2010年1月21日星期四

统计笔记(一)

  1. 协方差(covariance)定义:
    Cov( Y1 , Y2 )=E[( Y1 - μ1 )( Y2 - μ2 )]

    其中 E()表示期望值, μ1 =E( Y1 ) μ2 =E( Y2 )
  2. 相关系数(coefficient of correlation)定义:
    ρ= Cov( Y1 , Y2 ) σ1 σ2

    其中 σ1 σ2 分别是 Y1 Y2 的标准差。
  3. 任意分布样本的平均值
    Y1 Y2 ,..., Yn E( Yi )=μ V( Yi )= σ2 的独立随机变量,则平均值
    Y ¯ = 1 n i=1 n Yi

    的期望值 E( Y ¯ )=μ,方差 V( Y ¯ )= σ2 /n
  4. 正态分布样本的平均值
    Y1 Y2 ,..., Yn 是来自正态分布(期望值为 μ,方差为 σ2 )的样本,其平均值
    Y ¯ = 1 n i=1 n Yi

    也呈正态分布,期望值 μ Y ¯ =μ,方差 σ Y ¯ 2 = σ2 /n
  5. Y1 Y2 ,..., Yn 同上,那么
    i=1 n Zi 2 = i=1 n ( Yi -μ σ )2

    呈自由度为 n χ2 分布。
  6. Y1 Y2 ,..., Yn 同上,那么
    (n-1) S2 σ2 = 1 σ2 i=1 n( Yi - Y ¯ )2

    呈自由度为 n-1 χ2 分布。其中,
    S2 = 1 n-1 i=1 n( Yi - Y ¯ )2

    是样本方差。 S2 Y ¯ 为独立随机变量。
  7. 学生 t分布(简称 t分布)定义:
    如果 Z是正态分布随机变量, W是自由度为 ν χ2 分布随机变量,如果 Z W互相独立,则
    T= Z W/ν

    呈自由度为 ν t分布。
  8. 在上面的定义中,如果让 Z=n( Y ¯ -μ)/σ W=(n-1) S2 / σ2 ,则由上面第4和第6条结论可以得出
    n( Y ¯ -μ S )

    呈自由度为 n-1 t分布。
  9. F分布定义:
    如果 W1 W2 为独立 χ2 分布变量,自由度分别为 ν1 ν2 ,则
    F= W1 / ν1 W2 / ν2

    被称作具有 ν1 分子自由度和 ν2 分母自由度的 F分布。
  10. 中心极限定理(Central Limit Theorem)
    Y1 Y2 ,..., Yn 是独立的具有同样分布的随机变量,期望值 E( Yi )=μ,方差 V( Yi )= σ2 <。定义
    Un =n( Y ¯ -μ σ )

    其中
    Y ¯ = 1 n i=1 n Yi

    那么,当 n时, Un 趋近于正态分布。

没有评论: