三大统计分布教学文案.pptVIP

§6.2 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(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) ;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; 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; , (6-17) 图6.4是四组不同参数下该密度函数的图像. ;另外，由定义6.3，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 . (6-18) 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 .