第四章抽样分布.ppt

1、2020/8/3，版权所有BY统计课程组，第1，4章，采样分布，2020/8/3，版权所有BY统计课程组，第2，1节随机变量概率分布第2节大数定律和中心极限清理第3节统计的采样分布(第54章)学习目标，以及定义和解释随机变量和概率分布2。离散随机变量概率和概率分布计算3。连续随机变量概率和概率分布计算4。理解两个茄子限制定理5。确定公用统计抽样分布，2020/8/3，版权所有BY统计课程组，4，重点和难点，1。对随机变量概率分布含义的理解2。统计量抽样分布的几个茄子结论3。两个茄子极限定理的意义和几个茄子结论4。小示例的精确分布，2020/8/3，所有BY统计课程组版权，5，1节随机变量概率分

2、布，1。随机变量定义和类型1。随机变量定义2 .两种茄子类型的随机变量2，随机变量概率分布1。概率分布意义和意义2。离散随机变量概率分布3。连续随机变量的概率分布4。随机变量的分布函数3，几个茄子一般概率分布1。正态分布2。小样本的准确分布，2020版权所有BY统计课程组，6，1，随机变量定义和类型，(1)随机变量定义在随机实验中根据实验结果随机取各种数值的情况下，与每个数值或一定范围的值对应的概率，即随机实数，随机事件，概率存在的情况下，称为1。(b)两种茄子类型的随机变量(根据值的性质区分)1离散随机变量2。连续随机变量，2020/8/3，版权所有BY统计课程组，7，1离散随机变量，随机变

3、量所有值都受限或可以一一列举的离散随机变量。例如掷骰子实验中“出现的点数”、质量检查中一群产品中“获得次品数”等离散随机变量。2020/8/3，版权所有BY统计课程组，8，2。连续随机变量例如，电子元件组的“使用寿命”、抽样调查的“测量误差”等是连续随机变量等。2020/8/3，版权所有BY统计课程组，9，2，随机变量概率分布，(1)概率分布含义和含义1。概率分布语义随机变量在相应值范围内值和价值概率之间的一对一对应关系，这称为随机变量概率分布，简称分布。概率分布意义说明了随机变量变化的统计规律。容易计算某个事件发生的概率。2020/8/3，版权所有BY统计课程组，10，(2)离散随机变量概率

4、分布，1。离散型随机变量概率分布2个格式分布列(法)2。概率函数，2020/8/3，版权全部(3)连续随机变量概率分布(1)，1。连续随机变量表示密度函数，2020/8/3，版权所有BY统计课程组，13，(3)连续随机变量概率分布(2)，2。密度函数14，(3)连续随机变量概率分布(3)，4。事件“”发生概率的几何意义5。连续随机变量预期和方差分别为2020/8/3，版权所有BY统计课程组，15，(4)为了更轻松地表示随机变量随机变量分布，引入了分布函数。2.定义分布函数，2020/8/3，所有BY统计课程组版权，16，分布函数几何意义和数学属性，1。几何意义2。数学属性，2020/8/3，版

5、权所有BY统计课程组，17 (1)正态分布(2)小样本的精确分布，2020/8/3，版权所有BY统计课程组，19，(1)正态分布版权所有BY统计课程组，21，(1)正态分布(3)，正态分布密度函数数学属性，2020/8/3，版权所有BY统计课程组，22，(1)正态分布(4)，2020 版权所有BY统计课程组，28 2020/8/3，版权所有BY统计课程组，30，(1)正态分布(11)，正态分布的重要性在随机理论中，正态分布是最重要的分布之一。 原因如下，在一定条件下，正态分布是其他分布的近似值。很多有用的分布，特别是小样本的准确分布，都是从正态分布中导出的。2020/8/3，版权所有Abbe统

6、计课程组，31，(2)小样本的精确分布，1 2。分布也称为学生分布，是戈塞特(W.S.Gosset)牙齿1908年首次提出的，其重要意义是提供小样本研究方法。3.分布是统计学家Fisher首次提出的。2020/8/3，版权所有BY统计课程组，32，分布定义，2020/8/3，所有BY统计课程组版权，33，分布密度函数图像，2020/8/3 2020 版权所有BY统计课程组2020/8/3，版权所有BY统计课程组，44，2节大数定律和中心极限清理p114，1，大数定律1。 切维塞夫大数定律2。伯努利大数定律2，中心极限定理1。林德伯格-列维中心极限定理2个别事物在偶然因素的影响下发生变异，有不同

7、的表现，但总体上，在大量观察后平均，偶然因素的影响会徐璐抵消，消除个别偶然因素造成的极端影响，从而稳定整体平均，反映事物变化的一般规律。2020/8/3，版权所有BY统计课程组，46，(1)cheby shave大数定律，2020/8/3，版权所有BY统计课程组，47，(1)cheby shave大数定律，2020第二为了控制推理误差，样本均值随机变量概率分布，可惜大数定律只提供推理方法，不提供估计误差的概率分布。中心极限定理正好弥补了大数定律的不足。2020/8/3，版权所有BY统计课程组，50，(1)林德伯格-列维中心极限定理，2020/8/3，版权所有BY统计课程组，51，(1)林德伯格

8、20202.中心极限定理还揭示了正态分布的形成机制。也就是说，如果某个杨怡很多随机因素综合影响，那么牙齿很多影响因素都没有起到主导作用，那么牙齿量就是服从正态分布的正态随机变量(general distribution)。回归模型的随机误差项经常假定服从正态分布，其根据就在这里。2020/8/3，版权所有BY统计课程组，54，第3节统计的示例分布(集中)p116-118，1，公共统计2，示例分布之一(全部)1。样本均值样品分布2版权所有BY统计课程组，55，补充：三种茄子其他特性的分布，全部分布：由全体元素观测形成的相对频率分布。样品分布：一个样品中每个元素观测的相对频率分布。样品容量N牙齿逐

9、渐增加，样品分布接近整体分布。样品分布：样品统计的概率分布、理论分布、重复选择容量为N的样品选择时，由该统计的所有可能值形成的相对频率分布、2020/8/3、版权所有BY统计课程组、56、补充：样品分布、样品统计的概率分布；样品统计是因为样品的函数、根据不同样品计算的值不同，所以统计量是随机变量样本均值、样品比率、样品方差等。结果来自容量相同的所有可能的样品。它提供了样本统计量的长期稳定信息，是推理的理论基础，也是完善样本均值采样分布形成过程的重要依据，提供了包括4个元素(个人)，即总单位数N=4的总体。这四个对象分别为x1=1、x2=2、x3=3和x4=4。总体分布、总体平均值、分布和分布如

10、下：平均值和方差，补充：现在提取整个N2的简单随机样本。在重复抽样条件下，总计42=16个抽样。所有示例的结果为、总计1、2、3、4，计算各种书籍的平均值，如下表所示。样本均值采样分布P185，样本均值采样分布，2020/8/3，版权所有BY统计课程组，60，补充：样本均值采样分布格式(样本均值分布与总体分布比较)，=2.5 why？2=1.25，分布格式与原始总容量和样本容量N的大小、样本均值采样分布和中心极限定理相关，当遵循完全相容正态分布N(，2)时，该总容量的所有N的样本的平均X也遵循正态分布。x的数学期望方差为2/n。即xN(，2/n)(记忆，已知)，2020/8/3，版权所有BY统计课程组，62，中心极限定理，中心极限定理中心极限定理，漫反射越小，随机变量值就越集中在预期值附近。)重复采样不重复采样。补充：样本均值样本分布的特性(数学期望值和方差说明了统计分布的稳定性特性)，现在提取整个N2的简单随机样本。在重复抽样条件下，总计42=16个抽样。所有采样的结果包括(以上示例)、全部1、2、3、4，2020/8/3、版权所有BY统计课程组、66、样本均值采样分布(数学预期和漫反射)、比较和结论：样本均值平均统计信息中的标准错误，概念：示例统计信息中的示例分布标准差，也