充分统计量：设$\mathbf{x}=(x_1,x_2,…,x_n)$是来自分布$F(x|\theta)$的一个样本，$T=T(X)$是统计量，假如在给定$T(X)=t$的条件下，$\mathbf{x}$的条件分布与$\theta$无关的话，则称该统计量为充分统计量。
因子分解定理：充分统计量的充要条件是存在一个函数$g(t,\theta)$和一个样本函数$h(x)$，使得对任一样本$\mathbf{x}$和任意$\theta$有$p(\mathbf{x}|\theta)=g(T(\mathbf{x}),\theta)h(\mathbf{x})$
充分统计量的贝叶斯定义：对某先验分布族中任一先验分布$\pi(\theta)$，有$\pi(\textbf{x}|T(x))=\pi(\theta|\textbf{x})$，即用样本分布$p(x|\theta)$算的后验分布与统计量$T(x)$算的后验分布是相同的。
