【查表】四种重要的统计分布:正态分布、F分布、卡方分布、t分布

这些分布各自适用于不同的统计检验和估计场景:

  • 正态分布:用于建模自然和社会现象的连续数据,呈对称钟形曲线。
  • F分布用于比较两个样本方差的比率,右偏分布。
  • 卡方分布用于方差一致性检验和独立性检验,右偏分布。
  • t分布用于小样本的均值检验和置信区间估计,类似正态分布但尾部较宽。

注意:其中正态分布包括有①正态分布表②分位数表,以及要留意判断题设的 “单/双侧检验条件”(图像是否关于 0坐标 左右对称)

1. 正态分布(Normal Distribution) ( p左 α右 ,p+α=1 )

定义:一种连续概率分布,其概率密度函数呈对称的钟形曲线。均值为 μ,标准差为 σ。

特点

  • 形状:钟形对称曲线,均值 μ 位于中心。
  • 分布范围:从负无穷大到正无穷大。
  • 特殊性质:68%的数据位于 μ±σ 内,95%的数据位于 μ±2σ 内,99.7%的数据位于μ±3σ 内。

应用:常用于自然现象和社会现象的数据建模,如身高、体重、考试成绩等。

例子:假设成年男性的身高服从正态分布,均值为175厘米,标准差为10厘米,那么大部分男性的身高会集中在165厘米到185厘米之间。

2. F分布(F Distribution)(一个 α ,两个k )( k 自由度分前后顺序) 

定义:一种连续概率分布,主要用于比较两个样本的方差。它由两个自由度参数 d1​ 和 d2​ 决定。

特点

  • 形状:非对称,右偏。
  • 分布范围:从0到正无穷大。
  • 特殊性质:当自由度增大时,F分布趋向于正态分布。

应用:常用于方差分析(ANOVA),检验两个总体方差的比率。

例子:在比较两个不同教学方法的学生成绩变异性时,可以使用F分布来检验两个教学方法的成绩方差是否显著不同。

经过计算,落在了拒绝阈
F 分布 又区别于 t /正态、卡方分布

3. 卡方分布(Chi-Square Distribution)

定义:卡方分布是一种连续概率分布,常用于检验样本方差与总体方差的一致性。由自由度参数 k 决定。

特点

  • 形状:右偏,随着自由度增加,分布趋向正态分布。
  • 分布范围:从0到正无穷大。
  • 特殊性质:当自由度增加时,卡方分布的形状越来越接近正态分布。

应用:常用于卡方检验(独立性检验、适配度检验)和估计总体方差。

例子:在进行调查时,检查不同性别对某种产品偏好是否独立,可以使用卡方检验来分析性别和产品偏好的独立性。

注意:“卡方分布” 区别于 “正态” 和 “ t " 分布
因为卡方分布是不相对于 0 对称的,所以需要进行双侧检验,即要算出两个值,确定阈(判断落点)

4. t 分布(t Distribution)( 自由度、α值 )

定义:一种连续概率分布,总体标准差未知且样本量较小时估计总体均值。由自由度参数 v 决定。

特点

  • 形状:类似正态分布,但两尾较宽。
  • 分布范围:从负无穷大到正无穷大。
  • 特殊性质:随着自由度增加,t 分布趋向于正态分布。

应用:常用于小样本下的均值检验、建立置信区间。

例子:假设你要估计一个小样本(如20个学生)的平均考试成绩是否显著高于及格线(60分),可以使用 t 分布进行单样本t检验。

t 分布图像相似于正态分布图像,故有  tα =  - t(1-α)
​​​​​
  • 24
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值