不小于E的概率就能小于任意给定的正数。即,当n足够大时,C,的图形在不等式 F(x)-E<y<F(r)+E 所定的带状区域以外的概率可以小于任意的正数。因此当n很大时,样本分布函数F(x)将近 似地等于总体分布函数 图21样本分布函数 还可以进一步证明下列格利文科定理 当→∞时,F(x)依概率1关于x均匀地收敛于F(x),即 P{ lim max|F.()-F(x)|=0}=1 这就是我们用样本推断总体的依据 2.2.2统计量 对于给定的一个样本的实现x1…2…,x,可以计算它的数字特征,并冠以样本两字,以示 与总体数字特征的区别。如.样本k阶原点矩为 2S x2、k=1.2 样本k阶中心矩为 (x,x),k=1,2 样本平均值为 样本方差为 2= (x,-x)2 (2·7) s2的正平方根s称为样本标准离差 x:·n 分別为下列随机变量的观察值: X 8