中心卡方变量和非中心卡方变量

 中心卡方变量 (Central Chi-Square Variable)

定义

中心卡方分布是一种常见的概率分布，广泛应用于统计推断和假设检验。一个随机变量 \(X\) 服从自由度为 \(k\) 的中心卡方分布，记作 \(X \sim \chi^2_k\)，如果 \(X\) 是 \(k\) 个独立标准正态分布随机变量平方和的分布，即：

\[ X = Z_1^2 + Z_2^2 + \cdots + Z_k^2 \]

其中，\(Z_i \sim N(0, 1)\) 表示独立的标准正态分布随机变量。

 性质

1. **期望和方差**：
   \[
   \mathbb{E}[X] = k
   \]
   \[
   \mathrm{Var}(X) = 2k
   \]

2. **概率密度函数 (PDF)**：
   \[
   f_X(x; k) = \frac{1}{2^{k/2} \Gamma(k/2)} x^{k/2 - 1} e^{-x/2}, \quad x > 0
   \]

   其中，\(\Gamma(\cdot)\) 是伽玛函数。

3. **累积分布函数 (CDF)**：
   \[
   F_X(x; k) = P(X \leq x) = \frac{\gamma(k/2, x/2)}{\Gamma(k/2)}
   \]

   其中，\(\gamma(\cdot, \cdot)\) 是不完全伽玛函数。

 应用

- **假设检验**：卡方分布广泛用于卡方检验，如独立性检验和适合度检验。
- **方差分析**：在方差分析 (ANOVA) 中，卡方分布用于构造检验统计量。
- **估计方差**：在统计估计中，用于估计总体方差。

非中心卡方变量 (Non-central Chi-Square Variable)

定义

非中心卡方分布是中心卡方分布的推广，适用于当正态随机变量的均值不为零的情况。一个随机变量 \(Y\) 服从自由度为 \(k\) 和非中心参数为 \(\lambda\) 的非中心卡方分布，记作 \(Y \sim \chi^2_k(\lambda)\)，如果 \(Y\) 是 \(k\) 个独立正态分布随机变量平方和的分布，其中每个正态分布的均值可能不为零。

具体地，设 \(Z_i \sim N(\mu_i, 1)\)，则：

\[ Y = Z_1^2 + Z_2^2 + \cdots + Z_k^2 \]

其中，\(\lambda = \sum_{i=1}^k \mu_i^2\) 是非中心参数。

性质

1. **期望和方差**：
   \[
   \mathbb{E}[Y] = k + \lambda
   \]
   \[
   \mathrm{Var}(Y) = 2(k + 2\lambda)
   \]

2. **概率密度函数 (PDF)**：
   \[
   f_Y(y; k, \lambda) = \frac{1}{2} e^{-(y + \lambda)/2} \left(\frac{y}{\lambda}\right)^{(k-2)/4} I_{k/2-1}\left(\sqrt{\lambda y}\right), \quad y > 0
   \]

   其中，\(I_{k/2-1}(\cdot)\) 是第一类修正贝塞尔函数。

3. **累积分布函数 (CDF)**：
   非中心卡方分布的累积分布函数没有简单的解析表达式，通常通过数值方法计算。

 应用

- **检验统计量**：非中心卡方分布用于构造假设检验中的检验统计量，尤其在备择假设下。
- **功效分析**：在统计功效分析中，用于计算检验的功效和样本量。
- **信号检测理论**：用于描述检测信号的性能和误差概率。

例子

 中心卡方分布例子

假设我们有 \(k = 3\) 个独立的标准正态分布随机变量 \(Z_1, Z_2, Z_3 \)，则其平方和 \(X = Z_1^2 + Z_2^2 + Z_3^2\) 服从自由度为 3 的中心卡方分布，即 \(X \sim \chi^2_3\)。其期望为 3，方差为 6，概率密度函数为：

\[
f_X(x; 3) = \frac{1}{2^{3/2} \Gamma(3/2)} x^{3/2 - 1} e^{-x/2}, \quad x > 0
\]

非中心卡方分布例子

假设我们有 \(k = 2\) 个独立的正态分布随机变量 \(Z_1 \sim N(2, 1)\) 和 \(Z_2 \sim N(1, 1)\)，则其平方和 \(Y = Z_1^2 + Z_2^2\) 服从自由度为 2 和非中心参数为 \(\lambda = 2^2 + 1^2 = 5\) 的非中心卡方分布，即 \(Y \sim \chi^2_2(5)\)。其期望为 \(2 + 5 = 7\)，方差为 \(2(2 + 2 \times 5) = 24\)，概率密度函数为：

\[
f_Y(y; 2, 5) = \frac{1}{2} e^{-(y + 5)/2} \left(\frac{y}{5}\right)^{(2-2)/4} I_{1/2-1}\left(\sqrt{5y}\right), \quad y > 0
\]

总结

- **中心卡方分布**：用于独立标准正态随机变量平方和的分布，广泛应用于统计推断和假设检验。
- **非中心卡方分布**：用于均值不为零的正态随机变量平方和的分布，在信号检测和功效分析中有重要应用。

理解和应用这些分布，可以有效地解决实际中的统计问题。