以下我们计算值都以alpha(α) = 0.05为例
正态分布
标准正态分布,虽是一个对称的,但我们要考虑其正负值,即在零的左边还是右边。
= NORM.S.INV(0.05) #Excel中标准正态分布分位数表
qnorm(1-alpha/2) #R语言正态分布中二分之alpha的临界值
#注:概率p后的下分位点alpha = 0.05,即上式子求0.025的临界值
di invnormal(0.05) #Stata中正态分布
T分布
= T.INV(0.05,自由度) #Excel中t分布的临界值
qt(0.05,自由度) #R语言中的t分布临界值
di "5% 的 t(自由度)= " invttail(自由度,1-0.05) #stata中t分布的临界值
卡方分布
我们通过上图可以看出,卡方分布不是一个对称的图形,因此我们要区分上分位、下分位。
= CHISQ.INV.RT(0.05,自由度) #Excel中卡方分布的临界值
qchisq(1-0.05,自由度) #R语言中的卡方分布的临界值
di "5%的卡方分布临界值="invchi2tail(自由度,0.05) #Stata中卡方分布的临界值算法
F分布
=F.INV.RT(0.05,n1自由度,n2自由度) #Excel中F分布的临界值
qf(1-0.05,n1自由度,n2自由度) #R语言中F分布的临界值
di "95th percentile of F(n1自由度,n2自由度) = " invFtail(n1自由度,n2自由度,0.05) #stata中F分布的临界值
补充
以上的正态分布、T分布、卡方分布、F分布的临界值算法,我们需要注意两个点:
第一,自由度不等于样本量n。
第二,我们要注意他们分布的上侧还是下侧、上分位点还是下分位点,不同的分位点其alpha(α) 的值不一样,有的是alpha本身,有的需要1-alpha。一定要分清楚了!!