分位点和渐进分布

分位点

设随机变量X的分布函数为$F(x)$,若$x_{\alpha }$使 P { X ≤ x α } = F ( x α ) = α P\{X\leq x_\alpha\}=F(x_\alpha)=\alpha P{X≤xα​}=F(xα​)=α,称$x_{\alpha }$为此概率分布的(下侧)$\alpha$分位点

当$X$~$N(0,1)$,分位点记为 $u_{\alpha }$或$z_{\alpha }$

当$X$~${\chi }^2(n)$,分位点记为${\chi }_{\alpha }^2(n)$

当$X$~$t(n)$,分位点记为$t_{\alpha }(n)$

当$X$~$F(m,n)$,分位点记为$F_{\alpha }(m,n)$

性质

(1) $-z_{\alpha }=z_{1-\alpha },-t_{\alpha }(n)=t_{1-\alpha }(n)$

(2) $F_{\alpha }(m,n)=1/F_{1-\alpha }(n,m)$
证明:
P { X ≤ F α ( m , n ) } ⇔ P { 1 X ≥ 1 F α ( m , n ) } ⇔ 1 − P { 1 X ≤ 1 F α ( m , n ) } = α P\{X\leq F_\alpha(m,n)\}\Leftrightarrow P\{\frac 1X\geq \frac{1}{F_\alpha(m,n)}\}\Leftrightarrow 1-P\{\frac 1X\leq \frac{1}{F_\alpha(m,n)}\}=\alpha P{X≤Fα​(m,n)}⇔P{X1​≥Fα​(m,n)1​}⇔1−P{X1​≤Fα​(m,n)1​}=α

P { 1 X ≤ 1 F α ( m , n ) } = 1 − α P\{\frac 1X\leq \frac{1}{F_\alpha(m,n)}\}=1-\alpha P{X1​≤Fα​(m,n)1​}=1−α相当于 P { x α ≤ F 1 − α ( n , m ) } = 1 − α P\{x_\alpha\leq{F_{1-\alpha}(n,m)}\}=1-\alpha P{xα​≤F1−α​(n,m)}=1−α,然后就可以证明了

渐进分布

设总体$X$的分布函数为$F(x)$,$E(X)={\mu }_n,D(X)={\sigma }_F^2$

则样本的均值的渐进分布为$N({\mu }_F,\frac{{\sigma }_F^2}{n})$

$\sqrt{n}\frac{\overline{X_n}-{\mu }_F}{S_n}$近似服从$N(0,1)$

设$(X_1,X_2,...,X_m),(Y_1,Y_2,...,Y_n)$是来自总体$N({\mu }_1,{\sigma }^2),N({\mu }_2,{\sigma }^2),$的样本,当m,n趋于无穷时

则$T=\frac{\bar{X}-\bar{Y}-({\mu }_1-{\mu }_2)}{\sqrt{S_1^2/m+S_2^2/n}}$近似服从$N(0,1)$