数理统计课件 第1章.pptVIP

样本k 阶原点矩 样本k 阶中心矩 顺序统计量Xn,(1), Xn,(2) ， …， Xn,(n) 其中 X(1) =Xn,(1)=min (X1，…，Xn ), X(n) =Xn,(n)=max (X1，…，Xn ). … … … … … Remark 1. 如果观察值相同，则序号小的排在前面； 2. 样本在顺序统计量中的位置称为“秩” (Rank) 例如，有 5 个样本： X1， X2 ， X3 ， X4 ， X5 观察值： 1， 3， 0， 3， 2 排序成： 0， 1， 2， 3， 3 原始样本： X3， X1 ， X5 ， X2 ， X4 顺序统计量： X(1) ，X(2) ，X(3) ，X(4) ，X(5) 秩：R1 = 2，R2 = 4，R3 = 1，R4 = 5，R5 = 3 经验分布函数 样本中位数 n为奇数 n为偶数 样本极差 R= Xn,(n) - Xn,(1) 1.3.4 命题 设X1，X2 ，…，Xn 是来自正态总体N(?,?2 ) 的一组简单随机样本， 则 相互独立 证明 构造一个特殊的 n 阶正交矩阵： 由于样本 X ~ N( ?1n ,?2 In) ， 因此正交变换Y = CX ~ N( n1/2 ?1(1) ,?2 In) ， 而且保持独立性不变，这里1(1)=(1，0，..，0)T ； 1n=(1，1，..，1)T . 由此可知 Y1，Y2 ，…，Yn相互独立. Y1 ~ N( n1/2 ?,?2 ) ，而它实际上就是 ； Y2，..， Yn i.i.d 于N(0,?2 ) ， 由于 ，所以 此外根据正交变换有 因此 (2)与(3)得证. (4)由(1),(2)与(3)易得. 1.3.5 命题 对样本量为n的样本(X1，…，Xn ) (1) 若总体均值与方差分别为?和?2 ，则 (2) 若总体存在有限四阶矩，?3和?4 分别为总体的三阶、四阶中心矩，则 证明 (1) 由于X1，…，Xn 独立同分布，有 (2) 略. 1.3.6 命题 对样本量为n的样本(X1，…，Xn ) (1) 设Ak为样本的k阶原点矩，若总体分布存在有限k阶原点矩?k ，则 E(Ak)= ?k ； 若总体分布存在有限2k阶原点矩?2k ，则 (2) 设k?2,M k为样本的k阶中心矩，若总体分布 存在有限2k阶中心矩?2k ，则 当k??. 当k??. 约定?0=1， ?1 =0. 证明 略. 1.3.7 命题 设(X(1)，…，X ( n) )为样本(X1，…，Xn )的顺序统计量，总体分布F存在分布密度p，则对 1?r?n ,及1?j1 j2…j r?n , (X(j1) ,…, X (j r) )具有联合分布密度p (r)如下： 证明 考虑(X(j1) ,…, X (j r) )落入(yj1 ,…, y j r )邻域内这一事件A的概率.由于 当不满足 时，概率为0.当满足这 一关系时，这一事件A相当于(X1，…，Xn )中， 有j1-1个观测值落入 中， 有1个观测值落入 中， 有j2 - j1-1个观测值落入 中， 有1个观测值落入 中， ……………… 有jr – jr-1-1个观测值落入 中， 有1个观测值落入 中， 有n - jr 个观测值落入 中， 由于 所以按多项分布可以得事件A的概率为 由此可得证命题. 推论1 X ( k)的分布密度 g ( k)为 推论2 若总体为(0,1)上的均匀分布U (0,1) ，则 推论3 对1? i j ?n, (X ( i), X ( j))的联合分布密度 g (i , j )为 推论4 样本极差R= X(n) - X(1)的分布密度g ( r)为 r0, 其他. 推论5 (X(1)，…，X ( n) )的联合分布密度p (n)为 1.4 充分统计量 一、定义 “充分统计量”的概念： 没有损失样本所包含的总体未知参数的任何信息。 统计量 T = T ( X1，…，Xn )是对原始样本的加工，实际上是对数据进行压缩。这种数据压缩可能会出现两种情况，一是样本包含总体未知参数的信息经加工后损失一部分，