研究生数学基础课程之应用数理统计5-1

辛钦
分布，具有有限的数学期E(Xi)=μ,
i=1,2,…， 则对任给ε >0 ，
lim
n
P{|
1 n
n i 1
Xi
| } 1
请看演示 辛钦大数定律
例如要估计某地区的平均亩产量，要 收割某些有代表性的地块，例如n 块. 计 算其平均亩产量，则当n 较大时，可用它 作为整个地区平均亩产量的一个估计.
序列，且E(Xi)= ，Var(Xi)= 2， i=1,2,…,
则对任给 >0,
lim
n
P{|
1 n
n i 1
Xi

|
}1
下面给出的贝努里大数定律，
是定理2的一种特例.
设Sn是n重贝努里试验中事件A发
生的次数，p是事件A发生的概率，
引入
1， 如第i次试验A发生
X
i
0，
否则
n
贝努里
i=1,2,…,n
这一讲我们介绍了大数定律 大数定律以严格的数学形式表达了随 机现象最根本的性质之一：
平均结果的稳定性 它是随机现象统计规律的具体表现. 大数定律在理论和实际中都有广泛的应用.
休息片刻继续下一讲
≤K，i=1, 2, …， 则对任意的ε>0，
lim
n
P{|
1 n
n i1
Xi
1 n
n i1
E(Xi)
|
}1
切比雪夫大数定律表明，独立随机变
量序列{Xn}，如果方差有共同的上界，则
1
n
n i 1
X
i
与其数学期望
1 n
n i 1
E( Xi )偏差很小的
概率接近于1.

研究生 习题2：2-7. 设 )1,0(~N ξ，),,,,,(654321ξξξξξξ为其一样本，而26542321)()(ξξξξξξη+++++=， 试求常数c ，使得随机变量ηc 服从2χ分布。

2-7解：设3211ξξξη++=，所以 )3,0(~1N η 6542ξξξη++=，所以 )3,0(~2N η所以)1,0(~31N η ，)1,0(~32N η)2(~)(3133222212221χηηηη+=⎪⎭⎫ ⎝⎛+⎪⎭⎫ ⎝⎛ 由于 2221ηηη+= 因此 当 31=c 时，)2(~2χηc 。

2-8. 设 ),,,(1021ξξξΛ为)3.0,0(2N 的一个样本，求 ⎭⎬⎫⎩⎨⎧>∑=101244.1i i P ξ 。

（参考数据：）2-8解：因为 )3.0,0(~),,,(21021N ξξξξΛ=， 所以)1,0(~3.0N ξ，即有)10(~3.021012χξ∑=⎪⎭⎫⎝⎛i i所以 ⎭⎬⎫⎩⎨⎧>∑=101244.1i i P ξ⎭⎬⎫⎩⎨⎧>=∑=1012223.044.13.0i i P ξ⎭⎬⎫⎩⎨⎧>=∑=10122163.0i i P ξ ⎭⎬⎫⎩⎨⎧≤-=∑=10122163.01i i P ξ1.09.01=-=2-14. 设总体)4,1(~N ξ，求{}20≤≤ξP 与{}20≤≤ξP ，其中ξ是样本容量为16的样本均值。

（参考数据：）2-14解： {}20≤≤ξP )0()2(F F -=)210()212(-Φ--Φ=)21()21(-Φ-Φ= 1)21(2-Φ=3830.016915.02=-⋅=由于 )4,1(~N ξ ， 所以 )1,0(~2111621N -=-ξξ{}20≤≤ξP ⎭⎬⎫⎩⎨⎧-≤-≤-=21122112110ξP ⎭⎬⎫⎩⎨⎧≤-≤-=22112ξP )2()2(-Φ-Φ=9545.019725.021)2(2=-⋅=-Φ= 2-17. 在总体)20,80(2N 中随机抽取一容量为100的样本，问样本平均值与总体均值的差的绝对值大于3的概率是多少？（参考数据：） 2-17解：因为 )20,80(~2N ξ， 所以)1,0(~2801002080N -=-ξξ所以 {}380>-ξP {}3801≤--=ξP ⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤--=232801ξP ⎭⎬⎫⎩⎨⎧≤-≤--=23280231ξP )]5.1()5.1([1-Φ-Φ-= ]1)5.1(2[1-Φ-=1336.0)93319.01(2)5.1(22=-=Φ-=2-25. 设总体ξ的密度函数为⎩⎨⎧<<=其它102)(x x x p取出容量为4的样本),,,(4321ξξξξ，求：（1） 顺序统计量)3(ξ的密度函数)(3x p ；（2）)3(ξ的分布函数)(3x F ；（3）⎭⎬⎫⎩⎨⎧>21)3(ξP 。

考研数学数理统计基础知识点总结在准备考研数学的过程中，掌握数理统计基础知识是非常重要的。

本文将为您总结一些常见的数理统计基础知识点，帮助您更好地备考。

一、概率论基础知识1. 事件与样本空间：事件是指样本空间中的某个子集，样本空间则是指随机试验的所有可能结果的集合。

2. 概率的定义：概率是指事件发生的可能性大小，其取值范围在0到1之间。

3. 概率的运算：包括加法公式和乘法公式。

加法公式适用于互斥事件的概率计算，乘法公式则适用于独立事件的概率计算。

4. 条件概率：指在已知某一事件发生的条件下，另一事件发生的概率。

5. 贝叶斯定理：用于计算事件的后验概率，在已经得到一些信息的情况下，通过先验概率和条件概率计算出事件的后验概率。

二、随机变量与概率分布1. 随机变量的概念：随机变量是指随机试验结果的某个函数，可以是离散的或连续的。

2. 概率质量函数与概率密度函数：对于离散型随机变量，其概率可以通过概率质量函数来描述；对于连续型随机变量，则需要使用概率密度函数。

3. 常见的离散型随机变量：包括伯努利分布、二项分布、泊松分布等。

4. 常见的连续型随机变量：包括均匀分布、正态分布、指数分布等。

三、统计推断1. 抽样与抽样分布：抽样是指从总体中选取一部分个体进行研究，抽样分布则是指统计量在大量抽样下的分布情况。

2. 参数估计：根据样本数据对总体的某个参数进行估计，可以使用点估计和区间估计两种方法。

3. 假设检验：对总体参数的某个假设进行检验，包括设置原假设和备择假设，以及计算检验统计量和判断拒绝域。

4. 方差分析：一种用于比较两个或多个总体均值是否有显著差异的统计方法，适用于独立样本、配对样本和重复测量样本。

四、相关与回归分析1. 相关分析：用于判断两个变量之间的相关性强弱，包括计算相关系数和进行假设检验。

2. 简单线性回归分析：用于建立一个自变量与因变量之间的线性关系模型，通过最小二乘法来估计回归系数。

3. 多元线性回归分析：在简单线性回归的基础上，将多个自变量引入回归模型中进行分析，以探究多个变量对因变量的影响。

数理统计是在概率论的基础上发展起来的。

在概率论中随机变量的分布总是假设给定的，而数理统计假设总体的分布未知，假定总体的分布是某一个分布族的成员。

数理统计主要是某些现象在一定精确程度上做出判断与预测。

因为大数定理，把大量的事实经验，进行理论总结，所以才能进行假设检验。

基本思想：它以随机现象的观察试验取得资料作为出发点,以概率论为理论基础来研究随机现象.根据资料为随机现象选择数学模型，且利用数学资料来验证数学模型是否合适,在合适的基础上再研究它的特点,性质和规律性.应用价值：数理统计在自然科学、工程技术、管理科学及人文社会科学中得到越来越广泛和深刻的应用，其研究的内容也随着科学技术和政治、经济与社会的不断发展而逐步扩大，概括地说可以分为两大类：⑴试验的设计和研究，即研究如何更合理更有效地获得观察资料的方法；⑵统计推断，即研究如何利用一定的资料对所关心的问题作出尽可能精确可靠的结论，主要方法:参数估计、假设检验、回归分析、方差分析、正交分析。

我们的数理统计课程只讨论统计推断。

数理统计以概率论为基础，根据试验或观察得到的数据，来研究随机现象统计规律性的学科。

本课程的目的是让学生了解统计推断检验等方法并能够应用这些方法对研究对象的客观规律性作出种种合理的估计和判断。

掌握总体参数的点估计和区间估计。

掌握假设检验的基本方法与技巧。

理解平方差分析及回归分析的原理，并能运用其方法和技巧进行统计推断。

缺陷：统计学处理的都是带有随机误差的数据。

分析这样的数据，得出的结论就可能出错或不准确，出错的可能性的大小，不准确的程度如何，需要用概率论的概念和方法作定量的刻画。

但是如果严格遵守这一规范，好多问题我们又不能解决。

于是就转向了一些人为的、不太复杂的、用现行数学工具可以处理的模型，但是这种模型往往会缺乏现实性。

二、经典统计与贝叶斯统计的区别： 1. 贝叶斯统计：贝叶斯统计的两个基本概念是先验分布和后验分布。

贝叶斯推断方法的关键是任何推断都必须只根据后验分布，而不能再设计样本分布。