统计量及其抽样分布ppt课件

1、第6章统计和抽样分布，1，第6章统计和抽样分布，6.1统计6.2关于分布的几个概念6.3从正态分布导出的几个重要分布6.4样本均值分布和中心极限定理6.5样本比例的抽样分布6.6两个样本均值之间的差异分布6.7样本方差分布，2，理解统计的几个概念及其分布，理解从正态分布导出的几个重要分布， 理解样本均值分布和中心极限定理，掌握单个样本比例和样本方差的抽样分布，学习目标，3，6.1统计学，6.1.1统计学概念6.1.2普通统计学6.1.3顺序统计学6.1.4充分统计学，4，让X1，X2，Xn是从总体x中提取的一个容量为n的样本样本均值、样本比例、样本方差等。都是统计数据。统计是样本的函数。统计是

2、统计推断和统计的基础。在一组样本观测值x1、x2、xn按X(1)X(2) X(i) X(n)从小到大排序后，X(1)、X(2)、X(n)被称为顺序统计量。中值、分位数和四分位数是顺序统计量，顺序统计量，6，6.2 6.2.1抽样分布6.2.2渐进分布6.2.3通过随机模拟获得的近似分布，7。样本统计的概率分布是一种理论分布。统计量的所有可能值所形成的相对频率分布的随机变量是样本统计量、样本均值、样本比例、样本方差和其他来自所有可能样本的具有相同容量的结果，提供了样本统计量的长期稳定信息，这是推断的理论基础，也是科学抽样推断的重要依据。抽样分布，8，6.3从正态分布导出的几个重要分布，6.3.1

3、 2分布，6.3.2 t分布，6.3.3 F分布，9，使用2分布，10，2分布，如果一个变量的值可以看作几个独立变量值的平方和，那么这个变量服从2分布的方差可以看作平方和的比值(即， 样本方差的n-1倍)样本中的随机值和平均值之间的偏差和总体方差，其服从具有n-1个自由度的2分布，11，首先由阿贝在1863年提出。后来，它分别由赫姆特和柯培森在1875年和1900年推导出，因此Y服从具有1个自由度的2分布，即当从整体中提取具有N个容量的样本时， 2分布的形状)，12分布的变量值总是正分布，取决于它的自由度，一般来说，它是一个不对称的正偏差分布，但随着自由度的增加，它逐渐趋于对称。 期望为：E(

4、2)=n，方差为：D(2)=2n(n为自由度)。可加性：如果U和V是两个独立的随机变量，有两个分布，U2(n1)和V2(n2)，那么U和V，一个随机变量，服从两个分布，自由度为n1 n2 (2) T分布，15，T分布，高斯特在1908年首次提出T分布是一个类似正态分布的对称分布，它通常比正态分布更平坦和更分散。特定的分布取决于一个称为自由度的参数。随着自由度的增加，分布趋于正态分布。16，t分布图，17，t分布图，18，t分布使用，19，f分布，20，f分布，两者都服从2分布的变量比值分布规律。可以假设两个方差之比将接近1(因为已经假设所有变量都服从标准正态分布)，并且似乎有“两端少中间多”的

5、特征，但是它是非对称的(除非有无限的总体，所以样本的数量是无限的，有无限多的样本方差)，21，由统计学家费希尔提出， 以他姓的第一个字母命名，如果U是具有自由度n1的2-分布，即U2(n1)，并且V是具有自由度n2的2-分布，即V2(n2)，并且U和V是彼此独立的，那么F被称为具有自由度n1和n2的F分布，这被表示为F分布，22，F分布，并且它们都服从2分布的变量比的分布规律。 可以假设两个方差之比将接近1(因为已经假设所有变量都服从标准正态分布)，并且似乎有“两端少中间多”的特征，但是它是非对称的(除非有一个无限的总体，所以样本的数量是无限的，有无限多的样本方差)，23，F分布(如图所示)，

6、不同自由度的F分布，24，F分布。这里，N和M相当于广泛使用的n1，n2，25，F分布。它们可以用来测试两个状态的总体方差是否相等，以及回归方差是否具有代表性。它们是方差分析和多元统计中的重要检验方法。26，三种抽样分布的比较，2分布可视为方差的分布规律。t分布中有两个变量，一个服从正态分布，另一个服从2分布。它可以看作是均值与方差之比的分布规律。F分布的变量服从二次分布，二次分布可以假设为两个方差之比的分布规律。这些“分布”都解释了变量的规律，以及一些具有相同特征的变量有什么共同的规律。实际上，跟着地图走，跟着例子走。27，三个抽样分布的总结，为什么使用统计方法？因为要理解事物的数量特征，几

7、乎唯一的方法就是抽样，随机抽样，抽样可以有很多结果，而结果的随机性是正态分布，为什么要推导出三个抽样分布呢？因为要理解的数量特征的性质是不同的，例如，可能有必要理解样本方差的规律。几个变量服从正态分布，每个变量有不同的值。计算每个组中每个值的平方，然后相加。和服从2分布，抽样误差与平均误差之比服从T分布，两个样本的方差之比服从F分布。什么是分销？骰子的数量服从均匀分布，高度服从正态分布。分布是各种情况发生概率的总和。28，6.4样本均值分布和中心极限定理，29，抽样分布，抽样分布，从总体中抽取具有相同容量的样本，计算统计值，然后根据统计值编制频率分布。抽样分布的作用：根据抽样分布研究统计的性质

8、，评价统计推断方法，30，抽样分布：抽样统计所有可能值的概率分布。样本统计、总未知参数、样本统计、样本统计、样本统计、样本统计、样本统计、样本统计、样本统计、样本统计、样本统计、样本统计、样本统计、样本统计、样本统计、分布形状和接近总参数的程度、STAT、31、知道这些。”从现象上看，事情非常复杂，但其中一些在某种意义上具有相同的属性(例如，7天内有7条鱼)。从逻辑上讲，许多模型可以在一定的限制条件下构建，即数量关系(这里使用“相等”关系)，并且这些关系的总和是合乎逻辑的。如果事物在现实中满足了那些有限的条件，那么这个角度的其他特征(可以看作是进一步发展的结果)将服从逻辑模型所表达的变化规律。

9、统计分布类型是：在一定的限制条件下，考察不同类型的个体数量现象一般具有什么样的分布特征，如正态分布。这个实验的结果抽样分布，分布的特征值：均值和标准差，样本的主要统计量：平均比(方差)，stat，stat第4章抽样估计，33，当重复选择容量为N的样本时，由样本均值的所有可能值形成的相对频率分布是由理论概率分布、样本均值的抽样分布、34抽样分布和样本均值的中心极限定理推断总体均值的理论基础，当总体服从正态分布N(，2)时， 总体中容量为n的所有样本的平均值x也服从正态分布，并且x的数学期望是方差为2/n。也就是说，xN(，2/n)，35，中心极限定理，容量为n的样本是从均值和方差为2的任意总体中

10、提取的。 当n足够大时，样本均值的抽样分布近似服从正态分布，均值和方差为2/n，36，学生成绩为30 40 50 60 70 80 90，根据随机原理，样本均值的抽样分布、两者的均值相等，样本均值的均值、总体均值、37的抽样分布均值、所有可能样本均值的均值等于总体均值，即当n足够大时，样本均值的分布接近正态分布。无论容量大小如何，从正常人群中提取的样本平均数都是正常的。样本均值的标准差是总体标准差。stat，38，一个骰子被抛出无限多次的例子。让x代表任何投掷中显示的点的数量。一个骰子已经扔了无数次了。x用于表示每次出现的点数。x的概率分布是，e(x)=1(1/6)2(1/6)3(1/6)=3

11、.5v(x)=1-3.5)2(2-3.5)2。=2.92，332假设我们想根据样本大小n=2的平均值来估计m。样本的平均分布是什么？40，1 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0，6/36 5/36 4/36 3/36 2/36 1/36，E()=1.0(1/36) 1.5(2/36)。=3.5伏(十)=(1.0-3.5)2(1/36)(1.5-3.5)2(2/36).=1.46，41，1，1，1，6，6，6，注意小于sx。样本量越大，越小。因此，随着样本量的增加，倾向于下降到接近m。42，骰子投掷模拟，n=2，n=5，n=10，平均值=3.494。戴

12、夫。=0.544，平均值=3.486标准。戴夫。=1.215，平均值=3.495标准。戴夫。=0.749，43，样本均值的方差小于总体的方差。样本均值的方差小于总体方差、1，2，3，此外，总体期望值=(1 2 3)/3=2，均值=1.5，均值=2.5，均值=2。人口，1.5，1.5，1.5，1.5，1.5，1.5，1.5，1.5，1.5，1.5，1.5，1.5，1.5，2.5，2.5，2.5，2.5，2.5，2.5，2.5，2.5，2.5，2.5，2.5，2.5，2.5，2.5，2.2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，让我们取两个观测值的样本

13、，44，样本均值分布的抽样分布，45，4.2.1抽样推断的理论基础，大数定律是一系列定理的总称，阐明了大量随机现象的平均结果的稳定性。它的一般含义是，在随机测试过程中，每次测试的结果都是不同的，但是经过大量的重复测试，结果的平均值总是接近某个值。首先，如果人口多，服从正态分布，样本均值(或数)的分布也服从正态分布。第二，如果总体较大但不服从正态分布，只要样本量足够大(n30)，样本均值(或数)的分布就接近正态分布。第三，样本平均值(或数)等于总平均值(或数)。、46、47、48、STAT、第四章统计学、抽样估计、学生成绩30 40 50 60 70 80 90、离差-30 -20 -10 0

14、10 20 30、49、中心极限定理)，x的分布趋于正态6.5抽样分布的样本比例，51，具有一定属性的单位占总人口(或样本)单位数的比例，合格产品(或不合格产品)占产品总数的比例， 总体比例可以表示为样本比例，比例)，52，当重复选择容量为n的样本时，样本比例的所有可能值形成的相对频率分布是一个理论概率分布。 当样本量较大时，样本比例的抽样分布可以近似为正态分布，这是总体比例的理论基础，样本比例的抽样分布，53，样本比例的数学期望，样本比例的方差，不重复抽样的重复抽样，样本比例的抽样分布(数学期望和方差)，54，两个样本平均值之差的6.6抽样分布，55的抽样分布，比率，教师是否有博士学位，是， 不，不，不，具有博士学位的比率：0.5比率的标准偏差：0.5，通过非重复抽样方法从整个人口中