数理统计基础知识.ppt

在确定分位数 F1? ? / 2 ( m , n ) 时，通常需要先查表得到 F? / 2 ( n , m ) 的值，然后再利用关系式 计算出 F1? ? / 2 ( m , n ) 的值。 此时成立 P ( X F? / 2 ( m , n )) = 1 ? ? 。 例 4.13 设随机变量 F ~ F( 12 , 9 )，? = 0.05，试求 F0. 95 ( 12 , 9 ) 。 解 （本题不可以直接查表得到所需的结果） 查表得 F0.05 ( 9 , 12 ) = 2.80，于是， F0. 95 ( 12 , 9 ) = 1 / F0.05 ( 9 , 12 ) = 1 / 2.80 ? 0. 3571 。 四、t 分布 命题 4.4（P.136） 设 X ~ N( 0 , 1 )，Y ~ ?2( n )，且 X 与 Y 相互独立，记 ，则随机变量 T 的密度函数为 其中 （p 0，q 0）是 ?（贝塔）函数. 定义 4.8（P.136） 一个随机变量 X 称为服从自由度为 n 的 t 分布，如果其密度函数为 ， 记作 X ~ t ( n ) 。 t 分布是科塞特（W.S.Gosset）于 1908 年在一篇署名为“ 学生” （Student）的论文中首先提出来的，因此，t 分布也称为 “ 学生分布 ” 。 综合定义 4.8 和命题 4.4 ，得 结论 设随机变量 X 与 Y 相互独立，X ~ N( 0 , 1 )， Y ~ ?2( n )。令随机变量 ，则 T 服从自由度为 n 的 t 分布，即 T ~ t ( n ) 。 进而有： 随机变量 T 2 ~ F ( 1 , n )。 这也说明了t 分布与 F 分布的关系：若 r.v. T ~ t ( n )，则 r.v. T2 ~ F ( 1 , n )。 t 分布的密度函数的图形见 P.136 图 4.6。由于 t 分布的密度函数满足 t ( x ; n ) = t ( ?x ; n )，因而 t 分布的密度函数曲线的形状关于纵轴（y 轴）对称；同时，t 分布的密度函数的曲线为单峰曲线，在 x = 0 处达到最大值；以 x 轴为水平渐进线 . 当自由度 n 很大时，t 分布接近于标准正态分布，这是由于 ，且可以证明 ，即标准正态分布 N ( 0 , 1 ) 是 t 分布的极限分布。 这也就是说，当 t 分布的自由度 n 充分大（如 n 50）时，t 分布 t ( n ) 可以近似地看作是标准正态分布；然而对于比较小的 n 值（如 n 45）， t 分布与标准正态分布之间存在着较大的差异（如右图所示）： 若 r.v. X ~ N ( 0 , 1 )，T ~ t ( n )， 则当 x0 足够大时，成立 P ( ? T ? ? x 0 ) P ( ? X ? ? x 0 )， 即 t 分布的尾部比标准正态分布的 尾部具有更大的概率。 f ( x ) x ?x0 0 x0 N ( 0 , 1 ) t ( n ) 对于 t 分布，也编制了相应的统计用表（P.295 附表 5 分位数表 ）。在附表 5 中，仅对充分小的 ?（? ? 0.10）的一些特殊值列出了 t 分布的水平 ? 的上侧分位数 t? ( n ) （ 若 X ~ t ( n )，则 P ( X t ? ( n ) ) = ? ）的值； 此时由于 1 ? ? 的值较大（?