统计学三大分布(卡方、t、F)即相应概率密度图的R语言实现

三大统计分布

1. ${\chi }^2$分布

​ 设随机变量$X_1,X_2,\cdots ,X_n$相互独立且均服从标准正态分布$N(0,1)$,则称随机变量
$${\chi }^2=X_1^2+X_2^2+\cdots +X_n^2$$
所服从的分布是自由度为$n$的${\chi }^2$分布，记为${\chi }^2\sim {\chi }^2(n)$

${\chi }^2$分布的可加性:设${\chi }_1^2\sim {\chi }^2(n_1)$，${\chi }_2^2\sim {\chi }^2(n_2)$，且${\chi }_1^2$与${\chi }_2^2$独立，则${\chi }_1^2+{\chi }_2^2\sim {\chi }^2(n_1+n_2)$.

2. $t$分布

​ 设$X\sim N(0,1)$，$Y\sim {\chi }^2(n)$，并且$X$与$Y$独立，则称随机变量
$$t=\frac{X}{\sqrt{Y/n}}$$
所服从的分布是自由度为$n$的$t$分布，记为$t\sim t(n)$.

当$n$充分大时，自由度为$n$的$t$分布可近似地看成标准正态分布。当n>30时，$t$分布和标准正态分布就已经非常接近了，但对较小的$n$,$t$分布与标准正态分布之间有较大的差异，且$t$分布的尾部比标准正态分布的尾部有着更大的概率，即如果$T\sim t(n)$，$X\sim N(0,1)$，则对于充分大的正数$t_0$，有
KaTeX parse error: Undefined control sequence: \notag at position 102: …nt t_0\right\} \̲n̲o̲t̲a̲g̲ ̲
​ 在描述不是十分罕见的极端事件所服从的统计规律性时，$t$分布是一个比正态分布更加符合实际的概率分布。

3. $F$分布

​ 设$X\sim {\chi }^2(n_1)$，$Y\sim {\chi }^2(n_2)$，且$X$与$Y$独立，则称随机变量
$$F=\frac{X/n_1}{Y/n_2}$$
所服从的分布是自由度为$(n_1,n_2)$的$F$分布，记为$F\sim F(n_1,n_2)$

​ 若$F\sim F(n_1,n_2)$，则$$\frac{1}{F}\sim F(n_1,n_2)$$

绘图的R代码：

卡方分布概率密度图

x1 <- seq(0,25,0.5)
> y1 <- dchisq(x1,1)
> y2 <- dchisq(x1,5)
> y3 <- dchisq(x1,15)
> png("D:/Rwork/Picture/卡方分布.png",width=760,height = 480)
> plot(x1,y1,xlab="卡方分布",ylab="Density",type="l",col="red",lwd=1.6,main="卡方分布图")
> lines(x1,y2,lwd=1.6,type="l")
> lines(x1,y3,lwd=1.6,type="l",col="blue")
> dev.off()

t分布概率密度图

x1 <- seq(-5,5,0.0001)
> y1 <- dt(x1,1)
> y2 <- dt(x1,10)
> y3 <- dt(x1,30)
> png("D:/Rwork/Picture/t分布.png",width=760,height = 480)
> plot(x1,y3,xlab="t分布",ylab="Density",type="l",col="red",lwd=1.6,main="t分布图")
> lines(x1,y2,lwd=1.6,type="l")
> lines(x1,y1,lwd=1.6,type="l",col="blue")
> abline(v=0)
> dev.off()





F分布概率密度图
```R
x1 <- seq(0,6,0.05)
y1 <- df(x1,10,25)
y2 <- df(x1,10,5)
png("D:/Rwork/Picture/F分布.png",width=760,height = 480)
plot(x1,y1,xlab="F分布",ylab="Density",type="l",col="red",lwd=1.6,main="F分布图")
lines(x1,y2,lwd=1.6,type="l")
dev.off()