总体和样本

一： 基本点估值

①均值
$\overline {X}$表示样本的均值
$\hat μ$ 表示总体的均值的点估计量
当认为可以使用样本均值代替总体均值的点估计量时
$\hat μ$ = $\overline {X}$

②方差
$\hat{\sigma}²$ 表示总体方差的点估计量

$\hat{\sigma}²$ = (Σ(x-$\overline {x}$）²) / (n-1)

$\hat{\sigma}²$通常也叫作s²

③成功率/成功比例

糖果公司发现，在一次样本调查中，有40个人，其中32个人选择更喜欢他们的口香糖，而剩下的8个人则更喜欢竞争对手的口香糖

那么根据这个样本符合什么分布呢，有n，p。
如果说X表示总体的喜欢口香糖的人的数量的话，那么X ~ B（n,p）
$\hat{P}$ = $P_{s}$ 使用样本的成功比例估计总体的成功比例
$P_{s}$ = 成功数目/样本数据，这个既可以称之为成功的比例，也可以称之为成功的概率

二 已知总体的均值，求样本成功率为特定值时的概率

案例：糖果公司按盒售卖糖果，每盒糖果中有100颗糖果，已知总体里有25%都是红色糖果，求每盒糖果中有40%红色糖果的概率

①查看与样本相当的其他样本，在这里样本就是每盒糖果，样本的大小为n，n=100

②查看样本成功比率的分布$\hat{P}$，，其中X为每盒汤锅中红色糖果的数量，计算其均值和方差
step1
E($\hat{P}$) = E(X/n) = E(X)/n
Var($\hat{P}$) = Var(X/n) = Var(X)/n²

step2
把每盒糖果当做一道题，把红色糖果的数目当做可能的答案，那么这个分布是一个二项分布，X ~ B(n,p)
所以E(X) = np E($\hat{P}$) = p
Var(X) = npq Var($\hat{P}$) = pq/n

当n特别大的时候(n>30)$\hat{P}$ = $P_{s}$ 服从正太分布
$P_{s}$ = N(p,pq/n)
step3
做连续性修正：$\underline{+}$ 1/2n

③得出上述分布后，代入特定值求出特定值的概率
根据 40%这个特定值求出标准分，在概率表找出对应的概率

三

根据总体的统计，把总体拆分成小包装后，每个小包装的均值为10，方差为1，一位顾客买了30袋，结果发现每袋糖球中的糖球平均数目只有8.5

①查看与样本相当的其他样本，在这里样本就是这30袋糖球

②查看样本的均值的分布$\overline{X}$，，其中X为每袋糖球中糖球的数目，计算其均值和方差

E($\overline{X}$) = (E($X_{1}$) + E($X_{2}$) + … E($X_{n}$)) / n = nE(X)/n = E(X) = μ

Var($\overline{X}$) = (Var($X_{1}$) + Var($X_{2}$) + … Var($X_{n}$)) / n = nVar(X)/n² = Var(X)/n = $\sigma²$/n

X ~ N(μ， $\sigma²$）则 $\overline{X}$ ~ N(μ, $\sigma²$/n)

根据中心极限定理，如果X不一定是正态分布，从非正态总体中取出的样本很大，则$\overline{X}$服从正态分布，样本数量>30,如果总体的均值和方差为μ和$\sigma²$，那么

$\overline{X}$ ~ N(μ, $\sigma²$/n)

二项分布和泊松分布都是依据这个原理转化为正态分布的