總體估計中的相關公式 | 高一使用

静雅斋数学發表於2024-06-18

前言

相關公式

【人教 2019 A 版 \(P_{215}\) 練習 2】 資料 \(x_1\)\(x_2\)\(\cdots\)\(x_n\) 的方差為 \(s_x^2\), 資料 \(y_1\)\(y_2\)\(\cdots\)\(y_n\) 的方差為 \(s_y^2\)\(a\)\(b\) 為常數. 證明:

(1) . 如果 \(y_1=x_1+b\)\(y_2=x_2+b\)\(\cdots\)\(y_n=x_n+b\), 那麼 \(s_y^2\)\(=\)\(s_x^2\);

證明:由於 \(s_x^2=\cfrac{1}{n}\sum\limits_{i}^{n}(x_i-\bar{x})^2\), 且 \(\bar{y}=\bar{x}+b\)

\(s_y^2=\cfrac{1}{n}\sum\limits_{i=1}^{n}(y_i-\bar{y})^2=\cfrac{1}{n}\sum\limits_{i=1}^{n}[(x_i+b)-(\bar{x}+b)]^2=\cfrac{1}{n}\sum\limits_{i}^{n}(x_i-\bar{x})^2=s_x^2\)

故有 \(s_y^2\)\(=\)\(s_x^2\);

(2) . 如果 \(y_1=ax_1\)\(y_2=ax_2\)\(\cdots\)\(y_n=a x_n\), 那麼 \(s_y^2\)\(=\)\(a^2\)\(\cdot s_x^2\).

證明:由於 \(s_x^2=\cfrac{1}{n}\sum\limits_{i}^{n}(x_i-\bar{x})^2\), 且 \(\bar{y}=a\cdot\bar{x}\)

\(s_y^2=\cfrac{1}{n}\sum\limits_{i=1}^{n}(y_i-\bar{y})^2\)\(=\)\(\cfrac{1}{n}\sum\limits_{i=1}^{n}(a\cdot x_i-a\cdot\bar{x})^2\)

\(=\)\(\cfrac{1}{n}\sum\limits_{i=1}^{n}a^2(x_i-\bar{x})^2\)\(=\)\(a^2\cdot\cfrac{1}{n}\sum\limits_{i=1}^{n}(x_i-\bar{x})^2\)\(=\)\(a^2\cdot s_x^2\)

【人教 2019 A 版 \(P_{216}\) 習題9.2的第 4 題】資料 \(x_1\)\(x_2\)\(\cdots\)\(x_n\) 的方差和標準差分別為 \(s_x^2\)\(s_x\), 資料 \(y_1\)\(y_2\)\(\cdots\)\(y_n\) 的方差和標準差分別為 \(s_y^2\)\(s_y\). 若 \(y_1=a x_1+b\)\(y_2=a x_2+b\)\(\cdots\)\(y_n=a x_n+b\) 成立, \(a\)\(b\) 為常數, 證明: \(s_y^2=\)\(a^2\cdot\)\(s_x^2\)\(s_y\)\(=\)\(|a|\)\(s_x\).

仿上題證明;

【人教 2019 A 版 \(P_{216}\) 習題9.2的第 5 題】 資料 \(x_1\)\(x_2\)\(\cdots\)\(x_n\) 的方差 \(s^2=0\), 證明: 所有的 \(x_i\)(\(i\)\(=\)\(1\)\(2\)\(\cdots\)\(n\)) 都相同.

證明:由於 \(s_x^2=\cfrac{1}{n}\sum\limits_{i}^{n}(x_i-\bar{x})^2=0\),故 \(x_-\bar{x}=0\),即 \(x_i=\bar{x}\)\(x_i\)(\(i\)\(=\)\(1\)\(2\)\(\cdots\)\(n\)) ,得證 .

【人教 2019 A 版 \(P_{218}\) 習題9.2的第 11 題】已知總體劃分為 \(3\) 層,透過分層隨機抽樣, 各層抽取的樣本量、樣本平均數和樣本方差分別為: \(l\)\(\bar{x}\)\(s_1^2\)\(m\)\(\bar{y}\)\(s_2^2\)\(n\)\(\bar{z}\)\(s_3^2\) . 記總的樣本平均數為 \(\bar{w}\), 樣本方差為 \(s^2\), 證明:

(1). \(\bar{w}\)\(=\)\(\cfrac{l}{l+m+n}\cdot\bar{x}\)\(+\)\(\cfrac{m}{l+m+n}\cdot\bar{y}\)\(+\)\(\cfrac{n}{l+m+n}\cdot\bar{z}\);

(2). \(s^2\)\(=\)\(\cfrac{1}{l+m+n}\)\(\bigg\{l\cdot\left[s_1^2+(\bar{x}-\bar{w})^2\right]\)\(+\)\(m\cdot\left[s_2^2+(\bar{y}-\bar{w})^2\right]\)\(+\)\(n\cdot\left[s_3^2+(\bar{z}-\bar{w})^2\right]\bigg\}\).

相關文章