国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

【量化課程】02_4.數(shù)理統(tǒng)計(jì)的基本概念

這篇具有很好參考價(jià)值的文章主要介紹了【量化課程】02_4.數(shù)理統(tǒng)計(jì)的基本概念。希望對(duì)大家有所幫助。如果存在錯(cuò)誤或未考慮完全的地方,請(qǐng)大家不吝賜教,您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問(wèn)。

2.4_數(shù)理統(tǒng)計(jì)的基本概念

數(shù)理統(tǒng)計(jì)思維導(dǎo)圖

【量化課程】02_4.數(shù)理統(tǒng)計(jì)的基本概念,課程設(shè)計(jì),概率論,量化,投資,金融

更多詳細(xì)內(nèi)容見(jiàn)notebook

1.基本概念

總體:研究對(duì)象的全體,它是一個(gè)隨機(jī)變量,用 X X X表示。

個(gè)體:組成總體的每個(gè)基本元素。

簡(jiǎn)單隨機(jī)樣本:來(lái)自總體 X X X n n n個(gè)相互獨(dú)立且與總體同分布的隨機(jī)變量 X 1 , X 2 ? ? , X n X_{1},X_{2}\cdots,X_{n} X1?,X2??,Xn?,稱(chēng)為容量為 n n n的簡(jiǎn)單隨機(jī)樣本,簡(jiǎn)稱(chēng)樣本。

統(tǒng)計(jì)量:設(shè) X 1 , X 2 ? ? , X n , X_{1},X_{2}\cdots,X_{n}, X1?,X2??,Xn?,是來(lái)自總體 X X X的一個(gè)樣本, g ( X 1 , X 2 ? ? , X n ) g(X_{1},X_{2}\cdots,X_{n}) g(X1?,X2??,Xn?))是樣本的連續(xù)函數(shù),且 g ( ) g() g()中不含任何未知參數(shù),則稱(chēng) g ( X 1 , X 2 ? ? , X n ) g(X_{1},X_{2}\cdots,X_{n}) g(X1?,X2??,Xn?)為統(tǒng)計(jì)量。

樣本均值
X  ̄ = 1 n ∑ i = 1 n X i \overline{X} = \frac{1}{n}\sum_{i = 1}^{n}X_{i} X=n1?i=1n?Xi?
樣本方差 S 2 = 1 n ? 1 ∑ i = 1 n ( X i ? X  ̄ ) 2 S^{2} = \frac{1}{n - 1}\sum_{i = 1}^{n}{(X_{i} - \overline{X})}^{2} S2=n?11?i=1n?(Xi??X)2

樣本矩:樣本 k k k階原點(diǎn)矩: A k = 1 n ∑ i = 1 n X i k , k = 1 , 2 , ? A_{k} = \frac{1}{n}\sum_{i = 1}^{n}X_{i}^{k},k = 1,2,\cdots Ak?=n1?i=1n?Xik?,k=1,2,?

樣本 k k k階中心矩 B k = 1 n ∑ i = 1 n ( X i ? X  ̄ ) k , k = 1 , 2 , ? B_{k} = \frac{1}{n}\sum_{i = 1}^{n}{(X_{i} - \overline{X})}^{k},k = 1,2,\cdots Bk?=n1?i=1n?(Xi??X)k,k=1,2,?

2.分布

χ 2 \chi^{2} χ2分布 χ 2 = X 1 2 + X 2 2 + ? + X n 2 ~ χ 2 ( n ) \chi^{2} = X_{1}^{2} + X_{2}^{2} + \cdots + X_{n}^{2}\sim\chi^{2}(n) χ2=X12?+X22?+?+Xn2?χ2(n),其中 X 1 , X 2 ? ? , X n , X_{1},X_{2}\cdots,X_{n}, X1?,X2??,Xn?,相互獨(dú)立,且同服從 N ( 0 , 1 ) N(0,1) N(0,1)

t t t分布 T = X Y / n ~ t ( n ) T = \frac{X}{\sqrt{Y/n}}\sim t(n) T=Y/n ?X?t(n) ,其中 X ~ N ( 0 , 1 ) , Y ~ χ 2 ( n ) , X\sim N\left( 0,1 \right),Y\sim\chi^{2}(n), XN(0,1),Yχ2(n), X X X, Y Y Y 相互獨(dú)立。

F F F分布 F = X / n 1 Y / n 2 ~ F ( n 1 , n 2 ) F = \frac{X/n_{1}}{Y/n_{2}}\sim F(n_{1},n_{2}) F=Y/n2?X/n1??F(n1?,n2?),其中 X ~ χ 2 ( n 1 ) , Y ~ χ 2 ( n 2 ) , X\sim\chi^{2}\left( n_{1} \right),Y\sim\chi^{2}(n_{2}), Xχ2(n1?),Yχ2(n2?), X X X, Y Y Y相互獨(dú)立。

分位數(shù):若 P ( X ≤ x α ) = α , P(X \leq x_{\alpha}) = \alpha, P(Xxα?)=α,則稱(chēng) x α x_{\alpha} xα? X X X α \alpha α分位數(shù)

3.正態(tài)總體的常用樣本分布

設(shè) X 1 , X 2 ? ? , X n X_{1},X_{2}\cdots,X_{n} X1?,X2??,Xn?為來(lái)自正態(tài)總體 N ( μ , σ 2 ) N(\mu,\sigma^{2}) N(μ,σ2)的樣本, X  ̄ = 1 n ∑ i = 1 n X i , S 2 = 1 n ? 1 ∑ i = 1 n ( X i ? X  ̄ ) 2 , \overline{X} = \frac{1}{n}\sum_{i = 1}^{n}X_{i},S^{2} = \frac{1}{n - 1}\sum_{i = 1}^{n}{{(X_{i} - \overline{X})}^{2},} X=n1?i=1n?Xi?,S2=n?11?i=1n?(Xi??X)2,則:

(1) X  ̄ ~ N ( μ , σ 2 n ) ?? \overline{X}\sim N\left( \mu,\frac{\sigma^{2}}{n} \right){\ \ } XN(μ,nσ2?)??或者 X  ̄ ? μ σ n ~ N ( 0 , 1 ) \frac{\overline{X} - \mu}{\frac{\sigma}{\sqrt{n}}}\sim N(0,1) n ?σ?X?μ?N(0,1)

(2) ( n ? 1 ) S 2 σ 2 = 1 σ 2 ∑ i = 1 n ( X i ? X  ̄ ) 2 ~ χ 2 ( n ? 1 ) \frac{(n - 1)S^{2}}{\sigma^{2}} = \frac{1}{\sigma^{2}}\sum_{i = 1}^{n}{{(X_{i} - \overline{X})}^{2}\sim\chi^{2}(n - 1)} σ2(n?1)S2?=σ21?i=1n?(Xi??X)2χ2(n?1)

(3) 1 σ 2 ∑ i = 1 n ( X i ? μ ) 2 ~ χ 2 ( n ) \frac{1}{\sigma^{2}}\sum_{i = 1}^{n}{{(X_{i} - \mu)}^{2}\sim\chi^{2}(n)} σ21?i=1n?(Xi??μ)2χ2(n)

(4) ?? X  ̄ ? μ S / n ~ t ( n ? 1 ) {\ \ }\frac{\overline{X} - \mu}{S/\sqrt{n}}\sim t(n - 1) ??S/n ?X?μ?t(n?1)

4.重要公式與結(jié)論

(1) 對(duì)于 χ 2 ~ χ 2 ( n ) \chi^{2}\sim\chi^{2}(n) χ2χ2(n),有 E ( χ 2 ( n ) ) = n , D ( χ 2 ( n ) ) = 2 n ; E(\chi^{2}(n)) = n,D(\chi^{2}(n)) = 2n; E(χ2(n))=n,D(χ2(n))=2n;

(2) 對(duì)于 T ~ t ( n ) T\sim t(n) Tt(n),有 E ( T ) = 0 , D ( T ) = n n ? 2 ( n > 2 ) E(T) = 0,D(T) = \frac{n}{n - 2}(n > 2) E(T)=0,D(T)=n?2n?(n>2);

(3) 對(duì)于 F ? ~ F ( m , n ) F\tilde{\ }F(m,n) F?~F(m,n),有 1 F ~ F ( n , m ) , F a / 2 ( m , n ) = 1 F 1 ? a / 2 ( n , m ) ; \frac{1}{F}\sim F(n,m),F_{a/2}(m,n) = \frac{1}{F_{1 - a/2}(n,m)}; F1?F(n,m),Fa/2?(m,n)=F1?a/2?(n,m)1?;

(4) 對(duì)于任意總體 X X X,有 E ( X  ̄ ) = E ( X ) , E ( S 2 ) = D ( X ) , D ( X  ̄ ) = D ( X ) n E(\overline{X}) = E(X),E(S^{2}) = D(X),D(\overline{X}) = \frac{D(X)}{n} E(X)=E(X),E(S2)=D(X),D(X)=nD(X)?文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-651868.html

到了這里,關(guān)于【量化課程】02_4.數(shù)理統(tǒng)計(jì)的基本概念的文章就介紹完了。如果您還想了解更多內(nèi)容,請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來(lái)自互聯(lián)網(wǎng)用戶(hù)投稿,該文觀(guān)點(diǎn)僅代表作者本人,不代表本站立場(chǎng)。本站僅提供信息存儲(chǔ)空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請(qǐng)注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符,請(qǐng)點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋,一經(jīng)查實(shí),立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

覺(jué)得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請(qǐng)作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包