版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
设 (X1,X2,⋯,Xn)(X1,X2,⋯,Xn) 为样本的中位数。
二、经验分布函数(EDF,Empirical Distribution Functions)
设 x1,x2,⋯,xnx1,x2,⋯,xn 出现的频率。
经验分布函数 Fn(x)Fn(x) 的图形。若把经验分布函数的图形连成折线,那么它实际就是累积频率直方图的上边。
![](https://i-blog.csdnimg.cn/blog_migrate/4aefa0b132ee99d1143c828ee2883f76.png)
这和概率分布函数的性质是一致的。
三、格利文科定理(Glivenko Theorem)
根据大数定理可知,当试验次数增大时,事件的频率稳定于概率。那么,当试验次数增大时,表示事件 {X≤x}{X≤x} 出现概率的总体分布函数呢?这个问题可由格利文科定理来回答。
格利文科定理:设总体 XX 相差的最大值也可以足够小,这就是用样本来推断总体的数学依据。
欢迎关注白马负金羁的博客 http://blog.csdn.net/baimafujinji,为保证公式、图表得以正确显示,强烈建议你从该地址上查看原版博文。本博客主要关注方向包括:数字图像处理、算法设计与分析、数据结构、机器学习、数据挖掘、统计分析方法、自然语言处理。
参考文献
[1] 葛余博,概率论与数理统计,清华大学出版社
[2] 李时,应用统计学,清华大学出版