数理统计的基本概念
合集下载
数理统计
数理统计
四、数理统计的基本概念 五、参数估计
四、数理统计的基本概念
1. 总体和样本 总体：研究对象的某项数量指标的值的全体。 个体：总体中的每个元素为个体。 容量：总体中所包含的个体的个数。 按此分为有限总体和无限总体。 例如：某工厂生产的灯泡的寿命是一个总体，每 一个灯泡的寿命是一个个体；某学校男生的身高 的全体一个总体，每个男生的身高是一个个体。
1 ˆ 解得： n
2
x
i 1 n
n
i
x
1 ˆ n
i 1
( X i X )2
(3)估计量的评选标准
1) ˆ ˆ 无偏性：若 ( X 1 , , X n )的数学期望存在， ˆ ˆ 且E . 则称是的无偏估计量。
2)
ˆ ˆ ˆ ˆ 有效性：若1 1 ( X 1 , , X n )， 2 2 ( X 1 , , X n ) ˆ ˆ 都是的无偏估计量；若D( ) D( ).
ˆ 所以 A1 X ,
ˆ A2
2 2 A1
1 n
i 1
n
X i2
1 X n
2
i 1
n
( X i X )2
(2) 极大似然估计法
(1).若总体X属离散型，其分布律 { X x} p( x; ), P 的形式为已知， 为待估参数，是可能取值的范围。
解：X的概率密度为： 1 1 2 f ( x; , ) exp{ (x )2} 2 2 2
似然函数为：
L( , )
2
2 2 2 i 1 n n 1 ln L ln(2 ) ln( ) 2 2 2 2
四、数理统计的基本概念 五、参数估计
四、数理统计的基本概念
1. 总体和样本 总体：研究对象的某项数量指标的值的全体。 个体：总体中的每个元素为个体。 容量：总体中所包含的个体的个数。 按此分为有限总体和无限总体。 例如：某工厂生产的灯泡的寿命是一个总体，每 一个灯泡的寿命是一个个体；某学校男生的身高 的全体一个总体，每个男生的身高是一个个体。
1 ˆ 解得： n
2
x
i 1 n
n
i
x
1 ˆ n
i 1
( X i X )2
(3)估计量的评选标准
1) ˆ ˆ 无偏性：若 ( X 1 , , X n )的数学期望存在， ˆ ˆ 且E . 则称是的无偏估计量。
2)
ˆ ˆ ˆ ˆ 有效性：若1 1 ( X 1 , , X n )， 2 2 ( X 1 , , X n ) ˆ ˆ 都是的无偏估计量；若D( ) D( ).
ˆ 所以 A1 X ,
ˆ A2
2 2 A1
1 n
i 1
n
X i2
1 X n
2
i 1
n
( X i X )2
(2) 极大似然估计法
(1).若总体X属离散型，其分布律 { X x} p( x; ), P 的形式为已知， 为待估参数，是可能取值的范围。
解：X的概率密度为： 1 1 2 f ( x; , ) exp{ (x )2} 2 2 2
似然函数为：
L( , )
2
2 2 2 i 1 n n 1 ln L ln(2 ) ln( ) 2 2 2 2
数理统计基本概念
n1 Γ( ) 2 n 1 x 2 fT ( x ) (1 ) 2 , n n n Γ ( ) 2
P{6.262 χ 2 24.996}
2 2
P{χ 6.262} P{χ 24.996}
0.975 0.05 0.925
注意 应注意分布表的定义与查法！
#
数理统计基本概念
3.自由度为 n的 t 分布 作笔名发表文章.
T～t(n)
又称学生氏分布--第一个研究者以Student
( X 1 , X 2 , , X n ) ~ ( 2 ) e
n 2 2
i 1
( xi )2 2 2
n
数理统计基本概念
四、统计量 定义6.1.2 设X1 , X2 , ·, Xn是总体X的样本， · · T为n元实值函数，若样本的函数 T=T(X1 , X2 , ·, Xn) · · 是随机变量且不含未知参数，称 T为统计量. 对相应的样本值( x1 , x2 , … , xn ) ，称 t =T( x1 , x2 , … , xn )
理
统
计
的
引
入
数理统计基本概念
某厂生产的一批产品中次品率为 p 。从中 抽取10件产品装箱。 概
1）没有次品的概率 2）平均有几件次品
率
3）为以 0.95的概率保证箱中 有10件正品，箱中至少要装多 少件产品。
数
理
统
计
的
引
入
数理统计基本概念
所有这些问题的关键是 p 是已知的！ 如何获取 p ? 这就是数理统计的任务了！
定的α(0<α<1)，数uα满足
P{ X u } ，
(C ) u1 ;
P{6.262 χ 2 24.996}
2 2
P{χ 6.262} P{χ 24.996}
0.975 0.05 0.925
注意 应注意分布表的定义与查法！
#
数理统计基本概念
3.自由度为 n的 t 分布 作笔名发表文章.
T～t(n)
又称学生氏分布--第一个研究者以Student
( X 1 , X 2 , , X n ) ~ ( 2 ) e
n 2 2
i 1
( xi )2 2 2
n
数理统计基本概念
四、统计量 定义6.1.2 设X1 , X2 , ·, Xn是总体X的样本， · · T为n元实值函数，若样本的函数 T=T(X1 , X2 , ·, Xn) · · 是随机变量且不含未知参数，称 T为统计量. 对相应的样本值( x1 , x2 , … , xn ) ，称 t =T( x1 , x2 , … , xn )
理
统
计
的
引
入
数理统计基本概念
某厂生产的一批产品中次品率为 p 。从中 抽取10件产品装箱。 概
1）没有次品的概率 2）平均有几件次品
率
3）为以 0.95的概率保证箱中 有10件正品，箱中至少要装多 少件产品。
数
理
统
计
的
引
入
数理统计基本概念
所有这些问题的关键是 p 是已知的！ 如何获取 p ? 这就是数理统计的任务了！
定的α(0<α<1)，数uα满足
P{ X u } ，
(C ) u1 ;
数理统计的基本概念
(n 2) n n
n 1 2
, x .
t 分布的概率密度图形
图形关于 x 0 对称， lim f ( x; n) 0 , 且 x 当 n 充分大时，f (x; n) 趋近于标准正态 分布的概率密度。
定理 4： X 1， 2， ， n 是抽自正态总体 设 X X
若总体 X 是离散型的，其分布律为：
则样本的联合分布为
§6.2 抽样分布
6.2.1 统计量的概念 由样本推断总体的某些情况时，需要对样本进行“ 加工”，构造出若干个样本的已知 (确定)的函数， 其作用是把样本中所含的某一方面的信息集中起来 。 这种不含任何未知参数的样本的函数称为统计量。 它是完全由样本所决定的量。 定义2：设 X 1 , X 2 , , X n 是来自总体X的样本， g( X 1 , X 2 , , X n ) 是样本 X 1 , X 2 , , X n 的函数，如果 g( X 1 , X 2 , , X n ) 中不包含任何未知参数，则称它 是一个统计量。
1 (0.82)
1 0.7939 0.2061
X ~ N (0, 22 ), X1 , X 2 , X3 , X 4 为其样本，求a,b 例2:总体
(2). (n 1)S / ~ (n 1)
2
X (1). X ~ N ( ， / n)， 或 ~ N (0，) ； 1 / n 2 2 2
2
X (3). X 与 S 相互独立； (4). ~ t(n 1). S/ n
定理5：设X1, X2, …, Xm 与Y1, Y2, …, Yn分别来自总体 2 两样本独立， X ~ N ( 1 , 12 )和Y ~ N ( 2 , 2 )的样本， 2 S12 / S2 则有 F 2 ~ F ( m 1, n 1). 2 1 / 2 定理6*：设X1, X2, …, Xm 与Y1, Y2, …, Yn分别来自
n 1 2
, x .
t 分布的概率密度图形
图形关于 x 0 对称， lim f ( x; n) 0 , 且 x 当 n 充分大时，f (x; n) 趋近于标准正态 分布的概率密度。
定理 4： X 1， 2， ， n 是抽自正态总体 设 X X
若总体 X 是离散型的，其分布律为：
则样本的联合分布为
§6.2 抽样分布
6.2.1 统计量的概念 由样本推断总体的某些情况时，需要对样本进行“ 加工”，构造出若干个样本的已知 (确定)的函数， 其作用是把样本中所含的某一方面的信息集中起来 。 这种不含任何未知参数的样本的函数称为统计量。 它是完全由样本所决定的量。 定义2：设 X 1 , X 2 , , X n 是来自总体X的样本， g( X 1 , X 2 , , X n ) 是样本 X 1 , X 2 , , X n 的函数，如果 g( X 1 , X 2 , , X n ) 中不包含任何未知参数，则称它 是一个统计量。
1 (0.82)
1 0.7939 0.2061
X ~ N (0, 22 ), X1 , X 2 , X3 , X 4 为其样本，求a,b 例2:总体
(2). (n 1)S / ~ (n 1)
2
X (1). X ~ N ( ， / n)， 或 ~ N (0，) ； 1 / n 2 2 2
2
X (3). X 与 S 相互独立； (4). ~ t(n 1). S/ n
定理5：设X1, X2, …, Xm 与Y1, Y2, …, Yn分别来自总体 2 两样本独立， X ~ N ( 1 , 12 )和Y ~ N ( 2 , 2 )的样本， 2 S12 / S2 则有 F 2 ~ F ( m 1, n 1). 2 1 / 2 定理6*：设X1, X2, …, Xm 与Y1, Y2, …, Yn分别来自
数理统计的基本概念
首页 上页 返回 下页 结束
第6章
§6.1-6.2
第10页
设（X1，X2，…，Xn）为来自总体X的简单随机样本 1 n 1.样本均值: X X i 常用于估计总体分布的均值，或 检验有关总体分布均值的假设。 n i 1
n 1 2 S2 ( X X ) 2.样本方差： i n 1 i 1
首页 上页 返回 下页 结束
第6章
§6.1-6.2 §6.1 样本及抽样分布
第3页
数理统计的核心问题是由样本推断总体，即统计推断
6.1.1 总体、个体与样本
1. 总体：研究对象的全体称为总体（母体）,用X表示， 它是一个随机变量. 总体分为有限总体和无限总体. 个体：组成总体的每个研究对象称为个体.
i 1 i 1
i
ki !
e
首页
上页
返回
下页
结束
第6章
§6.1-6.2
第8页
3 加工某零件时，每一件需要的时间服从均值为1 / 的 指数分布，今以加工时间为零件的数量指标，任取n件 零件构成一个容量为n的样本,求样本分布.
解：零件的加工时间为总体X，则X ~ E ( ), 其概率 e x x0 密度为 f ( x) x0 0 于是样本( X 1 , X 2 , X n )的密度为 f ( x1 , x2 , xn )
样本容量为5
首页 上页 返回 下页 结束
第6章
§6.1-6.2
第5页
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). 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 .
第6章
§6.1-6.2
第10页
设（X1，X2，…，Xn）为来自总体X的简单随机样本 1 n 1.样本均值: X X i 常用于估计总体分布的均值，或 检验有关总体分布均值的假设。 n i 1
n 1 2 S2 ( X X ) 2.样本方差： i n 1 i 1
首页 上页 返回 下页 结束
第6章
§6.1-6.2 §6.1 样本及抽样分布
第3页
数理统计的核心问题是由样本推断总体，即统计推断
6.1.1 总体、个体与样本
1. 总体：研究对象的全体称为总体（母体）,用X表示， 它是一个随机变量. 总体分为有限总体和无限总体. 个体：组成总体的每个研究对象称为个体.
i 1 i 1
i
ki !
e
首页
上页
返回
下页
结束
第6章
§6.1-6.2
第8页
3 加工某零件时，每一件需要的时间服从均值为1 / 的 指数分布，今以加工时间为零件的数量指标，任取n件 零件构成一个容量为n的样本,求样本分布.
解：零件的加工时间为总体X，则X ~ E ( ), 其概率 e x x0 密度为 f ( x) x0 0 于是样本( X 1 , X 2 , X n )的密度为 f ( x1 , x2 , xn )
样本容量为5
首页 上页 返回 下页 结束
第6章
§6.1-6.2
第5页
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). 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 .
数理统计的基本概念
样本k阶原点矩 样本 阶原点矩 样本k阶中心矩 样本 阶中心矩
河南理工大学精品课程
1 Ak = n 1 Bk = n
∑ ∑
n
n
i =1
X ik ( k = 1, 2 , L )
i =1
( X i − X ) k ( k = 1, 2 , L )
概率论与数理统计
说明 (修正 样本方差还可表示为 修正)样本方差还可表示为 修正
n 1 S2 = [ ∑ X i2 − n X 2 ] n − 1 i =1
1 n 推导】 【推导】 S 2 = ( X i − X )2 ∑ n − 1 i =1 = = = =
河南理工大学精品课程
1 n ( X i2 − 2 X i X + X 2 ) ∑ n − 1 i =1 n n n 1 [ ∑ X i2 − 2 X ∑ X i + ∑ X 2 ] n − 1 i =1 i =1 i =1 n 1 [ ∑ X i2 − 2 n X 2 + n X 2 ] n − 1 i =1 n 1 [ ∑ X i2 −n X 2 ] n − 1 i =1
河南理工大学精品课程 概率论与数理统计
做法
从总体中随机地抽取若干个体(灯泡、 从总体中随机地抽取若干个体(灯泡、工大男
生),测试其所需数据(寿命、身高),最后对所得数据通过 ),测试其所需数据 寿命、身高), 测试其所需数据( ),最后对所得数据通过 整理加工和分析来推断总体(这批灯泡寿命、 整理加工和分析来推断总体(这批灯泡寿命、工大男生身 高)的分布情况,从而了解整体情况. 的分布情况,从而了解整体情况. 一般,我们所研究的总体的某项数量指标X 一般,我们所研究的总体的某项数量指标X是一个随 机变量,其取值在客观上有一定的分布.因此, 机变量,其取值在客观上有一定的分布.因此,对总体的研 究,就是对相应的随机变量X的研究。 就是对相应的随机变量X的研究。 今后,我们称X 今后,我们称X的分布函数和数字特征分别为总体的 分布函数和数字特征, 分布函数和数字特征,并不再区分总体与相应的随机变量 X.对总体的称呼 总体,总体X 总体F X.对总体的称呼:总体,总体X与总体F. 对总体的称呼:
第六章 数理统计的基本概念
1 n 2 S S ( X X ) i n 1 i 1
2
(4) 样本k阶(原点)矩
1 n k Ak X i n i 1
k 1, 2,
k 2,3,
(5) 样本k阶中心矩
1 n Bk ( X i X )k n i 1
§2
常用统计量的分布
统计量的分布称为抽样分布.下面介绍三种由 正态总体演化而来的统计量的分布：
• 从二战后到现在，是统计学发展的第三个时期，这是一个在 前一段发展的基础上，随着生产和科技的普遍进步，而使这 个学科得到飞速发展的一个时期，同时，也出现了不少有待 解决的大问题．
学科奠基者
数理统计作为一个进一步完善的数学学科的奠基者是英国人费歇尔。他1909 年入剑桥大学，攻读数学物理专业，三年后毕业。毕业后，他曾去投资办工 厂，又到加拿大农场管过杂务，也当过中学教员。1919年，他开始对生物统 计学产生了浓厚的兴趣，参加罗萨姆斯泰德试验站的工作，致力于数理统计 在农业科学和遗传学中（费歇尔1890—1962）的应用研究。 年轻的费歇尔主要的研究工作是用数学将样本的分布给以严格的确定。 在一般人看来枯燥乏味的数学，常能带给研究者极大的慰藉，费歇尔热衷于 数理统计的研究工作，后来的理论研究成果有：数据信息的测量、压缩数据 而不减少信息、对一个模型的参数估计等。 最使科学家称赞的工作则是试验设计，它将一切科学试验从某一个侧面 “科学化”了，不知节省了多少人力和物力，提高了若干倍的工效。 费歇尔培养了一个学派，其中有专长纯数学的，有专长应用数学的。在30－ 50年代费歇尔是统计学的中心人物。1959年费歇尔退休后在澳大利亚度过了 最后三年。
若 x1 , x2 , , xn 是样本的观察值, 则 g ( x1 , x2 , xn ) 是 g ( X 1 , X 2 , X n )
数理统计基本概念
2 ( n1 1) S12 ( n2 1) S2 n1 n2 2
1 1 n1 n2
~ t ( n1 n2 2)
定理 5 (两总体样本方差比的分布)
且X与Y独立, 设X ~ N ( 1, ), Y ~ N ( 2 , )， X1, X2,…, X n1是取自X的样本, Y1,Y2,…, Yn2 是
样本是联系二者的桥梁 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.
二、统计量和抽样分布 1. 统计量 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.
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.
2. 独立性： X1,X2,…,Xn是相互独立的随机 变量.
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.
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) 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.
数理统计的基本概 念
一、总体和样本
1.总体
一个统计问题总有它明确的研究对象.
研究对象的全体称为总体(母体)， 总体中每个成员称为个体.
总体
…
研究某批灯泡的质量
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.
统计中，总体这个概念 的要旨是：总体就是一个 概率分布.
1 1 n1 n2
~ t ( n1 n2 2)
定理 5 (两总体样本方差比的分布)
且X与Y独立, 设X ~ N ( 1, ), Y ~ N ( 2 , )， X1, X2,…, X n1是取自X的样本, Y1,Y2,…, Yn2 是
样本是联系二者的桥梁 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.
二、统计量和抽样分布 1. 统计量 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.
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.
2. 独立性： X1,X2,…,Xn是相互独立的随机 变量.
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.
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) 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.
数理统计的基本概 念
一、总体和样本
1.总体
一个统计问题总有它明确的研究对象.
研究对象的全体称为总体(母体)， 总体中每个成员称为个体.
总体
…
研究某批灯泡的质量
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.
统计中，总体这个概念 的要旨是：总体就是一个 概率分布.
数理统计的基本概念
证明:设F~F(n1,n2),则
P{F F1 (n1 , n2 )} 1
1 1 P{ } 1 F F1 (n1 , n2 ) 1 1 P{ } F F1 (n1 , n2 )
得证!
1 P{ F (n2 , n1 )} F
5.1.4 统计量及抽样分布
2. F分布的分位点 对于：0<<1，
若存在F(n1, n2)>0，
满足
P{FF(n1, n2)}=， 则
称F(n1, n2)为 F(n1, n2)的 上侧分位点；
F (n1 , n2 )
注：
1 F1 (n1 , n2 ) F (n2 , n1 )
1 ~ F ( n2 , n1 ) F
列出其频数频率分布表。
组序 分组区间 组中值 1 (147，157] 152 2 (157，167] 162 3 (167，177] 172 4 (177，187] 182 5 (187，197] 192 合计
频数 4 8 5 2 1 20
频率 累计频率(%) 0.20 20 0.40 60 0.25 85 0.10 95 0.05 100 1
1、设X 1 , X 2 ,
, X n (n 2)为来自总体N (0,1)的简单随机样本， (n 1) X 12
2 X i i 2 n
X 为样本均值，S 2为样本方差，则统计量
服
从 __________ 分布。 (05—06二）
2、设 X 1 , X 2 , X 3是来自正态分布 N (0, 2 )总 体的简单随机样本，则 统计量 2 服从 ________ 分布。（05—06三） X1 X X
3.总体、样本、样本观察值的关系 总体
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
分析：总体为灯泡的寿命 X～E（l） 样本容量为5,样本为 X 1 , X 2 , X 3 , X 4 , X 5 样本观察值为
980, 960, 1030, 1300, 850
样本的双重性
数理统计的基本概念
二、统计量 设(X1,X2,…,Xn)为来自总体X的一个样本,g(X1,X2,…,Xn)
样本容量 表示. 根据 n 的大小样本有大样本、小样本之分.
从国产轿车中准备抽5辆 进行耗油量试验,其耗油 量分别为X1,X2,…,X5 .
样本容量为5.
数理统计的基本概念
样本
从总体 X 中按一定的规则（准备）抽出的个体的
全部称为样本, 用 X1,X2,…,Xn 表示. 从国产轿车中准备抽5辆 进行耗油量试验,其耗油 量分别为X1,X2,…,X5 . 样本容量为5.
回归分析 (第九章)
§6.1
一、总体、个体与样本
数理统计的基本概念
总体：研究对象的全体称为总体(母体). 个体：组成总体的每个研究对象称为个体.
总体分为有限总体和无限总体. 总体是一个随机变量， 用X表示.
数理统计的基本概念
注：在研究中，往往关心每个个体的一个(或几个)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 有的某种数量指标的全体就是总体. 或，研究对象的某项数量指标的值的全体，称为总体.
样本值 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 .
数理统计的基本概念
简单随机抽样 要求抽取的样本满足下面两点： ① 独立性 X1,X2,…,Xn是相互独立的随机变量. ② 代表性 X1,X2,…,Xn中每一个与总体X有相同的分布. 简单随机抽样即为随机地独立地抽取，如：有放回抽样；
某批 灯泡的 寿命
该批灯泡寿命的 全体就是总体.
数理统计的基本概念
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 过程为抽样.
数理统计的基本概念
样本
从总体 X 中按一定的规则（准备）抽出的个体的 样本中所含个体的个数称为样本容量，用 n
全部称为样本, 用 X1,X2,…,Xn 表示.
为什么要求统计量不含任何未知参数 1.“好”的统计量能够有效地提炼出数据中包含的 有用信息. 2. 统计量的二重性
饼状图
预测成绩X与实际成绩Y的相关结果
E(X)= 82.4074, E(Y)=87.0741, r=0.65
6.1
数理统计的基本概念
总体 个体 样本 统计量 常用统计量分布
概率论与数理统计的关系
1. 《概率论》是《数理统计》的理论基础；《数理统计》
是《概率论》的应用.
2. 《概率论》是在(总体) X 分布已知的情况下，研究 X 的 性质及统计规律性． 3. 《数理统计》是在(总体) X
平时成绩
100 100 95 100 100 95
期末成绩
75 91 84 76 91 86
总成绩
80 93 86 81 93 88
序号
10 11 12 13 14 15
平时成绩 期末成绩 成绩很乱，只看到了 100 94 数字的排列，无法了 95 89 解更多信息！
100 100 100 85 86 95 97 94
分布未知 (或部分未知) 的情
况下，对总体Ｘ的分布作出推断和预测.
数理统计的基本概念
数理统计的研究方法
通过从总体抽取部分个体(样本)，通过对样
本的研究，对总体作出推断或预测．是一种
由部分推测整体的方法．
数理统计的基本概念
数理统计的研究方法流程图
采集数据
加工处理
总体X
样本
统计量
对总体X 作出推断
对统计量分析
数理统计的基本概念
样本具有双重性
• 观察前：X1, X2 ,…, Xn是相互独立，与总体同分布 的随机变量. • 观察后：样本值x1, x2, …, xn为n个具体的观察数据.
数理统计的基本概念
例如：某厂生ቤተ መጻሕፍቲ ባይዱ了一大批灯泡,现从中随机抽取5只进 行检测,测得其寿命(小时)分别为
980, 960, 1030, 1300, 850
魅力无限
——统计学
统计学是与“生活”及“工作”有密切关系的 一门学科.如果能够掌握统计学的知识，那么你的 生活将会变得更加方便.
•可预测今天餐厅5号窗口的炒面可以卖出几份 •可预测本学期《概率统计》考试可否通过 •可比较投入药剂X和不投药剂X两种情况下的存活率
以某年《线性代数》考试成绩为例
序号
1 2 3 4 5 6
无放回抽样当总体很大，样本容量较小时，认为是近似的简单
随机抽样. 简单随机样本 由简单随机抽样抽得的样本 X1,X2,…,Xn, 称为简单随机样本. 简称样本 . 显然，样本就是来自总体X的 n 个相互独立的且与总体同 分布的随机变量X1,X2,…,Xn . 可看成 n 维随机向量(X1,X2,…,Xn).
是一个不含任何未知参数的连续函数，称
g(X1,X2,…,Xn)为统计量. 统计量是样本的函数，也是随机变量，具有概率分 布. 统计量的概率分布称为抽样分布.
数理统计的基本概念
例1 设 X 1 , X 2 , , Xn 为来自总体 X ~ N ( , 2 ) 的样本,其 中 , 2 均未知，判断下列哪些是统计量： 1 n X , 1 n ( X )2 , 1 n ( Xi )2 , max{ X i } i i n n n 1i n i 1 i 1 i 1
数理统计的基本概念
第六章
数理统计的基本概念 描述统计学 ——
对随机现象进行观测、试验， 以取得有代表性的观测值
数 理 统 计 的 分 类
推断统计学 ——
对已取得的观测值进行整理、 分析,作出推断、决策,从而 找出所研究的对象的规律性
数理统计的研究内容
参数估计 (第七章)
推断 统计学
假设检验 (第八章) 方差分析 (第九章)
总成绩
95 90 89 96 98 92
7
8 9 10
100
95 100 100
91
99 100 94
93
98 100 95
16
17 18 19
95
85 100 100
80
97 81 97
83
95 85 98
11
95
89
90
20
100
92
94
2009年《线性代数》成绩直方图
直方图就是为了让人能够直观的掌握全体数据的状态 而设计出来的！