概率论与数理统计6.1 数理统计基本概念
n 1 其观察值 s xi x n 1 i 1
2
样本标准差 S
10
c). 样本的k阶(原点)矩 1 n k Ak X i n i 1 d). 样本的k阶中心矩
1 n k ak xi n i 1
1 n Bk X i X n i 1
k
1 n bk xi x n i 1
主要介绍数理统计的一些基本术语、基本概念、重要
的统计量及其分布，它们是后面各章的基础。
1
随机变量及其所伴随的概率分布全面描述了随
机现象的统计性规律。 概率论的许多问题中，随机变量的概率分布通
常是已知的，或者假设是已知的，而一切计算与推 理都是在这已知是基础上得出来的。 但实际中，情况往往并非如此，一个随机现象 所服从的分布可能是完全不知道的，或者知道其分 布概型，但是其中的某些参数是未知的。
5
事实上，关心的是被研究对象的某个数量指标，如 灯泡的寿命，是一个随机变量。总体指此服从某个 分布函数的随机变量。总体按包含的个体数分为有 限总体与无限总体。 此后考虑无限总体， 样本具有(称简单随机样本) (1). 代表性(样本个体与总体同分布)； (2). 独立性(相互独立的随机变量)。 即样本是一组与总体同分布的相互独立的随机变量。
2
例如： 某公路上行驶车辆的速度服从什么分布是未知的； 电视机的使用寿命服从什么分布是未知的； 产品是否合格服从两点分布，但参数——合格率p是 未知的； 数理统计的任务则是以概率论为基础，根据试 验所得到的数据，对研究对象的客观统计规律性做
出合理的推断。
3
第一节 数理统计基本概念
一. 总体与样本 1. 数理统计能干什么？ 1). 随机变量服从什么分布； 2). 已知分布类型，如何确定参数； 3). 不论其分布，仅希望了解分布的期望和方差等。
14
练习 1. 设 X ~ N (1, 2 ), Y ~ N (2 , 2 ), X1,..., X n 和Y1,..., Yn 分别为取自总体X和Y的样本，则
1 2
n2 n1 2 2 ( X i X ) (Y j Y ) 2 j 1 i 1 . E n1 n2 2 T X S2, 2. 设X1,..., X k 为取自总体X~B(n,p)的样本， np 2 . (2009) 则E(T)=
E( X ) ,
n i 1
D( X ) 1 2 . n
E ( Ak ) 1 E ( X ik ) k ; n D( Ak ) D( 1 X ik ) n
i 1 n 1 n2
D( X ik ) 1 ( 2 k k2 ). n
i 1
n
12
本课程的第二部分：数理统计
第六章 数理统计基本概念与抽样分布
学习的基本内容: 从第六章开始，我们学习数理统计 的基础知识。数理统计的任务是以概率论为基础，根 据试验所得到的数据，对研究对象的客观统计规律性 作出合理的推断.数理统计所包含的内容十分丰富， 本书介绍其中的参数估计、假设检验等内容。第六章
1 n 2 2 2 ( X i ) 2n( X ) n( X ) n 1 i 1 1 n 2 2 ( X i ) n( X ) , n 1 i 1
2
1 n 2 2 于是 E ( S ) E ( X i ) nE ( X ) n 1 i 1 1 2 2 2 n n 2. n 1 n
定理6.2 证. 首先
2
E(S 2 ) 2 .
证明不讲，自己看！
n 1 S Xi X n 1 i 1
2
n 1 Xi (X ) n 1 i 1
2
n 1 ( X i ) 2 2( X i )( X ) ( X ) 2 n 1 i 1
样本观测值: 随机变量在一次试验后所得的数值，如 取100个灯泡，测得的寿命。记作 x1 , x2 ,..., xn .
6
定义6.1. 总体X 的分布函数为F(x)，样本是一组相 互独立的随机变量 X1 , X 2 ,, X n ，其分布函数为 F(x)，称为一组取自总体F(x)的容量为n简单随机 样本(简称样本)，样本的观察值 x1 , x2 ,, xn称为 样本值。有时样本与样本值统称样本。 例6.2-6.3看书。
8
2. 样本矩(矩统计量)
1). 回顾：总体矩
k阶原点矩 k阶中心矩 k+l阶原点混合矩
k E( X k )
k E(( X E( X ))k )
mkl E( X kY l )
kl E(( X E( X ))k (Y E(Y ))l ) k+l阶中心混合矩
9
2). 定义
13
定理6.3 若总体的k阶原点矩 k 存在有限，则样 P k ，即 Ak k . 本的k阶原点矩依概率收敛于 证. 对 X ik 运用辛钦大数定律即得。 注. 此为后面的矩估计法的理论依据。 若 g 为连续函数， k R 则 R
P g ( A1,..., Ak ) g (1,...,k ).
a). 样本均值 sample mean
1 n X Xi n i 1
1 n 其观察值 x xi n i 1
b). 样本方差 sample variance
n 1 S2 Xi X n 1 i 1
2
2
2 1 n 2 Xi n X n 1 i 1
k
注. 1). B2 和 S 2 不同。 注. 2). 样本矩是随机变量，总体矩是常数。
11
3. 样本矩与总体矩的关系 , 2 ,k , k 分别表示总体X的期望，方差， 设 k阶原点矩，k阶中心矩。
定理6.1 特别的 证.
E( Ak ) k , D( Ak ) 1 (2k k2 ). n
4
2. 基本概念 总体：把研究对象全体组成的集合；一批次的灯泡 个体：组成总体的每个元素； 其中的灯泡 样本：从总体中随机抽取的用于对总体作推断的若 干个体； 从这批灯泡中取100个灯泡 样本容量：抽取的样本个体的数目； 100 抽样：为了解总体的分布规律，在统计分析工作 中，往往是从总体中抽取一部分个体进行观测， 这个过程称为抽样。
7
二. 统计量与样本矩
1. 统计量 定义6.2 设 ( X1, X 2 ,, X n )为总体X 的一个样本， f ( X1 , X 2 ,, X n ) 为不含任何未知参数的连续函 数，则称 f ( X1 , X 2 ,, X n ) 为样本 ( X1 , X 2 ,, X n ) 的 一个统计量。 设 x1 , x2 ,, xn 是样本 X1 , X 2 ,, X n 的观察值， 则称 f ( x1 , x2 ,, xn ) 是统计量 f ( X1 , X 2 ,, X n )的 观察值。 例如：设 ( X1, X 2 , X 3 ) 是从正态总体 N (, 2 ) 中抽取的 一个样本，其中 为已知参数, 为未知参数，则 X1 X 2 3 X 3 , X12 3 X 2 X 3 是统计量； X1 X 2 X 32 , X1 X 2 X 3 不是统计量。
3. 设 X1,..., X k为取自总体 X ~ N (, 2 ) 的样本，
2 2 则E(T)= . T X ,
1 n i 1 2 i n
(2010)
15
概率论与数理统计的基本概念和原理简介
概率论与数理统计的基本概念和原理简介概率论和数理统计是数学中重要的分支学科，它们在现代科学和生活中扮演着重要角色。
本文将对概率论和数理统计的基本概念和原理进行简要介绍。
一、概率论的基本概念和原理1. 随机试验随机试验是指具有以下特点的试验：在相同条件下可以重复进行，每次试验的结果不确定，但所有可能结果都是事先确定的且互不相容。
2. 随机事件与样本空间试验的每个可能结果称为基本事件，基本事件的集合称为样本空间。
样本空间中的子集称为随机事件。
3. 概率的定义一般来说，事件发生的概率是指该事件发生的可能性大小。
概率的定义可以通过频率的概念来解释：事件A发生的概率等于在多次重复试验中，事件A发生的频率趋近于一个常数。
4. 概率的性质概率具有以下性质：- 0 ≤ P(A) ≤ 1，概率值的取值范围在0到1之间。
- P(Ω) = 1，样本空间发生的概率为1。
- 对于任意的事件序列 {Ai}，若相互不相容，则有 P(A1 ∪ A2 ∪ ... ∪ An) = P(A1) + P(A2) + ... + P(An)。
5. 概率的计算方法计算概率的常用方法有古典概型法、几何概率法、频率概率法和叠加原理等。
二、数理统计的基本概念和原理1. 总体与样本总体是指研究对象的全体，样本是从总体中抽取的一部分个体。
通过对样本的统计分析，可以推断总体的性质。
2. 统计量统计量是样本的函数，用于刻画样本的某种性质。
常见的统计量有样本均值、样本方差等。
3. 参数估计参数估计是通过样本统计量推断总体参数的值。
常用的参数估计方法有点估计和区间估计。
4. 假设检验假设检验是指对于总体参数提出一个假设，并通过对样本进行统计推断来判断是否拒绝假设。
假设检验分为单侧检验和双侧检验。
5. 相关与回归分析相关分析用于刻画两个变量之间的线性关系，回归分析用于建立一个变量与其他变量之间的函数关系。
三、概率论与数理统计的应用领域概率论和数理统计广泛应用于各个领域：1. 金融风险管理概率论和数理统计对金融领域的风险管理起着关键作用，可以通过建立数学模型对金融市场进行预测和评估。
【2024版】概率论与数理统计(数理统计的基本概念)
X
2 n
)
D(
X
2 1
)
D(
X
2 2
)
D(
X
2 n
)
nD (
X
2 i
)
n{ E (
X
4 i
)
[E(
X
2 i
)]2
}
n
x4
1
2
e
x2 2
dx
12
n3
1
2n
23
若 2 ~ 2(n) 分布函数为F ( x)
,0 1 若F ( x) P{ 2 x}
则其解称为 2 分布 的 分位数(临界值)
0.15 00.1.155
000.1..11
N(0,1)
n=10 n=10 nn==33
n增大
000.0..00555
nnn===111
000
-5--55
-4--44
-3-3
-2-2
-1-1
00
11
22
33
444
555
t 分布的密度曲线关于y轴对称 随着n的增大, t 分布的密度曲线越陡
n 时，t 分布趋于标准正态分布N (0,1)
后,还要对数据进行加工和提炼,将样本的有关 信息,利用数学的工具进行加工.
引入统计量的概念
12
定义 设( X1, X 2 ,, X n )为来自总体X的一个样本,
若n元函数f ( X1, X 2 ,, X n )不含任何未知参数,
则
称f
(
X
1
,
X
2
,,
X
n
)为X
1
,
X
2
概率论与数理统计考研复习题6
概率论与数理统计考研复习题（6）数理统计的基本概念1．X 与Y 相互独立且都服从)3,0(2N ，而9191,Y Y X X ，和分别是来自总体X 和Y 的简单随机样本，求统计量 292191Y Y X X U ++++= 服从的分布.2．求总体)3,20(N 的容量分别为10，15的两独立样本均值差的绝对值大于0.3的概率.3．设n X X X ,,,21 是来自具有)(2n χ分布的总体样本。
求样本均值X 的数学期望和方差.4．设总体X ~N （0，1），从此总体中取一个容量为6的样本（621,,,X X X ），设Y =（26542321)()X X X X X X +++++，试决定常数C ，使得随机变量CY 服从2χ分布.5．从正态总体)6,4.3(2N 中抽取容量为n 的样本，如果要求其样本均值位于区间 （1.4, 5.4）内的概率不小于0.95，问样本容量n 至少应取多大？6．从装有一个白球，两个黑球的罐子里有放回地取球，令X =0表示取到白球，X =1表示取到黑球，求容量为5的样本（521,,,X X X ）的和的分布，并求样本的均值X 和样本的方差2S 的期望值.7．设总体X ~),0(2σN ，（21,X X ）为取自这总体的一个样本，求： （1）221221)()(X X X X Y -+=的概率密度；（2）P {Y <4}. 8．设总体服从参数为λ的指数分布，分布密度为⎩⎨⎧≤>=-0,00,);(x x e x F xλλλ，求E （X ），D （X ），E )(2S .9．从正态总体)5.0,(2μN 中抽取样本1021,,,X X X .（1）已知0=μ，求概率P {}41012≥∑=i i X； （2）未知μ，求概率P {85.2)(2101≥-∑=i i X X}.。
概率论与数理统计 第六章--数理统计的基本概念
F分布性质2 若X ~t(n)，则X2~F(1,n)
例4.设X1,X2, …,Xn是来自正态总体N(0,1) 的样本，试问c=( )统计量
c
2 X i 3 i 1 n
X
i 4
2 i
服从F分布？
抽样分布的分位点
设α为给定的常数，且0<α<1.若存在χα2(n)使
P ( n)
分位点的性质
(1) u1 u (2)
t1 (n) t (n)
1 (3) F (m, n) F1 (n, m)
回顾1. 设X1 ,X2 ,X3, X4是来自总体N(0,4)的简单 随机样本，X=a(X1-2 X2)2+b(3X3 -4X4)2，问当 a,b为何值时，统计量X服从 2分布 .
Max=1572, Min=738, 组数=6 组距=(Max-Min)/6=139140 取a0=735, 则分组区间及相关数据如下
组序 1 2 分区区间 (735,875] (875,1015] 频数 6 8 频率 0.2 0.27 累计频率 0.2 0.47
3
4 5 6 合计
(1015,1155]
2
所服从的分布为自由度为 n 的 分布 记为
2
~ (n)
2 2
分布的密度函数为
2
n x 1 1 n2 x2 e 2 f ( x; n ) 2 ( n 2 ) 0
x0 x0
其中伽玛函数 ( x )通过积分
( x ) e t dt, x 0 0 来定义.
(1155,1295] (1295,1435] (1435,1575]
9
4 2 1 30
0.3
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:
概率论与数理统计基本概念
概率论与数理统计基本概念
概率论与数理统计是研究事件发生的可能性，以及由此衍生的结果
的一门学科。
它可以帮助人们提高分析和预测能力。
可以帮助我们了
解自然界及其客观原理，以及把握当代社会经济实体及其活动。
一、概率概念：
1. 随机事件：指事件发生以来，在所有结果中，用概率值去衡量其发
生的可能性，及其各个单一结果的概率分布情况；
2. 概率：是用来衡量某一随机事件发生的可能性的数值，可以给出这
个事件发生的可能性大小；
3. 概率分布：是某一随机变量及其可能取值之间发生关系的一种描述；
二、数理统计概念：
1、统计：是指对数据进行定量描述，尝试从数据中获得解释性的统计
特征；
2、变量：是指以数值形式表示的某类事物，是研究目标内容分析的一
种实际基础；
3、统计分布：是给定一组数据，通过统计手段，计算出变量的概率分
布情况，及其可能的变化规律；
4、极限定理：是一种概率论的定理，旨在探讨一个系统在重复抽样下，抽样结果的收敛情况；
5、数据描述：是指对数据的描述，可以让人简单明了地理解数据，及
其特征和趋势；
6、统计推断：是指根据统计样本信息，以概率结果作为有效依据，做
出关于总体参数情况的推断；
7、回归分析：是指建立一条回归函数模型，以描述解释变量对被解释
变量的影响；
8、判别分析：是指构建一个准确的模型，能够根据输入的观测值来准
确地判断属于哪一类人或物；
9、聚类分析：是指将一组数据进行分类，从而揭示内部数据间的关系，辅助决策；
10、卡方检验：是指判断某一种统计判断是否证实对某一总体分布结
果的检验，从而决定是否接受或拒绝假设。
6-1数理统计学的基本问题与基本概念
Example 2:吸烟与肺癌的关系 • 吸烟增加患肺癌，其他癌症以及诸如心脏病 等严重疾病的危险． • １９４８－１９４９，英国学者多尔与希尔 从伦敦２０家医院中收集了７０９名肺癌病
人以及对照组－另７０９名患肺癌者的吸烟
情况的资料，按吸烟斗还是纸烟，男或女，
将烟吞进肺里与否等指标分类．
统计结论:吸烟与患肺癌呈明显的正相关. 如何理解这个统计规律的意义? 首先,统计规律是关于群体的规律。 对于群体中的个体情况复杂多样,没有一定.拿本例来 说:有吸烟很多而终生保持健康者,也有不吸烟而很早
, xn ) f ( xi )
i 1
n
由于抽样的目的是为 了对总体进行统计推断，为 了使抽取的样本能很好地反 映总体的信息，必须考虑抽 样方法.
最常用的一种抽样方法叫作“简单随机抽 样”，它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.
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.
在实际问题中如何才能得到简单随机样本呢？
N 10 ），则连续抽取的n个个体就 （一般是 n
可以看成是一个简单随机样本。
当样本容量n相对总体中的个体数N很小时
如果是有放回的抽样，则不必要求n相对小 ，就能得到简单随机样本。
患肺癌者,不能用这类个别例子来否定二和者有正相关
性的结论,因为它讲的是群体中一种趋势。 １．这种规律反映了某种客观存在的现实有科学和认 识意义。 ２．对个体有警戒作用。
统计应用实例：
1． 孟德尔遗传定律的发现； ２．中国患SARS的病人的死亡率是多少；
第六章 数理统计的基本概念(1)
XK
1 n
n i 1
X
k i
（4）样本k阶中心矩：
1 n
n i 1
(Xi
X )k
（5）顺序统计量： X(1) X(2) X(n) . 其中 X(k) 为将 X1, X2 , , Xn 从小到大排列第 k 位值.
18 September 2020
概率论与数理统计
理学院数学系
2、离散型 设总体X的分布律为 P{ X x} p( x)
则样本X1, X2 ,的, 联Xn合分布律为 P{ X1 x1, X2 x2 ,, Xn xn } p( x1 ) p{ x2 ) p( xn )
18 September 2020
概率论与数理统计
理学院数学系
样本分布
第六章 数理统计的基本概念
（1）样本均值：
X
1 n
n i 1
Xi
（2）样本方差：
Sn2
1 n
n
(Xi
i 1
X )2
修正样本方差：
Sn*2
1 n1
n i 1
(Xi
X )2
nSn2 (n 1)Sn*2
18 September 2020
概率论与数理统计
理学院数学系
第六章 数理统计的基本概念
第22页
（3）样本k阶原点矩：
第13页
1、样本的联合分布函数 设总体 X 的分布函数为 FX (., ), (X1, X2 ,
则样本的联合分布函数为
, Xn ) 为样本.
FX1,X2 , ,Xn ( x1, x2 , , xn ; ) FX ( x1, )FX ( x2 , ) FX ( xn , )
数理统计的基本概念
概率论与数理统计的区别： 在概率论中,假设随机变量的分布列或者分布函数已知，然 后描述随机变量的统计规律. 数理统计首先解决,如何知道 随机变量的分布规律,如何知道分布中所含的参数.
数理统计研究问题：它研究怎样有效地收集整理和分析带有随 机性的数据,以对所考察的问题作出推断或预测,直至为采取一 定的决策和行动提供依据和建议.
概率统计的基本问题:依据有限个观测或试验如何对整体所作 出推论的问题.这种伴随有一定概率的推断称为统计推断.
母体与子样、经验分布函数
1、母体:把研究对象的全体所构成的一个集合称为母体或总体； 组成母体的每一个成员称为个体. 注：10、实际应用中总体往往指研究对象的某项数值指标的全体。 20、总体的某个数值指标是一个具有分布函数F(x)随机变量，称 总体为具有分布函数F(x)的总体。 30、也可能是一个随机向量,相应的分布函数就为多元函数.
(i
n! 1)！(n
i)！[F (
y)]i1[1
F(
y )] n1
f
(
y),
0 ,
a yb 其它
证明 第 i个次序统计量(i)落入无穷小区间 [ y , y y)
内这一事件等价于”容量为n的子样1 ,2 , n 中有(i 1)
个分量落入区间[a , y)内,1个分量落入区间[ y , y y)内,
n
F ( x1 ,, xn ) F ( xi ) i 1
例1 设总体 X 服从参数为 ( 0)的指数分布, ( X1, X2 ,, Xn )
是来自总体的样本, 求样本( X1, X2 ,, Xn )的概率密度.
解
总体 X 的概率密度为
ex ,
f (x)
概率论与数理统计基本概念及抽样分布PPT课件
~
2 (n1 ),
2 2
~
2 (n2 ), 且它们相互独立，
则
2 1
2 2
~
2 (n1
n2 )
《概率统计》
返回
下页
结束
4. 2分布的百分位点
对给定的α（0＜α＜1）
（1）称满足
P{ 2
2
(n)}
，即
f ( y)dy
x2 ( n)
的点为 2分布的上100α百分位点。
f(y)
（2）称满足
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.
或，总体：研究对象的某项数量指标的值的全体.
《概率统计》
某批 灯泡的 寿命
该批灯泡寿命的 全体就是总体
返回
下页
结束
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”.
( x)
（1）称满足条件 P{X＞Xα} =α，
α
即
( x)dx
X
的点Xα为N(0，1)分布的上100α百分位点.
X1－α
0
由于 P{X X } 1 记 －Xα= X1－α
（2）称满足条件 P {| X | X }
2
2
的点 X 为N(0，1)分布的双侧100α百分位点.
X
2
则
E(X )
E(1 n
n i 1
Xi)
1 n
n i 1
E(Xi )
1 n
n
D(X ) D(1 n
n i1
Xi)