sect;6.2 三大统计分布.ppt

§6.2 三大统计分布 本节介绍数理统计中的三个著名分布，它们在参数估计和假设检验等统计推断问题中有广泛应用. 一、X平方-分布 定义6.1 设随机变量 独立且服从相同分布 ，则称 (6-8) 所服从的分布是自由度为n的 -分布，记为 ，称 为 -变量. 为纪念英国著名统计学家皮尔（K.Pearson，1857-1936） - 分布也称为皮尔逊 -分布. 这是数理统计中一个十分重要的概率分布. 根据独立随机变量和的密度公式(3-27)和数学归纳法，可以证明： -分布的概率密度函数为（详见[5]） ，（6-9） 其中 是 -函数，定义见第四章附录2． 图6.1是 -变量的概率密度函数(6-9)在几种不同参数下的图像. 特别地，当 时， 服从参数 的指数分布. 此外， -分布具有以下性质： （1）数字特征. 若 ，则 ， . （2）可加性. 若 且 与 独立，则 . (6-10) 为便于今后的应用，现在我们引入上侧分位数的概念. 所谓一个分布的 -上侧分位数就是指这样一个数，它使相应分布的随机变量不小于该数的概率为 . 比如，若记 -变量 的 -上侧分位数为，则满足（见图6.2）. 对不太大的n，如 60，可用附表3查 的值，而对较大的n，则可用（6-11）近似计算 , (6-12) 其中 是标准正态分布 的 -上侧分位数，可通过附表2查出. 二、t -分布 定义6.2 设 ， ，X与Y独立，则称 (6-13) 所服从的分布是自由度为n的t-分布，记作 . t -分布也称为学生分布，是英国统计学家戈塞特（Goset，1876-1937）在1908年“Student”的笔名首次发表的，这个分布在数理统计中也占有重要的地位. 根据独立随机变量商的密度公式(3-32)，可以证明（过程从略）：(6-13)中的 概率密度函数为 根据独立随机变量商的密度公式(3-32)，可以证明（过程从略）：(6-13)中 的概率密度函数为 , . (6-14) 另外，t -分布具有以下性质： （1）（近似标准正态） 当 时， 这就是说，当n充分大时，t -分布 近似于标准正态分布 ，但如果n较小，这两个分布的差别还是比较大的，见图6.3， 其中粗虚线是 的密度函数 . 我们看到，所有的t -分布密度函数值在 附近均未超过的值，而在两边的尾部均超过 了的值. 这就是统计学中所谓的“重尾”（Heavy Trails）现象. （2）（数字特征）若 ， ，则 顺便指出，自由度为1的t -分布也称为柯西（Cauchy）分布，它以其数学期望和方差均不存在而闻名（见例4.3）. 记t -分布 的 -上侧分位数为 ，附表4给出了不同n和 所对应的 数值. 另外，由性质（1）知，对较大的n（比如 60） ，可用下式近似 . (6-15) 三、F -分布 定义6.3 设 且X与Y独立，则称 (6-16) 所服从的分布是自由度为 的F-分布，记作 ，这是为纪念英国著名统计学家费歇（R.A. F