第3章 正态分布时的统计决策 在统计决策理论中，涉及到类条件概率密度函数)|(i w x P 。对许多实际的数据集，正态分布通常是合理的近似。如果在特征空间中的某一类样本，较多地分布在这一类均值附近，远离均值点的样本比较少，此时用正态分布作为这一类的概率模型是合理的。另外，正态分布概率模型有许多好的性质，有利于作数学分析。概括起来就是： （1） 物理上的合理性 （2） 数学上的简单性 下面重点讨论正态分布分布及其性质，以及正态分布下的Bayes 决策理论。 3.1 正态分布概率密度函数的定义及性质 1．单变量正态分布 定义：])(21ex p[21 )(2 σμσπρ--= x x （3.1-1） 其中：μ为随机变量x 的期望，也就是平均值； 2σ为 x 的方差，σ为均方差，又称为标准差。 ?∞∞ -?==dx x x x E )()(ρμ （3.1-2） ? ∞∞ -?-=dx x x )()(22 ρμσ （3.1-3） 概率密度函数的一般图形如下：
)(x ρ具有一下性质： )(,0)(∞<<-∞≥x x ρ 1)(=?∞ ∞-dx x ρ （3.1-4） 从)(x ρ的图形上可以看出，只要有两个参数2σμ和就可以完全确定其曲线。为了简单，常记)(x ρ为),(2σμN 。若从服从正态分布的总体中随机抽取样本x ，约有95％的样本落在)2,2(σμσμ+-中。样本的分散程度可以用σ来表示，σ越大分散程度越大。 2．多元正态分布 定义：∑---∑= -)]()(21 ex p[| |)2(1)(12 12μμπρx x x T d （3.1-5） 其中： T d x x x x ],,,[21ΛΛ=为d 维随机向量，对于d 维随机向量x ，它的均值向量μ是d 维的。也就是： T d ],,,[21μμμμΛΛ=为 d 维均值向量。 ∑是d d ?维协方差矩阵，1-∑是∑的逆矩阵，||∑为∑的行列式。协 方差矩阵∑是对称的，其中有2/)1(+?d d 个独立元素。由于)(x ρ可由μ和 ∑完全确定，所以实际上)(x ρ可由2/)1(+?+d d d 个独立元素来确定。 T x )(μ- 是)(μ-x 的转置，且： }{x E =μ }))({(T x x E μμ--=∑ μ、∑分别是向量x 和矩阵T x x ))((μμ--的期望。具体说：若i x 是x 的 第i 个分量，i μ是μ的第i 个分量，2ij σ是∑的第i 、j 个元素。 ? ?∞ ∞ -===i i i i i i dx x x dx x x x E )()(][ρρμ （3.1-6） 其中)(i x ρ为边缘分布，? ?∞ ∞ -∞ ∞-=d i dx dx dx x x ΛΛ21)()(ρρ ―――――――――――――――――――――――――――
统计学三大分布与正态分布的关系[1] 张柏林 41060045 理实1002班 摘要：本文首先将介绍2χ分布，t 分布，F 分布和正态分布的定义及基本性质， 然后用理论说明2χ分布，t 分布，F 分布与正态分布的关系，并且利用数学软件MATLAB 来验证之. 1. 三大分布函数[2] 1.12χ分布 2()n χ分布是一种连续型随机变量的概率分布。这个分布是由别奈梅 (Benayme)、赫尔默特(Helmert)、皮尔逊分别于1858年、1876年、1900年所发现，它是由正态分布派生出来的，主要用于列联表检验。 定义：若随机变量12n ,,X X …X 相互独立，且都来自正态总体01N （，） ，则称统计量2222 12n =+X X χ++…X 为 服从自由度为n 的2χ分布，记为22~()n χχ. 2χ分布的概率密度函数为 122210(;),2()200n x n x e x n f x n x --?≥??=Γ???? ，2χ分布的密度函数图形是一个只取非负值 的偏态分布，如下图.
卡方分布具有如下基本性质： 性质1：22(()),(())2E n n D n n χχ==； 性质2：若221122(),()X n X n χχ==，12,X X 相互独立，则21212~()X X n n χ++； 性质3：2 n χ→∞→时，（ n ）正态分布； 性质4：设)(~2 2n αχχ，对给定的实数 ),10(<<αα称满足条件: αχχαχα==>? +∞ ) (222 )()}({n dx x f n P 的点)(2 n α χ为)(2n χ分布的水平α的上侧分位数. 简称为上侧α分位数. 对不同的α与n , 分位数的值已经编制成表供查用. 2()n χ分布的上α分位数 1.2t 分布 t 分布也称为学生分布，是由英国统计学家戈赛特在1908年“student”的笔名首次发表的，这个分布在数理统计中也占有重要的位置. 定义：设2 ~0~X N χ（，1），Y （n ），,X Y 相互独立，，则称统计量 T = 服从自由度为n 的t 分布，记为~()T t n . t 分布的密度函数为
抽样分布 根据样本统计量去估计总体参数，必须知道样本统计量分布。 定义6.2 某个样本统计量的抽样分布，从理论上说就是在重复选取容量为n 的样本时，由每一个样本算出的该统计量数值的相对数频数分布或概率分布。 由于现实中我们不可能将所有的样本都抽出来，因此，统计的抽样分布实际上是一种理论分布。 （一）样本均值的抽样分布 从单位数为N 的总体中抽取样本容量为n 的随机样本，在重复抽样的条件下 共有n N 个可能的样本，在不重复抽样条件下，共有!!()! n N N C n N n =-个可能样本。对于每一个样本，我们都可以计算出样本的均值2()x s 或或p ，因此，样本均值是一个随机变量。所有的样本均值形成的分布就是样本均值的抽样分布。 [例6.4]设一个总体含有4个个体（元素），即N=4，取值分别为： 12341234x x x x ==== 总体分布为均匀分布，如图6.1所示。 图6.1 总体均值：10 2.54X μ== = 总体方差：22() 1.25x x n σ-==∑ x
若重复抽样，n=2 则共有2416=个可能样本。具体列示如表5.1.1。 表6.1 可能的样本及其均值 每个样本被抽中的概率相同，均值为116 样本均值的抽样分布如表5.1.2和图5.1.2所示。 样本均值x 抽样分布的形状与原有总体的分布有关，如果原有总体是正态分布，样本均值也服从正态分布。 如果总体分布是非正态分布，当x 为大样本（30n ≥）时，样本均值的分布趋于服从正态分布；当x 为小样本时，其分布不是正态分布。 下面再让我们来看看样本均值x 抽样分布的特征：数学期望和方差。 设总体共有N 个元素，其均值为μ，方差为2σ，从中抽取容量为n 的样本。 E()x x X μ=== （6.1） 22 x n σσ=（重复抽样） （6.2） 22 ()1x N n n N σσ-=-（不重复抽样） （6.3） 对于无限总体，样本均值的方差，不重复抽样也可按重复抽样来处理；对于有限总体，当N 很大，而/n N 又很小，修正系数 1 N n N --会趋于1，不重复抽样也可按重复抽样来处理。 样本均值x 抽样分布的特征—数学期望和方差的计算公式，可以通过[例6.4]加以验证。 样本均值的均值 1.0 1.5 3.5 4.040 2.51616x μ++++====
常用的统计量抽样分布 一．正态分布 1. ∑==n i i X n X 1 1EX → 2. 2 12)(11∑=--=n i i X X n S ][112 1 2∑=--=n i i X n X n DX → 3. 定理： X ～),(2σμN ，n X X X ,,,21 为X 的样本，则 (1). X ～), (2 n N σμ， (2). 2 2 )1(σ S n -～)1(2-n χ, (3). X 与2S 相互独立。 二．2χ分布 1. 定义 设n X X X ,,,21 独立同分布，且～)1,0(N ，则)(~2122 n X n i i χχ∑== 2. 性质： (1). 若X ～)(12n χ，Y ～)(22n χ，且X ,Y 独立，则X +Y ～)(212n n +χ。 (2). 若X ～)(2n χ，则n EX =，2DX n =。 三．t 分布 1. 定义 设X ～)1,0(N ,Y ～)(2n χ，且X ,Y 独立，则n Y X T =～)(n t 。 2. 定理： 设n X X X ,,,21 独立同分布，且～),(2σμN ，则
n S X μ -σ σ μS n X )(-=1 )1() (2 2 ---= n S n n X σσ μ～)1(-n t （因为 n X σ μ-～)1,0(N ， 2 2 )1(σ S n -～)1(2-n χ）。 3. 定理： 设1,,,21n X X X 为总体X ～),(21σμN 的样本， 1,,,21n Y Y Y 为总体Y ～),(22σμN 的样本，且Y X ,独立，则 2 12111)()(n n S Y X w +---μμ～)2(21-+n n t ，其中 2 )1()1(212 2 22112 -+-+-=n n S n S n S w 。 证：因为 2 2 11)1(σ S n -～)1(12 -n χ, 2 2 2 2)1(σ S n -～)1(22-n χ， 所以 2 2 2 2211)1()1(σS n S n -+-～)2(212-+n n χ； 又X ～), (1 2 1n N σμ，Y ～), (2 2 2n N σμ， 所以X Y -～), (2 2 1 2 21n n N σσμμ+ +， 所以 2 12111) ()(n n Y X +---σ μμ～)1,0(N ，所以 2 12111)()(n n S Y X w +---μμ 2 12111) ()(n n Y X +---= σμμ/ )2/()1()1(212 2 2 2211-+-+-n n S n S n σ ～)2(21-+n n t 。
统计学三大分布与正态分布的关系 [1] 张柏林 41060045 理实1002班 摘要：本文首先将介绍 2分布，t 分布，F 分布和正态分布的定义及基本性质， 然后 用理论说明2分布，t 分布，F 分布与正态分布的关系，并且利用数学软件 MATLAB 来验证之. 1.三大分布函数[2] 1.1 2分布 2（n ）分布是一种连续型随机变量的概率分布。这个分布是由别奈梅 （Benayme ）赫尔默特（Helmert ）、皮尔逊分别于1858年、1876年、1900年所发 现，它是由正态分布派生出来的，主要用于列联表检验。 定义：若随机变量X 1,X 2,…X n 相互独立，且都来自正态总体 N （0,，）,则称 统计量 2 =x ； X ；…+X ；为服从自由度为n 的2分布，记为 2 2 ~ （n ）. 2 分布的概率密度函数为 1 x e 2 x 0 J x 0 其中伽玛函数（X ） e t t x 1dt,x 0， 2 分布的密度函数图形是一个只取非负值 的偏态分布，如下图? x 2 n 2° f(x; n)
2(n2) ,X!,X2相互独立，则X! X2~ 2g n2); 性质3: n 时，2(n) 正态分布; 性质4:设2~ 2(n),对给定的实数 (0 1),称满足条件： P{ 2 2(n)} 2(、f(x)dx (n) 的点2(n)为2(n)分布的水平的上侧分位数. 简称为上侧分位数.对不同的与n,分位 数的值已经编制成表供查 分布，是由英国统计学家戈赛特在1908年“student的'笔名 布在数理统计中也占有重要的位置. 1), Y?2(n), X,Y相互独立，，则称统计量T —X VY/ n 分布，记为T~t( n). 为 性质1: E( 2(n)) n,D( 2(n)) 2n ; 性质2:若X! 2(nJ,X2
利用SPSS检验数据是否符合正态分布 (2011-04-24 06:30:42) 正态分布也叫常态分布，在我们后面说的很多东西都需要数据呈正态分布。下面的图就是正态分布曲线，中间隆起，对称向两边下降。 下面我们来看一组数据，并检验“期初平均分” 数据是否呈正态分布（此数据已在SPSS里输入好） 在SPSS里执行“分析—>描述统计—>频数统计表”(菜单见下图，英文版的可以找到相应位置)，然后弹出左边的对话框，变量选择左边的“期初平均分”，再点下面的“图表”按钮，弹出图中右边的对话框，选择“直方图”，并选中“包括正态曲线”
设置完后点“确定”，就后会出来一系列结果，包括2个表格和一个图，我们先来看看最下面的图，见下图，
上图中横坐标为期初平均分，纵坐标为分数出现的频数。从图中可以看出根据直方图绘出的曲线是很像正态分布曲线。如何证明这些数据符合正态分布呢，光看曲线还不够，还需要检验： 检验方法一：看偏度系数和峰度系数 我们把SPSS结果最上面的一个表格拿出来看看(见下图)：
偏度系数Skewness=-0.333;峰度系数Kurtosis=0.886；两个系数都小于1，可认为近似于正态分布。 检验方法二：单个样本K-S检验 在SPSS里执行“分析—>非参数检验—>单个样本K-S检验，弹出对话框，检验变量选择“期初平均分”，检验分布选择“正态分布”，然后点“确定”。 检验结果为： 从结果可以看出，K-S检验中,Z值为0.493，P值(sig 2-tailed)=0.968>0.05，因此数据呈近似正态分布检验方法三：Q-Q图检验
在SPSS里执行“图表—>Q-Q图”，弹出对话框，见下图： 变量选择“期初平均分”，检验分布选择“正态”，其他选择默认，然后点“确定”，最后可以得到Q-Q图检验结果，结果很多，我们只需要看最后一个图，见下图。
统计学三大分布与正态分布的关系 [1] 张柏林 41060045 理实1002班 摘要：本文首先将介绍2χ分布，t 分布，F 分布和正态分布的定义及基本性质， 然后用理论说明2χ分布，t 分布，F 分布与正态分布的关系，并且利用数学软件MATLAB 来验证之. 1.三大分布函数[2] 1.12χ分布 2()n χ分布是一种连续型随机变量的概率分布。这个分布是由别奈梅(Benayme)、赫尔默特(Helmert)、皮尔逊分别于1858年、1876年、1900年所发现，它是由正态分布派生出来的，主要用于列联表检验。 定义：若随机变量12n ,,X X …X 相互独立，且都来自正态总体01N （，） ，则称统计量222 212n =+X X χ++…X 为服从自由度为n 的2χ分布， 记为22~()n χχ. 2χ分布的概率密度函数为 122210(;),2()200n x n x e x n f x n x --?≥??=Γ???? ，2χ分布的密度函数图形是一个只取非负值的偏态分布，如下图.
卡方分布具有如下基本性质： 性质1：22(()),(())2E n n D n n χχ==； 性质2：若221122(),()X n X n χχ==，12,X X 相互独立，则21212~()X X n n χ++； 性质3：2 n χ→∞→时，（ n ）正态分布； 性质4：设)(~2 2n α χχ，对给定的实数),10(<<αα称满足条 件:αχχα χα ==>?+∞ ) (2 22)()}({n dx x f n P 的点)(2 n α χ为)(2n χ分布的水平α的上侧分位数. 简称为上侧α分位数. 对不同的α与n , 分位数的值已经编制成表供查 用. 2()n χ分布的上α分位数 1.2t 分布 t 分布也称为学生分布，是由英国统计学家戈赛特在1908年“student ”的笔名 首次发表的，这个分布在数理统计中也占有重要的位置. 定义：设2 ~0~X N χ（，1），Y （n ），,X Y 相互独立，，则称统计量/T Y n = 服从自由度为n 的t 分布，记为~()T t n .
第6章统计量与抽样分布 【引例】1899年，戈塞特（1876-1937）进入都柏林A.吉尼斯父子酿酒公司担任酿酒化学技师，主要从事统计和实验工作。他在工作中发现，供酿酒的每批麦子质量相差很大，而同一批麦子中能抽样供试验的麦子又很少，每批样本在不同的温度下做实验，其结果相差很大。这就决定了不同批次和温度的麦子样本是不相同的，不能进行样本合并。这样一来，实际上取得的麦子样本，不可能是大样本，只能是小样本。他在工作中还发现，利用小样本得出的结果，和正态分布有较大的差异，特别是两端尾部的概率，比正态分布明显高。因此1907年戈塞特决心把小样本和大样本之间的差别搞清楚。为此，他试图把一个总体中的所有小样本的平均数的分布刻画出来。做法是：在一个大容器里放了一批纸牌，把它们弄乱，随机地抽若干张（小样本），对这一样本记录观察值，然后再把纸牌弄乱，抽出几张，对相应的样本再记录观察值。大量地记录这种随机抽样的小样本观察值，就可以获得小样本观察值的分布。1908年，戈塞特以“学生（Student）”为笔名在《生物计量学》杂志发表了论文《平均数的规律误差》。这篇论文开创了小样本统计理论的先河，为研究样本分布理论奠定了重要基础。被统计学家誉为统计推断理论发展史上的里程碑。 那么总体和样本是如何联系的？大样本和小样本下究竟有什么差异？什么是t分布？它和正态分布有什么不同？它有什么作用？统计推断中常用的分布还有哪些？这些问题都将在本章中找到答案。 统计研究的目的是为了探索现象内在的数量规律性。为了解总体的数量特征，可以直接对总体进行全面调查，得到总体数据，进而归纳出数量特征；也可以对总体进行抽样，利用样本对总体进行推断，后一种方法称为统计推断。抽样分布是进行统计推断的理论基础。本章将主要介绍统计推断所涉及的总体、 分布，t分布样本、统计量及抽样分布等概念，以及在统计推断中最常用的2 和F分布和抽样分布定理。
申请大学学士学位论文 大学 学士学位论文 统计学三大分布与正态分布的差异年级专业： 学生： 指导教师：
统计学三大分布与正态分布的差异 中文摘要 统计学是应用数学的一个分支，主要通过利用概率论建立数学模型，收集所观察系统的数据，进行量化的分析、总结，并进而进行推断和预测，为相关决策者提供依据和参考。它被广泛的应用在各门学科之上，从物理和社会科学到人文科学，甚至被用来工商业及政府的情报决策之上。而对数据的分析过程中就需要利用到数据的分布来研究分类。 在实际遇到的许多随机现象都服从或近似服从正态分布。而由正态分布构造的三大分布在实际中有广泛的应用，因为这三大分布不仅有明确的背景，而且其抽样分布的密度函数有明显表达式，研究三大分布与正态分布有助于研究实际事例，比如经济安全与金融保险领域、人口统计等。 本文讨论了三大分布与正态分布，并将它们之间的密度函数进行比较说明. 第二章介绍了正态分布的定义、性质，三大分布的定义、性质。 第三章介绍了正态分布与三大分布的密度函数，并将它们之间的密度函数进行比较关键词：正态分布；三大分布；密度函数 The Difference between the Three Statistical Distributions and the Normal Distribution Abstract Statistics is a branch of applied mathematics, the mathematical models are mainly established by the probability and statistics theory based on the collecting
第六章 统计量及其抽样分布 练习题 一、填空题（共10题，每题2分，共计20分） 1．简单随机抽样样本均值X 的方差取决于_________和_________，要使X 的标准差降低到原来的50％，则样本容量需要扩大到原来的_________倍。 2. 设1217,,,X X X L 是总体(,4)N μ的样本，2S 是样本方差，若2()0.01P S a >=， 则a =____________。 3．若(5)X t :，则2X 服从_______分布。 4．已知0.95(10,5) 4.74F =，则0.05(5,10)F 等于___________。 5．中心极限定理是说：如果总体存在有限的方差，那么，随着_________的增加，不论这个总体变量的分布如何，抽样平均数的分布趋近于_____________。 6. 总体分布已知时，样本均值的分布为_________抽样分布；总体分布未知，大样本情况下，样本均值的分布为_________抽样分布。 7. 简单随机样本的性质满足_________和_________。 8.若(2,4)X N :，查分布表，计算概率(X 3)P ≥=_________。若(X )0.9115P a ≤=，计算a =_________。 9. 若12~(0,2),~(0,2),X N X N 1X 与2X 独立，则2212X X +（）/2服从______分布。 10. 若~(16,4)X N ，则5X 服从___________分布。 二、选择题（共10题，每题1分，共计10分） 1．中心极限定理可保证在大量观察下 ( ) A ． 样本平均数趋近于总体平均数的趋势 B ． 样本方差趋近于总体方差的趋势 C ． 样本平均数分布趋近于正态分布的趋势 D. 样本比例趋近于总体比例的趋势
第六章 统计量及其抽样分布 6.1 调节一个装瓶机使其对每个瓶子的灌装量均值为μ盎司，通过观察这台装瓶机对每个瓶子的灌装量服从标准差 1.0σ=盎司的正态分布。随机抽取由这台机器灌装的9个瓶子形成一个样本，并测定每个瓶子的灌装量。试确定样本均值偏离总体均值不超过0.3盎司的概率。 解：总体方差知道的情况下，均值的抽样分布服从()2,N n σμ的正态分布，由正态分布，标准化得到标准正态分布： x ()0,1N ，因此，样本均值不超过总体均值的概率P 为： ()0.3P x μ-≤ =P ?≤ =x P ??≤≤ =()0.90.9P z -≤≤=2()0.9φ-1，查标准正态分布表得()0.9φ=0.8159 因此，() 0.3P x μ-≤=0.6318 6.2 ()0.3P Y μ-≤ =P ?≤ =x P ??≤≤ =(||P z ≤ =(21φ-=0.95 查表得： 1.96= 因此n=43 6.3 1Z ，2Z ，……，6Z 表示从标准正态总体中随机抽取的容量，n=6的一个样本，试确定常数b ，使 得6210.95i i P Z b =??≤= ??? ∑ 解：由于卡方分布是由标准正态分布的平方和构成的： 设Z 1，Z 2，……，Z n 是来自总体N (0,1)的样本，则统计量 222212χ=+++n Z Z Z 服从自由度为n 的χ2分布，记为χ2～ χ2（n ） 因此，令622 1i i Z χ==∑，则()62 22 16i i Z χχ==∑，那么由概率6210.95i i P Z b =??≤= ???∑，可知： b=()210.956χ-，查概率表得：b=12.59 6.4 在习题6.1中，假定装瓶机对瓶子的灌装量服从方差21σ=的标准正态分布。假定我们计划随机抽取10个瓶子组成样本，观测每个瓶子的灌装量，得到10个观测值，用这10个观测值我们可以求出样本方差2221 1(())1n i i S S Y Y n ==--∑，确定一个合适的范围使得有较大的概率保证S 2落入其中是有用的，试求b 1，b 2，使得 212()0.90p b S b ≤≤= 解：更加样本方差的抽样分布知识可知，样本统计量： 2 22(1)~(1) n s n χσ-- 此处，n=10，21σ=，所以统计量 2 2222(1)(101)9~(1)1 n s s s n χσ--==- 根据卡方分布的可知： ()()2212129990.90P b S b P b S b ≤≤=≤≤= 又因为：
第5-6章 统计量及其抽样分布 5.1正态分布 5.1.1定义:当一个变量受到大量微小的、独立的随机因素影响时，这个变量一般服从正态分布或近似服从正态分布。 概率密度曲线图 例如：某个地区同年龄组儿童的发育特征：身高、体重、肺活量等 某一条件下产品的质量 如果随机变量X 的概率密度为 22 ()21 (),2x f x e x μσπσ --=-∞<<∞ 则称X 服从正态分布。 记做 2 (,)X N μσ:，读作：随机变量X 服从均值为μ，方差为2 σ的正态分布 其中， μ-∞<<∞，是随机变量X 的均值，0σ>是是随机变量X 的标准差 5.1.2正态密度函数f(x)的一些特点： ()0f x ≥,即整个概率密度曲线都在x 轴的上方。 曲线 ()f x 相对于x μ=对称，并在 x μ=处达到最大值，
1 () 2 fμ πσ = 。 1 μ＜ 2 μ＜ 3 μ 曲线的陡缓程度由 σ 决定：σ越大，曲线越平缓；σ越小，曲线越陡峭当 x 趋于无穷时，曲线以x轴为其渐近线。 标准正态分布 当 0,1 μσ == 时， 2 2 1 () 2 x f x e π - = ， x -∞<<∞ 称 (0,1) N 为标准正态分布。
标准正态分布的概率密度函数： ()x ? 标准正态分布的分布函数： ()x Φ 任何一个正态分布都可以通过线性变换转化为标准正态分布 设 2 (,) X Nμσ : ,则 (0,1) X Z N μ σ - =: 变量 2 11 (,) X Nμσ :与变量2 22 (,) Y Nμσ :相互独立,则有 22 1212 +(+,+) X Y Nμμσσ : 5.1.3 正态分布表：可以查的正态分布的概率值()1() x x Φ-=-Φ 例：设 (0,1) X N :，求以下概率 （1） ( 1.5) P X< (2) (2) P X> (3) (13) P X -<≤
《统计学》课程教学大纲 课程编号：×××××××× 课程类别：学科基础课 授课对象：经济管理类各专业、社会学专业、档案学专业、新闻学专业等 开课学期：第3、4、5、6学期 学分：4学分 主讲教师：……等 指定教材：贾俊平、何晓群、金勇进编著，《统计学》(第六版)，中国人民大学出版社，2015年教学目的： 《统计学》是为我校非统计专业本科生开设的一门基础必修课，总课时约54学时。设置本课程的目的在于培养学生有关统计知识方面的基本技能，培养学生应用统计方法分析和解决问题的实际能力。教学应达到的总体目标是： 使学生能系统地掌握各种统计方法，并理解各种统计方法中所包含的统计思想。 使学生掌握各种统计方法的不同特点、应用条件及适用场合。 培养学生运用统计方法分析和解决实际问题的能力。 第1章导论 课时：1周，共3课时 教学内容 第一节统计及其应用领域 一、什么是统计学 统计学的概念。描述统计。推断统计。 二、统计的应用领域 统计在共生管理中的应用。统计在其他领域的应用。统计的误用与正确使用。 三、历史上著名的统计学家 一些主要的统计学家。 第二节统计数据的类型 一、分类数据、顺序数据、数值型数据 分类数据。顺序数据。数值型数据。 二、观测数据和实验数据 观测数据。实验数据。 三、截面数据和时间序列数据 截面数据。时间序列数据。 第三节统计中的几个基本概念 一、总体和样本 总体。有限总体和无限总体。样本。样本容量。 二、参数和统计量 参数。统计量。 三、变量 变量。变量的类型。 第2章数据的收集 课时：1周，共3课时
第一节数据来源 一、数据的间接来源 二手数据。 二、数据的直接来源 统计调查方式。数据的收集方法。 第二节调查设计 一、调查方案的结构 调查目的。调查对象和调查单位。调查项目和调查表。 二、调查问卷设计 问卷的结构。提问项目设计。回答项目的设计。问题顺序的设计。第三节数据质量 一、数据的误差 抽样误差。非抽样误差。 二、数据的质量要求 第3章数据的图表展示 课时：1周，共3课时 教学内容 第一节数据的预处理 一、数据审核 原始数据的审核。二手数据的审核。 二、数据筛选 数据筛选的意义。用Excel进行数据筛选。 三、数据排序 数据排序的作用。用Excel进行数据排序。 第二节分类和顺序数据的整理与显示 一、分类数据的整理与显示 频数与频数分布。用Excel制作频数分布表。分类数据的图示方法。 二、顺序数据的整理与显示 累积频数与累积频率。顺序数据的图示方法。 第三节数值型数据的整理与显示 一、数据分组 分组方法。 二、数值型数据的图示 直方图。茎叶图和箱线图。线图。雷达图。 第四节统计表 一、统计表的构成 二、统计表的设计 第4章数据的概括性度量 课时：1周，共3课时 教学内容 第一节集中趋势的度量
第六章 统计量及抽样分布 概率论和数理统计都是研究随机现象规律性的数学分支。 （1） 概率论特点：先提出随机现象的数学模型，然后研究其特性和规律 （2） 数理统计： （3） I ）以概率论为理论前提，从实际观测或试验出发； II) 研究如何有效的收集、整理和分析受到随机因素影响的数据，并为之建立适当的 数学模型； III)对其进行检验，在此基础上对所研究的问题作出推断和预测，为采取行动和决策 提供依据和建议。 §1总体、样本与统计量 一、总体与样本 在实际问题中，我们往往只能通过观察和试验来获取研究对象的信息，但是，如果要把 全体研究对象逐个一一检查，常常是不必要或不可能的. 如：（1）对自动生产线上高速生产的零件逐个检查，要耗费很多的人力、物力、财力及时间，且非必要； （2）为考察某些产品如灯泡的寿命，横梁的耐冲击强度等而进行的破坏性试验，逐个检查将使生产失去意义 所以，实际问题中，只能也只需通过测试部分对象的数据，由此来推断全体研究对象的性质，由部分推断总体。这是数理统计面对的基本问题。 1、 总体：研究对象的全体，如一批灯泡的寿命 具体：研究对象的某个或某几个特性的数量指标，所有的可能取值所构成的集合。 如，研究对象：一个城市的居民家庭；X ：人均收入；Y ：人均支出；Z ：人均居住面积， 则三个总体：{} ()()(){} ()()(){} 121 1 2 2 1 1 1 2 2 2 ,, ...,,,,,,,,,,,,,n X X X X X Y X Y X Y X Y Z X Y Z X Y Z == = 通常我们学习研究对象的一个特性的数量指标，所有可能取值所构成的集合。如，X ：灯泡寿命，总体{}12,, X x x =，其中灯泡是研究对象，寿命是数量指标。 2、 个体：组成总体的每一个基本单元（集合中的元素） 3、 样本：从总体中随机地抽取几个个体所组成地集合，称为总体地一个样本： ()12,,n X X X ，通常看为n 维随机变量 （1） 样本容量：样本中所含个体地个数n ，()1,2,n =≤总体中个体元素个数 （2） 样本值：12,, n X X X 的一个观测，记为：12,, n x x x 4、 抽样：从总体中抽取样本的过程。这里指随机抽样。目的：通过样本得到总体的相应情 况。 （1）简单随机抽样：数理统计最常用的抽样方法。 满足特点：代表性：总体中每个个体被抽入样本的机会均等，即每个i X （个体）与总体X 具有相同分布；
第三章 正态分布 一、教学大纲要求 (一) 掌握内容 1．正态分布的概念和特征 （1）正态分布的概念和两个参数； （2）正态曲线下面积分布规律。 2．标准正态分布 标准正态分布的概念和标准化变换。 3．正态分布的应用 （1）估计频数分布； （2）制定参考值范围。 (二) 熟悉内容 标准正态分布表。 (三) 了解内容 1．利用正态分布进行质量控制 2．正态分布是许多统计方法的基础 二、教学内容精要 (一)正态分布 1.正态分布 若X 的密度函数（频率曲线）为正态函数（曲线） ) 2() (22 21 )(σμπ σ--= X e X f +∞<<∞-X (3-1) 则称X 服从正态分布，记号X ～),(2 σμN 。其中μ、σ是两个不确定常数，是正态分布的参数，不同的μ、不同的 σ对应不同的正态分布。 正态曲线呈钟型，两头低，中间高，左右对称，曲线与横轴间的面积总等于1。 2．正态分布的特征 服从正态分布的变量的频数分布由μ、σ完全决定。 (1)μ是正态分布的位置参数，描述正态分布的集中趋势位置。正态分布以x μ=为对称轴，左右完全对称。正态分布的均数、中位数、众数相同，均等于μ。 (2)σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。σ也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。 (二)标准正态分布 1．标准正态分布是一种特殊的正态分布，标准正态分布的0=μ，12 =σ ，通常用u （或Z ）表示服从标准正 态分布的变量，记为u ～N （0，2 1）。 2．标准化变换：σ μ -=X u ，此变换有特性：若X 服从正态分布),(2 σμN ，则u 就服从标准正态分布，故该 变换被称为标准化变换。