——如阅读体验不佳,可转为横屏阅读;如微信无法横屏,可尝试文末方法。
(一)基本概念
(1)数理统计:数理统计以概率论为理论基础,根据试验(实验或观察)得到的数据,来研究随机现象,对研究对象的客观规律性做出种种合理的估计和判断。(概率是先验给出的,概率是统计的结果,概率与统计“互逆”)
(2)数理统计的内容:数理统计解决两类问题,试验设计和统计推断,统计推断又分为两类,一类是对未知参数(概率、期望和方差)及对未知概率分布(分布函数、概率密度或分布列)的估计问题;另一类是对未知参数和概率分布的假设检验问题。
(3)总体:试验全部可能的观察值称为总体。总体中包含的个体的个数称为总体的容量。容量为有限的总体称为有限总体,容量为无限的总体称为无限总体。(总体与样本空间是不同的:①总体是试验的全部可能的观察值,元素可以相同;样本空间是试验的全部可能结果的集合,即样本分量的取值范围,元素不能相同。②总体是一个随机变量(一维),样本是n个随机变量(n维)。例如,若设总体为(1,2,3,1,2,3),则样本空间为(1,2,3),当样本容量为3时,(1,2,3)、(1,1,2)、(1,1,1)均可能是样本值。)
(4)个体:试验中每一个可能的观察值称为个体。
(5)简单随机抽样:所谓从总体中抽取一个个体,就是对总体X进行一次观察并记录其结果。在相同的条件下对总体X进行n次重复的、独立的观察,将n次观察结果按试验的次序记为
,由于
是对随机变量X观察的结果,且各次观察是在相同的条件下独立进行的,所以有理由认为
是相互独立的,且都是与X具有相同分布的随机变量,这样得到的
称为来自总体X的一个简单随机样本,n称为这个样本的容量。当n次观察一经完成,就得到一组实数
,它们依次是随机变量
的观察值,称为样本值。(简单随机抽样实质是独立重复试验,简单随机抽样得到的样本
满足:①
相互独立;②
(
)与总体X有相同的分布。对于有限总体,采用放回抽样可得到简单随机样本,当总体容量远大于样本容量时,可将不放回抽样近似当作放回抽样处理;对于无限总体,采用不放回抽样可得到简单随机样本。)
(6)样本值:称随机变量
为样本值。
(7)设X是具有分布函数F的随机变量,若
是具有同一分布函数F的、相互独立的随机变量,则称
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
称为样本值,又称为X的n个独立的观察值。也可将样本看成一个随机向量,写成
。
(8)若
为F的一个样本,则
相互独立,且它们的分布函数都为F,所以
的分布函数为
,又若X具有概率密度f,则
的概率密度为
。
(9)统计量:设
是来自总体X的一个样本,
是定义在样本空间上的关于
的函数,g中不含未知参数,则称
是一个统计量。统计量
是随机变量
的函数,是一个随机变量,设
是相应于样本
的样本值,则称
是
的观察值。
(10)样本矩:设
是总体X的一个样本,k为任意自然数,则统计量
,
称为样本k阶原点矩,统计量
,
称为样本k阶中心矩。
(若总体X的k阶矩
存在,则当
时,
,
。这是因为
独立且与X同分布,所以
相互独立且与
同分布,故有
,由辛钦大数定律可知,
,
,由依概率收敛的数列的性质可知
,g为连续函数,这就是矩估计方法的依据)
(11)经验分布函数:可以作出与总体分布函数
相应的统计量——经验分布函数。它的作法如下:设
是总体F的一个样本,用
,
表示
中不大于
的随机变量的个数,定义经验分布函数
为
,
(
可看作是频率值)。对于一个样本值,经验分布函数
的观察值是很容易得到的(
的观察值仍以
表示)。一般,设
是总体F的一个容量为n的样本值,先将
按自小到大的次序排序,并重新编号,设为
,则经验分布函数
的观察值为
,
(要求
,k为取值相同的观察值中最后一个的下标)。
对于经验分布函数
,有以下结果:对于任一实数x,当
时
以概率1一致收敛于分布函数
,即
。因此,对于任一实数x,当n充分大时,经验分布函数的任一个观察值
与总体分布函数
只有微小的差别,从而在实际上可当作
来使用。(对于任意固定的x,
,
,从而可知对于固定的x,
)(频率依概率收敛于概率)
(12)抽样分布:统计量的分布称为抽样分布。
(二)样本的综合指标
随机变量的数字特征(期望、方差、均值向量、协方差/协方差矩阵)是对(一维或多维)随机变量所有可能取值情况的整体反映(纵向),是一个具体的数(或矩阵)。样本的综合指标(样本均值、样本方差、样本均值向量、样本协方差矩阵)是对(n维)样本的各个分量(个体)的一次具体取值的综合反映(横向),是随机变量的函数,是一个新的一维随机变量(或称统计量)。
(1)样本均值
,
,(
,
)
(2)样本方差
,
,(对比随机变量的方差)(
,

在求解
时,使用了如下计算技巧,将不独立的
和
,改成独立的
和
两部分。)
(3)样本标准差
,
(4)样本k阶原点矩
,
(5)样本k阶中心矩
,
文章合集:
点击下方公众号主页,关注以阅读更多文章
——可选择“【右上角···】→【在浏览器中打开】”进行横屏阅读。