概率论第五章——总体与样本

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

1. 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

$$F_{总}（x_1,x_2\cdot \cdot \cdot x_n）=\prod _{i=1}^{n}F(x_i)$$
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
$$f_{总}（x_1,x_2\cdot \cdot \cdot x_n）=\prod _{i=1}^{n}f(x_i)$$

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

$$\begin{gathered} 设x_1，x_2\cdot \cdot \cdot x_n是正态分布总体X\sim N(\mu ,{\sigma }^2)的 \\ 一个样本，其中参数\mu ，{\sigma }^2未知，那么 \\ {T}_1=\sum _{i=1}^n{X}_i,T_2=\sum _{i=1}^n{X}_i^2,是统计量 \\ 但，T_3=\sum _{i=1}^n（X_i-\mu {）}^2不是统计量，因为含有未知的参数。 \end{gathered}$$

常用的统计量

对于一维总体X,常用的统计量有
$$\begin{gathered} (1)样本均值\bar{x}=\frac{1}{n}\sum _{i=1}^n{X}_i \\ (2)样本方差S^2=\frac{1}{n-1}\sum _{i=1}^n(X_i-\bar{X}{)}^2 \\ (3)样本标准差S=\sqrt{\frac{1}{n-1}\sum _{i=1}^n(X_i-\bar{X}{)}^2} \\ (4)样本k阶矩A_k=\frac{1}{n}\sum _{i=1}^n{x}_i^k \\ (5)样本k阶中心矩B_k=\frac{1}{n-1}\sum _{i=1}^n(X_i-\bar{x}{)}^k \end{gathered}$$

对于二维总体（X，Y）常用的统计量有
$$\begin{gathered} (7)样本协方差S_{xy}^2=\frac{1}{n-1}\sum _{i=1}^n(X_i-\bar{X})(Y_i-\bar{Y}) \\ (8)样本相关系数{\rho }_{xy}=\frac{{\sum }_{i=1}^n(X_i-\bar{X})(Y_i-\bar{Y})}{\sqrt{{\sum }_{i=1}^n(X_i-\bar{X}{)}^2}\sqrt{{\sum }_{i=1}^n(Y_i-\bar{Y}{)}^2}} \end{gathered}$$