数理统计要点

**** 随机变量

随机变量是一次试验的结果，结果以不同的概率取值域中的不同值。值域离散，则为离散型随机变量。值域连续，则为连续型随机变量。分布列，描述离散型随机变量的取值分布情况。概率密度，描述连续型随机变量的取值分布情况。分布函数F(x) = P(X<=x)。


离散型随机变量的常见分布类型：0-1分布、二项分布、几何分布、泊松分布。连续型随机变量的常见分布类型：均匀分布、正态分布。


一维随机变量 ---> 多维随机变量（最常用的，二维随机变量）


两个随机变量相互独立：P(X<=x, Y<=y) = P(X<=x) * P(Y<=y)。


随机变量的函数也是随机变量。


随机变量的两个重要的数字特征：期望，表示为E(X)；方差，定义为(X-E(X))*(X-E(X)的期望，表示为D(X)。


协方差，定义为(X-E(X))*(Y-E(Y))的期望，表示为cov(X,Y)。相关系数，定义为 cov(X,Y)/(√D(X)*√D(Y))，表示为 ρ(X,Y)。|ρ(X,Y)| <= 1，反映两个随机变量的相关程度。

**** 样本及统计量

同一总体上相互独立的n次试验的结果，构成一个容量为n的样本，该样本包含n个随机变量，也可看成一个n维随机变量。样本来自总体，反映总体。


以样本中各个随机变量为自变量的函数称为统计量。统计量也是随机变量，统计量的分布称为抽样分布。通过构造统计量得到一些常用的分布，然后通过查分布表可以定量确定随机变量的概率分布情况。


常用的分布类型：正态分布、卡方分布、t分布、F分布。


统计量的两类应用：参数估计和假设检验。


参数估计问题是从样本出发，构造一些适当的统计量用于总体某些参数或数字特征的估计量。同一个参数要构造什么统计量来估计？可以有两种选择：矩估计量、极大似然估计量。在线性回归问题中，还可以选择最小二乘估计量。


假设检验问题是根据样本信息，判断总体分布是否具有指定的特征。假设检验的一般步骤：1）提出原假设和备择假设；2）构造检验统计量，在原假设为真的条件下，确定该统计量的分布；3）在给定显著性水平下，查统计量所服从的分布表，求出统计量的临界值，确定统计量的拒绝域；4）用样本计算统计量的观测值，若计算得到的观测值落在拒绝域中，则拒绝原假设，否则接受原假设。