一、卡方分布
1. 卡方分布的定义
设随机变量 ,则随机变量 ,且 的概率密度函数为:
证明:
积分区域 是一个球形区域,切换到球坐标下,可得:
, 是一个与 无关的常数
根据归一化,
这就证明了卡方分布的概率密度函数。
2. 卡方分布的可加性
设独立的随机变量 ,则
证明:
这就证明了 符合自由度为 的卡方分布。这可以推广到多个随机变量的情况:
若相互独立的随机变量 ,则
3. 卡方分布的数字特征
设随机变量 ,则 的矩母函数为
证明:
由卡方分布的矩母函数,可得出 的 阶矩:
由此可得卡方分布得期望为 ,方差为
设随机变量 ,则 的期望为
证明:
,做变量替换
,此式当 时成立
同理,可以证明 ,当 时成立。
4. 卡方分布的分解
正态随机变量:设随机变量 ,则
证明:
由于 的概率密度函数为:
即随机变量 ,根据卡方分布的可加性可得
这就说明了自由度为 的卡方分布可以分解为 个独立的标准正态分布随机变量的平方和,这也是卡方分布的定义。
指数随机变量:设随机变量 ,则
证明:
由于 的概率密度函数为:
即随机变量 ,根据卡方分布的可加性可得
这就说明了 个独立的指数分布随机变量的和的 倍符合自由度为 的卡方分布。
5. 正态分布的样本方差
设随机变量 ,样本均值 ,样本方差 ,则有:
,且 与 独立。
证明:
可以找到一个 阶正交矩阵 , 中第一行的元素都是 ,对随机向量 进行正交变换:
随机向量 ,则有逆变换 ,此正交变换具有以下3个性质:
1. 向量的模不变,即: ;
2. 逆变换的雅可比行列式为 ,即: ;
3. ;
随机向量 的联合分布密度函数为:
从随机向量 的联合分布密度函数可以得出以下结论:
1. ;
2. ;
3. 相互独立;
下面对命题中的结论进行证明:
可以看到:
1. 是 的函数, 是 的函数,所以 与 相互独立;
2. 是 个标准正态随机变量的平方和,所以服从自由度为 的卡方分布;
二、t分布
1. t 分布的定义
设随机变量 , 相互独立,则随机变量 ,且 的概率密度函数为:
,其中 为 t 分布的自由度。
证明:
设 为标准正态分布的概率密度函数, 为卡方分布的概率密度函数,那么随机变量 的概率密度函数为:
由随机变量商的概率密度函数公式,可得随机变量 的概率密度函数为:
做变量替换 ,则有:
2. t 分布的数字特征
由于 t 分布的概率密度函数是关于原点对称的偶函数,那么它的期望为 0, 但仅限于自由度大于1的情况。
设随机变量 ,那么下面的绝对值积分为:
由于此积分发散,所以当 分布的自由度为 1 时期望不存在。
根据 t 分布的定义以及卡方分布的倒数的期望,可得 t 分布的方差就是它的二阶矩,有:
即自由度为 的 t 分布的方差为 ,仅当 时成立。
三、F 分布
1. F 分布的定义
设随机变量 ,相互独立,则随机变量 ,且 的概率密度函数为:
,其中 为 F 分布的自由度。
证明:
设 分别为自由度为 的 分布的概率密度函数,则随机变量 的概率密度函数分别为:
由随机变量商的概率密度函数公式,可得随机变量 的概率密度函数为:
做变量替换 ,则有:
2. F 分布的数字特征
根据 F 分布的定义以及卡方分布的倒数的期望,可以直接计算 F 分布的期望为:
此结果仅在分母的自由度 时成立,当 时,F 分布的期望不存在。(如何证明呢?)
根据 F 分布的定义以及卡方分布的倒数的平方的期望,可以得到 F 分布的二阶矩为:
那么 F 分布的方差为:
此结果仅在分母的自由度 时成立。
设 为自由度为 的 F 分布的 上分位点,则有:
证明:
根据 F 分布的定义,有:
。。。