概率论与数理统计（第六章-数理统计的基本概念

主要内容

Statistics
Sufficient Statistics
Common Statistics and Distributions
Normal distribution
T distribution
Chi-Square Distribution
F distribution

串串本章的知识

统计学的基本概念，是利用样本来推断总体其中所会涉及到的一些概念。学习过概率论的基础知识之后，我们就开始对抽样进行研究了，以此来研究总体。

刚才已经讲了，我们要使用样本来推断总体，样本那么多，说是n个，100， 1000个，要一个个的计算样本的信息来推断总体吗？
这样一来是麻烦，二来是太过于零散，不符合我们数学的气质嘛！
于是我们想要搞一个量来把样本的信息搞到一起，简单、集中。这就引入了统计量的概念。

对于总体，可以从中抽取一组样本，然后样本的函数就是统计量，这个函数中不包含有任何未知参数。这样我们就可以通过统计量集中地研究总体的性质啦！

有一个更好的统计量，充分统计量。充分统计量也是统计量是样本的函数，其中不含有任何未知参数，但是这里有一个充分性在里面。当给定一组样本的取值之后，样本的条件分布已知，我们就说这个统计量是充分统计量。
何谓充分性呢？充分性是样本对总体代表的充分啊，有了一组样本之后，我们就知道样本的分布了，有了分布我们就可以研究样本的特征，大数定律的加持（由此推出格里-汶科定理），我们就可以利用样本来推断总体，多棒！这多好的性质！

说是统计量，用统计量来研究总体，那么我就猜想是不是有一些常见的统计量，利用这些统计量所展现出来的性质去研究总体。介绍常见的统计量，利用它来研究总体，那么它是不是也能够表示总体的某些特征呢？想想之前代表总体的数量特征的有哪些？期望、方差、相关系数，原点矩、中心距、最大值、最小值、中位数。
样本是从总体中抽取的，总体中由代表它数量特征的量，相应的，样本也有，是样本的函数–统计量（不同的函数）。与前面对应起来，他们分别是样本均值、样本方差、样本相关系数、样本原点矩、中心距、样本最大最小值、样本中位数。

期望方差那些是代表总体的数量特征，这些数量特征也就是一个范畴，它是一个网（统计学原理中有讲），有了它，我们基本上就可以把总体研究的透透了。样本的这些统计量也是

概率论中有古典概型、几何概型，有正态分布、指数分布、伯努利分布等，之后我们所研究的一般都可以往里面「套」。同理，数理统计中也有相应的「模型」，他们分别是Chi-square distribution, T distribution, F distribution.
定义很简单，在这里不解释。有一些很好的性质，在以后的时间研究中，如果有某个变量满足了这些性质之后/我们想要有这样性质的变量，那么就可以运用这些变量来帮助我们简化研究。（这是我自己对为何介绍这些分布的理解，自己的感悟，暂时没有从书本上看到类似的说明，如有错误，欢迎指正！

变量介绍完啦，但是实际中我们是否直接使用这些变量呢？
当然不是啦！你想想在我们学习概率论的时候，引入了一些常见的离散和连续的分布之后，是不是也引入了随机变量函数的分布呢？
这就启发我们，现实中很多对于随机变量的研究，一般不是最「单纯的」原始的变量，而是它的变换。那么如果掌握了这些变换的规则，我们是不是就可以研究它的各种变换啦？所谓兵来将挡，水来土掩。哈哈，俺们是掌握了规则才可以这样随机应变，才能够适应这多变的世界呐！

一般是研究某一个样本的分布，实际中我们研究的一般是样本均值和样本方差的分布，我们可以利用某些规则，得到他们的分布吗？可以的，去书上看。

总结一下，我们要用样本来研究总体，像概率论基础一样，我们介绍了一些最基本的概念，常见的分布，来帮助我们之后更加深入地研究这些。最主要的是统计量及其分布。