Gamma函数及其应用-chi方分布，t分布及F分布

一、$\Gamma$函数的定义


二、应用
设随机变量X服从指数分布$e\left(\lambda \right)$ ，概率密度为$$f\left(x\right)=\{\begin{array}{ll}& \frac{1}{\lambda }{e}^{-\frac{x}{\lambda }},x>0\\ & 0,x\le 0\end{array}$$求随机变量X的k阶原点矩及三阶、四阶中心矩。
【解答】X的k阶原点矩
$${\nu }_X=E\left(X^k\right)=\frac{1}{\lambda }{\int }_0^{+\infty }{x}^k{e}^{-x/\lambda }dx$$置换变量$\frac{x}{\lambda }=t$，得到
$${\nu }_k\left(X\right)={\lambda }^k{\int }_0^{+\infty }{t}^k{e}^{-t}dt$$利用$\Gamma$函数及其性质即得
$n{u}_{k\left(X\right)}={\lambda }^k\Gamma \left(k+1\right)=k!{\lambda }^k,$k=1,2,3…
二阶中心矩为${\mu }_2={\nu }_2-{\nu }_1^2$
三阶中心距为${\mu }_3={\nu }_3-3{\nu }_2{\nu }_1+2{\nu }_1^3=2{\lambda }^3$
四阶中心矩为${\mu }_4={\nu }_4-4{\nu }_3{\nu }_1+6{\nu }_2{\nu }_1^2-3{\nu }_1^4=9{\lambda }^4$
三、${\chi }^2$ 分布
设随机变量$X_1,X_2,X_3,...,X_k,$相互独立，都服从标准正态分布N(0,1),则随机变量${\chi }^2=X_1^2+X_2^2+...X_k^2$
的概率密度函数为

则称随机变量${\chi }^2$服从自由度为k的${\chi }^2$分布，记作
${\chi }^2\sim {\chi }^2\left(k\right)$
其中，k为对立随机变量的个数

其具有可叠加性${\chi }_1^2+{\chi }_2^2\sim {\chi }^2\left(k_1+k_2\right)$
$P\left({\chi }^2\ge {\chi }_{\alpha }^2\right)={\int }_{{\chi }^2}^{+\infty }{f}_{{\chi }^2}\left(x\right)=\alpha$，在已知自由度k和alpha的条件下，可以求出${\chi }^2$

四、t分布
设随机变量X与Y相互独立，X服从标准正态分布N（0，1）,Y服从自由度为k的${\chi }^2$分布，则随机变量$$t=\frac{X}{\sqrt{Y/k}}$$ 的概率密度为
$$f_t\left(x\right)=\frac{\Gamma \left(\frac{k+1}{2}\right)}{\sqrt{k\pi }\Gamma \left(\frac{k}{2}\right)}{\left(1+\frac{x^2}{k}\right)}^{-\frac{k+1}{2}}$$
称随机变量t服从自由度为k的t分布，记作t~t(k)


五、F分布
设随机变量X与Y相互独立，分别服从自由度为k1和k2的${\chi }^2$分布，则随机变量$$F=\frac{X/k_1}{Y/k_2}$$的概率密度为
$$f_F\left(x\right)=\{\begin{array}{ll}& \frac{\Gamma \left(\frac{k_1+k_2}{2}\right)}{\Gamma \left(\frac{k_1}{2}\right)\Gamma \left(\frac{k_2}{2}\right)}{k}_1^{k_1/2}{k}_2^{k_2/2}\frac{x^{\frac{k_1}{2}-1}}{{\left(k_{1}x+k_2\right)}^{\frac{k_1+k_2}{2}}},x>0\\ & 0,x\le 0\end{array}$$
称随机变量F服从自由度为（k1,k2）的F分布，记作F~F（k1,k2）。其中k1为分子的自由度，为第一自由度，k2是分母自由度，成为第二自由度。