本篇笔记内容来源
数理统计学导论(原书第7版) 机械工业出版社
定义
设 W ∼ N ( 0 , 1 ) W\sim N(0,1) W∼N(0,1), V ∼ χ 2 ( r ) V\sim\chi^2(r) V∼χ2(r),且 W W W 与 V V V 是独立的
定义一个新的随机变量
T = W V / r T=\frac{W}{\sqrt{V/r}} T=V/rW
那么, T T T 服从自由度为 r r r 的 t t t 分布
T ∼ t ( r ) T\sim t(r) T∼t(r)
(这个分布是由 W . G . G o s s e t W.G.Gosset W.G.Gosset 首先发现的. 不过他在发表这项研究成果时,用的是学生笔名. 因而,该分布常常称为学生 t t t 分布)
p d f pdf pdf
W W W 与 V V V 的联合 p d f pdf pdf 是两者 p d f pdf pdf 的乘积,即
h ( w , v ) = 1 2 π e − x 2 2 1 Γ ( r 2 ) 2 r 2 v r 2 − 1 e − v 2 , − ∞ < w < ∞ , 0 < v < ∞ h(w,v)=\frac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}} \frac{1}{\Gamma(\frac{r}{2})2^{\frac{r}{2}}} v^{\frac{r}{2}-1}e^{-\frac{v}{2}}, -\infty<w<\infty,0<v<\infty h(w,v)=2π1e−2x2Γ(2r)22r1v2r−1e−2v,−∞<w<∞,0<v<∞
运用变量变换的方法可以得到 T T T 的 p d f pdf pdf
定义变换
{ t = w v / r u = v \begin{cases} t=\frac{w}{\sqrt{v/r}}\\ u=v \end{cases} {t=v/rwu=v
对应的雅可比行列式的绝对值为 ∣ J ∣ = u / r |J|=\sqrt{u/r} ∣J∣=u/r
则 T T T 与 U U U 的联合 p d f pdf pdf 为
g ( t , u ) = u r 2 − 1 2 π Γ ( r 2 ) 2 r 2 exp [ − u 2 ( 1 + t 2 r ) ] u / r g(t,u)=\frac{u^{\frac{r}{2}-1}} {\sqrt{2\pi}\Gamma(\frac{r}{2})2^{\frac{r}{2}}} \exp \left[ -\frac{u}{2}(1+\frac{t^2}{r}) \right]\sqrt{u/r} g(t,u)=2πΓ(2r)22ru2r−1exp[−2u(1+rt2)]u/r
然后积分得边缘 p d f pdf pdf
f ( t ) = Γ ( r + 1 2 ) π r Γ ( r 2 ) 1 ( 1 + t 2 r ) r + 1 2 , − ∞ < t < ∞ f(t)=\frac{\Gamma(\frac{r+1}{2})} {\sqrt{\pi r}\Gamma(\frac{r}{2})} \frac{1}{(1+\frac{t^2}{r})^{\frac{r+1}{2}}}, -\infty<t<\infty f(t)=πrΓ(2r)Γ(2r+1)(1+rt2)2r+11,−∞<t<∞
(看着很复杂,其实大部分都是常数)
(但还是很复杂)
均值与方差
E ( T k ) = E [ W k ( V r ) − k 2 ] = E ( W k ) E [ ( V r ) − k 2 ] E(T^k)=E \left[ W^k \left( \frac{V}{r} \right)^{-\frac{k}{2}} \right] =E(W^k) E \left[ \left( \frac{V}{r} \right)^{-\frac{k}{2}} \right] E(Tk)=E[Wk(rV)−2k]=E(Wk)E[(rV)−2k]
根据卡方分布的性质,如果 k < r k<r k<r ,那么
E [ ( V r ) − k 2 ] = 2 − k 2 Γ ( r 2 − k 2 ) Γ ( r 2 ) r − k 2 E \left[ \left( \frac{V}{r} \right)^{-\frac{k}{2}} \right] =\frac{2^{-\frac{k}{2}}\Gamma(\frac{r}{2}-\frac{k}{2})} {\Gamma(\frac{r}{2})r^{-\frac{k}{2}}} E[(rV)−2k]=Γ(2r)r−2k2−2kΓ(2r−2k)
分别取 k = 1 , 2 k=1,2 k=1,2 ,得 T T T 的均值为 0 ( r > 1 ) 0(r>1) 0(r>1) ,方差为 r r − 2 ( r > 2 ) \frac{r}{r-2}(r>2) r−2r(r>2)