目录期中只有 15%,摆烂!
- Ch1 概率论
- Ch2 变换和期望
- Ch3 常见分布族
- Ch4 多维随机变量
- Ch5 随机样本的性质
Ch1 概率论
Ch2 变换和期望
Ch3 常见分布族
Ch4 多维随机变量
Ch5 随机样本的性质
5.1 随机样本的基本概念
Def
- 随机样本
- 总体:\(x\sim f(x)\)
5.2 随机样本中随机变量的和
Def
- 统计量:\(Y=T(x_1,...,x_n)\)(不能是含参数的函数)
- 抽样分布:\(Y\) 的概率分布
- 样本均值:随机样本值的算术平均
- 样本方差:,样本标准差 \(S\)
Theorem 5.2.4
- \(min_a\Sigma_{i=1}^n|x_i-a|=\Sigma_{i=1}^n|x_i-median(x_1,...,x_n)|\)
Lemma 5.2.5
Theorem 5.2.6(\(\overline X\) 和 \(S^2\) 的无偏性)
- 统计量 \(\overline X\) 和 \(S^2\) 分别称为 \(\mu\) 和 \(\sigma^2\) 的无偏估计量
Example 5.2.10(Cauchy 随机变量的和)
- \(Cauchy(0,\sigma)+Cauchy(0,\tau)\sim Cauchy(0,\sigma+\tau)\)
5.3 正态分布的抽样
Theorem 5.3.1(正态分布下 \(\overline X\) 和 \(S^2\) 的分布)
Lemma 5.3.2(关于 \(\chi^2\) 随机变量的若干事实)
正态随机变量的线性组合
Lemma 5.3.3
- 对于由独立的正态随机变量的线性函数构成的随机变量,协方差等于 0 等价于独立。
导出分布:\(t\) 分布与 \(F\) 分布
略。
5.4 次序统计量
Def
- 次序统计量:\(X_{(1)},...,X_{(n)}\)
- 样本极差 \(R=X_{(n)}-X_{(1)}\)
- 样本中位数
Theorem 5.4.4(次序统计量的 pdf)
Example 5.4.5
Theorem 5.4.6(次序统计量的联合 pdf)
5.5 收敛的概念
依概率收敛
Def
- 依概率收敛:
Theorem 5.5.2(弱大数定律)
Example 5.5.3(\(S^2\) 的相合性)
几乎处处收敛
Def
- 几乎处处收敛: (几乎处处收敛 \(\Rightarrow\) 依概率收敛)
Theorem 5.5.9(强大数定律)
依分布收敛
Def
- 依分布收敛:
Theorem 5.5.12(依概率收敛于随机变量 \(\Rightarrow\) 依分布收敛)
Theorem 5.5.13(依概率收敛于常数 \(\Leftrightarrow\) 依分布收敛)
Theorem 5.5.15(中心极限定理)
Theorem 5.5.17(Slutsky 定理)
- c. \(\frac{X_n}{Y_n}\rightarrow \frac{X}{C}\)