分布分位点.PPT

湘潭大学数学与计算科学学院 t分布也称为学生分布。由英国哥塞特(Cosset, W. S. 1876-1937)于1908年首先提出， Cosset 年轻时候在英牛津大学学习数学和化学，1899在都柏林的健力士酿酒厂工作，从事实验和数据分析工作，发现了这个与正态分布微笑差别的t分布。1908年使用了学生(Student)这一笔名发表此项结果。 1.3 抽样分布 统计量既然是依赖于样本的，而后者又是随机变量，故统计量也是随机变量，因而就有一定的分布，这个分布叫做统计量的“抽样分布” . 抽样分布 精确抽样分布 渐近分布 (小样本问题中使用) (大样本问题中使用) 抽样分布是一个统计量(随机变量X1, … ,Xn函数)的分布. 研究统计量的性质和评价一个统计推断的优良性，完全取决于其抽样分布的性质. 设 X1, … ,Xn～N(0,1)且相互独立,则称随机变量： 是由正态分布派生出来的一种分布. (1). 定义 1.8 所服从的分布为自由度为 n 的 n为独立随机正态变量的个数, 也称为 记为 其中 Γ(x)为伽玛(Gamma)函数 具有如下性质： 可由数归 法得到 （定理1.6） 分布密度函数图形 10 .?? 设X1, … ,Xn～ 20. ?2变量的可加性 要用到独立随机变量和的卷积公式和Γ(x) 的性质。 =2 n E(X)=n, D(X)=2n。 由定义知 E(Xi)=0, D(Xi)=1 = n 30. ?2变量的期望，方差： 应用Lindeberg中心极限定理可得： 40. 极限分布 更一般地有柯赫伦(Cochran)分解定理： 设X1, … ,Xn～N(0,1)且相互独立, 其在方差分析中有很重要的作用。 记为T～t(n). 设X～N(0,1) , Y～ ? 2(n), 且相互独立，则称随机变量 所服从的分布为自由度为 n的 t 分布，也称为t变量. 2. t －分布 (1). 定义1.9: (2). T变量的密度函数为-定理1.8 10. T ～ t(n)为具有自由度为n的t分布的随机变量，则T的数字特征具有如下性质： 当 n =1时， T ～ t(n)实际上是柯西分布，任何阶矩均不存在； (3). T变量的性质： 当n 2， E(T)=0; D(T)=n / (n-2) . 且有 事实上 当n充分大时，其图形类似于标准正态分布密度函数的图形. t分布的密度函数关于x=0对称，是偶函数，且 应用Γ函数的性质及司特林(Stirling)公式得： 30. 极限分布 当n充分大时，t 分布近似N (0,1)分布. 但对于较小的n，t分布与N (0,1)分布相差很大. t 分布的概率密度图形 当 n 充分大时，f (x; n) 趋近于标准正态分布的概率密度。 Cosset作为统计学的新手，老Pearson不能接受t分布，正态分布被认为是“万能分布”。 1923年，Fisher给出严格而简单的推导，又编制t分布表后，才被学术界承认。 t检验以及相关理论经由罗纳德·费雪的工作发扬光大，而正是他将此分布称为学生分布。 由定义可见， 服从自由度为n1及 n2的F-分布，n1称为第一自由度， n2称为第二自由度，记作 F～F(n1, n2) . ～F(n2, n1) 3. F－分布 (1). 定义1.10 也称为F变量 EX不依赖于第一自由度n1. 10. 若X~F(n1,n2)，X的数学特征: 若n22 (2). 若X~F(n1,n2)， X的概率密度为（定理1.9） (3). F变量的性质 20. 若n1=1时，F～F(1, n2)= t 2(n2). 30. 极限分布 若X~F(n1,n2)， n24，则 40. 分解定理： 设X1, … ,Xn～N(0,σ2)且相互独立, 是柯赫伦(Cochran)分解定理的具体应用，它也在方差分析中有重要作用。 下面给出概率分布的上侧分位数(分位点)的定义，它在计算统计查表时经常使用. 四、分位点 1. 定义 设X是随机变量，对???(0,1)，若存在x?使 则称 x?是X (概率分布)的? －上侧分位点. 特别地； (1).正态分布 查表P290页表1. χn2(?)有表可查，见附表3（p293）。 对于给定的 ??(0,1), 称满足条件 的点 χn2(?)为 χn2分布的上(右)? 分位点。 （2） 分布分位点 Fisher曾证明:当 n 充分大时有 (3). T～ t(n) 学生氏分布 查表P292页表2. 若 F～F