统计学基础——两个样本均值（频率）之差的分布

最新推荐文章于 2021-05-08 21:48:39 发布

xia ge tou lia

最新推荐文章于 2021-05-08 21:48:39 发布

阅读量1.1w

点赞数 2

分类专栏：统计学假设检验参数估计文章标签：样本均值之差样本频率之差

本文链接：https://blog.csdn.net/huangguohui_123/article/details/103697686

版权

统计学同时被 3 个专栏收录

30 篇文章 54 订阅

订阅专栏

假设检验

18 篇文章 13 订阅

订阅专栏

参数估计

3 篇文章 0 订阅

订阅专栏

一、样本均值之差的定义

设 $\overline{X}_{1}$ 是独立的抽自总体 $X_{1}\sim N(\mu _{1},\sigma _{1}^{2})$ 的一个容量为 $n_{1}$ 的样本的均值。 $\overline{X}_{2}$ 是独立的抽自总体 $X_{2}\sim N(\mu _{2},\sigma _{2}^{2})$ 的一个容量为 $n_{2}$ 的样本的均值。

则具备以下性质：

$E(\overline{X}_{1}-\overline{X}_{2})=E(\overline{X}_{1})-E(\overline{X}_{2})=\mu _{1}-\mu _{2}$ ， $E(\overline{X}_{1})$ 表示抽取多次获取样本均值 $\overline{X}_{1}$ 的数学期望，根据中心极限定理，则 $E(\overline{X}_{1})=\mu _{1}$ 。
$D(\overline{X}_{1}\pm\overline{X}_{2})=D(\overline{X}_{1})+D(\overline{X}_{2})=\frac{\sigma _{1}^{2}}{n_{1}}+\frac{\sigma _{2}^{2}}{n_{2}}$
$S(\overline{X}_{1}\pm\overline{X}_{2})=\sqrt{D(\overline{X}_{1}\pm\overline{X}_{2})}=\sqrt{\frac{\sigma _{1}^{2}}{n_{1}}+\frac{\sigma _{2}^{2}}{n_{2}}}$

当 $n_{1}$ 和 $n_{2}$ 足够大的时候，一般要分别大于50，则 $\overline{X}_{1}-\overline{X}_{2}$ 的抽样分布不管两样本的总体分布如何（正态或者偏态）均可看似正态分布来处理。其均值和方差求值如上面式子所示。

如果两总体为正态分布，则 $\overline{X}_{1}-\overline{X}_{2}$ 也为正态分布，其均值和方差求值如上面式子所示。

【补充】

定理：设 $X$ ， $Y$ 为两个随机变量，其均值 $E(X)$ ， $E(Y)$ ，方差 $D(X)$ ， $D(Y)$ 均存在，求 $D(X+Y)$ 或 $D(X-Y)$ 。

若不相关（ $X$ ， $Y$ 独立）的话就等于 $D(X\pm Y)=D(X)+D(Y)$
若相关（ $X$ ， $Y$ 不独立）的话，就是 $D(X\pm Y)=D(X)+D(Y)\pm 2Cov(X,Y)$

证明：设 $X=(x_{1},x_{2},...,x_{n})$ ， $Y=(y_{1},y_{2},...,y_{n})$ ，则 $D(X-Y)=D(X)+D(Y)$ 。 $\begin{align} D(X-Y) &= \frac{[(x_{1}-y_{1})-E(X-Y)]^{2}+[(x_{2}-y_{2})-E(X-Y)]^{2}+\cdot \cdot \cdot +[(x_{n}-y_{n})-E(X-Y)]^{2}}{n} \\ &=\frac{[(x_{1}-y_{1})-(E(X)-E(Y))]^{2}+[(x_{2}-y_{2})-(E(X)-E(Y))]^{2}+\cdot \cdot \cdot +[(x_{n}-y_{n})-(E(X)-E(Y))]^{2}}{n} \\ &=\frac{[(x_{1}-E(X))-(y_{1}-E(Y))]^{2}+[(x_{2}-E(X))-(y_{2}-E(Y))]^{2}+\cdot \cdot \cdot +[(x_{n}-E(X))-(y_{n}-E(Y))]^{2}}{n} \\ &=\frac{[(x_{1}-E(X))^{2}+(x_{2}-E(X))^{2}+\cdot \cdot \cdot +(x_{n}-E(X))^{2}]+[(y_{1}-E(Y))^{2}+(y_{2}-E(Y))^{2}+\cdot \cdot \cdot +(y_{n}-E(Y))^{2}]}{n} \\ & -\frac{2[(x_{1}-E(X))(y_{1}-E(X))+(x_{2}-E(X))(y_{2}-E(X))+\cdot \cdot \cdot +(x_{n}-E(X))(y_{n}-E(X))]}{n} \\ &=D(X)+D(Y)-2cov(X,Y) \end{align}$

二、样本频率之差的定义

设分别从具有参数为 $\pi _{1}$ 和参数为 $\pi _{2}$ 的二项总体中抽取包含 $n_{1}$ 个观测值和 $n_{2}$ 个观测值的独立样本，则两个样本比例差的抽样分布为：

$\overline{P}_{1}-\overline{P}_{2}=\frac{X_{1}}{n_{1}}-\frac{X_{2}}{n_{2}}$

具备以下性质：

$E(\overline{P}_{1}-\overline{P}_{2})=E(\overline{P}_{1})-E(\overline{P}_{2})=\pi _{1}-\pi _{2}$
$D(\overline{P}_{1}\pm\overline{P}_{2})=D(\overline{P}_{1})+D(\overline{P}_{2})=\frac{\pi_{1} (1-\pi_{1})}{n_{1}}+\frac{\pi_{2} (1-\pi_{2})}{n_{2}}$

当 $\large \pi$ 或 $\large 1-\pi$ 不太小，而 $\large n$ 足够大，通常 $\large n\pi$ 和 $\large n(1-\pi )$ 均大于或等于5， $\overline{P}_{1}-\overline{P}_{2}$ 的抽样分布近似为正态分布，其均值和方差的公式如上。

xia ge tou lia

关注

2
点赞
踩
10

收藏

觉得还不错? 一键收藏
打赏
0
评论
统计学基础——两个样本均值（频率）之差的分布

一、样本均值之差的定义设是独立的抽自总体的一个容量为的样本的均值。是独立的抽自总体的一个容量为的样本的均值。则具备以下性质：，表示抽取多次获取样本均值的数学期望，根据中心极限定理，则。 ...
复制链接

扫一扫