t分布f分布与样本均值抽样分布_三大抽样分布

分布（卡方分布）

在概率论中，我们用“

”这个式子来定义卡方分布，可见卡方分布是特殊的伽玛分布。在数理统计中，我们给出卡方分布的构造定义：

若

独立同分布于

，则

，记

服从自由度为

的卡方分布。卡方分布是只取非负值的偏态分布，且：

这里给出自由度不同的卡方分布的概率密度函数（PDF, probability density function）的图像（由R绘制，代码在文末，下同）：

不同自由度的卡方分布

从图中可以看出

分布是右偏分布，自由度越大，图形越矮胖，反之越高瘦。

定理1

设

是来自正态总体

的样本，其样本均值和样本方差分别为:

则：

1. 与
   相互独立；
2. ，也即
   ；

证明过程过于复杂，略去。其中第二条性质在后面的假设检验中用处非常大。

F分布

设随机变量

，且

独立，称

的分布是自由度为

的

分布，记为

。其中

为分子自由度，

为分母自由度。同样，

是只取非负值的偏态分布。这里给出自由度不同的

分布PDF的图像：

F(4,*)的分布

F(*,10)的分布

从图中可以看出

分布也是右偏分布。当第一个参数固定时，第二个参数越大，图形越高瘦，反之越矮胖。当

分布的第二个参数固定时，第一个参数越大，图形越高瘦，反之越矮胖。两图比较易知，卡方分布图形性质更易受第一个参数的影响。

定理2

设

是来自

的样本，

是来自

的样本，且此两样本相互独立，记样本均值：

样本方差：

则：

特别地，若

，则

证明：

因两样本相互独立，由定理1第3条知：

再由

分布的定义知：

分布

设随机变量

独立，

，称：

的分布为自由度为

的

分布，记作

。不同自由度的t分布与标准正态分布的图形：

不同自由度的t分布与标准正态分布

可以看出

分布是对称分布，与标准正态分布形状类似，只是峰值比标准正态分布低。自由度越大，形状越高瘦，反之越矮胖。

自由度为1的

分布就是标准柯西分布，它的均值不存在。当

时，

分布的期望为

。当

时，

分布的方差为

。当

较大（如

）时，

分布可用标准正态分布

近似。

定理3

设

是来自正态总体

的样本，其样本均值和样本方差分别为：

则：

证明：

又要证的式子：

由定理1的第2条和第3条：

故上式的分子为标准正态变量，分母的根号里是自由度为

的卡方变量除以自由度

，由

分布的定义：

。

定理4

在定理1的记号下，设

，记：

则：

证明：

由定理1第2条：

且

独立，则：

所以：

由定理1第3条知：

由卡方分布的可加性知：

由于

与

独立，由

分布的定义可知：

#卡方分布

curve(dchisq(x,4),col = "black",from = 0,to = 40,xlab = "chi-squre",ylab = "p(x)")
curve(dchisq(x,8),col = "red",add = TRUE)
curve(dchisq(x,12),col = "green",add = TRUE)
curve(dchisq(x,16),col = "blue",add = TRUE)
title(main = "Chi-Square PDF")
legend("topright",cex = .8,
       legend = c("chi-square(4)","chi-square(8)","chi-square(12)","chi-square(16)"),
       col = c("black","red","green","blue"),
       lty=1,lwd = 2)

#F分布1
curve(df(x,4,1000),col = "blue",from = 0,to = 4,xlab = "F",ylab = "p(x)")
curve(df(x,4,100),col = "green",add = TRUE)
curve(df(x,4,10),col = "red",add = TRUE)
curve(df(x,4,5),col = "black",add = TRUE)
title(main = "F PDF(1)")
legend("topright",cex = .8,
       legend = c("F(4,5)","F(4,10)","F(4,100)","F(4,1000)"),
       col = c("black","red","green","blue"),
       lty=1,lwd = 2)

#F分布2
curve(df(x,16,10),col = "blue",from = 0,to = 4,xlab = "F",ylab = "p(x)")
curve(df(x,12,10),col = "green",add = TRUE)
curve(df(x,8,10),col = "red",add = TRUE)
curve(df(x,4,10),col = "black",add = TRUE)

title(main = "F PDF(2)")
legend("topright",cex = .8,
       legend = c("F(4,10)","F(8,10)","F(12,10)","F(12,10)"),
       col = c("black","red","green","blue"),
       lty=1,lwd = 2)
#t分布
curve(dnorm,col="black",from = -4,to = 4,xlab = "t",ylab = "p(x)")
curve(dt(x,2),col = "red",add = TRUE)
curve(dt(x,6),col = "green",add = TRUE)
curve(dt(x,10),col = "blue",add = TRUE)
legend("topright",cex = .8,
      legend = c("N(0,1)","t(4)","t(10)","t(100)"),
      col = c("black","red","green","blue"),
      lty=1,lwd = 2)