样本与抽样分布--基本概念.ppt
合集下载
抽样的基本概念
中心极限定理
（图示）
中心极限定理：设从均值为，方差为 2的一个任意总
体中抽取容量为n的样本，当n充分大时，样本均值的抽 样分布近似服从正态分布。
一个任意分 布的总体
当样本容量足够 大时(n >30) ， 样本均值的抽样 分布逐渐趋于正 态分布
X
抽样平均误差
1.重复抽样条件下，记算公式为： 2.不重复抽样条件下，计算公式为:
设总体中 N 个总体单位某项标志的标志值分别
为 X1, X 2 , X N ，其中具有某种属性的有 N1个 单位，不具有某种属性的有 N0个单位，则
⒈ 总体平均数（又叫总体均值）： ⒉ 总体标准差： ⒊ 总体方差：
⒋ 总体比例： ⒌ 是非标志总体的标准差：
P P1 P 当P 0.5时， P有最大值
3.小于总体标准差 4.与样本容量的关系
抽样分布
更大样本 容量的抽 样分布
某个样本 容量的抽 样分布
x
n
X
P119例4-5
某班组有5个工人，他们的单位工时工资分别是4、6、8、10 、12元，总体服从于正态分布。现用重复抽样方式从5个工 人中抽出2人，计算样本的平均工时工资的抽样平均误差。
解：总体分布的平均数与方差分别是：
练习：计算样本比例的抽样平均误差
1、某县人口10万人，用简单随机不重复抽样 方法抽取1/10的人口进行调查，得知男性 人口比重为51%，求男性人口比重的抽样平 均误差。
2、对某乡进行简单随机重复抽样调查，抽出 100个农户进行调查，得知年收入在1800元 以上的占95%，求农户年收入在1800元以上 比重的抽样平均误差。
第4章 抽样估计
第一节 抽样的基本概念 第二节 抽样分布与中心极限定理 第三节 总体参数估计 第四节 抽样方案的设计与实施*
统计学 第三章抽样与抽样分布
=10
= 50 X
总体分布
n= 4
x 5
n =16
x 2.5
x 50
X
抽样分布
从非正态总体中抽样
结论：
从非正态中体中抽样，所形成 的抽样分布最终也是趋近于正态分 布的。只是样本容量需要更大些。
总结：中心极限定理
设从均值为，方差为 2的一个任意总体中抽 取容量为n的样本，当n充分大时（超过30），样本 均值的抽样分布近似服从均值为μ、方差为σ2/n的
总体
样本
参数
统计量
总体与样本的指标表示法
总体参数
样本统计量
(Parameter) (Sample Statistic)
容量 平均数 比例 方差 标准差
N
n
X
x
p
2
s2
s
小练习
某药品制造商感兴趣的是用该公司开发的某 种新药能控制高血压人群血压的比例。进行了一 项包含5000个高血压病人个体的研究。他发现用 这种药后80%的个体，他们的高血压能够被控制。 假定这5000个个体在高血压人群中具有代表性的 话，回答下列问题： 1、总体是什么？ 2、样本是什么？ 3、识别所关心的参数 4、识别此统计量并给出它的值 5、我们知道这个参数的值么？
正态分布
一个任意分 布的总体
x
n
当样本容量足够 大时(n 30) ， 样本均值的抽样 分布逐渐趋于正 态分布
x
X
总体分布
正态分布
非正态分布
大样本 小样本 大样本 小样本
正态分布
正态分布
非正态分布
三 中心极限定理的应用
中心极限定理(Central Limit theorem) 不论总体服从何种分布，从中抽取
统计学抽样与抽样分布
查费用
3. 需要包含所有低阶段抽样单位的抽样框；同时由于
实行了再抽样，使调查单位在更广泛的范围内展开
4. 在大规模的抽样调查中，经常被采用的方法
概率抽样（小结）
非概率抽样
n也叫非随机抽样，是指从研究目的出发，根据调查者的 经验或判断，从总体中有意识地抽取若干单位构成样本。
n重点调查、典型调查、配额抽样（是按照一定标准或一 定条件分配样本单位数量，然后由调查者在规定的数额内 主观地抽取样本）、方便抽样（指调查者按其方便任意选 取样本。如商场柜台售货员拿着厂家的调查表对顾客的调 查）等就属于非随机抽样。
样本分量：其中每一个Xi是一个随机变量，称为样本 分量。
样本观察值：一次抽样中所观察到的样本数据x1、x2、 x3称为样本观察值。 对于某一既定的总体，由于抽样的方式方法不同，样 本容量也可大可小，因而，样本是不确定的、而是可5
一、 几个概念
（二）样本总体与样本指标
样本指标（统计量）。在抽样估计中，用来反 映样本总体数量特征的指标称为样本指标，也 称为样本统计量或估计量，是根据样本资料计 算的、用以估计或推断相应总体指标的综合指 标。
3
总体和参数（续）
通常所要估计的总体指标有
X
NX
一、 几个概念
（二）样本总体与样本指标
样本总体。简称样本（Sample），它是按照随机原则， 从总体中抽取的部分总体单位的集合体 。
样本容量：样本中所包含的个体的数量，一般用n表示。 在实际工作中，人们通常把n≥30的样本称为大样本， 而把n<30的样本称为小样本。
（二）抽样平均误差（抽样标准误）
抽样平均误差是反映抽样误差一般水平的指标（因为 抽样误差是一个随机变量，它的数值随着可能抽取的 样本不同而或大或小，为了总的衡量样本代表性的高 低，就需要计算抽样误差的一般水平）。通常用样本 估计量的标准差来反映所有可能样本估计值与其中心 值的平均离散程度。
3. 需要包含所有低阶段抽样单位的抽样框；同时由于
实行了再抽样，使调查单位在更广泛的范围内展开
4. 在大规模的抽样调查中，经常被采用的方法
概率抽样（小结）
非概率抽样
n也叫非随机抽样，是指从研究目的出发，根据调查者的 经验或判断，从总体中有意识地抽取若干单位构成样本。
n重点调查、典型调查、配额抽样（是按照一定标准或一 定条件分配样本单位数量，然后由调查者在规定的数额内 主观地抽取样本）、方便抽样（指调查者按其方便任意选 取样本。如商场柜台售货员拿着厂家的调查表对顾客的调 查）等就属于非随机抽样。
样本分量：其中每一个Xi是一个随机变量，称为样本 分量。
样本观察值：一次抽样中所观察到的样本数据x1、x2、 x3称为样本观察值。 对于某一既定的总体，由于抽样的方式方法不同，样 本容量也可大可小，因而，样本是不确定的、而是可5
一、 几个概念
（二）样本总体与样本指标
样本指标（统计量）。在抽样估计中，用来反 映样本总体数量特征的指标称为样本指标，也 称为样本统计量或估计量，是根据样本资料计 算的、用以估计或推断相应总体指标的综合指 标。
3
总体和参数（续）
通常所要估计的总体指标有
X
NX
一、 几个概念
（二）样本总体与样本指标
样本总体。简称样本（Sample），它是按照随机原则， 从总体中抽取的部分总体单位的集合体 。
样本容量：样本中所包含的个体的数量，一般用n表示。 在实际工作中，人们通常把n≥30的样本称为大样本， 而把n<30的样本称为小样本。
（二）抽样平均误差（抽样标准误）
抽样平均误差是反映抽样误差一般水平的指标（因为 抽样误差是一个随机变量，它的数值随着可能抽取的 样本不同而或大或小，为了总的衡量样本代表性的高 低，就需要计算抽样误差的一般水平）。通常用样本 估计量的标准差来反映所有可能样本估计值与其中心 值的平均离散程度。
《概率与数理统计》第06章 - 样本及抽样分布
(3)g( x1, x2 ,L xn )是统计量g(X1, X2 ,L Xn )的观察值
几个常见统计量
样本平均值
X
1 n
n i 1
Xi
它反映了 总体均值 的信息
样本方差
S 2
1 n1
n i 1
(Xi
X )2
它反映了总体 方差的信息
n
1
1
n
X
2 i
i 1
nX
2
样本标准差
S
1 n
n
1
(
i 1
X
i
是来自总体的一个样本，则
(1) E( X ) E( X ) ,
(2) D( X ) D( X ) 2 n ,
n
(3) E(S 2 ) D( X ) 2
矩估计法的 理论根据
若总体X的k阶矩E( X k ) k存在，则
(4) Ak
1 n
n i 1
Xik
p k
k 1, 2,L .
(3)证明：E(S2 )
定义 设X1 , X2 ,L , Xn是来自总体X的一个样本， g( X1 , X 2 ,L , X n )是X1 , X 2 ,L , X n的函数，若g 中不含未知参数，则g( X1 , X 2 ,L , X n )称是一 个统计量.
请注意 :
(1)X1, X2 ,L
X
是样本，也是随机变量
n
(2)统计量是随机变量的函数，故也是随机变量
1
e
(
xi 2
2
)2
2
n
( xi )2
1
e i1 2 2
n
2
第二节
抽样分布
样本及其抽样分布基本概念
概率论与数理统计优质学案
第六章
样本及抽样分布
第1，2节 基本概念
一、总体、个体 二、随机样本、直方图 三、样本函数与统计量 四、小结
一、总体与个体
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
总体 …
研究某批灯泡的心每个 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.
直方图
5
8
4.5
7
4 6
3.5 5
3
2.5
4
2
3
1.5 2
1
1 0.5
0
0
140
150
160
170
180
190
200
147
157
167
177
187
197
三、统计量
由样本推断总体特征,需要对样本进行 “加工”,“提炼”.这就需要构造一些样本的 函数,它把样本中所含的信息集中起来.
1. 代表性： X1,X2,…, Xn中每一个与所考察的 总体X有相同的分布. 2. 独立性： X1,X2,…, Xn是相互独立的随机变量.
满足上述两条性质的样本称为简单随机样本. 获得简单随机样本的抽样方法称为简单随机抽样.
为了使大家对总体和样本有一个明确的 概念,我们给出如下定义:
定义 一个随机变量X或其相应的分布 函数F(x)称为一个总体.
4. 直方图 4.1 频数--频率分布表
样本数据的整理是统计研究的基础，整理数据的最 常用方法之一是给出其频数分布表或频率分布表。
例3 为研究某厂工人生产某种产品的能力， 我们随机调查了20位工人某天生产的该种产品 的数量，数据如下
第六章
样本及抽样分布
第1，2节 基本概念
一、总体、个体 二、随机样本、直方图 三、样本函数与统计量 四、小结
一、总体与个体
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
总体 …
研究某批灯泡的心每个 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.
直方图
5
8
4.5
7
4 6
3.5 5
3
2.5
4
2
3
1.5 2
1
1 0.5
0
0
140
150
160
170
180
190
200
147
157
167
177
187
197
三、统计量
由样本推断总体特征,需要对样本进行 “加工”,“提炼”.这就需要构造一些样本的 函数,它把样本中所含的信息集中起来.
1. 代表性： X1,X2,…, Xn中每一个与所考察的 总体X有相同的分布. 2. 独立性： X1,X2,…, Xn是相互独立的随机变量.
满足上述两条性质的样本称为简单随机样本. 获得简单随机样本的抽样方法称为简单随机抽样.
为了使大家对总体和样本有一个明确的 概念,我们给出如下定义:
定义 一个随机变量X或其相应的分布 函数F(x)称为一个总体.
4. 直方图 4.1 频数--频率分布表
样本数据的整理是统计研究的基础，整理数据的最 常用方法之一是给出其频数分布表或频率分布表。
例3 为研究某厂工人生产某种产品的能力， 我们随机调查了20位工人某天生产的该种产品 的数量，数据如下
样本及抽样分布
样本及抽样分布§6.1 基本概念一、总体:在统计学中, 我们把所研究的全部元素组成的集合称作母体或总体, 总体中的每一个元素称为个体。
我们只研究感兴趣的某个或者几个指标(记为X)，因此把这些指标的分布称为总体的分布，记为X～F(x)。
二、样本:设总体X具有分布函数F(x),若X1, X2,…,Xn是具有分布函数F(x)的相互独立的随机向量，则称其为总体F（或总体X ）的简单随机样本, 简称样本,它们的观察值x1,x2, …, xn称为样本观察值, 又称为X 的n 个独立的观察值。
三、统计量:设X 1, X 2, …, X n 是来自总体X 的一个样本, g (X 1, X 2, …, X n )是一个与总体分布中未知参数无关的样本的连续函数，则称g (X 1,X 2,…,X n )为统计量。
统计量是样本的函数,它是一个随机变量，如果x 1, x 2, …, x n 是样本观察值, 则g (x 1, x 2, …, x n )是统计量g (X 1, X 2, …, X n )的一个观察值.四、 常用的统计量:, ,)(x 11s ,,x 1x 1. n12i2n1i 称为样本方差均值仍称为样本它们的观察值为∑∑==--==i i x n n .B ,,1,2,X A ,1k 2.22221S S nn B k ≈-====当样本容量很大时时当时当3.kkkk若总体X 的k 阶矩E(X )存在,则当n时, A .P注：ni i 111. X X ;n ==∑样本均值2n 2i i 112. S (X );n-1X ==-∑样本方差n kk i 113. k A X , k 1, 2,;n i ===∑样本阶原点矩nk i i 114. k B (X ) , k 2, 3,.n k X ==-=∑样本阶中心矩4.样本的联合分布：2) 若总体X 是离散型随机变量，其分布律为 p x =P (X=x ) , x=x 1,x 2,… 则样本X 1, X 2, …, X n 的联合分布:11112(,,)(),,;(1,2,,)nn n i i i i P X y X y P X y y x x i n =======∏其中12n *12i 13)(), ,X , (, ,)()n n i X f x X X f x x x f x ==∏若具有概率密度则的联合概率密度为12121211)(),,,,, ,,,:()()n n n*n i i X ~F x X X X F X X X F x , x ,x F x ==∏若为的一个样本则的联合分布函数为例1：X~U (0,θ),X 1, X 2, …, X n 是来自X 的样本，求（X 1, X 2, …, X n ）的联合密度函数。
第四篇抽样和分布1(药学)PPT课件
该法要求各层间差异尽可能大，才能得到有较 好代表性的样本，并便于各层间分析比较。
24
4、整群抽样 先将总体分成若干互不重叠部分（称为群），再 从各群中随机抽取某群或几群作为样本。 例：调查某年级学生上网情况
可把每班作为一群，从中随机抽取一班或几班作 为样本。
该法适用于大规模调查，易于组织，节省人 力物力，但误差较大，适于群体差异较小的调 查对象。
8
实例 研究某地区12岁儿童生长发育情 况,总体和个体应为什么？ 显然，总体为该地区的全体儿童
个体为每一个儿童。
当然，衡量儿童生长发育情况要通过诸如身高、 体重等数量指标进行，所以对总体的研究实际上 是对该地区的全体儿童的这些指标值概率分布进 行研究。
9
根据研究指标的多少，总体分为 一维总体-研究一项描述指标，常用随机变量X表示； 多维总体-研究多项描述指标，常用随机向量表示，
14
一般地,对有限总体，应采用有放回抽样，对 无限总体（或数量较多），可采用无放回抽样 （近似看作有放回），否则违背独立性。
简单随机抽样具体实施的方法： 抽签法
随机数法
15
三、统计量(Statistic )
样本是对总体的代表和反映，抽样的目的是利用样本值对 总体进行统计推断。
而对总体进行统计推断，常根据需要的不同，利用样本构 造一些包含所需要的多种信息的量，就是关于样本 X1 ,X2 ,…,Xn的一些函数，这些函数统称为统计量。
3
例如，在几何学中要证明“等腰三角形底角相等”, 只须从“等腰”这个前提出发，运用几何公理，一步一 步推出这个结论.这是演绎推理。
而一个习惯于统计思想的人，可能这样推理： 做很多大小形状不一的等腰三角形，实地测量 其底角，看差距如何，根据所得资料看看可否作 出“底角相等”的结论. 这样做就是归纳式的方法.
24
4、整群抽样 先将总体分成若干互不重叠部分（称为群），再 从各群中随机抽取某群或几群作为样本。 例：调查某年级学生上网情况
可把每班作为一群，从中随机抽取一班或几班作 为样本。
该法适用于大规模调查，易于组织，节省人 力物力，但误差较大，适于群体差异较小的调 查对象。
8
实例 研究某地区12岁儿童生长发育情 况,总体和个体应为什么？ 显然，总体为该地区的全体儿童
个体为每一个儿童。
当然，衡量儿童生长发育情况要通过诸如身高、 体重等数量指标进行，所以对总体的研究实际上 是对该地区的全体儿童的这些指标值概率分布进 行研究。
9
根据研究指标的多少，总体分为 一维总体-研究一项描述指标，常用随机变量X表示； 多维总体-研究多项描述指标，常用随机向量表示，
14
一般地,对有限总体，应采用有放回抽样，对 无限总体（或数量较多），可采用无放回抽样 （近似看作有放回），否则违背独立性。
简单随机抽样具体实施的方法： 抽签法
随机数法
15
三、统计量(Statistic )
样本是对总体的代表和反映，抽样的目的是利用样本值对 总体进行统计推断。
而对总体进行统计推断，常根据需要的不同，利用样本构 造一些包含所需要的多种信息的量，就是关于样本 X1 ,X2 ,…,Xn的一些函数，这些函数统称为统计量。
3
例如，在几何学中要证明“等腰三角形底角相等”, 只须从“等腰”这个前提出发，运用几何公理，一步一 步推出这个结论.这是演绎推理。
而一个习惯于统计思想的人，可能这样推理： 做很多大小形状不一的等腰三角形，实地测量 其底角，看差距如何，根据所得资料看看可否作 出“底角相等”的结论. 这样做就是归纳式的方法.
《统计学》第9章 抽样与抽样分布
二、抽样中的基本概念
⚫ 样本比例（成数）
p = n1 ，q = n0 = 1− p
n
n
⚫ 样本是非标志的标准差
(n = n0 + n1)
sp =
n p (1− p) =
n −1
n pq n −1
⚫ 样本是非标志的方差
s
2 p
=
n n −1
p(1 −
p)
=
n n −1
pq
第一节 抽样和抽样方法
三、抽样方法
三、抽样方法
⚫ 多阶段抽样
⚫ 在实践中总体所包括的单位数很多，分布很广，通过一次 抽样就选出有代表性的样本是很困难的。此时可将整个抽 样过程分为几个阶段，然后逐阶段进行抽样，最终得到所 需要的有代表性的样本。
第一节 抽样和抽样方法
三、抽样方法
⚫ 多阶段抽样
⚫ 阶段数不宜过多，一般采用两个、三个阶段，至多四个阶 段为宜，否则，手续繁琐，效果也不一定好。
第一节 抽样和抽样方法
二、抽样中的基本概念
⚫ 总体参数
⚫ 总体参数是根据总体各单位的标志值或特征计算的、反 映总体某一属性的综合指标。
⚫ 总体参数是唯一的、确定的常数，但一般情况下又是未 知的。
⚫ 常用的总体参数有 ⚫ 总体均值 ⚫ 总体标准差、总体方差 ⚫ 总体比例（成数）
第一节 抽样和抽样方法
⚫ 样本标准差
s =
1 n −1
n i =1
(xi
−
x )2，或s
=
1
m
m
(xi − x )2 fi
fi −1 i=1
i =1
⚫ 样本方差
( ) ( ) s2 = 1 n n −1 i=1
- 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)。
若总体X是连续型的. 为了获取密度函数f(x),
可选取包含样本观测值的区间(a1,al],并填表绘图:
分布密度估计表
频数 频率 密度估
区间划分 ni ni / n 计值 yi
(a0 , a1]
n1
n1 / n
n1 / n a1 a0
(a1 , a2 ]
n2
n2 / n
n2 / n a2 a1
满足上述要求的样本称为简单随机样本, 获取 简单随机样本的方法称为简单随机抽样。
今后，凡提到的样本都是指简单随机样本。
二、统计量与样本矩
对总体X 推断前需要对样本进行加工或提炼
定义 设 X1, X2, … , Xn 是来自总体X 的样本, 如果函数φ(x1, x2, …, xn)为x1, x2 , …, xn 的一个实 值函数, 且φ 中不包含任何未知参数, 那么称
样本均值 样本方差
1 n
X n i1 Xi
S 2
1 n1
n
(Xi
i 1
X )2
样本标准差
S
1 n1
n i 1
(Xi
X )2
样本k阶原点矩
Mk
1 n
n i 1
X
k i
(k 1, 2, ...)
样本k
n
(Xi
i 1
X )k
(k 1, 2,...)
分布如下表, 试依据这些资料作出成绩频率直方图.
成绩分布表
分布密度估计表
得分范围
得分 人数
频数 频率 密度估
区间划分 ni ni / n 计值 yi
(40,50]
2
(40,50] 2 2/150 2/1500
(50,60] 14
(50,60] 14 14/150 14/1500
(60,70] 32
(60,70] 32 32/150 32/1500
统计量间的关系： M1
X
,
M
2
M2
X2
n1 n
S2
三、经验分布函数与直方图
为了获得总体X 的分布, 先引入一个定义 定义1 设X1, X2, …, Xn是来自总体X 的一个容 量为n的样本, 把它们依大小顺序排列为
X(1) , X(2) ,, X(n) 则称其为样本次序统计量。
由此 样本最大值统计量为 X max X (n)
Fn(x) 1
Fn
(
x)
k n
,
x(k ) x x(k1)
1 , x x(n)
(k＝1,2,···,n－1)
O x(1) x(2) … x(n) x
显然, Fn(x)具有分布函数的特征, 且根据大数定律, Fn ( x) P F ( x) (n ), 所以当n较大时, F ( x) Fn ( x). 故通常称 Fn(x)为X 的 经验分布函数.
节目录
第七章 样本与抽样分布
7.1 基本概念 7.2 基本分布 7.3 正态总体的抽样分布
从本章开始, 我们将讲述数理统计的基本内容. 与概率论一样，数理统计是研究随机现象统计规 律性的一门数学学科. 它是以概率论为基础, 由实 际观测资料出发, 研究如何合理地采集或收集资料 并根据观测得到的资料对随机变量的分布数字特 征等作出科学的推断.
x1 , x2 ,, xn 为X1, X2, … , Xn 的一个观测值, 简称 样本观测值
抽样（抽取样本）目的：
通过获取样本（X1, X2, … , Xn）的有限信息 对总体X的概率分布及其各种特征进行推断
抽样要求：
1o 代表性: X1, X2, … , Xn 与总体X 有相同的分布 2o 独立性: X1, X2, … , Xn 是相互独立的随机变量
如：某厂 生产灯泡 的寿命的 全体就是 一个总体
灯泡的寿命
如：每个灯 泡的寿命就 是一个个体
每个个体的出现带有随机性,因此代表总体取 值的变量都是一个随机变量,通常用X(或Y,Z)表示. 总体的概率分布就是随机变量X的概率分布.故今 后将不区分总体与相应的随机变量.常称作总体X. 《数理统计》研究的宗旨：
寻找总体X 的概率分布及其各种特征
F(x) 1
寻求:
EX , DX ,Cov( X ,Y )
E(X kY l )
O
x
E[( X EX )k (Y EY )l ]
从总体X 中抽取一个个体, 就是对总体X 进行 一次试验 (观测), 从总体X 中随机的抽取n个个体:
X1, X2,, Xn 就是对总体X进行了一组试验. 通常把由这n个试 验组成的试验组称为总体X的一个样本(或子样), 样本中个体的数目n称为样本容量,其中的Xi叫样本 的第 i 个分量. 对Xi的一次观测值,记之为xi ,并称
T ( X1, X 2 ,, X n （) 是随机变量）
为一个统计量. 若 x1, x2 , …, xn 为样本观测值, 则称
t ( x1, x2 ,, xn )是统计量T 的一个观测值.
例1 当总体期望已知时,有下述统计量:
S 2
1 n
n
(Xi
i 1
)2
常用的统计量
总区间划分要求6~17个, 每区间至少含1个观测值.
频 率 ni P 概 率 ai f ( x)d x
n
ai1
f (x) yi
(al1,al ]
nl
nl / n
nl / n al al1
O
a0 a1 a2 a3 … al-1 al x 频率直方图
例2 从某校升学考卷中随机抽取150份, 其成绩
定义 可知
样本最小值统计量为
样本中值统计量为
X min X (1) Me X ([n/ 2]1)
样本级差为
R X(n) X(1)
取次序统计量的一组观测值 x(1) , x(2) ,, x(n) 则对任意的实数 x, 事件{X ≤x} 发生的频率为
0 , x x(1)
《数理统计》研究的问题：怎样选择有效的 抽样方法采集数据（抽样）, 并利用抽样获得的有 限数据, 对被研究的随机现象的规律性作出尽可能 精确而可靠的结论（推断）.
7.1 基本概念
一、总体与样本 二、统计量与样本矩 三、经验分布函数与直方图
一、总体与样本
总体（母体）：研究对象（取实值）的全体. 个体：组成总体的每个元素.
(70,80] 43
(70,80] 43 43/150 43/1500
(80,90] 39
(80,90] 39 39/150 39/1500
(90,100] 20
(90,100] 20 20/150 20/1500
根据分布密度估计表即可画出频率直方图.