当前课程知识点:概率论与数理统计 >  第十五周 参数的区间估计 >  两个正态总体的区间估计 >  15.3 两个正态总体的区间估计

返回《概率论与数理统计》慕课在线视频课程列表

15.3 两个正态总体的区间估计在线视频

15.3 两个正态总体的区间估计

下一节:15.4 大样本置信区间

返回《概率论与数理统计》慕课在线视频列表

15.3 两个正态总体的区间估计课程教案、知识点、字幕

m-1倍的X总体的样本方差

本节考虑两个正态总体的区间估计问题

首先看期望差的估计问题

问题的一般提法是

两正态总体的期望mu1、mu2

和方差sigma1方、sigma2方

均未知

X1、X2、Xm和Y1、Y2、Yn

是分别来自于两个正态总体X和Y的样本

且假设两个样本相互独立

求mu2减mu1的

1减alpha置信区间

这个问题被称为贝伦斯-费舍尔问题

看起来是一个很基本的问题

可这个问题到目前为止

仍然是统计学没有完全解决的问题

无法构造出有效的枢轴量

不过如果对方差有多一些的了解

问题可能就会变得简单多了

下面我们讨论两种特殊情况下

两正态总体期望差的区间估计

两正态总体的期望mu1、mu2未知

方差sigma1方、sigma2方已知

X1、X2、Xm和Y1、Y2、Yn

是分别来自于两个正态总体X和Y的样本

且假设两个样本相互独立

求mu2减mu1的

1减alpha置信区间

总体X的样本均值服从期望为mu1

方差为m分之sigma1方的正态分布

总体Y的样本均值服从期望为mu2

方差为n分之sigma2方的正态分布

X一拔和Y一拔相互独立

所以X一拔减Y一拔仍然服从正态分布

而且相减后的期望是两样本均值的期望差

方差是两样本均值的方差和

将X一拔减Y一拔变换为标准正态分布

sigma1方和sigma2方

是已知的常数

所以这个标准正态分布

只与被估参数mu2减mu1和样本有关

就得到了枢轴量

枢轴量大于等于

负的u、1减2分之alpha

小于等于u、1减2分之alpha

解出mu2减mu1的范围

得到mu2减mu1的

1减alpha置信区间

再考虑一种情况

方差sigma1方、sigma2方未知

但是相等

用sigma方表示

X1、X2、Xm和Y1、Y2、Yn

是分别来自于两个总体X和Y的样本

且假设两个样本相互独立

求mu2减mu1的

1减alpha置信区间

总体X的样本均值服从期望为mu1

方差为m分之sigma方的正态分布

总体Y的样本均值服从期望为mu2

方差为n分之sigma方的正态分布

因为X一拔减Y一拔的分布中

含有未知参数sigma方

所以不能直接通过X一拔减Y一拔

构造枢轴量

这里仍然要借助t分布

来消掉sigma

考虑由样本方差构造的卡方分布

m-1倍的X总体的样本方差

除以sigma方服从

m-1自由度的卡方分布

n-1倍的Y总体的样本方差

除以sigma方服从

n-1自由度的卡方分布

卡方分布具有可加性

所以两个随机变量相加

得到m+n-2自由度的卡方分布随机变量

下面就可以利用所得到的正态和卡方分布

来构造t统计量

作为枢轴量

利用相互独立的标准正态分布

和m+n-2自由度的卡方分布

可构造出

m+n-2自由度的t分布随机变量

以此作为枢轴量

为表达简化起见

记m-1倍的Sx方加n-1倍的Sy方

除以m+n-2为Sw方

则枢轴量取值在正负m+n-2自由度

t分布的

1减2分之alpha分位点之间的概率

为1减alpha

解出mu2减mu1的范围

得到参数mu2减mu1的

1减alpha置信区间

两个正态总体X、Y

期望分别为mu1、mu2

方差分别为sigma1方、sigma2方

期望mu1、mu2

和方差sigma1方、sigma2方

均未知

X1、X2、Xm和Y1、Y2、Yn

是分别来自两个总体X、Y的样本

且假设两个样本相互独立

求方差比值

sigma1方比sigma2方的

1减alpha置信区间

考虑到m-1倍的X总体的样本方差

除以sigma1方

服从m-1自由度的卡方分布

n-1倍的Y总体的样本方差

除以sigma2方

服从n-1自由度的卡方分布

而且两个统计量相互独立

利用两个相互独立的卡方分布相除

可构造F分布枢轴量

进而得到sigma1方

比sigma2方的

1减alpha置信区间

概率论与数理统计课程列表:

第一周:随机事件及其概率运算

-随机试验与随机事件

--1.1 随机试验与随机事件

-古典概型

--1.2 古典概型

--第一周:古典概型

-事件间的关系与事件的运算

--1.3 事件间的关系与事件的运算

--第一周:事件间的关系与事件的运算

-两个著名的例子

--1.4 两个著名的例子

--第一周:两个著名的例子

-讲义

第二周:条件概率和独立性

-条件概率

--2.1 条件概率

--第二周:条件概率

-有关条件概率的三个重要计算公式

--2.2 条件概率的三个重要计算公式

--第二周:有关条件概率的三个重要计算公式

-事件的独立性

--2.3 事件的独立性

--第二周:事件的独立性

-应用实例

--2.4 应用实例

--第二周:应用实例

-网球比赛胜率的计算

--Video

-讲义

第三周:随机变量

-随机变量及分布函数

--3.1.随机变量及分布函数

--第三周:随机变量及分布函数

-离散型与连续型随机变量

--3.2 离散型随机变量

--第三周:离散型与连续型随机变量

-分布函数的性质与特殊的例子

--3.3 分布函数的性质与特殊的例子

--第三周:分布函数的性质与特殊的例子

-概率论所需微积分要点回顾

--3.4 概率论所需微积分要点回顾

--第三周:概率论所需微积分要点回顾

-讲义

第四周:常见随机变量

-二项分布与负二项分布

--4.1 二项分布与负二项分布

--第四周:二项分布与负二项分布

-泊松分布

--4.2 泊松分布

--第四周:泊松分布

-几何分布与指数分布

--4.3 几何分布与指数分布

--第四周:几何分布与指数分布

-正态分布

--4.4 正态分布

--第四周:正态分布

-讲义

第五周:随机变量函数的分布及随机变量的数字特征

-随机变量函数的分布

--5.1 随机变量函数的分布

--第五周:随机变量函数的分布

-随机变量的数学期望

--5.2 随机变量的数学期望

--第五周:随机变量的数学期望

-随机变量的方差

--5.3 随机变量的方差

--第五周:随机变量的方差

-原点矩与中心矩

--5.4 原点矩与中心矩

--第五周:原点矩与中心矩

-期望和方差的一些补充性质

--5.5 期望和方差的一些补充性质

--第五周:期望和方差的一些补充性质

-讲义

第六周:常见随机变量的期望方差和应用实例

-二项分布与泊松分布的期望与方差

--6.1二项分布与泊松分布的期望与方差

--第六周:二项分布与泊松分布的期望与方差

-几何分布的期望与方差

--6.2 几何分布的期望与方差

--第六周:几何分布的期望与方差

-均匀、指数和正态分布的期望与方差

--6.3 均匀、指数和正态分布的期望与方差

--第六周:均匀、指数和正态分布的期望与方差

-随机变量数学期望的应用实例

--6.4 随机变量数学期望的应用实例

--第六周:随机变量数学期望的应用实例

-快速排序算法的平均计算量分析

--Video

-讲义

第七周:多维随机变量,独立性

-多维随机变量

--7.1. 多维随机变量

-第七周:多维随机变量

-常见多维随机变量举例

--7.2. 常见多维随机变量举例

--第七周:常见多维随机变量举例

-随机变量的独立性

--7.3 随机变量的独立性

--第七周:随机变量的独立性

-独立随机变量期望和方差的性质

--7.4 独立随机变量期望和方差的性质

--第七周:独立随机变量期望和方差的性质

-讲义

第八周:条件分布与条件期望

-条件分布

--8.1条件分布

--第八周:条件分布

-条件期望

--8.2 条件期望

--第八周:条件期望

-全期望公式(上)

--8.3 全期望公式(上)

--第八周:全期望公式(上)

-全期望公式(下)

--8.4 全期望公式(下)

--第八周:全期望公式(下)

-讲义

第九周 协方差与相关系数

-随机变量函数的期望

--9.1. 随机变量函数的期望

--第九周:随机变量函数的期望

-协方差

--9.2 协方差

--第九周:协方差

-相关系数

-- 9.3 相关系数

--第九周:相关系数

-相关与独立

--9.4 相关与独立

--第九周:相关与独立

-讲义

第十周 独立随机变量和的分布与顺序统计量

-独立随机变量和的分布

--10.1. 独立随机变量和的分布

--第十周:独立随机变量和的分布

-独立正态分布和的分布

--10.2 独立正态分布和的分布

--第十周:独立正态分布和的分布

-最大值、最小值分布

--10.3 最大值、最小值分布

--第十周:最大值、最小值分布

-顺序统计量

--10.4 顺序统计量

--第十周:顺序统计量

-讲义

第十一周 正态分布专题

-正态分布的相关与独立

--11.1 正态分布的相关与独立

--第十一周:正态分布的相关与独立

-边缘密度均为正态,联合分布不是二元正态的例子

--11.2 边缘密度均为正态,联合分布不是二元正态的例子

--第十一周:边缘密度均为正态,联合分布不是二元正态的例子

-二项分布的正态近似

--11.3 二项分布的正态近似

--第十一周:二项分布的正态近似

-正态近似计算实例

--11.4 正态近似计算实例

--第十一周:正态近似计算实例

-讲义

第十二周 大数定律和中心极限定理

-大数定律

--12.1大数定律

--第十二周:大数定律

-中心极限定理

--12.2 中心极限定理

--第十二周:中心极限定理

-蒙特卡洛(Monte Carlo)算法

--12.3 蒙特卡洛(Monte Carlo)算法

-伪随机数和随机模拟

--12.4 伪随机数和随机模拟

-讲义

第十三周 统计学基本概念

-统计学实例

--13.1 统计学实例

-总体与样本

--13.2.总体与样本

-常用统计量

--13.3 常用统计量

--第十三周:常用统计量

-三种重要的统计分布和分位数

--13.4 三种重要的统计分布和分位数

--第十三周:三种重要的统计分布和分位数

-讲义

第十四周 参数点估计

-参数的矩估计

--14.1参数的矩估计法

--第十四周:参数的矩估计

-参数的极大似然估计

--14.2参数的极大似然估计法

--第十四周:参数的极大似然估计

-参数点估计的无偏性和有效性

--14.3 参数点估计的无偏性和有效性

--第十四周:参数点估计的无偏性和有效性

-参数点估计应用实例

--14.4 参数点估计应用实例

--第十四周:参数点估计应用实例

-讲义

第十五周 参数的区间估计

-区间估计的基本思想

--15.1 区间估计的基本思想

--第十五周:区间估计的基本思想

-区间估计的构造方法

--15.2 区间估计的构造方法

--第十五周:区间估计的构造方法

-两个正态总体的区间估计

--15.3 两个正态总体的区间估计

--第十五周:两个正态总体的区间估计

-大样本置信区间

--15.4 大样本置信区间

--第十五周:大样本置信区间

-讲义

第十六周 假设检验

-假设检验问题的提示和标准步骤

--16.1假设检验问题的提示和标准步骤

--第十六周:假设检验问题的提示和标准步骤

-假设检验问题的两类错误和P值

--16.2假设检验问题的两类错误和P值

--第十六周:假设检验问题的两类错误和P值

-单个正态总体参数的假设检验

--16.3 单个正态总体参数的假设检验

--第十六周:单个正态总体参数的假设检验

-拟合优度检验

--16.4拟合优度检验

--第十六周:拟合优度检验

-讲义

应用实例

-利用条件概率计算网球比赛胜率

--利用条件概率计算网球比赛胜率

-利用期望的计算性质分析快速排序算法的平均计算量

--利用期望的计算性质分析快速排序算法的平均计算量

-讲义

习题课一

-事件

--事件

-分布函数

--分布函数

-正态

--正态

-指数与二项

--指数与二项

习题课二

-随机变量函数的分布

--随机变量函数的分布

-指数分布期望

--指数分布期望

-切比雪夫不等式

--切比雪夫

-二元离散

--二元离散

-协方差

--协方差

-二元特征

--二元特征

习题课三

-统计量

--统计量

-无偏估计

--无偏估计

-点估计

--点估计

-假设检验

--假设检验

习题课四

-选择

--选择

-填空

--填空

-大题

--大题

15.3 两个正态总体的区间估计笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。