样本及抽样分布

x0 o.w.
n 1
n5
n 15
15
（2）t-分布（学生分布）
设 X ~ N ( 0 ,1), Y ~ 2 ( n ) 且X、Y为独立随 机变量，则称随机变量
t
X Y /n

X
1 n 2 ( X 12 ...... X n )
为自由度为n的t-分布。记为： t ~ t ( n ) 。
3
§1 随机样本
总体: 研究对象在某项数量指标的全体. 记为X。通常称总体X。 个体: 总体X中的每一个元素（实数）xi。 根据总体所含的个体数分为： 有限总体和无限总体。
4
总体与取样
X1
X
X2 X3 Xn
取样模型
X
X2 X1
X3
X4
X5
河流污染取样
5
总体、样本、统计量
总体 样本 统计量
X1 X2
2 ( n ) 分布:
具有可加性
2 X X 12 ...... X n , X i ~ N (0,1)
3. 4.
t ( n ) 分布:
X ~ N (0,1), Y ~ 2 ( n )
t(n) X Y /n
F ( n1 , n 2 ) 分布: U ~ 2 ( n1 ), V ~ 2 ( n 2 )



F (n1 , n2 )
19
分位点及性质:
定义: Pr[ X z ]

z
(1)标准正态分布分位点

(x)
( x)dx 1 ( x)dx


z
z1
( x)
Pr[ X z ]

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.

概率论与数理统计优质学案
第六章
样本及抽样分布
第1，2节 基本概念
一、总体、个体 二、随机样本、直方图 三、样本函数与统计量 四、小结
一、总体与个体
一个统计问题总有它明确的研究对象.
研究对象的全体称为总体(母体)， 总体中每个成员称为个体.
总体
总体 …
研究某批灯泡的心每个 个体的一项(或几项)数量指标和该数量指标 在总体中的分布情况. 这时，每个个体具有 的数量指标的全体就是总体.
直方图
5
8
4.5
7
4 6
3.5 5
3
2.5
4
2
3
1.5 2
1
1 0.5
0
0
140
150
160
170
180
190
200
147
157
167
177
187
197
三、统计量
由样本推断总体特征,需要对样本进行 “加工”,“提炼”.这就需要构造一些样本的 函数,它把样本中所含的信息集中起来.
1. 代表性： X1,X2,…, Xn中每一个与所考察的 总体X有相同的分布. 2. 独立性： X1,X2,…, Xn是相互独立的随机变量.
满足上述两条性质的样本称为简单随机样本. 获得简单随机样本的抽样方法称为简单随机抽样.
为了使大家对总体和样本有一个明确的 概念,我们给出如下定义:
定义 一个随机变量X或其相应的分布 函数F(x)称为一个总体.
4. 直方图 4.1 频数--频率分布表
样本数据的整理是统计研究的基础，整理数据的最 常用方法之一是给出其频数分布表或频率分布表。
例3 为研究某厂工人生产某种产品的能力， 我们随机调查了20位工人某天生产的该种产品 的数量，数据如下

抽样分布样本统计量的分布及其应用在统计学中，抽样是一种数据分析的方法，它通过对总体中的一部分个体进行观察和测量来推断总体的特征。

而抽样分布是指抽取相同样本量的多个样本后得到的统计量的分布。

样本统计量是对样本数据进行计算得到的统计指标，它可以用来估计总体参数，并进行假设检验。

1. 抽样分布的基本概念抽样分布具有一些基本性质，首先是无偏性。

当样本容量趋向于总体容量时，样本统计量的期望值会无限接近总体参数的真实值。

其次是有效性，即样本统计量的方差趋近于零，它可以用来估计总体参数的精确度。

最后是一致性，样本统计量在样本容量逐渐增大时趋近于总体参数。

2. 抽样分布的常见形式常见的抽样分布有正态分布、t分布和卡方分布。

其中正态分布应用最为广泛，它在中心极限定理的作用下，当样本容量足够大时，样本均值的抽样分布近似服从正态分布。

而t分布则适用于当总体标准差未知、样本容量较小的情况下，它的形状比正态分布要略扁平一些。

卡方分布则主要用于样本方差的估计与检验。

3. 抽样分布的应用抽样分布的应用非常广泛，常用于以下几个方面：3.1 参数估计通过抽样分布，我们可以利用样本统计量对总体参数进行估计。

例如，可以利用样本均值估计总体均值，利用样本标准差估计总体标准差。

通过计算置信区间，我们可以得到对总体参数的范围估计。

3.2 假设检验假设检验是统计学中非常重要的一项工具，用于判断样本数据是否支持某个假设。

基于抽样分布，我们可以计算统计量的P值，进而判断样本数据与假设的一致性。

常用的假设检验有均值检验、方差检验、比例检验等。

3.3 质量控制在生产过程中，质量控制是非常关键的。

通过对样本数据进行分析，可以判断生产过程是否正常。

例如，可以通过控制图分析样本均值的变化情况，以判断过程是否处于控制状态。

3.4 统计决策在实际决策中，我们往往需要依据样本数据来进行判断。

抽样分布提供了一种基于统计的决策依据。

例如，在市场调研中，我们可以通过对样本数据进行分析，对市场潜力进行预测，从而指导营销策略的制定。