正态总体统计量的分布

一、单个正太总体的统计量的分布
从总体X中抽取容量为n的样本$X_1,X_2,...,X_n,$样本均值与样本方差分别是
$\bar{X}=\frac{1}{n}{\sum }_{i=1}^n{X}_i,S^2=\frac{1}{n-1}{\sum }_{i=1}^n{\left(X_i-\bar{X}\right)}^2$
定理1：设总体X服从正态分布$N\left(\mu ,{\sigma }^2\right)$，则样本均值$$\bar{X}\sim N\left(\mu ,\frac{{\sigma }^2}{n}\right)$$
定理2：设总体X服从正态分布$N\left(\mu ,{\sigma }^2\right)$，则统计量$u=\frac{\bar{X}-\mu }{\sigma /\sqrt{n}}$服从标准正态分布N（0，1） ，即
$$u=\frac{\bar{X}-\mu }{\sigma /\sqrt{n}}\sim N\left(0,1\right)$$
定理3：设总体X服从正态分布$N\left(\mu ,{\sigma }^2\right)$，则统计量$\frac{1}{{\sigma }^2}{\sum }_{i=1}^n{\left(X_i-\mu \right)}^2$ 服从自由度为n的${\chi }^2$分布，即$${\chi }^2=\frac{1}{{\sigma }^2}\sum _{i=1}^n{\left(X_i-\mu \right)}^2\sim {\chi }^2\left(n\right)$$
定理4：设总体X服从正态分布$N\left(\mu ,{\sigma }^2\right)$，则
（1）样本均值$\bar{X}$与样本方差$S^2$相互独立;
（2）统计量 ${\chi }^2=\frac{\left(n-1\right)S^2}{{\sigma }^2}$服从自由度为n-1的${\chi }^2$分布，即
$${\chi }^2=\frac{\left(n-1\right)S^2}{{\sigma }^2}\sim {\chi }^2\left(n-1\right)$$
定理5：设总体X服从正态分布$N\left(\mu ,{\sigma }^2\right)$，则统计量$t=\frac{\bar{X}-\mu }{S/\sqrt{n}}$服从自由度为n-1的t分布，即：
$$t=\frac{\bar{X}-\mu }{S/\sqrt{n}}\sim t\left(n-1\right)$$
二、两个正态总体的统计量的分布
从总体X中抽取容量为$n_x$的样本$X_1,X_2,...,X_{n}x$,从总体Y中抽取容量为$n_y$的样本$Y_1,Y_2,...,Y_{n}y$。假设所有的抽样都是相互独立的，由此得到的样本$X_i\left(i=1,2,...,n_x\right)$ 与$Y_i\left(i=1,2,...,n_x\right)$ 都是相互独立的随机变量。把取自两个总体的样本均值分别记作
$$\bar{X}=\frac{1}{n_x}\sum _{i=1}^{n_x}{X}_i,\bar{Y}=\frac{1}{n_y}\sum _{i=1}^{n_y}{Y}_i$$
样本方差分别记作
$$S_x^2=\frac{1}{n_x-1}\sum _{i=1}^{n_x}{\left(X-\bar{X}\right)}^2,S_y^2=\frac{1}{n_y-1}\sum _{j=1}^{n_y}{\left(Y-\bar{Y}\right)}^2$$
定理6：设总体X服从正态分布$N\left({\mu }_x,{\sigma }_x^2\right)$，总体Y服从正态分布$N\left({\mu }_y,{\sigma }_y^2\right)$，则统计量$U=\frac{\left(\bar{X}-\bar{Y}\right)-\left({\mu }_x-{\mu }_y\right)}{\sqrt{\frac{{\sigma }^2}{n_x}+\frac{{\sigma }^2}{n_y}}}$ 服从标准正态分布。
$$U=\frac{\left(\bar{X}-\bar{Y}\right)-\left({\mu }_x-{\mu }_y\right)}{\sqrt{\frac{{\sigma }^2}{n_x}+\frac{{\sigma }^2}{n_y}}}\sim N\left(0,1\right)$$
定理7：设总体X服从正态分布$N\left({\mu }_x,{\sigma }_x^2\right)$，总体Y服从正态分布$N\left({\mu }_y,{\sigma }_y^2\right)$，则统计量$T=\frac{\left(\bar{X}-\bar{Y}\right)-\left({\mu }_x-{\mu }_y\right)}{S_w\sqrt{\frac{1}{n_x}+\frac{1}{n_y}}}$服从自由度为$n_x+n_y-2$的t分布，即
$$T=\frac{\left(\bar{X}-\bar{Y}\right)-\left({\mu }_x-{\mu }_y\right)}{S_w\sqrt{\frac{1}{n_x}+\frac{1}{n_y}}}\sim t\left(n_x+n_y-2\right)$$
其中：$$S_w=\sqrt{\frac{\left(n_x-1\right)S_x^2+\left(n_y-1\right)S_y^2}{n_x+n_y-2}}$$
定理8：设总体X服从正态分布$N\left({\mu }_x,{\sigma }_x^2\right)$，总体Y服从正态分布$N\left({\mu }_y,{\sigma }_y^2\right)$，则统计量$F=\frac{{\sum }_{i=1}^{n_x}{\left(X_i-{\mu }_x\right)}^2/n_x{\sigma }_x^2}{{\sum }_{j=1}^{n_y}{\left(Y_i-{\mu }_y\right)}^2/n_y{\sigma }_y^2}$服从自由度为$\left(n_x,n_y\right)$的F分布。即
$$F=\frac{{\sum }_{i=1}^{n_x}{\left(X_i-{\mu }_x\right)}^2/n_x{\sigma }_x^2}{{\sum }_{j=1}^{n_y}{\left(Y_i-{\mu }_y\right)}^2/n_y{\sigma }_y^2}\sim F\left(n_x,n_y\right)$$
定理9：设总体X服从正态分布$N\left({\mu }_x,{\sigma }_x^2\right)$，总体Y服从正态分布$N\left({\mu }_y,{\sigma }_y^2\right)$，则统计量$F=\frac{S_x^2/{\sigma }_x^2}{S_y^2/{\sigma }_y^2}$服从自由度为 $\left(n_x-1,n_y-1\right)$的F分布，即
$$F=\frac{S_x^2/{\sigma }_x^2}{S_y^2/{\sigma }_y^2}\sim N\left(n_x-1,n_y-1\right)$$