t分布概率密度函数的推导

最新推荐文章于 2023-12-30 10:39:06 发布

Qmj0923

最新推荐文章于 2023-12-30 10:39:06 发布

阅读量5.3k

点赞数 11

分类专栏：数学笔记

本文链接：https://blog.csdn.net/Qmj2333333/article/details/125117668

版权

伽马函数标准正态分布卡方分布随机变量商的分布 t分布

关键词由CSDN通过智能技术生成

数学笔记专栏收录该内容

8 篇文章 2 订阅

订阅专栏

推导过程整理自https://www.bilibili.com/video/BV1s54y1S7Ji。

文章目录

预备知识

$\Gamma$ 函数（伽马函数）

定义： $\Gamma(s)=\int_{0}^{+\infty}e^{-t}t^{s-1}\text{d}t$
递推公式： $\Gamma(s+1)=s\Gamma(s),\space(s>0)$
几个重要的值： $\Gamma(1)=1$ ， $\Gamma(\frac{1}{2})=\sqrt{\pi}$

标准正态分布

概率密度函数： $\varphi(x)=\frac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}$
分布函数： $\phi(x)=\int_{-\infty}^{x}\frac{1}{\sqrt{2\pi}}e^{-\frac{t^2}{2}}\text{d}t$

卡方分布

概率密度函数： $p(x)=\left\{\begin{array}{cc} \frac{1}{2^{n/2}\Gamma(n/2)}e^{-\frac{x}{2}}x^{\frac{n}{2}-1}, & x>0 \\ 0, & x\leqslant 0 \end{array}\right.$

推导目标

已知 $X$ 服从标准正态分布 $N (0, 1)$ ， $Y$ 服从卡方分布 $\chi^2(n)$ ，且 $X$ 与 $Y$ 相互独立。

求 $T=\frac{X}{\sqrt{Y/n}}$ 的概率密度函数。

引理：连续型随机变量商的分布

设 $(X, Y)$ 为二维随机变量，其联合密度函数为 $p (x, y)$ ，则 $Z = X / Y$ 的密度函数 $p_{Z}(z)$ 满足
$p_{Z}(z) = \int_{-\infty}^{+\infty}p(zy, y)|y|\text{d}y \thinspace。$
证明

使用分布函数法，先求 $Z$ 的分布函数，再对分布函数求导得到 $p_{Z}(z)$ 。

对 $z$ 的正负性进行讨论，得到积分区域如下图中阴影部分所示。

我们发现这两种情况可以合并，积分区域均为 $\{(y,x) \space|\space y<0 \space\wedge\space x\geqslant zy\}$ $\space\cup\space$ $\{(y,x) \space|\space y>0 \space\wedge\space x\leqslant zy\}$ 。于是有
$\begin{aligned} F_{Z}(z) &\space\space=\space\space P(Z<z) \\ &\space\space=\space\space P(\frac{X}{Y}<z) \\ &\space\space=\space\space \int_{-\infty}^{0}\text{d}y\int_{yz}^{+\infty}p(x,y)\text{d}x + \int_{0}^{+\infty}\text{d}y\int_{-\infty}^{yz}p(x,y)\text{d}x \\ &\overset{x=uy}{=} \int_{-\infty}^{0}\text{d}y\int_{z}^{+\infty}p(uy,y)y\text{d}u + \int_{0}^{+\infty}\text{d}y\int_{-\infty}^{z}p(uy,y)y\text{d}u \\ &\space\space=\space\space \int_{z}^{+\infty}\text{d}u\int_{-\infty}^{0}p(uy,y)y\text{d}y + \int_{-\infty}^{z}\text{d}u\int_{0}^{+\infty}p(uy,y)y\text{d}y \thinspace。 \end{aligned}$ 因此
$\begin{aligned} p_{Z}(z) &= F_{Z}'(z) \\ &= -\int_{-\infty}^{0}p(zy,y)y\text{d}y + \int_{0}^{+\infty}p(zy,y)y\text{d}y \\ &= \int_{-\infty}^{+\infty}p(zy,y)|y|\text{d}y \thinspace。 \end{aligned}$

推导过程

先计算 $W=\sqrt{Y/n}$ 的概率密度函数 $p_{W}(w)$

同样地，我们使用分布函数法。当 $w\leqslant 0$ 时，注意到 $W=\sqrt{Y/n}$ 恒为非负，所以 $P (W < w) = 0$ ，从而 $p_{W}(w)=0$ 。下面针对 $w > 0$ 的情况进行计算。
$\begin{aligned} F_{W}(w) &= P(W<w) \\ &= P(Y<nw^2) \\ &= \int_{0}^{nw^2}\frac{1}{2^{n/2}\Gamma(n/2)}e^{-\frac{x}{2}}x^{\frac{n}{2}-1}\text{d}x \thinspace。 \end{aligned}$ 求导得
$\begin{aligned} p_{W}(w) &= F_{W}'(w) \\ &= \frac{1}{2^{n/2}\Gamma(n/2)}e^{-\frac{nw^2}{2}}(nw^2)^{\frac{n}{2}-1}\cdot 2nw \\ &= \frac{1}{\Gamma(n/2)}2^{1-\frac{n}{2}}n^{\frac{n}{2}} e^{-\frac{nw^2}{2}}w^{n-1} \thinspace。 \end{aligned}$ 综上，有
$p_{W}(w) = \left\{\begin{array}{cc} \frac{1}{\Gamma(n/2)}2^{1-\frac{n}{2}}n^{\frac{n}{2}} e^{-\frac{nw^2}{2}}w^{n-1}, & w>0 \\ 0, & w\leqslant 0 \end{array}\right. \thinspace。$

再计算 $T=\frac{X}{W}$ 概率密度函数 $p_{T}(t)$

因为 $X$ 与 $Y$ 相互独立，所以 $X$ 与 $W=\sqrt{Y/n}$ 也相互独立，于是 $(X, W)$ 的联合概率密度函数 $p (x, w)$ 满足
$p_{X}(x)p_{W}(w) \thinspace。$ 再根据引理，我们有
$\begin{aligned} p_{T}(t) &\quad\space\,=\quad\space\, \int_{-\infty}^{+\infty}p(tw, w)|w|\text{d}w \\ &\quad\space\,=\quad\space\, \int_{-\infty}^{+\infty}p_{X}(tw)p_{W}(w)|w|\text{d}w \\ &\quad\space\,=\quad\space\, \int_{0}^{+\infty}p_{X}(tw)p_{W}(w)w\text{d}w \\ &\quad\space\,=\quad\space\, \int_{0}^{+\infty} \frac{1}{\sqrt{2\pi}}e^{-\frac{t^2w^2}{2}}\cdot \frac{1}{\Gamma(\frac{n}{2})}2^{1-\frac{n}{2}}n^{\frac{n}{2}} e^{-\frac{nw^2}{2}}w^{n-1}\cdot w\text{d}w \\ &\quad\space\,=\quad\space\, \frac{1}{\sqrt{\pi}\cdot \Gamma(\frac{n}{2})}2^{\frac{1-n}{2}}n^{\frac{n}{2}} \int_{0}^{+\infty}e^{-\frac{n+t^2}{2}w^2}w^n\text{d}w \\ &\overset{w=\sqrt{\frac{2z}{n+t^2}}}{=} \frac{1}{\sqrt{\pi}\cdot\Gamma(\frac{n}{2})}2^{\frac{1-n}{2}}n^{\frac{n}{2}}\cdot \frac{1}{2}(\frac{2}{n+t^2})^{\frac{n+1}{2}} \int_{0}^{+\infty}e^{-z}z^{\frac{n-1}{2}}\text{d}z \\ &\quad\space\,=\quad\space\, \frac{\Gamma(\frac{n+1}{2})}{\sqrt{\pi}\cdot \Gamma(\frac{n}{2})}\cdot n^{\frac{n}{2}}(\frac{1}{n+t^2})^{\frac{n+1}{2}} \\ &\quad\space\,=\quad\space\, \frac{\Gamma(\frac{n+1}{2})}{\sqrt{n\pi}\cdot \Gamma(\frac{n}{2})} (1+\frac{t^2}{n})^{-\frac{n+1}{2}} \thinspace。 \end{aligned}$ 推导完毕。