根据《统计学》贾俊平(第六版) 整理而成。
第6章 统计量及其抽样分布
6.1 统计量
1. 概念
设 X1,X2,...,Xn 是从总体 X 中抽取的容量为 n 的一个样本,如果由此样本构造一个函数 T(X1,X2,...,Xn) ,不依赖于任何未知参数,则称函数 T(X1,X2,...,Xn) 是一个统计量。通常也称为样本统计量。由一个具体样本计算出来的函数值叫做统计量值。
2. 常用统计量
- 样本均值 X¯=1n∑ni=1Xi
- 样本方差 S2=1n−1∑ni=1(Xi−X¯)2
- 样本变异系数 V=S/X¯
- …
3. 次序统计量
4. 充分统计量
6.2 关于分布的几个概念
1. 抽样分布
抽样分布是统计学中的重要内容。在正态总体条件下,主要有
χ2
分布,
t
分布,
2. 渐近分布
中心极限定理将揭示样本均值 X¯ 的渐近分布。
6.3 由正态分布导出的几个重要分布
1. χ2 分布
定义6.3:设随机变量 X1,X2,...,Xn 相互独立,且 Xi(i=1,2,...,n) 服从标准正态分布,则他们的平方和 ∑ni=1X2i 服从自由度为n的 χ2 分布。
数学期望 E(χ2)=n ,方差 D(χ2)=2n 。
χ2 分布具有可加性,若 χ21∼χ2(n1) , χ22∼χ2(n2) ,且独立,则 χ21+χ22∼χ2(n1+n2) 。
2. t 分布
定义6.4:设随机变量
3. F 分布
…
6.4 样本均值的分布与中心极限定理
1.当总体分布为正态分布 N(μ,σ2) 时, X¯ 的抽样分布为正态分布, X¯ 的数学期望为 μ ,方差为 σ2/n ,则
2.然而在实际问题中总体分布并不总是正态分布或近似正态分布,此时 X¯ 的分布取决于总体分布的情况。值得庆幸的是,当抽样个数 n 比较大的时候,无论总体是什么分布,样本均值 X¯ 的分布总是近似正态分布,只要总体的方差有限。
3.中心极限定理(central limit theorem):设从均值为 μ 、方差为 σ2 (有限)的任意一个总体中抽取样本量为 n 的样本,当n充分大时,样本均值 X¯ 的抽样分布近似服从均值为 μ ,方差为 σ2/n 的正态分布。简单证明如下:
4.中心极限定理要求 n 必须充分大,我们常要求 n⩾30 。需要指出,大样本、小样本之间并不是以样本量大小来区分的。在样本量固定的条件下进行统计推断或问题分析,不管样本两多大,都称为小样本问题;而在样本量 n−>∞ 的条件下进行的统计推断或问题分析则成为大样本问题。一般统计学中的 n⩾30 为大样本, n<30 为小样本只是一种经验说法。
6.5 样本比例的抽样分布
1.用样本比例 p^ 来估计总体比例 π :当n充分大时, p^ 的分布可用正态分布去逼近。此时, p^ 服从均值为 π ,方差为 π(1−π)n 的正态分布,即
6.6 两个样本平均值之差的分布
1. X1∼N(μ1,σ21) , X2∼N(μ2,σ22) ,二者独立,则二者样本均值之差的期望 E(X1¯−X2¯)=E(X1¯)−E(X2¯)=μ1−μ2 ,样本均值之差的方差 D(X1¯−X2¯)=D(X1¯)+D(X2¯)=σ21/n1+σ22/n2 ,即
6.7 关于样本方差的分布
1. 样本方差的分布
设 X1,X2,...,Xn 为来自正态分布 N(μ,σ2) 的样本,则样本方差 S2 的分布为:
2. 两个样本方差比的分布
…
完。