跳到正文
MathCheng数学讲义

概率与统计

抽样、频率分布与样本统计量

从频率分布直方图读出各组频率,用样本量正确合并均值和方差。

知识点

  • 在不放回的简单随机抽样中,每个同容量的样本被抽到的概率相等。分层随机抽样先按有关特征划分总体,再在各层分别随机抽取。按比例分层时,各层使用相同的抽样比。
  • 频率分布直方图的纵轴为频率除以组距。每个小矩形的面积等于该组频率,所有小矩形的面积之和为 1。
  • 原始数据排序后,样本量为奇数时取中间值作为中位数,为偶数时取中间两个值的平均数。只有分组数据时,可在中位数组内按均匀分布近似,所得的中位数是估计值。
  • 本课用高中教材中分母为样本量 n 的样本方差,方差开平方得到标准差。

公式速查

  • 总体容量为 M,要按比例抽取容量为 n 的样本,则容量为 M_i 的第 i 层按 nM_i/M 分配样本量。若需要取整,最终各层样本量之和应为 n。
  • 第 i 组的组距为 w_i,小矩形高度为 d_i,则频率 f_i=w_i d_i,频数为 nf_i。
  • 原始数据为 x_1,\ldots,x_n 时,
\bar x=\frac1n\sum_{i=1}^n x_i.
s^2=\frac1n\sum_{i=1}^n(x_i-\bar x)^2.
  • 第 i 组的组中值为 m_i,则分组数据有 \bar x\approx\sum_i f_i m_i,s^2\approx\sum_i f_i(m_i-\bar x)^2,其中方差式使用同一近似均值。
  • 若累计频率达到 0.5 的组下界为 L,前面各组累计频率为 F,该组高度为 d>0,则中位数估计值为 L+\frac{0.5-F}{d}。
  • 第 j 个非空组的样本量为 n_j,均值为 \mu_j,方差为 s_j^2,总样本量 N=\sum_j n_j。合并均值和合并方差为
\mu=\sum_j\frac{n_j}{N}\mu_j.
s^2=\sum_j\frac{n_j}{N}[s_j^2+(\mu_j-\mu)^2].

基础公式推导

从相同取值的频数得到加权平均数。 若取值 a_j 出现 n_j 次,将这 n_j 个数据在总和中的贡献合并,得到 n_j a_j。所有数据的总和是 \sum_j n_j a_j,除以总样本量 n,得到

\bar x=\frac{\sum_j n_j a_j}{n} =\sum_j\frac{n_j}{n}a_j.

只有分组数据时,以各组组中值 m_j 代替组内各实际值,权重 n_j/n 就是该组频率 f_j,因此有 \bar x\approx\sum_j f_j m_j。合并若干组的均值时,每组原始数据总和恰为 n_j\mu_j,因此按样本量加权可求得合并均值的精确值。

进阶公式推导

合并方差同时考虑组内波动和组均值的差异。 在第 j 组内,把任意数据 x 到总均值 \mu 的偏差写成两部分。

x-\mu=(x-\mu_j)+(\mu_j-\mu).

平方后在第 j 组内求和。第一部分的平方和是 n_js_j^2。记第 j 组的第 i 个数据为 x_{ji},交叉项含有组内偏差和 \sum_{i=1}^{n_j}(x_{ji}-\mu_j)。这个和等于零,因为 \mu_j 是组均值。第二部分在组内恒定,其平方和为 n_j(\mu_j-\mu)^2。

将各组平方和相加,再除以总样本量 N,即得合并方差公式。若各组均值不同,合并方差会包含各组均值与总均值之间的差异。

典型例题

例 1 · 从频率分布直方图估计均值和中位数

一个容量为 200 的样本分成三组 [60,70)、[70,75)、[75,85],频率分布直方图上的高度依次为 0.02、0.08、0.04。求第二组的频数,估计样本均值和中位数。

解析与答案

各组频率等于组距乘以高度,依次为 10\cdot0.02=0.20、5\cdot0.08=0.40、10\cdot0.04=0.40。第二组的频数为 200\cdot0.40=80。

三组的组中值分别为 65、72.5、80,加权平均得到

\begin{aligned} \bar x&\approx65\cdot0.20+72.5\cdot0.40\\ &\quad+80\cdot0.40\\ &=74. \end{aligned}

第一组累计频率为 0.20,到第二组末为 0.60。中位数落在第二组内。按组内均匀近似,在第二组内再向右取宽度 \frac{0.50-0.20}{0.08}=3.75,使累计面积达到 0.50。中位数约为 70+3.75=73.75。

例 2 · 已知各组统计量求合并方差

第一组有 3 个数据,均值为 4,方差为 \frac23。第二组有 2 个数据,均值为 9,方差为 1。求合并后的均值与方差。

解析与答案

按样本量加权,合并均值为 \mu=\frac{3\cdot4+2\cdot9}{5}=6。两组组内平方和分别为 3\cdot\frac23=2、2\cdot1=2。两组均值相对总均值的偏移还贡献 3(4-6)^2+2(9-6)^2=30,所以合并方差为

s^2=\frac{2+2+30}{5}=\frac{34}{5}.