统计量与抽样分布

随机样本与统计量

随机样本：从总体中随机地抽取 n个个体，称为一个随机样本
简单随机样本：独立同分布的随机样本
统计量：样本的不含任何未知参数的函数（即仅含样本信息的函数）
常用统计量：样本均值，样本方差(n-1)，样本矩…
当总体数字特征未知时，可以用统计量来估计总体数字特征

${\chi }^2$分布 $t$分布 $F$分布

${\chi }^2$分布

定义：设随机变量$X_1,X_2,...,X_n$相互独立，并且服从$N(0,1)$，${\chi }^2={\sum }_{i=1}^n{X}_i^2$，则称${\chi }^2$服从自由度为n的${\chi }^2$分布，记做${\chi }^2\sim {\chi }^2(n)$

${\chi }^2$分布的性质

1. $E({\chi }^2)=n,Var({\chi }^2)=2n$
2. 可加性：若$Y_1,Y_2$分别服从参数为$n_1,n_2$的卡方分布，则$Y_1+Y_2\sim {\chi }^2(n_1+n_2)$

$t$分布

定义：设X服从于N(0,1)，Y服从于参数为n的卡方分布，且X,Y相互独立，则称$T=\frac{X}{\sqrt{\frac{Y}{n}}}$服从自由度为n的$t$分布，记做$T\sim t(n)$
$t$分布在n特别大的时候近似于正态分布

$F$分布

定义：设$X\sim {\chi }^2(n_1)$，$Y\sim {\chi }^2(n_2)$，且X,Y独立，则称随机变量$F=\frac{X/n_1}{Y/n_2}$服从自由度$(n_1,n_2)$的$F$分布，记做$F\sim F(n_1,n_2)$

$F$分布的性质

1. $F\sim F(n_1,n_2)，则F^{-1}\sim F(n_1,n_2)$
2. $F_{1-\alpha }(n_1,n_2)=[F_{\alpha }(n_2,n_1){]}^{-1}$

正态总体下的抽样分布

定理一（单样本均值估计（方差已知））

$$\bar{X}\sim N(\mu ,\frac{{\sigma }^2}{n})$$
即
$$\frac{\bar{X}-\mu }{\sigma /\sqrt{n}}\sim N(0,1)$$

定理二（单样本方差估计）

1. $$\frac{(n-1)S^2}{{\sigma }^2}\sim {\chi }^2(n-1)$$
2. $$\bar{X}与S^2相互独立$$

定理三（单样本均值估计（方差未知））

$$\frac{\bar{X}-\mu }{S/\sqrt{n}}\sim t(n-1)$$

定理四（两样本的参数估计）

1. $$\frac{S_1^2/{\sigma }_1^2}{S_2^2/{\sigma }_2^2}\sim F(n_1-1,n_2-1)$$
2. 当σ未知时且σ1=σ2=σ，$$\frac{(\bar{X}-\bar{Y})-({\mu }_1-{\mu }_2)}{S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}\sim t(n_1+n_2-2)$$