作者:whisper
链接:http://proprogrammar.com:443/article/229
声明:请尊重原作者的劳动,如需转载请注明出处
总体X:一个统计问题中所研究对象(某数量指标)的全体,总体就是一个分布;
样本Xᵢ:指组成总体的每一个对象或成员(随机变量)
样本值xᵢ:样本的观察值(具体的数)x₁, x₂,...,xₙ
简单随机样本:从总体中随机地抽取的n个样本X₁,X₂,...,Xₙ,它们相互独立且与总体X同分布
样本二重性:
一方面,由于样本是从总体中随机抽取的,抽取前无法预知它们的数值,因此样本是随机变量,用大写字母X₁, X₂,...Xₙ表示
另一方面,样本在抽取以后经观测就有确定的观测值,因此样本值是一组具体的数字(不是随机变量),用x₁, x₂,...xₙ表示,请注意区别!
若连续型总体X有fₓ(x),则对样本X₁, X₂,...Xₙ有联合分布密度
f(x₁,...,xₙ) = ∏[i=1,n]fₓ(xᵢ)
若离散型总体X有 P(X=xᵢ) = pᵢ,i=1,2...,则样本X₁, X₂,...Xₙ有联合分布律
P(X₁ = x₁,...,X₁ = x₁) = ∏[i=1,n]P(Xᵢ = xᵢ)
一般地,总体X有Fₓ(x),则联合分布函数:
F(x₁,...xₙ) = ∏[i=1,n]F(xᵢ)
常用统计量
(1)抽样均值  ̄X = 1/n*∑[i=1,n]Xᵢ
(2)抽样方差 S² = 1/(n-1)*∑[i=1,n](Xᵢ-  ̄X)²
注:S² = 1/(n-1)*(∑[i=1,n]Xᵢ² - n ̄X²)
样本均值( ̄X),样本方差(S²)性质
设总体X,E(X) = μ,D(X) = σ²
样本Xᵢ与X同分布且Xᵢ相互独立(i=1,2,...,n)
简记为 Xᵢ~(μ, σ²)
E(Xᵢ) = μ, D(Xᵢ) = σ²
性质
E( ̄X) = E(X)
D( ̄X) = 1/n*D(X)
E(S²) = D(X)
三大抽样分布
1)χ分布
定义:设总体X~N(0, 1),Xᵢ~N(0, 1)
χ² = X₁² + X₂² + ... + Xₙ² ~χ²(n)
实质:n个标准正态分布平方和
性质:χ²~χ²(n),则E(χ²) = n,D(χ²) = 2n
若X~χ²(n₁),Y~χ²(n₂),X与Y相互独立,则X+Y~χ²(n₁+n₂)
2)t分布
定义:X~N(0, 1),Y~χ²(n),X与Y独立
则 T = X/sqrt(Y/n)~t(n)
注:分子上标准正态分布,分母是卡方分布除以自由度开根号
性质
t(n)密度函数图像如图,有对称性
E(T) = 0
3)F分布
定义:设X~χ²(n₁),Y~χ²(n₂)且X与Y独立
则 F = (X/n₁)/(Y/n₂)~F(n₁, n₂)
注:分子分母均为卡方分布除以自由度
性质:F~F(n₁, n₂),则1/F~F(n₂, n₁)
抽样分布定理
单个正态总体 X~N(μ, σ²)
样本Xᵢ~N(μ, σ²),E(Xᵢ) = μ, D(Xᵢ) = σ²
E( ̄X) = E(X) = μ
D( ̄X) = 1/n*D(X) = σ²/n
(1) ̄X = 1/n*∑[i=1,n]Xᵢ ~ N(μ, σ²/n),则
( ̄X-μ)/sqrt(σ²/n)~N(0,1)
(2)(n-1)S²/σ² = 1/σ²*∑[i=1,n](Xᵢ- ̄X)²~χ²(n-1)
(3)1/σ²*∑[i=1,n](Xᵢ - μ)²~χ²(n)
(4)( ̄X-μ)sqrt(n)/S ~ t(n-1)
亲爱的读者:有时间可以点赞评论一下
全部评论