充分统计量简介.pptVIP

总体结构的信息； 总体分布中未知参数的信息； * * §5.5 充分统计量 样本中所包含的关于总体分布的信息分为两部分： 一个“好”的统计量，应该能把样本中包含总体的信息全部提炼出来，即不损失信息的统计量——充分统计量。 5.5.1 充分性的概念 例5.5.1 为研究某个运动员的打靶命中率，我们 对该运动员进行测试，观测其10次，发现除第 三、六次未命中外，其余8次都命中。这样的 观测结果包含了两种信息： (1) 打靶10次命中8次； (2) 2次不命中分别出现在第3次和第6次 打靶上。 第二种信息对了解该运动员的命中率是没有什么帮助的。 设我们对该运动员进行n 次观测，得到 x1, x2,…, xn， 每个xj 取值非0即1，命中为1，不命中为0。 令 T = x1+…+xn ， 统计上将这种“样本加工不损失信息”称为“充分性”。 T为观测到的命中次数。 统计量T =T (x1,x2,…,xn) 抽样分布F?T(t) ， 设样本 x=(x1,x2,…,xn) 分布F? (x)， 分析两个分布的区别： 1.抽样分布 F?T(t) 有可能包含有关?的信息； 2. F?(x) 概括了有关 ? 的一切信息。 在统计量T 的取值为 t 的情况下样本 x 的条件分布F?(x|T=t) 已不含 ? 的信息，这正是统计量具有充分性的含义。 设总体为二点分布 ， 为样本，令 则在给定 的取值后，对任意的一组 该条件分布与 无关 该条件分布与 有关。 2. 定义 定义 1922年英国统计学家Fisher提出了描述总体信息是否被完全提炼的概念—充分统计量. 例 设总体为泊松分布 ， 为样本，令 则在给定 的取值后，对任意的一组 该分布与参数 无关。说明T是 的充分统计量。 同理：T/n也是 的充分统计量。 二、因子分解定理 1. 充分统计量的判别准则 定理2.3(因子分解定理)(Fisher-Nerman准则) (1) 连续型情况 (2) 离散型情况 说明： 以下将通过几个例子来说明判别法则的应用 例 根据因子分解定理证明 解 例 解 例 解 例 设总体有概率分布 从中取得样本 ，其观测值为 .问 是否 的充分统计量? 解： 当 时， ，而 时的概 率函数 由充分统计量的定义知， 不是 的充分统计量. 例 解 是一一对应的，这说明在正态总体场合 常用的 进一步，我们指出这个统计量与 (x, s2 ) ( x , s2 ) 是充分统计量。 例5.5.4 设x1, x2, …, xn是取自总体U(0,? )的样本，即总体的密度函数为 p(x ;? )= 1/? , 0 ? x ? ? 0 , 其他 于是样本的联合密度函数为