抽样分布

一、统计量

样本均值：即在总体中的样本数据的均值，反映样本数据的集中趋势。

样本方差：每个样本值与全体样本值平均数之差的平方值的平均数；方差是用来衡量随机变量和其数学期望（均值）之间的偏离程度。

样本变异系数：变异系数又称为离散系数，定义为标准差与平均值之比，样本变异系数即样本数据的标准差与其均值之比。

样本k阶中心矩：在概率论中，矩是用来描述随机变量的某些特征的数字，即求平均值；随机变量X的K阶中心矩定义：对于正整数k，如果E(X)存在，
E[(X-E(X))^K] <无穷大，
则 E[(X-E(X))^K] 为x的k阶中心矩。

样本偏度：常用作总体偏度的估计量和检验总体分布正态性的统计量，样本三阶中心距除以二阶中心距的3/2次幂的商记为SK；而总体偏度是一个描述总体分布不对称性的数字特征，正态分布的偏度为0。

样本峰度：常用以作为总体峰度的估计量，样本的四阶中心距除以样本二阶中心距平方的商再减去3，记为ku；正态分布的峰度为0。

二、抽样分布

1、卡方分布（x^2分布）

定义

设随机变量X1,X2,..Xn相互独立，且Xi（i=1，2，......，n）服从标准正态分布，则他们的平方和 服从自由度为n的X^2分布

这是统计学书籍的介绍不是很理解，但是通过下述公式描述就比较好理解了 

X~N（μ，  ） 

 由上述可知，卡方分布是由标准正态分布平方之和构成

 

当总体 X~N（μ， ），从中抽取容量n的样本则

 特性

数学期望

方差

=2n

可加性，即若

  

 

2、t分布

定义

设随机变量 X~N（0，1 ），Y~X^2(n)，且X与Y独立，则

 其分布称为t分布，记为t（n），其中，n为自由度。 

当n>=2,t分布的数学期望E（t）=0

当n>=3，t分布的方差D（t）=n/n-2

自由度为1的分布称为柯西分布，随着自由度n的增加，t分布的密度函数越来越接近标准正态分布的密度函数，一般n>=30,t分布就与标准正态分布非常接近 

 

t分布有关的抽样分布

设X1，X2,...Xn是来自正态分布 X~N（μ， ）的一个样本，

  

 则有 

 称为服从自由度为（n-1）的t分布 

F分布

定义

设随机变量Y与Z互相独立，且Y和Z分别服从自由度为m和n的X^2分布（卡方分布），随机变量X有如下表达式

 则称X服从第一自由度为m，第二自由度为n的F分布，记为F（m， n），简记为X~F（m， n）

 

数学期望

E（X）=n/n-2 ,n>2 

方差

D（X）=2n^2（m+n-2）/m（n-2）（n-4）， n>4

 

 

 

 

中心极限定理：即不论总体服从什么分布，只要从总体中抽取的样本容量足够大，这些样本组成的样本均值的抽样分布都近似于正态分布。

样本方差的分布：作为随机变量的函数，样本方差本身就是一个随机变量，S^2服从卡方分布，
 

转载于:https://my.oschina.net/u/1785519/blog/1060322