经验分布函数（Empirical Distribution Functions）

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。

本文链接： https://blog.csdn.net/baimafujinji/article/details/51720090

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。

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