数理统计知识点总结
文章目录
第六章:数理统计的基本概念
1、称研究对象的全体为总体,它是一个随机变量X;称组成总体的元素为个体。
2、称相互独立且与总体X同分布的随机变量 X 1 , X 2 … … X n X_1,X_2……X_n X1,X2……Xn为来自总体一个容量为n的简单随机样本,简称样本。称样本的一组取值 x 1 , x 2 … … x n x_1,x_2……x_n x1,x2……xn为该样本的一组样本值
3、样本的联合分布函数,分布律,概率密度都为乘积形式
4、设 X 1 , X 2 … … X n X_1,X_2……X_n X1,X2……Xn是来自总体X的一个样本, x 1 , x 2 … … x n x_1,x_2……x_n x1,x2……xn是样本的一系列样本值,将其从小到大排序,并编上序号,则称函数 F n ( x ) = x 1 , x 2 … … x n 中 小 于 等 于 x 的 样 本 值 的 个 数 n = 0 ( x < x ( 1 ) ) ; k n ( x ( k ) < = x < x ( k + 1 ) ) ; 1 ( x > = x ( n ) ) F_n(x) = \frac{x_1,x_2……x_n中小于等于x的样本值的个数}{n} = 0(x<x_{(1)}) ;\frac{k}{n}(x_{(k)}<=x<x{(k+1)});1(x>=x{(n)}) Fn(x)=nx1,x2……xn中小于等于x的样本值的个数=0(x<x(1));nk(x(k)<=x<x(k+1));1(x>=x(n))为总体X的经验分布函数
5、对于任意实数x,当n趋于 ∞ \infty ∞时,经验分布函数 F n ( x ) F_n(x) Fn(x)以概率1一致收敛于总体X的分布函数F(x),即 P ( l i m n − ∞ s u p − ∞ < x < ∞ ∣ F n ( x ) − F ( x ) ∣ = 0 ) = 1 P(lim_{n-\infty}sup_{-\infty<x<\infty}|F_n(x)-F(x)| = 0) = 1 P(limn−∞sup−∞<x<∞∣Fn(x)−F(x)∣=0)=1
该定理说明当样本充分大时,可以将经验分布函数当作当作分布函数使用
6、统计量:对于不含总体X的未知参数函数 g ( x 1 , x 2 … … x n ) g(x_1,x_2……x_n) g(x1,x2……xn),称 g ( X 1 , X 2 … … X n ) g(X_1,X_2……X_n) g(X1,X2……Xn)为总体的一个统计量, g ( x 1 , x 2 … … x n ) g(x_1,x_2……x_n) g(x1,x2……xn)为统计量的样本值。 g ( X 1 , X 2 … … X n ) g(X_1,X_2……X_n) g(X1,X2……Xn)统计量也是一个随机函数。
[重要]7、一些统计量的总结:
样本均值:
X ‾ = 1 n Σ i = 1 n X i \overline X = \frac{1}{n}\Sigma_{i=1}^nX_i X=n1Σi=1nXi
样本均值的样本值:
x ‾ = 1 n Σ i = 1 n x i \overline x = \frac{1}{n}\Sigma_{i=1}^nx_i x=n1Σi=1nx