T分布
Z为标准正态分布统计量,为卡方分布,v为卡方分布自由度,T自由度=v;
假设有相互独立的样本观测值,来自于一个均值为,方差为的正态统计,且均值符合正态分布:
可知,卡方分布为:
自由度
卡方分布https://blog.csdn.net/Zohn_Sun/article/details/122970784?spm=1001.2014.3001.5501
推导:
由卡方分布可推 ==
推导可得: ---------->
则
此时
化简推导:
此时我们可以看推导后的T分布公式,若,则T=Z公式符合正态分布,但一般情况下样本的总体方差不可知,因此使用样本方差代替,此时样本符合T分布。
一般用于T检验。
import matplotlib.pyplot as plt
from scipy.stats import t
import numpy as np
x = np.linspace( -3, 3, 100)
plt.plot(x, t.pdf(x,1), label='df=1')
plt.show()
t分布的概率密度函数和正态分布的概率密度函数都是偶函数(左右对称的)。t分布随着自由度的增加,就越来越接近正态分布,即t分布的极限分布也是正态分布
from scipy import stats
# T分布
stats.t
#分布函数值
stats.t.cdf(α,自由度);
# 概率密度函数
stats.t.pdf(α,自由度);
# 右分位点,若取95%置信系数,则α=(1-0.95)/2
stats.t.isf(α,自由度);