附錄002-統(tǒng)計知識基礎

1、附錄2 計量經濟學的統(tǒng)計學基礎,——復習數理統(tǒng)計學,2024/3/18,1,問題的提出,首先，假定現在開始選學《計量經濟學》課程的同學們都已經學習過《數理統(tǒng)計學》了。即便通過了《數理統(tǒng)計》的學分考試，也意識到數理統(tǒng)計學在大學的數學基礎課教學中，屬于比較困難的一部分。況且，同學們對《數理統(tǒng)計》的掌握可能不是很完備的。其次，大多數人對數學公式、數學符號的健忘，也提醒我們在進一步討論計量經濟學內容之前，必須對數理統(tǒng)計學的基本內容進行一些

2、溫習與回顧。,2024/3/18,2,解決問題的思路,1．請同學們將數理統(tǒng)計學的書籍拿出來進行復習。2．在老師講授的內容的同時，加強回顧，多思考，多提問。一邊聽課一邊在教科書上進行批注，并把教科書上的印刷錯誤（忒多）改正。3．懇請同學們到圖書館借閱計量經濟學的參考書。計量經濟學的分類號是“F224”，計量經濟學理論基礎——統(tǒng)計學的分類號是“O212”。4．在大三下以前掌握Windows 9x以及Office97及其以上的應用，為畢

3、業(yè)論文和大四謀業(yè)面試打下堅實的基礎。4．熟悉Internet的使用。，逐步養(yǎng)成通過網絡了解世界與世界同步。,2024/3/18,3,主要內容,第一節(jié) 總體、樣本和隨機函數第二節(jié) 對總體的描述——隨機變量的數字特征第三節(jié) 對樣本的描述——樣本分布的數字特征第四節(jié) 隨機變量的分布——總體和樣本的連接點,2024/3/18,4,為什么要復習數理統(tǒng)計學,假設同學們都已經學習過數理統(tǒng)計學。即便如此，數理統(tǒng)計學在大學數學教學

4、中，屬于比較難的部分，而且是研修高級課程必不可少的準備。而且許多同學或許對于大部分同學，他們對于數學公式與數學符號的健忘，也提醒我們有必要在展開計量經濟學討論之前，對本課程中經常使用到的數理統(tǒng)計學基本內容事先進行一些溫習和回顧。,2024/3/18,5,數理統(tǒng)計學在計量經濟學中的地位,事實上不懂得數理統(tǒng)計學就不可能學習和研究計量經濟學。數理統(tǒng)計學是計量經濟學的基礎，它為計量經濟學提供了唯一而有效的方法。此外，從某種意義上來說，計量

5、經濟學就是使數理統(tǒng)計學在建立經濟模型中得以應用的一門科學。,2024/3/18,6,復習數理統(tǒng)計學必須注意,建議同學們將已經學過的《西方經濟學》、 《數理統(tǒng)計學》、《線性代數》和《Windows 95》進行一次認真地復習。復習時，注重西方經濟學的宏觀部分，注重數理統(tǒng)計學學科體系的邏輯結構分析、注重數理統(tǒng)計方法的闡述、注重數理統(tǒng)計公式、定義和定理的內在涵義及其相互關系，注重線性代數的求逆和相似形部分，注重Windows 95的基本操作部

6、分。在今后的學習中，注意經濟學基本理論及其應用，注意數理統(tǒng)計學基礎與計量經濟學的聯(lián)系與活用，注意線性代數與統(tǒng)計量的計量與檢驗。,2024/3/18,7,第一節(jié) 總體、樣本和隨機函數,四個基本定義與數理統(tǒng)計學的邏輯結構一、隨機變量的分布二、二元隨機變量三、獨立性四、隨機變量函數和分布,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,

7、,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,2024/3/18,8,四個基本定義與數理統(tǒng)計學的邏輯結構,總體和個體樣本和樣本容量隨機變量統(tǒng)計量數理統(tǒng)計學的邏輯結構,2024/3/18,9,總體（集合）和個體（構成集合的元素）,研究對象的全體稱為總體或母體，組成總體的每個基本單位稱為個體。注意：（1）按組成總體個體的多寡分為：有限總體和無限總體；（

8、2）總體具有同質性：每個個體具有共同的觀察特征，而與其它總體相區(qū)別；（3）度量同一對象得到的數據也構成總體，數據之間的差異是絕對的，因為存在不可消除的隨機測量誤差；（4）個體表現為某個數值是隨機的，但是，它們取得某個數值的機會是不同的，即它們按一定的規(guī)律取值，即它們的取值與確定的概率相對應。,2024/3/18,10,樣本和樣本容量,總體中抽出若干個個體組成的集體稱為樣本。樣本中包含的個體的個數稱為樣本的容量，又稱為樣本的大小。注

9、意：抽樣是按隨機原則選取的，即總體中每個個體有同樣的機會被選入樣本。,2024/3/18,11,隨機變量,根據概率不同而取不同數值的變量稱為隨機變量（Random Variable）。注意：（1）一個隨機變量具有下列特性：RV可以取許多不同的數值，取這些數值的概率為p，p滿足：0<=p<=1。（2）隨機變量以一定的概率取到各種可能值，按其取值情況隨機變量可分為兩類：離散型隨機變量和連續(xù)型隨機變量。離散型隨機變量的取值最

10、多可列多個；連續(xù)型隨機變量的取值充滿整個數軸或者某個區(qū)間。（3）本書中，隨機變量用x、y、?、?等符號表示,2024/3/18,12,離散型隨機變量與連續(xù)型隨機變量,,,,,10 20 30 40 50,,,,,,,,,1.0,概率,概率,x,x,1.0,離散型隨機變量,連續(xù)型隨機變量,2024/3/18,13,總體與隨機變量的關系,表示總體狀況的數量特征，在總體中是參差不齊的，往往以一定的概率取不同的數值，顯然對于這

11、樣的數值我們采用一般的變量是無法加以描述的。但是?？梢圆捎靡环N特殊的變量來表示它們。這個特殊變量就是隨機變量。因為，根據隨機變量的定義，隨機變量以一定的概率取許多不同的值，而且概率p滿足：0<=p<=1。例如，一批燈泡的壽命可以取許多不同的數值，每個燈泡的取值不一定完全相同，但它們是按一定概率進行分布的，但它們卻是以一定的概率取某個壽命值。由此看來，隨機變量并不是一個隨便變的量。由于我們主要研究總體的數量特征，可以直接用隨

12、機變量來表示所研究的總體。,2024/3/18,14,總體、隨機變量、樣本間的聯(lián)系,總體就是一個隨機變量，所謂樣本就是n個（樣本容量n）相互獨立且與總體有相同分布的隨機變量x1，……，xn。每一次具體抽樣所得的數據，就是n元隨機變量的一個觀察值，記為（X1，……，Xn）。通過總體的分布可以把總體和樣本連接起來。,2024/3/18,15,從兩個角度來描述總體（隨機變量）中個體的取值,（1）動態(tài)——概率——隨機地選取一個個體取某個具體

13、數值的可能性；（2）靜態(tài)——分布——個體取某個數值，從全局來看這個具體的數值（可能不只一個個體取這同一個數值）出現的次數占全體個體個數的比例，形象地說就是這個具體的數值在數軸的這個位置上分布了多少。分布也好、概率也好它們在度量上是一致的。這只是就離散型隨機變量的通俗示意。,2024/3/18,16,總體分布是總體和樣本的連接點,所謂分布，它是從全局而言的。通俗地說，分布就是某個對象在什么地方，堆積了多少。任何一個隨機變量都有自己

14、的分布，這個什么地方就是在數軸上取什么值，堆積多少就是在那里占有的比例是多少或者概率有多大。總體可以表示為隨機變量，并具有自身的分布。樣本則是相互獨立與總體具有相同分布的n元隨機變量。因此，總體分布是總體和樣本的連接點。從而，可以通過對樣本特征的研究達到對總體進行研究的目的。因為它們具有相同的分布。須知，如果對于一個隨機變量完全掌握了它的分布規(guī)律，就完全明白無誤了。,2024/3/18,17,為什么樣本是與所來自的總體具有相同的分

15、布的隨機變量,因為樣本具有二重性：一是指某一次具體的抽樣的具體的數值（X1，……，Xn）；二是指一次抽樣的可能結果，它的每一次觀察都是隨機地從總體中（每一個個體有同樣的機會被選入）抽取一個，所以它是一組隨機變量（x1，x2，……，xn） 而且，每一次抽樣都來自同一總體（分布），也就是每一次抽樣都帶來了與總體一樣的分布信息。所以，樣本與所來自的總體分布相同。由于總體分布完整的描述了總體的信息，有時我們也直呼總體為分布，不加區(qū)別地使

16、用總體或分布。,2024/3/18,18,統(tǒng)計量,設（x1，x2，……，xn）為一組樣本觀察值，函數f（ x1，x2，……，xn ）若不含有未知參數，則稱為統(tǒng)計量。統(tǒng)計量一般是連續(xù)函數。由于樣本是隨機變量，因而它的函數也是隨機變量，所以，統(tǒng)計量也是隨機變量。統(tǒng)計量一般用它來提取或壓榨由樣本帶來的總體信息。,2024/3/18,19,樣本與總體之間的關系,樣本是總體的一部分，是對總體隨機抽樣后得到的集合。對觀察者而言，總體是不了

17、解的，了解的只是樣本的具體情況。我們所要做的就是通過對這些具體樣本的情況的研究，來推知整個總體的情況。,,,……,Xn+1,Xn,…,X1,,,樣本,總體,2024/3/18,20,數理統(tǒng)計學的邏輯結構,（1）總體和樣本引入一個隨機變量來描述總體（2）對總體的描述：隨機變量的數字特征（3）對樣本的描述：樣本分布的數字特征（4）總體與樣本的連接點：隨機變量的分布（5）如何用樣本的數字特征估計總體的數字特征及數據生成過

18、程中的各種參數 a 估計量的優(yōu)良性 b 估計方法 c 對估計量的檢驗——假設檢驗,2024/3/18,21,a 估計量的優(yōu)良性,1、無偏性2、有效性3、均方誤最小4、一致性,2024/3/18,22,b 估計方法,,2024/3/18,23,c 對估計量的檢驗——假設檢驗,1.對總體分布特征的假設檢驗（1）一個正態(tài)總體的假設檢驗a 檢驗均值：已知方差和未知方差b 檢

19、驗方差：未知均值（雙尾和單尾）（2）兩個正態(tài)總體的假設檢驗a 檢驗均值：未知方差但可假設其相等b 檢驗方差：未知均值（雙尾和單尾）（3）總體分布的假設檢驗a 總體為離散型分布b 總體為連續(xù)型分布2.對各種系數、參數估計值的假設檢驗,2024/3/18,24,一、隨機變量的分布,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,2024/3/18,25,（一）離散型隨機變量的分布,定義：如果隨

20、機變量?只取有限個或可列多個可能值，而且?以確定的概率取這些值，則稱?為離散型隨機變量。通常用分布列表示離散型隨機變量：?的概率分布也可用一系列等式表示：P（ ? =xi）=pi （i=1,2,……）稱為?的概率函數。注意這里xi只出現一次。顯然滿足概率的定義：離散型隨機變量的分布就是指它的分布列或概率函數。,2024/3/18,26,離散型隨機變量舉例1,例1 一批產品的廢品率為5%，從中任取一個進行檢驗，

21、以隨機變量來描述這一試驗并寫出的分布。以X=0表示“產品為合格產品”，X=1表示“產品為廢品”，那么分布列如下：其概率函數p（X=0）=0.95， p（X=1）=0.05，或p（X=i）=（0.05）i（0.95）1-i （ i = 0, 1）,2024/3/18,27,離散型隨機變量舉例2,用隨機變量X描述擲一顆骰子的試驗。分布的概率函數為：P（X=i）= 1/6（i=1，2，3，4，5，6）,2024/3/

22、18,28,（二）隨機變量的分布函數,定義：若X是一個隨機變量（可以是離散的，也可以是非離散的），對任何實數x，令F（x）=P（X<=x），稱F（x）為隨機變量X的分布函數。F（x），即事件“X<=x”的概率，是一個實函數。對任意實數x1<x2，有P（x1<X<x2）=P（X<=x2）- P（X<=x1）=F（x2）- F（x1）由此可知，若已知X的分布函數，就知道X在任何區(qū)間上取值的概

23、率。所以，分布函數完整的描述了隨機變量的變化情況。,2024/3/18,29,分布函數F（x）的性質,,2024/3/18,30,分布函數舉例,例3 求例1中的分布函數例4 求例2中的分布函數,,2024/3/18,31,（三）連續(xù)型隨機變量的分布,定義：對于任何實數x，如果隨機變量X的分布函數F（x）可以寫成概率分布密度函數的性質：,2024/3/18,32,為什么?(x)稱為概率分布密度函數,,2024/3/18,3

24、3,連續(xù)型隨機變量分布函數舉例,,2024/3/18,34,（四）分布函數、概率函數、密度函數三者的關系,分布函數既適用于離散型也適用于連續(xù)型，是描述各種類型隨機變量最一般的共同形式。但是，它不夠直觀。概率函數對于離散型的描述很直觀。概率密度函數的大小能夠反映X在x附近取值的概率的大小，從而比分布函數更直觀。所以，在實際應用中我們分別用概率函數和密度函數對離散型和連續(xù)型隨機變量進行描述。,2024/3/18,35,二、二元隨機變量

25、,n元隨機變量的定義：每次試驗同時處理n個隨機變量（X1，X2，……，Xn），它們的取值隨試驗的進行而變化。如果對任何一組實數（x1，x2，……，xn），事件“X1?x1，X2?x2，……， Xn?xn”有著確定的概率，則稱n個隨機變量（X1，X2，……，Xn）總體為一個n元隨機變量。n元隨機變量分布函數的定義： n元函數F（ x1，x2，……，xn ）= P(X1?x1，X2?x2，……， Xn?xn)（x1，x2，……，xn）

26、屬Rn，為n元隨機變量分布函數。離散二元隨機變量的定義：如果二元隨機變量（X,Y）所有可能取值為有限或可列多個，并且以確定的概率取各個不同數值，則稱（X,Y）為二元隨機變量。,2024/3/18,36,(X，Y)的聯(lián)合分布表和聯(lián)合分布函數,(X，Y)為離散型的二元隨機變量，通常用聯(lián)合分布函數與聯(lián)合分布表表示。,2024/3/18,37,離散二元分布函數的示例,例6 同一品種的5個產品中，有2個正品，3個次品，每次從中抽取一個進行質量檢

27、查，不放回的抽取，連續(xù)兩次。令“Xi=0”表示第i次抽取到正品，而“Xi=1”表示第i次抽取到次品，寫出(X1,X2)的分布。解 p(X1=0,X2=0)= p(X1=0)P(X2=0)=(2/5)(1/4)=1/10 p(X1=0,X2=1)=p(X1=0)P(X2=1)=(2/5)(3/4)=3/10 p(X1=1,X2=0)=p(X1=1)P(X2=0)=(3/5)(2/4)=3/10 p(

28、X1=1,X2=1)=p(X1=1)P(X2=1)=(3/5)(2/4)=3/10,2024/3/18,38,連續(xù)二元隨機變量的定義,,2024/3/18,39,三、獨立性,（一）事件的獨立性（二）隨機變量的獨立性,2024/3/18,40,（一）事件的獨立性,定義1.12事件的獨立性的定義如果事件A發(fā)生的可能性不受事件B發(fā)生與否的的影響，即P(A/B)=P(A)，則稱事件A對于事件B獨立。顯然，若事件A對于事件B獨立，事件B對于

29、事件A也一定獨立，我們稱事件A與事件B相互獨立。A與B獨立的充分必要條件是： P（AB）=P（A）P（B）,2024/3/18,41,（二）隨機變量的獨立性,定義1.13隨機變量相互獨立的定義 對于任何實數x,y，如果二元隨機變量(X,Y)的聯(lián)合分布函數F(x,y)等于X和Y的邊際分布的乘積，即 F(x,y) = FX(x) . FY(y)則稱X與Y相互獨立。

30、定義1.14邊際分布的定義離散型二元隨機變量(X,Y)中，分量X（或Y）的概率分布稱為(X,Y)的關于X（或Y）的邊際分布，邊際分布又稱邊緣分布。,2024/3/18,42,四、隨機變量函數的概念和分布,定義1.15 隨機變量函數的定義 設f(x)是定義在隨機變量X的一切可能取值集合上的函數。如果對于X的每一個可能值x，都有另一個隨機變量Y的取值y=f(x)與之相對應，則稱Y為X的函數，記作Y=f(X)。

31、 我們常常遇到一些隨機變量，它們的分布往往難于直接得到（例如滾珠體積的測量值等），但與它們有關系的另一個隨機變量的分布卻是容易知道的（如滾珠直徑的測量值）。因此，就要研究兩個隨機變量之間的關系，然后通過它們之間的關系，由已知隨機變量的分布求出與之有關的其它隨機變量的分布。其間的關系通常用函數關系表示。,2024/3/18,43,第二節(jié) 對總體的描述——隨機變量的數字特征,一、數學期望二、方差三、數學期望與方差的圖示,,,,,,

32、,,,,2024/3/18,44,一、數學期望,研究數字特征的必要性兩個最重要的數字特征（1）數學期望（2）方差,,2024/3/18,45,研究數字特征的必要性,總體就是一個隨機變量。對總體的描述就是對隨機變量的描述。隨機變量的分布就是對隨機變量最完整的描述。但是，（1）求出總體的分布往往不是一件容易的事情；（2）而且，在很多情況下，我們并不需要全面考察隨機變量的變化情況，只需要了解總體的一些綜合指標。一般說來，常常需要了解

33、總體的一般水平和它的離散程度；（3）如果了解總體的一般水平和離散程度，就已經對總體有了粗略的了解了；（4）在很多情況下，了解這兩個數字特征還是深入求出總體分布的基礎和關鍵。由此看來，研究隨機變量的數字特征是十分必要的。,2024/3/18,46,數學期望的定義,定義2.1離散型隨機變量數學期望的定義假定有一個離散型隨機變量X有n個不同的可能取值x1,x2,……,xn，而p1,p2,……,pn是X取這些值相應的概率，則這個隨機變量

34、X的數學期望定義如下：數學期望描述的是隨機變量（總體）的一般水平。定義2.2連續(xù)型隨機變量數學期望的定義,2024/3/18,47,女兒期待父親釣多少魚回家？,數學期望是最容易發(fā)生的，因而是可以期待的。它反映數據集中的趨勢。,2024/3/18,48,數學期望的性質,（1）如果a、b為常數，則 E(aX+b)=aE(X)+b（2）如果X、Y為兩個隨機變量，則 E(X+Y)=E(X)+E

35、(Y)（3）如果g(x)和f(x)分別為X的兩個函數，則 E[g(X)+f(X)]=E[g(X)]+E[f(X)]（4）如果X、Y是兩個獨立的隨機變量，則 E(X.Y)=E(X).E(Y),2024/3/18,49,求離散型隨機變量數學期望舉例,例1 甲、乙兩射手在一次射擊中的得分（分別用X、Y表示）的分布率如下：試比較兩射手的射擊技術水平，并計算如果二人各發(fā)一彈，他們

36、得分和的估計值。解 EX=1? 0.4+2 ? 0.1+3 ? 0.5=2.1 EY=1 ? 0.1+2 ? 0.6+3 ? 0.3=2.2 E(X+Y)=2.1+2.2=4.3 EX<EY 乙射手射擊水平比較高 二人各發(fā)一彈，得分總和最可能在4.3分左右（即4分或5分）,2024/3/18,50,二、方差,定義2.4 離均差的定義 如果隨機變量X的數

37、學期望E(X)存在，稱[X-E(X) ]為隨機變量X的離均差。顯然，隨機變量離均差的數學期望是0，即 E [ X-E(X) ] = 0定義2.3 連續(xù)型隨機變量的方差定義2.5 隨機變量離均差平方的數學期望，叫隨機變量的方差，記作Var(x),或D(x)。方差的算術平方根叫標準差。,2024/3/18,51,方差的意義,（1）離均差和方差都是用來描述離散程度的，即描述X對于它的期望的偏離程度，這種偏差越大，

38、表明變量的取值越分散。（2）一般情況下，我們采用方差來描述離散程度。因為離均差的和為0，無法體現隨機變量的總離散程度。事實上正偏差大亦或負偏差大，同樣是離散程度大。方差中由于有平方，從而消除了正負號的影響，并易于加總，也易于強調大的偏離程度的突出作用。,2024/3/18,52,方差的性質,（1）Var(c )=0（2）Var(c+x)=Var(x )（3）Var(cx)=c2Var(x)（4）x,y為相互獨立的隨機變量，則V

39、ar(x+y)=Var(x )+Var(y )=Var(x-y)（5）Var(a+bx)=b2Var(x)（6）a,b為常數，x,y為兩個相互獨立的隨機變量，則(ax+by)=a2Var(x)+b2Var(y)（7）Var(x)=E(x2)-(E(x))2,2024/3/18,53,例2 計算本節(jié)例1中甲射手的方差,例1 甲、乙兩射手在一次射擊中的得分（分別用X、Y表示）的分布率如下：E(X)=2.1Var(X)=（-

40、 1.1） 2 ? 0.4+（-0.1）2 ? 0.1+0.92 ? 0.5 = 0.89,2024/3/18,54,三、數學期望與方差的圖示,數學期望描述隨機變量的集中程度，方差描述隨機變量的分散程度。1方差同、期望變大 2期望同、方差變小,2024/3/18,55,第三節(jié) 對樣本的描述——樣本分布的數字特征,一、樣本分布函數二、樣本平均數三、樣本方差,2024/3/18,56

41、,一、樣本分布函數,,2024/3/18,57,樣本分布函數舉例,,2024/3/18,58,二、樣本平均數,總體的數字特征——是一個固定不變的數，稱為參數；樣本的數字特征——是隨抽樣而變化的數，是一個隨機變量，稱為統(tǒng)計量。定義3.1樣本平均數的定義樣本平均數用來描述樣本的平均水平（一般Common）水平。,2024/3/18,59,三、樣本方差和標準差,定義3.2 樣本方差和標準差的定義,2024/3/18,60,第四節(jié)

42、 隨機變量的分布——總體和樣本的連接點,一、幾種重要的分布二、各種分布之間的聯(lián)系三、分布是總體和樣本之間的連接點學習的重點應放在確定X服從什么分布，和各種分布的聯(lián)系上。,,2024/3/18,61,一、幾種重要的分布,如果一個隨機變量的分布已經確定，那么這個隨機變量的一切性質對于我們便都是已知的。因為隨機變量的分布是對隨機變量最完整的描述。例如X是廣西十萬大山中樹木的高度， 它的分布函數為F(x)=P(X<=x)。此時，你

43、對任意給定的高度x，都確知不超過這個高度的樹木在整個十萬大山中所占的比例，你還會說整個十萬大山樹木高度的情況不清楚嗎？再如，已知X服從數學期望和方差已知的正態(tài)分布，那么你便了解這個X自身的一切性質?？梢酝ㄟ^查正態(tài)分布表確定研究中所需的一切數據。分布的數學形式和圖形屬“技術問題”，精力應集中于X究竟屬于何種分布上。,2024/3/18,62,1.?分布,（1） ?分布的定義（2）定理4.1 ?分布的數學期望和方差,2024

44、/3/18,63,2. 指數分布,（1）指數分布的定義（2）定理4.2 指數分布的數學期望和方差,2024/3/18,64,3. ? 2 分布,（1）定義4.3 ? 2 分布的定義（2）定理4.3?分布的和仍然服從?分布,2024/3/18,65,定理4.3推論：? 2 分布的和仍然服從? 2 分布,若X1,X2,……,Xn相互獨立，且Xi服從具有ni（i=1,2,……，n）個自由度的? 2 分布，則它們的和X

45、1+X2+……+Xn 服從具有? ni 個自由度的? 2 分布。,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,2024/3/18,66,4. 正態(tài)分布,定義4.4正態(tài)分布的定義定理4.4 正態(tài)分布的數學期望和方差定義4.5 標準正態(tài)分布,2024/3/18,67,正態(tài)分布的標準化,定理4.5 正態(tài)分布標準化,2024/3/18,68,5. t分布,定義4.6 t分布的定義,2024/3/18,6

46、9,6. F分布,定義4.7 F分布的定義,2024/3/18,70,? 2 分布的圖象,,2024/3/18,71,t分布和正態(tài)分布,,,,2024/3/18,72,F分布的圖象,,,,2024/3/18,73,二、各種分布之間的聯(lián)系,1. 一般正態(tài)分布與標準正態(tài)分布的關系定理4.6 如果X~N（?，?2），則（X- ?）/ ?~N（0，1）2. 標準正態(tài)分布與X2分布之間的關系定理4.7 如果X~N（0，1），則X2~ X