数理统计的基本概念
合集下载
概率与统计学课件-第六章-数理统计的基本概念2-1
6.1
�总体与样本
基本概念: 总体：研究的问题所涉及的对象的全体 个体：总体中的每个成员 样本：从总体中抽取部分个体 样本容量：样本所包含的个体数量 样本观测值：
数的属性 样本的二重性 随机变量的属性
设X1,X2, …,Xn为总体X的一个容量为 n的 样本。若它满足 独立性，即X1,X2, …,Xn 相互独立； 同分布性，即每个 Xi都与总体X服从相 同的分布. 则称这样的样本为简单随机样本，简称为 样本。
�统计量
设是总体X的样本，g(X1,X2, …,Xn)是样本 的实值函数，且不包含任何未知参数，则 称g(X1,X2, …,Xn)为统计量。
例2.若X1,X2, X3是来自总体X~N(μ, σ 2)的 其中参数μ未知， σ2已知，则
X 1 X 3 − 3µ , X12 + 4 X 22 + 5µ 都不是统计量
�定理
若X1,X2, …,Xn是来自总体X的样本，设X 的分布函数为 F(x)，则样本X1,X2, …,Xn的 联合分布函数为
n
∏ F (x )
i i =1
例1.若X1,X2, …,Xn是来自总体X的样本，设 X的分布函数为 F(x)，则样本 X1,X2, …,Xn的联合分布函数为
⎧ n − λ xi (1 − e ), xi > 0(i = 1, 2,⋯ , n) ⎪∏ F ( x1 , x2 ,⋯ , xn ) = ⎨ i =1 ⎪ 0 , 其他 ⎩
1/8， 25 ≤ x<27 2/8， 27 ≤ x<30 3/8， 30 ≤ x<33 Fn(x)= 5/8， 33 ≤ x<35 6/8， 35 ≤ x<45 7/8， 45 ≤ x<65 1， 65 ≤ x
�总体与样本
基本概念: 总体：研究的问题所涉及的对象的全体 个体：总体中的每个成员 样本：从总体中抽取部分个体 样本容量：样本所包含的个体数量 样本观测值：
数的属性 样本的二重性 随机变量的属性
设X1,X2, …,Xn为总体X的一个容量为 n的 样本。若它满足 独立性，即X1,X2, …,Xn 相互独立； 同分布性，即每个 Xi都与总体X服从相 同的分布. 则称这样的样本为简单随机样本，简称为 样本。
�统计量
设是总体X的样本，g(X1,X2, …,Xn)是样本 的实值函数，且不包含任何未知参数，则 称g(X1,X2, …,Xn)为统计量。
例2.若X1,X2, X3是来自总体X~N(μ, σ 2)的 其中参数μ未知， σ2已知，则
X 1 X 3 − 3µ , X12 + 4 X 22 + 5µ 都不是统计量
�定理
若X1,X2, …,Xn是来自总体X的样本，设X 的分布函数为 F(x)，则样本X1,X2, …,Xn的 联合分布函数为
n
∏ F (x )
i i =1
例1.若X1,X2, …,Xn是来自总体X的样本，设 X的分布函数为 F(x)，则样本 X1,X2, …,Xn的联合分布函数为
⎧ n − λ xi (1 − e ), xi > 0(i = 1, 2,⋯ , n) ⎪∏ F ( x1 , x2 ,⋯ , xn ) = ⎨ i =1 ⎪ 0 , 其他 ⎩
1/8， 25 ≤ x<27 2/8， 27 ≤ x<30 3/8， 30 ≤ x<33 Fn(x)= 5/8， 33 ≤ x<35 6/8， 35 ≤ x<45 7/8， 45 ≤ x<65 1， 65 ≤ x
第六章 数理统计的基本概念pdf_(一)基本要求
分别为总体的样本均值和样本方差分别为总体的样本均值和样本方差独立同服从分布由分布的性质知为来自x的简单随机样本x是样本均值为总体x的样本为总体y的样本的样本均值分别表示总体证明由抽样分布的知识可得11独立又两个总体相互独立
.第六章 数理统计基本概念
一、基本要求、重点与难点
（一）基本要求
1．理解总体、个体、简单随机样本和统计量的概念。掌握样本均值和样本 方差的计算。
（2）设 X ~ χ 2 (n) ，则 E(X)=n，D(X)=2n .
若 X ~ χ 2 (n) ，对于α (0 < α < 1) ，称满足 P( X > χα2 (n)) = α的点χα2 (n) 为 χ 2 (n) 分布的
上侧α 分位点。当 n>45 时，R.A.Fisher 证明了下面的近似公式
( ) χα2
(n)
≈
1 2
uα +
2
2n −1 ,
其中 uα 为标准正态分布的上侧α 分位点。
2、 自由度为 n 的 t 分布：
定义设 X1, X2 独立，X1～N(0,1)， X2～ χ 2 (n) ，则称
T (n) = X1 X 2 n
的分布是自由度为 n 的 t 分布,简记为 t(n) ，亦称为学生（student）分布。这种分布是英国人 w.s.Gosset 在 1908 年以笔名”student”发表的，它是数理统计中最重要的分布之一。 命题 设 T(n)是自由度为 n 的 t 分布，则它的概率密度函数为：
2．会列出分组数据统计表。 3．了解X2-分布、t-分布和F-分布的定义及性质。了解分位数的概念并会查
表计算。 4．掌握正态总体的抽样分布规律。
（二）重点
1．样本均值和样本方差的计算。 2．分组数据统计表。 3．正态总体的抽样分布规律。
.第六章 数理统计基本概念
一、基本要求、重点与难点
（一）基本要求
1．理解总体、个体、简单随机样本和统计量的概念。掌握样本均值和样本 方差的计算。
（2）设 X ~ χ 2 (n) ，则 E(X)=n，D(X)=2n .
若 X ~ χ 2 (n) ，对于α (0 < α < 1) ，称满足 P( X > χα2 (n)) = α的点χα2 (n) 为 χ 2 (n) 分布的
上侧α 分位点。当 n>45 时，R.A.Fisher 证明了下面的近似公式
( ) χα2
(n)
≈
1 2
uα +
2
2n −1 ,
其中 uα 为标准正态分布的上侧α 分位点。
2、 自由度为 n 的 t 分布：
定义设 X1, X2 独立，X1～N(0,1)， X2～ χ 2 (n) ，则称
T (n) = X1 X 2 n
的分布是自由度为 n 的 t 分布,简记为 t(n) ，亦称为学生（student）分布。这种分布是英国人 w.s.Gosset 在 1908 年以笔名”student”发表的，它是数理统计中最重要的分布之一。 命题 设 T(n)是自由度为 n 的 t 分布，则它的概率密度函数为：
2．会列出分组数据统计表。 3．了解X2-分布、t-分布和F-分布的定义及性质。了解分位数的概念并会查
表计算。 4．掌握正态总体的抽样分布规律。
（二）重点
1．样本均值和样本方差的计算。 2．分组数据统计表。 3．正态总体的抽样分布规律。
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
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)。
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 .
首页
上页
返回
下页
结束
第6章
§6.1-6.2
第1页
绪言： 概率论与数理统计的关系 概率论是数理统计的理论基础；数理统计是概率论的应用. 数理统计概论 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． 数理统计是在（总体）Ｘ分布未已知（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．
第6页 第 章 §6.1-6.2 2.6简单随机抽样：要求抽取的样本满足下面两点
1. 代表性: X1,X2,…,Xn中每一个与总体X有相同的分布. 2. 独立性: X1,X2,…,Xn是相互独立的随机变量. 简单随机抽样即为随机地独立地抽取，如：有放 回抽样；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. （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）. 若总体的分布函数为F(x),则简单样本的联合分布函数为
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 个个体具有的数量指标的全体就是总体. 某批 灯泡的寿命
首页 上页
该批灯泡寿命的 全体就是总体
返回 下页 结束
第6章
§6.1-6.2
第4页
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” 样本： 从总体X中按一定的规则抽出的个体的全部称 为样本，用 X1，X2，…，Xn 表示。 样本容量：样本中所含个体的个数称为样本容量， 用 n 表示。 根据 n 的大小样本有大样本、小样本之分。 从国产轿车中抽5辆 进行耗油量试验
2 某厂生产玻璃板，以每块玻璃上的泡疵点点个数为 数量指标，已知它服从均值为的泊松分布，从产品 中抽一个容量为n的样本X 1 , X 2 , X n ,求样本的分布. n n k
P ( X 1 k1 , X 2 k2 , X n kn ) P ( X i ki )
第6章 数理统计的基本概念
首页
上页
返回
下页
计研究方法流程图：
总体Ｘ
统计量
采集数据 抽样 对统计量分析
样本
进行加工
对总体Ｘ作 出推断
数理统计以概率论为基础，研究如何搜集资料， 并对统计资料进行整理和分析，对整体的某些性质作 出推断． 数理统计内容丰富，应用广泛．本书介绍了数理 统计初步知识： 参数估计；假设检验 ；[方差分析；回归分析].
用于估计总体分布的方差 . 式中的n－1称为S2的自 由度(式中含有独立变量的个数)，S称为样本标准差.
3.样本矩：
1 n k K阶原点矩： Ak X i （k 1, 2,） n i 1 1 n K阶中心矩： Bk ( X i X )k (k 1, 2, ) n i 1
首页
F(x1) F(x2) … F(xn)
上页 返回
下页
结束
第6章
§6.1-6.2
第7页
1 从某班级数学期末考试成绩中，随机抽取10名同学 的成绩分别为： 100,85,70,65,90,95,63,50,77,86 试写出总体，样本，样本值，样本容量
总体：该班级所有同学的数学期末考试成绩X
样本 : ( X 1 , X 2 , X 10 ) 样本值： ( x1 , x2 , x10 ) (100,85,70,65,90,95,63, 样本容量： 10 50,77,86)
i 1 n
xi n e i 1 f ( xi ) 0
n
xi 0 其它
结束
首页
上页
返回
下页
第6章
§6.1-6.2
第9页
6.1.2 统计量与抽样分布
当人们需要从样本获得对总体各种参数的认识 时，最好的方法是构造样本的函数，不同的函 数反映总体的不同特征。 定义6.1.3 设X1, X2, „, Xn为取自某总体的 样本，若样本函数g(X1, X2, „, Xn)中不含有 任何未知参数。则称g为统计量. 设x1, x2, „, xn为X1, X2, „, Xn的样本观察值， g(x1, x2, „, xn)是统计量g(X1, X2, „, Xn) 的观察值.
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 .
首页
上页
返回
下页
结束
第6章
§6.1-6.2
第1页
绪言： 概率论与数理统计的关系 概率论是数理统计的理论基础；数理统计是概率论的应用. 数理统计概论 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． 数理统计是在（总体）Ｘ分布未已知（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．
第6页 第 章 §6.1-6.2 2.6简单随机抽样：要求抽取的样本满足下面两点
1. 代表性: X1,X2,…,Xn中每一个与总体X有相同的分布. 2. 独立性: X1,X2,…,Xn是相互独立的随机变量. 简单随机抽样即为随机地独立地抽取，如：有放 回抽样；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. （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）. 若总体的分布函数为F(x),则简单样本的联合分布函数为
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 个个体具有的数量指标的全体就是总体. 某批 灯泡的寿命
首页 上页
该批灯泡寿命的 全体就是总体
返回 下页 结束
第6章
§6.1-6.2
第4页
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” 样本： 从总体X中按一定的规则抽出的个体的全部称 为样本，用 X1，X2，…，Xn 表示。 样本容量：样本中所含个体的个数称为样本容量， 用 n 表示。 根据 n 的大小样本有大样本、小样本之分。 从国产轿车中抽5辆 进行耗油量试验
2 某厂生产玻璃板，以每块玻璃上的泡疵点点个数为 数量指标，已知它服从均值为的泊松分布，从产品 中抽一个容量为n的样本X 1 , X 2 , X n ,求样本的分布. n n k
P ( X 1 k1 , X 2 k2 , X n kn ) P ( X i ki )
第6章 数理统计的基本概念
首页
上页
返回
下页
计研究方法流程图：
总体Ｘ
统计量
采集数据 抽样 对统计量分析
样本
进行加工
对总体Ｘ作 出推断
数理统计以概率论为基础，研究如何搜集资料， 并对统计资料进行整理和分析，对整体的某些性质作 出推断． 数理统计内容丰富，应用广泛．本书介绍了数理 统计初步知识： 参数估计；假设检验 ；[方差分析；回归分析].
用于估计总体分布的方差 . 式中的n－1称为S2的自 由度(式中含有独立变量的个数)，S称为样本标准差.
3.样本矩：
1 n k K阶原点矩： Ak X i （k 1, 2,） n i 1 1 n K阶中心矩： Bk ( X i X )k (k 1, 2, ) n i 1
首页
F(x1) F(x2) … F(xn)
上页 返回
下页
结束
第6章
§6.1-6.2
第7页
1 从某班级数学期末考试成绩中，随机抽取10名同学 的成绩分别为： 100,85,70,65,90,95,63,50,77,86 试写出总体，样本，样本值，样本容量
总体：该班级所有同学的数学期末考试成绩X
样本 : ( X 1 , X 2 , X 10 ) 样本值： ( x1 , x2 , x10 ) (100,85,70,65,90,95,63, 样本容量： 10 50,77,86)
i 1 n
xi n e i 1 f ( xi ) 0
n
xi 0 其它
结束
首页
上页
返回
下页
第6章
§6.1-6.2
第9页
6.1.2 统计量与抽样分布
当人们需要从样本获得对总体各种参数的认识 时，最好的方法是构造样本的函数，不同的函 数反映总体的不同特征。 定义6.1.3 设X1, X2, „, Xn为取自某总体的 样本，若样本函数g(X1, X2, „, Xn)中不含有 任何未知参数。则称g为统计量. 设x1, x2, „, xn为X1, X2, „, Xn的样本观察值， g(x1, x2, „, xn)是统计量g(X1, X2, „, Xn) 的观察值.