概率论与数理统计课件 三大分布(旧)
合集下载
概率论与数理统计课件 第三章1

0, 其他.
求 (1) 边缘概率密度 pX ( x), pY ( y);
(2) P{ X+Y 2}
y
(1,1)
y 1 x
2019/4/3
O x 1 x e2 x
第三章 多维随机变量及其分布
28
例3 设二维随机变量 ( X , Y ) 具有概率密度
Ce(3x4 y) , x 0, y 0,
(x, y)
2019/4/3
第三章 多维随机变量及其分布
23
3.说明
几何上, z p( x, y) 表示空间的一个曲面.
p( x, y)d x d y 1,
表示介于 p (x, y)和 xoy 平面之间的空间区域的 全部体积等于1.
P{( X ,Y )G} p( x, y) d x d y, G
19
2019/4/3
第三章 多维随机变量及其分布
20
2019/4/3
第三章 多维随机变量及其分布
21
四、二维连续型随机变量
1.定义
对于二维随机变量 ( X ,Y ) 的分布函数 F ( x, y), 如果存在非负的函数 p( x, y) 使对于任意 x, y 有
yx
F ( x, y)
p(u, v) d ud v ,
记 P{X xi , Y yj } pij , i, j 1, 2,
称此为二维离散型随机变量 ( X ,Y ) 的分布律, 或随机变量 X 和 Y 的联合分布律.
其中 pij 0,
pij 1.
i1 j1
2019/4/3
第三章 多维随机变量及其分布
13
二维随机变量 ( X,Y ) 的分布律也可表示为
1 ( arctan x)
《概率论与数理统计》课件-第2章随机变量及其分布 (1)

则称X服从参数为λ的泊松分布, 记为 X ~ P() .
HAINAN UNIVERSITY
概率论与数理统计
第二五章 基随本机极变限量定及理其分布
泊松分布的应用
“稠密性”问题(一段时间内,电话交换中心接到的呼叫次 数,公共汽车车站候车的乘客数,售票窗口买票的人数, 原子放射的粒子数,保险公司在一定时期内被索赔的次 数等)都服从泊松分布.
随机变量的分布函数
1.定义: 设X为一随机变量, x为任意实数, 称函数 F(x)=P{X≤x}为X的分布函数.
注: ① F(x)是一普通函数, 其定义域为 ,; ② F x的值为事件X x的概率; ③ F x可以完全地描述随机变量取值的规律性.
例如: Pa X b PX b PX a
连续型随机变量及概率密度函数
1.定义: 设X ~ F(x), 若存在一个非负可积的函数 f (x),
使 x R, 有
F ( x)
PX
x
x
f
(t)dt
,
则称X为连续型随机变量, f (x) 称为X的概率密度函数或
分布密度函数.
2.几何意义:
HAINAN UNIVERSITY
概率论与数理统计
第二五章 基随本机极变限量定及理其分布
二、随机变量的概念
定义: 设试验E的样本空间为 , 若对于每个样本
点 , 均有一个实数 X ()与之对应, 这样就得
到一个定义在 上的单值函数 X X () , 称X为随
机变量.
X
样本空间
实数
注: ① 随机变量是一个定义在样本空间上的实函数, 它取值的随机性是由样本点的随机性引起的;
x 1
x0
0 x x
不是 (不满足规范性)
HAINAN UNIVERSITY
概率论与数理统计
第二五章 基随本机极变限量定及理其分布
泊松分布的应用
“稠密性”问题(一段时间内,电话交换中心接到的呼叫次 数,公共汽车车站候车的乘客数,售票窗口买票的人数, 原子放射的粒子数,保险公司在一定时期内被索赔的次 数等)都服从泊松分布.
随机变量的分布函数
1.定义: 设X为一随机变量, x为任意实数, 称函数 F(x)=P{X≤x}为X的分布函数.
注: ① F(x)是一普通函数, 其定义域为 ,; ② F x的值为事件X x的概率; ③ F x可以完全地描述随机变量取值的规律性.
例如: Pa X b PX b PX a
连续型随机变量及概率密度函数
1.定义: 设X ~ F(x), 若存在一个非负可积的函数 f (x),
使 x R, 有
F ( x)
PX
x
x
f
(t)dt
,
则称X为连续型随机变量, f (x) 称为X的概率密度函数或
分布密度函数.
2.几何意义:
HAINAN UNIVERSITY
概率论与数理统计
第二五章 基随本机极变限量定及理其分布
二、随机变量的概念
定义: 设试验E的样本空间为 , 若对于每个样本
点 , 均有一个实数 X ()与之对应, 这样就得
到一个定义在 上的单值函数 X X () , 称X为随
机变量.
X
样本空间
实数
注: ① 随机变量是一个定义在样本空间上的实函数, 它取值的随机性是由样本点的随机性引起的;
x 1
x0
0 x x
不是 (不满足规范性)
三大抽样分布课件

在方差分析中,t分布用于检验 各个组之间的均值是否存在显著
差异。
04
CATALOGUE
卡方分布
卡方分布的定义
定义
卡方分布是一种连续概率分布,描述 了随机变量的取值与自由度的平方之 间的比例关系。
公式
若随机变量X符合卡方分布,则X的概 率密度函数为f(x)=x^(n/2-1)e^(x/2)/2^(n/2)Γ(n/2),其中n为自由度 ,Γ为伽玛函数。
正态分布
正态分布的定义
01
正态分布是一种连续概率分布, 其概率密度函数呈钟形,对称轴 为均值所在直线,形状由标准差 决定。
02
正态分布是自然界中最常见的分 布形态,许多随机变量都服从或 近似服从正态分布。
正态分布的性质
01
02
03
集中性
正态分布曲线以均值为中 心,两侧分布对称。
均匀性
正态分布曲线是关于标准 差对称的,形状由标准差 决定。
t分布
t分布的定义
定义
t分布(也称为学生t分布)是一种 连续概率分布,其形状由自由度 参数决定。
描述
当数据来自正态分布的总体,且样 本量较小(通常n<30)时,t分布 近似于正态分布。
公式
t分布的密度函数和分布函数可以用 一系列复杂的数学公式来描述。
t分布的性质
形状
峰度
随着自由度的增加,t分布的形状逐渐 接近正态分布。
t分布的峰度大于正态分布的峰度,且 随着自由度的增加而减小。
偏度
t分布通常是偏态的,其偏度随着自由 度的增加而减小。
t分布在统计学中的应用
假设检验
在样本量较小时,t分布在假设 检验中常用作正态分布的替代,
用于检验统计假设。
差异。
04
CATALOGUE
卡方分布
卡方分布的定义
定义
卡方分布是一种连续概率分布,描述 了随机变量的取值与自由度的平方之 间的比例关系。
公式
若随机变量X符合卡方分布,则X的概 率密度函数为f(x)=x^(n/2-1)e^(x/2)/2^(n/2)Γ(n/2),其中n为自由度 ,Γ为伽玛函数。
正态分布
正态分布的定义
01
正态分布是一种连续概率分布, 其概率密度函数呈钟形,对称轴 为均值所在直线,形状由标准差 决定。
02
正态分布是自然界中最常见的分 布形态,许多随机变量都服从或 近似服从正态分布。
正态分布的性质
01
02
03
集中性
正态分布曲线以均值为中 心,两侧分布对称。
均匀性
正态分布曲线是关于标准 差对称的,形状由标准差 决定。
t分布
t分布的定义
定义
t分布(也称为学生t分布)是一种 连续概率分布,其形状由自由度 参数决定。
描述
当数据来自正态分布的总体,且样 本量较小(通常n<30)时,t分布 近似于正态分布。
公式
t分布的密度函数和分布函数可以用 一系列复杂的数学公式来描述。
t分布的性质
形状
峰度
随着自由度的增加,t分布的形状逐渐 接近正态分布。
t分布的峰度大于正态分布的峰度,且 随着自由度的增加而减小。
偏度
t分布通常是偏态的,其偏度随着自由 度的增加而减小。
t分布在统计学中的应用
假设检验
在样本量较小时,t分布在假设 检验中常用作正态分布的替代,
用于检验统计假设。
概率论与数理统计课件 三大分布

X1 X 2 X 3 ~N(0,1), ( X1 X 2 X 3 )2 ~ 2 (1),
3
3
X4 X5 X6 ~N(0 , 3)
X4 X5 X6 ~N(0,1), ( X4 X5 X6 )2 ~ 2 (1),
3
3
2020/11/10
数理统计—三大分布
7
例2 设X1, X2 , X3 , X4为来自正态总体N (0, 4) 的简单
y
性质: 1
F1 (n1, n2 ) F (n2 , n1 )
O
F (n1 , n2 ) x
2020/11/10
数理统计—三大分布
16
例1 求(1)F0.01(5,4),(2)F0.95(3,7)。
解 (1) F0.01(5,4) 15.5
(2)
F0.95 (3,7)
1 F0.05 (7,3)
2
3.例题 已知连续型随机变量X 的概率密度函数为 f ( x) 1 e , x2 2 x1 求EX,DX
2020/11/10
数理统计—三大分布
3
6.3.1 2 分布
1、定义
X1, X2 , , Xn 独立同分布的随机变量, 并且Xi
2
X
2 1
X
2 2
X
2 n
N (0,1)
服从的分布称为自由度为n的 分2 布.记为 2 ~ 2 (n)
t (n) t1 (n) y
2020/11/10
t (n) O t (n) x t1 (n)
数理统计—三大分布
13
6.3.3 F 分布
1、定义 设X ~ 2 (n1 ),Y ~ 2(n2 ), 且X与Y 独立, 则随机变量
概率论与数理统计课件3-2边际分布和条件分布

fY ( y )
f ( x , y )d x
y 1 d x ln(1 y ), 0 y 1, 0 1 x 0, 其它.
x
y
f X Y ( x y) d x fY X ( y x ) d y
由连续型随机变量条件密度函数定义可得:
f ( x , y ) fY ( y ) f X Y ( x y ) f X ( x ) f Y X ( y x )
说明 联合分布、边际分布、条件分布的关系如下
注意:这个例子告诉我们在直接求Y 的分布有困难时, 有时借助条件分布即可克服困难.
5.连续型随机变量的条件分布
条件密度函数
f ( x, y ) f X Y ( x y) ; fY ( y ) f ( x, y ) fY X ( y x) f X ( x)
条件分布函数
FX Y ( x y ) FY X ( y x )
j
i
Y y j ) pi j .
xi x
给定X xi 条件下 Y 的条件分布函数为 F ( y xi ) P (Y y X xi )
yj y
P(Y y
X xi ) p j i ;
yj y
例1
Y
0 1 2
Pi
已知 ( X , Y ) 具有联合分布律:
X 的边际密度函数为 : Y 的边际密度函数为 :
注意1: 由联合分布可以求出边际分布.
但由边际分布一般无法求出联合分布.
所以联合分布包含更多的信息.
注意2: 二维正态分布的边际分布是一维正态: 若 (X, Y) N ( ),
概率论与数理统计 7.2 数理统计中的三大分布

数理统计
7.2 数理统计中的三大抽样分布
在数理统计中,以标准正态变量为基石而构 造的三个著名统计量有着广泛的应用,这是因为 这三个统计量不仅有明确背景,而且其抽样分布 的密度函数有明显的数学表达式,它们被称为统 计中的“ 三大抽样分布 ” 。
1. 2 分布
数理统计
2分布是由正态分布派生出来的一种分布.
t1 (n) t (n)
o t (n)
x
t分布的上分位点t (n)可查表
求得,例t0.025(15) 2.1315.
当n 45时,对于常用的的值,可用正态近似 t (n) z
例3:X ~ t(15)
(1)求 0.01的上侧分位数; (2) P( X ) 0.05,求 ; (3)P( X ) 0.95 ,求 .
记为 t ~ t(n). t分布概率密度函数为:
f (t)
[(n 1)
2]
(1
t
2
)
n1 2
,
t
(n 2) n n
t 分布的图像
y N (0,1) 数理统计
t(n)
t分布的性质: 1. 设t ~ t(n),则E(t) 0, D(t) n (n 2) (n 2)
2. t分布的密度函数关于t 0对称.当n充分大时, 其图形近似于标准正态分布概率密度的图形,
F分布的上分位点的性质:
F1 (n1, n2 )
1 F (n2 , n1 )
F分布的上分位点可查表求得.例,
F0.95 (12,9)
1 F0.05 (9,12)
1 2.80
0.357
例4. F ~ F (24,15),求 1,2 使 P(F 2 ) 0.025 P(F 1) 0.025
7.2 数理统计中的三大抽样分布
在数理统计中,以标准正态变量为基石而构 造的三个著名统计量有着广泛的应用,这是因为 这三个统计量不仅有明确背景,而且其抽样分布 的密度函数有明显的数学表达式,它们被称为统 计中的“ 三大抽样分布 ” 。
1. 2 分布
数理统计
2分布是由正态分布派生出来的一种分布.
t1 (n) t (n)
o t (n)
x
t分布的上分位点t (n)可查表
求得,例t0.025(15) 2.1315.
当n 45时,对于常用的的值,可用正态近似 t (n) z
例3:X ~ t(15)
(1)求 0.01的上侧分位数; (2) P( X ) 0.05,求 ; (3)P( X ) 0.95 ,求 .
记为 t ~ t(n). t分布概率密度函数为:
f (t)
[(n 1)
2]
(1
t
2
)
n1 2
,
t
(n 2) n n
t 分布的图像
y N (0,1) 数理统计
t(n)
t分布的性质: 1. 设t ~ t(n),则E(t) 0, D(t) n (n 2) (n 2)
2. t分布的密度函数关于t 0对称.当n充分大时, 其图形近似于标准正态分布概率密度的图形,
F分布的上分位点的性质:
F1 (n1, n2 )
1 F (n2 , n1 )
F分布的上分位点可查表求得.例,
F0.95 (12,9)
1 F0.05 (9,12)
1 2.80
0.357
例4. F ~ F (24,15),求 1,2 使 P(F 2 ) 0.025 P(F 1) 0.025
概率论与数理统计ppt课件(完整版)

27
( 1)
n 1
例4. 设P(A)=p, P(B)=q, P(AB)=r, 用p, q, r表示下列 事件的概率:
(1) P ( A B ); (2) P ( A B); (3) P ( A B); (4)P( A B ).
28
§5. 条件概率
(一)条件概率: 设试验E的样本空间为S, A, B是事件, 要考虑 在A已经发生的条件下B发生的概率, 这就是条件概 率问题.
概率论与数理统计
第一章 概率论的基本概念 前 言
1. 确定性现象和不确定性现象.
2. 随机现象: 在个别试验中其结果呈现出不确定性, 在 大量重复试验中其结果又具有统计规律性. 3. 概率与数理统计的广泛应用.
2
§1.随机试验
我们将对自然现象的一次观察或进行一次科学试验 称为试验。
举例:
E1: 抛一枚硬币,观察正(H)反(T) 面 的情 况.
B A 类似地, 事件 S 为可列个事件A1, A2, ...的积事件.
k 1 K
(2) A B A B
S
(3)A B
9
4.差事件:
事件A-B={x|xA且xB} 称为A与B的差. 当且仅当 A发生, B不发生时事件A-B发生. 即:
A - B A AB
显然: A-A=, A- =A, A-S=
(一) 频率 1. 在相同的条件下, 共进行了n次试验,事件A发生的次 数nA, 称为A的频数, nA/n称为事件A发生的频率, 记为 fn(A).
2. 频率的基本性质: (1) 0 f( 1; (非负性) n A) (2) f n ( S ) 1; (规范性) (3)若A1,A 2, , Ak 两两互不相容 ,则 f n ( A1 A2 Ak ) f n ( A1 ) f n ( A2 ) f n ( Ak ).(有限可加性)
( 1)
n 1
例4. 设P(A)=p, P(B)=q, P(AB)=r, 用p, q, r表示下列 事件的概率:
(1) P ( A B ); (2) P ( A B); (3) P ( A B); (4)P( A B ).
28
§5. 条件概率
(一)条件概率: 设试验E的样本空间为S, A, B是事件, 要考虑 在A已经发生的条件下B发生的概率, 这就是条件概 率问题.
概率论与数理统计
第一章 概率论的基本概念 前 言
1. 确定性现象和不确定性现象.
2. 随机现象: 在个别试验中其结果呈现出不确定性, 在 大量重复试验中其结果又具有统计规律性. 3. 概率与数理统计的广泛应用.
2
§1.随机试验
我们将对自然现象的一次观察或进行一次科学试验 称为试验。
举例:
E1: 抛一枚硬币,观察正(H)反(T) 面 的情 况.
B A 类似地, 事件 S 为可列个事件A1, A2, ...的积事件.
k 1 K
(2) A B A B
S
(3)A B
9
4.差事件:
事件A-B={x|xA且xB} 称为A与B的差. 当且仅当 A发生, B不发生时事件A-B发生. 即:
A - B A AB
显然: A-A=, A- =A, A-S=
(一) 频率 1. 在相同的条件下, 共进行了n次试验,事件A发生的次 数nA, 称为A的频数, nA/n称为事件A发生的频率, 记为 fn(A).
2. 频率的基本性质: (1) 0 f( 1; (非负性) n A) (2) f n ( S ) 1; (规范性) (3)若A1,A 2, , Ak 两两互不相容 ,则 f n ( A1 A2 Ak ) f n ( A1 ) f n ( A2 ) f n ( Ak ).(有限可加性)
概率论中三个重要分布 ppt课件

三个重要分布
χ2分布 t分布 F分布
PPT课件
1
χ2分布
PPT课件
2
χ2分布的定义
设X为正态分布总体的随机变量,其平均数及
方差分别为μ和σ2,即X~N(μ,σ2), 为X来自该
总体的n个样本值x1, x2, …, xn的样本平均数,则 样本统计量
n
(xi X )2
i 1
PPT课件
15
t分布的α分为点
对于给定的α(0<α<1),称满足条件
P{t t (n)}
的点tα(n)为t分布上的α分为点 由t分布概率密度函数的对称性有
t1 (n) t (n)
PPT课件
16
t分布α分为点的求法
t分布α分为点的求法:
对于n≤45的α分为点可查表求得; 当n充分大(n>45)时,近似地有
χ2分布的期望为:E(χ2(n))=n,方差为: D(χ2(n))=2n
χV2~分χ2布(n具2),有则可U加+性V~。χ若2(nU1~+χn22()n1),
PPT课件
6
χ2分布的α分为点
对于给定的α(0<α<1) ,称满足条件
P( 2 (n) 2 (n))
的点2 (n)为χ2(n)分布的α分为点
知时,以样本方差s2替代,则
X
s
t
~
t(n
1)
n
是自由度为n-1的t分配,记为t(n-1)
PPT课件
11
t分布的概率密度
t(n-1)的概率密度函数为
f (t)
Γ(n) 2
(1
t2
χ2分布 t分布 F分布
PPT课件
1
χ2分布
PPT课件
2
χ2分布的定义
设X为正态分布总体的随机变量,其平均数及
方差分别为μ和σ2,即X~N(μ,σ2), 为X来自该
总体的n个样本值x1, x2, …, xn的样本平均数,则 样本统计量
n
(xi X )2
i 1
PPT课件
15
t分布的α分为点
对于给定的α(0<α<1),称满足条件
P{t t (n)}
的点tα(n)为t分布上的α分为点 由t分布概率密度函数的对称性有
t1 (n) t (n)
PPT课件
16
t分布α分为点的求法
t分布α分为点的求法:
对于n≤45的α分为点可查表求得; 当n充分大(n>45)时,近似地有
χ2分布的期望为:E(χ2(n))=n,方差为: D(χ2(n))=2n
χV2~分χ2布(n具2),有则可U加+性V~。χ若2(nU1~+χn22()n1),
PPT课件
6
χ2分布的α分为点
对于给定的α(0<α<1) ,称满足条件
P( 2 (n) 2 (n))
的点2 (n)为χ2(n)分布的α分为点
知时,以样本方差s2替代,则
X
s
t
~
t(n
1)
n
是自由度为n-1的t分配,记为t(n-1)
PPT课件
11
t分布的概率密度
t(n-1)的概率密度函数为
f (t)
Γ(n) 2
(1
t2
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
3
3
X4 X5 X6 ~N(0 , 3)
X4 X5 X6 ~N(0,1), ( X4 X5 X6 )2 ~ 2 (1),
3
3
2019/5/6
数理统计—三大分布
7
例2 设X1, X2 , X3 , X4为来自正态总体N (0, 4) 的简单
随机样本, 令X a( X1 2 X2 )2 b(3 X 3 4 X4 )2 , 则
2019/5/6
数理统计—三大分布
5
3. 2 分布的性质 (1) 数学期望与方差 若X ~ 2(n),则 EX n, DX 2n. (2) 可加性 若X ~ 2(n1 ),Y ~ 2(n2 ),并且X与Y独立 X Y ~ 2(n1 n2 )
2019/5/6
数理统计—三大分布
6
例1 设总体X ~ N (0,1), X1, X 2 , , X6为取自总体X 的简单
P{F F (n1, n2 )} F (n1 ,n2 ) p( x)dx
则称F (n1, n2 )为F 分布的上 分位点(数)
y
性质:
F1 (n1 , n2 )
1 F (n2 , n1 )
O
F (n1 , n2 ) x
2019/5/6
数理统计—三大分布
16
例1 求(1)F0.01(5,4),(2)F0.95(3,7)。
解 (1) F0.01(5,4) 15.5
(2)
F0.95 (3,7)
1 F0.05 (7,3)
1 8.89
0.1125
F1
(n1 , n2 )
F
1 (n2 , n1 )
2019/5/6
数理统计—三大分布
17
设X ~ N (0, 2 ), X1, X2 , , X10为取自总体X 的简单
随机样本, 令F
2
3.例题 已知连续型随机变量X 的概率密度函数为 f ( x) 1 e , x2 2x1 求EX,DX
2019/5/6
数理统计—三大分布
3
6.3.1 2 分布
1、定义
X1, X2 , , Xn 独立同分布的随机变量, 并且Xi
2
X
2 1
X
2 2
X
2 n
N (0,1)
服从的分布称为自由度为n的 2分布.记为 2 ~ 2(n)
a
X
2 5
X 12
X
2 6
X
2 2
X
2 7
X
2 3
X
2 8
X
2 4
X
2 9
X
2 10
~F (4, b),
则a ( ), b ( ).
解:Xi ~ N (0, 2 ),
Xi
~N(0,1),
( Xi
)2 =
X
2 i
2
~ 2 (1),
X
2 1
X
2 2
X
2 3
2
X
2 4
~
2 (4),
X
2 5
X
2 6
随机样本, 令Y ( X1 X 2 X 3 )2 ( X4 X5 X6 )2 , 求
常数C ,使得CY 服从 2分布 C= 1
3
E( X1 X 2 X 3 )=0
D( X1 X 2 X 3 )=3
解:Xi ~ N (0,1), X1 X2 X3 ~N( 0 , 3)
X1 X2 X3 ~N(0,1), ( X1 X2 X3 )2 ~ 2 (1),
2、密度函数
p( x)
( n1 n2 ) 2
( n1 )( n2 ) 22
(
n1 n2
)
n1 2
n1 1
x 2 (1
n1 n2
n1 n2
x) 2 ,
0,
x0 x0
2019/5/6
数理统计—三大分布
14
y
O
x
2019/5/6
数理统计—三大分布
15
3. F 分布的上分位点
设F ~ F(n1, n2 ), , 对于给定的0 1,存在F (n1, n2 ) 使
E(3X3 4X4 )=0 D(3X3 4X4 )=100
3X3 4X4 ~N(0,1), ( 3X3 4X4 )2 ~ 2(1),
10
10
2019/5/6
数理统计—三大分布
8
4. 2分布的上 分位点
设 2 ~ 2(n), 对于给定的 (0 1) , 存在2 (n) 使得
P{ 2 2 (n)}
10
6.3.2 t 分布
1、定义 设X ~ N (0,1),Y ~ 2(n), 且X与Y 独立, 则随机变量
T X Yn
所服从的分布称为自由度为n的t 分布(或称学生氏分布),记为
T ~ t(n)
2、密度函数
p( x)
( n 1) 2
(1
x2
n1
)2
n ( n) n
2
y
O
x
2019/5/6
t (n) O t (n) x t1 (n)ຫໍສະໝຸດ 数理统计—三大分布13
6.3.3 F 分布
1、定义 设X ~ 2(n1 ),Y ~ 2(n2 ), 且X与Y 独立, 则随机变量
F X / n1 Y / n2
所服从的分布称为第一自由度为n1,第二自由度为n2 的 F分布,记为F ~ F (n1, n2 )
2019/5/6
数理统计—三大分布
1
第三节 三大分布
6.3.1 2 分布 6.3.2 t 分布
6.3.3 F 分布
2019/5/6
数理统计—三大分布
2
常识 函数
1.定义 (s) xs1e xdx (s 0) 0
2.性质 (1)(s 1) s(s), (1) 1; (n 1) n! (2)( 1 ) ;
p( x)dx
2 (n)
则称2 (n)为 2分布的上 分位点(数)
y
O
2 (n) x
2019/5/6
数理统计—三大分布
9
例1
求(1)
2 0.01
(10),(2)
2 0.95
(20)
。
解 查表
2 0.01
(10)
23.2
y
2 0.95
(20)
10.9
2019/5/6
O
数理统计—三大分布
2 (n) x
)
~F(4,10)
a ( 5 ), b ( 10 ). 2
2019/5/6
数理统计—三大分布
19
a, b取何值时X 服从 2分布
E( X1 2X2 )=0
解:Xi ~ N (0,1), X1 2X2 ~N( 0 , 20 ) D( X1 2X2 )=20
X1 2 X2 ~N(0,1), ( X1 2 X2 )2 = ( X1 2 X2 )2 ~ 2 (1),
20
20
20
3X3 4X4 ~N( 0 ,100)
2、密度函数
y
p(
x)
n
22
1 (
n)
n 1
x2 e
x 2
,
2
x0
0,
x0
O
x
2019/5/6
数理统计—三大分布
4
问题(1) X ~ N (0,1),则X 2 ~ 2 (1)
问题(2) X1, X2 ,
,
Xn,
X=
1 n
n i 1
X i ,Yi =X i
X , Y1 ,Y2 ,
,Yn
自由度是否为n ? 不是
数理统计—三大分布
x
12
例1 求(1)t0.05(10) ,(2) t0.1(10) ,(3)t0.95(20) 。
解 (1)t0.05(10) 1.812 (2)t0.1(10) 1.372 (3)t0.95 (20) t0.05 (20) 1.725
t (n) t1 (n) y
2019/5/6
数理统计—三大分布
11
3. t 分布的上 分位点
设T ~ t(n),对于给定的(0 1),存在t (n) 使得
P{T t (n)}
p( x)dx
t (n)
则称t (n)为t 分布的上 分位点(数)
y
对称性:
t (n) t1 (n)
2019/5/6
t (n) O t (n) t1 (n)
X
2 7
X
2 8
2
X
2 9
X
2 10
~
2 (6),
2019/5/6
数理统计—三大分布
18
X
2 1
X
2 2
X
2 3
X
2 4
X
2 5
X
2 6
4 2
X
2 7
X
2 8
X
2 9
X 120
~
F (4,10)
10 2
10(
X
2 1
X
2 2
X
2 3
X
2 4
)
4(
X
2 5
X
2 6
X
2 7
X
2 8
X
2 9
X
2 10