5-5充分统计量资料.ppt

第五节 充分统计量 数理统计 1、充分性的概念 2、因子分解定理 一、充分性的概念 不损失信息的统计量就是充分统计量.它概括了样本中所含未知参数的全部信息. 例1 为研究某运动员的打靶命中率θ, 对其进行测试。观测10次，发现除第三、六次未命中外，其余八次都命中。此观测结果包括两种信息： （1）打靶10次命中8次； （2）两次未命中出现在第三、六次打靶上。 例2 设总体X分布为b(1,θ), X1 , X2……, Xn是取自总体的样本，令T=X1 +….+Xn , 则在给定T 的取值 t 后, 对任意一组 , 有 该条件分布与θ无关，因而T是充分统计量。 注1：用条件分布与未知参数无关来表示统计量不损失样本中有价值的信息的方法是可行的. 2：充分统计量不唯一. 实际上, 样本本身就是参数的一个充分统计量. 由此, 充分统计量总存在. 3：若样本容量为n, （在上例中）则T1=x1+x2不是充分统计量. 显然,它浪费了n-2个样品的信息. 定义: 注：条件分布可用条件分布列或条件密度函数来表示. 定理1：设T=T(x1,…xn)是参数θ的一个充分统计量，z=ψ(t)具有单值反函数，则Z=ψ(T)也是θ的一个充分统计量.（即充分统计量经一一对应变换后仍是充分统计量） T和θ可以是向量,维数不一定相同 定理2： 以下统称分布列和密度函数为概率函数. 二、因子分解定理 其中g( t,θ)是通过统计量T 的取值而依赖于样本的， 而h(x1,…,xn)不依赖于θ. 例4 设x1 , x2……, xn是取自总体N(μ,1) 的样本， 令 , 则T 为μ 的充分 统计量. 由因子分解定理可知, 是μ的充分统计量。 证： 例5 设总体X分布为U(0,θ), x1 , x2……, xn是取自总体的样本，则T=x(n) 是θ 的充分统计量. 由因子分解定理可知,T=x (n)是θ的充分统计量。 证： 例6 设总体X分布为N(μ,σ2), x1 , x2……, xn是取自总体的样本，θ=( μ,σ2) 是未知的, 则 是θ的充分统计量. 进一步, 它的一一对应变换 仍是充分统计量. 证：