前言
上次数理统计的第五章:统计量及其分布还未复习完,今天发布它的后半部分。
四、三大抽样分布
1. χ 2 \chi^2 χ2 分布(卡方分布)
设 X 1 , X 2 ⋯ , X n X_1,X_2\cdots,X_n X1,X2⋯,Xn 独立同分布于标准正态分布 N ( 0 , 1 ) N(0,1) N(0,1) ,则 χ 2 = X 1 2 + X 2 2 + ⋯ + X n 2 \chi^2=X_1^2+X_2^2+\cdots+X_n^2 χ2=X12+X22+⋯+Xn2
的分布称为自由度为 n n n 的 χ 2 \chi^2 χ2 分布,记为 χ 2 ∼ χ 2 ( n ) \chi^2 \sim \chi^2(n) χ2∼χ2(n),下面是它的分布密度函数
p ( y ) = ( 1 / 2 ) n 2 Γ ( n 2 ) y n 2 − 1 e − n 2 , y > 0 p(y)=\frac{(1/2)^{\frac n2}}{\Gamma (\frac{n}{2})}y^{\frac n2-1}e^{-\frac n2},\quad y>0 p(y)=Γ(2n)(1/2)2ny2n−1e−2n,y>0
在这里直接给出 E ( χ 2 ) = n E(\chi^2)=n E(χ2)=n,这里其实很容易理解,因为 X X X都是服从于 N ( 0 , 1 ) N(0,1) N(0,1)的样本,那么 E ( X 2 ) = 1 E(X^2)=1 E(X2)=1 而 χ 2 \chi^2 χ2分布就是 n n n个 X 2 X^2 X2那么 E ( χ 2 ) = n ∗ 1 = n E(\chi^2)=n*1=n E(χ2)=n∗1=n
V a r ( χ 2 ) = 2 n Var(\chi^2)=2n Var(χ2)=2n 其实这个需要一个前置知识——标准正态分布k阶原点矩公式:
E ( X k ) = { 0 , k = 2 i − 1 ( 2 i − 1 ) ! ! k = 2 i ( i = 1 , 2 , 3 , ⋯ ) E(X^k)=\begin{cases} 0 , & \quad k=2i-1 \\ (2i-1)!! &\quad k=2i \end{cases} \quad(i=1,2,3,\cdots) E(Xk)={
0,(2i−1)!!k=2i−1k=2i(i=1,2,3,⋯)
那么 V a r ( χ 2 ) = ∑ V a r ( X 2 ) = ∑ ( E ( X 4 ) − E ( X 2 ) ) = ∑ ( 3 − 1 ) = 2 n Var(\chi^2)=\sum Var(X^2)=\sum (E(X^4)-E(X^2))=\sum (3-1)=2n Var(χ2)=∑Var(X2)=∑(E(X4)−E(X2))=∑(3−1)=2n
这就是为什么 V a r ( χ 2 ) = 2 n Var(\chi^2)=2n Var(χ2)=2n
χ 2 \chi^2 χ2分布是本科阶段,要掌握的重点,因为它和样本均值,样本方差有一定关系,下面是三个一定要记住的知识点:
- x ˉ \bar x xˉ与 s 2 s^2 s2