三大抽样分布：卡方分布、t分布、F分布

1 卡方分布

设随机变量$X_1,X_2,\cdots ,X_n$相互独立，都服从标准正态分布$N(0,1)$，则随机变量$X^2=X_1^2+X_2^2+\cdots +X_n^2$服从自由度为$n$的${\chi }^2$分布，记作$X^2\sim {\chi }^2(n)$。

${\chi }^2(n)$分布的概率密度函数为
$$f(x)=\{\begin{array}{l}\frac{1}{2^{\frac{n}{2}}\Gamma (\frac{n}{2})}{x}^{\frac{n}{2}-1}{e}^{-\frac{x}{2}},x>0\\ \\ 0,x\le 0\end{array}$$

设$X_1^2\sim {\chi }_1^2(n_1)$，$X_2^2\sim {\chi }_2^2(n_2)$，并且$X_1^2$和$X_2^2$互相独立，则$X_1^2+X_2^2\sim {\chi }^2(n_1+n_2)$.

如果$X^2\sim {\chi }^2(n)$，则有$E(X^2)=n$，$D(X^2)=2n$。

运行如下代码，绘制自由度从1到20的卡方分布的概率密度函数曲线图，

clear all
clc
close all

%%
x=0:0.1:40;
y = chi2pdf(x,1);
plot(x, y)
xlim([0,40])
ylim([0,0.6])
grid on
hold on
for n = 2:20
    y = chi2pdf(x,n);
    plot(x, y)
end
legend('df=1', 'df=2', 'df=3', 'df=4', 'df=5', 'df=6', 'df=7', 'df=8', 'df=9', 'df=10', ...
'df=11', 'df=12', 'df=13', 'df=14', 'df=15', 'df=16', 'df=17', 'df=18', 'df=19', 'df=20');
title('不同自由度的卡方分布的概率密度函数')
xlabel('自变量X')
ylabel('概率Y')

2 t分布

设随机变量$X,Y$相互独立，且$X\sim N(0,1)$，$Y\sim {\chi }^2(n)$，则随机变量$t=\frac{X}{\sqrt{Y/n}}$服从自由度为$n$的$t$分布，记作$t\sim t(n)$。

$t(n)$分布的概率密度函数
$$f(x)=\frac{\Gamma (\frac{n+1}{2})}{\sqrt{n\pi }\Gamma (\frac{n}{2})}(1+\frac{x^2}{n}{)}^{-\frac{n+1}{2}},-\infty <x<+\infty$$

$t(n)$分布的概率密度函数$f(x)$是偶函数，且有$\underset{n\to \infty }{\lim }f(x)=\frac{1}{\sqrt{2\pi }}{e}^{-\frac{x^2}{2}}$，即当$n$充分大时，$t(n)$分布近似$\mathcal{N}(0,1)$分布。

运行以下代码，绘制不同自由度的$t$分布的概率密度函数曲线图，

clear all
clc
close all

%%
x=-5:0.1:5;
y = tpdf(x,1);
plot(x, y)
xlim([-5,5])
ylim([0,0.4])
grid on
hold on
for n = 2:10
    y = tpdf(x,n);
    plot(x, y)
end
legend('df=1', 'df=2', 'df=3', 'df=4', 'df=5', 'df=6', 'df=7', 'df=8', 'df=9', 'df=10');
title('不同自由度的t分布的概率密度函数')
xlabel('自变量X')
ylabel('概率Y')

3 F分布

设随机变量$X,Y$互相独立，且$X\sim {\chi }^2(m)$，$Y\sim {\chi }^2(n)$，则随机变量$F=\frac{X/m}{Y/n}$服从自由度为$(m,n)$的$\mathcal{F}$分布，记作$F\sim \mathcal{F}(m,n)$，其概率密度函数为
$$f(x)=\{\begin{array}{l}\frac{\Gamma (\frac{n+m}{2})}{\Gamma (\frac{m}{2})\Gamma (\frac{n}{2})}(\frac{m}{n})(\frac{m}{n}x{)}^{\frac{m}{2}-1}(1+\frac{m}{n}x{)}^{-\frac{n+m}{2}},x\ge 0\\ \\ 0,x<0\end{array}$$

设$F\sim \mathcal{F}(m,n)$，则$\frac{1}{F}\sim \mathcal{F}(n,m)$。

运行以下代码，绘制不同自由度的$F$分布的概率密度函数曲线图，

clear all
clc
close all

%%
x=0:0.1:10;
y1 = fpdf(x, 10, 40);
y2 = fpdf(x, 11, 3);
plot(x, y1, x, y2)
grid on
legend('fd=(10,40)','fd=(11,3)')
title('不同自由度的F分布的概率密度函数')
xlabel('自变量X')
ylabel('概率Y')
xlim([0,10])

4应用

4.1 一个正态总体

设$X_1,X_2,\cdots ,X_n$是来自正态总体$X\sim N(\mu ,{\sigma }^2)$的样本，样本均值为$\bar{X}$，样本方差为$S^2$，则有：

(1)
$$\bar{X}\sim \mathcal{N}(\mu ,\frac{{\sigma }^2}{n})$$
$$U=\frac{\bar{X}-\mu }{\sigma /\sqrt{n}}\sim \mathcal{N}(0,1)$$

(2) $\bar{X}$与$S^2$相互独立，且
$$\frac{(n-1)S^2}{{\sigma }^2}=\frac{1}{{\sigma }^2}[\sum _{i=1}^n(X_i-\bar{X}{)}^2]\sim {\chi }^2(n-1)$$

(3)
$$T=\frac{\bar{X}-\mu }{S/\sqrt{n}}\sim t(n-1)$$

(4)
$${\chi }^2=\frac{1}{{\sigma }^2}[\sum _{i=1}^n(X_i-\mu {)}^2]\sim {\chi }^2(n)$$
$$\frac{S_1^2/S_2^2}{{\sigma }_1^2/{\sigma }_2^2}\sim F(n_1-1,n_2-1)$$

4.2 两个正态总体

设$X\sim \mathcal{N}({\mu }_1,{\sigma }_1^2)$，$Y\sim \mathcal{N}({\mu }_2,{\sigma }_2^2)$，$X_1,X_2,\cdots ,X_n$和$Y_1,Y_2,\cdots ,Y_n$分别来自总体$X$和$Y$的样本，且两个总体相互独立，则有

(1)
$$\bar{X}-\bar{Y}\sim \mathcal{N}({\mu }_1-{\mu }_2,\frac{{\sigma }_1^2}{n_1}+\frac{{\sigma }_2^2}{n_2})$$
$$U=\frac{(\bar{X}-\bar{Y})-({\mu }_1-{\mu }_2)}{\sqrt{\frac{{\sigma }_1^2}{n_1}+\frac{{\sigma }_2^2}{n_2}}}\sim \mathcal{N}(0,1)$$

(2) 如果${\sigma }_1^2={\sigma }_2^2$，则
$$T=\frac{(\bar{X}-\bar{Y})-({\mu }_1-{\mu }_2)}{S\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}\sim t(n_1+n_2-2)$$
其中，
$$S^2=\frac{(n_1-1)S_1^2+(n_2-1)S_2^2}{n_1+n_2-2}$$

(3)
$$F=\frac{n_2{\sigma }_2^2{\sum }_{i=1}^{n_1}(X_1-{\mu }_1{)}^2}{n_1{\sigma }_1^2{\sum }_{i=1}^{n_2}(Y-{\mu }_2{)}^2}\sim \mathcal{F}(n_1,n_2)$$

(4)
$$F=\frac{{\sigma }_2^2{S}_1^2}{{\sigma }_1^2{S}_2^2}\sim \mathcal{F}(n_1-1,n_2-1)$$