统计学笔记（五）统计量及其抽样分布

1、统计量

1.1 定义

• 把分散在样本中我们关心的信息集中起来，针对不同的研究目的，构造不同的样本函数，这种函数在统计学中称为「统计量」；
• $X_1$，$X_2$, …，$X_n$是从总体X中抽取的容量为$n$的一个样本，如果由此样本构造一个函数$T(X_1,X_2,...,X_n)$，不依赖于任何未知参数，则称函数$T(X_1,X_2,...,X_n)$是一个统计量。

1.2 常用统计量

• 在一般的概率论教材中，把数学期望及方差等概念用所谓“矩”的概念来描述；
• 当n充分大时，有定理可以保证经验分布函数$F_n(X)$很靠近总体分布函数$F(X)$。因此经验分布函数的各阶矩就反映了总体各阶矩的信息。
• 通常把经验分布函数的各阶矩称为「样本各阶矩」
  – 样本均值
  – 样本方差
  – 样本变异系数：标准差/样本均值
  – 样本k阶矩
  – 样本k阶中心矩
  – 样本偏度
  – 样本峰度

2、由正态分布导出的几个重要分布

1. 统计推断的3个核心内容：抽样分布、参数估计、假设检验；
2. 统计三大分布：卡方分布、t分布、F分布；学习链接：https://zhuanlan.zhihu.com/p/53463133
3. 自由度：独立变量的个数；
4. 总体分布为正态分布时，样本均值的抽样分布仍为正态分布，样本均值的数学期望为$u$，方差为${\sigma }^2/n$；
5. 用样本均值去估计总体均值时，平均来说没有偏差，这一点称为「无偏性」，当$n$越来越大时，样本均值的散布程度越来越小，用样本均值估计总体均值越来越准确；
6. 中心极限定理：设从均值为$u$, 方差为${\sigma }^2$（有限）的任意总体中抽取样本量为$n$的样本，当$n$充分大时，样本均值的抽样分布近似服从均值为$u$，方差为${\sigma }^2/n$的正态分布；
7. 在样本量固定的条件下所进行的统计推断、问题分析，不管样本量多大，都称为「小样本问题」，而在样本量趋于无穷的条件下进行的统计推断、问题分析则称为「大样本问题」；
8. 一般在统计学中n>=30为大样本，n<30为小样本（经验说法）。

参考资料

[1] 贾俊平. (2018). 统计学 (第7版). 中国人民大学出版社.