统计学7

随机变量之差的方差
假设有两个随机变量X和Y，两者完全独立。
$E(X)=\mu_{X}$，
$E(Y)=\mu_{Y}$，
$Var(X)=E((X-\mu_{X})^{2})=\sigma^{2}_{X}$，
$Var(Y)=E((Y-\mu_{Y})^{2})=\sigma^{2}_{Y}$。

假设有Z=X+Y
E(Z)=E(X+Y)=E(X)+E(Y)，
Var(Z)=Var(X)+Var(Y)。

假设有A=X-Y
E(A)=E(X-Y)=E(X)-E(Y)，
Var(A)=Var(X)+Var(-Y)=Var(X)+Var(Y)=Var(Z)。
证明$Var(-Y)=Var(Y)$
$Var(-Y)=E((-Y-E(-Y))^{2})=E((Y+E(-Y))^{2})$
而E(-Y)=-E(Y)
$Var(-Y)=E((Y+E(-Y))^{2})=E((Y-E(Y))^{2})=Var(Y)$

随机变量之差的均值等于均值之差，随机变量之差的方差等于方差之和。

样本均值之差的分布
有随机变量X服从任意分布，总体均值$\mu_{X}$，方差$\sigma^{2}_{X}$。
有随机变量Y服从任意分布，总体均值$\mu_{Y}$，方差$\sigma^{2}_{Y}$。
样本容量很大时，随机变量X和Y的样本均值的抽样分布服从正态分布。
随机变量X的样本均值$\bar{X}$抽样分布的均值$\mu_{\bar{X}}=\mu_{X}$，方差$\sigma^{2}_{\bar{X}}=\frac{\sigma^{2}_{X}}{n}$。
随机变量Y的样本均值$\bar{Y}$抽样分布的均值 μY¯=μ