重要的抽样分布定理
- 前提:都是单个总体的样本,样本的数学期望和方差都易求,以此来求总体的数学期望和方差
定理1(样本均值的分布)
-
定义:设
X1,X2,...,Xn是取自正态总体
N(μ,σ2)的样本,则有
X~
N(μ,nσ2)
因此
σ/n
X−μ~
N(0,1)
-
作用:可推测总体的
μ、σ2值,但前提是至少有一个已知
证明:
E(X)=E(n1i=1∑nXi)=n1E(i=1∑nXi)=n1(i=1∑nEXi)=n1×n×μ=μ
D(X)=D(n1i=1∑nXi)=n21D(i=1∑nXi)=n21(i=1∑nDXi)=n21×n×σ2=nσ2
定理2 (样本方差的分布)
-
定义:设
X1,X2,...,Xn是取自正态总体
N(μ,σ2)的样本,
X和
S2分别为样本均值和样本方差,则有
σ2(n−1)S2~
χ2(n−1),且
X和
S2相互独立。
-
作用:在总体的
μ未知时,可推测总体的
σ2的值。
定理3(样本的均值与方差的联合分布)
-
设
X1,X2,...,Xn是取自正态总体
N(μ,σ2)的样本,
X和
S2分别为样本均值和样本方差,则有
S/n
X−μ~
t(n−1)
-
作用:在总体的
σ2未知时,可推测总体的
μ值
-
证明:
由定理一可知:
σ/n
X−μ~
N(0,1)
由定理二可知:
σ2(n−1)S2~
χ2(n−1)
且两者相互独立,由t分布的定义可知
σ2(n−1)(n−1)S2
σ/n
X−μ~
t(n−1)→S/n
X−μ~
t(n−1)
定理4 (两总体样本均值差的分布)
-
设
X$N(\mu,\sigma^2)$,$Y$
N(μ2,σ2),且X与Y独立,
X1,X2,...,Xn2是取自X的样本,
Y1,Y2,...,Yn2取自Y的样本,
X和
Y分别是这两个样本的样本均值,
S12和
S22分别是这两个样本的样本方差,则有
n1+n2−2(n−1)S12+(n2−1S22)
n11+n21
X−Y−(μ1−μ2)~
t(n1+n2−2)
定理5 (两总体样本方差比的分布)
-
设
X$N(\mu,\sigma^2)$,$Y$
N(μ2,σ2),且X与Y独立,
X1,X2,...,Xn2是取自X的样本,
Y1,Y2,...,Yn2取自Y的样本,
X和
Y分别是这两个样本的样本均值,
S12和
S22分别是这两个样本的样本方差,则有
S22/σ22S12/σ12~
F(n1−1,n2−1)
-
作用:可推测两个总体的方差比值