抽样和抽样分布 基本计算 Sampling & Sampling distribution

Slides:



Advertisements
Similar presentations
第一章 、随机事件与概率 1.1 、随机事件 1.2 、随机事件的概率 1.3 、随机事件概率的计算 1.4 、伯努利概型.
Advertisements

第二章 导数与微分. 二、 微分的几何意义 三、微分在近似计算中的应用 一、 微分的定义 2.3 微 分.
全微分 教学目的:全微分的有关概念和意义 教学重点:全微分的计算和应用 教学难点:全微分应用于近似计算.
概率统计与随机过程 宋 晖 – 2013年秋.
第一节 数理统计的基本概念.
第六章 样本及抽样分布 简单随机抽样: 代表性: 中每一个与所考察的总 体有相同的分布。 2.独立性: 是相互独立的随机变量。
第七章 样本分布 数理统计是研究如何有效地收集、整理和分析带有随机影响的数据,从而对所观察的现象做出推断或预测,为决策提供依据的一门学科。
第三章 多元正态分布 §3.1 多元正态分布的定义 §3.2 多元正态分布的性质 §3.3 极大似然估计及估计量的性质
本幻灯片可在如下网站下载: 概率论与数理统计第16讲 本幻灯片可在如下网站下载:
请说出牛顿第一定律的内容。.
数列(一) 自强不息和谐发展 授课教师:喻永明.
第四章 概率、正态分布、常用统计分布.
第三章 函数逼近 — 最佳平方逼近.
第十一章 真理与价值 主讲人:阎华荣.
6.6 单侧置信限 1、问题的引入 2、基本概念 3、典型例题 4、小结.
概率论与 数理统计 高教自考复习 总第十四讲.
08-09冬季学期 概率论与数理统计 姜旭峰,胡玉磊.
第七章 固 定 资 产.
第五节 微积分基本公式 、变速直线运动中位置函数与速度 函数的联系 二、积分上限函数及其导数 三、牛顿—莱布尼茨公式.
第三节 协方差及相关系数 协方差 相关系数 课堂练习 小结 布置作业.
第5章 定积分及其应用 基本要求 5.1 定积分的概念与性质 5.2 微积分基本公式 5.3 定积分的换元积分法与分部积分法
主要内容 § 3.1 多维随机变量及联合分布 联合分布函里数 联合分布律 联合概率密度 § 3.2 二维随机变量的边缘分布
本讲义可在网址 或 ftp://math.shekou.com 下载
2-7、函数的微分 教学要求 教学要点.
区间估计 Interval Estimation.
行政院國軍退除役官兵輔導委員會 嘉義榮民醫院.
Introduction To Mean Shift
第5章 §5.3 定积分的积分法 换元积分法 不定积分 分部积分法 换元积分法 定积分 分部积分法.
第6章 统计量及其抽样分布 统计量 关于分布的几个概念 由正态分布导出的几个重要分布 样本均值的分布与中心极限定理 样本比例的抽样分布
第三章 多维随机变量及其分布 §2 边缘分布 边缘分布函数 边缘分布律 边缘概率密度.
例1 :甲击中的环数; X :乙击中的环数; Y 平较高? 试问哪一个人的射击水 : 的射击水平由下表给出 甲、乙两人射击,他们
本次课讲授:第二章第十一节,第十二节,第三章第一节, 下次课讲第三章第二节,第三节,第四节; 下次上课时交作业P29—P30
计算机数学基础 主讲老师: 邓辉文.
第十章 方差分析.
第六章 数理统计的基本知识 第一节 总体与样本
数据统计与分析 秦 猛 南京大学物理系 手机: 第十讲 数据统计与分析 秦 猛 南京大学物理系 办公室:唐仲英楼A 手机:
概 率 统 计 主讲教师 叶宏 山东大学数学院.
连续型随机变量及其概率密度 一、概率密度的概念与性质 二、常见连续型随机变量的分布 三、小结.
第七章 参数估计 7.3 参数的区间估计.
公立學校教職員退休資遣撫卹條例重點說明 苗栗縣政府人事處編製 主講人:陳處長坤榮 107年5月2日.
习题 一、概率论 1.已知随机事件A,B,C满足 在下列三种情况下,计算 (1)A,B,C相互独立 (2)A,B独立,A,C互不相容
模型分类问题 Presented by 刘婷婷 苏琬琳.
概 率 统 计 主讲教师 叶宏 山东大学数学院.
应用概率统计 主讲:刘剑平.
5.2 常用统计分布 一、常见分布 二、概率分布的分位数 三、小结.
第五节 对坐标的曲面积分 一、 对坐标的曲面积分的概念与性质 二、对坐标的曲面积分的计算法 三、两类曲面积分的联系.
第十章 双线性型 Bilinear Form 厦门大学数学科学学院 网址: gdjpkc.xmu.edu.cn
第一部分:概率 对应教材Chp1-5 课堂上讲述会较快,将知识点串起来,建议大家通读教材 主要内容: 随机变量及其分布
第三章 从概率分布函数的抽样 (Sampling from Probability Distribution Functions)
定理21.9(可满足性定理)设A是P(Y)的协调子集,则存在P(Y)的解释域U和项解释,使得赋值函数v(A){1}。
概 率 统 计 主讲教师 叶宏 山东大学数学院.
学习任务三 偏导数 结合一元函数的导数学习二元函数的偏导数是非常有用的. 要求了解二元函数的偏导数的定义, 掌握二元函数偏导数的计算.
第三章 多维随机变量及其分布 第一节 二维随机变量 第二节 边缘分布 第三节 条件分布 第四节 相互独立的随机变量
第四节 随机变量函数的概率分布 X 是分布已知的随机变量,g ( · ) 是一个已知 的连续函数,如何求随机变量 Y =g(X ) 的分布?
第一部分:概率 产生随机样本:对分布采样 均匀分布 其他分布 伪随机数 很多统计软件包中都有此工具 如在Matlab中:rand
第15讲 特征值与特征向量的性质 主要内容:特征值与特征向量的性质.
数据统计与分析 秦 猛 南京大学物理系 第11讲 办公室:唐仲英楼A
§5.2 抽样分布   确定统计量的分布——抽样分布,是数理统计的基本问题之一.采用求随机向量的函数的分布的方法可得到抽样分布.由于样本容量一般不止2或 3(甚至还可能是随机的),故计算往往很复杂,有时还需要特殊技巧或特殊工具.   由于正态总体是最常见的总体,故本节介绍的几个抽样分布均对正态总体而言.
§2 方阵的特征值与特征向量.
第三章 从概率分布函数的抽样 (Sampling from Probability Distribution Functions)
定义 设连续型随机变量 概率密度为 分布函数是 特别地, 其概率密度为 一、正态分布的相关内容:.
难点:连续变量函数分布与二维连续变量分布
数理统计基本知识.
第五章 数理统计的基本知识 §5.1 总体与样本.
第八章 假设检验 8.3 两个正态总体参数的假设检验.
数理统计部分 数理统计主要内容 第六章 样本及抽样分布 第七章 参数估计 第八章 假设检验
第四节 向量的乘积 一、两向量的数量积 二、两向量的向量积.
第三章 从概率分布函数的抽样 (Sampling from Probability Distribution Functions)
§4.1数学期望.
第6章 数理统计基础 §6.1 数理统计的几个基本概念 §6.2 描述统计 §6.3 抽样分布.
Presentation transcript:

抽样和抽样分布 基本计算 Sampling & Sampling distribution 数理统计课题组

来自总体X的随机样本X1, … ,Xn可记为 显然,样本联合分布函数或密度函数为 或 或 或

? 3.总体、样本、样本观察值的关系 理论分布 总体 样本观察值 样本 统计是从手中已有的资料——样本观察值,去推断总体的情况——总体分布。样本是联系两者的桥梁。总体分布决定了样本取值的概率规律,也就是样本取到样本观察值的规律,因而可以用样本观察值去推断总体

抽样 简单随机抽样:抽取样本量为n的样本,分为有放回的抽样和无放回的抽样。 观察hospital中不同抽样样本量下统计量 的分布

二、统计量 定义:称样本X1, … ,Xn 的函数g(X1, … ,Xn )是总体X的一个统计量,如果g(X1, … ,Xn )不含 未知 参数 几个常用的统计量 :

中心极限定理 总体分布 抽样分布 (n较小 ) 抽样分布 (n较大 ) X X X

3.样本k阶矩

性质 E

2 抽样分布 统计量的分布称为抽样分布。数理统计中常用到如下三个分布: 2—分布、 t —分布和F—分布。 一、 2—分布

2.2—分布的密度函数f(y)曲线

3. 分位点 设X ~ 2(n),若对于:0<<1, 存在 满足 为 则称 分布的上尾分位点。

二、t—分布 1.构造 若~N(0, 1), ~2(n), 与独立,则 4.性质: a.分布可加性 若X ~ 2(n1),Y~ 2(n2 ), X与 Y独立,则 X + Y ~ 2(n1+n2 ) b.期望与方差 若X~ 2(n),则 E(X)= n,Var(X)=2n 二、t—分布 1.构造 若~N(0, 1), ~2(n), 与独立,则 t(n)称为自由度为n的t分布。

t(n) 的概率密度为

:0<<1,存在t(n)>0, 满足P{Tt(n)}=, 2.基本性质: (1) f(t)关于t=0(纵轴)对称。 (2) f(t)的极限为N(0,1)的密度函数,即 3.分位点 设T~t(n),若对 :0<<1,存在t(n)>0, 满足P{Tt(n)}=, 则称t(n)为 t(n)的上侧分位点

注:

三、F分布 1.构造 若1 ~2(n1), 2~2(n2),1, 2独立,则 称为第一自由度为n1 ,第二自由度为n2的F—分布,其概率密度为

P{FF(n1, n2)}=, 则称F(n1, n2)为 对于:0<<1, 若存在F(n1, n2)>0, 满足 P{FF(n1, n2)}=, 则称F(n1, n2)为 F(n1, n2)的 上侧分位点;

注: 证明:设F~F(n1,n2),则 得证!

4.3 正态总体的抽样分布定理 证明: 是n 个独立的正态随机变量的线性组合,故服从正态分布

且U与V独立,根据t分布的构造 得证!