[公式推导]一般线性秩统计量的方差函数 及其 极限分布

最新推荐文章于 2022-07-05 20:24:56 发布
最新推荐文章于 2022-07-05 20:24:56 发布
阅读量1.5k 收藏 5
点赞数
原文链接：http://www.cnblogs.com/stxs/p/9160887.html
版权

秩 及 线性秩统计量的概念见参考书1的P105或参考书2的P21-P23

问题引入

参考书2-P23-定理4.1下的（4.5）式给出了线性秩统计量的方差函数

而对于Wilcoxon符号秩和统计量

将其带入上式发现

这仍然是一个随机变量，显然是与方差的性质矛盾的。

我在这个问题上思考了很久，最后决定将Wilcoxon符号秩和统计量这类的统计量定义为一般线性秩统计量，然后推导出了它的方差函数，中间遇到不少问题，但最后的结果很好，如果你也遇到同样的问题，这里或许可以帮到你。

定理1

证明

最低0.47元/天 解锁文章
JD13514611076
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数理统计----协方差公式推导
数字成都
06-08 1万+
协方差公式推导 cov(X,Y)=∑ni=1(Xi−X¯)(Yi−Y¯)n=E[(X−E[X])(Y−E[Y])] cov(X,Y)=∑i=1n(Xi−X¯)(Yi−Y¯)n=E[(X−E[X])(Y−E[Y])] =E[XY−E[X]Y−XE[Y]+E[X]E[Y]] =E[XY−E[X]Y−XE[Y]+E[X]E[Y]] 因为均值计算是线性的，即（a和b均为常数）： E[aX+bY]=aE[X...
期望、方差的线性关系证明
The_OIer的博客
03-12 4768
尝试模仿gbl的笔法（bushi 注：若事件有无穷种结果，这种方法可能不严谨。 假设有两个相互独立事件： 事件1：P(A=ai)=xi(i=1,2,...,n)P(A=a_i)=x_i (i=1,2,...,n)P(A=ai​)=xi​(i=1,2,...,n)，AAA的期望为E(A)E(A)E(A)，方差为D(A)D(A)D(A)。 事件2：P(B=bi)=yi(j=1,2,...,m)P(B=b_i)=y_i (j=1,2,...,m)P(B=bi​)=yi​(j=1,2,...,m)，BBB的期望为E
R语言【秩检验和协方差分析】
ziixiaoshenwang的博客
04-15 1424
《R语言与大数据编程实战》 学习笔记
期望、方差、协方差性质总结与证明
124974的博客
07-05 3709
本文力求涵盖较全面的性质，同时即便是最简单的性质本文也会给出证明。另外本文的内容有大量参考书本和网络上的相关知识，就不再一一列出来源。本文将离散型随机变量简写为DRV（discrete random variable），将连续型随机变量简写为CRV（continuous random variable）。XXX、YYY、X1X_1X1​、X2X_2X2​表示随机变量，ccc表示常数。本文的无穷符号没有区分正无穷与负无穷，均用∞\infty∞表示，可以根据其在积分号中的位置自行判断。对于常数ccc，E(c)=
协方差公式性质证明过程_一个方差公式的多种证明
weixin_39711348的博客
01-14 1312
一个方差公式的多种证明王敏慧;刘国庆;张银龙【期刊名称】《大学数学》【年(卷),期】2012(028)001【摘要】运用方差性质,协方差定义,函数凸性等方法,给出一个方差公式Varmax(a,X)≤VarX的多种证明.%WepresentvariousproofsonavarianceformulaVarmax(a,X)≤VarX,basedonpropertiesofvarianc...
线性约束最小方差(LCMV)准则，高阶统计量lcmv方向图的MATLAB仿真。
04-30
总之，这个项目涉及了利用MATLAB进行信号处理中的重要技术——线性约束最小方差准则和高阶统计量的结合，以提高波束形成的性能。通过阅读和分析提供的文件，我们可以深入理解如何在实际问题中应用这些理论，并可能...
work.rar_weather3qj_前向线性预测_最小方差_线性预测_预测 matlab
07-15
线性预测是一种在信号处理和通信领域广泛应用的统计预测方法，尤其在语音编码、自适应滤波和时间序列分析中占据重要地位。本资源“work.rar_weather3qj_前向线性预测_最小方差_线性预测_预测 matlab”提供了一组...
线性代数与概率统计.pdf
06-20
13. 对于正态总体的均值和方差的假设检验，通常使用t统计量或Z统计量，具体选择取决于方差是否已知。 14. 贝努利试验和二项分布是概率统计的基础概念，描述了在固定成功概率下多次独立尝试的成功次数。 以上内容...
hosa.rar_HOS_HOSA_高阶统计量
最新发布
09-23
与传统的低阶统计量，如均值、方差和协方差等，高阶统计量能提供更多关于信号分布形状的信息，特别适合于检测非线性、非高斯噪声或复杂信号结构。"hosa.rar_HOS_HOSA_高阶统计量"这个程序包，显然聚焦于实现和应用高...
高阶统计量matlab完整代码
11-27
在数据分析和信号处理领域，高阶统计量是一个重要的概念，它们能提供关于数据分布的更深入信息，超越了传统的均值、方差等第一和第二阶统计量。本资源是针对MATLAB编程环境的一个完整代码集合，专注于实现各种高阶...
协方差公式性质证明过程_期望、方差、协方差及相关系数的基本运算
weixin_42569329的博客
01-14 2658
这篇文章总结了概率统计中期望、方差、协方差和相关系数的定义、性质和基本运算规则。一、期望定义：设P(x)是一个离散概率分布函数自变量的取值范围是。那么其期望被定义为：设P(x)是一个连续概率分布函数，那么他的期望是： 性质：1.线性运算：期望服从先行...
9.6 期望、方差和协方差
很嗨
09-09 3075
期望(Expectation)数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。 离散型随机变量的一切可能的取值xix_i与对应的概率p(xi)p(x_i)乘积之和称为该离散型随机变量的数学期望(若该求和绝对收敛），记为E(x)\mathbb E(x) 。它是简单算术平均的一种推广，类似加权平均。 离散型随
期望、方差、协方差及相关系数的原理理解和计算
热门推荐
五仁月饼哭了的博客
08-05 2万+
一、期望 定义：   设P(x)是一个离散概率分布函数自变量的取值范围是。那么其期望被定义为：                                                                                                                 设P(x)是一个离散概率分布函数，
重要的统计量（期望、方差、协方差、相关系数、矩）的概念和性质
Answer3664的博客
07-23 7899
一、期望 1、定义 在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。 离散型： 连续型 即：概率加权下的“平均值”。 2、无条件成立 ...
Wilcoxon符号秩检验
Jak的博客
08-14 9828
Wilcoxon符号秩检验 它适用于T检验中的成对比较，但并不要求成对数据之差服从正态分布，只要求对称分布即可。检验成对观测数据之差是否来自均值为0的总体(产生数据的总体是否具有相同的均值)。 在Matlab中，秩和检验由函数ranksum实现。 命令为： [p,h]=ranksum(x,y,alpha) 其中x，y可为不等长向量，alpha为给定的显著水平，它必须为0和1之间...
极简概率论-数据科学数学基础
03-27
这是一门简单易懂的概率论课程！看教材学概率论实在是看不懂，教材编写者一般会认为教材有老师来讲解，所以自学教材会备受打击。本课程最大特色就是 简单易懂， “简单易懂”意味着我会用简单的语言，你容易听懂的语言教你概率知识，而不是让你越听越晕。没有概率论就没有统计学，也基本上就不存在机器学习了，从而人工智能也不会有今天这样的繁荣发展。如果要从事数据科学行业，不懂概率论或者对概率论一知半解，基本上都要回过头重新学习概率论，因为吃不透概率论就吃不透算法原理，也就只能永远半吊子，在数据科学行业半吊子那基本上就没有你的位置了。各位，还是沉下心来老老实实的把概率论认真的学好吧！别想着速成，速成只会浪费你更多的时间！当然了，找到一个好老师教你，的确可以让你比别人更快的学会学好，比如我的这门概率论教程！
单一样本Wilcoxon符号秩检验
zxy_clover的博客
04-19 1万+
数据要求：单峰对称分布，数据在其两边分布的疏密情况是对称的 很过不对称的单峰数据分布可能通过变换化为对称分布。多峰分布通过混合分布整体表示后，每一个分布也可以用单峰对称的分布表示。就对称分布而言，对称中心只有一个，中位数却可能有很多个。 例子：     -0.27   -0.03   -0.56  -0.14   -0.15  30  80 100 对数据来说，0是这组数据的中位数
协方差
醉糊涂仙的博客
07-26 9114
转载自:https://blog.csdn.net/beechina/article/details/51074750 很显然，均值描述的是样本集合的中间点，它告诉我们的信息是很有限的，而标准差给我们描述的则是样本集合的各个样本点到均值的距离之平均。以这两个集合为例，[0，8，12，20]和[8，9，11，12]，两个集合的均值都是10，但显然两个集合差别是很大的，计算两者的标准差，前者是8...
随机过程复习提纲.docx
06-20
。。。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值