抽样分布

统计量:由样本构造一个函数,且此函数不依赖于任何未知参数,则称该函数为统计量,

常用的统计量有样本均值、样本方差、样本变异系数。

 

卡方分布:设随机变量X1,X2,…Xn相互独立,且Xi(1,2,…,n)服从标准正态分布N(0,1),则它们的平方和服从自由度为n的卡方分布。

由上图可知,当自由度足够大时,卡方分布的概率密度曲线趋于对称,即卡方分布的极限分布是正态分布。

 

T分布:设随机变量X~N(0,1),Y符合自由度为n的卡方分布,且X与Y独立,则t=X/sqrt(Y/n)。其分布称为t分布,记为t(n),其中n为自由度。

 

由上图可知,t分布的密度函数曲线与标准正态分布的密度函数曲线非常相似,只是t分布的方差要大一些,尾部要粗一些。一般,当n大于等于30时,t分布于标准正态分布就非常接近。

 

 

F分布:设随机变量Y与Z相互独立,且Y和Z分别服从自由度为m和n的卡方分布,随机变量X有如下表达式:X = nY/mZ,则称X服从第一自由度为m,第二自由度为n的F分布,记为F(m,n)。

如果随机变量X服从t(n)分布,则X^2服从F(1,n)的F分布,这在回归分析的回归系数显著性检验中有用。

 

参考书籍:贾平凹《统计学 第7版》

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
蒙特卡洛抽样是一种基于随机数的统计方法,用于估计数学模型中的未知参数或计算复杂的数学积分。在MATLAB中,可以使用蒙特卡洛方法来生成随机样本,并通过这些样本来估计分布函数。 MATLAB提供了一些内置函数来进行蒙特卡洛抽样和分布函数估计。其中,最常用的是`rand`函数,用于生成服从均匀分布的随机数。通过生成大量的随机数样本,并根据这些样本计算累积分布函数(CDF),可以得到分布函数的估计。 以下是使用MATLAB进行蒙特卡洛抽样分布函数的一般步骤: 1. 生成随机数样本:使用`rand`函数生成一组服从均匀分布的随机数样本。 2. 计算累积分布函数(CDF):根据生成的随机数样本,计算每个值在样本中出现的频率,并累积得到CDF。 3. 绘制分布函数图像:使用`plot`函数将CDF绘制成图像,以可视化分布函数的估计结果。 下面是一个简单的示例代码,演示如何使用MATLAB进行蒙特卡洛抽样分布函数的估计: ```matlab % 生成随机数样本 sampleSize = 10000; randomSample = rand(sampleSize, 1); % 计算累积分布函数(CDF) x = sort(randomSample); y = (1:sampleSize) / sampleSize; % 绘制分布函数图像 plot(x, y); xlabel('x'); ylabel('CDF'); title('Monte Carlo Sampling Distribution Function'); ``` 这段代码将生成10000个服从均匀分布的随机数样本,并根据样本计算CDF。最后,使用`plot`函数将CDF绘制成图像。 希望以上内容对您有帮助!如果您有任何进一步的问题,请随时提问。

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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