概率论与数理统计_26_t分布与正态总体

X
2 n
)
D(
X
2 1
)
D(
X
2 2
)
D(
X
2 n
)
nD (
X
2 i
)
n{ E (
X
4 i
)
[E(
X
2 i
)]2
}
n
x4
1
2
e
x2 2
dx
12
n3
1
2n
23
若 2 ~ 2(n) 分布函数为F ( x)
,0 1 若F ( x) P{ 2 x}
则其解称为 2 分布 的 分位数(临界值)
0.15 00.1.155
000.1..11
N(0,1)
n=10 n=10 nn==33
n增大
000.0..00555
nnn===111
000
-5--55
-4--44
-3-3
-2-2
-1-1
00
11
22
33
444
555
t 分布的密度曲线关于y轴对称 随着n的增大, t 分布的密度曲线越陡
n 时，t 分布趋于标准正态分布N (0,1)
后,还要对数据进行加工和提炼,将样本的有关 信息,利用数学的工具进行加工.
引入统计量的概念
12
定义 设( X1, X 2 ,, X n )为来自总体X的一个样本,
若n元函数f ( X1, X 2 ,, X n )不含任何未知参数,
则
称f
(
X
1
,
X
2
,,
X
n
)为X
1
,
X
2

试决定常数 3.
X ,Y
C
使得随机变量 cY 服从分布

2
分布。
相互独立，都与 N ( 0 , 9 ) 有相同分布， X 分别是来自总体
X ,Y
1
, X 2 , , X 9和
Y1 ,Y 2 , ,Y 9
的样本，

Z
9
X
i
i1
6 - 23
Y
i1
9
则Z 服从—— ，自由度为——。
2 i
4.
X1, X 2, X 3, X 4
是来自总体
X ~ N ( , )
2
的样本，则随机变
量 Y
X3 X4
服从——分布，其自由度为———。
2
(X i )
i1
2
5.
设
X 1 , X 2 , , X 10
是来自总体 X
~ N ( ,4 )
2
的样本， ( S 2 P
a ) 0 .1
一. 单个正态总体的统计量的分布
X 1 , X 2 , X n是来自正态总体 ~ N ( , 2 )的样本, X
X , S 分别是样本均值和样本 方差
2
定理1
X
n
1
n
X i ~ N ( ,

n
2
);
i1
定理2 U
1
X
/
~ N ( 0 ,1 );
n
定理3
6 - 18
定理7
当 1
2
2 2
2 2 时, 令 S w
( n1 1) S 1 ( n 2 1) S 2
2

(3) = ~t(n-1)
2.设 的 和 两个样本，则有：
(1)
5.相关性
对于随机变量X,Y下列结论是等价的：
(1)X与Y不相关 (3)ρ=0 (5)D(X Y)=D(X)+D(Y)
(2)Cov(X,Y)=0 (4)E(XY)=E(X)E(Y)
X,Y相互独立可以推出上述五个结论。
※切比雪夫不等式
表明：对于任意正数ε，当随机变量X的方差越小时，事件 的概率越小，其对立面概率越大。
则
定理(2)X Y相互独立，g(x)和h(y)是两个一元连续函数，则g(X)和h(Y)也相互独立。
定理(3) 则 。且 只差一个常数因子。
(重点)※期望与方差的性质
1期望的性质
(1)一维的：
若Y=g(X),
二维的：
若Z=g(X,Y),
(2)性质：E(C)=C E(CX)=CE(X) (C为常数)
E(X+Y)=E(X)+E(Y)
3.边缘概率密度函数
4.二维正态分布(还是看一下会比较好)
(1)二维正态分布中X,Y相互独立的充要条件是参数ρ（相关系数）=0
※连续型随机变量之和的分布
1.一般地：
卷积公式：
2.其他分布
(1)瑞利分布: X, Y均服从N(0， )则 的概率密度为
(2)Max与Min 分布：（自己推广到n个变量的情况）
(3)若X,Y独立，则Cov(X,Y)=0
(4)Cov(aX,bY)=abCov(X,Y)
(5)Cov( )=Cov( Y)+Cov( )
3.标准化随机变量
4.相关系数
也可写做为X,Y的标准化协随机变量的协方差
性质：(1)
(2)|ρ|=1的充要条件，存在常数a，b(b不等于0)，使P{Y=a+bX}=1即X,Y以概率1线性相关。

Sw2
(n1
1)S12 (n2 1)S22 n1 n2 2
证明1：
(n1 1)S12
2 1
~
2 (n1
1)
(n2
1)S22
2 2
~ 2 (n2 1)
F /(n1 1) /(n2 1)
S12 S22
/
2 1
/
2 2
~ F (n1 1, n2 1)
Note：当 1 2
/ 2
又 2S 2 ~ 2(2)
2
Y1 Y2
/ 2
s2 Z 2(Y1 Y2 ) ~ t(2)
2
S
五、课堂练习
数理统计
1、在总体N (12,4)中随机抽一容量为5的样本X1, , X5. （1）求样本均值与总体均值之差的绝对值大于1的概率；
（2）求概率Pmax( X1, X2 , X3 , X4 , X5 ) 15; Pmin( X1, X2 , X3 , X4 , X5 ) 10.
时，F
S12 S22
~ F (n1 1, n2 1)
统计量的分布
证明2：
X
Y
~
N (1
2
,
2
n1
2
) n2
U X Y (1 2 ) ~ N (0,1) 11
n1 n2
(n1
1)S12
2
~
2 (n1
1),
(n2
1)S22 ~
2
2 (n2
1)
V (n1 1)S12
2
(n2 1)S22
解:
(1) 由已知，X ~ N (12, 4), 5
PX 12 1 1 P{ X 12 1}
1 P{ X 12 1 } 2/ 5 2/ 5