本文主要是介绍大样本理论课程笔记一:《动机和课程内容》，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
大样本理论系列文章
第一章 :动机和内容简介
Why Asymptotic Statistics？
为什么要研究渐近统计量呢？
我们知道：为了研究总体的参数/性质,常常需要基于观测到的样本构造统计量,去对参数做估计或者假设检验,构造置信区间等。比如用样本均值估计总体均值就是一个常见的例子。
但是并非所有分布都是正态分布或者已知的分布,统计量的精确分布往往是不知道的，这就需要近似的手段，去找到近似的检验和置信区间等。另外,我们基于渐近估计还能检验评估一下我们的统计过程大概靠不靠谱。
一个例子:渐近分布用于假设检验中
- 假设我们有 n n n个 i.i.d 的观测值 X 1 , . . . , X n X_1,...,X_n X1,...,Xn ,均值 μ = E ( X 1 ) \mu=E(X_1) μ=E(X1), 我们要检验 H 0 : μ = μ 0 H_0:\mu=\mu_0 H0:μ=μ0
如果观测来自一个正态分布,根据正态分布性质【具体可见《数理统计讲义》郑明,陈子毅 37页对于正态分布样本均值和样本方差的分布的命题】可以得出下述结论(Under H 0 H_0 H
这篇关于大样本理论课程笔记一:《动机和课程内容》的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
