统计学三大分布与正态分布的关系讲课稿.docVIP

统计学三大分布与正态分布的关系[1] 张柏林 理实1002班 摘要：本文首先将介绍分布，分布，分布和正态分布的定义及基本性质，然后用理论说明分布，分布，分布与正态分布的关系，并且利用数学软件MATLAB来验证之. 1. 三大分布函数[2] 1.1分布 分布是一种连续型随机变量的概率分布。这个分布是由别奈梅(Benayme)、赫尔默特(Helmert)、皮尔逊分别于1858年、1876年、1900年所发现，它是由正态分布派生出来的，主要用于列联表检验。 定义：若随机变量相互独立，且都来自正态总体，则称统计量为服从自由度为的分布，记为. 分布的概率密度函数为 其中伽玛函数，分布的密度函数图形是一个只取非负值的偏态分布，如下图. 卡方分布具有如下基本性质： 性质1：； 性质2：若，相互独立，则； 性质3：； 性质4：设，对给定的实数称满足条件: 的点为分布的水平的上侧分位数. 简称为上侧分位数. 对不同的与n, 分位数的值已经编制成表供查用. 分布的上分位数 1.2分布 分布也称为学生分布，是由英国统计学家戈赛特在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位置. 定义：设，相互独立，，则称统计量服从自由度为的分布，记为. 分布的密度函数为 分布的密度函数图 分布具有如下一些性质： 性质1：是偶函数，； 性质2：设，对给定的实数 称满足条件；的点为分布的水平的上侧分位数. 由密度函数的对称性，可得 类似地，我们可以给出t分布的双侧分位数 显然有 对不同的与， 分布的双侧分位数可从附表查得. 分布的上分位数 1.3分布 分布是随机变量的另一种重要的小样本分布，应用也相当广泛. 它可用来检验两个总体的方差是否相等，多个总体的均值是否相等. 分布还是方差分析和正交设计的理论基础. 定义：设，相互独立，令则称统计量服从为第一自由度为，第二自由度为的分布. 分布的密度函数图 分布具有如下一些性质： 性质1：若； 性质2：若，则； 性质3：设，对给定的实数称满足条件； 的点为分布的水平的上侧分位数. 分布的上分位数 分布的上侧分位数的可自附表查得. 性质4： 此式常常用来求分布表中没有列出的某些上侧分位数. 1.4正态分布 正态分布是数理统计中的一种重要的理论分布 ，是许多统计方法的理论基础. 高斯（Gauss）在研究误差理论时首先用正态分布来刻画误差的分布，所以正态分布又称为高斯分布. 正态分布有两个参数，μ和σ，决定了正态分布的位置和形态. 为了应用方便，常将一般的正态变量X通过u变换转化成标准正态变量u，以使原来各种形态的正态分布都转换为μ=0，σ=1的标准正态分布. 正态分布的密度函数和分布函数 若连续型随机变量具有概率密度为 其中为常数，则称服从参数为的正态分布，记为. 正态分布的密度函数图 特征1：正态曲线（normal curve）在横轴上方均数处最高； 特征2：正态分布以均数为中心，左右对称； 特征3：正态分布有两个参数，即均数和标准差. 是位置参数，固定不变时，越大，曲线沿横轴越向右移动；反之，越小，则曲线沿横轴越向左移动. 是形状参数，当固定不变时，越大，曲线越平阔；越小，曲线越尖峭. 通常用表示均数为，方差为的正态分布. 用表示标准正态分布. 特征4：正态曲线下面积的分布有一定规律。 实际工作中，常需要了解正态曲线下横轴上某一区间的面积占总面积的百分数，以便估计该区间的例数占总例数的百分数（频数分布）或观察值落在该区间的概率. 正态曲线下一定区间的面积可以通过标准正态分布函数表求得。对于正态或近似正态分布的资料，已知均数和标准差，就可对其频数分布作出概约估计. 2. 三大分布与正态分布的密度函数比较[3] 2.1分布收敛于正态分布 设，则对任意x，有. 证明：因为 分布的 所以由独立同分布中心极限定理得 因为且 所以 因为 所以 = 令，利用Stirling公式： 则上式= = = = 所以分布的极限分布为正态分布. 下面用MATLAB来验证上面结论，首先定义分布函数和相应的正态分布，再依次增大，比较两者关系：[4] 从上面三个图形可以看出，越大，分布密度函数与正态分布度函数越接近，这就和所证结论相符合. 2.2t分布收敛于标准正态分布 若服从自由度为的t分布， （1） 证法1：由于自由度为n的t分布的概率密度函数为 因此（1）式等价于 （2） 先利用Stirling公式： 证明 事实上，利用函数的性质 当时 当时亦可推出同样的结果。 另外，由特殊极限公式可得 综合上诉，即证明（2）式 所以，分布的极限分布是正态分布. 下面用MATLAB来验证上面结论，首先定义