【数理统计】极限定理及抽样分布

devtools/2024/12/22 21:02:00/

文章目录

  • 中心极限定理
  • 抽样分布
    • 卡方分布
    • t分布
    • F分布
    • 正态总体的【样本均值】与【样本方差】的分布

中心极限定理

【中心极限定理】设随机变量 X k ( k = 1 , 2 , . . . , n ) X_k(k=1,2,...,n) Xk(k=1,2,...,n) 相互独立且服从同一分布,数学期望 E ( X k ) = μ E(X_k)=\mu E(Xk)=μ,方差 D ( X k ) = σ 2 D(X_k)=\sigma^2 D(Xk)=σ2,当 n n n 充分大时,有

  • X ˉ − μ σ / n ∼ N ( 0 , 1 ) \frac{\bar{X} - \mu}{\sigma/\sqrt{n}} \sim N(0,1) σ/n XˉμN(0,1) 近似成立
  • X ˉ ∼ N ( μ , σ 2 / n ) \bar{X} \sim N(\mu,\sigma^2/n) XˉN(μ,σ2/n) 近似成立
  • ∑ k = 1 n X k ∼ N ( n μ , n σ 2 ) \sum_{k=1}^{n}X_k \sim N(n\mu,n\sigma^2) k=1nXkN(nμ,nσ2) 近似成立

【棣莫孚—拉普拉斯中心极限定理】设随机变量 X k ∼ B ( n , p ) ( k = 1 , 2 , . . . , n ) X_k \sim B(n,p)(k=1,2,...,n) XkB(n,p)(k=1,2,...,n)(二项分布),数学期望 E ( X k ) = p E(X_k)=p E(Xk)=p,方差 D ( X k ) = p ( 1 − p ) D(X_k)=p(1-p) D(Xk)=p(1p),当 n n n 充分大时,有

lim ⁡ n → ∞ P { X n − n p n p ( 1 − p ) } ≈ Φ ( x ) (此为标准正态分布的分布函数) \lim_{n \rightarrow \infty} P\left\{ \frac{X_n - np}{\sqrt{np(1-p)}} \right\} \approx \Phi(x) (此为标准正态分布的分布函数) nlimP{np(1p) Xnnp}Φ(x)(此为标准正态分布的分布函数)

抽样分布

卡方分布

【定义 1】设 X 1 , X 2 , . . . , X n X_1, X_2,..., X_n X1,X2,...,Xn 相互独立且都服从标准正态分布 N ( 0 , 1 ) N(0,1) N(0,1),则:

χ 2 = ∑ i = 1 n X i 2 ∼ χ 2 ( n ) \chi^2 = \sum_{i=1}^{n} X_i^2 \sim \chi^2(n) χ2=i=1nXi2χ2(n)

即随机变量 χ 2 \chi^2 χ2(标准正态随机变量的独立平方和)服从自由度为 n n n 的卡方分布。

【定义 2】对于任意正数 α ( 0 < α < 1 ) \alpha(0<\alpha<1) α(0<α<1),称满足条件

P { χ 2 > χ α 2 ( n ) } = ∫ χ α 2 ( n ) + ∞ f ( x ) d x = α P\{\chi^2 > \chi_{\alpha}^2 (n)\} = \int_{\chi_{\alpha}^2 (n)}^{+\infty} f(x)dx = \alpha P{χ2>χα2(n)}=χα2(n)+f(x)dx=α

的数为卡方分布的上 α \alpha α 分位数。

有如下重要性质:

  • χ 2 ∼ χ 2 ( n ) \chi^2 \sim \chi^2(n) χ2χ2(n),则: E ( χ 2 ) = n E(\chi^2) = n E(χ2)=n D ( χ 2 ) = 2 n D(\chi^2) = 2n D(χ2)=2n
  • Y 1 ∼ χ 2 ( n 1 ) Y_1 \sim \chi^2(n_1) Y1χ2(n1) Y 2 ∼ χ 2 ( n 2 ) Y_2 \sim \chi^2(n_2) Y2χ2(n2) 相互独立,则: Y 1 + Y 2 ∼ χ 2 ( n 1 + n 2 ) Y_1 + Y_2 \sim \chi^2(n_1 + n_2) Y1+Y2χ2(n1+n2)
  • n n n 足够大( n > 40 n>40 n>40)时,有: χ α 2 ( n ) ≈ 1 2 ( u α + 2 n − 1 ) 2 \chi_{\alpha}^2 (n) \approx \frac{1}{2}(u_{\alpha} + \sqrt{2n-1})^2 χα2(n)21(uα+2n1 )2

t分布

【定义 1】设 X ∼ N ( 0 , 1 ) X \sim N(0,1) XN(0,1) Y ∼ χ 2 ( n ) Y \sim \chi^2(n) Yχ2(n) 相互独立,则

t = X Y / N ∼ t ( n ) t = \frac{X}{\sqrt{Y/N}} \sim t(n) t=Y/N Xt(n)

即随机变量 t t t 服从自由度为 n n n 的 t 分布。

【定义 2】对于任意正数 α ( 0 < α < 1 ) \alpha(0<\alpha<1) α(0<α<1),称满足条件

P { t > t α ( n ) } = ∫ t α ( n ) + ∞ f ( x ) d x = α P\{t > t_{\alpha} (n)\} = \int_{t_{\alpha} (n)}^{+\infty} f(x)dx = \alpha P{t>tα(n)}=tα(n)+f(x)dx=α

的数为 t 分布的上 α \alpha α 分位数。

有如下重要性质:

  • t α ( n ) = − t 1 − α ( n ) t_{\alpha}(n) = -t_{1-\alpha}(n) tα(n)=t1α(n)
  • n ( n > 45 ) n (n>45) n(n>45) 足够大时,有: t α ( n ) ≈ u α t_{\alpha}(n) \approx u_{\alpha} tα(n)uα

F分布

【定义 1】设 U ∼ χ 2 ( n 1 ) U \sim \chi^2(n_1) Uχ2(n1) V ∼ χ 2 ( n 2 ) V \sim \chi^2(n_2) Vχ2(n2) 相互独立,则

F = U / n 1 V / n 2 ∼ F ( n 1 , n 2 ) F = \frac{U/n_1}{V/n_2} \sim F(n_1,n_2) F=V/n2U/n1F(n1,n2)

即随机变量 F F F 服从自由度为 ( n 1 , n 2 ) (n_1,n_2) (n1,n2) 的 F 分布。

【定义 2】对于任意正数 α ( 0 < α < 1 ) \alpha(0<\alpha<1) α(0<α<1),称满足条件

P { F > F α ( n 1 , n 2 ) } = ∫ F α ( n 1 , n 2 ) + ∞ f ( x ) d x = α P\{F > F_{\alpha} (n_1,n_2)\} = \int_{F_{\alpha} (n_1,n_2)}^{+\infty} f(x)dx = \alpha P{F>Fα(n1,n2)}=Fα(n1,n2)+f(x)dx=α

的数为 F 分布的上 α \alpha α 分位数。

有如下重要性质:

  • F 1 − α ( n 1 , n 2 ) = 1 F α ( n 2 , n 1 ) F_{1-\alpha} (n_1,n_2) = \frac{1}{F_{\alpha} (n_2,n_1)} F1α(n1,n2)=Fα(n2,n1)1
  • 1 F ∼ F ( n 2 , n 1 ) \frac{1}{F} \sim F(n_2, n_1) F1F(n2,n1)

正态总体的【样本均值】与【样本方差】的分布

【定理】设 X 1 , X 2 , . . . , X n X_1, X_2,..., X_n X1,X2,...,Xn 是来自正态总体 N ( μ , σ 2 ) N(\mu, \sigma^2) N(μ,σ2) 的样本, X ˉ \bar{X} Xˉ 为样本均值, S 2 S^2 S2 为样本方差,则有:

  • X ˉ \bar{X} Xˉ S 2 S^2 S2 相互独立
  • X ˉ ∼ N ( μ , σ 2 / n ) \bar{X} \sim N(\mu, \sigma^2/n) XˉN(μ,σ2/n)
  • ( n − 1 ) S 2 σ 2 ∼ χ 2 ( n − 1 ) \frac{(n-1)S^2}{\sigma^2} \sim \chi^2(n-1) σ2(n1)S2χ2(n1)
  • X ˉ − μ S / n ∼ t ( n − 1 ) \frac{\bar{X} - \mu}{S/\sqrt{n}} \sim t(n-1) S/n Xˉμt(n1)

http://www.ppmy.cn/devtools/144477.html

相关文章

D 咖智能饮品机器人:开启商业新篇

在科技迅猛发展的当下&#xff0c;智能机器人正逐步渗透到各个商业领域&#xff0c;D 咖智能饮品机器人便是其中的佼佼者&#xff0c;它的出现为饮品行业带来全新的发展契机&#xff0c;有望开启商业新篇。 从大环境来看&#xff0c;消费者对于饮品的需求日益多元化和个性化。他…

你的第一个博客-第二弹

按照第一弹中博客整体布局和功能要求&#xff0c;给出 templates 目录下相关的 HTML 模板代码。 1. base.html (基础模板) base.html 是所有页面的基础模板&#xff0c;包含了公共的 HTML 结构&#xff08;如头部、尾部、导航条等&#xff09;&#xff0c;其他页面会继承它。…

怎么给git动图扣除背景?

环境&#xff1a; Wn10 专业版 python 问题描述&#xff1a; 怎么给git动图扣除背景&#xff1f; 解决方案&#xff1a; 要将一个 GIF 动图的尺寸改为 50x50 并且把黑色背景改成透明&#xff0c;您可以使用 Python 的 Pillow 库。Pillow 支持处理静态图像和动画 GIF。下面…

JaxaFx学习(三)

目录&#xff1a; &#xff08;1&#xff09;JavaFx MVVM架构实现 &#xff08;2&#xff09;javaFX知识点 &#xff08;3&#xff09;JavaFx的MVC架构 &#xff08;4&#xff09;JavaFx事件处理机制 &#xff08;5&#xff09;多窗体编程 &#xff08;6&#xff09;数据…

本地计算机上的MySQL服务启动后停止(connection refused: connect)解决一系列数据库连接不上的问题

推荐其他可能可以解决的博客&#xff1a; 【完美解决】mysql启动不了:本地计算机上的MySQL服务启动后停止-CSDN博客 1. 查看自己的mysql服务是否启动了&#xff0c;如果启动后又关闭了就使用下面这种方法 我是使用重新安装 MySQL 服务解决的 如果服务依然启动失败&#xf…

【计算机网络】期末考试预习复习|中

作业讲解 转发器、网桥、路由器和网关(4-6) 作为中间设备&#xff0c;转发器、网桥、路由器和网关有何区别&#xff1f; (1) 物理层使用的中间设备叫做转发器(repeater)。 (2) 数据链路层使用的中间设备叫做网桥或桥接器(bridge)。 (3) 网络层使用的中间设备叫做路…

构建lib项目-vite,rollup

目标&#xff1a;通过vite构建一个项目工程&#xff0c;能够构建出一个index.js的库。同时&#xff0c;能够将第三方的依赖打进包里。 基本步骤&#xff1a; 1. npm init -y 创建一个工程 2. 安装vite依赖 3. 创建vite.config.js配置文件 4. package.json的main字段配置 …

lvs介绍与应用

LVS介绍 LVS&#xff08;Linux Virtual Server&#xff09;是一种基于Linux操作系统的虚拟服务器技术&#xff0c;主要用于实现负载均衡和高可用性。它通过将客户端请求分发到多台后端服务器上&#xff0c;从而提高整体服务的处理能力和可靠性。lvs是基于集群的方式实现 集群…