Professional Documents
Culture Documents
ProbStat - 4.3 统计中四大分布及其分位数
ProbStat - 4.3 统计中四大分布及其分位数
第四章 统计量及其分布
统计中四大分布及其分位数
分布的分位数
下侧 p -- 分位数
亦称 xp 为下侧 p -- 分位数.
上侧 p -- 分位数
P(X≥ x’p) = p
上侧与下侧分位数之间的关系
xp = x1−p
'
, xp = x1−p
'
数理统计中四大分布
(2) χ (n):
2 χα2 (n)
(3) t (n): tα (n)
(4) F (n, m): Fα (n, m)
一、(标准)正态分布N(0,1)
X −μ
1. 构造: 设X~N(μ,σ2), 则 Z = σ ~N(0,1)
n
2. 正态分布的密度函数曲线
( x − μ )2
1 −
f ( x) = e 2σ 2
, −∞ < x < ∞
2πσ
E ( X ) = μ , Var ( X ) = σ 2
3. 分位点
对任意0<α<1,若P(Z< Zα)=α,
则称Zα为标准正态分布 φ(x)
的下侧α分位数.
其中 α α
Φ ( zα ) = α zα z1-α
X
二、χ2 — 分布
1. 构造:
iid n
设 X 1 ," , X n ~ N (0,1), 则χ 2 = ∑ X i2 ~χ 2 (n).
i =1
称为自由度为n的χ 2 − 分布.
2. χ2—分布的密度函数曲线
⎧⎪
n y
−1 −
1
y 2
e , y>0
2
f ( y) = ⎨ 2
n / 2
Γ(n / 2)
⎪⎩ 0, y≤0
该密度函
数的图象
是一只取
非负值的
偏态分布
E ( χ 2 ) = n,
Var ( χ 2 ) = 2n
χ
则称 α
2
( n ) 为 χ (n) 分布的下侧α 分位点。
2
α α
χ α2 ( n ) χ12−α (n)
24 April 2009 华东师范大学
第四章 统计量及其分布 第13页
4. χ2 分布的性质:
a) 分布可加性: 若X~χ2(n1),Y~χ2(n2 ),
X 与 Y 独立,则 X + Y~χ2(n1+n2 ).
b) 期望与方差: 若 X~χ2(n),则
E(X) = n, D(X) = 2n
三、t — 分布
X
T= ~ t ( n ).
Y /n
2. t(n) 的概率密度为:
⎛ n +1⎞
Γ⎜ ⎟ ⎛ t2 ⎞ 2
−
n +1
p(t ) =
⎝ 2 ⎠
1+ ⎟ , − ∞ < t < ∞
⎛ n⎞⎝⎜ n⎠
nπ Γ ⎜ ⎟
⎝2⎠
t分布的密度函
数的图象是一关
于纵轴对称的分
布,与标准正态
分布的密度函数
形状类似,只是
峰比标准正态分
布低一些尾部的
概率比标准正态
分布的大一些。
3. t(n) 的性质:
(1) p(t) 关于 t=0 (纵轴) 对称。
(2) p(t) 的极限为 N(0,1) 的密度函数.
4. 分位点
设T~t(n),若对0<α<1, 存在 tα(n)>0, 满足
P{T≤tα(n)} = α
则称 tα(n)为 t(n) 的下侧 α 分位点.
α α
tα ( n ) t1−α ( n )
注: (1) t1−α ( n ) = −tα ( n );
(2) tα ( n) → zα , n→∞
四、F — 分布
1. 构造 若X ~ χ2(n1), Y ~ χ2(n2),X与Y独立,则
X / n1
F = ~ F ( n1 , n2 )
Y / n2
称为自由度为 n1, n2的F — 分布.
2. F(n1,n2) 的概率密度为:
⎧
( )
n1
n1 + n2 n1 / 2 2 −1
⎪ Γ 2 (n1 / n2 ) y
⎪ , y>0
p( y ) = ⎨ n1
( ) ( )( )
( n + n ) / 2
Γ 2 Γ 2 1 + n2 y
n2 n1 1 2
⎪
⎪ 0, y≤0
⎩
该密度函
数的图象
也是一只
取非负值
的偏态分
布
3. F — 分布的分位点
对于 0<α<1,若存在
Fα(n1, n2)>0 满足
P{F≤Fα(n1, n2)} = α,
则称 Fα(n1, n2)为 α α
F(n1, n2)的下侧 α 分位点
4. F — 分布性质:
1
F1−α (n1, n2 ) =
Fα (n2 , n1 )
点击返回
4.2 统计量与抽样分布