概率论小结6

样本及抽样分布

一、随机样本

定义： 设X是具有分布函数F的随机变量，若X₁, X₂, …, X_n 是具有同一分布函数F的、相互独立的随机变量，则称X₁, X₂, …, X_n 为从分布函数F（或总体F、或总体X）得到的容量为n的简单随机样本，简称样本，它们的观察值x₁, x₂, …, x_n 称为样本值，又称为X的n个独立的观察值。

试验全部可能的观察值称为总体。一个总体对应于一个随机变量X。每一个可能的观察值称为个体。总体中所包含的个体的个数称为总体的容量。

二、箱线图

分位数： 设有容量为n的样本观察值x₁, x₂, …, x_n 样本p分位数(0<p<1)记为x_p，它具有以下的性质：(1)至少有np个观察值小于或等于x_p；(2)至少有n(1-p)个观察值大于或等于x_p。
$x_p=\{\begin{array}{l}{x}_{([np]+1)},当np不是整数\\ \\ \frac{1}{2}[x_{(np)}+x_{(np+1)}],当np是整数\end{array}$

0.25分位数x_0.25称为第一四分位数，又记为Q₁；0.5分位数x_0.5称为样本中位数，又记为Q₂或M；0.75分位数x_0.75称为第三四分位数，又记为Q₃；

箱线图：
箱线图如下所示

从箱线图可以看出：
1.中心位置：中位数所在位置就是数据集的中心。
2.散布程度：全部数据都落在[Min,Max]之内，在区间[Min,Q₁]，[Q₁,M]，[M,Q₃]，[Q₃,Max]的数据个数各约占1/4. 区间较短时，表示落在该区间的点较集中，反之较为分散。
3.关于对称性：若中位数位于箱子的中间位置，则数据分布较为对称。又若Min离M的距离较Max离M的距离大，则表示数据分布向左倾斜，反之表示数据向右倾斜，且能看出分布尾部的长短。

疑似异常值： 在数据集中某一观察值不寻常地大于或小于该数据集中的其他数据，称为疑似异常值。
Q₁与Q₃之间的距离Q₃-Q₁$\stackrel{记为}{=}$IQR，称为四分位数间距。若数据小于Q₁-1.5IQR或大于Q₃+1.5IQR，就认为它是疑似异常值。

修正箱线图： 画出疑似异常值并以$\ast$表示。自箱子左侧引一水平线段直至数据集中除去疑似异常值后的最小值，又自箱子右侧引一水平线直至数据集中除去疑似异常值后的最大值。

三、抽样分布

统计量： 设X₁, X₂, …, X_n 是来自总体X的一个样本，g(X₁, X₂, …, X_n )是X₁, X₂, …, X_n 的函数，若g中不含未知参数，则称g(X₁, X₂, …, X_n )是一个统计量。
几个常用的统计量：
样本平均值：$\overline{X}=\frac{1}{n}\sum _{i=1}^n{X}_i$
样本方差：$S^2=\frac{1}{n-1}\sum _{i=1}^n(X_i-\overline{X}{)}^2=\frac{1}{n-1}\sum _{i=1}^n(X_i^2-n{\overline{X}}^2)$
样本标准差：$S=\sqrt{S^2}=\sqrt{\frac{1}{n-1}\sum _{i=1}^n(X_i-\overline{X}{)}^2}$
样本k阶（原点）距：$A_k=\frac{1}{n}\sum _{i=1}^n{X}_i^k$, k=1,2,…
样本k阶中心距：$B_k=\frac{1}{n}\sum _{i=1}^n(X_i-\overline{X}{)}^k$, k=2,3,…

经验分布函数：设X₁, X₂, …, X_n 是来自总体分布函数F(x)的一个样本，用S(x)，$-\infty <x<\infty$表示X₁, X₂, …, X_n 中不大于x的随机变量的个数。定义经验分布函数F_n(x)为
$F_n(x)=\frac{1}{n}S(x),-\infty <x<\infty .$
经验分布函数F_n(x)的观察值为
$F_n(x)=\{\begin{array}{l}0,若x<x_{(1)},\\ \\ \frac{k}{n},若x_{(k)}⩽x<x_{(k+1)},k=1,2,...,n-1,\\ \\ 1,若x⩾x_{}\end{array}$