某总体的样本”时,若不特别说明,就指简单随机样本.若总体的分布函数为F(x),则其简单随机样本的联合分布函数为F(x1)F(x2)…F(xn)王文强14事实上我们抽样后得到的资料都是具体的、确定的值.如我们从某班大学生中抽取10人测量身高,得到10个数,它们是样本取到的值而不是样本.我们只能观察到随机变量取的值而见不到随机变量.3.

总体、样本、样本值的关系王文强15总体(理论分布)

?

样本

样本值统计是从手中已有的资料--样本值,去推断总体的情况---总体分布F(x)的性质.总体分布决定了样本取值的概率规律,也就是样本取到样本值的规律,因而可以由样本值去推断总体.样本是联系二者的桥梁个体

:组成总体的每一个元素.总体:被研究对象的全体元素组成的集合.

是所研究的对象的某个(或某些)数量指标的全体,

它是一个随机变量(或多维随机变量).即总体的每个数量指标,可看作随机变量

的某个取值.用表示.

某厂生产的电视机显像管的寿命是一个总体,例如:

总体和样本每个显像管的寿命是一个个体.记为X.

16样本:

抽样结果得到的一组试验数据(观测值).抽样:从总体中抽取一部分个体的过程.样本容量:样本中包含的个体的数量.简单随机样本:从总体中抽取样本必须满足:(1)随机性;(2)独立性;由此得到的样本称为简单随机样本.

17

样本具有二重性

(2)实际抽样的结果得到的是具体试验数据(样本观

(1)设次抽样的结果为它们是相互独立的随机变量,且与总体服从相同的分布;测值)抽样的结果是:个独立的事件发生了.

18王文强19由样本值去推断总体情况,需要对样本值进行“加工”,这就要构造一些样本的函数,它把样本中所含的(某一方面)的信息集中起来.二、统计量这种不含任何未知参数的样本的函数称为统计量.它是完全由样本决定的量.统计量

:不依赖任何未知参数的样本函数.样本函数:以样本为自变量的函数.记样本函数也是随机变量.设是取自总体X的一组样本,

称为样本函的观测值.数是观测值.

20王文强21例如

设是来自正态总体的样本。是统计量,则而不是统计量。其中王文强22当我们得到样本的观测值也就得到了统计量的观测值记为它是一个具体的数值。

1.样本均值其观测值记作设是取自总体X的一组样本,常用统计量有:它反映了总体均值的信息23常用统计量2.样本方差其观测值记作样本方差可化简为:3.样本标准差其观测值记作它反映了总体方差的信息

24§5.2样本函数与统计量4.样本阶原点矩其观测值记作5.样本阶中心矩特别地,其观测值记作特别地,记样本二阶中心矩的观测值为若充分大,它反映了总体k阶原点矩的信息它反映了总体k阶中心矩的信息

25王文强26显然,

即样本1阶原点矩就是样本均值,当样本的观测值为分别表示统计量用的观察值,如王文强27注样本方差S2与样本二阶中心矩U2的不同关系式1)推导故王文强282)推导则设抽样得到样本观测值如下:38.240.042.437.639.241.044.043.238.840.6计算样本均值、样本方差及样本二阶中心矩的观测值.解:把上述10个数据逐个输入电子计算器或计算机中,不难求得:例1

29§5.2样本函数与统计量注:当样本容量很大时,可使用统计计算软件在计算机上进行计算.而相同的数据往往可能重复出现,使计算简化,应先把所得的数据整理,设得到下表:为了观测值

总计频数则

30§5.2样本函数与统计量对于连续随机变量或者某些离散随机变量抽样得到的样本观测值,分成若干个子区间整理后,通常把各个子区间的中点值取作x(i),样本观测值落在对应区间的频数取作mi进行计算.注:

31§5.2样本函数与统计量例2观测某交通路口每天上午8:00~8:30这段时间内234260241259256241261257277255通过的汽车车辆数,共观测30天,得到如下观测值:244249238269250268256253226256235256251258246255257282251261计算样本均值、样本方差及样本二阶中心矩的观测值.

32(220,230](230,240](240,250](250,260](260,270](270,280](280,290]解:30

总计13614411225235245255265275285该段时间内通过的汽车数所在区间

区间中点值

频数数据进行如下分组,§5.2样本函数与统计量

33§5.2样本函数与统计量数据只需分7次输入计算器即可算得,

34三.

次序统计量、样本中位数与样本极差1

次序统计量设(X1,X2,…,Xn)是从总体X中抽取的一个样本,记(x1,x2,…,xn)为样本的一个观测值,将观测值的各个分量按由小到大的递增序列重新排列为当(X1,X2,…,Xn)取值为(x1,x2,…,xn)时,定义取值为

35显然有(X1,X2,…,Xn)的次序统计量。称为最大次序统计量,它的值是样本值中最小的一个.它的值是样本值中最大的一个.其中称为最小次序统计量,

36也都是随机变量。由于次序统计量的每一个分量都是样本的函数,(X1,X2,…,Xn)所以样本(X1,X2,…,Xn)是相互独立的,一般不是独立的。

但其次序统计量

37定义样本X1,X2,…,Xn按由小到大的顺序重排为则称为样本(X1,X2,…,Xn)的次序统计量,称为样本的第k个次序统计量。

38定理1.1

设总体X的分布密度为f(x),分布函数为F(x),X1,X2,…,Xn为样本,的概率密度为则

39定理1.2

设总体X的分布密度为f(x),分布函数为F(x),X1,X2,…,Xn为样本,的概率密度分别为则最小次序统计量和最大次序统计量

40(1)证

41(2)

42定理1.3

设总体X的分布密度为f(x),分布函数为F(x),X1,X2,…,Xn为样本,的联合概率分布密度为则次序统计量

43定理1.4

设总体X的分布密度为f(x),分布函数为F(x),X1,X2,…,Xn为样本,的联合概率分布密度为则次序统计量

44设(X1,X2,…,Xn)是总体X中的样本,为其次序统计量,则样本中位数定义为它的值为n为奇数;n为偶数;n为奇数;n为偶数;2样本中位数和样本极差

45样本中位数与样本均值一样是刻划样本位置特征的统计量,而且样本中位数的计算方便并不受样本异常值的影响,所以有时比样本均值更有代表性。样本极差定义为它的值为

46注意:

样本极差与样本方差一样是反映样本值变化幅度或离散程度的统计量,而且计算方便,所以在实际中有广泛的应用。例3

从总体中抽取容量为6的样本,测得样本值为31,66,28,35,32,30由小到大排列为28,30,31,32,35,66;

47这是因为样本值66比其它值大许多,可见样本均值对异常值或极端值较敏感,而样本中位数则不受异常值影响,所以有时候估计总体均值用样本中位数比用样本均值效果更好。28,30,31,32,35,66;则样本中位数为:而样本均值为:样本均值大于样本值6个数中的5个数,

48我们知道,概率分布密度可以对连续型随机变量进行全面的刻画,而频率直方图是对总体X的未知分布密度最简单且有效的近似.四.频率直方图具体步骤如下:1、设总体X的一组样本观察值为x1,x2,…,xn,且

492

适当选取略小于的a和略大于的b,其中各区间的长度这样所有样本值全部在区间(a,b)内。将(a,b)分成为m个相邻的子区间

50既可相等,也可以不等.子区间的个数一般为8~15个,因为太多则由于频率的随机摆动而使分布显得杂乱,太少则难以显示分布的特征.此外,为方便起见,应取区间端点比样本观测值多一位小数.

51

52因为当样本容量n充分大时,随机变量X落在各个子区间的频率近似等于其概率,所以直方图大致描述了总体X的分布规律.

53例4从规定尺寸为25.40mm的一堆产品中任取100件,测得尺寸如下:25.3925.3625.3425.4225.4525.3825.3925.4225.4725.3525.4125.4325.4425.4825.4525.4325.4625.4025.5125.45

25.4025.3925.4125.3625.3825.3125.5625.4325.4025.3825.3725.4425.3325.4625.4025.4925.3425.4225.5025.37

25.3525.3225.4525.4025.2725.4325.5425.3925.4525.4325.4025.4325.4425.4125.5325.3725.3825.2425.4425.4025.3625.4225.3925.4625.3825.3525.3125.3425.4025.3625.4125.3225.3825.4225.4025.3325.3725.4125.4925.35

25.4725.3425.3025.3925.4625.2925.4025.3725.3325.4025.3525.4125.3725.3725.4725.3925.4225.4725.3825.39

54

分组个数累计频数

频率累计频率[25.235,25.265)一10.010.01[25.265,25.295)T20.020.03[25.295,25.325)正50.050.08[25.325,25.355)正正T120.120.20[25.355,25.385)正正正下180.180.38[25.385,25.415)正正正正正250.250.67[25.415,25.445)正正正一160.160.79[25.445,25.475)正正下130.130.92[25.475,25.505)TT40.040.96[25.505,25.535)T20.020.98[25.535,25.565)T20.021.00

合计1001.00列出频率分布表

55画频率分布直方图

56频率组距产品尺寸(mm)当样本容量无限增大,分组的组距无限缩小,那么频率分布直方图就会无限接近一条光滑曲线——总体密度曲线.

57例5从某种机械零件中抽取100个零件,测得它们的直径(mm)的数据如下:

34.634.935.036.034.635.835.034.634.935.435.134.434.736.335.534.236.535.035.234.735.934.935.535.434.435.234.735.235.435.235.434.434.934.034.535.934.935.634.635.734.634.334.735.535.734.935.334.535.035.835.334.635.235.035.234.434.735.435.134.733.735.635.235.635.035.134.835.834.735.235.234.734.234.634.935.035.134.835.336.435.035.234.534.935.534.135.135.535.234.835.135.234.035.334.835.334.935.135.534.4写出零件直径观测值的频率分布表并作直方图.

58由样本观测值可把数据的分布区间选定为1.00100

总计0.010.050.090.190.240.220.110.060.010.021591924221161233.65~33.9533.95~34.2534.25~34.5534.55~34.8534.85~35.1535.15~35.4535.45~35.7535.75~36.0536.05~36.3536.35~36.65

频率零件直径子区间解:(33.65,36.65),并把它等分为10个子区间.

频数

59频率直方图:33.6533.9534.2534.5534.8535.1535.4535.7536.0536.3536.65直方图大致描述了总体的概率分布.

60王文强61五.经验分布函数设总体X的分布函数F(x)未知,为总体X的一个样本观察值,将它们按大小排列为令称Fn(x)为

的经验分布函数。注:对任意实数x,Fn(x)就是事件{X≤x}出现的频率,而该事件出现的概率就是总体X的分布函数F(x).由频率和概率的关系知:Fn(x)可以作为未知分布函数F(x)的一个近似,且当n越大时,这种近似的精确程度越高.

62的性质:是非减函数在每个观测值在该点的跃度就等于频率处是右连续的,根据大数定律,可以依据样本来推断总体.

63此样本的经验分布函数例6中取得一个容量为5的样本,样本观测值为-2,-1,2.5,3.1,3.7,试求解设从总体由经验分布函数的定义知

64。·。·。·。··

65注:为方便起见,今后我们既把x1,x2,…,xn看作样本X1,X2,…,Xn的观察值,又用它们来表示这些随机变量,即x1,x2,…,xn在得到观察数据之前为n维随机变量,在得到观察数据之后为n个具体数据.例如:表示样本均值;表示样本方差.

661.有关概念:

总体与样本2.样本经验分布函数、频率分布表和直方图.样本经验分布函数理论依据:对于的任一确定的值,根据贝努利定理,当时,因此,可以依据样本来推断总体.(注意样本的二重性).

67小结从总体中抽取容量为n的样本得观测值观测值

总计频数频率其中

样本频率分布表

68定义

经验分布函数

69。·。·。·。·。·。··

70§6.2数理统计中的某些常用分布

71

72在上一节中,我们介绍了总体、样本及统计量的概念。由于样本是随机变量,统计量是样本的函数,从而统计量也是随机变量。统计量的分布称为抽样分布。一般情况下,当总体分布已知时,求统计量的分布是很困难的。然而,当总体服从正态分布时,某些统计量的分布比较容易求得。

73若总体,是从由正态分布的性质易知样本均值总体X中抽取的一个容量为n的样本。也服从正态分布,且

74下面我们在总体服从正态分布的基本假设下,讨论一些重要的统计量的分布。这些结论是以后各章内容的理论基础。分布一、分布是由正态分布派生出来的一种分布.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

75记为定义设所服从的分布为自由度为n的分布.相互独立,都服从正态分布N(0,1),则称随机变量:

76其中分布的密度函数为定理2.1自由度为n的

77附录:

函数性质(1)递推公式(2)(3)余元公式:

78定理2.2

设由分布的定义,不难得到:且X,Y相互独立,则这个性质叫分布的可加性.证假设因此

79进一步应用中心极限定理可得,则当n充分大时,若的分布近似正态分布N(0,1).则定理2.3若E(X)=n,D(X)=2n.

80证明:

81分布的密度函数曲线f(x;n)

82

2分布的特点:1、

2分布的变量值始终为正;2、

2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.

83f(x;n)

843、的分位数设,概率密度函数为,对于给定,称满足的点为的分位数.f(x;n)

85例如

20.05(10)•n=10

的分位数有表可查

86例1设总体为总体

X的样本,

试确定常数c,使cY服从分布.解故因此

87二、t分布(或学生氏分布)高塞特(W.S.Gosset)于1908年在一篇以“Student”(学生)为笔名的论文中首次提出。t分布是类似正态分布的一种对称分布,它通常要比正态分布平坦和分散。

88x标准正态分布t(13)t(5)t

分布与标准正态分布的比较

89定理2.4自由度为n的T分布的概率密度函数为记为T~t(n).

定义设所服从的分布为自由度为n的t分布.且X与Y相互独立,则称变量

90具有自由度为n的t分布的随机变量T的数学期望和方差为:当n充分大时,其图形类似于标准正态分布密度函数的图形.t分布的密度函数关于x=0对称,且E(T)=0;D(T)=n/(n-2),对n>2

91不难看到,当n充分大时,t分布近似N(0,1)分布.但对于较小的n,t分布与N(0,1)分布相差很大.f(x;n)

92t

分布的性质1°f(x;n)是偶函数,2°T分布的分位数t

有表可查.

93t分布的分位数设T~t(n),密度函数为f(x;n),对于给定称满足的点为t

分布的分位数.f(x;n)

94n=10t

-t

••

95t

/2-t

/2••

/2

/2n=10

96试确定Z的分布.解

由样本的同分布性知:由此得由t分布的定义知例2

设和是来自同一总体N(0,9)的两个独立的样本,统计量:

97服从分布,并指出其自由度n;例3设随机变量X1,X2,…,X5相互独立且均服从标准正态分布N(0,1),1、试给出常数c,使得解由定义知服从自由度为2的分布,所以c=1,n=2.

982、试给出常数d,使得服从t分布,并指出其自由度m.再由定义有即解由已知有:~N(0,1),~t(3),

99~t(3),所以

100三、F分布由统计学家费希尔(R.A.Fisher)提出的,以其姓氏的第一个字母来命名

101由定义可见,定义设服从自由度为n及m

的F分布,n称为第一自由度,m称为第二自由度,记作

F~F(n,m).~F(m,n)X与Y相互独立,则称统计量

102即它的数学期望并不依赖于第一自由度n.X的数学期望为:定理2.5若X~F(n,m),则X的概率密度函数为若m>2推论若X~F(n,m),则1/X

~F(m,n).

103F分布密度曲线f(x;n,m)

104F分布的分位数设F~F(n,m),密度函数为f(x;n,m),对于给定称满足的点为F分布的分位数.f(x;n,m)

105例4

证明证习题六第4题

106例如求F

(n,m)•

事实上,故

107证明:

证明

由已知由例5

设为正态总体N(0,4)的样本,即故

108且而相互独立同分布,且服从N(0,1),故与独立,所以因此

109证例6证明:设令

110三大统计分布的定义、基本性质在后面的学习中经常用到,要牢记!!教材中有概率分布的分位数(分位点)的定义.它在计算概率查表时经常使用.

111§6.3正态总体统计量的分布

112当总体为正态分布时,教材上给出了3个重要的抽样分布定理.这里

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论