第三章应用数理统计抽样分布

【例3.7】 已知u～N(0，1)，试求： (1) P(u＜-1.64)＝?
(2) P (u≥2.58)=?
(3) P (｜u｜≥2.56)=? (4) P(0.34≤u＜1.53) =?
(1) P(u＜-1.64)=0.05050
(2) P (u≥2.58)=Φ(-2.58)=0.024940
加减不同倍数σ区间的概率)是经常用到的。
P(μ-σ≤x＜μ+σ)= 0.6826
P(μ-2σ≤x＜μ+2σ) = 0.9545 P (μ-3σ≤x＜μ+3σ) = 0.9973
P (μ-1.96σ≤x＜μ+1.96σ) = 0.95
P (μ-2.58σ≤x＜μ+2.58σ)= 0.99
在数理统计分析中，不仅注意随机变量x落在平均数加减不 同倍数标准差区间（μ-kσ , μ+kσ）之内的概率，更关心的是x落在 此区间之外的概率。
二项分布---二项分布的定义及其特点
二项分布的应用条件： （1）各观察单位 只具有相互对立 的一种结果，如合格或不 合格， 生存或死亡等等，非此即彼； （2）已知发生某一结果 (如死亡) 的概率为p，其对立结果 的概率则为1-P=q，实际中要求p 是从大量观察中获得的比较 稳定的数值； （3）n次观察结果互相独立，即每个观察单位的观察结果不
P (-2.58≤u＜2.58)=0.99
标准正态分布的三个常用概率如图示
u变量在上述区间以外取值的概率分别为： P(｜u｜≥1)=2Φ(-1)=1- P(-1≤u＜1) =1-0.6826=0.3174 P(｜u｜≥2)=2Φ(-2) =1- P（-2≤u＜2） =1-0.9545=0.0455 P(｜u｜≥3)=1-0.9973=0.0027 P(｜u｜≥1.96)=1-0.95=0.05 P(｜u｜≥2.58)=1-0.99=0.01

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。

比较： 212i n1(Xi )2~2(n)
2020/6/18
21
三、t 分布
定义 设X ~ N(0,1),Y ~ 2(n),且X与Y相互
独立,则称随机变量
t X Yn
服从自由度为n的t分布，记为T～t(n). t(n)的密度函数为：
f(x;n)[n (1)2](1x2)n2 1.
(n2) n n
第三章
2020/6/18
1
从本章起，我们转入课程的第二部分—数理统 计学。数理统计学与概率论是两个有密切联系的姐 妹学科。大体上可以说，概率论是数理统计学的基 础，而数理统计学是概率论的重要应用.
数理统计学是一门关于数据资料的收集、整理、
分析和推断的科学。但人们常常将统计这一概念误
解为大量数据的收集以及对这些数据作一些简单的
一般情况下,要确定出统计量的分布是很困难的 一件事,但是在总体X服从正态分布（此时称X是正 态总体）时,已求出与X,S2 有关的一些统计量的精确
分布,这些精确分布中重要且常用的就是本节要介绍
的2分布、t 分布、F 分布.
2020/6/18
15
一、样本均数分布
定理1则设 样总 本 体均X值~N X(~,N(2),， 样 2 )本 . (X1,X2,,Xn)，
样本均值
X
1 n
n i1
Xi
均值的信它息反映了总体 方差的信息
样本方差
S2
n11in1(Xi X)2n11in1
Xi2nX2
n
n
推导： (Xi X)2 (Xi22XiXX2)
i 1
i1
n
n
n
Xi22X Xi X2
i1
i1

统计学_抽样分布统计学——抽样分布在统计学的广袤天地中，抽样分布宛如一颗璀璨的明珠，散发着独特的光芒。

它不仅是理论研究的重要基石，更是实际应用中的得力工具。

那什么是抽样分布呢？简单来说，抽样分布就是从同一个总体中抽取多个样本，然后根据这些样本计算出某个统计量（比如均值、方差等）所形成的概率分布。

想象一下，我们有一个装满各种颜色球的大箱子，这就是我们的总体。

现在我们不能把所有的球都拿出来研究，只能随机抽取一部分球作为样本。

如果我们一次又一次地进行这样的抽样，并计算每次抽样的均值，那么这些均值所呈现出来的分布规律就是抽样分布。

抽样分布之所以重要，是因为它为我们提供了一种从样本推断总体的方法。

在实际情况中，我们往往很难直接研究总体的所有数据，而抽样分布则让我们能够通过对样本的分析来对总体的特征做出合理的估计和推断。

以均值的抽样分布为例。

假设总体的均值为μ，方差为σ²，从这个总体中抽取样本容量为 n 的简单随机样本。

根据中心极限定理，当样本容量足够大时（通常认为n ≥ 30），样本均值的抽样分布将近似服从正态分布，其均值等于总体均值μ，方差为总体方差σ²除以样本容量n 。

这意味着，如果我们知道了总体的均值和方差，以及样本的容量，就可以大致了解样本均值的分布情况。

这对于进行统计推断非常有帮助。

比如，我们可以根据抽样分布计算出某个样本均值出现的概率，从而判断这个样本是否具有代表性。

再来说说方差的抽样分布。

卡方分布在研究方差的抽样分布中起着关键作用。

假设从正态总体中抽取样本容量为 n 的简单随机样本，计算样本方差 s²，然后定义统计量（n 1）s²／σ²，它服从自由度为 n 1 的卡方分布。

抽样分布在实际生活中的应用广泛。

比如在质量控制中，工厂会从生产线上抽取一定数量的产品进行检测，通过样本的质量数据和抽样分布的知识，来判断整个生产线的产品质量是否符合标准。

在市场调查中，调查人员通过抽取一定数量的消费者进行问卷调查，然后利用抽样分布来推断全体消费者的偏好和需求。