数学建模概率论3

《数学建模概率论3》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第五章统计量及其分布§5.1总体与样本§5.2样本数据的整理与显示§5.3统计量及其分布§5.4三大抽样分布例5.0.1某公司要采购一批产品，每件产品不是合格品就是不合格品，但该批产品总有一个不合格品率p。由此，若从该批产品中随机抽取一件，用x表示这一批产品的不合格数，不难看出x服从一个二点分布b(1,p)，但分布中的参数p是不知道的。一些问题：p的大小如何；p大概落在什么范围内；能否认为p满足设定要求（如p0.05）。§5.1总体与个体总体含义：研究对象的全体；数据:总体是一堆数，这堆数中有的出现的

2、机会多，有的出现的机会小，因此用一个概率分布描述和归纳总体是恰当的，从这个意义看，总体就是一个分布，而其数量指标就是服从这个分布的随机变量例5.1.1考察某厂的产品质量，以0记合格品，以1记不合格品，则总体={该厂生产的全部合格品与不合格品}={由0或1组成的一堆数}若以p表示这堆数中1的比例（不合格品率），则该总体可由一个二点分布表示：X01P1pp比如：两个生产同类产品的工厂的产品的总体分布：X01p0.9830.017X01p0.9150.085例5.1.2在二十世纪七十年代后期，美国消费者购买日产SON

3、Y彩电的热情高于购买美产SONY彩电，原因何在？1979年4月17日日本《朝日新闻》刊登调查报告指出N(m,(5/3)2)，日产SONY彩电的彩色浓度服从正态分布，而美产SONY彩电的彩色浓度服从(m5,m+5)上的均匀分布。原因在于总体的差异上！图5.1.1SONY彩电彩色浓度分布图等级IIIIIIIV美产33.333.333.30日产68.327.14.30.3表5.1.1各等级彩电的比例(%)5.1.2样本样品、样本、样本量:样本具有两重性一方面，由于样本是从总体中随机抽取的，抽取前无法预知它们的数值，因

4、此，样本是随机变量，用大写字母X1,X2,…,Xn表示；另一方面，样本在抽取以后经观测就有确定的观测值，因此，样本又是一组数值。此时用小写字母x1,x2,…,xn表示是恰当的。简单起见，无论是样本还是其观测值，样本一般均用x1,x2,…xn表示，应能从上下文中加以区别。独立性:样本中每一样品的取值不影响其它样品的取值--x1,x2,…,xn相互独立。要使得推断可靠，对样本就有要求，使样本能很好地代表总体。通常有如下两个要求：随机性:总体中每一个个体都有同等机会被选入样本--xi与总体X有相同的分布。样本的要求：简

5、单随机样本设总体X具有分布函数F(x),x1,x2,…,xn为取自该总体的容量为n的样本，则样本联合分布函数为用简单随机抽样方法得到的样本称为简单随机样本，也简称样本。于是，样本x1,x2,…,xn可以看成是独立同分布(iid)的随机变量，其共同分布即为总体分布。总体分为有限总体与无限总体实际中总体中的个体数大多是有限的。当个体数充分大时，将有限总体看作无限总体是一种合理的抽象。对无限总体，随机性与独立性容易实现，困难在于排除有意或无意的人为干扰。对有限总体，只要总体所含个体数很大，特别是与样本量相比很大，则独立

6、性也可基本得到满足。更深刻的结果也是存在的，这就是格里纹科定理。定理5.2.1（格里纹科定理）设x1,x2,…,xn是取自总体分布函数为F(x)的样本,Fn(x)是其经验分布函数，当n时，有PsupFn(x)F(x)0=1格里纹科定理表明：当n相当大时，经验分布函数是总体分布函数F(x)的一个良好的近似。经典的统计学中一切统计推断都以样本为依据，其理由就在于此。5.3.1统计量与抽样分布§5.3统计量及其分布当人们需要从样本获得对总体各种参数的认识时，最好的方法是构造样本的函数，不同的函数反映总体

7、的不同特征。定义5.3.1设x1,x2,…,xn为取自某总体的样本，若样本函数T=T(x1,x2,…,xn)中不含有任何未知参数。则称T为统计量。统计量的分布称为抽样分布。按照这一定义：若x1,x2,…,xn为样本，则以及经验分布函数Fn(x)都是统计量。而当,2未知时，x1,x1/等均不是统计量。尽管统计量不依赖于未知参数，但是它的分布一般是依赖于未知参数的。下面介绍一些常见的统计量及其抽样分布。5.3.2样本均值及其抽样分布定义5.3.2设x1,x2,…,xn为取自某总体的样本，其算术平均值称为样本

8、均值，一般用表示，即思考：在分组样本场合，样本均值如何计算？二者结果相同吗？xx=(x1+…+xn)/n样本均值的抽样分布：定理5.3.3设x1,x2,…,xn是来自某个总体的样本，x为样本均值。(1)若总体分布为N(,2)，则xx的精确分布为N(,2/n);若总体分布未知或不是正态分布，但E(x)=,Var(x)=2,则n较大时的渐近分布为N(,2/n)