数理统计教案.ppt

1、我将学习数学统计、培训：1、样品和抽样分布、随机样品抽样分布、牙齿簿至数学统计部分。前面五章的内容属于概率论范畴。数理统计实际上是概率论的具体应用。它的研究范围分为两个茄子方面。一个是统计推断，另一个是取样理论和试验设计。本课程只研究第一方面的内容。统计推断主要研究样本分布、参数估计、假设检验等牙齿章节的主要内容如下。1.1随机抽样1，全部和抽样，1，全部：研究对象的全部。通常是指研究对象的数量指标，可以记录为x，y，z，等，随机变量。2、个人：配置整体单位。通常表示为X1、X2等的总数量指标，也是随机变量。3，样本：在整个人员X1，Xn中。n称为样本容量。如果根据随机抽样原则获得，则称为“简

2、单随机抽样”或“随机抽样”。根据随机抽样原则获得的样品满足两个茄子条件：(1)独立性：X1，Xn徐璐无关。(2)平均分布：X1，Xn与整体一起分布。可以记住整个x的随机示例X1，Xn。其中f(x)是x的概率函数。观察样例：观察样例x1，xn时，观察集x1，xn，2，经验分布函数，1，结构样例观察：X1，Xn从小到大，整个x的经验分布函数。其中N(A)表示A中的元素数。2，经验分布函数的性质(1)经验分布函数是分布函数。(2)K.Glivenko (Grivenko)证明：其中F(x)=PXx是整个X的分布函数。第三，统计，样本X1，Xn的函数g(X1，Xn)称为总X的统计量，前提是g(X1，X

3、n)与未知参数之一无关。4，最大，最小统计信息最大统计信息：X(n)=maxX1，xn，观察：x(n)=maxx1，Xn最小统计信息：x (1)=mimit维修统计信息中主要是U分布，密度，1。结构，f(y) 2(n)，2。再生1 2(n1)、2 2 2(n2)、1，2独立、1 2 2 2 3。如果期望和方差为2(n)，则E=n，D=2n。4.分数渐增设定2(n)，如果：01，存在的话，fisher(R . a . fisher)证明，如果n牙齿足够大，大约有2(n)，2，T分布，1。构造N(0，1)、2(n)、独立、t(n)称为具有N个自由度的TD分布。密度函数，密度函数f(t)的图形类似于

4、N(0，1)的密度函数图形，但t(n)的图形两端厚，腰细。、2。关于默认特性： (1) f(t) t=0(垂直轴)对称。事实上，f(-t)=f(t)。(2) f(t)的限制为N(0，1)的密度函数，即3 .分点设定Tt(n)，例如，如果00符合PTt(n)=，则称为T(n)；如果t/2(n)0牙齿符合P|T|t/2(n)=，则称为T，3，f分布，1 .密度为2。F分布的分点称为00，PTf(n1，n2)=，f(n1，n2)为f(n1，N2)的上分点。同样，f1- (n1，N2)称为F(n1，N2)的下象限。可以证明。4，正态总体采样分布，其中分布N(0，1)也称为U分布。牙齿章节摘要1，完整和

5、样本2，经验分布函数3，统计概念和几个茄子共同统计数据4，数学统计数据的几个茄子共同分布(核心是构成)5，正则完整采样分布定理，2，参数估计，点估计点估计估计评估标准间隔估计正则完整参数间隔估计大样本方法)，其中是未知参数，是参数空间，f(x；)可以表示分布规律或密度函数。如果统计g(X1，xn)可以用作估算值，则将其称为估算值，如果X1，则Xn为范例的观测值。g(x1，xn)是实数字段中的一点，由于启用了该点的估计，因此称为点估计。点估计的经典方法是矩估计法和最大似然估计法。其次，定义力矩估计方法(“力矩方法”)、使用样例力矩作为整体同阶力矩的估计，未知参数解决方法称为力矩估计方法或力矩方法

6、。力矩估计需要满足方程，可以记住。k的值取决于f(x)。)中未知的参数维。如果维为1，即只有一个参数，则可以在第一个等式中使K等于1。如果维度为2，K取1和2，求解联立方程就行了。瞬时估计，3，大似然估计方法，1，大似然想，你要从下海大学火车站赶火车，25分钟后列车出发，你是坐公共汽车去还是坐出租车去？答案是坐出租车去。因为我确信能在25分钟内乘坐出租车到达火车站，这是因为大小。一般来说，事件A是参数相关，值不同，P(A)也不同。发生a时，牙齿时的值被视为的估计值。这就是极大的友谊思想。例5个包里有很多黑、白球，颜色不同的球的数量为3:1，想出了把哪个球选为黑球的概率的方法。容易知道的P的值只

7、有1/4或3/4。现在，如果从包里返回三个球，并以X表示其中的黑球数，Xb(3，P)必须估计P的值。(阿尔伯特爱因斯坦，Northern Exposure(美国电视电视剧)，)在P的其他值中，X取k=0，1，2，3的概率为：X 0 1 2 3 (P=1/4) 27/实际上代表样本，观察，时间的概率。定义，3，最大似然估计的估计，(1)解析似然方程方法，称为未知参数似然方程。也就是说，如果牙齿方程有解，(2)直接方法是由似然方程解不开的似然估计，可以通过定义直接推导。注释：如果概率函数(例如概率)包含多个未知参数(例如方程组)，那么遇到一些参数(例如类似方程)就可以直接推导。2.2估计的选择标准

8、1，偏向性、分歧、样本均值和样本方差分别是总体平均值和总体方差的无偏估计。事实上，第二，有效性，容易知道的样本X1，Xn的加权平均值都是EX的无偏估计。但是，如果i=1/n，则偏差最小。事实上，如柯西不等式所示，由以下洛克拉丁美洲(Rao-Cramer)不等式给出的区间估计，也称为3，一致性，2.3区间估计1，概念，I=1，2，2 (1，2)。i=i(X1，Xn)，2，置信区间，100组观测可以包含100个置信区间，每个置信区间可以包含真或不包含。如果指定0.05，则100个间隔中大约有95个包含真值。例如，对于样本X1，Xn中的每个观测集，例如，我们可以从给定的可靠度1中得到一个置信区间。可

9、以通过可信度为1的置信区间(1，2)估计未知参数(1，2)。本课程主要讨论正规整体参数的区间估计，即置信区间问题。2.4正则总体参数区间估计，1，单正则总体平均值的置信区间，1，2已知注：在估计的位置区间过程中，我们的发现位置区间不是唯一的。实际上，(可靠性为1)，之后，在各种茄子情况下，推断现有区间的想法与这里类似。此处01。因为标准正态分布N (0，1)的密度是单峰偶函数。2，2未知，2，单个正则总体方差的置信区间，1，未知，清单计算，2的可信度为1-的置信区间，同时获得的可信度为1-的置信区间，注：这样获得的置信区间不一定是最好的，但其长度，2和可信度为1的置信区间，(3)求解不等式的随

10、机置信区间；(4)观测值和值调查表计算的请求置信区间。3，双正则总体平均差异置信区间，1- 2置信区间，1- 2置信区间，4，双正则总体方差百分比置信区间，1，1，2未知，2，1，2已知，5，正则总体参数一面信任限制(双正则总体平均差，方差比的单侧置信限制类似于不再记录。)、)；H1: f (x) F0 (x:)，本课程主要讨论参数假设检验。说明：(1)假设也称为统计假设。(2)H0被称为原始假设。H1称为替代假设。(3)假设检验的最终目的是推论接受原来的假设，还是拒绝原来的假设接受替代假设。(b)简单假设和复合假设一个统计假设完全确定总体分布，则该假设称为简单假设，否则称为复合假设。(c)检

11、验定律和拒绝域从样例(x1，xn)开始，牙齿确认观测值(X1，Xn)后，可以确定是拒绝H0还是接受H0。牙齿定律称为H0比H1的检查定律，范例观测的整体建构样本空间S将S除以两个徐璐不相交的子集C和C*，即S=CC*，CC*=。假设(x1，xn) C，我们拒绝H0。(x1，xn)如果为C*，则接受H0。子集C S称为检查的拒绝域(或临界域)。(4)检验的两种茄子类型的误差我们提出了H0比H1的某种检验定律。也就是说，提出了S的两个分隔C和C*。根据样品的随机性判断，可能会出错。拒绝H0| H0真=(x1，xn) C | H0真第一类错误或允许“真放弃”H0| H0假=(x1，xn) C*| H

12、0假第二类错误或“假”但是样本容量N牙齿常数时，除非容量N牙齿无限大，否则这又是不能做的。NeymanPearson提出了一个原则，即在控制犯第一类错误的概率的条件下，将第二类错误最小化，这是最佳检查(MPT)，但有时MPT法则很难找到，也有不存在的情况。(威廉莎士比亚、美国电视电视剧、美国电视电视剧)，在这种情况下，我们不得不降低要求，提出一些茄子原则。应用中经常采用的原则是“仅限于限制而不考虑的大小”。其次是重要性检查规则的配置，配置统计信息t=t(X1，xn)，X1，xn是样例观测，T=t=t (x1，Xn)满足特定条件。(x1 T T T通常用不等式表示，这样可以得到检验法。现在，我们

13、将S的划分切换为统计T的范围空间划分。这是将N维的问题转换为一维的问题。根据这种规律进行的检查称为“重要性检查”，这称为重要性水平或检查水平。例：一家工厂生产一种电灯，其寿命X N(，40000)以科举经验为例，平均寿命=1500小时，采用当前新工艺后生产的灯管中提取了25只，测定了平均寿命1675小时，问采用新工艺后灯管寿命是否显着提高。因此，观测(x1，xn) C可以得出拒绝H0并接受H1: 1500的结论。也就是说，采用新的工艺后，我认为灯的寿命有了很大的提高。重要检查的思想和程序：(1)根据实际问题建立家庭H0和H1。(2) H0牙齿真实时分布已知的结构统计；(3)以给定级别的值(通常为0.05、0.025、0.01、0.005等)获取H0到H1的拒绝域C。(4)确认表，计算分数和统计值。(5)通过统计量和分值的大小比较，根据小概率原理得出结论。3.2单正规全参数假设测试，1，单个全平均值的假设测试，1，2已知情况，假设H0:=0；H1: 0，结构，核对清单，计算，大小比较，结论：说明：(1)H0:=0；H1: u0被称