4、概率与统计基础概念解析

概率与统计基础概念解析

1. 概率基础概念

在概率的研究中，有一些基础概念和重要定理值得深入探讨。

1.1 渐近正态分布的判定

在某些情况下，判定一个检验统计量是否具有渐近正态分布是很重要的。有时通过累积量来证明会更方便，即当满足 $\kappa_{2j + 1} = 0$（$j \geq 1$）且 $\lim_{n \to \infty} \frac{\kappa_{2j}}{\kappa_j^2} \to 0$（$j > 1$）时，可以证明其具有渐近正态分布。此外，文献中也有很多通过 Stein 引理来证明中心极限定理的参考资料。

1.2 多元中心极限定理

• 多元正态分布的定义 ：一个随机的 $m$ 维向量 $Y$，若其密度函数为 $f(y) = (2\pi)^{-\frac{m}{2}} |\Sigma|^{-\frac{1}{2}} \exp\left(-\frac{1}{2} (y - \mu)^T \Sigma^{-1} (y - \mu)\right)$，其中 $\Sigma$ 是正定矩阵，$|\Sigma|$ 表示其行列式，则称 $Y$ 服从均值向量为 $\mu$、方差 - 协方差矩阵为 $\Sigma$ 的多元正态分布，记为 $Y \sim N_m(\mu, \Sigma)$。
• 参数估计 ：基于大小为 $n$ 的随机样本，$(\mu, \Sigma)$ 的常用估计量分别为 $\overline{Y} n = \frac{1}{n} \sum {i = 1}^{n} Y_i$ 和