数理统计口述重点(完整版).docxVIP

数理统计基础1.总体与样本总体：一个随机变量X或其相应的分布函数F(x)样本：通过观察或试验得到的数据注意：样本中每个互相独立，且与总体同分布2.数理统计数理统计就是要根据样本数据推断总体的性质。包括参数估计、假设检验、方差分析、回归分析、正交设计。从逻辑上讲，数理统计采用不完全归纳法。因此得到的结果只能在一定概率下成立。统计量统计量：是样本不含未知参数的函数。用来集中样本信息，提炼信息。常用统计量：样本均值，样本方差，注意是n-13.重要结论注意：，即样本均值是总体期望的无偏估计，即样本方差是总体方差的无偏估计，样本均值的方差=总体方差/n4.常用离散分布：（q=1-p）0-1分布出现1的概率为p,则期望为p二项分布 B(n，p) 期望为np ，方差为npq泊松分布 P() 期望为，方差为几何分布期望为1/p 方差为 q/5.常用连续分布：均匀分布 U(a,b) 期望 (a+b)/2 方差指数分布 E() 期望 1/方差正态分布 N6.正态分布性质注意：若~，则即正态分布的线性组合也是正态分布，线性组合的期望是期望的线性组合。正态分布样本均值服从正态分布7.其他的统计量还有：k阶原点矩，k阶中心矩8.次序统计量如：中位数，对于样本分布不均匀情况，比样本均值更具代表性样本极差，反映了样本波动大小9.经验分布函数：Fn(x)=样本中小于x的个数/n 10.分布自由度为n特别地，~N2(0,1)分布性质：可加性：，11.T分布特点： t分布是对称分布 ET=0极限分布是标准正态分布，在n=7~8时就基本接近正态分布，因此t分布经常用于小样本T分布两侧下降比正态分布平缓，因此t分布α分位数大于正态分布α分位数。12 .F分布，分子分母独立。F分布的倒数也是F分布，则=1T为t分布，T2~F(1,n)13正态总体的抽样分布X~N ( ,2 )则与相互独立，即样本均值与样本方差相互独立~t(n-1)样本矩是总体矩的无偏估计量将未知参数表示成总体矩的线性函数，然后用样本矩作为总体矩的估计量，这样得到的未知参数的估计量即为无偏估计量指数分布概率密度函数累积分布函数 F(x;)=典型考题：~N(0,1)~~F(1,9)~N(0,)~=18 ~参数估计包括点估计和区间估计点估计未知，用统计量估计任一统计量均可作为点估计，评价估计好坏：无偏性：，即估计量的期望等于真值有效性：越小越有效相合性、渐进性或者一致性：真值与估计值无限接近常用点估计方法矩法估计用样本k阶矩作为总体k阶矩的估计或者用样本K阶中心矩作为总体k阶中心矩的估计=特别地，1阶原点矩可以估计总体期望，2阶中心矩可以估计总体方差矩法估计步骤有k个参数，根据分布算出EX,E,…E得到方程组解出，得到估计量极大似然估计法步骤：整理成简单形式，取对数，求导，求驻点。注意：若无驻点或者不可导，用其他方法分析出L的最大值时的值极大似然估计法的普遍性特点：是的估计，则h()是h()的估计区间估计单个正态总体，的置信区间方差2已知, 方差2未知单个正态总体，方差2 的置信区间当已知时, 当未知时2个正态总体，的置信区间已知，未知，但相等未知，但n,m50未知，但n=m2个正态总体的置信区间1 ,2 未知1 ,2 已知---------------------------------------------------------------------------------------------------------------------------------假设检验假设检验分为参数型和非参数型。参数型即分布类型已知。非参数型是检验总体是否服从某分布，以及分布是否相同假设检验思想原理小概率事件在一次试验中几乎不会发生用反证法来看，小概率事件一旦发生，则推翻原假设。假设有原假设H0和备择假设H1第一类错误与第二类错误每次检验一定会有错误，分为第一类错误和第二类错误第一类：拒绝正确的H0,概率为α第二类：接受错误的H0，概率为β一般来说，α增大，则β减小；α减小，则β增大，但二者不能同时很小实际运用中，控制α很小，用其他办法降低β，比如增大样本容量α一般取0.05,0.01等，叫做显著性水平因此，H0成立下，被拒绝概率控制很小；则一旦拒绝Ho就有充分理由，但是接受H0则说服力不强选择原假设原则H0与H1不是对等假设受保护命题、长期成立命题、含有等号命题等作为原假设，希望接受的作为对立假设后果严重的作为第一类错误1个正态总体的参数检验2个正态总体的参数检验非参数检验分组原则：落入每组理论频数不小于5，否则将该组与相邻组合并如果分布含有未知参数，先用极大似然估计得到参数估计，每估计1个参数，自由度减1其他假设检验方法如符号检验法，自和检验法等方差分析不要求计算，但要会填方差分析表结构如下：因