[N1,N2]离散均匀分布第i顺序统计量

顺序统计量的分布及其应用探究学生姓名：杨道圣 指导教师：刘宇民摘要 顺序统计量在近代统计推断中起着很重要的作用，在水文，地震，气象和建筑等领域都有重要作用。

经过总结得出了关于顺序统计量的离散型最大顺序统计量分布，最小顺序统计量分布，连续性第i 个顺序统计量ξ(i)的密度函数，连续性随机变量任意两个顺序统计量ξ(i ）<ξ(j)的密度函数：1.离散型随机变量子样最小值的分布律为)(])1()!(!![)(11)1(I r pi r p l n l n x X P nl l n rl lr∈--==∑∑=-=2.离散型随机变量子样最大值的分布律为)(])1()!1()!1(![)(11111)(I r pi r p j n j n x X P nj j r l j n rn ∈-+--==∑∑=--=+-3.设母体ξ有密度函数f(x)>0,a ≤x ≤b(这里可以设a=－∞,b=+∞)，并且ξ1,ξ2，…，ξn 取自这一母体的一个子样，则第i 个顺序统计量ξ(i)的密度函数4.设母体ξ有密度函数f(x)>0,a ≤x ≤b(这里可以设a=－∞,b=+∞)，并且ξ1,ξ2，…，ξn 取自这一母体的一个子样，则任意两个个顺序统计量ξ(i ）<ξ(j)的密度函数为关键词 最小顺序统计量，最大顺序统计量，第i 个顺序统计量ξ(i)的密度函数，任意两个个顺序统计量ξ(i ）<ξ(j)的密度函数引言顺序统计量在近代统计推断中起着重要的作用，这是由于顺序统计量有一些性质不依赖于母体的分布，并且计算量很小，使用起来较方便，因此在质量管理、可靠性等方面得到广泛的应用。

顺序统计量在近代统计推断中起着很重要的作用，在水文，地震，气象和建筑等领域都有重要作用。

定义定义1：设(X 1，X 2…，X n )是总体X 的一个样本，假如样本的实值函数g(X 1，X 2…，X n )不依赖任何未知的量，则称g(X 1，X 2…，X n )为统计量。

N1,N2 离散均匀分布参数的点估计本文基于Wolfram Mathematica 9,讨论了 N1,N2 离散均匀分布参数的点估计，包括矩估计法和极大似然估计。

并通过程序产生伪随机数进行模拟。

N1,N2 区间内的离散均匀分布，我们记作DU N1,N2 。

总体均值Μ m1 N1 N22，方差Σ2 1121 1 N1 N2 2 。

X 1,X 2, ,X n 为其一简单随机样本，X 1 ,X 2 , ,X n 为样本顺序统计量。

一、矩估计当N1，N2其中一个已知时，可知另一个即N1 2m1 N20或N2 2m1 N10，用样本矩估计总体矩m1 X 1n n i 1X i ，即得N1 2m1 N20或N2 2m1 N10。

当N1，N2其均未知时，显然方差是均值的函数，因此，无法用样本均值和方差估计出参数N1、N2。

我们考虑二阶原点矩m2 16N1 2N12 N2 2N1N2 2N22 ,将N2 2m1 N1代入，得到：m2 13m1 4m12 N1 2m1N1 N12 。

整理得到：N12 2m1 1 N1 4m12 m1 3m2 0,令b 2m1 1,c 4m12 m1 3m2,解方程得到：N1 b b 2 4c2.由于N1和N2对称且N1 N2,所以N1 b b 2 4c2，N2 b b 2 4c2。

同样，用样本矩m1 X 1n n i 1X i 代替同m1,m2 1n n i 1X i 2代替m2,即可得N1 ，N2 。

二、极大似然估计不管N1，N2是否其中一个已知，还是都未知，通过求解对数似然方程，容易得它们的极大似然估计为N1 X 1 ,N2 X n 。

三、计算程序及结果In[225]:=Needs "HypothesisTesting`"N10 6;N20 57000;X RandomVariate DiscreteUniformDistribution N10,N20 ,300 ;min Min X ;max Max X ;m1 Mean X ;m2 Moment X,2 ;"一.矩估计：""1.已知N1 N10，估计N2：""1.1公式法："N2ME1 Ceiling 2m1 N10"1.2函数法："N2ME2 CeilingN2ME2 .FindDistributionParameters X,DiscreteUniformDistribution N10,N2ME2 , ParameterEstimator "MethodOfMoments"Clear N2ME1,N2ME2 ;"2.已知N2 N20，估计N1：""2.1公式法："N1ME1 Ceiling 2m1 N20"2.2函数法："N1ME2 CeilingN1ME2 .FindDistributionParameters X,DiscreteUniformDistribution N1ME2,N20 , ParameterEstimator "MethodOfMoments"Clear N1ME1,N1ME2 ;"3.N1、N2均未知：""3.1公式法："a 1;b 2m1 1;c 4m12 m1 3m2;N1ME3 Floor b b2 4a c 2a ;N2ME3 Ceiling b b2 4a c 2a ;N1ME3,N2ME3"3.2函数法："N1ME3,N2ME3 N1ME3,N2ME3 .FindDistributionParameters X,DiscreteUniformDistribution N1ME3,N2ME3 ,ParameterEstimator "MethodOfMoments" ;Floor N1ME3 ,Ceiling N2ME3Clear N1ME3,N2ME3 ;"二.极大似然估计：""1.已知N1 N10，估计N2：""1.1公式法："N2MLE1 max"1.2函数法："N2MLE2 Ceiling N2MLE2 .FindDistributionParameters X,DiscreteUniformDistribution N10,N2MLE2 Clear N2MLE1,N2MLE2 ;"2.已知N2 N20，估计N1："2[N1,N2]离散均匀分布参数的点估计.nb[N1,N2]离散均匀分布参数的点估计.nb3"2.1公式法："N1MLE1 min"2.2函数法："N1MLE2 Ceiling N1MLE2 .FindDistributionParameters X,DiscreteUniformDistribution N1MLE2,N20 Clear N1MLE1,N1MLE2 ;"3.N1、N2均未知：""3.1公式法："N1MLE3 min;N2MLE3 max;N1MLE3,N2MLE3"3.2函数法："N1MLE3,N2MLE3 N1MLE3,N2MLE3 .FindDistributionParameters X,DiscreteUniformDistribution N1MLE3,N2MLE3 ; N1MLE3,N2MLE3Clear N1MLE3,N2MLE3 ;Clear N10,N20,X,min,max,m1,m2 ;Out[233]=一.矩估计：Out[234]= 1.已知N1 N10，估计N2：Out[235]= 1.1公式法：Out[236]=58932Out[237]= 1.2函数法：Out[238]=58932Out[240]= 2.已知N2 N20，估计N1：Out[241]= 2.1公式法：Out[242]=1938Out[243]= 2.2函数法：Out[244]=1938Out[246]= 3.N1、N2均未知：Out[247]= 3.1公式法：Out[253]= 434,58504Out[254]= 3.2函数法：Out[256]= 434,58504Out[258]=二.极大似然估计：4[N1,N2]离散均匀分布参数的点估计.nbOut[259]= 1.已知N1 N10，估计N2：Out[260]= 1.1公式法：Out[261]=56930Out[262]= 1.2函数法：Out[263]=56930Out[265]= 2.已知N2 N20，估计N1：Out[266]= 2.1公式法：Out[267]=203Out[268]= 2.2函数法：Out[269]=203Out[271]= 3.N1、N2均未知：Out[272]= 3.1公式法：Out[275]= 203,56930Out[276]= 3.2函数法：Out[278]= 203,56930。

§1.4 顺序统计量≤≤≤=1212(1)(2)()1212()()(1)(2)()12(,,,) (,,,),(,,,)(,,,),(1,2,,), (,,,)(,,1.4.1 ,n n n n n k k n X X X X x x x x x x X X X x x x X x k n X X X X X 设是从总体中抽取的一个样本,是其一个观测值将观测值按由小到大的次序重新排列为一、顺序统计量的定义当取值为时定义取值为由此得到的称为样本 定义(1)(2)()) (,,,)..n n X x x x 的对应的成为其顺序统计量观察值≤≤≤≤===-称为样本的特别地，称为 称为 称为由于每个都是样本的函数，所以都是随机变量第个顺序统计量最小顺序统计量最大顺序统计量. 一般它们不相互独立.设总体的分布为样本极差.例1注：： ()12(1)1()1()()(1)()12(1)(2)():(,,,)min .max .(,,,),,,.k n i i nn i i nn n k n n X X X X X X X X R X X X X X X X k X X X 仅取的离散均匀分布，其分布列为0, 1, 2----=--<<<=-><=-≤-=-+-=---⎰设总体分布为为样本，则的联合密度函数为 令 由可以推出 则该分布参例数为 12(1)()21,()(1)(1)()122(0,1),,,,(,)(,)(1)(),0 1.,001()(1)[3()](1)(1).(1n n n n n n r n R n X U X X X X X f y z n n z y y z R x x R X X R R f r n n y r y dyn n r r n 的贝塔分布.,2)。

第9章中位数和hhh顺序统计量
第i个顺序统计量(order statistic)是该集合中第i小的元素。

最小值是第1个顺序统计量(i=1)
最大值是第n个顺序统计量(i=n)
中位数(median)是它所属集合的“中点元素”。

当n为奇数时，中位数唯一，位于i=(n+1)/2处。

选择问题
input：一个包含n个（互异的）数的集合A和一个整数i,1<=i<=n。

output：元素xϵA，且A中恰有i-1个其他元素小于它。

9.1 最小值和最大值
1 MINMUN(A)
2 min =A[1]L
3 for i=2 to A.length
4 if min >A[i]
5 min=A[i]
6 return min
同时寻找最大值、最小值的情况下，只要分别找出最小值和最大值，各需要n-1次比较，共需要n-1次比较。

可以采取优化，并不是每一个输入元素斗鱼当前的最小值和最大值进行比较一对而是对
输入元素成对地进行处理。

将较小的元素与当前最小值比较，较大的与当前最大值进行比较。

离散均匀分布DU N1,N2 样本最大值分布基于Wolfram Mathematica9,下表给出了 N1,N2 区间内离散均匀分布DU N1,N2 样本最大值的概率密度（质量）函数、累积分布函数、生存函数、逆生存函数、风险函数（故障率）、矩母函数 MGF 、中心矩母函数 CMGF 、累积量母函数 CGF 、阶乘矩母函数 FMGF 、特征函数的计算和结果表达式，均值、中位值、众数、四分位数列表、q分位数、方差、标准差、一三四分位数间矩、偏度系数、峰度系数、四分偏度系数、r阶原点矩、r阶中心矩、r阶阶乘矩、r阶累积量、信息熵等描述性统计量的计算和结果表达式。

"四.样本极大值分布："dist DiscreteUniformDistribution N1,N2 ;dist1 OrderDistribution dist,n ,n ;"1.概率密度（质量）函数:"PDF dist1,k"2.累积分布函数:"CDF dist1,k"3.生存（可靠性）函数："SurvivalFunction dist1,k"4.逆生存函数："InverseSurvivalFunction dist1,q"5.风险函数（故障率）:"HazardFunction dist1,k"6.矩母函数 MGF :"MomentGeneratingFunction dist1,t"7.中心矩母函数 CMGF :"CentralMomentGeneratingFunction dist1,t"8.累积量母函数 CGF :"CumulantGeneratingFunction dist1,t"9.阶乘矩母函数 FMGF :"CharacteristicFunction dist1,t"10.特征函数:"CharacteristicFunction dist1,t"11.均值:"Mean dist1"12.中位值:"Median dist1"13.四分位数列表:"Quartiles dist1"14.q分位数:"Quantile dist1,q"15.方差:"Variance dist1"16.标准差:"StandardDeviation dist12[N1,N2]离散均匀分布样本最大值分布.nb"17.一、三四分位数间矩:"InterquartileRange dist1"18.偏度系数:"Skewness dist1"19.峰度系数:"Kurtosis dist1"20.四分偏度系数:"QuartileSkewness dist1"21.r阶原点矩矩:"Moment dist1,r"22.r阶中心矩:"CentralMoment dist1,r"23.r阶阶乘矩:"FactorialMoment dist1,r"24.r阶累积量:"Cumulant dist1,r"25.信息熵："Sum PDF dist,k Log PDF dist1,k , k,N1,N2Clear dist1四.样本极大值分布：1.概率密度（质量）函数:1 k N11 N1 N2 n 11 N1 N2 1 k N11 N1 N2 n k N1 0&&k N2 01 1 11 N1 N2 n k N2 0&&k N1 00k N2 0 k N1 01 11 N1 N2 n k N1 0&&k N2 01 N1 N2 n True2.累积分布函数:1 N1 Floor k 1 N1 N2 n N1 k N21k N20True3.生存（可靠性）函数：1k N11 1 N2 Floor k1 N1 N2 n N1 k N20True4.逆生存函数：ConditionalExpression1 N1 Max 1,Ceiling 1 N1 N2 1 q 1n 0 1 1 q 1n 1N21 1 q 1n 0N1True,0 1 q 1n 1 5.风险函数（故障率）:1 k N21 N1 N2 n0 k N1 1&&k N2 01k N1 1 0 k N2 11 k N21 N1 N2 n 1 1 k N21 N1 N2 n1 1 1 k N21 N1 N2 n k N1 1&&k N2 00True6.矩母函数 MGF :MomentGeneratingFunctionOrderDistribution DiscreteUniformDistribution N1,N2 ,n ,n ,t7.中心矩母函数 CMGF :CentralMomentGeneratingFunctionOrderDistribution DiscreteUniformDistribution N1,N2 ,n ,n ,t8.累积量母函数 CGF :CumulantGeneratingFunctionOrderDistribution DiscreteUniformDistribution N1,N2 ,n ,n ,t9.阶乘矩母函数 FMGF :CharacteristicFunctionOrderDistribution DiscreteUniformDistribution N1,N2 ,n ,n ,t10.特征函数:CharacteristicFunctionOrderDistribution DiscreteUniformDistribution N1,N2 ,n ,n ,t11.均值:1 N211 n 1 N1 N2 n BernoulliB 1 n,1 BernoulliB 1 n,2 N1 N212.中位值:ConditionalExpression1 N1 Max 1,Ceiling2 1 n 1 N1 N2 0 2 1 n 1N12 1 n 0N2True,0 2 1 n 113.四分位数列表:[N1,N2]离散均匀分布样本最大值分布.nb3ConditionalExpression1 N1 Max 1,Ceiling 4 1 n 1 N1 N2 0 4 1 n 1N14 1 n 0N2True,0 4 1 n 1 ,ConditionalExpression1 N1 Max 1,Ceiling2 1 n 1 N1 N2 0 2 1 n 1N12 1 n 0N2True,0 2 1 n 1 ,ConditionalExpression 1 N1 Max 1,Ceiling 341n1 N1 N2 0341n1N1 341n 0N2True,0341n114.q 分位数:ConditionalExpression1 N1 Max 1,Ceiling 1 N1 N2 q 1n 0 q 1n 1N1q 1n 0N2True,0 q 1n 115.方差: 1 N1 2 1 N211 n1 N1 N2 nBernoulliB 1 n,1 BernoulliB 1 n,2 N1 N222 1 N12 N1 N2 11 n1 N1 N2 n BernoulliB 1 n,1 BernoulliB 1 n,2 N1 N21 N1 N2 n11 nBernoulliB 1 n,1 BernoulliB 1 n,1 N1 N2 12 n2 BernoulliB 2 n,1 BernoulliB 2 n,1 N1 N2 BernoulliB3 n,1 BernoulliB 3 n,1 N1 N23 n16.标准差:4 [N1,N2]离散均匀分布样本最大值分布.nb1 N1 21 N211 n1 N1 N2 nBernoulliB 1 n,1 BernoulliB 1 n,2 N1 N222 1 N12 N1 N2 11 n1 N1 N2 n BernoulliB 1 n,1 BernoulliB 1 n,2 N1 N21 N1 N2 n11 nBernoulliB 1 n,1 BernoulliB 1 n,1 N1 N2 12 n 2 BernoulliB 2 n,1 BernoulliB 2 n,1 N1 N2 13 n BernoulliB 3 n,1 BernoulliB 3 n,1 N1 N2 13 nBernoulliB 3 n,1 BernoulliB 3 n,2 N1 N217.一、三四分位数间矩:ConditionalExpression1 N1 N2 Max 1,Ceiling 341n1 N1 N21 N1 N2 Max 1,Ceiling 4 1 n 1 N1 N2Max 1,Ceiling 341n 1 N1 N2 Max 1,Ceiling 4 1 n 1 N1 N2018.偏度系数: 1 N1 321 N211 n1 N1 N2 nBernoulliB 1 n,1 BernoulliB 1 n,2 N1 N233 1 N1 22 N1 N211 n1 N1 N2 n BernoulliB 1 n,1 BernoulliB 1 n,2 N1 N23 1 N1 1 N1 N2 n11 nBernoulliB 1 n,1 BernoulliB 1 n,1 N1 N212 n 2 BernoulliB 2 n,1 BernoulliB 2 n,1 N1 N2 13 n BernoulliB 3 n,1 BernoulliB 3 n,1 N1 N213 nBernoulliB 3 n,1 BernoulliB 3 n,2 N1 N2 31 N211 n1 N1 N2 n BernoulliB 1 n,1 BernoulliB 1 n,2 N1 N21 N12 2 1 N1 2 N1 N211 n1 N1 N2 n BernoulliB 1 n,1 BernoulliB 1 n,2 N1 N2[N1,N2]离散均匀分布样本最大值分布.nb51 N1 N2 n11 nBernoulliB 1 n,1 BernoulliB 1 n,1 N1 N212 n 2 BernoulliB 2 n,1 BernoulliB 2 n,1 N1 N2 13 n BernoulliB 3 n,1 BernoulliB 3 n,1 N1 N2 13 nBernoulliB 3 n,1 BernoulliB 3 n,2 N1 N21 N1 N2 n11 nBernoulliB 1 n,1 BernoulliB 1 n,1 N1 N212 n 3 BernoulliB 2 n,1 BernoulliB 2 n,1 N1 N2 13 n 3 BernoulliB 3 n,1 BernoulliB 3 n,1 N1 N2 14 nBernoulliB 4 n,1 BernoulliB 4 n,1 N1 N214 nBernoulliB 4 n,1 BernoulliB 4 n,2 N1 N21 N1 21 N211 n1 N1 N2nBernoulliB 1 n,1 BernoulliB 1 n,2 N1 N222 1 N1 2 N1 N211 n1 N1 N2 n BernoulliB 1 n,1 BernoulliB 1 n,2 N1 N21 N1 N2 n11 nBernoulliB 1 n,1 BernoulliB 1 n,1 N1 N212 n 2 BernoulliB 2 n,1 BernoulliB 2 n,1 N1 N2 13 n BernoulliB 3 n,1 BernoulliB 3 n,1 N1 N2 13 nBernoulliB 3 n,1 BernoulliB 3 n,2 N1 N23 219.峰度系数: 1 N1 431 N211 n1 N1 N2 nBernoulliB 1 n,1 BernoulliB 1 n,2 N1 N244 1 N1 32 N1 N211 n1 N1 N2 n BernoulliB 1 n,1 BernoulliB 1 n,2 N1 N26 1 N1 2 1 N1 N2 n11 nBernoulliB 1 n,1 BernoulliB 1 n,1 N1 N212 n2 BernoulliB 2 n,1 BernoulliB 2 n,1 N1 N26 [N1,N2]离散均匀分布样本最大值分布.nb13 n BernoulliB 3 n,1 BernoulliB 3 n,1 N1 N213 nBernoulliB 3 n,1 BernoulliB 3 n,2 N1 N2 61 N211 n1 N1 N2nBernoulliB 1 n,1 BernoulliB 1 n,2 N1 N221 N12 2 1 N1 2 N1 N2 11 n1 N1 N2 n BernoulliB 1 n,1 BernoulliB 1 n,2 N1 N21 N1 N2 n11 nBernoulliB 1 n,1 BernoulliB 1 n,1 N1 N212 n 2 BernoulliB 2 n,1 BernoulliB 2 n,1 N1 N2 13 n BernoulliB 3 n,1 BernoulliB 3 n,1 N1 N2 13 nBernoulliB 3 n,1 BernoulliB 3 n,2 N1 N24 1 N1 1 N1 N2 n11 nBernoulliB 1 n,1 BernoulliB 1 n,1 N1 N212 n 3 BernoulliB 2 n,1 BernoulliB 2 n,1 N1 N2 13 n 3 BernoulliB 3 n,1 BernoulliB 3 n,1 N1 N2 14 n BernoulliB 4 n,1 BernoulliB 4 n,1 N1 N214 nBernoulliB 4 n,1 BernoulliB 4 n,2 N1 N2 41 N211 n1 N1 N2 n BernoulliB 1 n,1 BernoulliB 1 n,2 N1 N21 N1 3 3 1 N1 22 N1 N2 11 n1 N1 N2 n BernoulliB 1 n,1 BernoulliB 1 n,2 N1 N23 1 N11 N1 N2 n11 nBernoulliB 1 n,1 BernoulliB 1 n,1 N1 N212 n 2 BernoulliB 2 n,1 BernoulliB 2 n,1 N1 N2 13 n BernoulliB 3 n,1 BernoulliB 3 n,1 N1 N213 nBernoulliB 3 n,1 BernoulliB 3 n,2 N1 N21 N1 N2 n11 nBernoulliB 1 n,1 BernoulliB 1 n,1 N1 N212 n3 BernoulliB 2 n,1 BernoulliB 2 n,1 N1 N2[N1,N2]离散均匀分布样本最大值分布.nb713 n 3 BernoulliB 3 n,1 BernoulliB 3 n,1 N1 N2 14 n BernoulliB 4 n,1 BernoulliB 4 n,1 N1 N2 14 nBernoulliB 4 n,1 BernoulliB 4 n,2 N1 N21 N1 N2 n11 nBernoulliB 1 n,1 BernoulliB 1 n,1 N1 N212 n4 BernoulliB 2 n,1 BernoulliB 2 n,1 N1 N213 n6 BernoulliB 3 n,1 BernoulliB 3 n,1 N1 N2 14 n 4 BernoulliB 4 n,1 BernoulliB 4 n,1 N1 N2 15 n BernoulliB 5 n,1 BernoulliB 5 n,1 N1 N2 15 n BernoulliB 5 n,1 BernoulliB 5 n,2 N1 N21 N1 21 N211 n1 N1 N2nBernoulliB 1 n,1 BernoulliB 1 n,2 N1 N222 1 N1 2 N1 N211 n1 N1 N2 n BernoulliB 1 n,1 BernoulliB 1 n,2 N1 N21 N1 N2 n11 nBernoulliB 1 n,1 BernoulliB 1 n,1 N1 N212 n 2 BernoulliB 2 n,1 BernoulliB 2 n,1 N1 N2 13 n BernoulliB 3 n,1 BernoulliB 3 n,1 N1 N2 13 nBernoulliB 3 n,1 BernoulliB 3 n,2 N1 N2220.四分偏度系数:8 [N1,N2]离散均匀分布样本最大值分布.nbConditionalExpression 1 34 Indeterminate 34 ComplexInfinity 341 N1 N2 Max 1,Ceiling 34 1n 1 N1 N22Max 1,Ceiling 2 1 n 1 N1 N21 N1 N2 Max 1,Ceiling 34 1n 1 N1 N2341 342 2N1 2N2 Max 1,Ceiling 34 1n 1 N1 N2 Max 1,Ceiling 4 1 n 1 N1 N2Max 1,Ceiling 34 1n 1 N1 N2Max 1,Ceiling 4 1 n 1 N1 N2341 N1 N2 2Max 1,Ceiling 2 1 n 1 N1 N2 Max 1,Ceiling 4 1 n 1 N1 N21 N1 N2 Max 1,Ceiling 4 1 n 1 N1 N234Max 1,Ceiling 34 1n 1 N1 N22Max 1,Ceiling 2 1 n 1 N1 N2Max 1,Ceiling 4 1 n 1 N1 N2Max 1,Ceiling 34 1n 1 N1 N2Max 1,Ceiling 4 1 n 1 N1 N2True21.r阶原点矩矩:Moment OrderDistribution DiscreteUniformDistribution N1,N2 ,n ,n ,r22.r阶中心矩:CentralMoment OrderDistribution DiscreteUniformDistribution N1,N2 ,n ,n ,r 23.r阶阶乘矩:FactorialMoment OrderDistribution DiscreteUniformDistribution N1,N2 ,n ,n ,r 24.r阶累积量:Cumulant OrderDistribution DiscreteUniformDistribution N1,N2 ,n ,n ,r[N1,N2]离散均匀分布样本最大值分布.nb9"25.信息熵："k N1N2Log1 k N11 N1 N2n11 N1 N21 k N11 N1 N2nk N1 0&&k N2 01 111 N1 N2nk N2 0&&k N1 00k N2 0 k N1 0 111 N1 N2n k N1 0&&k N2 0 1 N1 N2 nTrue11 N1 N2N1 k N20True10 [N1,N2]离散均匀分布样本最大值分布.nb。

顺序统计量的分布及其应用探究学生姓名：杨道圣 指导教师：刘宇民摘要 顺序统计量在近代统计推断中起着很重要的作用，在水文，地震，气象和建筑等领域都有重要作用。

经过总结得出了关于顺序统计量的离散型最大顺序统计量分布，最小顺序统计量分布，连续性第i 个顺序统计量ξ(i)的密度函数，连续性随机变量任意两个顺序统计量ξ(i ）<ξ(j)的密度函数：1.离散型随机变量子样最小值的分布律为)(])1()!(!![)(11)1(I r pi r p l n l n x X P nl l n rl lr∈--==∑∑=-=2.离散型随机变量子样最大值的分布律为)(])1()!1()!1(![)(11111)(I r pi r p j n j n x X P nj j r l j n rn ∈-+--==∑∑=--=+-3.设母体ξ有密度函数f(x)>0,a ≤x ≤b(这里可以设a=－∞,b=+∞)，并且ξ1,ξ2，…，ξn 取自这一母体的一个子样，则第i 个顺序统计量ξ(i)的密度函数4.设母体ξ有密度函数f(x)>0,a ≤x ≤b(这里可以设a=－∞,b=+∞)，并且ξ1,ξ2，…，ξn 取自这一母体的一个子样，则任意两个个顺序统计量ξ(i ）<ξ(j)的密度函数为关键词 最小顺序统计量，最大顺序统计量，第i 个顺序统计量ξ(i)的密度函数，任意两个个顺序统计量ξ(i ）<ξ(j)的密度函数引言顺序统计量在近代统计推断中起着重要的作用，这是由于顺序统计量有一些性质不依赖于母体的分布，并且计算量很小，使用起来较方便，因此在质量管理、可靠性等方面得到广泛的应用。

顺序统计量在近代统计推断中起着很重要的作用，在水文，地震，气象和建筑等领域都有重要作用。

定义定义1：设(X 1，X 2…，X n )是总体X 的一个样本，假如样本的实值函数g(X 1，X 2…，X n )不依赖任何未知的量，则称g(X 1，X 2…，X n )为统计量。

第四节顺序统计量≤≤≤=1212(1)(2)()1212()()(1)(2)()12(,,,) (5.4.1 ,,,),(,,,)(,,),(1,2,,), (,,,)( ,,,n n n n n k k n X X X X x x x x x x X X X x x x X x k n X X X X X X 设是从总体中抽取的一个样本,是其一个观测值将观测值按由小到大的次序一、顺序统计量的定义定重新排列为当取值为时定义取值为由此得到的称为样本义(1)(2)()) (,,,)..n n x x x 顺序的对应的成统量为其计观察值≤≤≤≤===-称为样本的特别地，称为 称为 称为由于每个都是样本的函数，所以都是随机变量第个顺序统计量最小顺序统计量最大顺序统计量. 一般它们不相互独立.设总体的分布为样本极差.例1注：： ()12(1)1()1()()(1)()12(1)(2)():(,,,)min .max .(,,,),,,.k n i i nn i i nn n k n n X X X X X X X X R X X X X X X X k X X X 仅取的离散均匀分布，其分布列为0, 1, 2----=--<<<=-><=-≤-=-+-=---⎰设总体分布为为样本，则的联合密度函数为 令 由可以推出 则该分布参例数为 12(1)()21,()(1)(1)()122(0,1),,,,(,)(,)(1)(),0 1.,001()(1)[3()](1)(1).(1n n n n n n r n R n X U X X X X X f y z n n z y y z R x x R X X R R f r n n y r y dyn n r r n 的贝塔分布.,2)。