数理统计基础 正态总体抽样分布

目录

https://blog.csdn.net/weixin_45792450/article/details/109314584

---

抽样分布

总体的分布往往是未知的，或是部分地未知的.根据实际问题的需要，有时需对总体未知的重要数字特征（如总体数学期望、总体方差）或总体分布中所含的未知参数进行统计推断.这类问题称为参数统计推断。

在参数统计推断问题中，经常需要利用总体的样本构造出合适的统计量，并使其服从或渐近地服从已知的确定分布，统计学中泛称统计量的分布为抽样分布。

---

正态分布性质

1. 设随机变量$X$服从正态分布$N(\mu ,{\sigma }^2)$，则$$\frac{X-\mu }{\sigma }\sim N(0,1)$$，即正态分布可以标准化。

2. 设随机变量$X$服从正态分布$N(\mu ,{\sigma }^2)$，则$$E(X)=\mu ,D(X)={\sigma }^2$$

---

单正态总体的抽样分布

定理：设总体$X$服从正态分布$N(\mu ,{\sigma }^2)$，$(X_1,X_2,...,X_n)$是其容量为$n$的一个样本，$\bar{X}$与$S^2$分别为此样本的样本均值与方差，则有：

1. $\bar{X}\sim N(\mu ,\frac{{\sigma }^2}{n})$

2. $\frac{n-1}{{\sigma }^2}{S}^2\sim {\chi }^2(n-1)$

3. $\bar{X}$与$S^2$相互独立

证明：1性质根据正态分布的线性组合还是正态分布即可得出，2和3性质由于证明较复杂，从略。

定理：设$(X_1,X_2,...,X_n)$为正态总体$X\sim N(\mu ,{\sigma }^2)$的样本，$\bar{X}$与$S^2$分别为该样本的均值和方差，则有：

1. $$U=\frac{\bar{X}-\mu }{\sigma /\sqrt{n}}\sim N(0,1)$$
2. $$\frac{n-1}{{\sigma }^2}{S}^2\sim {\chi }^2(n-1)$$
3. $$T=\frac{\bar{X}-\mu }{S/\sqrt{n}}\sim t(n-1)$$

证明：1性质即为正态分布的标准化，3性质由1和2联立代入即可得出$t$分布形式

---

双正态总体的抽样分布

定理：设总体$X\sim N(\mu ,{\sigma }^2)$，$Y\sim N(\mu ,{\sigma }^2)$，$(X_1,X_2,...,X_{n_1})$与$(Y_1,Y_2,...,Y_{n_2})$分别是来自$X$和$Y$的样本，样本均值分别为$\bar{X}$和$\bar{Y}$，样本方差分别为$S_1^2$和$S_2^2$，则有：

1. $$\bar{X}-\bar{Y}\sim N({\mu }_1-{\mu }_2,\frac{{\sigma }_1^2}{n_1}+\frac{{\sigma }_2^2}{n_2})$$，$$U=\frac{(\bar{X}-\bar{Y})-({\mu }_1-{\mu }_2)}{\sqrt{\frac{{\sigma }_1^2}{n_1}+\frac{{\sigma }_2^2}{n_2}}}\sim N(0,1)$$
2. $$F=\frac{S_1^2/{\sigma }_1^2}{S_2^2/{\sigma }_2^2}\sim F(n_1-1,n_2-1)$$