Лучшие вопросы
Таймлайн
Чат
Перспективы
Распределение хи-квадрат
распределение суммы квадратов нескольких независимых стандартных нормальных случайных величин Из Википедии, свободной энциклопедии
Remove ads
Распределе́ние (хи-квадра́т) с степеня́ми свобо́ды — распределение суммы квадратов независимых стандартных нормальных случайных величин.
Remove ads
Определение
Суммиров вкратце
Перспектива
Пусть — совместно независимые стандартные нормальные случайные величины, то есть: . Тогда случайная величина
имеет распределение хи-квадрат с степенями свободы, то есть , или, если записать по-другому:
- .
Распределение хи-квадрат является частным случаем гамма-распределения, и его плотность имеет вид:
- ,
где означает гамма-распределение, а — гамма-функцию.
Функция распределения имеет следующий вид:
- ,
где и обозначают соответственно полную и нижнюю неполную гамма-функции.
Remove ads
Свойства распределения хи-квадрат
- Распределение хи-квадрат устойчиво относительно суммирования. Если независимы, и , а , то .
- Из определения легко получить моменты распределения хи-квадрат. Если , то
- ,
- .
- В силу центральной предельной теоремы, при большом числе степеней свободы распределение случайной величины может быть приближено нормальным . Более точно
- по распределению при .
Remove ads
Связь с другими распределениями
- Если независимые нормальные случайные величины, то есть: известно, то случайная величина
имеет распределение .
- Если , то распределение хи-квадрат совпадает с экспоненциальным распределением:
- .
- Если , тогда — распределение Эрланга.
- Если и , то случайная величина
имеет распределение Фишера со степенями свободы .
- (нецентральное хи-квадрат распределение с параметром нецентральности )
- Если и , тогда . (гамма-распределение)
- Если , тогда (хи распределение)
- Если (распределение Рэлея), тогда
- Если (распределение Максвелла), тогда
- Если и независимы, тогда — (бета-распределение)
- Если — (равномерное распределение), тогда
- — преобразование распределения Лапласа
- Если , тогда
- хи-квадрат распределение — преобразование распределения Парето
- t-распределение — преобразование распределения хи-квадрат
- t-распределение может быть получено из распределения хи-квадрат и нормального распределения
- Если и — независимы, тогда . Если и не являются независимыми, тогда не обязано быть распределено по закону хи-квадрат.
Remove ads
Вариации и обобщение
Дальнейшим обобщением распределения хи-квадрат является так называемое нецентральное распределение хи-квадрат[англ.], возникающее в некоторых задачах статистики.
Квантили
Квантиль — это число (аргумент), на котором функция распределения равна заданной, требуемой вероятности. Грубо говоря, квантиль — это результат обращения функции распределения, но есть тонкости с разрывными функциями распределения.
История
Критерий был предложен Карлом Пирсоном в 1900 году[1]. Его работа рассматривается как фундамент современной математической статистики. Предшественники Пирсона просто строили графики экспериментальных результатов и утверждали, что они правильны. В своей статье Пирсон привёл несколько интересных примеров злоупотреблений статистикой. Он также доказал, что некоторые результаты наблюдений за рулеткой (на которой он проводил эксперименты в течение двух недель в Монте-Карло в 1892 году) были так далеки от ожидаемых частот, что шансы получить их снова при предположении, что рулетка устроена добросовестно, равны одному из 1029.
Общее обсуждение критерия и обширную библиографию можно найти в обзорной работе Вильяма Дж. Кокрена[2].
Remove ads
Приложения
Суммиров вкратце
Перспектива
Распределение хи-квадрат имеет многочисленные приложения при статистических выводах, например при использовании критерия хи-квадрат и при оценке дисперсий. Оно используется в проблеме оценивания среднего нормально распределённой популяции и проблеме оценивания наклона линии регрессии благодаря его роли в распределении Стьюдента. Оно используется в дисперсионном анализе.
Далее приведены примеры ситуаций, в которых распределение хи-квадрат возникает из нормальной выборки:
- если — независимые и одинаково распределенные по закону случайные величины, тогда , где
- В таблице показаны некоторые статистики, основанные на независимых случайных величин, распределения которых связаны с распределением хи-квадрат:
Remove ads
Таблица значений .mw-parser-output .ts-math{white-space:nowrap;font-family:times,serif,palatino linotype,new athena unicode,athena,gentium,code2000;font-size:120%}χ2 и p-значений
Суммиров вкратце
Перспектива
Для любого числа p между 0 и 1 определено p-значение — вероятность получить для данной вероятностной модели распределения значений случайной величины такое же или более экстремальное значение статистики (среднего арифметического, медианы и др.), по сравнению с наблюдаемым, при условии верности нулевой гипотезы. В данном случае это распределение . Так как значение функции распределения в точке для соответствующих степеней свободы дает вероятность получить значение статистики менее экстремальное, чем эта точка, p-значение можно получить, если отнять от единицы значение функции распределения. Малое p-значение — ниже выбранного уровня значимости — означает статистическую значимость. Этого будет достаточно, чтобы отвергнуть нулевую гипотезу. Чтобы различать значимые и незначимые результаты, обычно используют уровень 0,05.
В таблице даны p-значения для соответствующих значений у первых десяти степеней свободы.
Эти значения могут быть вычислены через квантиль (обратную функцию распределения) распределения хи-квадрат[4]. Например, квантиль для p = 0,05 и df = 7 дает =14,06714 ≈ 14,07, как в таблице сверху. Это означает, что для экспериментального наблюдения семи независимых случайных величин при справедливости нулевой гипотезы «каждая величина описывается нормальным стандартным распределением с медианой 0 и стандартным отклонением 1» значение можно получить лишь в 5 % реализаций. Получение большего значения обычно можно считать достаточным основанием для отбрасывания этой нулевой гипотезы.
В таблице дано округление до сотых; более точные таблицы для большего количества степеней свободы см., например, здесь[5].
Remove ads
См. также
Примечания
Wikiwand - on
Seamless Wikipedia browsing. On steroids.
Remove ads