状态分布函数详细介绍

他人是一面镜子，保持谦虚的态度

已于 2023-03-02 10:09:20 修改

阅读量4k

点赞数 3

分类专栏：数学基础文章标签：卡方分布

于 2020-11-27 11:31:57 首次发布

本文链接：https://blog.csdn.net/hltt3838/article/details/110223884

版权

数学基础专栏收录该内容

26 篇文章 28 订阅

订阅专栏

分布图：F分布的形状依赖于分子和分母的自由度，分布不对称，在第一象限

五、泊松分布

预备知识

1》求解数学期望

2》数学期望的性质

一、正态分布

正态分布（Normal distribution）又名高斯分布（Gaussiandistribution），若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布，记为N(μ，σ^2)；其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。我们通常所说的 标准正态分布是 μ = 0,σ = 1的正态分布；详细解释如下：

均值

方差

正态分布常用函数

【Matlab】正态分布常用函数normpdf_normcdf_norminv_normrnd_normfit_weixin_30648963的博客-CSDN博客

相关概念：

1、正态分布的3σ准则是什么？

正态分布的3σ准则是：若X服从正态分布N（μ，σ^2），则X取值在区间（μ-3σ，μ+3σ）之外的概率很小，是小概率事件，通常认为在一次试验里是不会发生的。正态分布是高斯在研究误差时所发现的分布。若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N（μ，σ^2）。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ=0，σ=1时的正态分布是标准正态分布。

数值分布在（μ-σ,μ+σ)中的概率为0.6826；
数值分布在（μ-2σ,μ+2σ)中的概率为0.9544；
数值分布在（μ-3σ,μ+3σ)中的概率为0.9974；

可以认为，Y 的取值几乎全部集中在（μ-3σ,μ+3σ)区间内，超出这个范围的可能性仅占不到0.3%。

二、卡方分布

卡方分布在线计算网址：

Chi Square Calculator - ChiSquareTable.net

若n个 相互独立 的随机变量 ξ₁、ξ₂、……、ξn ，均服从 标准正态分布N（0,1），则这n个服从标准正态分布的随机变量的平方和 构成一新的随机变量，其分布规律称为卡方分布（chi-squaredistribution）；其中参数n称为自由度（通俗讲，样本中独立或能自由变化的自变量的个数，称为自由度），正如正态分布中均值或方差不同就是另一个正态分布一样，自由度不同就是另一个分布；其表达如下：

$\chi^{2}$ 分布通过检验统计量 $X^{2}=\sum \frac{(O-E)^{2}}{E}$ 来比较 期望结果和实际结果 之间的差别，然后得出观察结果发生的概率。

其中 O代表观察值，E代表期望值；这个检验统计量提供了一种期望值与观察值之间差异的度量办法。最后反映在 $\chi^{2}$ 数值的大小上。那么，当 $\chi^{2}$ 大到什么程度，差异才算显著呢？这要根据自由度，设定的显著性水平查找 $\chi^{2}$ 分布表来判定。对于卡方分布的具体使用，我认为其有三要素：一个公式，一张分布表，一张概率密度图；下图中n代表自由度，纵轴为概率值，横轴为卡方值。自由度越大，卡方分布的外形越接近正态分布；下表即为卡方分布表，第一列为自由度 (n)，第一行为显著水平 (α)，据此可以查找到临界值，如果检验统计量 $\chi^{2}$ 大于临界值，则检验统计量就位于拒绝域以内，说明观察结果与期望结果之间的差异显著 （也是完好性判断的本质）