三大统计分布.ppt

§ 三大统计分布; 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()和数学归纳法，可以证明： 分布的概率密度函数为（详见[]） ，（） 其中 是 函数，定义见第四章附录． 图是 变量的概率密度函数()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： （）数字特征. 若 ，则 ， . （）可加性. 若 且 与 独立，则 . () ; 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）. ;对不太大的，如 ，可用附表查 的值，而对较大的，则可用（）近似计算 , () 其中 是标准正态分布 的 上侧分位数，可通过附表查出. ;二、 分布; 根据独立随机变量商的密度公式()，可以证明（过程从略）：()中 的概率密度函数为 , . () 另外， 分布具有以下性质： （）（近似标准正态） 当 时， 这就是说，当充分大时， 分布 近似于标准正态分布 ，但如果较小，这两个分布的差别还是比较大的，见图， ; 其中粗虚线是 的密度函数 . 我们看到，所有的 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”（ ）现象. ;（）（数字特征）若 ， ，则 顺便指出，自由度为的 分布也称为柯西（）分布，它以其数学期望和方差均不存在而闻名（见例）. 记 分布 的 上侧分位数为 ，附表给出了不同和 所对应的 数值. 另外，由性质（）知，对较大的（比如 ） ，可用下式近似 . () ;三、 分布; , () 图是四组不同参数下该密度函数的图像. ;另外，由定义，立即有以下结论： 若 ，则 . 这个结论可用于计算分布 的 上侧分位数 . 具体地说，我们有 . () 事实上，由 、 以及上侧分位数的定义可推出;故(6-18)式成立. 对较小的 （如0.1、0.05、0.025等）， 的数值可由附表5查得. 但附表5并未给出较大时的数值，此时，可用公式(6-18)求出 .