定理1:设(
ξ
1
,
ξ
2
,
.
.
.
.
.
.
ξ
n
\xi _1,\xi _2,......\xi _n
ξ1,ξ2,......ξn)是来自总体
ξ
\xi
ξ的一个样本,总体期望
E
ξ
=
μ
,
D
ξ
=
σ
2
E\xi=\mu,D\xi=\sigma^2
Eξ=μ,Dξ=σ2,则
样
本
均
值
的
期
望
和
方
差
:
E
(
ξ
‾
)
=
μ
,
D
(
ξ
‾
)
=
1
n
σ
2
样本均值的期望和方差:E(\overline{\xi})=\mu,D(\overline{\xi})=\frac{1}{n}\sigma^2
样本均值的期望和方差:E(ξ)=μ,D(ξ)=n1σ2
样
本
方
差
的
期
望
和
样
本
修
正
方
差
的
期
望
:
E
(
S
2
)
=
n
−
1
n
σ
2
,
E
(
S
∗
2
)
=
σ
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^{*2})=\sigma^2
样本方差的期望和样本修正方差的期望:E(S2)=nn−1σ2,E(S∗2)=σ2
分位数:若X的分布函数为F(X),实数
α
\alpha
α满足
0
<
α
<
1
0<\alpha<1
0<α<1。若
x
α
x_\alpha
xα满足
P
(
X
<
x
α
)
=
F
(
X
α
)
=
α
P(X<x_\alpha)=F(X_\alpha)=\alpha
P(X<xα)=F(Xα)=α,则称
x
α
x_\alpha
xα为此概率分布的
α
\alpha
α分位数。
例如:
P
(
X
<
m
)
=
F
(
m
)
=
0.3
P(X<m)=F(m)=0.3
P(X<m)=F(m)=0.3,m就是此分布的0.3分位数。
χ
2
\chi^2
χ2 分布:设
X
1
,
X
2
,
.
.
.
.
.
.
X
n
X_1,X_2,......X_n
X1,X2,......Xn相互独立,且都服从标准正态分布,则称
χ
2
=
X
1
+
X
2
+
.
.
.
.
.
.
+
X
n
\chi^2=X_1+X_2+......+X_n
χ2=X1+X2+......+Xn服从自由度位n的
χ
2
\chi^2
χ2分布,记为
χ
2
\chi^2
χ2 ~
χ
2
(
n
)
\chi^2(n)
χ2(n)。
t分布:设X ~ N(0,1),Y ~
χ
2
(
n
)
\chi^2(n)
χ2(n),X和Y相互独立,则称
T
=
X
Y
/
n
T=\frac{X}{\sqrt{Y/n}}
T=Y/nX服从自由度为n的t分布,并记为T~t(n)。
F分布:设 X X X ~ χ 2 ( n ) \chi^2(n) χ2(n), Y Y Y ~ χ 2 ( m ) \chi^2(m) χ2(m),X和Y相互独立,称 F = X / n Y / m F=\frac{X/n}{Y/m} F=Y/mX/n服从第一自由度为n,第二自由度为m的F分布。