几个常用统计分布.docx
《几个常用统计分布.docx》由会员分享,可在线阅读,更多相关《几个常用统计分布.docx(34页珍藏版)》请在冰豆网上搜索。
![几个常用统计分布.docx](https://file1.bdocx.com/fileroot1/2023-1/5/504b2ce7-e3ca-4392-89ab-0426130b823a/504b2ce7-e3ca-4392-89ab-0426130b823a1.gif)
几个常用统计分布
第6.3节几个常用统计分布
一、常见分布
二、概率分布的分位数
三、小结
一、常见分布
1.正态分布
定理设相互独立且
r.vX,X,,X,
12n
2
X~N(,)(i1,2,,n)
iii
则它们的任一确定的线性函数
nnn
22
CX~N(C,C).
iiiiii
i1i1i1
其中C,C,,C为不全为零的常数.
12n
证明
由于X1,X,
2
X
独立且均为正态变量,
n
n
故他们的线性函数
i1
CX
i
仍为正态变量,
i
又
nnn
E
(iXCEXC
C)()
iiiii
i1i1i1
nnn
D
22
(iXCDXC
C)()
iiii
i1i1i1
2
i
所以
n
i1
nn
C(,
iXNCC
~
2
iiii
i1i1
2
i
)
推论1
2
设X,X,是来自正态总体
XN(,)12n
的样本,则样本的任一确定的线性函数
n
i1
CX~N(
ii
n
C
i1
i
2
n
C
i1
2
i
).
其中
C,
1
C,,
2
C
为不全为零的常数
n
.
推论2
设
X,X,,
12
2
X是来自正态总体N(,)
n
2的样本,X是样本均值,则有X~N(,/n).
推论3
设与
X,X,,XY,Y,,
12n12
1
Y
n
2
分别是
来自两个独立的正态总体N
2
(,),
1
1
N(,
2
2
2
)
的样本,设X
nn
11
12
X,Y
i
nn
i1i1
12
Y
i
分别是这两
个样本的均值,则有
XY~N
(
1
2
2
1
n
1
2
2
n
2
)
或
(
X
2
1
Y
/
)
n
1
/
2
n
2
)
~N(0,1)
2.
2
分布
定义设,,,相互独立,均服从(0,1)
XXXN
12n
分布,则称统计量=服从自由
XXX
2222
n12n
222
度为n的分布,记为~(n).
n
自由度:
指
2
nXXX
22
12
2
n
中右端包含独立
变量的个数.
定理分布的概率密度为
2(n)
nx
1
1
x2e2
x0
n
n
p(x)
2()
2
2
0其它
11
2分布即为分布
),
证明因为(1,
22
又因为2~2
(1),
X~N(0,1),由定义X
ii
即
11
2in
Xi
~,,1,2,,.Xi
22
因为
X1相互独立
X,,X
2n
所以
X1也相互独立
2,22
X,,X
2n
n
根据
分布的可加性知
22
n1
nX.
~,i
22
i1
().
2n分布的概率密度曲线如图
2
分布的性质
(2分布的可加性性质1)
设
2
1
~
2
(n),
1
2
2
~
2
(n
2
),
并且
2
1
2
2
独
立,则
2
1
2
~
2
2
(n
1
n
2
).
(此性质可以推广到多个随机变量的情形)
设
2
i
2
~(n),并且
i
2
i
(i1,2,,m
)
相互
独立,则
m
i1
2
i
2
~(nn
12
n
m
).
(2分布的数学期望和方差性质2)
若(),则(),()2.
2~2nE2nD2n
证明X~N(0,1),2
因为()()1,
所以EiDX
Xi
i
42
2
D312,i1,2,,n.
(XiEXEX
2)()[()]
ii
nn
故
E(EX
2)2
2
i
i1i1
E
(Xn,
2)
i
nn
2
DDX
(
2)
i
i1i1
D(X2n.
2)
i
性质3
22
设~(n),则对任意x,有
n
lim
n
2
n
1
2
t
x
P{edt
n
x}
2
2n
2
n
22
证明由假设和定义,X,其中X,X,,X
ni12n
i1
222独立且每个X~N(0,1),因而X,X,,X独立同分布,
i12n
且
E
(Xi2DX2in
)1,()2(1,2,,)
i
由中心极限定理得
lim
n
2
n
P{n
2n
x}
n
2
Xn
1
i
x
limP{1x}
i
nn2
n2
e
2
t
2
dt
即
2
分布的极限分布是正态
分布,
也即,当n很大时
2
n
n
2n
近似服从N(0,1).进而
2
n
近似
~
N(n,2n).
例1
设为来自正态总体的一组
X1X,X01
,N(,)
26
样本,
求C,
1
C
使得
2
Y
C(
1
XX
1
2
2
)
C
2
(
X
3
X
4
X
5
X
6
2
)
服从
2
分布
.
XX
解X1N
X~N(0,2),则12~(0,1)
2
2同理
XXXX
X3N
XXX~N(0,4),则3456~(0,1)
456
4
且
X1X
2
2
X
3XXX
与456相互独立
4
XXXXXX
222
所以()()~
(2)
123456
24
则C11C
2,14
2
.
关于正态总体N,)的样本均值和
(2
样本方差有以下重要定理.
定理
设X,X,,X是总体N(,)的样本,X,S
22
12n
分别是样本均值和样本方差,则有
2
(n1)S1
n
22
(1)(XX)~(n1);
i22
i1
2
(2)X与S独立.
t
分布3.
2
定义设X~N(0,1),Y~(n),且X,Y独立,
X
则称随机变量T服从自由度为n的t
Y/n
分布,记为T~t(n).
t分布又称学生氏(Student)分布.
t(n)分布的概率密度函数为
h(t)
n
2
πn
1
n
2
1
2
t
n
n1
2
t
t分布的概率密度曲线如图
显然图形是关于
t0对称的.当n充分大时,其图
形类似于标准正态
变量概率密度的图
形.
因为
2
t
1
limh(t)e2
2π
n
所以当n足够大时t分布近似于N(0,1)分布,
但对于较小的n,t分布与N(0,1)分布相差很大.
t分布具有下列性质:
Tn2性质1设~t(n),则当时有
E(T)0
D(T)
n
n
2
Tp(t)
性质2设~t(n),是T的分布密度,
2t
则
1
limp(t)e
2
2n
此性质说明,当n时,T分布的极限
分布是标准正态分布。
Y
2
例设X~N(,),~
22
2
(n),且X,Y相互独立,试求
T
X
Y
n
的概率分布.
X2
解因为X~N(,),所以~N(0,1)
YXY
2
又~(n),且X,Y独立,则与独立,
22
由定义得
T
X
Y
(X)/
n2
(Y/)
/n
~
t(n)
定理
设X,X,,X是总体N(,)的
2
12n
2
样本,X,S分别是样本均值和样本方差,则有
X
S/n
~t(n1).
X
证明~N(0,1),
/n
(n1)S
2
2
2
~(n1),
且两者独立,由t分布的定义知
2
XX(n1)S
2
(n1)
S/n/n
~t(n1).
定理
设与分别是来自
X,X,,XY,Y,,Y
12n12n
12
22
两个正态总体N(,),N(,)的样本,且这
1122
nn
11
12
两个样本互相独立,设XX,YY分
ii
nn
i1i1
12
别是这两个样本的均值,
nn11
12
2222
S(XX),S(YY)
1i2i
n1n1
i1i1
12
分别是这两个样本的样本方差,则有
(XY)()
12
S
w
11
nn
12
~t(nn2),
12
其中
22
(n1)S(n1)S
211222
S,SS.
www
nn2
12
证明:
因为XY~N
1,
2
2
n
1
2
n
2
(XY)()
所以U~N(0,1),
12
11
nn
12
由
2
(n1)S
11
2
2
~(n1),
1
2
(n1)S
22
2
2
~(n1),
2
且它们相互独立,2
故由分布的可加性知
V
2
(n1)S
11
2
2
(n1)S
22
2
~
(2nn
2nn
12
2),
由于U与V相互独立,按t分布的定义
U
V
/(n1n
2
2)
(X
Y)(
1
11
Sw
nn
12
2
)
~
t(n
1n
2
2).
分布3.F
22
定义设X~(n),Y~(n),且X,Y独立,则
12
X/n
称随机变量F服从自由度为(n,n)的F分布,
1
12
Y/n
2
记为
F~F(n,n).
12
F
(n1,n
2
)分布的概率密度为
(y)
0,
n
n
2
n
2
2
2
1
2
n
1
1
n
1
n
2
n
1
2
y
n
y
1
n
2
n
1
1
2
n
1
n
2
2
y0
其它
F分布的概率密度曲线如图
F分布有以下性质
(1)
若F~F
(n
1
n
2
),
则
1
F
~
F
(n
2
n
1
).
(2)
E(F)
n
2
n
2
2
(n
2
2),
D(F)
2
2
2n
n(n
12
(n
n
2
(n
2
2)
1
2
2)
4)
(n
2
4)
(3)
设F~F
(n
1
n
2
),则当n
2
4时,
对任意
x有
FE(F)1
x
limP{x}
nD(F)
12
e
2
t
2
dt
这说明F分布极限分布也是正态分布.
例~(),~(1,).
3已知Ttn试证T2Fn
证明因为T~t(n),由定义有
T
X
Yn
2
其中X~N(0,1),Y~(n),且X,Y独立,那么
222
X~
(1),且X与Y独立,
由定义有
2
X
2
T~F(1,n)
Yn
1
由F分布的性质知~F(n,1)
2
T
定理
设与分别是来自
X,X,,XY,Y,,Y
12n12n
12
22
两个正态总体N(,),N(,)的样本,且这
1122
nn
11
12
两个样本互相独立,设XX,YY分
ii
nn
i1i1
12
别是这两个样本的均值,
nn11
12
2222
S(XX),S(YY)
1i2i
n1n1
i1i1
12
分别是这两个样本的样本方差,则有
22
S/
11
22
S/
22
~F(n1,n1);
12
证明
2
(n1)S
11
2
1
2
~(n1),
1
2
(n1)S
22
2
2
2
~(n1),
2
22
由假设S1,S2独立,则由F分布的定义知
22(n1)S(n1)S
1122~F(n1,n1),
1222
(n1)(n1)
1122
22
S/
即11
~F(n1,n1).
12
22
S/
22
二、概率分布的分位数
定义对于总体X和给定的(01),若存在
x,使P{Xx}
则称x为X的分布的上侧分位数.
1.正态分布的上侧分位数
u
设X服从标准正态分布N(0,1),N(0,1)的上
分位点u满足P{Xu}
2
x
1
edx
2
2π
u
1P{Xu}1(u)
即
(u)1
给定,由附表2可查得u的值.
u
0.05
1.645,
u
0.025
1.96,
根据正态分布的对称性知
uu
1
.
定义对于给定的,0