5、统计学基础概念与假设检验详解

统计学基础概念与假设检验详解

1. 分位数函数相关概念

分位数函数是左连续的。当分布函数 $F$ 未知时，可用经验分布函数 $F_n$ 来近似，其定义为：
$F_n (x) = \frac{1}{n} \sum_{i=1}^{n} I [X_i \leq x]$
这里的 $I [A]$ 是集合 $A$ 的指示函数。同样，对于大小为 $n$ 的随机样本，可通过其与顺序统计量的关系定义经验分位数函数：
$F_n^{-1}(t) = X_{(i)}, \frac{i - 1}{n} < t \leq \frac{i}{n}$

可以证明，当 $n \to \infty$ 时：
$\sqrt{n} (F_n^{-1}(t) - F^{-1}(t)) \stackrel{L}{\to} N(0, \frac{t (1 - t)}{f^2 (F^{-1}(t))})$

一个有用的结果是，如果 $U$ 是在 $(0, 1)$ 上均匀分布的随机变量，那么 $X = F^{-1}(U)$ 具有累积分布 $F$。所以，给定均匀随机变量的随机样本 $U_1, \ldots, U_n$，$F^{-1}(U_1), \ldots, F^{-1}(U_n)$ 将是具有累积分布函数 $F$ 的随机样本。同理，$F^{-1}(U_{(1)}), \ldots, F^{-1}(U_{(n)})$ 的表现会类似于来自累积分布函数 $F$ 的顺序统计量样本。

2. 假设检验基础

假设 $X_1, \ldots, X_n$ 是来自密度为 $f (x; \theta), \theta \in R^p$ 分布的随机样本。在假设检验中，通