数理统计第二章抽样分布2.8节完全统计量
概率论与数理统计教案统计量和抽样分布

概率论与数理统计教案-统计量和抽样分布一、教学目标1. 理解统计量的概念,掌握常见统计量的计算方法。
2. 了解抽样分布的定义,掌握正态分布、t分布、卡方分布等常见抽样分布的特点及应用。
3. 学会使用抽样分布进行假设检验和置信区间的估计。
二、教学内容1. 统计量的概念及计算方法统计量的定义样本均值、样本方差、样本标准差等常见统计量2. 抽样分布的定义及特点抽样分布的定义正态分布、t分布、卡方分布等常见抽样分布的特点3. 抽样分布的应用假设检验置信区间的估计三、教学方法1. 讲授法:讲解统计量的概念、计算方法,抽样分布的定义及特点。
2. 案例分析法:通过具体案例,让学生学会使用抽样分布进行假设检验和置信区间的估计。
3. 互动教学法:引导学生参与课堂讨论,提问、解答问题,提高学生的积极性和主动性。
四、教学步骤1. 引入统计量的概念,讲解样本均值、样本方差、样本标准差等常见统计量的计算方法。
2. 讲解抽样分布的定义,介绍正态分布、t分布、卡方分布等常见抽样分布的特点及应用。
3. 通过具体案例,让学生学会使用抽样分布进行假设检验和置信区间的估计。
五、课后作业1. 复习本节课的内容,整理笔记。
2. 完成课后习题,加深对统计量和抽样分布的理解。
3. 选择一个感兴趣的话题,运用抽样分布进行实际问题的分析。
六、教学评估1. 课堂提问:通过提问了解学生对统计量和抽样分布的理解程度。
2. 课后习题:检查学生对课堂内容的掌握情况。
3. 实际案例分析:评估学生运用抽样分布解决实际问题的能力。
七、拓展与延伸1. 引导学生探讨抽样分布在其他领域的应用,如经济学、生物学等。
2. 介绍与抽样分布相关的高级主题,如非参数统计、贝叶斯统计等。
3. 鼓励学生参加相关竞赛、研究项目,提高实践能力。
八、教学资源1. 教材:概率论与数理统计相关教材。
2. 课件:PPT课件,辅助学生理解统计量和抽样分布的概念及应用。
3. 案例资料:提供具体案例,方便学生学会使用抽样分布进行假设检验和置信区间的估计。
数理统计学:统计量与抽样分布

1.1 总体和样本 1.2 统计量与估计量 1.3 抽样分布 1.4 次序统计量 1.5 充分统计量 1.6 常用的概率分布族
数理统计学 是探讨随机现象统计规律性的一门学科, 它以概率论为理论基础,研究如何以有效的方式收集、 整理和分析受到随机因素影响的数据,从而对所研究对 象的某些特征做出判断。
1.1.2 样本
(2) 抽样, 即从总体抽取若干个个体进行检查或观察,用所 获得的数据对总体进行统计推断。 由于抽样费用低,时间 短,实际使用频繁。本书将在简单随机抽样的基础上研究各 种合理的统计推断方法,这是统计学的基本内容。应该说, 没有抽样就没有统计学
1.1.2 样本
• 从总体中抽出的部分(多数场合是小部分)个体组成的集合 称为样本。
(2)
(n 1)s2
2
~χ2(n-1);
(3) x与s2相互独立。
1.3.2 样本方差的抽样分布
例1.3.3
分别从正态总体N(μ1,σ2)和N(μ2,σ2)中抽取容
量为n1和n2的两个独立样本,其样本方差分别
为
s2 1
和
s2 2
。
(1)证明:对α∈(0,1),
s s s 2 2 (1) 2
Fn(x)依概率收敛于F(x)
1.2.3 样本的经验分布函数及样本矩
定理1.2.1(格里汶科定理)
对任给的自然数n,设x1,x2,…,xn是取自总体分布函数F(x) 的一组样本观察值,Fn(x)为其经验分布函数,记
则有
Dn sup Fn x F x
x
P
lim
n
Dn
0
1
1.2.3 样本的经验分布函数及样本矩
0
Fn x k / n
数理统计统计量及其分布PPT课件

.
9
• 证明: 为任意给定常数c
2
2
xi
c
xi
xxc
2
2
xi x nxi c 2xi xxi c
2
2
2
xi x nxi c xi x
.
10
• 定理5.3.3 设x1,x2,…,xn是来自某个总体的样本,x为
样本均值
1) 若总体分布为 N(,2),则 x~N(,n2)
2) 若总体分布未知或者不是正态分布,但
这五个数来大致描述一批数据的轮廓
.
43Βιβλιοθήκη 5.3.7 五数概括与箱线图
• 一、单批数据箱线图 • 二、多批数据箱线图
.
44
1) 单批数据箱线图
• 用箱线图初步考察测验成绩的分布 sas程序如下:
.
45
.
46
.
47
.
48
2) 多批数据箱线图
对于多批数据,我们可以将各批数据的箱线 图并列起来,从而进行分布特征的比较. sas程序如下:
11 00 11 2 12 12 2
01 20 12 2 21 12 2
02 10 12 1 11 11 1
1 0 2 0 1 2 .2 2 2 2 2 2
32
x(1), x(2), x(3)的分布列分别如下
显然x(1),x(2),x(3)分布不相同
x1和x2的联合分布列为
P x(1)
0, x(2)
.
37
例5.3.9 设总体分布为U(0,1) x1,x2,xn为样, 本
则X(1),X(n) 的联合密度函数为
p 1 ,n ( y ,z ) 极n ( n 差 1 )z (y ) n 2 ,0 y z 1
《数理统计》教案——抽样分布

问题:假定在一段时间内,到达服务窗口的顾客数服从泊松
分布,那么,相继到达的两顾客的间隔时间服从什么分布? 分析与推导:
如果在[0, t ]内到达服务窗口的顾客数N (t )服从参数为 t 的泊松分布 ( t ) k t 即 P N (t ) k e , k 0,1, 2,, k! 由于 EN (t ) t,故 表示平均单位时间到达的顾客人数。
定额抽样法要求调查设计人员有丰富的经验知识以及相应的 统计资料。若对某地区的各指标的分布情况未能作出全面正 确的判断,则样本就不能很好地代表总体。 定额抽样法要求访问员能正确判断访问对象是否符合要求? 倘若有两个或更多的人都符合要求,则访问员就得考虑,究 竟访问谁?由此可见,正确有效地实施定额抽样法离不开人 的主观判断与选择。主观判断与选择有可能出错。 1948年的美国总统选举——三家民意调查机构全都错了
例:航空客机配餐问题:根据统计资料,有60%的飞机乘客 要求提供米饭。一个航班有300位乘客,如果要以至少95%的 把握保证,想吃米饭的乘客能得到米饭,航班需准备多少份 米饭? 利用Excel或其它软件,可轻松得到解决。
泊松定理
当 n 较大,p 较小,但乘积np 大小适中时,二项分 布诸概率有很好的近似公式:对任意的非负整数 k , lim C p (1 p)
记为: X ~ b(n, p) b(n, p) 的均值 EX np ; b(n, p) 的方差 DX np(1 p) Excel函数命令: 输入“=binomdist(k,n,p,0)”则得二项分布的概率P(X=k); 输入“=binomdist(k,n,p,1)”则得二项分布的(左)累积概率P(X≤k) 输入“=1-binomdist(k-1,n,p,1)”则得二项分布的(右)累积概率 P(X≥k)。
数理统计CH抽样分布00002

10
2.3.1 Z统计量分位数
(1)Z统计量分位数zα
PZz 1z
zα蕴含 统计量观察值zα 事件Z>zα 概率α
事件Z≤zα 分布函数F(zα)
五方面的信息
2019/9/19
王玉顺:数理统计02_抽样分布
11
2.3.1 Z统计量分位数
(3)分位数zα的对称性 z1 z 1 z 1 1
(a)
n1S2
2
~2n1
(b) X 与S2独立
其中:X1 ni n1Xi
S21 n n1i1
2
XiX
定理二的证明详见教材P172的附录
2019/9/19
王玉顺:数理统计02_抽样分布
34
2.4 抽样分布定理
(3)正态总体样本方差及分布
2019/9/19
2019/9/19
王玉顺:数理统计02_抽样分布
15
2.3.2 χ2统计量分位数
(1)χ2统计量分位数χα2(n) P2 2 n 1 F2 n
χα2(n)蕴含 观察值χα2(n) 事件χ2>χα2(n) 概率α
事件χ2≤χα2(n) 分布函数F(χα2(n))
n1S2 1 n
2
2
2 i1 Xi X
王玉顺:数理统计02_抽样分布
14
2.3.2 χ2统计量分位数
(1)χ2统计量分位数χα2(n)
设χ2~χ2(n),并χ2统计量分位数记作χα2(n) 则分位数χα2(n)、事件χ2>χα2(n)、尾概率α、 事件χ2≤χα2(n)、分布函数F{χα2(n)}五者满足下 面的关系:
P2 2n 1F2n
数理统计的基本概念与抽样分布

第二章 数理统计的基本概念 与抽样分布
§2.1 §2.2 §2.3 §2.4 数理统计的基本概念 经验分布函数与直方图 常用的概率分布 抽样分布
2019/1/1
福州大学
1
第二章 数理统计的基本概念与抽样分布
§2.1
数理统计的基本概念
一、总体与样本 总体:研究的问题所涉及的对象的全体
1. 设X1,X2, …,Xn是取自总体X的样本,对应的 次序统计量为X(1) X(2) … X(n) ,观测值为x(1) x(2) … x(n)。 2.选取a(略小于x(1) )和b(略大于x(n)),则所有样 本观测值全部落入区间[a , b]内,将区间[a , b] 等分成m个小区间(ai , ai+1](i=1,2,…,m), a1=a, am+1=b,每个小区间的长度h=(b-a)/m称为组距。
n 1X 1
X
i 2
n
2 i
服从什么分布?
解: X i ~ N (0,4), i 2
n 1X 1
2 X i i 2 n
2 X i
n
4
n
X1 ~ (n 1), ~ N (0,1) 2
2
X1 2
2 X i i 2
~ t (n 1)
2019/1/1
4 福州大学
2019/1/1
福州大学
12
第二章 数理统计的基本概念与抽样分布
定理(格列汶科定理)
设总体X的分布函数是F(x) ,经验分布函数是 Fn(x),则有
P{lim sup Fn ( x) F ( x) 0} 1
n x
2019/1/1
数理统计第二章抽样分布2.7节充分统计量

I
n1
t
n
例2.7.4 设X=(X1,X2,…,Xn)是从正态总体 N ( ,1) 中抽取的样本,则 T ( X ) X1 不是充分统计量 证明:在 T ( X ) X 1 条件下,
X1,X2,…,Xn的条件密度为 f ( x1 , , xn , T ( x ) x1 ) f (x1 , x2 , , xn | T ( x ) x1 ) fT ( x1 ) n 1 1 2 f (x2 , , xn ) exp ( xi ) 2 2 i 2 与 有关. 因此T ( X ) X1不是充分统计量. 18
n
,n
9
由定理2.2.3的证明过程可知
Y X
2 i 1 i i 1
n
n
2 i
且Y1 ,Y2 , , Yn相互独立,其中
Y1 ~ N ( n ,1)
Yi ~ N (0,1), i 2, 3, , n
显然,X 对原样本X ( X 1 , X 2 , , X n )的充分性
等价于Y1对样本Y1 , Y2 , , Yn的充分性 因此只要证明给定Y1 =y1时(Y1 , Y2 , , Yn )
n1
n 1 n exp( t ),当yi 0, yi t , i 1, 2, , n 1 i 1 0, 其它
14
由于
T ( X ) X i ~ G ( n, )
i 1
n
因此 T ( X )
n
n n 1 t fT ( t ) t e I[ t 0] t e I[ t 0] ( n) ( n 1)!
n
n
i 1
n
06统计量及其抽样分布

数理统计的任务就是研究怎样有效 地收集、整理、分析所获得的有限的资 料,对所研究的问题, 尽可能地作出精 确而可靠的结论.
在数理统计中,不是对所研究的对 象全体(称为总体)进行观察,而是抽取 其中的部分(称为样本)进行观察获得数 据(抽样),并通过这些数据对总体进 行推断.
由于推断是基于抽样数据,抽样数 据又不能包括研究对象的全部信息. 因 而由此获得的结论必然包含不肯定性.
共100万包
即使 PA 是0.99,即种子 公司出售的一百万包中
有99万包是可接受的,
那些包是可 接受的呢??
零售商购买的200包仍有可能“碰巧” 是从不可接受的一万包中选取的.
这样他就要损失一笔资金.
这一类不肯定性是由于“随机性”所 引起的.
在已知 PA 的条件下,这种不肯定性 的程度已在概率论部分作过讨论.
独立,则称随机变量
F U n1 V n2
服从自由度为n1及 n2 的F分布,n1称为第自 由度,n2称为第二自由度,记作
F~F(n1,n2) .
由定义可见,
1 V n2 F U n1
~F(n2,n1)
若F~F(n1,n2), F的概率密度为
几个常见统计量
样本平均值
样本方差
它反映了总体 方差的信息
X
1 n
n i 1
Xi
它反映了 总体均值 的信息
S 2
1 n1
n i 1
(Xi
X )2
n
1
1
n
X
2 i
i 1
nX
2
样本标准差
S
1 n
n
1
(
i 1
X
i
X
)2
数理统计2

2. 样本 为推断总体分布及其各种特征,按一定规则
从总体中抽取若干个体进行观察试验,以获得有 关总体的信息,这一抽取过程称为 “抽样”,所 抽取的部分个体称为样本. 样本中所包含的个体 数目称为样本容量.
从国产轿车中抽5辆 进行耗油量试验
样本:
X1, X 2 , X3,
x11, x12 , x13 ,
Xn
, x1n
x21, x22 , x23 ,
, x2n
x31, x32 , x33,
,,,
, x3n
,
f (x1, ), f (x2, ), f (x3,), , f (xn,)
若总体 X 的分布函数为F(x),则其简单随机样 本X1, X2,…, Xn的联合分布函数为
它反映了总体方差 的信息
样本方差
它反映了总体均值 的信息
X
1 n
n i 1
Xi
S 2
1 n1
n i 1
(Xi
X )2
样本均方差 S
1 n 1
n i 1
(Xi
X
)2
定理:设总体X 的数学期望E(X)= ,方差D(X)= 2,
X2,…, Xn是来自总体的样本,则有
EX ,
2
DX ,
ES 2 2,
我们用样本对总体进行推断的做法大体如下: 首先明确要了解的总体特性, 构造包含这个总体特 性信息的统计量, 然后求出统计量的分布, 并由此 给出统计推断的结论或解释.
三. 统计三大分布
1 . 2 分布
定义: 设 X1, X2, …, Xn 相互独立, 都服从正态分布 N(0,1), 则称随机变量:
数理统计CH2抽样分布ppt课件

2020/12/21
王玉顺:数理统计02_抽样分布
28
2.2.1 2 分布
(4) 2统计量的概率密度
2 统计量的概率密度是观测x和自由度n的函数
df n
x z12 z22 zn2
f
x;n
2(x;n)
2n
1
2n
2
xn21e2x,x
0
0, x0
2020/12/21
王玉顺:数理统计02_抽样分布
2020/12/21
王玉顺:数理统计02_抽样分布
8
2.1 总体和样本
(1)总体(Population)
➢由于随机变量X代表所有可能的观察值,即 它代表所研究问题的总体,故常称总体X ➢今后,所研究问题的总体常用随机变量X来
指代,即采用下面的陈述: 总体 X ~ B n , p 总体 X ~ P
率密度称作抽样分布。
2020/12/21
王玉顺:数理统计02_抽样分布
2
2 抽样分布
复习两个概念
样本空间(Sample Space)
随机试验的所有可能结果所组成的集 合称为样本空间,样本空间里的元素,即 随机试验的每一个结果,称为样本点。
(sample point)
2020/12/21
王玉顺:数理统计02_抽样分布
总体 X ~ N , 2
2020/12/21
王玉顺:数理统计02_抽样分布
9
2.1 总体和样本
(2)个体(Individual, Unit)
➢构成研究对象整体的一个分割单位(单位) ➢随机试验的一个可能结果(样本点) ➢随机变量X的一个可能观察值(变量值) ➢个体有数值型和非数值型两种
总体和个体是彼此对立的两个概念
充分统计量与完备统计量

三、完备统计量
为了介绍完备统计量的概念,首先需要引入完备分 布函数族的概念。
定义 1.5 设总体 X 的分布函数族为F( x; ), ,
若对任意一个满足
E g( X ) 0,对一切
的随机变量 g( X ),总有
(1.5)
P g( X ) 0 1,对一切 , 则称F( x; ), 为完备的分布函数族。
族——指数型分布族。它包含了一些常用分布,如泊松
分布、正态分布、指数分布、二项分布和 分布等,对这
类分布族,寻找参数的充分完备统计量是方便的。
定理 1.5 设总体 X 的分布密度 f ( x; )为指数型分布
族,即样本的联合分布密度具有如下形式:
n i 1
f
( x;
)
C (
) exp
m j1
=T(X1,X2,…,Xn) 也有一个抽样分布FT(t) 。
当我们期望用统计量T 代替原始样本并且不
损失任何有关 的信息时,也就是期望抽样分布 FT(t) 像 F(x) 一样概括了有关 的一切信息。
这即是说在统计量T 的取值为 t 的情况下
样本 x 的条件分布F(x|T=t) 已不含 的信息,
bj (
)Tj ( x1 ,
x2 ,,
xn
)
h( x1 , x2 ,, xn ),
2.9
其中 (1,2 ,,m ), 。如果中包含有一个m 维矩形,
而且 B (b ( ),b ( ),,b ( ))的值域包含一个m 维开集,则
1
2
m
T (T ( X , X ,, X ),T ( X , X ,, X ),T ( X , X ,, X ))
完备统计量的含义不如充分统计量那么明确,但由
数理统计第二章抽样分布2.8节完全统计量

( )=0,对一切 0
即 (t )=0,对一切t 0
因此T ( X )=X ( n )是完全(完备)统计量.
8
2.8.2 指数族中统计量的完全性
定理2.8.1:设样本X ( X1 , X 2 , , X n )的概率函数为
f ( x , ) C ( )exp{ iTi ( x )}h( x )
证明:显然T ( X )= X i ~ b( n, )
n k n k P (T ( X ) k ) (1 ) , k 0,1, , n k 设 (t )是任一实函数,满足
E (T ( X )) 0, 对一切0< 1
4
n
i 1
E (T ( X )) 0, 对一切0< 1
但是 (T ) 0,a.e. P 是不成立的即可.
13
令Yi X i ( 1/ 2), i 1, 2,
,n
则 Y1 , Y2 ,
, Yn i .i .d .~U (0,1)
与 无关
而
Z X ( n ) X (1) Y(n ) Y(1)
找常数a b, 使得
5
n k ( k ) 0, 0< k 0 k
n
上式左边是 的多项式,因此必然有
n ( k ) =0,k 0,1, , n k
即 (k ) 0, k 0,1,
n
,n
因此T ( X )= X i 是完全(完备)统计量.
i 1
6
例2.8.2设X=(X1,X2,…,Xn)是从均匀分布 U (0, ) 中抽取的样本,则 T ( X )=X ( n ) 是完全统计量.
概率论与数理统计教案统计量和抽样分布

一、统计量和抽样分布的概念介绍1.1 统计量的定义讲解统计量的概念,即根据样本数据所定义的量,用来描述样本的某些特征。
例如,样本均值、样本方差等。
1.2 抽样分布的定义解释抽样分布是指在一定的抽样方法下,统计量的概率分布。
例如,正态分布、t分布等。
二、统计量的估计方法2.1 点估计介绍点估计的概念,即用一个具体的数值来估计总体参数。
例如,用样本均值来估计总体均值。
2.2 区间估计讲解区间估计的方法,即根据样本数据,给出总体参数估计的一个区间,该区间以一定的概率包含总体参数。
例如,置信区间。
三、抽样分布的性质及应用3.1 抽样分布的性质讲解抽样分布的一些基本性质,如独立性、对称性、无偏性等。
3.2 抽样分布的应用介绍抽样分布在实际问题中的应用,如利用抽样分布来判断总体均值的假设检验问题。
四、假设检验的基本概念和方法4.1 假设检验的定义解释假设检验是一种统计推断方法,通过观察样本数据,对总体参数的某个假设进行判断。
4.2 假设检验的方法讲解常见的假设检验方法,如单样本t检验、双样本t检验、卡方检验等。
4.3 假设检验的判断准则介绍假设检验的判断准则,如P值、显著性水平等,并解释其含义和作用。
六、正态分布及其应用6.1 正态分布的定义与性质详细介绍正态分布的概念、概率密度函数、累积分布函数以及其性质,如对称性、钟形曲线等。
6.2 标准正态分布解释标准正态分布的概念,即均值为0,标准差为1的正态分布。
讲解标准正态分布表的使用方法。
6.3 正态分布的应用介绍正态分布在实际问题中的应用,如利用正态分布来分析和估计总体均值、方差等参数。
七、t 分布及其应用7.1 t 分布的定义与性质讲解t 分布的概念、概率密度函数、累积分布函数以及其性质。
解释t 分布与正态分布的关系。
7.2 t 分布的自由度介绍t 分布的自由度概念,即样本量。
讲解自由度对t 分布形状的影响。
7.3 t 分布的应用介绍t 分布在实际问题中的应用,如利用t 分布进行小样本推断、假设检验等。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
h( x ) 1,1 = / , 2
2
1 2
2
, ( 1 , 2 )
自然参数空间为
={ (1 , 2 ):- <1 < , - < 2 <0}
*
由于*有内点,
因此根据定理2.8.1, T ( X ) ( T ( X )= X i ~ b( n, )
n k n k P (T ( X ) k ) (1 ) , k 0,1, , n k 设 (t )是任一实函数,满足
E (T ( X )) 0, 对一切0< 1
4
n
i 1
E (T ( X )) 0, 对一切0< 1
n k n k ( k ) (1 ) 0, k 0 k
n
n k
0< 1
n (k ) 0, 0< 1 k 0 k 1
令
1
n
=
则上式等价于
n k ( k ) 0, 0< k 0 k
对一切
的 (T ( X )),都有
P ( (T ( X )) 0) 1 对一切
则称T ( X )为一完全统计量(完备统计量).
若T ( X )为一完全统计量, 则它的任一函数g(T )也是完全统计量.
3
例2.8.1设X=(X1,X2,…,Xn)是从总体 b(1, ) n 中抽取的样本,则 T ( X )= X i i 1 是完全统计量.
15
n 1
( )=0,对一切 0
即 (t )=0,对一切t 0
因此T ( X )=X ( n )是完全(完备)统计量.
8
2.8.2 指数族中统计量的完全性
定理2.8.1:设样本X ( X1 , X 2 , , X n )的概率函数为
f ( x , ) C ( )exp{ iTi ( x )}h( x )
第二章 抽样分布 及若干预备知识
2.8 完全统计量(完备统计量)
1
2.8 完全统计量(完备统计量)
完全统计量的概念与正交函数中的完全性概念相似, 但是其统计背景不像充分统计量那样好说明. 以后通过相关问题看这个概念的意义.
本节介绍完全统计量的定义及其例子.
2
2.8.1 定义和例子
定义2.8.1:设F { F ( x ) : }为一分布族, 其中为参数空间.设T T ( X )为一统计量, 若对任何满足条件 E (T ( X )) 0,
但是 (T ) 0,a.e. P 是不成立的即可.
13
令Yi X i ( 1/ 2), i 1, 2,
,n
则 Y1 , Y2 ,
, Yn i .i .d .~U (0,1)
与 无关
而
Z X ( n ) X (1) Y(n ) Y(1)
找常数a b, 使得
的分布也与 无关.
P ( Z a ) P ( Z b) 0
定义
1, Z a ( t )= -1, Z b 0, 其他
14
则易见 (t )满足
E ( (T )) 0
但是 (t ) 0
按照定义T ( X ) ( X (1) , X (n ) )不是完全统计量.
i 1 k
=(1 , 2 ,
, k ) *
为指数族,令 T ( X ) (T1 ( X ), T2 ( X ),
, Tk ( X ))
若自然参数空间*作为Rk的子集有内点,则
T ( X ) (T1 ( X ), T2 ( X ),
, Tk ( X ))是完全统计量.
9
例2.8.4(例2.8.1续)设X=(X1,X2,…,Xn)是从总体 n b(1, ) 中抽取的样本,则 T ( X )= X i i 1 是完全统计量(利用定理2.8.1). 证明:将样本X ( X 1 , X 2 , , X n )的联合分布
因此根据定理2.8.1, T ( X ) X i 为完全统计量.
i 1 n
10
例2.8.5设X=(X1,…,Xn)是从正态总体N ( , 2 )中抽 取的样本,参数空间 ={ ( , 2 ) : , 2 >0}
则 T ( X ) ( X i , X i2 ) 为完全统计量
i 1 i 1 n n
证明:根据例2.6.6可知样本X的分布属于指数族, 其自然形式(标准形式)为
f ( x , ) C * ( )exp{1T1 ( x ) 2T2 ( x )}h( x )
其中
h( x ) 1,1 = / , 2
2
1 2
2
, (1 , 2 )
5
n k ( k ) 0, 0< k 0 k
n
上式左边是 的多项式,因此必然有
n ( k ) =0,k 0,1, , n k
即 (k ) 0, k 0,1,
n
,n
因此T ( X )= X i 是完全(完备)统计量.
表示为指数族的自然形式(标准形式)
f ( x , ) T ( x ) (1 )nT ( X ) =(1+e ) n exp{T ( x )}h( x ) 其中h( x ) 1, log ,自然参数空间为 1 由于*有内点, * ={ :-< <}=(-, )
E (T ( X )) 0, 对一切0< 1
7
E (T ( X )) 0, 对一切0< 1
n
n
0
( t )t
n 1
n 1
dt =0,对一切 0
0
(t )t
dt =0,对一切 0
对上式两边关于 求导得到
( )=0,对一切 0
i 1
6
例2.8.2设X=(X1,X2,…,Xn)是从均匀分布 U (0, ) 中抽取的样本,则 T ( X )=X ( n ) 是完全统计量.
证明:T ( X )=X ( n )的密度为
nt n1 / n ,0 t g ( t )= 其它 0,
设 (t )是任一实函数,满足
i 1 i 1 n n
12
例2.8.6 验证一个统计量不是完全统计量
设X ( X 1 , X 2 , , X n )是从均匀分布U ( 1/ 2, 1/ 2) 中抽取的样本,则T ( X ) ( X (1) , X ( n ) )是充分统计量, 但不是完全统计量.
T ( X ) ( X (1) , X ( n ) )的充分性在例2.7.8中已证. 证明: 下证明其不是完全统计量. 要证明一个统计量T ( X )不是完全的,只要 找到一个实函数 ( t )使得 E ( (T )) 0