文章目录
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
χ 2 \chi^2 χ2分布 t t t分布 F F F分布
χ 2 \chi^2 χ2分布
定义:设随机变量 X 1 , X 2 , . . . , X n X_1,X_2,...,X_n X1,X2,...,Xn相互独立,并且服从 N ( 0 , 1 ) N(0,1) N(0,1), χ 2 = ∑ i = 1 n X i 2 \chi^2=\sum_{i=1}^nX_i^2 χ2=∑i=1nXi2,则称 χ 2 \chi^2 χ2服从自由度为n的 χ 2 \chi^2 χ2分布,记做 χ 2 ∼ χ 2 ( n ) \chi^2 \sim \chi^2(n) χ2∼χ2(n)
χ 2 \chi^2 χ2分布的性质
- E ( χ 2 ) = n , V a r ( χ 2 ) = 2 n E(\chi^2)=n,Var(\chi^2)=2n E(χ2)=n,Var(χ2)=2n
- 可加性:若 Y 1 , Y 2 Y_1,Y_2 Y1,Y2分别服从参数为 n 1 , n 2 n_1,n_2 n1,n2的卡方分布,则 Y 1 + Y 2 ∼ χ 2 ( n 1 + n 2 ) Y_1+Y_2\sim\chi^2(n_1+n_2) Y1+Y2∼χ2(n1+n2)
t t 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
=
X
Y
n
T=\frac{X}{\sqrt{\frac{Y}{n}}}
T=nYX服从自由度为n的
t
t
t分布,记做
T
∼
t
(
n
)
T\sim t(n)
T∼t(n)
t
t
t分布在n特别大的时候近似于正态分布
F F F分布
定义:设 X ∼ χ 2 ( n 1 ) X\sim\chi^2(n_1) X∼χ2(n1), Y ∼ χ 2 ( n 2 ) Y\sim\chi^2(n_2) Y∼χ2(n2),且X,Y独立,则称随机变量 F = X / n 1 Y / n 2 F=\frac{X/n_1}{Y/n_2} F=Y/n2X/n1服从自由度 ( n 1 , n 2 ) (n_1,n_2) (n1,n2)的 F F F分布,记做 F ∼ F ( n 1 , n 2 ) F\sim F(n_1,n_2) F∼F(n1,n2)
F F F分布的性质
- F ∼ F ( n 1 , n 2 ) , 则 F − 1 ∼ F ( n 1 , n 2 ) F\sim F(n_1,n_2),则F^{-1}\sim F(n_1,n_2) F∼F(n1,n2),则F−1∼F(n1,n2)
- F 1 − α ( n 1 , n 2 ) = [ F α ( n 2 , n 1 ) ] − 1 F_{1-α}(n_1,n_2)=[F_α(n_2,n_1)]^{-1} F1−α(n1,n2)=[Fα(n2,n1)]−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))
X
ˉ
∼
N
(
μ
,
σ
2
n
)
\bar X\sim N(μ,\frac{σ^2}{n})
Xˉ∼N(μ,nσ2)
即
X
ˉ
−
μ
σ
/
n
∼
N
(
0
,
1
)
\frac{\bar X-μ}{σ/\sqrt{n}}\sim N(0,1)
σ/nXˉ−μ∼N(0,1)
定理二(单样本方差估计)
- ( n − 1 ) S 2 σ 2 ∼ χ 2 ( n − 1 ) \frac{(n-1)S^2}{σ^2}\sim \chi^2(n-1) σ2(n−1)S2∼χ2(n−1)
- X ˉ 与 S 2 相 互 独 立 \bar X与S^2相互独立 Xˉ与S2相互独立
定理三(单样本均值估计(方差未知))
X ˉ − μ S / n ∼ t ( n − 1 ) \frac{\bar X-μ}{S/\sqrt{n}} \sim t(n-1) S/nXˉ−μ∼t(n−1)
定理四(两样本的参数估计)
- S 1 2 / σ 1 2 S 2 2 / σ 2 2 ∼ F ( n 1 − 1 , n 2 − 1 ) \frac{S_1^2/σ_1^2}{S_2^2/σ_2^2} \sim F(n_1-1,n_2-1) S22/σ22S12/σ12∼F(n1−1,n2−1)
- 当σ未知时且σ1=σ2=σ, ( X ˉ − Y ˉ ) − ( μ 1 − μ 2 ) S w 1 n 1 + 1 n 2 ∼ t ( n 1 + n 2 − 2 ) \frac{(\bar X-\bar Y)-(μ_1-μ_2)}{S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}} \sim t(n_1+n_2-2) Swn11+n21(Xˉ−Yˉ)−(μ1−μ2)∼t(n1+n2−2)