概念
总体——研究对象的全体元素构成及集合
个体——组成总体的每一个元素
在进行理论研究室,我们将研究的数量指标视为随机变量X(或随机向量X=(x1,x2···xk)),因此,
总体就是一组随机变量。
样本——从总体X中抽取的待考察的个体称为样本,样本中个体的数量n称为样本总量,容量为n的样本常纪委X1,X2···Xn.样本一旦经过考查,得到的事n个具体的数(x1,x2···xn)称为样本的依次观察值,简称样本值。
样本空间——样本所有可能取值的集合。
最常用的一种抽样方法叫做简单随机抽样,要求样本满足一下特点
1.代表性,样本中的每个X与所考查的总体具有相同的分布。
2. 独立性,样本X1,X2···是相互独立的。
简单随机抽样的性质
- 若总体X的分布函数为F(x),则样本X1,X2···的联合分布函数为
F
总
(
x
1
,
x
2
⋅
⋅
⋅
x
n
)
=
∏
i
=
1
n
F
(
x
i
)
F_总(x_1,x_2···x_n)= \prod_{i=1}^{n}F(x_i)
F总(x1,x2⋅⋅⋅xn)=i=1∏nF(xi)
2. 若总体X的密度函数为F(x),则样本X1,X2···的联合密度函数为
f
总
(
x
1
,
x
2
⋅
⋅
⋅
x
n
)
=
∏
i
=
1
n
f
(
x
i
)
f_总(x_1,x_2···x_n)= \prod_{i=1}^{n}f(x_i)
f总(x1,x2⋅⋅⋅xn)=i=1∏nf(xi)
统计量
定义:设X1,X2···Xn是来自总体的一个样本,T(x1,x2···xn)是样本的函数,且T(x1,x2···xn)不依赖于任何未知参数,则称函数T(x1,x2···xn)为一个统计量。
例题
设 x 1 , x 2 ⋅ ⋅ ⋅ x n 是 正 态 分 布 总 体 X ∼ N ( μ , σ 2 ) 的 一 个 样 本 , 其 中 参 数 μ , σ 2 未 知 , 那 么 T 1 = ∑ i = 1 n X i , T 2 = ∑ i = 1 n X i 2 , 是 统 计 量 但 , T 3 = ∑ i = 1 n ( X i − μ ) 2 不 是 统 计 量 , 因 为 含 有 未 知 的 参 数 。 设x_1,x_2···x_n是正态分布总体X\sim N(\mu,\sigma^2)的\\ 一个样本,其中参数\mu,\sigma^2未知,那么\\ T_1=\sum_{i=1}^{n}X_i,T_2=\sum_{i=1}^{n}X_i^{2},是统计量\\ 但,T_3=\sum_{i=1}^{n}(X_i-\mu)^2不是统计量,因为含有未知的参数。 设x1,x2⋅⋅⋅xn是正态分布总体X∼N(μ,σ2)的一个样本,其中参数μ,σ2未知,那么T1=i=1∑nXi,T2=i=1∑nXi2,是统计量但,T3=i=1∑n(Xi−μ)2不是统计量,因为含有未知的参数。
常用的统计量
对于一维总体X,常用的统计量有
(
1
)
样
本
均
值
x
ˉ
=
1
n
∑
i
=
1
n
X
i
(
2
)
样
本
方
差
S
2
=
1
n
−
1
∑
i
=
1
n
(
X
i
−
X
ˉ
)
2
(
3
)
样
本
标
准
差
S
=
1
n
−
1
∑
i
=
1
n
(
X
i
−
X
ˉ
)
2
(
4
)
样
本
k
阶
矩
A
k
=
1
n
∑
i
=
1
n
x
i
k
(
5
)
样
本
k
阶
中
心
矩
B
k
=
1
n
−
1
∑
i
=
1
n
(
X
i
−
x
ˉ
)
k
(1) 样本均值 \qquad \bar x=\frac{1}{n}\sum_{i=1}^{n}X_i\\ (2) 样本方差 \qquad S^2=\frac{1}{n-1}\sum_{i=1}^{n}(X_i-\bar X)^2\\ (3) 样本标准差 \qquad S = \sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(X_i-\bar X)^2} \\ (4) 样本k阶矩 \qquad A_k=\frac{1}{n}\sum_{i=1}^{n}x_i^k\\ (5)样本k阶中心矩\qquad B_k = \frac{1}{n-1}\sum_{i=1}^{n}(X_i-\bar x)^k\\
(1)样本均值xˉ=n1i=1∑nXi(2)样本方差S2=n−11i=1∑n(Xi−Xˉ)2(3)样本标准差S=n−11i=1∑n(Xi−Xˉ)2(4)样本k阶矩Ak=n1i=1∑nxik(5)样本k阶中心矩Bk=n−11i=1∑n(Xi−xˉ)k
对于二维总体(X,Y)常用的统计量有
(
7
)
样
本
协
方
差
S
x
y
2
=
1
n
−
1
∑
i
=
1
n
(
X
i
−
X
ˉ
)
(
Y
i
−
Y
ˉ
)
(
8
)
样
本
相
关
系
数
ρ
x
y
=
∑
i
=
1
n
(
X
i
−
X
ˉ
)
(
Y
i
−
Y
ˉ
)
∑
i
=
1
n
(
X
i
−
X
ˉ
)
2
∑
i
=
1
n
(
Y
i
−
Y
ˉ
)
2
(7) 样本协方差 \qquad S_{xy}^2 = \frac{1}{n-1}\sum_{i=1}^{n}(X_i-\bar X)(Y_i - \bar Y)\\ (8) 样本相关系数 \qquad \rho_{xy} = \frac{\sum_{i=1}^{n}(X_i-\bar X)(Y_i-\bar Y)}{\sqrt{\sum_{i=1}^{n}(X_i-\bar X)^2}\sqrt{\sum_{i=1}^{n}(Y_i-\bar Y)^2}}
(7)样本协方差Sxy2=n−11i=1∑n(Xi−Xˉ)(Yi−Yˉ)(8)样本相关系数ρxy=∑i=1n(Xi−Xˉ)2∑i=1n(Yi−Yˉ)2∑i=1n(Xi−Xˉ)(Yi−Yˉ)