主题
Search

k-统计量


nk-统计量 k_n 是给定统计分布的 累积量 kappa_n 的唯一对称无偏估计量,即,k_n 的定义使得

 <k_n>=kappa_n,
(1)

其中 <x> 表示 x期望值(Kenney 和 Keeping 1951, 第 189 页;Rose 和 Smith 2002, 第 256 页)。此外,方差

 var(k_r)=<(k_r-kappa_r)^2>
(2)

与其他所有无偏估计量相比,这是一个最小值(Halmos 1946;Rose 和 Smith 2002, 第 256 页)。大多数作者(例如,Kenney 和 Keeping 1951, 1962)使用符号 k_n 表示 k-统计量,而 Rose 和 Smith (2002) 更喜欢 k'_n

k-统计量可以用数据点的 r 次幂之和表示为

 S_r=sum_(i=1)^nX_i^r,
(3)

那么

k_1=(S_1)/n
(4)
k_2=(nS_2-S_1^2)/(n(n-1))
(5)
k_3=(2S_1^3-3nS_1S_2+n^2S_3)/(n(n-1)(n-2))
(6)
k_4=(-6S_1^4+12nS_1^2S_2-3n(n-1)S_2^2-4n(n+1)S_1S_3+n^2(n+1)S_4)/(n(n-1)(n-2)(n-3))
(7)

(Fisher 1928;Rose 和 Smith 2002, 第 256 页)。这些可以由下式给出KStatistic[r] 在 Mathematica 应用程序包中mathStatica.

对于样本大小 n,前几个 k-统计量由下式给出

k_1=mu
(8)
k_2=n/(n-1)m_2
(9)
k_3=(n^2)/((n-1)(n-2))m_3
(10)
k_4=(n^2[(n+1)m_4-3(n-1)m_2^2])/((n-1)(n-2)(n-3)),
(11)

其中 mu 是样本均值m_2 是样本方差m_i 是第 i样本中心矩(Kenney 和 Keeping 1951, 第 109-110, 163-165 和 189 页;Kenney 和 Keeping 1962)。

前几个 k-统计量的方差由下式给出

var(k_1)=(kappa_2)/n
(12)
var(k_2)=(kappa_4)/n+(2kappa_2^2)/(n-1)
(13)
var(k_3)=(kappa_6)/n+(9kappa_2kappa_4)/(n-1)+(9kappa_3^2)/(n-1)+(6nkappa_2^3)/((n-1)(n-2))
(14)
var(k_4)=(kappa_8)/n+(16kappa_2kappa_6)/(n-1)+(48kappa_3kappa_5)/(n-1)+(34kappa_4^2)/(n-1)+(72nkappa_2^2kappa_4)/((n-1)(n-2))+(144nkappa_2kappa_3^2)/((n-1)(n-2))+(24(n+1)nkappa_2^4)/((n-1)(n-2)(n-3)).
(15)

var(k_2)无偏估计量由下式给出

 var(k_2)^^=(2k_2^2n+(n-1)k_4)/(n(n+1))
(16)

(Kenney 和 Keeping 1951, 第 189 页)。在正态母体分布的特殊情况下,var(k_3)无偏估计量由下式给出

 var(k_3)^^=(6k_2^3n(n-1))/((n-2)(n+1)(n+3))
(17)

(Kenney 和 Keeping 1951, 第 189-190 页)。

对于有限总体,设从总体大小 N 中抽取样本大小为 n 的样本。则总体均值 mu 的无偏估计量 M_1,总体方差 mu_2 的无偏估计量 M_2,总体偏度 gamma_1 的无偏估计量 G_1,以及总体峰度超额 gamma_2 的无偏估计量 G_2

M_1=mu
(18)
M_2=(N-n)/(n(N-1))mu_2
(19)
G_1=(N-2n)/(N-2)sqrt((N-1)/(n(N-n)))gamma_1
(20)
G_2=((N-1)(N^2-6Nn+N+6n^2)gamma_2)/(n(N-2)(N-3)(N-n))-(6N(Nn+N-n^2-1))/(n(N-2)(N-3)(N-n))
(21)

(Church 1926, 第 357 页;Carver 1930;Irwin 和 Kendall 1944;Kenney 和 Keeping 1951, 第 143 页),其中 gamma_1 是样本偏度gamma_2 是样本峰度超额


另请参阅

累积量, h-统计量, 峰度, 均值, , 正态分布, Polykay, 样本中心矩, 偏度, 统计量, 无偏估计量, 方差

使用 Wolfram|Alpha 探索

参考文献

Carver, H. C. (编). "Fundamentals of the Theory of Sampling." Ann. Math. Stat. 1, 101-121, 1930.Church, A. E. R. "On the Means and Squared Standard-Deviations of Small Samples from Any Population." Biometrika 18, 321-394, 1926.Fisher, R. A. "Moments and Product Moments of Sampling Distributions." Proc. London Math. Soc. 30, 199-238, 1928.Halmos, P. R. "The Theory of Unbiased Estimation." Ann. Math. Stat. 17, 34-43, 1946.Irwin, J. O. 和 Kendall, M. G. "Sampling Moments of Moments for a Finite Population." Ann. Eugenics 12, 138-142, 1944.Kenney, J. F. 和 Keeping, E. S. Mathematics of Statistics, Pt. 2, 2nd ed. Princeton, NJ: Van Nostrand, 1951.Kenney, J. F. 和 Keeping, E. S. "The k-Statistics." §7.9 in Mathematics of Statistics, Pt. 1, 3rd ed. Princeton, NJ: Van Nostrand, pp. 99-100, 1962.Rose, C. 和 Smith, M. D. "k-Statistics: Unbiased Estimators of Cumulants." §7.2C in Mathematical Statistics with Mathematica. New York: Springer-Verlag, pp. 256-259, 2002.Stuart, A.; 和 Ord, J. K. Kendall's Advanced Theory of Statistics, Vol. 2A: Classical Inference & the Linear Model, 6th ed. New York: Oxford University Press, 1999.Ziaud-Din, M. "Expression of the k-Statistics k_9 and k_(10) in Terms of Power Sums and Sample Moments." Ann. Math. Stat. 25, 800-803, 1954.Ziaud-Din, M. "The Expression of k-Statistic k_(11) in Terms of Power Sums and Sample Moments." Ann. Math. Stat. 30, 825-828, 1959.Ziaud-Din, M. 和 Ahmad, M. "On the Expression of the k-Statistic k_(12) in Terms of Power Sums and Sample Moments." Bull. Internat. Stat. Inst. 38, 635-640, 1960.

在 Wolfram|Alpha 中被引用

k-统计量

请按如下方式引用

Weisstein, Eric W. "k-统计量。" 来自 MathWorld--Wolfram Web 资源。 https://mathworld.net.cn/k-Statistic.html

主题分类