数理统计的基本概念与抽样分布

定理1：设(${\xi }_1,{\xi }_2,......{\xi }_n$)是来自总体$\xi$的一个样本，总体期望$E\xi =\mu ,D\xi ={\sigma }^2$，则
$$样本均值的期望和方差：E(\overline{\xi })=\mu ，D(\overline{\xi })=\frac{1}{n}{\sigma }^2$$
$$样本方差的期望和样本修正方差的期望：E(S^2)=\frac{n-1}{n}{\sigma }^2，E(S^{\ast 2})={\sigma }^2$$


分位数：若X的分布函数为F(X)，实数$\alpha$满足$0<\alpha <1$。若$x_{\alpha }$满足$P(X<x_{\alpha })=F(X_{\alpha })=\alpha$,则称$x_{\alpha }$为此概率分布的$\alpha$分位数。
例如：$P(X<m)=F(m)=0.3$，m就是此分布的0.3分位数。

${\chi }^2$ 分布：设$X_1,X_2,......X_n$相互独立，且都服从标准正态分布，则称${\chi }^2=X_1+X_2+......+X_n$服从自由度位n的${\chi }^2$分布，记为${\chi }^2$ ~ ${\chi }^2(n)$。
t分布：设X ~ N(0,1),Y ~ ${\chi }^2(n)$，X和Y相互独立，则称$T=\frac{X}{\sqrt{Y/n}}$服从自由度为n的t分布，并记为T~t(n)。

F分布：设$X$ ~ ${\chi }^2(n)$，$Y$ ~ ${\chi }^2(m)$，X和Y相互独立，称$F=\frac{X/n}{Y/m}$服从第一自由度为n，第二自由度为m的F分布。