1 概念
如果我们想知道某个随机变量 X X X的分布 F F F,这在一般情况下当然是无法准确知道的,但如果我们手上有它的一些独立同分布的样本,可不可以利用这些样本?一个很简单的办法就是,把这些样本的“频率”近似为随机变量的“概率”。
经验分布函数(empirical distribution function):给每个点 1 / n 1/n 1/n的概率质量,得到CDF:
F ^ n ( x ) = ∑ i = 1 n I ( X i ≤ x ) n \hat{F}_n(x) = \dfrac{\sum_{i=1}^{n}I(X_i\leq x)}{n} F^n(x)=n∑i=1nI(Xi≤x)
2 性质
经验分布函数,有什么性质?它可以很好地近似真实的分布函数吗?我们给出如下几个定理。
定理:对于任意给定的 x x x,有
- E ( F ^ n ( x ) ) = F ( x ) E(\hat{F}_n(x) )=F(x) E(F^n(x))=F(x);
- V ( F ^ n ( x ) ) = F ( x ) ( 1 − F ( x ) ) n → 0 V(\hat{F}_n(x) )=\dfrac{F(x)(1-F(x))}{n}\to 0 V(F^n(x))=nF(x)(1−F(x))