t分布

一.t分布(t-distribution)

(一)u分布

在前一章中,我们已经讲述了正态分布(normal distribution)是数理统计中的一种重要的理论分布,是许多统计方法的理论基础。正态分布有两个参数,μσ,决定了正态分布的位置和形态。为了应用方便,常将一般的正态变量X通过u变换[第二节 t分布 - longmans - longmans的博客]转化成标准正态变量u,以使原来各种形态的正态分布都转换为μ=0,σ=1的标准正态分布(standard normal distribution),亦称u分布。

根据中心极限定理,通过上述的抽样模拟试验表明,在正态分布总体中以固定n(本次试验n=10)抽取若干个样本时,样本均数的分布仍服从正态分布,即Nμ,σ)。所以,对样本均数的分布进行u变换[第二节 t分布 - longmans - longmans的博客],也可变换为标准正态分布N(0,1)

(二)t分布

由于在实际工作中,往往σ是未知的,常用s作为σ的估计值,为了与u变换区别,称为t变换t=第二节 t分布 - longmans - longmans的博客,统计量值的分布称为t分布。

t分布有如下特征:

1.以0为中心,左右对称的单峰分布;

2.t分布是一簇曲线,其形态变化与n(确切地说与自由度ν)大小有关。自由度ν越小,t分布曲线越低平;自由度ν越大,t分布曲线越接近标准正态分布(u分布)曲线,如图4.1。

第二节 t分布 - longmans - longmans的博客t=第二节 t分布 - longmans - longmans的博客

第二节 t分布 - longmans - longmans的博客

图4.1自由度为1、5、∞的t分布

对应于每一个自由度ν,就有一条t分布曲线,每条曲线都有其曲线下统计量t的分布规律,计算较复杂。因此,统计学家上根据自由度ν的大小与t分布曲线下面积的关系,编制了附表2,t界值表,以便于应用。表中的横标目为自由度ν,纵标目为概率P,表中数字表示自由度ν为某值时,P为某值时,t的界值。因t分布是以0为中心的对称分布,故附表中只列出正值,如果算出的t值为负值,可以用绝对值查表。t分布曲线下面积为95%或99%的界值不是一个常量,而是随着自由度大小而变化的,分别用第二节 t分布 - longmans - longmans的博客第二节 t分布 - longmans - longmans的博客表示。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值