当前位置：文档之家 › 概率统计第6章

概率统计第6章

  • 格式：ppt
  • 大小：1.74 MB
  • 文档页数：72

下载文档原格式

  / 72

合集下载

概率论与数理统计(06)第6章 统计量及其抽样分布

概率论与数理统计(06)第6章 统计量及其抽样分布
一个任意分 布的总体
σx =
σ
n
当样本容量足够 大时( 大时(n ≥ 30) ， 样本均值的抽样 分布逐渐趋于正 态分布
6 - 11
µx = µ
xቤተ መጻሕፍቲ ባይዱ
x 的分布趋 于正态分布 的过程
6 - 12
6.4 正态总体 6.3.1 χ2分布 6.3.2 t 分布 6.3.3 F 分布
6 - 13
χ2 分布
第六章 样本与统计量
6.1引言 6.1引言
数理统计学： 运用概率论的基础知识，对要研究的随机现象进行 多次观察或试验，研究如何合理地获得数据资料， 建立有效的数学方法，根据所获得的数据资料，对 所关心的问题作出估计与检验。
6-1
§6.2总体与样本 6.2总体与样本
对某一问题的研究对象全体称为总体。 组成总体的某个基本单元，称为个体。 总体可以是具体事物的集合，如一批产品。 也可以是关于事物的度量数据集合，如长度测量。 总体可以包含有限个个体，也可以包含无限个个体。 有限总体在个体相当多的情况下，可以作为无限 总体进行研究。 总体中的个体，应当有共同的可观察的特征。该 特征与研究目的有关。
6 - 16
χ2分布
(图示) 图示)
n=1 n=4 n=10
n=20
6 - 17 不同容量样本的抽样分布
χ2
t 分布
6 - 18
t 分布
1. 高 塞 特 (W.S.Gosset) 于 1908 年 在 一 篇 以 (W. “Student”(学生)为笔名的论文中首次提出 Student”(学生)
X ~ N(µ,σ ) ，则
2
χ2分布
2. 3.
z=
X −µ
Y=z

概率与数理统计第六章

概率与数理统计第六章

t
ｘ
ｙ
W {T t (n 1)}
2021/3/11
t
ｘ 16
6.2.1 单个正态总体均值的假设检验
例6.2 正常人的脉搏平均每分钟72次，某医生测得10例四乙基铅 中毒患者的脉搏数（次/分）如下：54，67，68，78，70，66， 67，70，65，69.已知人的脉搏次数服从正态分布．试问四乙基铅
在取6份水样，测定该有害物质含量，得如下数据： 0.530‰，0.542‰，0.510‰，0.495‰，0.515‰，0.530‰
能否据此抽样结果说明有害物质含量超过了规定？ 0.05
练习2 一公司声称某种类型的电池的平均使用寿命至少为21.5小 时，有一实验室检验了该公司制造的6套电池，得到如下的寿命数 据（单位：小时）：19 18 22 20 16 25 设电池寿命服202从1/3/正11 态分布，试问这种类型的电池寿命是否低于该18 公
即提出假设： H0 : p 0.02 若 H0 正确，则取到次品为小概率事件.
2021/3/11
在一次试验中， 小概率事件是 几乎不可能发 生的．
小概率原理
2
6.1 假设检验的基本概念
2. 两类错误
犯了“弃真”错误 第一类错误
犯了“纳伪”错误 第二类错误
P(拒绝H0 | H0为真)
P(接受H0 | H0为假)
注意：我们总把含 有“等号”的情形 放在原假设．
在原假设 H0 为真的前提下，确定统计量
U
X 0
~
N (0,1)
n
2021/3/11
因为X
~
N
,
2
n
,
所以
X
~
N (0,1)

概率论与数理统计-第6章-第6讲-两个正态总体参数的置信区间

概率论与数理统计-第6章-第6讲-两个正态总体参数的置信区间

[0.3545 , 2.5545]
本讲内容
01 两个正态总体的情形 02 两个正态总体参数的置信区间 03 *6.2.3 单侧置信区间
03 *6.2.3 单侧置信区间
P(ˆ1 ˆ2 ) 1
[θˆ1, θˆ2 ] θ 的置信区间 双侧置信区间
但在某些实际问题中，例如，对于机器设备零部件来说，平均 寿命越长越好，我们关心的是平均寿命的“下限” ；又如，在购 买家具用品时，其中甲醛含量越小越好，我们关心的是甲醛含量均 值的“上限”．这就引出了单侧置信区间的概念．
2 1
2 2
2,
求均值差
1 2 的置信度为0.95 的置信区间;
02 两个正态总体参数的置信区间
解
(1) F0.025 (16, 12) 3.16,
F0.975 (16 ,
12)
1 F0.025 (12 ,
16)
1 2.89
由公式得方差比
2 1
2 2
的置信区间为
S12 S22
F0.975 (n2
12
2 2
n1 n2
P u U u 1,
2
2
( X Y uα 2
σ12 n1
σ
2 2
n2
,X
Y
uα
2
σ12 σ22 ) n1 n2
5
02 两个正态总体参数的置信区间
(2)
2 1
2 2
2
未知，1 2 的置信区间
T
X
Y Sw
(1
1 n1
2)
1 n2
~
t (n1
n2
2)
Sw
估什么？
1 2
2 1

概率论与数理统计-6

概率论与数理统计-6

一、统计量
定义1 设X1, X2, …, Xn是总体X的样本，样本函数g(X1, X2, …, Xn)是样 本的实体函数，且不含有任何未知参数，则称这类样本函数g(X1, X2, …, Xn)为统计量。
由于样本具有二重性，统计量作为样本的函数也具有二重性，即对 一次具体的观测或试验，它们都是具体的数值，但当脱离开具体的某 次观测或试验，样本是随机变量，因此统计量也是随机变量。
n i 1
( xi
x )2
1n (
n 1 i1
xi2
nx 2 )
。
（3）样本标准差
S
S2
1 n 1
n i 1
(Xi
X
)2
它的观测值记为 s
s2
1 n 1
n i 1
( xi
x )2
。
（6-5）
（4）样本k阶原点矩
Ak
1 n
n i 1
X
k i
(k
1，2 ，3，
)
它的观测值记为 ak
解 将样本的观察值由小到大排列为 1 2 3 3 4 4 4 5 6 8
所以样本的频率分布如表所示
X
1
2
3
4
5
6
8
fn
0.1
0.1
0.2
0.3
0.1
0.1
0.1
例1 设总体服从泊松分布，容量为10的样本观察值如下：
214 3 5 6 4 8 4 3 试构造样本的分布函数F10(x)。
例1 设随机变量 X ~ (0 ，1) 分布，求D(X)。
解 因为 X ~ (0 ，1)
所以 又
E(X ) p E( X 2 ) 0 (1 p) 12 p p

概率论与数理统计教材第六章习题

概率论与数理统计教材第六章习题

X σ0 n
~ N(0,1)
对于置信水平1- ，总体均值的置信区间为 对于置信水平 -α，总体均值 的置信区间为
X
σ0
n
uα < < X +
2
σ0
n
uα
2
(2)设总体 ～ N(,σ 2 ), 未知 ，求的置信区间。 设总体X～ 未知σ， 的置信区间。 设总体 的置信区间
σ 0 ，则样本函数 t = X ~ t(n 1) 用 S 代替 S n
i =1
n1
n1
F
1
α ∑ Yj 2
2 j =1
n2
(
)
2
n2
10
2 2 及 （1）设两个总体 ～ N(1,σ1 ) 及Y～ N(2 ,σ 2 ), 未知 1 2， ）设两个总体X～ ～
2 σ1 的置信区间。 求 2 的置信区间。 σ2
选取样本函数 选取样本函数
2 2 S1 σ1 F = 2 2 ~ F(n1 1, n2 1) S2 σ2
∑x
i =1
n
i =1
i
n = 0.
1 p
得 p 的极大似然估计值为 p =
n
∑x
i =1
n
1 = x
i
12
1 θ 2. 设总体 服从拉普拉斯分布：f ( x;θ ) = e ,∞< x < +∞, 设总体X 服从拉普拉斯分布： 2θ 求参数 θ 其中 > 0. 如果取得样本观测值为 x1 , x2 ,L, xn , 求参数θ
第六章 参数估计
(一)基本内容
一、参数估计的概念 1 定义：取样本的一个函数θ ( X 1 , X 2 ,L , X n ), 如果以它的观测 定义：

概率论与数理统计-第6章-第4讲-区间估计

概率论与数理统计-第6章-第4讲-区间估计
5
本讲内容
01 置信区间定义 02 求置信区间的步骤 03 几点说明
02 求置信区间的步骤
例 设X1,…Xn 是取自 N (, 2 ) 的样本， 2已知,
求参数 的置信水平为 1 的置信区间.
明确问题：求什么参数的置信区间?置信水平是多少？
解 选 的点估计为 X
寻找未知参数的
取 U X N (0,1) 一个良好估计 n
u
2} 1
1
为什么 这样取？
u
u
2
2
8
02 求置信区间的步骤
从中解得
P{|
X
n
|u2}源自1P{Xn u 2
X
n
u
2}
1
于是所求 的 置信区间为
[X
n u 2 ,
X
n u
2]
也可简记为 X n u 2
从例题的过程，我们归纳出求置信区间的
一般步骤如下:
1
u
u
2
2
9
02 求置信区间的步骤
求置信区间的步骤
10
本讲内容
01 置信区间定义 02 求置信区间的步骤 03 几点说明
03 几点说明
1. 要求 θ 以很大的可能被包含在 [θˆ1, θˆ2 ]
内，P(ˆ1 ˆ2 ) 1 要尽可能大.
即要求估计尽量可靠. 2. 估计的精度要尽可能的高. 如要求区间
长度 θˆ2 θˆ1 尽可能短.
置信度与精度是一对矛盾，当样本容 量固定时，置信度越高，则精度越差.
u
u
2
2
区间的长度为 2u —— 达到最短
2n
14
03 几点说明
特别说明
即使在概率密度不对称的情形，如

《概率与数理统计》第06章 - 样本及抽样分布

《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

概率论 第六章 样本及抽样分布

概率论 第六章 样本及抽样分布
函数Fn(x)为 Fn(x)=S(x)/n , -∞<x< +∞。
一般，设 x1,x2, …,xn 是总体F的一个容 量为n的样本值，先将x1,x2, …,xn 按自小到 大的次序排列，并重新编号，设为
x(1) ≤x(2) ≤…≤x(n) 则经验分布函数Fn(x)的观察值为
0,
若x x(1) ,
性质：
(1) limf (t)
1
e ; t2 2
n
2
(2)当n 45时 取t (n) Z .
（三）设Ｘ~２(n1), Y~ ２(n2), 且Ｘ 与Ｙ相互独立，则随机变量
F X/ n1 Y / n2
则称F服从第一自由度为n1，第二自由 度为n2的F分布，记作
F~F(n1 ，n2)
F分布的分布密度为
2 2
E( X 2 ) D( X ) (E( X ))2
2 2
n
E(S 2 )
E[ 1 n 1
n i 1
(Xi
X
)2 ]
E[
1
n
(
n 1 i1
X
2 i
2
n X )]
1
n
E(
n 1 i1
X
2 i
nX
2
)
1 [E( n 1
n i 1
X
2 i
)
E(n X
2
)]
1[ n 1
n i 1
考察某厂生产的电容器
的使用寿命。在这个试验 中什么是总体，什么是个 体。
解 个体是每一个电容器 的使用寿命；总体X是各个 电容器的使用寿命的集合。
2. 样本
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，这一抽取过程称为 “抽样”，所抽取的部分个体称为样本. 样 本中所包含的个体数称为样本容量.

概率论与数理统计-第六章

概率论与数理统计-第六章
大街上随机抽取200人，进行调查。记录了
这200人的年龄数据。
总体：北京市民的年龄 随机变量：年龄X
个体：张三28岁；李四5岁；
样本：{ 28；5；14；56；23；2；39；…；69} 样本容量：200
抽样：随机抽取200人进行调查的过程
6
例2：为了确定工厂生产的电池电量分布情况，在
产品中随机抽取500个，测量其电量。记录了
x
0
F n1 , n2
F分布的分位数
x
F分布的上α分位点
对于给定的 , 0 1, 称满足条件
F n1 , n2
f x; n1 , n2 dx 的点F n1 , n2
为F n1 , n2 分布的上 分位数。F n1 , n2 的值可查F 分布表
17
不易计算！
18
抽样分布 —— 任意统计量 Q = g (X1, X2, …, Xn ) 的分布函数 抽样分布的计算： 多维随机变量（独立、同分布）的函数的分布 函数的计算问题。
得到统计量 Q 的抽样分布，就可以用来解决
关于总体 X 的统计推断问题。
19
关于随机变量独立性的两个定理
解：(1)作变换 Yi
显然Y1 , Y2 ,
2 n i 1
Xi
, Yn相互独立，且Yi N 0,1 i 1, 2,
Xi

i 1, 2,
,n
,n
于是 (

) Yi 2 2 n
2 i 1
28
n
(2)
2 ( X X ) X1 X 2 ~ N (0, 2 2 ), 1 2 2 ~ 2 (1) 2

概率论与数理统计第6章参数估计

概率论与数理统计第6章参数估计
参数估计的形式有两种：点估计与区间估计。
设 x1, x2,…, xn 是来自总体 X 的一个样本，
我们用一个统计量 ˆ ˆ(x1,的,取xn值) 作为 的 估计值， 称为ˆ的点估计（量），简称估计。 在这里如何构造统计量 并没有明ˆ确的规定，
只要它满足一定的合理性即可。这就涉及到 两个问题：
k阶原点矩 k的无偏估计。但对中心矩则不一样， 譬如，由于 E(s *2 ) ，n 样1本2 方差s*2不是总体方差 2
的无偏估计，对此，有n 如下两点说明：
(1) 当样本量趋于无穷时，有E(s*2) 2，
我们称 s*2 为 2的渐近无偏估计。
(2)
若对s*2作如下修正：
s2

个无偏估计为1

2X ,2

n 1 n
Xn
，判别1与2哪个有效 n

2时？
解：Var
1

Var
2X


4 n
2
12

2
3n
由
f
n

x



nxBiblioteka n1 n 00 x
其它
E
X
2
n

0
nxn1
n
dx

n
n

2
2
于是Var
第六章 参数估计
§6.1 点估计的概念与无偏性 §6.2 矩估计及相合性 §6.3 最大似然估计与EM算法 §6.4 最小方差无偏估计 §6.5 贝叶斯估计 §6.6 区间估计
一般常用 表示参数，参数 所有可能取值
组成的集合称为参数空间，常用表示。参 数估计问题就是根据样本对上述各种未知参 数作出估计。

概率论与数理统计第6章

概率论与数理统计第6章

以分组区间为底，以
Yj
Wj X j1 X j
Wj 5
为高
作频率直方图
23
从频率直方图可看到：靠近两个极端的数据出现比 较少，而中间附近的数据比较多，即中间大两头小的分 布趋势，——随机变量分布状况的最粗略的信息。
在频率直方图中， 每个矩形面积恰好等于样本值 落在该矩形对应的分组区间内的频率，即
S j
Wj X j1
Xj
X j1 X j
Wj
频率直方图中的小矩形的面积近似地反映了样本数
据落在某个区间内的可能性大小，故它可近似描述X的
分布状况。
24
12
第二．计算样本特征数
1.反映集中趋势的特征数：样本均值、中位数、众数等 样本均值MEAN 中位数MEDIAN 众数
X 90.3
91
91, 94
代表性——即子样( X1, X2 ,
,
X
)的每个分量
n
X
与
i
总体 X 具有相同的概率分布。
独立性——即 X1, X2, , Xn 是相互独立的随机变量。
满足上述两点要求的子样称为简单随机子样.获得简 单随机子样的抽样方法叫简单随机抽样.
从简单随机子样的含义可知，样本 X1, X2 , , Xn 是来自总体 X、与总体 X具有相同分布的随机变量.
2分布 t 分布 数理统计的三大分布(都是连续型). F分布 它们都与正态分布有密切的联系.
在本章中特别要求掌握对正态分布、 2分布、 t分布、F分布的一些结论的熟练运用. 它们
是后面各章的基础.
31
一、 2分布
定义 设总体 X ~ N 0,1 ， X1, X2,..., Xn 是 X

概率论第六章样本及抽样分布

概率论第六章样本及抽样分布
2 1 2 2
本相互独立，记
1 n1 X Xi n1 i 1 1 n2 Y Yi n2 i 1
则有 ⑴
2 1 2 2 2 1 2 2
1 n1 S12 ( X k X )2 n1 1 k 1 1 n2 2 S2 (Yk Y ) 2 n2 1 k 1
S / ~ F (n1 1, n2 1) S /
⑵ 当 时
2 1 2 2 2
X Y ( 1 2 ) ~ N (0,1) 1 1 n1 n2
(n1 1) S12

2 1

2 (n2 1) S2

2 2
~ 2 (n1 n2 2)
X Y ( 1 2 ) ~ t (n1 n2 2) 1 1 S n1 n2
2
又因为
(n 1)S 2

2
~ (n 1)
2
X n1 X n
故 Y

(n 1) S 2
n n 1 ~ t (n 1) /(n 1)

2
X n1 X n Y S
n ~ t (n 1) n 1
例4
设总体X , Y 相互独立 X ~ N (0,32 ) , Y ~ N (0,32 ) ,
2
X n1 X n n X 1 , X 2 ,, X n , X n1 , 求 Y 的分布 . S n 1 1 n 1 n 2 2 其中 X n X i , S ( Xi X n ) n i 1 n 1 i 1
1 2 解 由已知得 X n1 ~ N ( , ) , X n ~ N ( , ) , n n 1 2 所以 X n1 X n ~ N (0, ) n n 标准化得 X n1 X n ~ N (0,1) n 1

吴赣昌编-概率论与数理统计-第6章(new)

吴赣昌编-概率论与数理统计-第6章(new)
ln L 0 1 ln L 0 2 ln L 0 m
ˆ , ˆ ,, ˆ 从中解出 1 2 m
在例6.4中，
n xi n xi n i 1 i 1 xi ln n xi ln(1 ) ln L( ) ln (1 ) i 1 i 1
1 n 解得矩法估计量为 ˆ Xi X n i 1
注：1
n n n 1 1 1 2 2 1 2 2 2 X 2 X X X i i (Xi X ) (Xi 2Xi X X ) n n n i 1 i 1 i 1 n i 1 n i 1 n n
i 1 n
xi !
e

e
n
x!
i 1 i
n
x
i
n
x
i 1
1
n
i 1
i
0
n 1 ˆ xi n i 1
d2 1 n n (ln L ( )) x 0 2 2 i d i 1 x ˆx
ˆx 所以
ˆ X L
二、极大似然估计法(R.A.Fisher费歇)
先看一个简单例子： 某位同学与一位猎人一起 外出打猎 . 一只野兔从前方窜过 . 只听一声枪响，野兔应声倒下 . 如果要你推测， 是谁打中的呢？ 你会如何想呢?
1、极大似然估计法的基本思想
由样本的具体取值，选择参数θ的估计量 ˆ 使得取该样本值发生的可能性最大。 一般说，事件A发生的概率与参数有关，取
n 2 i 2 i 1
n n n 1 ln L( , 2 ) ln 2 ln 2 ( xi 2 2 2 2 i 1 ln L( , 2 ) 1 n 2 ( xi ) 0 i 1 解得 2 n ln L ( , ) n 1 2 2 ( xi ) 0 2 4 2 2 i 1

概率论与数理统计(王明慈第二版)第6章参数区间估计2,3节

概率论与数理统计(王明慈第二版)第6章参数区间估计2,3节

第三节 正态总体参数的区间估计
基本内容： 一、区间估计的概念 二、正态总体均值的区间估计 三、正态总体方差的区间估计
一、区间估计的概念
定义 设总体 X 的分布中含有未知参数，对于 给定的概率 1- (0 < < 1), 若存在两个统计量 ˆ1(X1, X2, , Xn )与ˆ2(X1, X2, , Xn ), 使得
即
P
i
n 1
tα/
2
(n
-
1),
x
s n
tα/
2(n
1)
得到的95%的置信区间为
(14.92-0.138, 14.92+0.138) 即(14.782, 15.058) (mm)
三、正态总体方差 2 的区间估计
1. 已知均值= 0的正态总体 X, 求未知参数 2 1- 的置信区间
解：设总体 X ~ N( , 2), 有
k 1,2,L ,m
第三步: 解含m个参数ˆ1，ˆ2，L的，mˆ个m 方程组, 得
ˆk ˆk X1, X2, , Xn k 1,2, ,m
以ˆk作为参数 的k 估计量.
第四步:将 θˆk中的X1 , X2 , , Xn换成x1 , x2 , , xn, 便得到θk的矩估计值θˆk ( x1 , x2 , , xn ).
例3. 设X1，X2，X3是来自总体X的样本, 且
总体均值E(X)= 未知, 则下列4个关于 的
统计量中哪个更有效？( C )
A. X1 X 2 3X 3 ; 55 5
C. X1 X 2 X3 ; 333
B. X1 X 2 X 3 ; 424
D. X1 X 2 X 3 . 362
分析：利用P181的7题结论，可选C.

概率论与数理统计第六章

概率论与数理统计第六章

Ch 6 数理统计的基本概念§6.1 基本概念 一、总体与样本1、总体——研究对象的全体，记为X 。

2、个体——构成总体的每一个对象，记为i X 。

3、总体容量——总体中包含的个体的个数。

有限总体——容量有限；无限总体——容量无限。

为推断总体X 的分布，从总体中抽取n 个个体，则对应n 个r.v.n X X X .....2,1——来自于总体X 的一个样本。

n X X X ......,21的取值（（n x x x ,.....,21）--观测结果）称为样本的观测值，简称为样本值，整个抽取过程称之为抽样。

抽取的目的是根据样本的取值情况推断总体情况，因此应尽可能的使抽取的样本能反映总体的状况，故要求抽取的样本具有以下性质：文档收集自网络，仅用于个人学习⑴ 代表性：样本中每个r.v.i X 与总体X 具有相同的分布。

文档收集自网络，仅用于个人学习⑵ 独立性：n X X X ......,21相互独立。

——简单的随机抽样所得的样本称为简单的随机样本；若总体X 的分布函数为F （x ），则样本n X X X .....2,1的联合分布函数)().....,(121*i ni n x F x x x F =∏=。

文档收集自网络，仅用于个人学习若X 为连续型，且d.f 为f(x),且联合p.d.f 为：)()....,(121*i ni n x f x x x f =∏= 若X 为离散型，且分布律为：....2,1,)(===k p x X P k k 则联合分布律：in i i in n i i p p p x X x X x X P ....).....,(212211⋅⋅====。

...2,1.....3,2,1=in i i i 二、统计量Def:不含有任何未知数的关于样本空本空间的函数称为统计量。

e.g.1 设总体X~),(2σμN ，其中2,σμ未知，（n X X X .....2,1）为取自总体X 的一个样本，则：∑∑==--==n i i n i i X X n S X n X 1221)(11,1均为统计量。

概率论与数理统计 第6章

概率论与数理统计 第6章
第 6 章 数理统计的基本概念
6.1 基本概念 6.2 抽样分布 习题 ６
数理统计是具有广泛应用的一个数学分支，它以概率论 为基础，根据试验或观察得到的数据来研究随机现象，对研 究对象的客观规律性作出种种合理的估计和判断。数理统计 的内容包括:如何收集、整理数据资料；如何对所得的数据
资料进行分析、研究，从而对所研究的对象的性质、特点作
设总体 X 的分布律为 P ( X = x ) = p ( x )， X 1 ， X
2
，…， X n为来自总体 X 的一个样本，则 X 1 ， X 2 ，…， ， X 2 ，…， X n)的联合分布律为
X n的分布律都是 P ( X i = x ) = p ( x )，从而 n 维随机变量(X
1
设总体 X 的概率密度为 f ( x )， X 1 ， X 2 ，…， X n为 来自总体 X 的一个样本，则 X 1 ， X 2 ，…， X n的概率密度 都是 f ( x )，从而 n 维随机变量(X 1 ， X 2 ，…， X n)的联合 概率密度为
( n ) ，则称函数
为总体 X 的经验分布函数。
需要指出的是，若在 F n (x )的定义中将样本值换成对 应的样本，则当 n 固定时，它是一个随机变量，此时仍称之 为总体 X 的经验分布函数。所以用样本值定义的 F n (x )其 实是经验分布函数的观察值，在不致混淆的情况下统称为总 体 X 的经验分布函数。
出推断。数理统计的重要分支有统计推断、试验设计、多元 分析等，其具体方法甚多，应用相当广泛，已成为各学科从
事科学研究及生产、经济等部门进行有效工作的必不可少的
数学工具。

本章从数理统计的基本概念开始，讨论抽样分布及其重 要定理，这些抽样分布及其重要定理在概率论中尚未提到，

概率论与数理统计6.第六章：样本及抽样分布

概率论与数理统计6.第六章：样本及抽样分布

),
,
,
,
是来
Z=
(
－
证明统计量 Z 服从自由度为 2 的 t 分布。
14
),
,
,
,
是来 ， ．ຫໍສະໝຸດ 自 总 体 X 的 样 本 ， E( ) 则 ，D( )=
是来自总体 X ，D(X)= ． ，
，D( )=
11
3. 设 , 本 ,E(X)=
, , 为来自总体 X 的样 ,D(X)=9, 为样本均值 , 试用 ＜ ≥ ,
切比雪夫不等式估计 P{ P{ 4.设 , 则当 K= ＞ ≤ , , . 是总体 X
lim f (t ) (t )
n
1 e 2
t2 2
, x
3.分位点 设 T～t(n)， 若对 :0<<1,存在 t(n)>0，
4
满足 P{Tt(n)}=， 则称 t(n)为 t(n)的上侧分位点 注: t1 (n) t (n) 三、F—分布 1.构造 若 1 ~2(n1)， 2~2(n2)，1， 2 独立，则
y0
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)
5
为 F(n1, n2)的上侧 分位点； 注： F1 (n1 , n2 )
1 F (n2 , n1 )
§ 6.3 正态总体的抽样分布定理
X Y /n ~ t ( n)
t(n)称为自由度为 n 的 t—分布。 t(n) 的概率密度为
n 1 ) 1 t 2 n2 2 f (t ) (1 ) , t n n n ( ) 2 (
  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. 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. 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)。
HaiNan University
y0 y0
上页 下页
24
X 试证明： 例7 设随机变量 X ~ N ( , 2 ) ，
的线性函数 Y aX b (a 0) 也服从正态分布。 证
X 的概率密度为
f X ( x)
1 e 2
( x )2 2 2
, x
1 P{Y 0} P{ X 0} P{ X 0} , 4
2
HaiNan University
上页 下页
4
P{Y 1} P{ X 1} P{( X 1) ( X 1)}
2
1 1 1 P { X 1} P { X 1} , 4 4 2 1 2 P{Y 4} P{ X 4} P{ X 2} , 4
2 称 Y 服从自由度为1的 分布。
HaiNan University
上页 下页
17
例5 设随机变量 X 的密度函数为 f X ( x ) ,
且 Y X ，试求随机变量 Y 的密度函数 fY ( y )
解 设随机变量 X 的分布函数为 FX ( x ) ，
随机变量 Y 的分布函数为 FY ( y )
fY ( y ) f X (ln y ) (ln y )
2 1 ln y 1 exp 2 2 y 2
因此，随机变量 Y e X 的密度函数为
2 1 ln y exp 2 fY ( y ) 2 y 2 0
1. 由于 Y X 2 0 , 故当 y 0 时，FY ( y ) 0
HaiNan University
上页 下页
15
2 y 0 2.当 时，FY ( y ) P{Y y} P{ X y}
P{ y X
y}
y
y
f X ( x )dx
所以
1 [ f X ( y ) f X ( y )] fY ( y ) 2 y 0 y0 y0
(2) Y=-2X的分布律为 Y 2 0 -2 -4 3/10 25/4 3/10 -5 (3) Y=X2的分布律为 Y 0 P 1/10 1 3/10 4 3/10
HaiNan University
上页 下页
9
例2 设
X
1
1
2
pk
1 6
2 6
3 6
求 Y X 2 5 的分布律.
1 1 e | a | 2
yb )2 a 2 2 (

1 2 | a |
2
e

[ y ( a b )]2 2( a )2
即
Y aX b ~ N a b,(a )
FY ( y ) P Y y P X y
（1）若 y 0 ，则
FY ( y ) P Y y P X y P ( ) 0
HaiNan University
上页 下页
18
（2）若 y 0 ，则 FY ( y ) P Y y P X y
y8 y8 fY ( y ) f X ( )( ) 2 2
x , 0 x4 f X ( x) 8 其它 0,
y8 1 y 8 1 ) , 0 4 ( 8 2 2 2 0, 其它
HaiNan University
上页 下页
13
整理得 Y 2 X 8 的概率密度为
21
HaiNan University
于是得Y的概率密度
f X h( y ) h( y ) fY ( y ) 0
y
其他
若g(x)<0, 同理可证
f X h( y) h( y) fY ( y ) 0
y
其他
合并两式，即得证。 若ƒ(x)在有限区间[a，b]以外等于零，则只需假 设在[a，b]上恒有g(x)>0(或恒有g(x)<0)， 此时
Y

g

Ig
X

g ( x ) y
X
再由FY(y)进一步求出Y的概率密度
fY y FY ( y)
HaiNan University
上页 下页
11
例3
设随机变量
X 具有概率密度
x , 0 x4 f X ( x) 8 其它 0,
试求 Y 2 X 8 的概率密度。 解 (1) 先求
HaiNan University
y0 y0
上页 下页
19
当函数y=g(x)可导且为单调函数时，我们有下面一 般结果
2. 特殊方法
定理 设随机变量X具有概率密度fX(x)，又设函数 g(x)单调（恒有g(x)>0 或恒有g(x)<0) ，且处处 可导，则Y=g(X)的概率密度为
f X h y h y fY y 0

xk pk

则 Y g( X )的分布律为
Y g( X ) pk
g( x1 ) p1
g ( x2 ) g ( xk ) p2 pk
若 g( xk ) 中有值相同的, 应将相应的 pk 合并.
HaiNan University
上页 下页
6
此时
P{Y yk } pk
y8 , 8 y 16 fY ( y ) 32 其它 0,
HaiNan University
上页 下页
14
例4 设随机变量 X 具有概率密度
f X ( x ) ( x )
求 Y X 2 的概率密度。 解
2 Y X (1) 先求 的分布函数 FY ( y )
P{
i:g ( xi ) yk
X xi }

i:g ( xi ) yk

P{ X xi } pi
i:g ( xi ) yk

HaiNan University
上页 下页
7
例: 设离散型随机变量X的分布律为
X P -1 1/5 0 1 2 5/2 1/10 1/10 3/10 3/10
又因为 y g( x ) ax b , g( x ) a 满足定理条件
yb 1 y g ( x ) 的反函数为 x h( y ) 且 h( y ) a a
HaiNan University
上页 下页
25
由定理的结论得
1 yb fY ( y ) f X [h( y )]| h( y ) | fX ( ) |a| a
2 x
2 2
x
由于函数 y e x 是严格单调增加的， 它的反函数为 x ln y
HaiNan University
上页 下页
23
当 X 在区间( , ) 上变化时，Y 在区间 (0, ) 上变化， 所以，当 y (0, ) 时，
Y 2 X 8 的分布函数
FY ( y ) P{Y y }
y8 P{2 X 8 y } P{ X } 2
HaiNan University
上页 下页
12
FY ( y )
y8 2
f X ( x )dx
（2）利用 fY y FY y 得
第六章 随机变量的函数及其分布
§ 6.1 一维随机变量的函数及其分布
§6.2 二维随机变量的函数及其分布
HaiNan University
上页 下页
1
§ 6.1 一维随机变量的函数及其分布
在实际问题中往往需要讨论随机变量的函数 的变化规律.例如某影剧院每次演出所售出的门票 数是一个随机变量,而票房收入就是售出门票数的
故 Y 的分布律为
Y
p
0 1 4 1 1 1 4 2 4
由此归纳出离散型随机变量函数的分布的求法.
HaiNan University
上页 下页
5
离散型随机变量的函数的分布
如果 X 是离散型随机变量 , 其函数 Y g( X ) 也是离散型随机变量 .若 X 的分布律为
X pk
x1 p1
x2 p2
求 (1)Y=X-1; (2)Y=-2X; (3)Y=X2 的分布律
解: 由X的分布律可得下表
P
X
1/5
-1
1/10
0
1/10
1
3/10
2
3/10
5/2
X-1 -2X
X2
-2 2
1
-1 0
0
0 -2
1
HaiNan University
1 -4
4
3/2 -5
25/4
上页 下页
8
(1) Y=X-1的分布律为 Y -2 P 1/5 -1 1/10 0 1/10 1 3/10 3/2 3/10
其中x=h(y)为y=g(x)的反函数，
y
其他
ming , g , maxg , g
HaiNan University
上页 下页
20
证：我们只证g(x)>0的情况。此时g(x)在(-≦,+ ≦)严 格单调增加，它的反函数h(y)存在，且在(α，β)严格单
问题
如何根据随机变量X 的分布 求得随机变量Y f ( X ) 的分布?
HaiNan University
上页 下页
3
一、 离散型随机变量函数的分布律
例1 设 X 的分布律为