几种常用的分布 抽样分布

Poisson分布的特点
• 形态：
– 离散分布 – 只取决于 λ，λ 很小时分布很偏，当 λ 增加时，逐渐趋于对称。 – 在 x=λ 和 x=λ-1 处达到峰值，且有
P( x = λ )oisson 分布的总体均数与总体方差 相等，为 λ
Poisson分布的特点
λ = 500 × 0.0008 = 0.4
X ~ P (0.4)
0.4k −0.4 P = 1− ∑ e k =0 k !
5
Poisson分布的正态近似
λ 越小分布越偏，随着 λ → ∞ ，Poisson 分布也 渐近正态，X ~ N (λ , λ ) 。 一般当 λ ≥ 20 时， Poisson 分布进行连续性校正后可按正态分布处理。
医学参考值范围
(Reference Value Range) 一、基本概念
通常指正常人的解剖、生理、生化、免疫及组织 代谢产物的含量等各种数据的波动范围。主要目 的：用于临床疾病诊断。最常用的是95%参考值范 围。
确定95%参考值范围示意图
确定医学参考值范围
例3.9 估计某地健康成年女子的血红蛋白 的95%医学参考值范围
二项分布的Poisson近似
• 设 xi ~ B (n, π ) ，当 n → ∞ ，nπ → c 常数时，此时 xi 的 极限分布是以 c 为参数的 Poisson 分布。 π 越小， 近似越好 例：某地食管癌的发病率 π=8/10000，在当地随即 抽查 500 人，患者至少为 6 人的概率。 P ( X ≥ 6) = 1 − P ( X < 6)
n • 由于上式是二项式 [π + (1 − π )] 展开式中相应地含
π 的项，因此称该分布为二项分布。 • 从阳性率为 π 的总体中随机抽取大小为 n 的样本， 则出现阳性数为 x 的样本的分布为二项分布， 记作 x~B（n, π） 。

查费用
3. 需要包含所有低阶段抽样单位的抽样框；同时由于
实行了再抽样，使调查单位在更广泛的范围内展开
4. 在大规模的抽样调查中，经常被采用的方法
概率抽样（小结）
非概率抽样
n也叫非随机抽样，是指从研究目的出发，根据调查者的 经验或判断，从总体中有意识地抽取若干单位构成样本。
n重点调查、典型调查、配额抽样（是按照一定标准或一 定条件分配样本单位数量，然后由调查者在规定的数额内 主观地抽取样本）、方便抽样（指调查者按其方便任意选 取样本。如商场柜台售货员拿着厂家的调查表对顾客的调 查）等就属于非随机抽样。
样本分量：其中每一个Xi是一个随机变量，称为样本 分量。
样本观察值：一次抽样中所观察到的样本数据x1、x2、 x3称为样本观察值。 对于某一既定的总体，由于抽样的方式方法不同，样 本容量也可大可小，因而，样本是不确定的、而是可5
一、 几个概念
（二）样本总体与样本指标
样本指标（统计量）。在抽样估计中，用来反 映样本总体数量特征的指标称为样本指标，也 称为样本统计量或估计量，是根据样本资料计 算的、用以估计或推断相应总体指标的综合指 标。
3
总体和参数（续）
通常所要估计的总体指标有
X
NX
一、 几个概念
（二）样本总体与样本指标
样本总体。简称样本（Sample），它是按照随机原则， 从总体中抽取的部分总体单位的集合体 。
样本容量：样本中所包含的个体的数量，一般用n表示。 在实际工作中，人们通常把n≥30的样本称为大样本， 而把n<30的样本称为小样本。
（二）抽样平均误差（抽样标准误）
抽样平均误差是反映抽样误差一般水平的指标（因为 抽样误差是一个随机变量，它的数值随着可能抽取的 样本不同而或大或小，为了总的衡量样本代表性的高 低，就需要计算抽样误差的一般水平）。通常用样本 估计量的标准差来反映所有可能样本估计值与其中心 值的平均离散程度。

(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

68-95-99.7规则
➢ 正态分布有其特定的数据分布规则： ▪ 平均值为, 标准差为σ的正态分布 ▪ 68%的观察资料落在的1σ之内 ▪ 95%的观察资料落在的2σ之内 ▪ 99.7%的观察资料落在的3σ之内
19
20
三、68-95-99.7规则
68.26% 的资料 95.45% 的资料 99.73% 的资料 -3 -2 -1 0 1 2 3 -3s -2s -s +s +2s +3s
体称为样本平均数的抽样总体。其平均数和标准差分
别记为 和 。x
s x
是样s x本平均数抽样总体的标准差，简称标准误 (standard error)，它表示平均数抽样误差的大小。统 计学上已证明x总体的两个参数与x 总体的两个参数有 如下关系：
u=(x-μ)／σ
x～N(0,1)
上一张 下一张 主 页 退12出
3.3.3 正态分布的概率计算 1. 标准正态分布的概率计算
设u服从标准正态分布，则u在[u1，u2 ）内取 值的概率为：
＝Φ(u2)－Φ(u1)
(3-16)
Φ(u1)与Φ(u2)可由附表1查得。
上一张 下一张 主 页 退13出
例如，u=1.75时，由附表1可以查出 Φ(1.75)=0.95994
图3-6 μ相同而σ不同的3个正态分布比较大 8
（6）分布密度曲线与横轴所围成的区间面积为1， 即：
（7） 正态分布的次数多数集中在平均数μ的附 近，离均数越远，其相应次数越少，在3σ以外的 极少，这就是食品工业控制中的3σ 原理的基础。
上一张 下一张 主 页 退 9出
3.3.2 标准正态分布
上一张 下一张 主 页 退16出
(1) P(u＜-1.64)=0.05050 (2) P (u≥2.58)=Φ(-2.58)=0.024940 (3) P (｜u｜≥2.56)

2019/10/28
11
十、负二项分布(Negative binomial distribution)
定义：已知一个事件在伯努利试验中每次的出现概率是p，在一连串伯努利 试验中，一件事件刚好在第r + k次试验出现第r次的概率。
2019/10/28
取r = 1，负二项分布等于 几何分布。其概率质量函数 为
几种常见的分布
2019/10/28
1
分类
连续型随机分布
◆ 正态分布、均匀分布、指数分布、对数正态分布、柯西分布、 Gamma分布、瑞利分布、韦伯分布
离散型随机分布
◆ 二项分布、几何分布、超几何分布、泊松分布
三大抽样分布
◆ 卡方分布、F分布、t分布
分布之间的关系 大数定理、中心极限定理
应用：在自然情况下，均匀分布极为罕见。在实际问题中，当我们无法区分在 区间内取值的随机变量取不同值的可能性有何不同时，我们就可以假定随机变 量服从区间上的均匀分布。
2019/10/28
4
三、指数分布(Exponential distribution)
应用：主要用于描述独立事件发生的时间间隔。自然界中有很多种“寿命”可 以用指数分布来描述，如电子元件的寿命、动物的寿命、电话的通话时间、服 务系统的服务时间等。
2019/10/28
5
四、对数正态分布
定义：如果一个随机变量的对数服从正态分布，那么该随机变量服从对数 正态分布。
应用：金融保险业、投资收益计算等。
2019/10/28
6
五、柯西分布(Cauchy distribution)
应用：主要应用于物理学中，它是描述受迫共振的微分方程的解。在光谱学中， 它用来描述被共振或者其他机制加宽的谱线形状。

2021/3/4
统计学第六章抽样和抽样分布
4
一、总体与样本
▪ 把握两个问题： ▪ 1、总体和总体参数； ▪ 2、样本和样本统计量。
2021/3/4
统计学第六章抽样和抽样分布
5
1、总体与总体参数
（1）总体：指根据研究目的确定的所 要研究的同类事物的全体，是所要说 明其数量特征的研究对象。按所研究 标志性质不同，分为变量总体和属性 总体，分别研究总体的数量特征和品 质特征。 构成总体的个别事物（基本单元 ）就是总体单位，也称个体。总体单 位的总数称为总体容量，记作N。
缺点：受主观影响易产生倾向性误差； 不能计算、控制误差，无法说明调查结果 的可靠程度。
抽样一般都是指概率抽样。
2021/3/4
统计学第六章抽样和抽样分布
15
2、重复抽样和非重复抽样
（1）重复抽样：又称重置抽样，是指从总体 中抽出一个样本单位，记录其标志值后，又将 其放回总体中继续参加下一轮单位的抽取。特 点是：第一，n个单位的样本是由n次试验的结 果构成的。第二，每次试验是独立的，即其试 验的结果与前次、后次的结果无关。第三，每 次试验是在相同条件下进行的，每个单位在多 次试验中选中的机会(概率)是相同的。在重复 试验中，样本可能的个数是 N n ，N为总体单位 数，n为样本容量。
2021/3/4
统计学第六章抽样和抽样分布
16
2、重复抽样和非重复抽样
（2）非重复抽样：又称为不重置抽样，即每次从
总体抽取一个单位，登记后不放回原总体，不参加下
一轮抽样。下一次继续从总体中余下的单位抽取样本
。特点是：第一，n个单位的样本由 n 次试验结果构成
统计学第六章抽样和抽样分 布
第六章 抽样与抽样分布

几种常用抽样方案
常用抽样方案有很多种，以下是几种常见的抽样方案及其特点：
1.简单随机抽样：简单随机抽样是指从总体中随机地选择样本，每个个体有相等的概率被选中。

这种抽样方案适用于总体的分布和特征都是已知的情况，且总体规模不大的情况。

2.系统抽样：系统抽样是指按照一定的规则，从总体中按照一定的间隔选择样本。

例如，从一串编号的个体中每隔一定的距离选择一个个体作为样本。

系统抽样适用于总体规模较大，难以进行简单随机抽样的情况。

3.分层抽样：分层抽样是将总体分为若干层，然后从每一层中进行简单随机抽样。

这种抽样方案适用于总体具有明显的层次结构的情况，可以提高抽样的效率和精度。

4.整群抽样：整群抽样是将总体划分为若干个群体，然后随机选择几个群体作为样本进行调查。

这种抽样方案适用于总体划分明确，群体内的个体相似性较高的情况，能够提高抽样的效率。

5.分阶段抽样：分阶段抽样是将抽样过程划分为多个阶段，在每个阶段中进行不同的抽样方式。

例如，先进行简单随机抽样，然后在选定的样本中再进行分层抽样。

分阶段抽样适用于复杂的抽样情况，能够提高抽样的效率和灵活性。

6.整体抽样：整体抽样是指直接从总体中抽取全部个体作为样本。

这种抽样方案适用于总体规模较小，抽取全部个体的成本较低的情况。

以上是几种常用的抽样方案，不同的抽样方案适用于不同的调查情况。

在选择抽样方案时，需要考虑总体的特点、抽样目的以及可行性等因素，
以确保抽样结果的准确性和可靠性。

例2
设X
~
N
(
,
2
),
Y
2
~
2 (n),且X ,Y相互独立,
试求 T X 的概率分布.
Yn
解 因为X ~ N(, 2),所以 X ~ N(0,1)
又Y
2
~
2 (n),且X ,Y独立,则
X
与Y
2
独立,
由定理得
T (X ) / X ~ t(n) (Y / 2) / n Y n
n
事实上，它们受到一个条件的约束：
Xi nX
i 1
n
i 1
Xi
X
1
n
(
i 1
Xi
nX )
1
0
0.
例1
设X1 ,
X 2 ,
,
X
为
6
来
自
正
态
总
体N
(0,1)的
一
组
样
本,
求C1
,
C
使
2
得
Y C1( X1 X 2 )2 C2( X 3 X4 X5 X6 )2
服 从 2分 布.
解
X1
2
4
则C1 1 2 ,C2 1 4 .
3. t 分布 定义 设 X ~ N (0, 1), Y ~ 2 (n), 且 X , Y
独立,则称随机变量 T X 服从自由度为 n Y /n
的 t 分布, 记为T ~ t(n).
t 分布又称学生氏(Student)分布. t(n) 分布的概率密度函数为
2. 2分布（卡方分布）
定义、设 X1, X 2 ,L , X n 相互独立，同服从 N (0, 1)

(3) X与S2相互独立
(4) X ~ t(n 1)
Sn
已知， 2未知
(5) n ( Xi )2 ~ 2 (n)
i1
已知
LOGO
例1 设总体X 服从正态分布N (12, 2 ), 抽取容量为
25的样本,求样本均值X大于12.5的概率.如果(1)已
知 12；（2）未知，但已知样本方差S2 3.6.
n1 n2
服
从
F（n1,
n
）
2
分
布
.
LOGO
4.3.2 正态总体的抽样分布
由于要求具体抽样分布是困难的，有时甚至是不可 能的。正态总体的抽样分布有详尽的研究，本节主要 学习正态总体的抽样分布。
掌握正态分布、 2分布、t分布、F分布的一些结论
对于正态总体抽样分布的学习非常有用. 主要学习单个正态总体的抽样分布以及多个正态总
i1
于是P
10
i1
Xi 2
4
P
1 0.52
10 i1
Xi2
16
查表求02.10(10) 16.由此可得
P
10 i1
Xi
2
4
0.10.
(2) 由题设及定理4.3.2， 9S 2
0.52
10
P i1
(Xi
X )2
1
2.85
P
0.52
10 i1
查表得02.25(9) 11.4,由此可求得
n
n
该定理的证明由正态分布的性质3.1.10可得。
注意：当样本来自非正态总体时，若总体均值为,方差 为 样 本量2（充有分限大且时不，X为近零似）服，从由N中(心, 极)2.限定理可以证明当

P
1 F
F1
1 (n,
m)
1
P
1 F
F1
1 (n,
m)
1
故
P
1 F
F1
1 (n, m)
,
由于 1 ~ F(m, n) F
因而
F1
1 (n,
m)
F
(m,
n)
例1 F0.95 (5,4) ? 0.6
解 查P.268表, 0.5 0.4
F0.05 (4,5) 5.19 0.3
0.2
F1
(n,
m)
x)
f (x1 ,, xn )dx1 dxn
n
i 1
X
2 i
x
1
(2 )n / 2
i 1
exp(
1 2
n
X
2 i
x
n i 1
xi2
)dx1 dxn
i 1
作 n元极坐标变换
x1 r cos1 cos2 cosn1 x2 r cos1 cos2 sin n1
x3 r c os1 cos2 sin n2
2
2
t e dt 令
t
nzm 2
v
2
n m z n m n 1 2 22
nm
2
(
n 2
)(
m 2
)
nz
2
m
nm 2
0
nm 1
2
t
nm
n2m2
zn 2
1
1
nm
2 n m
(
n 2
)(
m 2
)
nz
m
2
(
nm 2

(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

抽样分布公式样本均值样本比例的抽样分布计算抽样分布公式是统计学中常用的一种计算方法，用于估计总体的参数。

在抽样过程中，我们从总体中抽取一部分样本，然后利用样本的统计量来推断总体参数的值。

抽样分布公式包括样本均值的抽样分布和样本比例的抽样分布，下面分别介绍这两种抽样分布的计算方法。

一、样本均值的抽样分布计算当从总体中抽取n个独立观测值时，它们的总体均值为μ，总体标准差为σ。

根据中心极限定理，当样本容量n足够大时，样本均值的抽样分布近似服从正态分布。

样本均值的抽样分布计算公式如下：样本均值的抽样分布：样本均值的均值为总体均值（μ），样本均值的标准差为总体标准差除以样本容量的平方根（σ/√n）。

根据这个公式，我们可以计算出样本均值的抽样分布。

例如，从一个服从正态分布的总体中抽取100个样本，样本均值的总体均值为100，总体标准差为20。

根据公式，样本均值的抽样分布的均值为100，标准差为20/√100=2。

这表明，在多次抽样中，样本均值的抽样分布的平均值接近总体均值，标准差越小则样本均值越稳定。

二、样本比例的抽样分布计算在统计学中，样本比例是指样本中具有某种特征或满足某个条件的观测值占样本总数的比例。

比如，在一份问卷调查中，我们想估计整个人群中支持某个政党的比例。

样本比例的抽样分布可以用二项分布进行近似。

样本比例的抽样分布：样本比例的均值为总体比例（p），样本比例的标准差为总体比例乘以（1-总体比例）再除以样本容量的平方根（√(p*(1-p)/n)）。

样本比例的抽样分布的计算方法与样本均值类似。

假设我们从一个总体中抽取了100个样本，并且总体比例为0.5。

根据公式，样本比例的抽样分布的均值为0.5，标准差为√(0.5*(1-0.5)/100)≈0.05。

这说明，在多次抽样中，样本比例的抽样分布的平均值接近总体比例，标准差越小则样本比例越稳定。

总结：抽样分布公式用于计算样本均值和样本比例的抽样分布。

样本均值的抽样分布近似服从正态分布，计算公式为样本均值的均值为总体均值（μ），标准差为总体标准差除以样本容量的平方根（σ/√n）。

t分布 z分布标准正态分布泊松分布二项分布标题：深入理解统计学中的常见分布在统计学中，分布是一种描述数据分布情况的概率模型，常见的包括t 分布、z分布、标准正态分布、泊松分布和二项分布。

通过对这些分布的深入理解，我们可以更好地分析和解释数据，为决策提供支持。

本文将围绕这几种常见的分布展开探讨，并分享个人对这些分布的理解和观点。

1. t分布t分布是由威廉·塞韦里德（William Sealy Gosset）发现的，用于小样本量情况下总体标准差未知的抽样分布。

t分布的特点是钟形、对称，但比标准正态分布更加平缓。

在实际应用中，t分布常用于构建置信区间和进行假设检验，尤其适用于小样本量的情况。

与z分布相比，t分布更加灵活，因此在统计推断的过程中发挥着重要作用。

2. z分布z分布，又称标准正态分布，是一种特殊的正态分布，其均值为0，标准差为1。

在统计学中，z分布常用于大样本量情况下对总体均值的假设检验和置信区间估计。

通过z分布，我们可以进行标准化处理，将不同分布的数据转化为标准正态分布，从而进行比较和分析。

3. 标准正态分布标准正态分布是统计学中最为常见的分布之一，其概率密度函数呈现钟形曲线，均值为0，标准差为1。

在实际应用中，我们经常将不同数据转化为标准正态分布，以便进行统计分析和推断。

4. 泊松分布泊松分布描述了在特定时间或空间内随机事件发生的次数。

泊松分布的特点是取值范围为0至正无穷，且分布呈现右偏态。

在实际应用中，泊松分布常用于描述单位时间或单位空间内事件发生的概率，比如通信方式呼叫次数、交通事故发生次数等。

5. 二项分布二项分布描述了在n次独立重复实验中成功事件发生的次数。

二项分布的特点是取值范围为0至n，且分布呈现对称性。

在实际应用中，二项分布常用于描述二分类结果的概率，比如硬币抛掷结果、产品合格率等。

总结回顾：通过本文的探讨，我对t分布、z分布、标准正态分布、泊松分布和二项分布有了更加深入的理解。

抽样分布公式总结从样本到总体的推断基础引言在统计学中，抽样是一种常用的研究方法，通过从总体中选取一部分个体来代表整体，从而进行总体特征的估计和假设的推断。

抽样分布则是在给定样本量和总体分布情况下，研究抽样统计量的分布情况。

本文将总结抽样分布的基本公式，从样本到总体的推断基础。

一、样本均值的抽样分布当样本容量n足够大时，样本均值的抽样分布近似服从正态分布，其中：1. 点估计的抽样分布公式样本均值的期望值E(ȳ)等于总体均值μ，即：E(ȳ) = μ样本均值的方差V(ȳ)等于总体方差σ^2除以样本容量n，即：V(ȳ) = σ^2/n其中，σ^2为总体方差。

2. 区间估计的抽样分布公式样本均值的标准差σ(ȳ)等于总体标准差σ除以样本容量n的平方根，即：σ(ȳ) = σ/√n根据正态分布的性质，样本均值与总体均值之间的差异服从一个以0为均值、σ(ȳ)为标准差的正态分布。

因此，我们可以利用样本均值与总体均值之间的差异来构建置信区间，从而进行总体均值的估计。

二、样本比例的抽样分布当样本容量n足够大时，样本比例的抽样分布近似服从正态分布，其中：1. 点估计的抽样分布公式样本比例的期望值E(p)等于总体比例π，即：E(p) = π样本比例的方差V(p)等于总体比例π(1-π)除以样本容量n，即：V(p) = π(1-π)/n其中，π为总体比例。

2. 区间估计的抽样分布公式样本比例的标准差σ(p)等于总体比例π(1-π)/n的平方根，即：σ(p) = √(π(1-π)/n)根据正态分布的性质，样本比例与总体比例之间的差异服从一个以0为均值、σ(p)为标准差的正态分布。

因此，我们可以利用样本比例与总体比例之间的差异来构建置信区间，从而进行总体比例的估计。

三、样本差异的抽样分布当两个样本容量n1和n2都足够大时，样本差异（两个样本均值之差或两个样本比例之差）的抽样分布近似服从正态分布，其中：1. 点估计的抽样分布公式样本差异的期望值E(ȳ1-ȳ2)等于总体均值之差μ1-μ2，即：E(ȳ1-ȳ2) = μ1-μ2样本差异的方差V(ȳ1-ȳ2)等于两个总体方差σ1^2/n1和σ2^2/n2之和，即：V(ȳ1-ȳ2) = σ1^2/n1 + σ2^2/n2其中，σ1^2和σ2^2为两个总体方差。

统计学中的抽样分布理论统计学是一门深奥而又广泛应用的学科，其中抽样分布理论是其中一个重要支柱。

本文将从抽样、样本统计量和抽样分布三个方面进行论述，以便更好的理解其理论和应用。

一、抽样与样本统计量统计学的基本任务之一是推断总体特征。

但由于总体数据规模庞大，难以全面观察和分析，因此我们通常采用小样本的方式来代表总体。

这就是抽样的概念。

抽样是指从总体中随机抽取一部分数据，用这一部分数据代表总体，以此估计总体的特征。

常用的抽样包括简单随机抽样、分层抽样、整群抽样等。

在抽样中，一个样本统计量的重要性凸显出来，因为它可以帮助我们更好的估计总体的特征。

比如，一个数据集的均值和标准差就是两个重要的样本统计量。

二、抽样分布抽样分布是指在所有可能的样本中，某个样本统计量的分布情况。

这里需要区分参数（population）和统计量（sample statistic）之间的关系。

参数是总体参数，是我们想要研究的总体特征，比如总体均值、总体方差等。

统计量是在样本中计算出来的数值，比如样本均值、样本方差等。

样本统计量是对总体参数的估计，不同的样本统计量可能对总体参数的估计存在一定的差异。

抽样分布不同于总体分布。

总体分布是指总体中所有变量的分布，而抽样分布是指在所有可能的样本中，某个样本统计量的分布。

抽样分布是一个特殊的概率分布，其形状和参数取决于总体分布和样本大小。

这是因为在计算样本统计量时，会受到样本数量和样本变异的影响。

在实际使用中，我们通过抽样分布来推断总体参数。

具体方法是：首先，通过采样方法得到一个样本，计算该样本统计量的值。

然后，通过数学公式推算样本统计量的抽样分布，从而得到一个概率区间。

若该样本统计量恰好位于这个区间内，则认为该样本统计量的估计值与总体参数的差异可以用统计学上的概率来表示。

这个概率就是所谓的显著性水平（signicance level）。

三、中心极限定理中心极限定理是抽样分布理论中最为重要的定理之一。