样本方差的抽样分布

抽样分布与理论分布一、抽样分布总体分布：总体中所有个体关于某个变量的取值所形成的分布。

样本分布：样本中所有个体关于某个变量大的取值所形成的分布。

抽样分布：样品统计量的概率分布，由样本统计量的所有可能取值和相应的概率组成。

即从容量为N 的总体中抽取容量为n 的样本最多可抽取m 个样本，m 个样本统计值形成的频率分布，即为抽样分布。

样本平均数的抽样分布：设变量X 是一个研究总体，具有平均数μ和方差σ2。

那么可以从中抽取样本而得到样本平均数x ，样本平均数是一个随机变量，其概率分布叫做样本平均数的抽样分布。

由样本平均数x 所构成的总体称为样本平均数的抽样总体。

它具有参数μx 和σ2x ，其中μx 为样本平均数抽样总体的平均数，σ2x 为样本平均数抽样总体的方差，σx 为样本平均数的标准差，简称标准误。

统计学上可以证明x 总体的两个参数 μx 和σ2x 与X 总体的两个参数μ和σ2有如下关系：μx = μ σ2x = σ2 /n由中心极限定理可以证明，无论总体是什么分布，如果总体的平均值μ和σ2都存在，当样本足够大时（n>30），样本平均值x 分布总是趋近于N （μ，n2)分布。

但在实际工作中，总体标准差σ往往是未知的，此时可用样本标准差S 估计σ。

于是，以nS估计σx ，记为X S ，称为样本标准误或均数标准误。

样本平均数差数的抽样分布：二、正态分布2.1 正态分布的定义：若连续型随机变量X 的概率密度函数是⎪⎭⎫ ⎝⎛--=σμπσx ex f 22121)( （-∞＜x ＜+∞）则称随机变量X 服从平均数为μ、方差为σ2的正态分布，记作X~N （μ，σ2）。

相应的随机变量X 概率分布函数为 F （x ）=⎰∞-x dx x f )(它反映了随机变量X 取值落在区间（-∞，x ）的概率。

2.2 标准正态分布当正态分布的参数μ=0，σ2=1时，称随机变量X 服从标准正态分布，记作X~N （0,1）。

=10
= 50 X
总体分布
n= 4
x 5
n =16
x 2.5
x 50
X
抽样分布
从非正态总体中抽样
结论：
从非正态中体中抽样，所形成 的抽样分布最终也是趋近于正态分 布的。只是样本容量需要更大些。
总结：中心极限定理
设从均值为，方差为 2的一个任意总体中抽 取容量为n的样本，当n充分大时（超过30），样本 均值的抽样分布近似服从均值为μ、方差为σ2/n的
总体
样本
参数
统计量
总体与样本的指标表示法
总体参数
样本统计量
(Parameter) (Sample Statistic)
容量 平均数 比例 方差 标准差
N
n
X
x
p
2
s2
s
小练习
某药品制造商感兴趣的是用该公司开发的某 种新药能控制高血压人群血压的比例。进行了一 项包含5000个高血压病人个体的研究。他发现用 这种药后80%的个体，他们的高血压能够被控制。 假定这5000个个体在高血压人群中具有代表性的 话，回答下列问题： 1、总体是什么？ 2、样本是什么？ 3、识别所关心的参数 4、识别此统计量并给出它的值 5、我们知道这个参数的值么？
正态分布
一个任意分 布的总体
x
n
当样本容量足够 大时(n 30) ， 样本均值的抽样 分布逐渐趋于正 态分布
x
X
总体分布
正态分布
非正态分布
大样本 小样本 大样本 小样本
正态分布
正态分布
非正态分布
三 中心极限定理的应用
中心极限定理(Central Limit theorem) 不论总体服从何种分布，从中抽取

(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

1 2
这两个样本的样本方差,则有
2 S12 1 1、 2 2 ~ F ( n1 1, n2 1) S2 2 X Y ( 1 2 ) 2、 ~ t ( n1 n2 2) 2 2 ( n1 1) S1 ( n2 1) S2 1 1 n1 n2 2 n1 n2
则服从自由度为 n-1 的 t 分布的随机变量是
( A)t X S1 / n 1
( B)t X S2 / n 1
．
( D)t X S4 / n
(C )t
X S3 / n
定理 6.2 (两总体样本均值差、样本方差比的分布) 且X与Y独立, 设X ~ N ( 1, 2 )，Y ~ N ( 2 , 2 )， X1,X2,…, X n是来自X的样本,Y1,Y2,…,Yn 是取自Y的样本, 1 2 X和Y 分别是这两个样本的 样本均值， 2和S 2 分别是 S
几个重要的抽样分布定理
设总体X的均值为，方差为 2，X 1 , X 2 ,, X n 是 来自总体的一个样本，则样本均值X和样本方差S 2有
E( X ) , D( X ) 2 n ,
E( S 2 ) 2
样本均值的分布 设 X1, X2, …, Xn 是来自正态总体 的样本，
2 2
1 故C . 3
小结
在这一节中我们学习了抽样分布定理. 要 求大家熟练地掌握它们 .
常用的统计量 样本平均值
1 n X Xi n i 1
样本方差
样本标准差 样本k阶原点矩 样本k阶中心矩
1 n S2 ( X i X )2 n 1 i 1
1 n 2 S ( Xi X ) n 1 i 1
2 1 2 2 2 1 2 2

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.

二、抽样中的基本概念
⚫ 样本比例（成数）
p = n1 ，q = n0 = 1− p
n
n
⚫ 样本是非标志的标准差
(n = n0 + n1)
sp =
n p (1− p) =
n −1
n pq n −1
⚫ 样本是非标志的方差
s
2 p
=
n n −1
p(1 −
p)
=
n n −1
pq
第一节 抽样和抽样方法
三、抽样方法
三、抽样方法
⚫ 多阶段抽样
⚫ 在实践中总体所包括的单位数很多，分布很广，通过一次 抽样就选出有代表性的样本是很困难的。此时可将整个抽 样过程分为几个阶段，然后逐阶段进行抽样，最终得到所 需要的有代表性的样本。
第一节 抽样和抽样方法
三、抽样方法
⚫ 多阶段抽样
⚫ 阶段数不宜过多，一般采用两个、三个阶段，至多四个阶 段为宜，否则，手续繁琐，效果也不一定好。
第一节 抽样和抽样方法
二、抽样中的基本概念
⚫ 总体参数
⚫ 总体参数是根据总体各单位的标志值或特征计算的、反 映总体某一属性的综合指标。
⚫ 总体参数是唯一的、确定的常数，但一般情况下又是未 知的。
⚫ 常用的总体参数有 ⚫ 总体均值 ⚫ 总体标准差、总体方差 ⚫ 总体比例（成数）
第一节 抽样和抽样方法
⚫ 样本标准差
s =
1 n −1
n i =1
(xi
−
x )2，或s
=
1
m
m
(xi − x )2 fi
fi −1 i=1
i =1
⚫ 样本方差
( ) ( ) s2 = 1 n n −1 i=1

统计学原理-《统计学》第五章统计量及其抽样分布试题1、智商的得分服从均值为100，标准差为16的正态分布。

从总体中抽取一个容量为n的样本，样本均值的标准差为2，样本容量为____________。

2、样本均值与总体均值之间的差被称作____________。

3、从均值为50，标准差为5的无限总体中抽取容量为30的样本，则抽样分布的超过51的概率为____________。

4、某校大学生中，外国留学生占10%。

随机从该校学生中抽取100名学生，则样本中外国留学生比例的标准差为____________。

5、假设总体服从均匀分布，从此总体中抽取容量为36的样本，则样本均值的抽样分布( )。

A.服从非正态分布B.近似正态分布C.服从均匀分布D.服从x²分布6、从服从正态分布的无限总体中分别抽取容量为4，16，36的样本，当样本容量增大时，样本均值的标准差( )。

A.保持不变B.增加C.减小D.无法确定7、总体均值为50，标准差为8，从此总体中随机抽取容量为64的样本，则样本均值的抽样分布的均值和标准误差分别为( )。

A.50，8B.50，1C.50，4D.8，88、某厂家生产的灯泡寿命的均值为60小时，标准差为4小时。

如果从中随机抽取30只灯泡进行检测，则样本均值( )。

A.抽样分布的标准差为4小时B.抽样分布近似等同于总体分布C.抽样分布的中位数为60小时D.抽样分布近似等同于正态分布，均值为60小时9、假设某学校学生的年龄分布是右偏的，均值为23岁，标准差为3岁。

如果随机抽取100名学生，下列关于样本均值抽样分布描述不正确的是( )。

A.抽样分布的标准差等于3B.抽样分布近似服从正态分布C.抽样分布的均值近似为23D.抽样分布为非正态分布10、从均值为200，标准差为50的总体中抽取容量为100的简单随机样本，样本均值的数学期望是( )。

A.150B.200C.100D.25011、从均值为200，标准差为50的总体中抽取容量为100的简单随机样本，样本均值的标准差是( )。

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-≤=0.63186.2在练习题6.1中，我们希望样本均值与总体均值μ的偏差在0.3盎司之内的概率达到0.95，应当抽取多大的样本？解：()0.3P x μ-≤=P ⎫≤=x P ⎛⎫≤≤=210.95Φ-≥0.975⇒Φ≥1.96⇒≥42.6828843n n ⇒≥⇒≥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6221ii Z χ==∑，则()622216ii Zχχ==∑，那么由概率6210.95i i P Z b =⎛⎫≤= ⎪⎝⎭∑，可知：b=()210.956χ-，查概率表得：b=12.596.4 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22211(())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：222(1)~(1)n s n χσ--此处，n=10，21σ=，所以统计量22222(1)(101)9~(1)1n 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：()()()2221221911P n S n ααχχα--≤≤-=-因此：()()()()22221212299919110.90P b S b P n S n ααχχα-≤≤=-≤≤-=-= ()()()()222212122999191P b S b P n S n ααχχ-⇒≤≤=-≤≤- ()()()2220.950.059990.90P S χχ=≤≤=则： ()()2210.9520.0599,99b b χχ⇒==()()220.950.051299,99b b χχ⇒==查概率表：()20.959χ=3.325，()20.059χ=19.919，则()20.95199b χ==0.369，()20.05299b χ==1.887.1 从一个标准差为5的总体中采用重复抽样方法抽出一个样本容量为40的样本，样本均值为25。

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

1、依据统计数据的收集方法不同，可将其分为【观测数据】数据和【实验数据】数据。

2、收集的属于不同时间上的数据称为【时间序列】数据。

5、在某城市随机抽取13个家庭，调查得到每个家庭的人均月收入数据如下：1080、750、1080、850、960、2000、1250、1080、760、1080、950、1080、660，则其众数为 1080，中位数为1080。

7、设总体X ～),(2σμN ，x为样本均值，S 为样本标准差。

当σ未知，且为小样本时，则n sx μ-服从自由度为n-1的___t__分布。

1、数据分析所用的方法分为 描述统计方法 和 推断统计方法 。

2、数据的基本类型有 分类数据 、 顺序数据 和 数值型数据 。

3、在某城市中随机抽取9个家庭，调查得到每个家庭的人均月收入数据：1080，750，780，1080，850，960，2000，1250，1630（单位：元），则人均月收入的平均数是 1153.3 ，中位数是 1020 。

4、设连续型随机变量X 在有限区间(a,b)内取值，且X 服从均匀分布，其概率密度函数0()1f x b a ⎧⎪=⎨⎪-⎩则X 的期望值为 2a b + ，方差为2()12b a - 。

1、收集数据的基本方法是 自填式 、 面访式 和 电话式 。

2、依据统计数据的收集方法不同，可将其分为 观测数据 和 实验数据 。

3、分类数据、顺序数据和数值型数据都可以用 饼图 、 条形图 等图形来显示。

5、测定数值型数据的离散程度，依据研究目的及资料的不同，可用的指标有 方差 、 离散系数 。

5、原假设0H 为真时却被我们拒绝，称为 弃真错误 。

7、对回归方程线性关系的检验，通常采用的是 F 检验。

2、如果我们要研究某班学生的学习状况，则总体是 ，总体单位是_ _ 。

4、利用估计的回归方程进行区间估计有两种类型，一是 置信区间估计 ，二是 预测区间估计 。

8、在参数估计时，评价估计量的主要有三个指标是无偏性、 、有效性、一致性。

样本方差的抽样分布
样本方差的分布
设总体服从正态分布N ~ (μ,σ2 )， X1，X2，… ，Xn为来自该正态总体的样本，则样本方差 s2 的分布为：
将2(n – 1)称为自由度为(n－1)的卡方分布。
总体
s m
卡方 (2) 分布
选择容量为n 的 简单随机样本 计算样本方差S2
计算卡方值
2 = (n-1)S2/σ2
将F(n1-1 , n2-1 )称为第一自由度为(n1-1)，第二 自由度为(n2-1)的F分布
两个样本方差比的抽样分布
不同样本容量的抽样分布
（1,10)
(5,10)
(10,10)
F
两个不同自由度样本方差比的抽样分布（F分布）
空白演示
单击输入您的封面副标题
计算出所有的
2值
Байду номын сангаас
不同容量样本的抽样分布
n=1 n=4 n=10 n=20
2
均值的标准误
所有可能的样本均值的标准差，测度所 有样本均值的离散程度；
小于总体标准差； 计算公式为：
两个样本方差比的抽样分布
两个样本方差比的抽样分布
设X1，X2，… ，Xn1是来自正态总体N~(μ1,σ12 )的 一个样本， Y1，Y2，… ，Yn2是来自正态总体 N~(μ2,σ22 ) 的 一 个 样 本 ， 且 Xi(i=1,2,… ， n1) ， Yi(i=1,2, …，n2)相互独立，则

13
24. 指出下列假设检验哪一个属于左侧检验（
）
A. H0：=0，H1：≠0 B. H0：≤0，H1：0 C. H0：<0，H1：≥0 D. H0：≥0，H1：<0
25.一项研究表明，司机驾车时接打手机而发生事故 的比例超过20%，为了证明这一结论，原假设和备 择假设应为（ ） A. H0：≤ 0.2，H1： 0.2 B. H0：= 0.2 ，H1： ≠0.2 C. H0：≥ 0.2 ，H1： < 0.2 D. H0：< 0.2，H1： ≥ 0.2 14
）
16. 抽取一个容量为100的随机样本，其均值为81， 标准差为12，总体均值的95%的置信区间为 （ ） A. 81±1.97 B. 81±2.35 C. 81±3.10 D. 81±3.52
9
17.从某地区随机抽取20个企业，得到20个企业总 经理的年平均收入为25964.7元，标准差为 42807.8元。构造企业总经理年平均收入的95% 的置信区间为（ ） A. 25964.7±20034.3 B. 25964.7±21034.3 C. 25964.7±25034.3 D. 25964.7±30034.3 18. 税务管理官员认为，大多数企业都有偷税漏税 行为。在对由800个企业构成的随机样本检查中， 发现有144个企业有偷税漏税行为。根据99%的 置信水平估计偷税漏税企业比例的置信区间为 （ ） A. 0.18±0.015 B. 0.18±0.025 C. 0.18±0.035 D. 0.18±0.045 10

s
n

n
C. t x 0
n
D. z x 0
s n
15
28.随机抽取一个n=50的样本，计算得到 x 60 ， s=15，要检验假设H0：=65，H1：≠65，检验 统计量为 （ ） A. -3.33 B. 3.33 C. -2.36 D. 2.36 29. 随机抽取一个n=40的样本,计算得到 x 17, s 2 8, 在a0.02的显著水平下，检验假设H0：≤15，H1： 15，统计量的临界值为（ ） A. -2.05 B. 2.05 C. 1.96 D. -1.96

σ =10
n=4 σx = 5 n =16 σ x = 2.5
µ = 50
X
µx = 50
X
总体分布
抽样分布
中心极限定理
(central limit theorem)
中心极限定理： 中心极限定理：设从均值为µ，方差为σ 2的一个任意总 体中抽取容量为n的样本， 充分大时， 体中抽取容量为n的样本，当n充分大时，样本均值的抽 样分布近似服从均值为µ 方差为σ 样分布近似服从均值为µ、方差为σ2/n的正态分布
解：根据中心极限定理，样本容量＞30，可视 为样本均值近似服从正态分布。
样本均值的抽样分布与中心极限定理 (例题分析)
因此知，样本均值服从：
0.62 X～N ( µ , σ 2 n ) = N 10, = N (10, 0.01) 36 (1) P X ＜9. = P X − 10 ＜ 9.9 − 10 9) ( 0.1 0.1
6.1 统计量
1. 统计量的概念 2. 常用的统计量
统计量的概念
定义：
设X1，X2，……，Xn是从总体X中抽取的样本容 量为n的一个样本，如果由此样本构造一个函数 T(X1，X2，……，Xn)，不依赖任何未知参数， 则称行数T(X1，X2，……，Xn)是一个统计量。 统计量是样本的函数 统计量不依赖任何未知总体参数 根据具体样本的观测值x1，x2，……，xn带入统 计量函数，计算出来的值是一个具体的统计量 的值。
0.1 0 1.0 1.5 2.0 2.5 3.0 3.5 4.0 X 0.3 0.2 P (X )
样本均值的抽样分布 3.0 3 3.5 2 4.0 1
均值X的取值 均值 的取值 均值X的个数 均值 的个数

f ( y)
n =1
n=5 n = 15
O
y
χ 2 (n)分布具有以下性质 分布具有以下性质:
2 χ2 χ2 χ2 (1)如果 1 ~ χ 2 (n1 ), χ2 ~ χ 2 (n2 )且 1 与 2 相互独立 2 χ2 则 1 + χ2 ~ χ 2 (n1 + n2 )
(2)如果 ~ χ (n), 则有 (χ ) = n, D(χ ) = 2n. χ E
1 n E(S ) = E( Xi2 ) − nE( X 2 ) ∑ n − 1 i=1
2
1 σ 2 2 2 2 = ∑(σ + µ ) − n(µ + n ) = σ n − 1 i=1
n 2
第二节 抽样分布
χ2 分布 1、 、
是来自总体N(0，1)的样本，称统计量 的样本， 设X1,X2…Xn是来自总体 ， 的样本
1 2 2 (∑ Xi + ∑ X − 2∑ Xi X ) = n − 1 i =1 i =1 i =1 n n n 1 2 2 X = ∑ Xi ⇒ ∑X 2 X = 2 X∑Xi ...X 2 = nX 2 = X + X + = nX= ⇒ ∑Xi n i =1 i =1 i =1
n n n
1 2 2 (∑Xi + nX − 2nX 2 ) = n − 1 i =1
定义5.1 设随机变量序列Y 是常数, 定义5.1 设随机变量序列 1 , Y2 …Yn , a是常数, 是常数 对于任意正数ε, 有
n
lim P { Yn − a < ε } = 1, →∞
则称序列 Y1 , Y2 L Yn ... 依概率收敛于 a , 记为 P Yn → a .

两个样本均值之差的抽样分布 （1）如： ） 抽样
X1 − N(µ1,σ12 ), X2 − N(µ2 ,σ2 ),
2
则 x1 − x2 ) ~ N(µ1 − µ2 , (
σ12 σ22
n1 + n2
)
抽样
σ12 N1 − n1 σ22 N2 − n2 (x1 − x2 ) ~ N[(µ1 − µ2 , ( )+ ( )] n1 N1 −1 n2 N2 −1
对于无限总体， 对于无限总体， 一个估计 如果对任意 量如能完 ε＞ˆ 0 满足条件 全地包含 LimP(|θn −θ |≥ ε ) = 0 未知参数 n→∞ 信息， 信息，即 则称 θˆ 是 θ 为充分量 的一致估计。 的一致估计。
点估计
常用的求点估计量的方法
用样本的数字特征 1.数字特征法: 1.数字特征法:当样本容量增大时 ,用样本的数字特征 数字特征法 去估计总体的数字特征。 去估计总体的数字特征。 例如，我们可以用样本平均数(或成数 和样本方差来估 例如，我们可以用样本平均数 或成数)和样本方差来估 或成数 计总体的均值(或比率 和方差。 或比率)和方差 计总体的均值 或比率 和方差。
样本均值的抽样分布（简称均值的分布） 样本均值的抽样分布（简称均值的分布） 抽样
均值µ=∑Xi/N 均值
均值 X = Σxi
n
样本均值是样本的函数， 故样本均值是一个统计量， 样本均值是样本的函数， 故样本均值是一个统计量， 统计量 统计量是一个随机变量 随机变量， 统计量是一个随机变量， 样本均值的概率分布称为 样本均值的抽样分布。 样本均值的抽样分布。
2
n
总体均值 （µ） ）
X ± tα
2
( n −1 )

(n 1)S 2
2
~
2 (n 1) ,
且 X 与 (n 1)S 2 相互独立，
2 /n
2
3
X / n
~
N (0, 1) ，(n 1)S 2 2
~
2 (n 1) ，
且
X 2/n
与
(
n
1)
2
S
2
相互独立，
由 t 分布的定义,
T X 2/n
(n 1)S 2
2 (n 1)
S
2 X
和
SY2
为各自的样本方差,
则
F
S
2 X
SY2
2 1
2 2
~
F (n1
1, n2
1) .
证
(n1
1)
S
2 X
2 1
~
2(n1
1)，(n2
1)SY2
2 2
~ 2(n2 1)，
且
S
2 X
与
SY2
相互独立,
由F分布的定义可得结论.
18
小结
样本均值
X
1 n
n i 1
Xi
样本方差
S2
(4) U ( X Y ) (1 2 ) ~ N (0,1)
2 1
/
n1
2 2
/
n2
(5)
T
F
(X S
S
2 X
SY2
Y)
xy
（1
1
1
） 2~
t ( n1
n2
n1 n2
2
其
中
S
2 xy
(n1
1)S n1
1 2

2
~ 2(n 1);
(3) X 与 S 2 相互独立.
定理6.2 设 X1, X2 ,L , Xn 是来自正态总体 N (, 2 )
的样本, X 与 S2 是样本均值与样本方差, 则
X ~ t(n 1).
S/ n
证明
因为 X ~ N (0,1), / n
(n 1)S 2
S2

1 n1
n i 1
(Xi

X
)2
6.3.1 单个正态总体的情形
定理6.1 设 X1, X2 ,L , Xn 是来自正态总体 N (, 2 )
的样本, X 与 S2 是样本均值与样本方差, 则
(1)
X
~
N

,
2
n

或

X



n
~ N 0, 1;
(2)
(n 1)S 2


2 2
nm
(2)
S12 / S22

2 1
/

2 2
~ F(n 1, m 1);
(3)
当

2 1


2 2
2
时,
( X Y ) (1 2 ) ~ t(n m 2),
Sw
1 1 nm
其中
Sw2
(n 1)S12 (m 1)S22 , nm2
在概率统计问题中，正态分布占据着十分重
要的位置，这是因为许多量的概率分布或者是正
态分布，或者接近于正态分布，而且，正态分布
有许多优良性质，便于进行较深入的理论研究。
因此，我们着重来讨论一下正态总体下的抽样分