在前两节中,我们讨论了正态总体的假设检验问题.本节我们讨论一般总体的假设检 验问题,此类问题可借助一些统计量的极限分布近似地进行假设检验,属于大样本统计范 畴.其理论依据是中心极限定理

一、总体均值的假设检验 当检验关于总体均值(数学期望)的假设时,该总体中的另一个参数,即方差2是 否已知,会影响到对于检验统计量的选择,故下面分两种情形进行讨论

与其他总体相比,正态总体参数的置信区间是最完善的应用也最广泛。在构造正态总体参数的置信区间的过程中,t分布、x2分布、F分布以及标准正态分布N(1扮演了重要角色

一、矩估计法 矩估计法的基本思想是用样本矩估计总体矩因为由在数定理知,当总体的k阶矩存在 时样本的k阶矩依概率收敛于总体的k阶矩例如,可用样本均值作为总体均值E(X)的 估计量,一般地

一、抽样分布 有时,总体分布的类型虽然已知,但其中含有未知参数此时需对总体的未知参数或对 总体的重要数字特征(如数学期望、分差等)进行统计推断,此类问题称为参数统计推断在 参数统计推断问题中,常需利用总体的样本构造出合适的统计量,并使其服从或渐近地服从 已知的总体分布.统计学中泛称统计量分布为抽样分布

随机变量的数学期望是对随机变量取值水平的综合评价,而随机变量取值的稳定性是 判断随机现象性质的另一个十分重要的指标

第三节协方差及相关系数 对多维随机变量,随机变量的数学期望和方差只反了各自的平均值与偏离程度,并 没能反映随机变量之间的关系.本节将要讨论的协方差是反映随机变量之间依赖关系的一 个数字特征

前面讨论了随机变量的分布函数,从中知道随机变量的分布函数能完整地描述随机变 量的统计规律性 但在许多实际问题中,人们并不需要去全面考察随机变量的变化情况,而只要知道它的 某些数字特征即可

一、条件分布的概念 设X是一个随机变量,其分布函数为 Fx(x)=p{xx},-∞