几种分布概述(正态分布/卡方分布/F分布/T分布)
搞清楚了下面的几种分布，在置信区间估计、显著性检验等问题中就会收到事半功倍的效果。come on~！
正态分布：正态分布(Normal distribution)又名高斯分布(Gaussiandistribution)，若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。
当μ=0，σ=1时，正态分布就成为标准正态分布N(0，1)。概率密度函数为：
2017-9-20 18:54:33 上传
下载附件 (25.56 KB)
正态分布的密度函数的特点是：关于μ对称，并在μ处取最大值，在正(负)无穷远处取值为0，在μ±σ处有拐点，形状呈现中间高两边低，图像是一条位于x轴上方的钟形曲线。
卡方分布：若n个相互独立的随机变量ξ₁、ξ₂、……、ξn ，均服从标准正态分布N(0,1)(也称独立同分布于标准正态分布)，则这n个服从标准正态分布的随机变量的平方和
2017-9-20 18:54:33 上传
下载附件 (1.65 KB)
构成一新的随机变量，其分布规律称为
2017-9-20 18:54:36 上传
下载附件 (474 Bytes)
分布(chi-squaredistribution)。其中参数n称为自由度(通俗讲，样本中独立或能自由变化的自变量的个数，称为自由度)，正如正态分布中均值或方差不同就是另一个正态分布一样，自由度不同就是另一个分布。记为
2017-9-20 18:54:36 上传
下载附件 (1.55 KB)
分布的均值为自由度 n，记为 E() = n；分布的方差为2倍的自由度(2n)，记为 D() = 2n。
2017-9-20 18:57:34 上传
下载附件 (108.24 KB)
从分布图可以看出：分布在第一象限内，卡方值都是正值，呈正偏态(右偏态)，随着参数 n 的增大；分布趋近于正态分布；随着自由度n的增大，分布向正无穷方向延伸(因为均值n越来越大)，分布曲线也越来越低阔(因为方差2n越来越大)。
t分布：首先要提一句u分布，正态分布(normal distribution)是许多统计方法的理论基础。正态分布的两个参数μ和σ决定了正态分布的位置和形态。为了应用方便，常将一般的正态变量X通过u变换[(X-μ)/σ]转化成标准正态变量u，以使原来各种形态的正态分布都转换为μ=0，σ=1的标准正态分布(standard normaldistribution),亦称u分布。根据中心极限定理，通过抽样模拟试验表明，在正态分布总体中以固定 n 抽取若干个样本时，样本均数的分布仍服从正态分布，即N(μ，σ)。所以，对样本均数的分布进行u变换，也可变换为标准正态分布N (0,1)
由于在实际工作中，往往σ(总体方差)是未知的，常用s(样本方差)作为σ的估计值，为了与u变换区别，称为t变换，统计量t 值的分布称为t分布。假设X服从标准正态分布N(0,1)，Y服从(n)分布，那么Z=X/sqrt(Y/n)的分布称为自由度为n的t分布,记为 Z～t(n)。
2017-9-20 18:54:37 上传
下载附件 (32.2 KB)
可以看出，t分布以0为中心，左右对称的单峰分布；t分布是一簇曲线，其形态变化与n(确切地说与自由度ν)大小有关。自由度ν越小，t分布曲线越低平；自由度ν越大，t分布曲线越接近标准正态分布(u分布)曲线。
F分布：设X、Y为两个独立的随机变量，X服从自由度为n的分布，Y服从自由度为m的分布，这两个独立的卡方分布除以各自的自由度以后的比率服从F分布。即：
2017-9-20 18:54:37 上传
下载附件 (83.59 KB)
F分布是一种非对称分布；它有两个自由度，即n-1和m-1，相应的分布记为F( n–1，m-1)， n-1通常称为分子自由度， m-1通常称为分母自由度；F分布是一个以自由度(n-1)和(m-1)为参数的分布族，不同的自由度决定了F 分布的形状。
