概率论与数理统计第五章最新版本
概率论与数理统计(修订版)复旦大学出版第五章答案
习题五1.一颗骰子连续掷4次，点数总和记为X .估计P {10<X <18}. 【解】设i X 表每次掷的点数，则41ii X X==∑22222221111117()123456,666666211111191()123456,6666666i i E X E X =⨯+⨯+⨯+⨯+⨯+⨯==⨯+⨯+⨯+⨯+⨯+⨯=从而 22291735()()[()].6212i ii D X E X E X ⎛⎫=-=-= ⎪⎝⎭又X 1,X 2,X 3,X 4独立同分布.从而44117()()()414,2i ii i E X E X E X =====⨯=∑∑ 44113535()()()4.123i i i i D X D X D X =====⨯=∑∑ 所以 235/3{1018}{|14|4}10.271,4P X P X <<=-<≥-≈ 2. 假设一条生产线生产的产品合格率是0.8.要使一批产品的合格率达到在76%与84%之间的概率不小于90%，问这批产品至少要生产多少件？【解】令1,,0,i i X ⎧⎨⎩若第个产品是合格品其他情形.而至少要生产n 件，则i =1,2,…,n ,且X 1，X 2，…，X n 独立同分布，p =P {X i =1}=0.8. 现要求n ,使得1{0.760.84}0.9.nii XP n=≤≤≥∑即0.80.9ni X n P -≤≤≥∑由中心极限定理得0.9,Φ-Φ≥整理得0.95,Φ≥⎝⎭查表 1.64,10≥ n ≥268.96, 故取n =269.3. 某车间有同型号机床200部，每部机床开动的概率为0.7，假定各机床开动与否互不影响，开动时每部机床消耗电能15个单位.问至少供应多少单位电能才可以95%的概率保证不致因供电不足而影响生产.【解】要确定最低的供应的电能量，应先确定此车间同时开动的机床数目最大值m ，而m要满足200部机床中同时开动的机床数目不超过m 的概率为95%,于是我们只要供应15m 单位电能就可满足要求.令X 表同时开动机床数目，则X ~B （200，0.7）,()140,()42,E X D X ==0.95{0}().P X m P X m =≤≤=≤=Φ查表知1.64,= ,m =151. 所以供电能151×15=2265（单位）.4. 一加法器同时收到20个噪声电压V k （k =1，2，…，20），设它们是相互独立的随机变量，且都在区间（0，10）上服从均匀分布.记V =∑=201k kV，求P {V ＞105}的近似值.【解】易知:E (V k )=5,D (V k )=10012,k =1,2,…,20 由中心极限定理知，随机变量20205~(0,1).kVZ N -⨯==∑近似的于是105205{105}10P V P ⎧⎫⎪⎪-⨯⎪>=>1000.3871(0.387)0.348,V P ⎧⎫⎪⎪-⎪⎪=>≈-Φ=⎨⎬⎪⎪⎭即有 P {V >105}≈0.3485. 有一批建筑房屋用的木柱，其中80%的长度不小于3m.现从这批木柱中随机地取出100根，问其中至少有30根短于3m 的概率是多少？【解】设100根中有X 根短于3m ，则X ~B （100，0.2）从而{30}1{30}1P X P X ≥=-<≈-Φ1(2.5)10.99380.0062.=-Φ=-=6. 某药厂断言，该厂生产的某种药品对于医治一种疑难的血液病的治愈率为0.8.医院检验员任意抽查100个服用此药品的病人，如果其中多于75人治愈，就接受这一断言，否则就拒绝这一断言.（1） 若实际上此药品对这种疾病的治愈率是0.8，问接受这一断言的概率是多少？ （2） 若实际上此药品对这种疾病的治愈率是0.7，问接受这一断言的概率是多少？【解】1,,1,2,,100.0,.i i X i ⎧==⎨⎩ 第人治愈其他令1001.ii X X ==∑(1) X ~B (100,0.8)，1001{75}1{75}1i i P X P X =>=-≤≈-Φ∑ 1( 1.25)(1.25)0.8944.=-Φ-=Φ=(2) X ~B (100,0.7)，1001{75}1{75}1i i P X P X =>=-≤≈-Φ∑11(1.09)0.1379.=-Φ=-Φ= 7. 用Laplace 中心极限定理近似计算从一批废品率为0.05的产品中，任取1000件，其中有20件废品的概率.【解】令1000件中废品数X ，则p =0.05,n =1000,X ~B (1000,0.05)，E (X )=50，D (X )=47.5.故130{20} 6.895 6.895P X ϕ⎛⎫===- ⎪⎝⎭6130 4.510.6.895 6.895ϕ-⎛⎫==⨯ ⎪⎝⎭8. 设有30个电子器件.它们的使用寿命T 1，…，T 30服从参数λ=0.1[单位：（小时）-1]的指数分布，其使用情况是第一个损坏第二个立即使用，以此类推.令T 为30个器件使用的总计时间，求T 超过350小时的概率. 【解】11()10,0.1i E T λ=== 21()100,i D T λ== ()1030300,E T =⨯= ()3000.D T = 故{350}111(0.913)0.1814.P T >≈-Φ=-Φ=-Φ=9. 上题中的电子器件若每件为a 元，那么在年计划中一年至少需多少元才能以95%的概率保证够用（假定一年有306个工作日，每个工作日为8小时）. 【解】设至少需n 件才够用.则E (T i )=10，D (T i )=100，E (T )=10n ，D (T )=100n .从而1{3068}0.95,ni i P T =≥⨯=∑即0.05.≈Φ故0.95,1.64272.n =Φ=≈所以需272a 元.10. 对于一个学生而言，来参加家长会的家长人数是一个随机变量，设一个学生无家长、1名家长、2名家长来参加会议的概率分别为0.05,0.8,0.15.若学校共有400名学生，设各学生参加会议的家长数相与独立，且服从同一分布. （1） 求参加会议的家长数X 超过450的概率？（2） 求有1名家长来参加会议的学生数不多于340的概率. 【解】（1） 以X的分布律为易知E （X i=1.1）,D (X i )=0.19,i =1,2,…,400. 而400iiX X=∑,由中心极限定理得400400 1.1~(0,1).iXN -⨯=∑近似地于是{450}1{450}1P X P X >=-≤≈-Φ1(1.147)0.13=-Φ= (2) 以Y 记有一名家长来参加会议的学生数.则Y ~B (400,0.8) 由拉普拉斯中心极限定理得{340(2.5)0.9938.P Y ≤≈Φ=Φ=11. 设男孩出生率为0.515，求在10000个新生婴儿中女孩不少于男孩的概率？【解】用X 表10000个婴儿中男孩的个数，则X ~B （10000，0.515） 要求女孩个数不少于男孩个数的概率，即求P {X ≤5000}. 由中心极限定理有{5000}(3)1(3)0.00135.P X ≤≈Φ=Φ-=-Φ=12. 设有1000个人独立行动，每个人能够按时进入掩蔽体的概率为0.9.以95%概率估计，在一次行动中：（1）至少有多少个人能够进入？ （2）至多有多少人能够进入？【解】用X i 表第i 个人能够按时进入掩蔽体（i =1,2,…,1000）.令 S n =X 1+X 2+…+X 1000.(1) 设至少有m 人能够进入掩蔽体，要求P {m ≤S n ≤1000}≥0.95，事件{}.n m S ≤=≤ 由中心极限定理知：{}1{}10.95.n n P m S P S m ≤=-<≈-Φ≥从而 0.05,Φ≤ 故1.65,=- 所以 m =900-15.65=884.35≈884人 (2) 设至多有M 人能进入掩蔽体，要求P {0≤S n ≤M }≥0.95.{}0.95.n P S M ≤≈Φ=M =900+15.65=915.65≈916人. 13. 在一定保险公司里有10000人参加保险，每人每年付12元保险费，在一年内一个人死亡的概率为0.006,死亡者其家属可向保险公司领得1000元赔偿费.求： （1） 保险公司没有利润的概率为多大；（2） 保险公司一年的利润不少于60000元的概率为多大？【解】设X 为在一年中参加保险者的死亡人数，则X ~B （10000，0.006）.(1) 公司没有利润当且仅当“1000X =10000×12”即“X =120”. 于是所求概率为{120}P X =≈21230.18110.0517e 0--===⨯≈(2) 因为“公司利润≥60000”当且仅当“0≤X ≤60” 于是所求概率为{060}P X ≤≤≈Φ-Φ(0)0.5.⎛=Φ-Φ≈ ⎝ 14. 设随机变量X 和Y 的数学期望都是2，方差分别为1和4，而相关系数为0.5试根据契比雪夫不等式给出P {|X -Y |≥6}的估计. （2001研考） 【解】令Z =X -Y ，有()0,()()()()2 3.E Z D Z D X Y D X D Y ρ==-=+-=所以2()31{|()|6}{||6}.63612D X Y P ZE Z P X Y --≥=-≥≤== 15. 某保险公司多年统计资料表明，在索赔户中，被盗索赔户占20%，以X 表示在随机抽查的100个索赔户中，因被盗向保险公司索赔的户数. （1） 写出X 的概率分布；（2） 利用中心极限定理，求被盗索赔户不少于14户且不多于30户的概率近似值.（1988研考）【解】（1） X 可看作100次重复独立试验中，被盗户数出现的次数，而在每次试验中被盗户出现的概率是0.2，因此，X ~B (100,0.2)，故X 的概率分布是100100{}C 0.20.8,1,2,,100.kk k P X k k -===(2) 被盗索赔户不少于14户且不多于30户的概率即为事件{14≤X≤30}的概率.由中心极限定理，得{1430}P X ≤≤≈Φ-Φ(2.5)( 1.5)0.994[9.33]0.927.=Φ-Φ-=--=16. 一生产线生产的产品成箱包装，每箱的重量是随机的.假设每箱平均重50千克，标准差为5千克，若用最大载重量为5吨的汽车承运，试利用中心极限定理说明每辆车最多可以装多少箱，才能保障不超载的概率大于0.977.【解】设X i （i =1,2,…,n ）是装运i 箱的重量（单位：千克），n 为所求的箱数，由条件知，可把X 1，X 2，…，X n 视为独立同分布的随机变量，而n 箱的总重量T n =X 1+X 2+…+X n 是独立同分布随机变量之和，由条件知：()50,i E X = 5,=()50,n E T n = .= 依中心极限定理，当n ~(0,1)N 近似地,故箱数n 取决于条件{5000}n P T P ≤=≤0.977(2).≈Φ>=Φ 2>解出n <98.0199, 即最多可装98箱.。
概率论与数理统计 第五章
Xn ⎯ ⎯→ X 2. 依概率收敛与依分布收敛的关系
依概率收敛 ⇒ 依分布收敛
L
3. 定义：中心极限定理 设随机变量 X ~ N(0,1)，{Xi }，i = 1, 2, … 相互独 立，且数学期望和方差都存在, 若标准化随机变量序列
∑
n
i =1
Xi −
∑ E(X
i =1
n
i
)
∑
n
i =1
D(X i)
所以结论成立。 由此有，若X ~ B( n, p )，对于足够大的n，有 ⎧ m1 − np X − np m2 − np ⎫ ⎪ ⎪ < ≤ P{m1 < X ≤ m2 }= P ⎨ ⎬ np(1 − p) np(1 − p) ⎪ ⎪ np(1 − p) ⎩ ⎭
⎧ Yn − np ⎫ ⎪ ⎪ ≤ x ⎬ = Φ( x ) lim P ⎨ n →∞ ⎪ np(1 − p ) ⎪ ⎩ ⎭
证明：对于任意正整数n，随机变量Yn 可表示为 证明：对于任意正整数n Yn = X1＋ X2＋…＋ Xn X1, X2,…, Xn 相互独立，Xi ~ B( 1, p )，且有 E( Xi ) = p , D( Xi ) = p(1-p) 所以随机变量序列{ Xi }, i =1,2,…满足独立同分布 中心极限定理条件。即有
切比雪夫不等式的应用 1）估计随机变量落在某个区间内的概率 (P125例5.5.2) 2）估计ε的值, 使 P(│X - E(X)│<ε) ≥ a (0<a<1) 3）证明大数定律。
二. 大数定律 定义： 依概率收敛 设{Xn}是一个随机变量序列，X 是一个随机变量 或常数，若对于任意的ε＞ 0，有 lim P{| X n − X |≥ ε } = 0
概率论与数理统计(第三版)-第5章
第五章《参数估计与假设检验》
参数估计的基本思想 数理统计的主要任务之一是依据样本推断总体.推断的基本内容包括两个方面 推断的基本内容包括两个方面:一是依据 数理统计的主要任务之一是依据样本推断总体 推断的基本内容包括两个方面 一是依据 样本寻找总体未知参数的近似值和近似范围;二是依据样本对总体未知参数的某种假设 样本寻找总体未知参数的近似值和近似范围 二是依据样本对总体未知参数的某种假设 作出真伪判断.本章先介绍求近似值和近似范围的方法 本章先介绍求近似值和近似范围的方法. 作出真伪判断 本章先介绍求近似值和近似范围的方法 点估计用某一数值作为参数的近似值 区间估计在要求的精度范围内指出参数所在的区间 §5.1 点估计概述
i =1 n
5— 3
《概率论与数理统计》
第五章《参数估计与假设检验》
设x1 , ⋯ , xn是相应X 1 , ⋯ , X n的一个样本值，则随 机点( X 1 ,⋯ , X n )落在( x1 , ⋯ , xn )的邻域（边长分别为 dx1 , ⋯ , dxn的n维立方体）内的概率近似为：
∏ f ( x ;θ )dx
例 2.总体服从参数为λ的普阿松分布， x1 , x2 ,⋯ , xn 样本观测值，求参数λ的最大似然估计.
解：X 的分布律为： P{ X = k} = L (λ ) = ∏
i =1 n
λk
k!
i
e− λ , k = 0,1⋯
−λ
λx
xi !
e
=
λ x + x +⋯x
1 2
n
x1 ! x2 !⋯ xn !
D X = D(
1 n
∑X
n
i
)=
《概率论与数理统计》课件 概率学与数理统计 第五章
时，
n
n
X k =BnZn + k
k 1
k 1
n
近似地服从正态分布 N( k，Bn2) 。这说明无论随机变量 Xk (k
i 1
n
=1, 2,…)具有怎样的分布，只要满足定理条件，那么它们的和Xk
k 1
当n很大时就近似地服从正态分布。而在许多实际问题中，所
考虑的随机变量往往可以表示为多个独立的随机变量之和，因
实测值的算术平均值
时,取
作为 a 1 n
n i1 X i
1 n
n i 1
Xi
，根据此定理，当
n
足够大
的近似值，可以认为所发生的误差是
很小的，所以实用上往往用某物体的某一指标值的一系列
实测值的算术平均值来作为该指标值的近似值。
第二节 中心极限定理
在第二章，我们说只要某个随机变量受到许多相互独立 的随机因素的影响，而每个个别因素的影响都不能起决定性 的作用，那么就可以断定这个随机变量服从或近似服从正态 分布。这个结论的理论依据就是所谓的中心极限定理。概率 论中有关论证独立随机变量的和的极限分布是正态分布的一 系列定理称为中心极限定理( Central limit theorem) 。下面介 绍几个常用的中心极限定理.
P{X 102} P{ X 100 102 100} 1 P{X 100 2}
1
1
1 (2) 1 0.977250 0.022750.
例
对敌人的防御地进行100次轰炸，每次轰炸命中目标的炸弹数目是 一个随机变量,其期望值是2，方差是。求在100次轰炸中有180颗到 220颗炸弹命中目标的概率。 解 令第 i 次轰炸命中目标的炸弹数为 Xi ，100次轰炸中命中目
第五章 大数定律与中心极限定理 《概率论》PPT课件
概率论与数理统计
§5.2 中心极限定理
2）中 心极限 定理表明，若 随 机 变 量 序 列
X 1 , X 2 , , X n 独立同分布，且它们的数学期
望及方差存在，则当n充分大时，其和的分布,
n
即 X k 都近似服从正态分布. (注意:不一定是 k 1
标准正态分布）
3）中心定理还表明：无论每一个随机变量 X k ,
概率论与数理统计
§5.1 大数定律
定理1（Chebyshev切比雪夫大数定律）
假设{ Xn}是两两不相关的随机
变量序列，EXn , DXn , n 1,2, 存在，
其方差一致有界，即 D(Xi) ≤L，
i=1,2, …， 则对任意的ε>0，
lim P{|
n
1 n
n i1
Xi
1 n
n i1
E(Xi ) | } 1.
概率论与数理统计
§5.2 中心极限定理
现在我们就来研究独立随机变量之和所 特有的规律性问题.
在概率论中，习惯于把和的分布 收敛于正态分布这一类定理都叫做中心 极限定理.
下面给出的独立同分布随机变量序 列的中心极限定理, 也称列维——林德 伯格（Levy－Lindberg）定理.
概率论与数理统计
§5.2 中心极限定理
大量的随机现象平均结果的稳定性
大量抛掷硬币 正面出现频率
生产过程中的 字母使用频率 废品率
概率论与数理统计
§5.1 大数定律
一、大数定律
阐明大量的随机现象平均结果的稳定性的一系
列定理统称为大数定律。
定义1 如果对于任意 0, 当n趋向无穷时，事件
" Xn X " 的概率收敛到1，即
概率论与数理统计 第五章
∑ X − ∑µ
k =1 k =1
k
Bn
≤ x} = ∫
ቤተ መጻሕፍቲ ባይዱ
x
1 2π
−∞
e
t2 − 2
dt＝Φ(x).
说明: 说明
在定理条件下, r.v. Zn =
∑ X − ∑µ
k =1 k k =1
n
n
k
Bn
当 n很 大
时, 近似地服从正态分布N(0, 1),由此当n很大时,
∑X
k =1 n
n
t2 2
（本定理 可以由独立同分布 的中心极限定理证 明）
说明: 说明 本定理不难看出 :若ηn
~ b(n,p), 有
t2 2
b ηn − np 1 lim P a < e dt = Φ(b) − Φ(a), ≤ b = ∫ a n →∞ npq 2π 因 而 当 n较 大 时 , 我 们 可 以 用 正 态 分 布 近 似 计 算 二 项 分布 的 概率 。
2. 切比雪夫大数定律: 设X1 , X 2 , L Xn , L 是由两两互 不相关的随机变量所构成的序列, 每一个随机变量都 有有限的方差, 并且它们有公共的上界 , D(X1 ) ≤ C, D(X 2 ) ≤ C, L , D(Xn ) ≤ C, L 则对∀ε > 0, 都有 1 n 1 n lim P ∑ Xk − ∑ E(Xk ) < ε = 1. n →∞ n k =1 n k =1
k
2 , k = 0,1, L ,90000. 3 ≤ 30500}
90000-k
显然直接计算十分麻烦, 我们利用德莫佛-拉普拉斯定理 来求它的近 似 值 即有P{29500 < X ≤ 30500} 29500-np = P < np(1-p ) 30500-np ≤ np(1-p ) np(1-p ) X-np
概率论与数理统计----第五章大数定律及中心极限定理
= 1 − Φ(3.54)
=0.0002
一箱味精净重大于20500的概率为 的概率为0.0002. 一箱味精净重大于 的概率为
推论:
特别，若X～Ｂ（n，p）,则当n充分大时， 特别， ～Ｂ（n 则当n充分大时，
Ｘ～Ｎ（np，npq） Ｘ～Ｎ（np，npq） np
若随机变量Ｘ～Ｂ（ Ｘ～Ｂ（n， ），则对任意实数x有 ），则对任意实数 即 若随机变量Ｘ～Ｂ（ ，p），则对任意实数 有
不等式证明 P{-1<X<2n+1}≥(2n+1)/(n+1)(n+1)
3. 设P{|X-E(X)|<ε}不小于 不小于0.9,D(X)=0.009.则用 不小于 则用
切比绍夫不等式估计ε的 最小值是( 切比绍夫不等式估计 的 最小值是
0.3 ).
4.(894) 设随机变量 的数学期望为 设随机变量X的数学期望为 的数学期望为µ, 标准差为σ,则由切比绍夫不等式 标准差为 则由切比绍夫不等式 P{|X-µ|≥3σ}≤( ). 1/9 5. 设随机变量X的分布律为 设随机变量 的分布律为 P{X=0.3}=0.2, P{X=0.6}=0.8, 用切比绍夫不等式估计 |X-E(X)|<0.2的概率 的概率. 的概率
1 n lim P ∑ Xi − µ < ε = 1 n→∞ n i =1
定理（贝努里利大数定律） 设每次实验中事件A发生的概率 定理（贝努里利大数定律） 设每次实验中事件A 为p，n次重复独立实验中事件A发生的次数为nA，则对任 次重复独立实验中事件A发生的次数为n 意的ε>0 意的ε>0 ，事件的频率 nA ，有 ε>
∫
+∞
−∞
概率论数理统计基础知识第五章
C
]
（A）Y ~ 2 (n). （B）Y ~ 2 (n 1). （C）Y ~ F (n,1). （D）Y ~ F (1, n).
【例】设 随机变量X和Y都服从标准正态分布，则[ C ]
（A）X+Y服从正态分布.
2 2 2
（B）X2 +Y2服从 2分布. Y
2
2 X （C）X 和Y 都服从 分布. （D）
(X ) ~ t ( n 1) S n
客、考点 10，正态总体的抽样分布
33/33
34/33
35/33
【例】设总体 X ~ N (0,1)，X 1 , X 2 , X1 X 2
2 2 X3 X4
, X n 是简单随机
2 X i. i 4 n
样本 , 试问下列统计量服从什么分布？ （1 ） ; （2 ） n 1X1
记：F分布是两个卡方分布的商
2. F 分布的上侧分位数
设 F ~ F (k1 , k2 ) ，对于给定的 a (0,1) ，称满足条件
P{F Fa (k1 , k2 )}
Fa ( k1 ,k2 )
f F ( x)dx a
的数 Fa (k1 , k2 ) 为F 分布的上侧a 分位数。
服从F分布.
§5.5 正态总体统计量的分布
一、单个正态总体情形 总体
X ~ N ( , 2 ) ，样本 X1 , X 2 , , Xn ，
1 n 样本均值 X X i n i 1
n 1 2 样本方差 S 2 ( X X ) i n 1 i 1
1. 定理1 若设总体X~N(μ,σ2), 则统计量
有一约束条件
(X
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)。
175
178 166 181 162
161
168 166 162 172
156
170 157 162 154
4/29/2020
华东师范大学
第五章 统计量及其分布
第25页
对这20个数据(样本)进行整理,具体步骤如下:
(1) 对样本进行分组：作为一般性的原则，组数通 常在5~20个，对容量较小的样本;
(2) 确定每组组距：近似公式为 组距d = (最大观测值 最小观测值)/组数;
(3) 确定每组组限： 各组区间端点为
a0, a1=a0+d, a2=a0+2d, …, ak=a0+kd, 形成如下的分组区间
(a0 , a1] , (a1, a2], …, (ak-1 , ak]
其中a0 略小于最小观测值, ak 略大于最大观测值.
思考：
若总体的密度函数为p(x)，则其样本的（联 合）密度函数是什么？
4/29/2020
华东师范大学
第五章 统计量及其分布
第19页
§5.2 样本数据的整理与显示
5.2.1 经验分布函数
设 x1, x2, …, xn 是取自总体分布函数为F(x)的样 本，若将样本观测值由小到大进行排列,为 x(1), x(2), …, x(n)，则称 x(1), x(2), …, x(n) 为有序样本，
3 (167，177] 172 5 0.25 85
4 (177，187] 182 2 0.10
95
5 (187，197] 192 1 0.05
100
合计
20 1
4/29/2020
华东师范大学
第五章 统计量及其分布
第27页
5.2.3 样本数据的图形显示
一、直方图
直方图是频数分布的图形表示，它的横坐标表 示所关心变量的取值区间，纵坐标有三种表示方 法：频数，频率，最准确的是频率/组距，它可 使得诸长条矩形面积和为1。凡此三种直方图的 差别仅在于纵轴刻度的选择，直方图本身并无 变化。
4/29/2020
华东师范大学
第五章 统计量及其分布
第14页
样本的要求：简单随机样本
要使得推断可靠，对样本就有要求，使样本能很 好地代表总体。通常有如下两个要求：
➢ 随机性: 总体中每一个个体都有同等机会
被选入样本 -- xi 与总体X有相同的分布。
➢ 独立性: 样本中每一样品的取值不影响其
它样品的取值 -- x1, x2, …, xn 相互独立。
华东师范大学
第五章 统计量及其分布
第29页
例5.2.3 某公司对应聘人员进行能力测试，测试 成绩总分为 150分。下面是50位应聘人员的测 试成绩（已经过排序）：
64 67 70 72 74 76 76 79 80 81 82 82 83 85 86 88 91 91 92 93 93 93 95 95 95 97 97 99 100 100 102 104 106 106 107 108 108 112 112 114 116 118 119 119 122 123 125 126 128 133
4/29/2020
华东师范大学
第五章 统计量及其分布
第9页
表5.1.1 各等级彩电的比例(%) 等级 I II III IV
美产 33.3 33.3 33.3 0
日产 68.3 27.1 4.3 0.3
4/29/2020
华东师范大学
第五章 统计量及其分布
第10页
5.1.2 样本
样品、样本、样本量: 样本具有两重性
品，如果第一次抽到不合格品，则
P(x2 = 1 | x1 = 1) = (Np1)/(N1) 而若第一次抽到的是合格品，则第二次抽到不合 格品的概率为
P(x2 = 1 | x1 = 0) = (Np)(N1)
4/29/2020
华东师范大学
第五章 统计量及其分布
第18页
显然，如此得到的样本不是简单随机样本。 但是，当N 很大时，我们可以看到上述两种 情形的概率都近似等于p 。所以当N 很大，而 n不大（一个经验法则是 n N 0.1）时可以 把该样本近似地看成简单随机样本。
第13页
表5.1.2 100只元件的寿命数据
寿命范围 ( 0 24] (24 48] (48 72] (72 96] (96 120] (120 144] (144 168] (168 192]
元件数 4 8 6 5 3 4 5 4
寿命范围 (192 216] (216 240] (240 264] (264 288] (288 312] (312 336] (336 360] (360 184]
用有序样本定义如下函数
0, Fn(x) k/n, 1,
x<x(1) x(k)xx(k1), x(n)x
k1,2,...,n1
4/29/2020
华东师范大学
第五章 统计量及其分布
第20页
则Fn(x)是一非减右连续函数，且满足 Fn() = 0 和 Fn() = 1
由此可见，Fn(x)是一个分布函数， 并称Fn(x)为经验分布函数。
4/29/2020
华东师范大学
第五章 统计量及其分布
第24页
5.2.2 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5.2.2 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
160
196 164 148 170
这是一个容量为10的样本的观测值， 对应的总体为该厂生产的瓶装啤酒的净含量。
这样的样本称为完全样本。
4/29/2020
华东师范大学
第五章 统计量及其分布
第12页
例5.1.4 考察某厂生产的某种电子元件的 寿命，选了100只进行寿命试验，得到 如下数据：
4/29/2020
华东师范大学
第五章 统计量及其分布
4/29/2020
华东师范大学
第五章 统计量及其分布
第3页
• p 的大小如何； • p 大概落在什么范围内；
• 能否认为 p 满足设定要求
（如 p 0.05）。
4/29/2020
华东师范大学
第五章 统计量及其分布
第4页
§5.1 总体与个体
总体的三层含义：
• 研究对象的全体； • 数据； • 分布
• 一方面，由于样本是从总体中随机抽取的，抽 取前无法预知它们的数值，因此，样本是随机 变量，用大写字母 X1, X2, …, Xn 表示；
• 另一方面，样本在抽取以后经观测就有确定的 观测值，因此，样本又是一组数值。此时用小 写字母 x1, x2, …, xn 表示是恰当的。
简单起见，无论是样本还是其观测值，样本一般均 用 x1, x2,… xn 表示，应能从上下文中加以区别。
4/29/2020
华东师范大学
第五章 统计量及其分布
第5页
例5.1.1 考察某厂的产品质量，以0记合格品，以1记 不合格品，则
总体 = {该厂生产的全部合格品与不合格品} = {由0或1组成的一堆数}
若以 p 表示这堆数中1的比例（不合格品率），则该 总体可由一个二点分布表示：
X01 P 1p p
4/29/2020
华东师范大学
第五章 统计量及其分布
第28页
二、茎叶图
把每一个数值分为两部分，前面一部分（百 位和十位）称为茎，后面部分（个位）称为 叶，然后画一条竖线，在竖线的左侧写上茎， 右侧写上叶，就形成了茎叶图。如：
数值 分开 茎 和 叶 112 11 | 2 11 和 2
4/29/2020
4/29/2020
华东师范大学
第五章 统计量及其分布
第6页
比如：两个生产同类产品的工厂的产品的总体 分布：
X
0
1
p
0.983
0.017
X
0
1
p
0.915
0.085
4/29/2020
华东师范大学
第五章 统计量及其分布
第7页
例5.1.2 在二十世纪七十年代后期，美国消费 者购买日产SONY彩电的热情高于购买美产 SONY彩电，原因何在？
4/29/2020
华东师范大学
第五章 统计量及其分布
第23页
更深刻的结果也是存在的，这就是格里纹科定理。
定理5.2.1（格里纹科定理） 设x1,x2,…,xn是取自 总体分布函数为F(x)的样本, Fn(x) 是其经验分 布函数，当n时，有
PsupFn(x) F(x)0 = 1
格里纹科定理表明：当n 相当大时，经验分布函 数是总体分布函数F(x)的一个良好的近似。 经典的统计学中一切统计推断都以样本为依据， 其理由就在于此。
4/29/2020
华东师范大学
第五章 统计量及其分布
第26页
(4) 统计样本数据落入每个区间的个数——频数，
并列出其频数频率分布表。
表5.2.1 例5.2.2 的频数频率分布表
组序 分组区间 组中值 频数 频率 累计频率(%)
1 (147，157] 152 4 0.20 20
2 (157，167] 162 8 0.40 60
n
F(x ,..., x ) F(x ).
1
n
i
i 1
4/29/2020
华东师范大学
第五章 统计量及其分布
第16页
总体分为有限总体与无限总体
实际中总体中的个体数大多是有限的。当个体 数充分大时，将有限总体看作无限总体是一种 合理的抽象。
对无限总体，随机性与独立性容易实现，困难在 于排除有意或无意的人为干扰。