正态总体的样本均值与样本方差的分布
文章目录
- 小知识
- 定理1
- 定理2
- 定理3
- 证明:
- 定理4
小知识
- 总体XXX,均值方差存在,分别为μ,σ2\mu,\sigma^2μ,σ2
- X1,...,XnX_1,...,X_nX1,...,Xn是来自XXX的一个样本
- X‾,S2\overline{X},S^2X,S2是样本均值和方差
- 于是有E(X‾)=μ,E(S2)=σ2E(\overline{X})=\mu,E(S^2)=\sigma^2E(X)=μ,E(S2)=σ2 D(X‾)=σ2nD(\overline{X})=\frac{\sigma^2}nD(X)=nσ2
- 也就是说,样本均值和样本方差的期望=总体
- 对于正态分布来说,只要确定①服从正态分布②已知期望和方差⇒\Rightarrow⇒确定分布
- 设X∼N(μ,σ2)⇒X‾服从正态分布X\sim N(\mu,\sigma^2)\Rightarrow\overline{X}服从正态分布X∼N(μ,σ2)⇒X服从正态分布
定理1
- X1,...,XnX_1,...,X_nX1,...,Xn是来自X∼N(μ,σ2)X\sim N(\mu,\sigma^2)X∼N(μ,σ2)的一个样本
- X‾∼N(μ,σ2n)\overline{X}\sim N(\mu,\frac{\sigma^2}n)X∼N(μ,nσ2)
定理2
- X1,...,XnX_1,...,X_nX1,...,Xn是来自X∼N(μ,σ2)X\sim N(\mu,\sigma^2)X∼N(μ,σ2)的一个样本
- ①(n−1)S2σ2∼χ2(n−1)\frac{(n-1)S^2}{\sigma^2}\sim \chi^2(n-1)σ2(n−1)S2∼χ2(n−1)
- ②X‾与S2\overline{X}与S^2X与S2相互独立
定理3
- X‾−μS/n∼t(n−1)\frac{\overline{X}-\mu}{S/\sqrt{n}}\sim t(n-1)S/nX−μ∼t(n−1)
证明:
- X‾−μσ/n∼N(0,1)\frac{\overline{X}-\mu}{\sigma/\sqrt{n}}\sim N(0,1)σ/nX−μ∼N(0,1)
- (n−1)S2σ2∼χ2(n−1)\frac{(n-1)S^2}{\sigma^2}\sim \chi^2(n-1)σ2(n−1)S2∼χ2(n−1)
定理4
- X1,...,Xn1∼N(μ1,σ12),Y1,...,Yn2∼N(μ2,σ22)X_1,...,X_{n_1}\sim N(\mu_1,\sigma_1^2),Y_1,...,Y_{n_2}\sim N(\mu_2,\sigma_2^2)X1,...,Xn1∼N(μ1,σ12),Y1,...,Yn2∼N(μ2,σ22)
- (X1,...,Xn1)与(Y1,...,Yn2)(X_1,...,X_{n_1})与(Y_1,...,Y_{n_2})(X1,...,Xn1)与(Y1,...,Yn2)相互独立
- ①S12/S22σ12/σ22∼F(n1−1,n2−1)\frac{S_1^2/S_2^2}{\sigma_1^2/\sigma_2^2}\sim F(n_1-1,n_2-1)σ12/σ22S12/S22∼F(n1−1,n2−1)
- ②σ1=σ2=σ\sigma_1=\sigma_2=\sigmaσ1=σ2=σ时,(X‾−Y‾)−(μ1−μ2)Sw1n1+1n2∼t(n1+n2−2)\frac{(\overline{X}-\overline{Y})-\left(\mu_{1}-\mu_{2}\right)}{S_{w} \sqrt{\frac{1}{n_{1}}+\frac{1}{n_{2}}}} \sim t\left(n_{1}+n_{2}-2\right)Swn11+n21(X−Y)−(μ1−μ2)∼t(n1+n2−2) Sw2=(n1−1)S12+(n2−1)S22n1+n2−2,Sw=Sw2S_{w}^{2}=\frac{\left(n_{1}-1\right) S_{1}^{2}+\left(n_{2}-1\right) S_{2}^{2}}{n_{1}+n_{2}-2}, \quad S_{w}=\sqrt{S_{w}^{2}}Sw2=n1+n2−2(n1−1)S12+(n2−1)S22,Sw=Sw2
正态总体的样本均值与样本方差的分布相关推荐
- 单正态总体的样本均值和样本方差的分布
首先,假定(X1,X2,X3,...,Xn)(X_1,X_2,X_3,...,X_n)(X1,X2,X3,...,Xn)为总体X(μ,δ2)X~(\mu,δ^2)X (μ,δ2)的一个样本 样 ...
- 关于正态总体的样本均值与样本方差的重要结论
概要 这些结论为参数的假设检验提供了理论基础,非常重要.参考<概率论与数理统计>记录一下. 重要定理 设 \(x_1,\cdots, x_n\) 是来自正态总体 \(N(\mu, \ ...
- 样本均值和样本方差的无偏性证明、正态分布样本方差的方差
样本均值和样本方差的无偏性 对于独立同分布的样本$x_1...x_n$来说,他们的均值为与方差分别为: $ \begin{aligned}&\bar{x} = \frac{1}{n}\sum\ ...
- 两个卡方分布之和_正态分布样本均值和样本方差的独立性
前记:假期开始后,主要精力放在了科研上,最近终于抽点时间写点更新. 在数理统计的学习中,有一个重要的结论,即对于正态分布而言,样本均值和样本方差是独立的.这个结论初看起来是有些让人吃惊的,因为直观上样 ...
- 机器学习笔记之降维(二)样本均值与样本方差的矩阵表示
机器学习笔记之降维--样本均值与样本方差的矩阵表示 引言 场景介绍 样本均值与样本方差 样本均值与样本方差的矩阵表示 样本均值的矩阵表达 样本方差的矩阵表达 中心矩阵的性质 引言 上一节介绍了维数灾难 ...
- 概率统计与机器学习:期望,方差,数学期望,样本均值,样本方差之间的区别
1.样本均值:我们有n个样本,每个样本的观测值为Xi,那么样本均值指的是 1/n * ∑x(i),求n个观测值的平均值 2.数学期望:就是样本均值,是随机变量,即样本数其实并不是确定的 PS:从概率论 ...
- 统计学简介之六——样本方差的分布
统计学简介之六--样本方差的分布 一.样本方差分布的定义 二.两个样本方差比的分布
- 概论第6章_正态总体的抽样分布_卡方分布_F分布_t分布
一 卡方分布 定义 设 X 1 , X 2 , . . . , X n X_1, X_2,..., X_n X1,X2,...,Xn 独立同分布于标准正态分布N(0, 1), 则 χ 2 = X ...
- 模拟100个 正态分布的随机数,计算其样本均值和样本方差,观察其余真实值的差异。当增大样本容量时,其差异有何规律。
用R软件随机模拟产生6组均值为5,方差为100的随机数,其样本个数分别设为100,1000,10000,100000,1000000,10000000,100000000.观察各组数据的样本方差和样本 ...
最新文章
- 《非暴力沟通》- 笔记
- Sedawk笔记之awk篇:快速了解Awk(三)
- Java 8流中的常见SQL子句及其等效项
- wcl怀旧服网站中文查服务器fb进度,魔兽世界怀旧服wa插件字符串分享 WCL评分和服务器排行查询...
- 面试官:如何实现 List 集合去重?
- Think in AngularJS :对比 jQuery 和 AngularJS 的不同思维模式
- python多重继承super父类参数_python – 多重继承如何与super()和不同的__init __()参数一起使用?...
- Windows设置共享文件夹,ubuntu访问
- hdu 4121 xiangqi 模拟
- 张北草原和锡林郭勒草原区别_草原:比您不知道的恶魔还强
- 中国营养与健康调查(CHNS)2018年最新数据
- Java权限管理系统之代码实现(二)
- google 安裝包 android,googleplaystore安装包
- Xposed模拟位置
- BZOJ3755 : Pty爬山
- 矿小助 全局主题 | 一个插件实现网易云音乐主题效果 | Flutter
- 两个故事讲述什么是消息队列
- 百度超级链作为专班核心成员 参与北京市政务区块链顶层设计
- Labview视觉一键尺寸测量仪,多产品,多尺寸,快速编辑, 测量,导出结果
- 两部苹果手机同步照片_手机小常识:手机照片删除如何恢复?安卓、苹果用户必备小知识!...
热门文章
- 指纹及设备检索:zoomeye(入门)
- RVIZ界面没有显示joint publishe的GUI界面解决方法
- 总线控制(总线判优控制、总线通信控制)
- HTML页面结构了解
- electron-builder 打包 exe 报错 Error output: Plugin not found, cannot call UAC::_
- html网页底部弹窗,【HTML】底部弹窗插件代码
- 17个案例印证5大生死逻辑
- 用友t3服务器系统管理显示类型不匹配,登录账套提示:“类型不匹配”
- 身体语言密码_《身体语言密码》总结:简介篇
- 显示HP小型机配置信息的相关命令