查看“︁大样本统计”︁的源代码

在统计学中，我们研究的是具体的随机变量的性质（“估计”），这也就是这些数据的作用。在渐近分析中，当样本大小变得任意大时，我们专注于描述这种估计性质。当给定一个相当大的数据集，在有限的样本与任意大小样本中，这种性质很相似。<br /><br />'''大样本统计'''（[http://en.wikipedia.org/w/index.php?title=Large_sample_theory&redirect=no 渐近理论])就是指当研究对象的[[统计量]]趋于无穷大时的统计方法,用该种方法得到的概率结果收敛于某一常数，即对象总体均值。
其数学表达为：以样本均值<math> \overline X_n = \frac{1}{n} \sum_{i=1}^n X_i</math><ref>{{cite web|language =en|format=PDF|title=Large Sample Theory|url=http://www.hss.caltech.edu/~mshum/stats/lect5.pdf|quote=In these notes we focus on the large sample properties of sample averages formed from i.i.d. data. That is, assume that Xi ～ i:i:d:F, for i = 1,……, n, …. Assume <math>EX_i</math> =  <math>\mu</math>, for all i. The sample average after n draws is <math> \overline X_n \equiv \frac{1}{n} {\sum}_i X_i</math>}}</ref>估计对象总体均值''<math>\mu</math>''，在''n''→<math>\infty</math>时，<math> \overline X_n</math>以概率1[[收敛]]于''<math>\mu</math>''。这种统计方法称为大样本统计方法。

== 参考文献 ==
{{Reflist}}

[[Category:统计学术语]]