首页 理论教育 概率论与数理统计(第5版):3个重要分布

概率论与数理统计(第5版):3个重要分布

时间:2023-11-19 理论教育 版权反馈
【摘要】:定义6.2.1统计量的分布称为抽样分布.下面介绍3个来自正态分布的常用统计量的分布.6.2.1.1χ2分布定义6.2.2设X 1,X 2,…

概率论与数理统计(第5版):3个重要分布

定义6.2.1 统计量的分布称为抽样分布.

下面介绍3个来自正态分布的常用统计量的分布.

6.2.1.1 χ2分布

定义6.2.2 设X 1,X 2,…,Xn是来自总体N(0,1)的样本,则称统计量

服从自由度为n的χ2分布,记为χ2~χ2(n).

此处,χ2分布的自由度是指独立随机变量的个数.

自由度为n的2分布的概率密度

式中,是Gamma函数,概率密度f(x)的图形如图6-2所示.

可以证明χ2分布具有以下性质.

图6-2 χ2分布概率密度的图形

(1)若X 1,X 2,…,X n相互独立,都服从N(0,1),则χ2(n).反之,若X~χ2(n),则X可以分解为n个相互独立的标准正态随机变量的平方和

(2)若X~χ2(n),则有E(X)=n,D(X)=2n.

(3)χ2分布具有可加性.设X~χ2(n 1),Y~χ2(n 2),并且X和Y相互独立,则有X+Y~χ2(n 1+n 2).

应该说明,对有限个相互独立的服从χ2分布的随机变量,χ2分布的可加性也是成立的.

定义6.2.3 若χ2~χ2(n),对于给定的α,0<α<1,称满足条件

的点为χ2(n)的上侧α分位点,其中f(x)为χ2分布的概率密度,其图形如图6-3所示.计算的MATLAB程序,见本书附录B的例B.2.5的(2).

图6-3 χ2(n)的上侧α分位点

对于不同的α,n,的值已编制成表供查用,见书末的附表4——χ2分布表.例如,α=0.1,n=25,查χ2分布表,得=34.382.但该表只列到n=45为止,Fisher曾证明,当n充分大时,近似地有,其中zα是标准正态分布的上侧α分位点.因此,当n>45时,可以利用上述近似公式计算例如,(由更详细的表得χ2 0.05(50)=

例6.2.1 设X 1,X 2,…,X 10是来自总体X~N(0,0.32)的样本,求

解 由于X 1,X 2,…,X 10是来自总体X~N(0,0.32)的样本,则都服从N(0,1).

根据χ2分布的定义,有,因此,有

这是因为,当n=10,=16时,查χ2分布表,得α=0.1.

例6.2.2 设X 1,X 2,…,X 6是来自总体X~N(0,1)的样本,Y=(X 1+X 2+X 32+(X 4+X 5+X 62,求常数c,使cY服从χ2分布.

解 由于X 1,X 2,…,X 6是来自总体X~N(0,1)的样本,则有X 1+X 2+X 3~N(0,3),所以

同理,X 4+X 5+X 6~N(0,3),所以X 3和X 4+X 5+X 6相互独立,根据χ2分布的定义,

于是,

即当时,cY服从χ2分布.

6.2.1.2 t分布

定义6.2.4 设X~N(0,1),Y~χ2(n),且X,Y相互独立,则称统计量

服从自由度为n的t分布,记为T~t(n).

自由度为n的t分布的概率密度为

图6-4是几个不同的自由度n对应的概率密度f(x)的图形.

图6-4 t分布概率密度的图形

可以证明t分布具有以下性质:

(1)若X~N(0,1),Y~χ2(n),且X,Y相互独立,则.反之,若T~t(n),则有相互独立的X~N(0,1),Y~χ2(n),使

(2)t分布与标准正态分布有如下关系:(www.xing528.com)

式中,f n(x)为自由度是n的t分布的概率密度,φ(x)为标准正态分布的概率密度.这个性质说明t分布的极限分布是标准正态分布.

定义6.2.5 若t~t(n),对于给定的α,0<α<1,称满足条件

的点tα(n)为t(n)的上侧α分位点,其中f(x)为t分布的概率密度,其图形如图6-5所示.

图6-5 t(n)的上侧α分位点

t分布的上侧α分位点的值,可以查书末附录C的附表3——t分布表.例如,对于α=0.05,n=10,查t分布表得t 0.05(10)=1.8125.计算tα(n)的MATLAB程序,见附录B的例B.2.5的(3).

根据t分布的上侧α分位点的定义以及t分布的概率密度f(x)的对称性,可知t 1-α(n)=-tα(n).根据t分布与标准正态分布的关系,当n>45时,可以用近似公式tα(n)≈zα,其中zα是标准正态分布的上侧α分位点.

例6.2.3 设X 1,X 2,…,X 5是来自总体X~N(0,1)的样本,求常数c,使统计量服从t分布.

解 由于X 1,X 2,…,X 5是来自总体X~N(0,1)的样本,所以X 1+X 2~N(0,2),,且二者独立,根据t分布的定义,要使

服从t分布,则有

由于X 1+X 2~N(0,2),所以N(0,1),则,由此解得

即当

6.2.1.3 F分布

定义6.2.6 设U~χ2(n 1),V~χ2(n 2),且U,V独立,则称统计量

服从自由度为(n 1,n 2)的F分布,记为F~F(n 1,n 2).其中,n 1称为第一自由度,n 2称为第二自由度.其概率密度为

对几个不同的自由度对应的概率密度的图形如图6-6所示.

图6-6 F分布概率密度的图形

可以证明F分布具有以下性质.

(1)若U~χ2(n 1),V~χ2(n 2),且U,V独立,则.反之,若F~F(n 1,n 2),则有相互独立的U~χ2(n 1),V~χ2(n 2),使

(2)由F分布的定义可知,若F~F(n 1,n 2),则

定义6.2.7 若F~F(n 1,n 2),对于给定的α,0<α<1,称满足条件

的点Fα(n 1,n 2)为F(n 1,n 2)分布的上侧α分位点,其中f(x)为F分布的概率密度,其图形如图6-7所示.

图6-7 F(n 1,n 2)的上侧α分位点

F分布的上侧α分位点的值,可以查书末的附录C附表5——F分布表.例如,对于α=0.05,n 1=9,n 2=12,查F分布表得F 0.05(9,12)=2.80.计算Fα(n 1,n 2)的MATLAB程序,见书末附录B的例B.2.5的(4).

F分布的上侧α分位点,有如下重要的性质:

例如,

例6.2.4 已知X~t(n),证明X 2~F(1,n).

证明 由于X~t(n),按t分布的定义和性质,X可以写成的形式,其中Z~N(0,1),Y~χ2(n),且Z与Y相互独立.

于是,在中,(n),且与Y相互独立.按F分布的定义,有

例6.2.5 设X 1,X 2,…,X 15是来自总体N(0,σ2)的样本,确定

例页码 电子书="136" 纸书="122"/>的分布.

解 由于X 1,X 2,…,X 15是来自总体N(0,σ2)的样本,所有Xi~N(0,σ2),,且它们相互独立.根据χ2分布的定义,有

相互独立,根据F分布的定义,有

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈