概率论与数理统计第六章统计量,样本及抽样分布

概率论与数理统计-ch6-样本与抽样分布概率论中，所研究的随机变量是假定其分布是已知的，在此前提下研究它的性质、数字特征等。

在数理统计中，所研究的随机变量的分布是未知或不完全知道的，通过重复独⽴的试验得到许多观察值去推断随机变量的种种可能分布。

1、随机样本总体：试验的全部可能的观察值。

=样本空间个体：每⼀个可能观察值。

=样本点容量：总体中所包含的个体的个数。

有限总体⽆限总体⼀个总体对应⼀个随机变量X，对总体的研究就是对随机变量X的研究。

所以将不区分总体与相应的随机变量，统称为总体X。

样本：在数理统计中，⼈们都是通过从总体中抽取⼀部分个体，根据获得的数据来对总体分布得出推断的，被抽出的部分个体叫做总体的⼀个样本。

对总体进⾏⼀次观察，就会得到⼀个随机变量X1，对总体进⾏n次重复的、独⽴的观察，就会得到n个随机变量X1，X2，...,Xn，这n个随机变量X1，X2，...,Xn是对总体随机变量X观察的结果。

则X1，X2，...,Xn是相关独⽴且与X具有相同分布，称为来⾃总体X的⼀个简单随机样本。

n称为样本的容量。

进⾏n次观察得到的⼀组实数x1,x2,...,xn是随机变量X1，X2，...,Xn的观察值，称为样本值，也称为X的n个独⽴的观测值。

2、抽样分布样本是统计推断的依据，但往往不直接使⽤样本本⾝，⽽是由样本构造的函数。

统计量：设X1，X2，...,Xn是来⾃总体X的⼀个样本，g(X1，X2，...,Xn)是其函数，且g中不含任何未知参数，则称g(X1，X2，...,Xn)是⼀统计量。

统计量也是⼀个随机变量。

g(x1,x2,...,xn)是统计量的观测值。

常⽤的统计量：经验分布函数：经验分布函数(empirical distribution function)是根据样本得到的分布函数.如设，是总体的样本值，将它们按⼤⼩顺序排列为，则称分布函数为经验分布函数是与总体分布函数相对应的统计量。

总体的分布函数是F(x)，统计量的经验分布函数是F n（x)，⽤F n（x)去推断F(x)，当n⾜够⼤时，F n（x)以概率1收敛于F(x)。

概率论与数理统计教案-统计量和抽样分布一、教学目标1. 理解统计量的概念，掌握常见统计量的计算方法。

2. 了解抽样分布的定义，掌握正态分布、t分布、卡方分布等常见抽样分布的特点及应用。

3. 学会使用抽样分布进行假设检验和置信区间的估计。

二、教学内容1. 统计量的概念及计算方法统计量的定义样本均值、样本方差、样本标准差等常见统计量2. 抽样分布的定义及特点抽样分布的定义正态分布、t分布、卡方分布等常见抽样分布的特点3. 抽样分布的应用假设检验置信区间的估计三、教学方法1. 讲授法：讲解统计量的概念、计算方法，抽样分布的定义及特点。

2. 案例分析法：通过具体案例，让学生学会使用抽样分布进行假设检验和置信区间的估计。

3. 互动教学法：引导学生参与课堂讨论，提问、解答问题，提高学生的积极性和主动性。

四、教学步骤1. 引入统计量的概念，讲解样本均值、样本方差、样本标准差等常见统计量的计算方法。

2. 讲解抽样分布的定义，介绍正态分布、t分布、卡方分布等常见抽样分布的特点及应用。

3. 通过具体案例，让学生学会使用抽样分布进行假设检验和置信区间的估计。

五、课后作业1. 复习本节课的内容，整理笔记。

2. 完成课后习题，加深对统计量和抽样分布的理解。

3. 选择一个感兴趣的话题，运用抽样分布进行实际问题的分析。

六、教学评估1. 课堂提问：通过提问了解学生对统计量和抽样分布的理解程度。

2. 课后习题：检查学生对课堂内容的掌握情况。

3. 实际案例分析：评估学生运用抽样分布解决实际问题的能力。

七、拓展与延伸1. 引导学生探讨抽样分布在其他领域的应用，如经济学、生物学等。

2. 介绍与抽样分布相关的高级主题，如非参数统计、贝叶斯统计等。

3. 鼓励学生参加相关竞赛、研究项目，提高实践能力。

八、教学资源1. 教材：概率论与数理统计相关教材。

2. 课件：PPT课件，辅助学生理解统计量和抽样分布的概念及应用。

3. 案例资料：提供具体案例，方便学生学会使用抽样分布进行假设检验和置信区间的估计。

第六章 样本及抽样分布1.[一] 在总体N （52，6.32）中随机抽一容量为36的样本，求样本均值X 落在50.8到53.8之间的概率。

解： 8293.0)78()712(}63.68.163.65263.62.1{}8.538.50{),363.6,52(~2=-Φ-Φ=<-<-=<<X P X P N X2.[二] 在总体N （12，4）中随机抽一容量为5的样本X 1，X 2，X 3，X 4，X 5. （1）求样本均值与总体平均值之差的绝对值大于1的概率。

（2）求概率P {max (X 1，X 2，X 3，X 4，X 5)>15}. （3）求概率P {min (X 1，X 2，X 3，X 4，X 5)>10}.解：（1）⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧>-=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧>-=>-25541225415412}112{|X P X P X P =2628.0)]25(1[2=Φ-（2）P {max (X 1，X 2，X 3，X 4，X 5)>15}=1－P {max (X 1，X 2，X 3，X 4，X 5)≤15}=.2923.0)]21215([1}15{1551=-Φ-=≤-∏=i i X P （3）P {min (X 1，X 2，X 3，X 4，X 5)<10}=1－ P {min (X 1，X 2，X 3，X 4，X 5)≥10}=.5785.0)]1([1)]21210(1[1}10{15551=Φ-=-Φ--=≥-∏=i i X P 4.[四] 设X 1，X 2…，X 10为N （0，0.32）的一个样本，求}.44.1{1012>∑=i i X P解：)5(1.0}163.0{}44.1{),10(~3.0101221012221012查表=>=>∑∑∑===i ii ii iX P XP χX7．设X 1，X 2，…，X n 是来自泊松分布π (λ )的一个样本，X ，S 2分别为样本均值和样本方差，求E (X ), D (X ), E (S 2).解：由X ~π (λ )知E (X )= λ ，λ=)(X D∴E (X )=E (X )= λ, D (X )=.)()(,)(2λX D S E nλnX D ===[六] 设总体X~b (1,p)，X 1，X 2，…，X n 是来自X 的样本。

第六章 样本及抽样分布 总体与个体：我们将试验的全部可能的观察值称为总体，这些值不一定都不相同，数目上也不一定是有限的，每一个可能观察值称为个体 总体中所包含的个体的个数称为总体的容量 容量为有限的称为有限总体 容量为无限的称为无限总体设X 是具有分布函数F 的随机变量，若,,21X X …n X ,是具有同一分布函数F 的、相互独立的随机变量，则称,,21X X …n X ,为从分布函数F （或总体F 、或总体X ）得到的容量为n 的简单随机样本，简称样本，它们的观察值,,21x x …n x ,称为样本值，又称为X 的n 个独立的观察值由定义得：若,,21X X …n X ,为F 的一个样本，则,,21X X …n X ,相互独立，且它们的分布函数都是F ，所以（,,21X X …n X ,）的分布函数为,,(21*x x F …)(),1∏==ni i n x F x又若X 具有概率密度f ，则（,,21X X …n X ,）的概率密度为,,(21*x x f …).(),1∏==ni i n x f x设,,21X X …n X ,是来自总体X 的一个样本，g(,,21X X …n X ,)是,,21X X …n X ,的函数，若g 中不含未知参数，则称g(,,21X X …n X ,)是一统计量设,,21X X …n X ,是来自总体X 的一个样本，n x x x ,^,,21是这一样本的观察值，定义：样本平均值∑==ni i X n X 11样本方差⎪⎭⎫ ⎝⎛--=--=∑∑==n i i n i i X n X n X X n S 12221211)(11样本标准差∑=--==ni i X X n S S 122)(11 样本k 阶（原点）矩,2,1,11==∑=k X n A n i ki k …样本k 阶中心矩,3,2,)(11=-=∑=k X X n B k ni i k …经验分布函数设,,21X X …n X ,是总体F 的一个样本，用∞<<-∞x x S ),(表示,,21X X …n X ,中不大于x 的随机变量的个数。

一、统计量和抽样分布的概念介绍1.1 统计量的定义讲解统计量的概念，即根据样本数据所定义的量，用来描述样本的某些特征。

例如，样本均值、样本方差等。

1.2 抽样分布的定义解释抽样分布是指在一定的抽样方法下，统计量的概率分布。

例如，正态分布、t分布等。

二、统计量的估计方法2.1 点估计介绍点估计的概念，即用一个具体的数值来估计总体参数。

例如，用样本均值来估计总体均值。

2.2 区间估计讲解区间估计的方法，即根据样本数据，给出总体参数估计的一个区间，该区间以一定的概率包含总体参数。

例如，置信区间。

三、抽样分布的性质及应用3.1 抽样分布的性质讲解抽样分布的一些基本性质，如独立性、对称性、无偏性等。

3.2 抽样分布的应用介绍抽样分布在实际问题中的应用，如利用抽样分布来判断总体均值的假设检验问题。

四、假设检验的基本概念和方法4.1 假设检验的定义解释假设检验是一种统计推断方法，通过观察样本数据，对总体参数的某个假设进行判断。

4.2 假设检验的方法讲解常见的假设检验方法，如单样本t检验、双样本t检验、卡方检验等。

4.3 假设检验的判断准则介绍假设检验的判断准则，如P值、显著性水平等，并解释其含义和作用。

六、正态分布及其应用6.1 正态分布的定义与性质详细介绍正态分布的概念、概率密度函数、累积分布函数以及其性质，如对称性、钟形曲线等。

6.2 标准正态分布解释标准正态分布的概念，即均值为0，标准差为1的正态分布。

讲解标准正态分布表的使用方法。

6.3 正态分布的应用介绍正态分布在实际问题中的应用，如利用正态分布来分析和估计总体均值、方差等参数。

七、t 分布及其应用7.1 t 分布的定义与性质讲解t 分布的概念、概率密度函数、累积分布函数以及其性质。

解释t 分布与正态分布的关系。

7.2 t 分布的自由度介绍t 分布的自由度概念，即样本量。

讲解自由度对t 分布形状的影响。

7.3 t 分布的应用介绍t 分布在实际问题中的应用，如利用t 分布进行小样本推断、假设检验等。