数理统计各公式.docVIP

基础知识 二点分布的概率函数： 二项分布 泊松分布 几何分布 均匀分布 ； 指数分布 正态分布 期望： 性质: 方差： 性质： 特殊函数的期望和方差: 协方差： 性质： 重要结论：若X与Y不相互独立，利用 其中当时，表示。 ① ，则； ② ，则 ③ ，则 第一章 数理统计的基本概念 联合分布函数＝；联合概率密度函数＝。 总体概率函数为＝，x＝0，1；它的联合概率函数为，xi＝0，1；i＝1，2，……，n 总体概率密度函数为＝，－xi＋；它的联合概率密度函数为＝，－xi＋，i＝1，2，……，n 样本均值：； 样本方差：； 样本k阶原点距：； 样本k阶中心距：。 的分布函数记为： 的分布函数记为：由于 所以 ，的概率密度函数为：， 分布：；。 性质：，。 如果，则 T分布：，；T＝。 F分布：，；F＝。 如果，则。 的分位数： 如果，则 如果，，则； 如果，，且，则； 第二章 参数估计 矩法估计步骤：用表示；变换使表示；用代替表示。矩估计： 极大似然估计（MLE）计算步骤：① 写出似然函数；化简为似然方程：；变形求出 ② 均匀分布或求导不可能为0的，X。（＝） ，则称是的无偏估计量。 ，则称为的渐近无偏估计量。 样本均值是总体均值的无偏估计，样本方差是总体方差的无偏估计。 求无偏估计：在很多时候无偏估计量就是矩法估计量；利用求。 求无偏估计的方差下界的计算步骤：求；再求；得到方差下界方程；求解用表示。（特别当，有，。） 无偏估计量的效率：。＝1，有效估计量；，渐进有效估计量 若，则的估计量: , 的估计量: ，的无偏估计方差下界为，的无偏估计方差下界。 单个正态总体参数的区间估计：置信水平为。 已知，的区间估计： 未知，的区间估计： 未知，的估计： 两个正态总体参数的区间估计：置信水平为。 已知，的区间估计： 未知，但 ，的区间估计： 未知，但、都比较大（均大于50），的区间估计： 均未知，的区间估计： 第三章 假设检验 两类错误： 错误的势函数：若，；则 以上条件下 ① 犯第一类错误的概率： ② 犯第二类错误的概率： ③ 由于，则样本容量 皮尔逊拟核检验： 检验法 已知 拒绝域 统计量 u检验 t检验 检验 F检验 第四章 回归分析 一元线性回归： 的最小二乘估计： 最小二乘估计的性质： 相关系数： 在正态线性模型下： ① ② ③ 检验前提条件：：，： t检验法： （） （当成立时, ） 注：当|T|的|t|时拒绝，否则接受。 F检验法： （） 注：当F值不小于时拒绝，否则接受。 , 和的置信水平为的置信区间为: 预测:的置信水平为的预测区间为 其中 方差来源 平方和 自由度 均方 F统计值 回归 1 剩余 n-2 总和 n-1 第五章 方差分析 有无差异问题计算过程：假设服从正态分布；写不全相等；列如下表： 方差来源 平方和 自由度 均方 F值 显著性 因子 r-1 * * 误差 n-r 总和 n-1 注：将F值与比较：当＝0.01时，若F,则拒绝，称因子A的影响高度显著，记为“* *”；当＝0.05时，若F,则称因子A的影响显著，记为“*”； 当＝0.10时，若F,则称因子A有一定影响，记为“（*）”；当＝0.10时，不拒绝，即F，则称因子A无显著影响，即认为因子A各水平的效应都为零。 哪两个之间有显著差异问题计算过程：均值差的置信区间（回归系数的置信区间） 注：若含0，则认为无明显差异；若不含0，则认为显著大于。 例：设是来自正态总体的一个样本，讨论参数和的无偏估计的方差下界。 解：正态总体X的概率密度函数为＝，， 因此，于是的无偏估计的方差下界是。而，，即是参数的达到方差下界的无偏估计，也就是说是参数的最小方差无偏估计。 计算得＝，则，即的无偏估计的方差下界是。且，。