关于充分统计量

现在在学习机器学习的相关东东，接触最多的肯定就是指数分布族啦！关于充分统计量的概念，我老是糊涂搞不清楚，之前有清楚过，但是之后忘了，遇到这个概念的时候又得重新看一下之前看过的一些资料，晕！还是写下来好了，这只是我的浅薄的理解，有啥问题欢迎提出~

省略那些数学形式上的定义（实在是太绕了有木有！！！），下面我举个例子来进行说明：

比如我们有一组样本X={x1,x2,...,xn}，这组样本服从某个分布F(x)，参数为theta。假设对于这组样本有个统计量叫T（这组样本可以有很多个统计量），T=r(x1,x2,...,xn)，这里的T可以看做是对这组样本的再加工。再假设T服从某个分布F(T)，如果样本X的分布F(x)的参数theta可以由F(T)求出来，即F(x)中包含的所有关于theta的信息都包含在了F(T)中，那么T就是分布F(x)的充分统计量，好像也可以说是参数theta的充分统计量~