6.3[统计量和抽样分布].pptVIP

6.3 统计量与抽样分布 在利用样本推断总体的性质时，往往不能直接利用样本，而需要对它进行一定的加工，这样才能有效地利用其中的信息，否则，样本只是呈现为一堆“杂乱无章”的数据．; 对样本的加工是十分重要的．对样本加工，主要就是构造统计量． 6.3.1 统计量 定义6.1 设X1，X2，…，Xn为来自总体X的样本，称不含未知参数的样本的函数g(X1，X2，…，Xn)为统计量．若x1，x2，...，xn为样本观测值，则称g(x1，x2，...，xn)为统计量g(X1，X2，…，Xn)的观测值. 统计量是处理、分析数据的主要工具．对统计量的一个最基本的要求就是可以将样本观测值代入进行计算，因而不能含有任何未知的参数．;【例】设X1，X2，…，Xn是来自总体X的样本，X～N(?，? 2)，其中? 、? 2为未知参数，则 X1， min{ X1，X2，…，Xn } 均为统计量， 但诸如 等均不是统计量，因它含有未知参数? 或?． 下面介绍几种常用的统计量 ; 设X1，X2，…，Xn为总体X的样本，x1，x2，...，xn为样本观测值， (1) 样本均值 常用来作为总体期望（均值）的估计量，其观测值为; (2) 样本方差 (3) 样本标准差 样本方差和样本标准差刻画了样本数据的分散程度，常用来作为总体方差和标准差的估计量. 观测值分别为; (4) 样本k阶原点矩（简称样本k阶矩） ，(k = 1，2，…) (5) 样本k阶中心矩 ，(k = 2，3，…) 显然 Ak和Bk的观测值分别记为; 6.3 统计量与抽样分布; 一. ?2分布 定义6.3 设X1，X2，…，Xn为相互独立的随机变量，它们都服从标准正态N(0，1)分布，则称随机变量 服从自由度为n的?2分布，记为?2 ～ ?2(n)． 此处自由度指的是?2中包含独立变量的个数． ?2(n)的概率密度为 其中?(?)称为伽马函数，;?2分布概率密度 图6-1 ?2(n)分布的概率密度曲线 可以看出，随着n的增大，的图形趋于“平缓”，其图形下区域的重心亦逐渐往右下移动．;?2分布具有下面性质： (1) (可加性) 设 是两个相互独立的随机变量，且 (2) 设 证明 (1) 由?2分布的定义易得证明． (2) 因为 相互独立、同分布于 N(0，1)的随机变量X1，X2，…，Xn，使 则;由于Xi独立，且注意到N(0，1)的四阶矩为3，可得 ;;;二. t分布 定义6.4 设X ～ N(0，1)，Y ～ ?2(n)，X与Y独立，则称随机变量 服从自由度为n的t分布，又称为学生氏分布(Student distribution)， 记为T ～ t(n)． t(n)的概率密度为 图6-3 t分布的概率密度曲线; 图6-3 t分布的概率密度曲线 显然t分布的概率密度是x的偶函数，图6-3描绘了n = 1，3，7时t(n)的概率密度曲线．