在统计学中， 辅助统计量是任何其分布不取决于模型参数的统计量。
这一概念是罗纳德·艾尔默·费希尔提出的。
定义
设P_\theta是一概率模型，其中\theta是参数。若对于来自样本的数据\mathbf{Y}，统计量T(\mathbf{Y})的分布不依赖于\theta，则称T(\mathbf{Y})是关于\theta的辅助统计量。这即是说，对于任何博雷尔集A，有P_\theta(T(\mathbf Y)\in A)=\mu(A)，其中\mu(\cdot)是不依赖于\theta的概率测度。
例子
常数
很明显，常数是最简单的辅助统计量。
均值未知的正态分布的样本方差
对于正态分布模型\{N(\mu,\sigma^2)|\mu\in\mathbb R\}，其中方差\sigma^2已知，可以证明（在n>1时）样本方差\widehat{\sigma}^2=\frac{\sum \left(X_i-\bar{X}\right)^2}{n-1}是\mu的辅助统计量。实际上，样本方差的分布为比例卡方分布\sigma^2\cdot\chi^2_{n-1}，不依赖于\mu。
相关页面
- 巴苏定理
参考文献
评论 (0)