§6.3正态总体样本均值与样本方差的分布
合集下载
63常用统计量的分布
§6.3常用统计量的分布一、样本均值的分布1、单个正态总体下的样本均值的分布2、两个正态总体下的样本均值的分布3、非正态总体下的样本均值的近似分布二、-分布1、分布定义2、分布的性质3、分布的典型模式4、分布的上α分位点2χ2χ2χ2χ2χ三、t-分布1、t 分布的定义2、t(n)的性质3、t(n)的典型模式4、t(n)分布的上α分位点四、F-分布1、F分布的定义2、F分布的性质3、F分布的典型模式4、F分布的上α分位点五、正态总体样本均值与样本方差的分布1、单个正态总体下样本均值与样本方差的分布2、两个正态总体下样本均值差与样本方差比的分布)2.3(1)(1)1()(1)(1)1()(,,,2,1,)(,)(,,,1)1.3(),(~11,,,,),,(1.31222121112212121212n n nX D n X n D X D n nX E n X n E X E n i X D X E X X X X nN X n X nX n X X X X X N X n i i n i i n i i n i i i i n ni i ni i n σσµµσµσµσµσµ=⋅====⋅========∑∑∑∑∑∑======于是有相互独立同分布，故与：由于注的正态分布，即，方差为服从均值为值的一个样本，则样本均为来自服从正态总体设总体定理本均值的分布、单个正态总体下的样一、样本均值的分布"""这点处。
望取值几乎集中在数学期时且当高的集中程度远比总体要的取值于即倍的方差的的方差却只是但有相同的数学期望与由上述可知注µµX n X nX X X X ,,,1,,:2∞→212(1,0.2),,,,,{0.9 1.1}0.95?n X N n X X X X P X n ≤<≥"例 设总体服从正态分布从中抽取容量为的样本欲使样本均值满足不等式试求样本容量最小应为取多大2110.2:~(1,)1.110.910.95{0.9 1.1}0.20.2()()2()1222ni i X X N nnP X n n n n n==⎛⎞⎛⎞−−≤≤<=Φ−Φ⎜⎟⎜⎟⎝⎠⎝⎠=Φ−Φ−=Φ−∑解由题设知故0.951()0.975; 1.96,15.3664222,16n n n n +Φ≥=≥≥即查表得故因此样本容量最少应取。
6.3抽样分布定理
2． ．
σ σ
2 1
2 S12 S2 2 2
～ F ( n1 − 1, n2 − 1) .
σ 12
2 σ2
N ( µ1 − µ 2 , + ) 3. X − Y ～ n1 n2
10
证明
1．因为 ．
X ~ N ( µ1 ,
独立， 且 X 与Y 独立，则
σ
2
n1
) ，Y ~ N ( µ 2 ,
σ
2
n2
U V / ( n1 + n2 − 2)
( X −Y ) − (µ − µ ) ~ t (n + n =
1 2
Sω
1 1 + n1 n2
1
2
−2)
13
2．因为 ．
( n1 −1) S
σ12
2 1
( n2 − 1) S ~ χ ( n1 − 1)， 2
2
2 2
σ2
~ χ 2 ( n2 − 1)，
且它们相互独立，按 F 分布的定义即得 且它们相互独立，
2
1 n 1 n E ( X ) = ∑ E ( Xi ) = ∑ µ = µ n i =1 n i =1
1 n 1 n 2 σ2 D( X ) = 2 ∑ D ( X i ) = 2 ∑σ = n i =1 n i =1 n
于是
X ~ N (µ ,
X −µ σ/ n
σ2
n
)
从而
～ N (0,1)
( n1 − 1) S12 / ( n2 − 1) S
σ
2 2
σ
2 1
( n1 − 1)
2 2
/ ( n2 − 1)
=
正态总体的抽样分布
则服从自由度为 n-1 的 t 分布的随机变量是
．
练习
设总体X的密度函数为 | x |, | x | <1 f ( x) 其他 0, X1 ,X 2 , Xn为取自X的一个样本:求
(1)E (X),D(X) (2)E(S )
2Hale Waihona Puke 练习设总体X~N(0,1),样本X 1 , X 2 ,
2
X6
2
(2) X 和 S 相互独立.
取不同值时 的分布
2
例题分析
定理 3
设
（与样本均值和样本方差有关
的一个分布） 的样本,
X1, X2 ,…, Xn 是取自正态总体
分别为样本均值和样本方差, 则有
且它们独立。 则由t-分布的定义：
当
4. 两个正态总体
（1） 若 X ~ N (μ1,σ12) ： X1，X2，…,Xn1
2 2
证：EX i 0, DX i 1, X i ~ N (0,1)
2 i 4 i 2 2 i n
n
EX 1,
2 i
DX EX ( EX ) 3 1 2, i 1, 2,
所以 E 2 E ( X i2 ) EX i2 n.
D 2 D( X i2 ) DX i2 2n.
设 X: 1. 2. 若 X~N（0，1），则 X1，X2，…，Xn
四大统计量
两个正态总体
Y ~ N (μ2,σ2 2) ： Y1，Y2，…,Yn2 ，它们相互独立，
（1） 若 X ~ N (μ1,σ12) ： X1，X2，…,Xn1
则
（2）
当σ12 =σ22 =σ2时，
（ 3）
《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
第六章样本及样本函数的分布
∼ t(n −1). .
Sn
177
概率论与数理统计全程学习指导
∑ = ∑ 【评注】 10
1 统计量 σ 2
n
(X i
−
μ)2
和
i =1
(n −1)S2 σ2
1 σ2
n
(X i
−
X )2
的分布在自由度上是
i =1
∑ ∑ 1
有差别的，这是因为在 σ2
n
(X i
−
X )2
中有一个约束条件
X
i =1
=1 n
x(1) ≤ x(2) ≤
≤x (k)
，并假设
x( i )
出现的频数为
ni
，那么
x( i )
出现的频率为
i = 1, 2, , k, k ≤ n . 函数
fi
=
ni n
，
⎧ 0,
⎪
∑ Fn (x)
=
⎪ ⎨
i
fj,
⎪ j=1
⎪⎩ 1,
x < x(1),
x(i) ≤ x < x(i+1), i = 1, 2, , k −1, x ≥ x(k).
③ χ2 分布的性质
10 若 χ2 ∼ χ2 (n) ，则 E(χ2 ) = n ， D(χ2 ) = 2n ；
20
（可加性）若
χ
2
1
∼
χ2 (n1) ，
χ
2
2
∼
χ2 (n2 )
，且
χ
2
1
和
χ
2
2
相互独立，则
χ
2
1
+
χ
2
6-3正态总体样本均值和样本方差的分布
12
2 ( 2 ) 1 2 0 , 9 7 72 1 【注】 D(X Y ) D(X ) D(Y ) 3 3 1 ．
20 30 4
0．. 9 5 4 4
•7
§3 正态总体样本均值和样本方差的分布
（本节为第七章和第八章的基础）
内容： 单正态总体样本均值和样本方差的分布（重点讲授） 双正态总体样本均值和样本方差的分布（简单介绍）
•1
一、单正态总体样本均值和样本方差的分布
定理 3.1 设 (X1, X2,L , Xn ) 为来自总体 X ~ N (, 2 ) 的
1) ．
•6
例 3.3 从总体 X ~ N(1,3) 中分别抽取容量为 20, 30 的两个 独立样本，求其样本均值差的绝对值小于1的概率．
解 设 两个 样本均 值分 别为 X 和 Y ， 由定 理 3.2⑴ ，可 得 X Y ~ N(0, 1) ，所以
4 P{ X Y 1} P{ X Y 2}
Xi
，样本方差为 S12
1 n1 1
n1 i1
(Xi
X )2
．
(Y1,Y2 ,L
,Yn2 ) 为来自总体Y
~
N
(2
,
2 2
)
的一个样本，样本均
值为Y
1 n2
n2
Yi ，样本方差为 S22
i 1
1 n2 1
n2 i1
(Yi
Y )2
，且
X1, X 2 ,L , X n1 与 Y1,Y2 ,L ,Yn2 相互独立．则
例 3.1 设 (X1, X2,L , X9 ) 为来自总体 X ~ N (, 2 ) 的一个 样本，求 P{0.4656 X 0.9655}．
S
2 ( 2 ) 1 2 0 , 9 7 72 1 【注】 D(X Y ) D(X ) D(Y ) 3 3 1 ．
20 30 4
0．. 9 5 4 4
•7
§3 正态总体样本均值和样本方差的分布
（本节为第七章和第八章的基础）
内容： 单正态总体样本均值和样本方差的分布（重点讲授） 双正态总体样本均值和样本方差的分布（简单介绍）
•1
一、单正态总体样本均值和样本方差的分布
定理 3.1 设 (X1, X2,L , Xn ) 为来自总体 X ~ N (, 2 ) 的
1) ．
•6
例 3.3 从总体 X ~ N(1,3) 中分别抽取容量为 20, 30 的两个 独立样本，求其样本均值差的绝对值小于1的概率．
解 设 两个 样本均 值分 别为 X 和 Y ， 由定 理 3.2⑴ ，可 得 X Y ~ N(0, 1) ，所以
4 P{ X Y 1} P{ X Y 2}
Xi
，样本方差为 S12
1 n1 1
n1 i1
(Xi
X )2
．
(Y1,Y2 ,L
,Yn2 ) 为来自总体Y
~
N
(2
,
2 2
)
的一个样本，样本均
值为Y
1 n2
n2
Yi ，样本方差为 S22
i 1
1 n2 1
n2 i1
(Yi
Y )2
，且
X1, X 2 ,L , X n1 与 Y1,Y2 ,L ,Yn2 相互独立．则
例 3.1 设 (X1, X2,L , X9 ) 为来自总体 X ~ N (, 2 ) 的一个 样本，求 P{0.4656 X 0.9655}．
S
正态总体的抽样分布
∞ 3x2e− 2 dx =
2π −∞
−
3
x2 ∞−
x2
∫ xe 2 d (− ) = −
2π −∞
2
∫ 3
∞
x2 −
xde 2
=−
2π −∞
3 2π
⎛ x2 −
⎜⎜ xe 2 ⎝
+∞
⎞ ⎟⎟ ⎠ −∞
∫ ∫ + 3
x2 ∞−
e 2 dx =
3
x2 ∞−
e 2 d(
x
)=
3
2π −∞
π −∞
2
f
(x)
χ
2 n
分布分位点
对于给定的 α∈(0,1), 称满足条件
{ } ∫ α P
χ
2 n
>
χ
2 n
(α
)
∞
=
f (x)dx =
χn2 (α )
的点 χn2(α)为 χn2分布的上(右)α分位点。
χn2 分布上α 分位点有表可查见附表4。
n = 10 α
χ•210(0.005)
例如 由P215查得
P
(
χ
由度为n的F分布，F ~ Fm,n 又称：df1 = m, df2 = n.
其密度函数为：
f (x)
=
⎛ ⎜ ⎜ ⎜ ⎜ ⎜⎜⎝
Γ
⎛ ⎜⎝
m
+ 2
Γ
⎛ ⎜ ⎝
m 2
⎞ ⎟ ⎠
Γ
0，
n⎞ ⎟⎠
⎛n⎞
⎛ ⎜⎝
m n
π
⎞2 ⎟ ⎠
x
π 2
−1
⎛⎜1
+
⎝
m n
2π −∞
−
3
x2 ∞−
x2
∫ xe 2 d (− ) = −
2π −∞
2
∫ 3
∞
x2 −
xde 2
=−
2π −∞
3 2π
⎛ x2 −
⎜⎜ xe 2 ⎝
+∞
⎞ ⎟⎟ ⎠ −∞
∫ ∫ + 3
x2 ∞−
e 2 dx =
3
x2 ∞−
e 2 d(
x
)=
3
2π −∞
π −∞
2
f
(x)
χ
2 n
分布分位点
对于给定的 α∈(0,1), 称满足条件
{ } ∫ α P
χ
2 n
>
χ
2 n
(α
)
∞
=
f (x)dx =
χn2 (α )
的点 χn2(α)为 χn2分布的上(右)α分位点。
χn2 分布上α 分位点有表可查见附表4。
n = 10 α
χ•210(0.005)
例如 由P215查得
P
(
χ
由度为n的F分布，F ~ Fm,n 又称：df1 = m, df2 = n.
其密度函数为：
f (x)
=
⎛ ⎜ ⎜ ⎜ ⎜ ⎜⎜⎝
Γ
⎛ ⎜⎝
m
+ 2
Γ
⎛ ⎜ ⎝
m 2
⎞ ⎟ ⎠
Γ
0，
n⎞ ⎟⎠
⎛n⎞
⎛ ⎜⎝
m n
π
⎞2 ⎟ ⎠
x
π 2
−1
⎛⎜1
+
⎝
m n
数理统计几个重要定理
数理统计
几个重要的抽样分布定理
数理统计
定理 1 (样本均值的分布) 设 X1, X2, …, Xn 是来自正态总体 的样本， X 是样本均值，则有
N ( , )
2
2 X ~ N ( , ) n
X 即 ~ N (0,1) n
数理统计
定理 2 (样本方差的分布) 设X1,X2,…,Xn是来自正态总体
X ~ t ( n 1) S n
数理统计
定理 4 (两总体样本均值差、样本方差比的分布) 且X与Y独立, 设X ~ N ( 1, 2 )，Y ~ N ( 2 , 2 )， X1,X2,…, X n是来自X的样本,Y1,Y2,…,Yn 是取自Y的样本, 1 2 X和Y 分别是这两个样本的 样本均值， S 2和S 2 分别是
2
N ( , ) 的样本,(1) ( n 1) S 2
(2)
2 2 X 与S 独立 .
~ 2 ( n 1)
数理统计
定理 3 (样本均值的分布) 设X1,X2,…,Xn是取自正态总体 的样本, 则有
2
N ( , )
2
X 和S 分别为样本均值和样本方差,
1 2
这两个样本的样本方差,则有
S 1、 ~ F ( n1 1, n2 1) S X Y ( 1 2 ) 2、 ~ t ( n1 n2 2) ( n1 1) S12 ( n2 1) S22 1 1 n1 n2 2 n1 n2
2 1 2 2 2 1 2 2
几个重要的抽样分布定理
数理统计
定理 1 (样本均值的分布) 设 X1, X2, …, Xn 是来自正态总体 的样本， X 是样本均值，则有
N ( , )
2
2 X ~ N ( , ) n
X 即 ~ N (0,1) n
数理统计
定理 2 (样本方差的分布) 设X1,X2,…,Xn是来自正态总体
X ~ t ( n 1) S n
数理统计
定理 4 (两总体样本均值差、样本方差比的分布) 且X与Y独立, 设X ~ N ( 1, 2 )，Y ~ N ( 2 , 2 )， X1,X2,…, X n是来自X的样本,Y1,Y2,…,Yn 是取自Y的样本, 1 2 X和Y 分别是这两个样本的 样本均值， S 2和S 2 分别是
2
N ( , ) 的样本,(1) ( n 1) S 2
(2)
2 2 X 与S 独立 .
~ 2 ( n 1)
数理统计
定理 3 (样本均值的分布) 设X1,X2,…,Xn是取自正态总体 的样本, 则有
2
N ( , )
2
X 和S 分别为样本均值和样本方差,
1 2
这两个样本的样本方差,则有
S 1、 ~ F ( n1 1, n2 1) S X Y ( 1 2 ) 2、 ~ t ( n1 n2 2) ( n1 1) S12 ( n2 1) S22 1 1 n1 n2 2 n1 n2
2 1 2 2 2 1 2 2
- 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)。
X~
, X~
Sn
P X12X22X32 2.5
,Xn为X的样本,则 , .
X ~ t(n 1).
S/ n
证明 因为 X/n~N(0,1),(n12)S2~2(n1),
且两者独立, 由 t 分布的定义知
X / n
(n2(n1)S12)~t(n1).
6.3.2 两个正态总体的情形
定理6.3 设X1, X2, , Xn与Y1,Y2, ,Ym分别是来
§6.3 正态总体样本均值与样本方差的分布
单个正态总体的情形 两个正态总体的情形 小结 练习
在概率统计问题中，正态分布占据着十分重
要的位置，这是因为许多量的概率分布或者是正
态分布，或者接近于正态分布，而且，正态分布
有许多优良性质，便于进行较深入的理论研究。
因此，我们着重来讨论一下正态总体下的抽样分
S12/S22
12/22
~F(n1,m1);
(3)
当 12
Байду номын сангаас
2 2
2
时,
(X Y ) (1 2 ) ~ t(n m 2),
Sw
1 1 nm
其中
Sw2
(n 1)S12 (m 1)S22 nm2
,
Sw
Sw2 .
小结
两个重要定理
定理6.1
X
~
N
布，其中最重要的统计量自然是样本均值和样本
方差。
样本均值
X
1 n
n i1
Xi
样本方差 S2n11i n1(Xi X)2
6.3.1 单个正态总体的情形
定理6.1 设 X 1 ,X 2 , ,X n是 来 自 正 态 总 体 N (, 2 )
的 样 本 , X 与 S 2是 样 本 均 值 与 样 本 方 差 ,则
,
2
n
;
(n1)S2
2
~2(n1)
定理6.2
X ~ t(n 1)
S/ n
1.设总体X~N(1,22),X1,X2, ,Xn为X的样本,则
A. X1~N(0,1) B. X1~N(0,1)
2
4
X1
X1
C.
~N(0,1) D.
~ N(0,1)
2n
2
2.设总体X~N(0,1),X1,X2,
(1)
X
~
N
,
2
n
或X
n
~
N0,
1;
(2)
(n1)S2
2
~2(n1);
(3) X与 S2相 互 独 立 .
定理6.2 设 X 1 ,X 2 , ,X n是 来 自 正 态 总 体 N (, 2 )
的 样 本 , X 与 S 2是 样 本 均 值 与 样 本 方 差 ,则
自正态总体N(1,12), N(2,22)的样本,且这两个
样本互相独立,设X, S12 分别为X1, X2, , Xn的样 本均值和样本方差,Y, S22 分别为Y1,Y2, ,Ym的样 本均值和样本方差, 则
(1) (XY)(12) ~N(0,1); 12 22
nm
(2)