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
- 𝝌𝟐分布:
独立同分布于标准正态分布 N(0, 1), 称随机变量
所服从的分布为自由度为 n 的 分布, 记为
∼
(n)
-
定理 1:
,有密度函数
-
-
𝝌𝟐分布的性质
- 可加性:若
~
(
),i=1,2,…,n,
相互独立,则
-
t分布:设随机变量 X ∼ N(0, 1), Y ∼
(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) =
-
F分布:设随机变量 X ∼
(n), Y ∼
(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
满足
-
则称为 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-
= 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
和n对应的值t(
)
- F分布查表:根据α, n1, n2以及单双侧检验找到对应表,运用
- Z分布查表
7.3 统计量和抽样分布定理
- 统计量
- 样本函数:样本
的一个连续函数 g(
)
- 统计量:不含任何参数的样本函数 g(
)
- 统计量的观测值:入样本观测值后的样本函数g(
)
- 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
- 样本函数:样本
- 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
来自正态总体N(µ,
),则
-
两个正态总体下的抽样分布定理:若两个总体 X ∼ N(
,
),Y ∼ N(
,
),
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,样本方差是总体方差
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
对样本方差的计算进行调整,便可得到
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: