中心极限定理的发现与证明,将概率论与统计学领域拉到了一个全新的高度。有了中心极限定理的参与,人们可以使用正态分布来估计多随机干扰因素影响下的某一变量的大致分布情况。随着应用范围的逐渐扩大,有人发现,正态分布似乎不能全面的反映所有变量的分布情况。于是,随之而来的是一个全新的疑惑,到底有没有其他的分布可以反映变量的分布情况呢?
这样的分布是有的,而且还不止一个。
在对变量的分布情况的研究过程中,人们发现简单而单一的标准正态分布愈发难以满足变量分布的多样化,因此开始了对多种变量分布关系的探究。事实证明人们的研究是不无效果的,具有代表性的三大抽样分布---卡方分布、t分布和F分布便是人们努力探索的结果。这三大抽样分布是对统计学中不同变量分布情况的重要概括,时至今日,都对概率统计领域有着非凡的意义。
卡方分布
首先出现在我们面前的是卡方分布。卡方分布是建立在标准正态分布基础上,由后人不断推导总结得出的重要分布规律。卡方分布最初由数学家阿贝于1863年提出,后来分别于1875年和1900年由数学家海尔墨特与卡·皮尔逊(C K.Pearson)给出证明过程。在皮尔逊的相关性分析中,也设有专门对卡方分布的检验。
设X1,X2,...Xn是来自正态分布总体N(0,1)的样本,那么称统计量χ2=X12