第一章 统计量与抽样分布

第一章 统计量与抽样分布

1.1 基本概念

1.1.1 总体和样本

• 总体：研究对象的群体元素组成的集合；
• 样本：为了解总体的分布规律或某些特征，需对总体进行抽样观察，随机抽取一定数量的个体。
  • 代表性：每个个体与总体具有相同的分布；
  • 独立性：样本之间是相互独立的随机变量。
  • 满足以上两条性质的样本称为简单随机样本。

1.1.2 统计量和样本矩

• 统计量：
  • X₁ 为总体的一个样本，若$f(X_1)$为一个函数，且 f 中不含任何未知参数，则称 f 为一个统计量；
• 样本矩：一个常用的统计量

1.1.3 经验分布函数

• 根据样本来估计和推断总体 X 的分布函数；
• $v_n(x)$被称为经验频数，在 n 次重复试验下，某事件出现的次数服从二项分布，故有$v_n(x)$服从二项分布。

1.2 充分统计量与完备统计量

1.2.1 充分统计量

• 定义

1.2.2 因子分解定理

1.2.3 完备统计量

1.2.3 完备统计量

1.2.4 指数型分布族

• 包含常用分布，如泊松分布、正态分布、指数分布、二项分布、$\Gamma$分布等。

1.3 抽样分布

统计量的概率分布

• 均值、方差等重要的统计量。

1.3.1 ${\chi }^2$ 分布

• 定义：

  • $$\begin{gathered} 如果X_1,X_2,\cdot \cdot \cdot ,X_3相互独立且服从于标准正态分布，则称随机变量 \\ {\chi }_n^2=X_1^2+X_2^2+\cdot \cdot \cdot +X_n^2 \\ 为服从自由度为n的{\chi }^2分布，记为{\chi }_n^2{\chi }^2(n),其中n表示自由度，独立变量的个数。 \end{gathered}$$

• 

• 分布密度

• 

• 性质：

  • $E{\chi }_n^2=n,D{\chi }_n^2=2n$
  • $若{\chi }_1^2\sim {\chi }^2(n),{\chi }_2^2\sim {\chi }^2(m)$ 且${\chi }_1^2与{\chi }_2^2$相互独立，则
    ${\chi }_1^2+{\chi }_2^2\sim {\chi }^2(n+m)$
    

1.3.2 t 分布

• 定义：
  • 
• 分布密度：
  • 
• 性质：
  

1.3.3 F 分布

• 定义：
  
• 分布密度：
  
• 性质：
  

1.3.4 概率分布的分位数

• 上侧分位数：p22
• 几个不同分布的上侧分位数。

1.3.5 正态总体样本均值和方差的分布

• ${\chi }^2$分布
  
  

• t 分布

• F 分布
  

1.3.6 一些非正态总体样本均值的分布

• 二项分布
  • 
• 泊松分布
  • 
• 指数分布
  
  

1.4 次序统计量及其分布

1.4.1 次序统计量

• 从小到大排序的统计量

1.4.2 样本中位数和样本极差

• 样本中位数：
  
• 样本极差：最大-最小