-
7.1 简介
-
7.2 与正态分布相关的抽样分布
-
的分布
- 是从一个均值为μ标准差为σ的正态分布中取的随机样本,那么这个样本的均值的分布仍然是正态分布,其均值为,方差为。
-
卡方分布
- 是从一个均值为μ标准差为σ的正态分布中取的随机样本,那么是一系列独立的正态分布变量(均值为0,标准差为1)。Z的和 遵从一个自由度为n的分布。
- 样本方差是对的一个很好的估计,其定义是。此外,遵从一个自由度为n-1的分布。
- 至于为什么除以n-1,原因查询了网络,涉及到无偏性质,除以n-1的时候才是无偏差的点估计。
- 至于为什么除以n-1,原因查询了网络,涉及到无偏性质,除以n-1的时候才是无偏差的点估计。
-
T分布
- Z是一个标准的正态分布变量,W是一个自由度为v的卡方分布变量。如果Z和W独立,那么遵从一个自由度为v的t分布。
-
F分布
- W1和W2是自由度分别为v1和v2的,且独立的卡方分布,那么遵从一个自由度为v1, v2的F分布。
-
-
7.3 中心极限定理
- 这是干什么用的?
- 对于一个分布未知的样本,如果样本量足够大,那么就可以用中心极限定理算出均值的具体概率,详情见例题。
- 当样本量n足够大的时候,不管总体的分布是什么,样本的均值都趋向于正态分布。
- Y1, ...., Yn是独立,iid的随机变量,其均值为E(Yi)=μ,方差V(Yi)=σ^2<∞。定义。当n趋向于∞时,Un趋向于正态分布:对于所有u, 。
- 例题一道:Y1, ..., Y100是一组遵从一个未知分布(期望值为60,方差为64)的iid随机变量, 另外已知为58。求。
- * 已知,可以得出,所以上述计算可以替换成Z。
- 这是干什么用的?
-
7.4 中心极限定理证明
- 略
-
7.5 正态分布对二项分布的近似
- 略,详情见二项分布
正态分布相关抽样分布和中心极限定理 Central Limit Theorem
于 2023-07-04 10:51:41 首次发布