抽樣和抽樣分布(更新版)

　　

【正文】 x 4 s===解：戰士身高為正態分布， 人又知 公分 ， 公分；( )F 1 = 68 .2 7 %= ( )N P 100 000 7 % 68 270 =? 套 二、正態分布再生定理 ( )2: x ~ N X m樣本平均數 ， n … x2 x3 x1 xN x (x11 … x1n ） （ x21 … x2n） （ xm1 … xmn) …… x1 x2 xm …… x ( )2 X ~ N ( X , X )s( )2 x ~ N X ,mxXZm= ( )Z ~ N 0 , 1 三、中心極限定理 P126 隨著 n 的增大而趨近于 ( )( )2P 0 1 P P 1 P s分布成數＝中心極限定理 ( )2P p N P , m174。231。231。231。 連續型隨機變量的一種重要分布，它是統計推斷 的基礎 ? ? ?????? ?? xxf xx ,e21)( 222 1??? f（ x）的性質 （ 1）對稱性； （ 2）非負性； （ 3）最大值； （ 4）拐點； f (x) ??x ??x σ σ（ 5） x 和 σ的意義 ； 位置參數 形狀參數 （ 1）變動平均數 （ 2）變動標準差 改變分布 中心 位置； 表現為圖形的平移。共有 20個樣本。 這一等式可以看出兩項重要事實 （ 1） 抽 樣平均誤差比總體標準差小的多，僅為其 。x x fxnf?????222 ( ) ( )。 全及指標值具有唯一性。 。 則考察每次射擊得分為0,1,2,3這一離散型隨機變量 ， 其概率分布為 X = xi 0 1 2 3 P(X=xi)?pi ?離散型隨機變量的數學期望 ?離散型隨機變量的方差 離散型隨機變量的數學期望 （ 1） 在離散型隨機變量 X的一切可能取值的完備組中 ， 各可能取值 xi與其相對應的概率 pi乘積之和 。 ：隨機試驗的每一個可能結果 (任何樣本點集合 ) ? 例如：擲一枚骰子出現的點數為 3 ：每次試驗可能出現也可能不出現的事件 ? 例如：擲一枚骰子可能出現的點數 ：每次試驗一定出現的事件 ， 用 ?表示 。 不重置抽樣排列數： 不重置抽樣又分為考慮順序和不考慮順序的情況 （排列與組合 ）。 有 n個單位的樣本是由 n次連續試驗構成的，但 因每次抽出不重置，所以實質上等同于同時從 總體中抽取 n個樣本單位。 ，直到有 10件正品為止，記錄生產產品的總件數。 今某射手每 100次射擊 ， 平均有 30次中域 Ⅰ ， 55次中域 Ⅱ ， 10次中 Ⅲ ， 5次中域外 。 (x)不是概率 。 樣本統計量 總體未知參數 樣本統計量 樣本統計量 樣本統計量 樣本統計量 樣本統計量 樣本統計量 樣本統計量 樣本統計量 樣本統計量 樣本統計量 樣本統計量 樣本統計量 抽樣分布 樣本統計量所有可能值的概率分布 主要樣本 統計量 平均數 比率（成數） 方差 xp 2S ２ .參數和統計量 （總體指標和抽樣指標） ?總體參數（總體指標）（ parameter） 根據全及總體各個單位的標志值或標志屬性計算的，反映總體某種屬性或特征的綜合指標稱為全及指標。 樣本點： 樣本空間： 樣本統計量： ?樣本平均數： ?樣本方差： ?樣本成數： 。即 X5?? 10??樣本抽樣分布 原總體分布 xX 以上兩個結論具有普遍意義，其一般推導見課本p113。 )(42 元??? N XX )(32)()( 22 元?? ?? N XXX?現用不重置抽樣的方法從 5人中隨機抽 2個構成樣本。 第四節 正態分布和正態逼近 一、正態分布 ?二、正態分布再生定理 ?三、中心極限定理 四、抽樣分布的正態逼近 一、正態分布 （一）正態分布概述： 一個連續型隨機變量 X，如果其密度函數為 那么我們稱 X服從參數為 x和 ??正態分布。247。 247。247。?例： 設 ～求( )P Z 7=? ( )1 1 F 1 . 667 2輊=+ 臌 [ ]1 1 0 . 905 1 0 . 952 6 95 . 26 %2= + = = ( ) ( ) 2 P 2 X 10 ?解： 例例 44 —— 77某農場的小麥畝產服從 正態分布 ，已知平均畝產為 550 公斤，標準差為50 公斤，求畝產在 525 —575 之間所占的比例。 思考與練習 （ P130— 132） 思考題： 練習題： ， 3 謝謝觀看 /歡迎下載 BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAITH