【笔记】概统论与数理统计第七章知识点总结

最新推荐文章于 2023-05-24 11:20:06 发布

Dorothy30

最新推荐文章于 2023-05-24 11:20:06 发布

阅读量1.9k

点赞数

分类专栏：概统文章标签：概率论统计学

本文链接：https://blog.csdn.net/weixin_44835327/article/details/118295083

版权

概统专栏收录该内容

8 篇文章 4 订阅

订阅专栏

7.1 总体与样本

总体：全体被研究对象
个体：每个被研究对象
为了研究总体的性质, 我们假设可以从总体中随机抽取独立的样本. 通过分析样本, 我们推断总体的性质
抽样需满足的条件
- 随机性
- 独立性
样本：设随机变量 $X_1, X_2,...,X_n$ 与总体 X 独立同分布, 则称 $X_1, X_2,...,X_n$ 为一样本空间容量为 n 的来自总体 X 的简单随机样本(样本)
样本观测值： $X_1, X_2,...,X_n$ 的取值 $x_1, x_2,...,x_n$

7.2 χ2 分布, t 分布与 F 分布

𝝌𝟐分布： $X_1, X_2,...,X_n$ 独立同分布于标准正态分布 N(0, 1), 称随机变量

所服从的分布为自由度为 n 的 $\chi^2$ 分布, 记为 $\chi^2$ ∼ $\chi^2$ (n)

定理 1： $\chi^2 - \Gamma(\frac{n}{2}, \frac{1}{2})$ ，有密度函数
𝝌𝟐分布的性质
- 可加性：若 $\chi _i^2$ ~ $\chi^2$ ( $n_i$ )，i=1,2,…,n， $\chi_1^2,...,\chi_n^2$ 相互独立，则
t分布：设随机变量 X ∼ N(0, 1), Y ∼ $\chi^2$ (n), 且 X 与 Y 独立，称随机变量

所服从的分布为自由度为 n 的 t 分布, 记为 t ∼ t(n)
- 密度曲线为偶函数，关于y轴对称
- 当 n 充分大时 (n ≥ 45), t 分布就近似等于标准正态分布
- D(X) = $\frac{n}{n-2}$
F分布：设随机变量 X ∼ $\chi^2$ (n), Y ∼ $\chi^2$ (m), 且 X 与 Y 独立, 称随机变量所服从的分布为自由度为 (n, m) 的 F 分布，记为F ∼ F(n, m)
- n：第一自由度
- m：第二自由度
- 当 F ∼ F(n, m) 时, 1/F ∼ F(m, n)
分布的分位点
- 在随机变量 X 的分布已知时, 在概率论中, 对给定的实数 a,常需要计算概率 P(X ≤ a) = p; 而在数理统计中, 常常需要对给定的 0 < p < 1, 求出使 P(X ≤ a) = p 成立的实数 a
- 分位点：设X是随机变量，分布是F，0 < p < 1, 若实数 $a_p$ 满足

则称 $a_p$ 为 X(或 F) 的 p 分位点

查找分位点：e.g. α = 0.05，自由度为n
- Z分布查表
  - 对于单侧检验：1-α = 0.95 → 在表中找到0.95，对应读取x，y的值相加即为Zα
  - 对于单侧检验：1- $\frac{\alpha}{2}$ = 0.975 → 在表中找到0.975，读取对应的x，y值相加
- t分布查表：当n>45时，可用正态分布替代
  - 对于单侧检验：找到α和n对应的值t(α)
  - 对应双侧检验：找到 $\frac{\alpha}{2}$ 和n对应的值t( $\frac{\alpha}{2}$ )
- F分布查表：根据α, n1, n2以及单双侧检验找到对应表，运用 $F_p(n,m) = \frac{1}{F(m,n)}$

7.3 统计量和抽样分布定理

统计量
- 样本函数：样本 $X_1, X_2,...,X_n$ 的一个连续函数 g( $X_1, X_2,...,X_n$ )
- 统计量：不含任何参数的样本函数 g( $X_1, X_2,...,X_n$ )
- 统计量的观测值：入样本观测值后的样本函数g( $x_1, x_2,...,x_n$ )
- 常用统计量
- 名称
  
  统计量
  
  观测值
  
  样本均值
  
  样本方差
  
  样本标准差
  
  样本k阶原点矩
  
  样本k阶中心距
抽样分布定理
- 抽样分布定理：常用统计量与样本函数的分布的结果
- 一个正态总体下的抽样分布定理：样本 $X_1, X_2,...,X_n$ 来自正态总体N(µ, $\sigma^2$ )，则
- 两个正态总体下的抽样分布定理：若两个总体 X ∼ N( $\mu_1$ , $\sigma_1^2$ )，Y ∼ N( $\mu_2$ , $\sigma_2^2$ )，

ps：关于样本方差除以(n-1)的原因：

在实际生活中，如果如果总体均数已知，求样本方差的时候是除以n的

但事实上，我们往往很难获知一个总体的总体均数，而是从总体中我们可以进行无数次抽样，每次抽样便获得一个特定的样本，然后计算出特定的样本均数和样本标准差。所以，只要抽样一次，样本值就可能变化一次。因此，样本值是变化的。用一个变化的量去估计一个恒定的量，首要原则就是“无偏”。然而，在计算样本方差时，若采用总体方差的计算方法（除以n），则由下列计算过程可得，样本方差 $E(S^2)$ 是总体方差 $\sigma^2$ 的渐进无偏估计量，而不是无偏估计量

根据计算得到的总体方差与样本方差的关系，我们得到了样本方差与总体方差之间的定量关系，即

$\sum_{i=1}^{n}\left(X_{i}-\bar{X}\right)^{2}=\frac{n-1}{n} \sum_{i=1}^{n}\left(X_{i}-\mu\right)^2$

对样本方差的计算进行调整，便可得到

$\frac{1}{n-1} \sum_{i=1}^{n}\left(X_{i}-\bar{X}\right)^{2}=\frac{1}{n} \sum_{i=1}^{n}\left(X_{i}-\mu\right)^{2}$

综上，在计算样本方差时，我们需要用下式

以上参考了两篇知乎的文章：

【1】样本方差为什么除以n-1(关于自由度的疑问）？

【2】为什么样本方差（sample variance）的分母是 n-1？

Dorothy30

关注

0
点赞
踩
7

收藏

觉得还不错? 一键收藏
0
评论
【笔记】概统论与数理统计第七章知识点总结

7.1 总体与样本总体：全体被研究对象个体：每个被研究对象为了研究总体的性质, 我们假设可以从总体中随机抽取独立的样本. 通过分析样本, 我们推断总体的性质抽样需满足的条件随机性独立性样本：设随机变量与总体 X 独立同分布, 则称为一样本空间容量为 n 的来自总体 X 的简单随机样本(样本) 样本观测值：的取值 7.2 χ2 分布, t 分布与 F 分布????????分布：独立同分布于标准正态分布 N(0, 1), 称随机变量所服从..
复制链接

扫一扫