会计学——研究如何取得反映客观现象的数据，并通过图表形式对所收集的数据进行加工处理(chǔlǐ)和显示，进而通过综合概括与分析得出反映客观现象的规律性数量特征。参数估计(第七章)第六章统计(tǒngjì)量及其分布例某公司要采购一批产品，每件产品不是合格品就是不合格品，但该批产品总有一个不合格品率p。由此，若从该批产品中随机抽取一件，用x表示这一批产品的不合格数，不难看出X服从一个二点分布B(1,p).但分布中的参数p是不知道(zhīdào)的。一些问题：p的大小(dàxiǎo)如何；总体——研究对象全体元素组成的集合总体的三层含义：1.研究对象的全体2.数据(shùjù)3.分布例考察某厂的产品质量，以0记合格品，以1记不合格品，则总体(zǒngtǐ)={该厂生产的全部合格品与不合格品}={由0或1组成的一堆数}若以p表示这堆数中1的比例（不合格品率），则该总体(zǒngtǐ)可由一个二点分布表示：比如：两个(liǎnɡɡè)生产同类产品的工厂的产品的总体分布：样本——从总体中抽取(chōuqǔ)的部分个体.样品(yàngpǐn)、样本、样本量:例啤酒厂生产的瓶装啤酒规定净含量为640克。由于随机(suíjī)性，事实上不可能使得所有的啤酒净含量均为640克。现从某厂生产的啤酒中随机(suíjī)抽取10瓶测定其净含量，得到如下结果：641,635,640,637,642,638,645,643,639,640例考察某厂生产的某种电子元件的寿命，选了100只进行寿命试验，得到(dédào)如下数据：表100只元件的寿命(shòumìng)数据独立性:样本中每一样品的取值不影响(yǐngxiǎng)其它样品的取值--X1,X2,…,Xn相互独立。若总体X的样本满足:设总体(zǒngtǐ)X的分布函数为F(x),则样本经验分布(fēnbù)函数大数(dàshù)定律的应用则Fn(x)是一非减右连续函数，且满足(mǎnzú)例某食品厂生产听装饮料，现从生产线上随机抽取(chōuqǔ)5听饮料，称得其净重（单位：克）351347355344351其经验(jīngyàn)分布函数为更深刻(shēnkè)的结果也是存在的，这就是格里纹科定理。(1)对样本进行(jìnxíng)分组：作为一般性的原则，组数通常在5~20个:K=1+3.3log(n)(4)统计样本(yàngběn)数据落入每个区间的个数——频数，并列出其频数频率分布表。样本数据的图形(túxíng)显示把每一个数值分为两部分，前面一部分（百位和十位(shíwèi)）称为茎，后面部分（个位）称为叶，然后画一条竖线，在竖线的左侧写上茎，右侧写上叶，就形成了茎叶图。如：例某公司对应聘人员进行能力测试，测试成绩总分为(fēnwéi)150分。下面是50位应聘人员的测试成绩（已经过排序）：图测试(cèshì)成绩的茎叶图在要比较两组样本(yàngběn)时，可画出它们的背靠背的茎叶图。统计量与抽样(chōuyànɡ)分布设是取自总体X的一个样本,例是未知参数,常用(chánɡyònɡ)的统计量为样本的k阶原点矩(5)顺序(shùnxù)统计量与极差（6）样本(yàngběn)分位数与样本(yàngběn)中位数通常，样本均值在概括数据方面具有一定的优势。但当数据中含有极端(jíduān)值时，使用中位数比使用均值更好，中位数的这种抗干扰性在统计中称为具有稳健性。(7)五数概括(gàikuò)与箱线图注样本方差与样本二阶中心矩的不同推导设例1从一批机器零件毛坯中随机地抽取10件,测得其重量(zhòngliàng)为(单位:公斤):210,243,185,240,215,228,196,235,200,199求这组样本值的均值、方差、二阶原点矩与二阶中心矩.则例2在总体中,随机抽取一个容量为36的样本,求样本均值落在50.8到53.8之间的概率.按照统计(tǒngjì)量定义：若X1,X2,…,Xn为样本，则以及经验分布函数Fn(x)都是统计(tǒngjì)量。而当,2未知时，X1,X1/等均不是统计(tǒngjì)量。样本均值及其抽样(chōuyànɡ)分布定理数据观测值与均值的偏差(piānchā)平方和最小，即在形如(Xic)2的函数中，样本均值的抽样(chōuyànɡ)分布：样本(yàngběn)方差与样本(yàngběn)标准差在这个(zhège)定义中，样本(yàngběn)均值的数学期望和方差，以及样本(yàngběn)方差的数学期望都不依赖于总体的分布形式。当总体(zǒngtǐ)关于分布中心对称时，我们用协方差与相关系数§6.4三大(sāndà)抽样分布2分布(fēnbù)(卡方分布(fēnbù)