常用的统计量和抽样分布

一、统计量

样本均值：即在总体中的样本数据的均值，反映样本数据的集中趋势。

样本方差：每个样本值与全体样本值平均数之差的平方值的平均数；方差是用来衡量随机变量和其数学期望（均值）之间的偏离程度。

样本变异系数：变异系数又称为离散系数，定义为标准差与平均值之比，样本变异系数即样本数据的标准差与其均值之比。

样本k阶中心矩：在概率论中，矩是用来描述随机变量的某些特征的数字，即求平均值；随机变量X的K阶中心矩定义：对于正整数k，如果E(X)存在，
E[(X-E(X))^K] <无穷大，
则 E[(X-E(X))^K] 为x的k阶中心矩。

样本偏度：常用作总体偏度的估计量和检验总体分布正态性的统计量，样本三阶中心距除以二阶中心距的3/2次幂的商记为SK；而总体偏度是一个描述总体分布不对称性的数字特征，正态分布的偏度为0。

样本峰度：常用以作为总体峰度的估计量，样本的四阶中心距除以样本二阶中心距平方的商再减去3，记为ku；正态分布的峰度为0。

二、抽样分布

中心极限定理：即不论总体服从什么分布，只要从总体中抽取的样本容量足够大，这些样本组成的样本均值的抽样分布都近似于正态分布。

样本方差的分布：作为随机变量的函数，样本方差本身就是一个随机变量，S^2服从卡方分布，
$$\frac{s^2}{{\sigma }^2}(n-1)$$~ $$X_{(}^{2}n-1)$$

卡方分布：
卡方统计量是一个随机变量，能够表明样本方差和总体方差之间对的比值关系，卡方统计量决定的抽样分布就是卡方分布；
卡方统计量： χ 2 = ( n − 1 ) s 2 σ 2 \chi^2=\frac{(n-1)s ^2}{\sigma ^2} χ2=