当前课程知识点:概率论与数理统计 > 第十周 独立随机变量和的分布与顺序统计量 > 顺序统计量 > 10.4 顺序统计量
随机变量X1,X2直至Xn
服从同一分布且相互独立
也就是通常所说的独立同分布
它们的分布函数均为F(x)
将这n个随机变量按升序排列
得到X括号1小于等于X括号2
一直到小于等于X括号n
则X括号1,X括号2
到X括号n称为顺序统计量
也叫次序统计量
是统计学中常用的一种分布
其中排序第k位的随机变量
X括号k称为第k个顺序统计量
X括号k的直观理解是将X1,X2
直至Xn所有可能的取值罗列出来
或对X1,X2,直至Xn
可能的取值做很多次随机模拟
将所得每一组数按升序排列
取出每一组排在第k位的数
这些数所服从的分布就是
第k个顺序统计量X括号k的分布
特别地,X括号1就是
随机变量X1,X2到Xn的最小值函数
也叫最小顺序统计量
X括号n就是随机变量X1,X2
到Xn的最大值函数
也叫最大顺序统计量
具体看一个顺序统计量的例子
希望同学们认真体会
随机变量排序的确切概率含义
设随机变量X1,X2,X3相互独立
且均服从参数为2
2分之1的二项分布
求顺序统计量的联合分布律
以及X括号1,X括号2和
X括号3各自的分布列
先给出X1的分布列
X1取值为0,1,2
概率分别为4分之1,2分之1,4分之1
X2和X3相同
X1,X2,X3共有3的立方
即27种不同的取值组合
如表所示
表中列出了X1,X2,X3的27中取值组合
和对应的联合概率
以及每一组X1,X2,X3
对应的顺序统计量X括号1
X括号2和X括号3的取值
整理可得,顺序统计量X括号1
X括号2和X括号3的分布列
X括号1,即最小值函数
它取值为0的概率就是
将X括号1所对应的列中
全部等于0的项的联合概率求和
共7个64分之1
9个32分之1
3个16分之1
总计等于64分之37
X括号1等于1,2的概率
分别计算为32分之13和64分之1
用同样的方法得到X括号2
取值0,1,2的概率分别为
32分之5,16分之11和32分之5
X括号3,即最大值函数
取值0,1,2的概率分别为
64分之1,32分之13和64分之37
下面推导连续型情况下
第k个顺序统计量的分布
随机变量X1,X2
直至Xn独立同分布
它们的分布函数均为大F(x)
密度函数均为小f(x)
将这n个随机变量按升序排列
得到X括号1小于等于X括号2
一直到小于等于X括号n
求X括号k的分布
考虑X括号k在x点附近的分布规律
如图所示
当delta x非常小时
可认为只有X括号k落入区间x到x加deltax
而其余n-1个随机变量中
有k-1个小于x
n-k个大于x加deltax
则可计算出X括号k
落于区间x和x加deltax的概率
进而计算X括号k的密度函数
X括号k落于区间x到x加deltax的概率
等于X括号k的分布函数
在x加deltax和x两点的差
因为X1到Xn中选k-1个小于x
共有Cn(k-1)种可能
然后,X1到Xn中剩下的n-k+1个随机变量中
选一个要落入x到x加deltax区间
共有C(n-k+1)1种可能
然后剩下的n-k个随机变量中
取n-k个大于x加deltax
共有C(nk),(nk)种可能
总计有Cn(k-1)乘C(n-k+1)1
再乘C(n-k),(n-k)
等于n阶乘除以k-1阶乘
再除以n-k的阶乘种可能
每种可能的概率为
随机变量小于x的概率的k-1次方
乘以一个随机变量落入区间
x到x加deltax的概率
再乘以随机变量大于
x加deltax的概率的n-k次方
X括号k落于区间x到x加deltax的概率
除以delta x
当delta x趋于0时
该极限就是X括号k在x点的密度函数值
-随机试验与随机事件
-古典概型
--1.2 古典概型
--第一周:古典概型
-事件间的关系与事件的运算
--第一周:事件间的关系与事件的运算
-两个著名的例子
--第一周:两个著名的例子
-讲义
-条件概率
--2.1 条件概率
--第二周:条件概率
-有关条件概率的三个重要计算公式
--第二周:有关条件概率的三个重要计算公式
-事件的独立性
--第二周:事件的独立性
-应用实例
--2.4 应用实例
--第二周:应用实例
-网球比赛胜率的计算
--Video
-讲义
-随机变量及分布函数
--第三周:随机变量及分布函数
-离散型与连续型随机变量
--第三周:离散型与连续型随机变量
-分布函数的性质与特殊的例子
--第三周:分布函数的性质与特殊的例子
-概率论所需微积分要点回顾
--第三周:概率论所需微积分要点回顾
-讲义
-二项分布与负二项分布
--第四周:二项分布与负二项分布
-泊松分布
--4.2 泊松分布
--第四周:泊松分布
-几何分布与指数分布
--第四周:几何分布与指数分布
-正态分布
--4.4 正态分布
--第四周:正态分布
-讲义
-随机变量函数的分布
--第五周:随机变量函数的分布
-随机变量的数学期望
--第五周:随机变量的数学期望
-随机变量的方差
--第五周:随机变量的方差
-原点矩与中心矩
--第五周:原点矩与中心矩
-期望和方差的一些补充性质
--第五周:期望和方差的一些补充性质
-讲义
-二项分布与泊松分布的期望与方差
--第六周:二项分布与泊松分布的期望与方差
-几何分布的期望与方差
--第六周:几何分布的期望与方差
-均匀、指数和正态分布的期望与方差
--第六周:均匀、指数和正态分布的期望与方差
-随机变量数学期望的应用实例
--第六周:随机变量数学期望的应用实例
-快速排序算法的平均计算量分析
--Video
-讲义
-多维随机变量
-第七周:多维随机变量
-常见多维随机变量举例
--第七周:常见多维随机变量举例
-随机变量的独立性
--第七周:随机变量的独立性
-独立随机变量期望和方差的性质
--第七周:独立随机变量期望和方差的性质
-讲义
-条件分布
--8.1条件分布
--第八周:条件分布
-条件期望
--8.2 条件期望
--第八周:条件期望
-全期望公式(上)
--第八周:全期望公式(上)
-全期望公式(下)
--第八周:全期望公式(下)
-讲义
-随机变量函数的期望
--第九周:随机变量函数的期望
-协方差
--9.2 协方差
--第九周:协方差
-相关系数
-- 9.3 相关系数
--第九周:相关系数
-相关与独立
--第九周:相关与独立
-讲义
-独立随机变量和的分布
--第十周:独立随机变量和的分布
-独立正态分布和的分布
--第十周:独立正态分布和的分布
-最大值、最小值分布
--第十周:最大值、最小值分布
-顺序统计量
--第十周:顺序统计量
-讲义
-正态分布的相关与独立
--第十一周:正态分布的相关与独立
-边缘密度均为正态,联合分布不是二元正态的例子
--第十一周:边缘密度均为正态,联合分布不是二元正态的例子
-二项分布的正态近似
--第十一周:二项分布的正态近似
-正态近似计算实例
--第十一周:正态近似计算实例
-讲义
-大数定律
--12.1大数定律
--第十二周:大数定律
-中心极限定理
--第十二周:中心极限定理
-蒙特卡洛(Monte Carlo)算法
-伪随机数和随机模拟
-讲义
-统计学实例
-总体与样本
-常用统计量
--第十三周:常用统计量
-三种重要的统计分布和分位数
--第十三周:三种重要的统计分布和分位数
-讲义
-参数的矩估计
--第十四周:参数的矩估计
-参数的极大似然估计
--第十四周:参数的极大似然估计
-参数点估计的无偏性和有效性
--第十四周:参数点估计的无偏性和有效性
-参数点估计应用实例
--第十四周:参数点估计应用实例
-讲义
-区间估计的基本思想
--第十五周:区间估计的基本思想
-区间估计的构造方法
--第十五周:区间估计的构造方法
-两个正态总体的区间估计
--第十五周:两个正态总体的区间估计
-大样本置信区间
--第十五周:大样本置信区间
-讲义
-假设检验问题的提示和标准步骤
--第十六周:假设检验问题的提示和标准步骤
-假设检验问题的两类错误和P值
--第十六周:假设检验问题的两类错误和P值
-单个正态总体参数的假设检验
--第十六周:单个正态总体参数的假设检验
-拟合优度检验
--第十六周:拟合优度检验
-讲义
-利用条件概率计算网球比赛胜率
-利用期望的计算性质分析快速排序算法的平均计算量
-讲义
-事件
--事件
-分布函数
--分布函数
-正态
--正态
-指数与二项
--指数与二项
-随机变量函数的分布
-指数分布期望
--指数分布期望
-切比雪夫不等式
--切比雪夫
-二元离散
--二元离散
-协方差
--协方差
-二元特征
--二元特征
-统计量
--统计量
-无偏估计
--无偏估计
-点估计
--点估计
-假设检验
--假设检验
-选择
--选择
-填空
--填空
-大题
--大题