Лучшие вопросы
Таймлайн
Чат
Перспективы

Распределение хи-квадрат

распределение суммы квадратов нескольких независимых стандартных нормальных случайных величин Из Википедии, свободной энциклопедии

Распределение хи-квадрат
Remove ads

Распределе́ние (хи-квадра́т) с степеня́ми свобо́ды — распределение суммы квадратов независимых стандартных нормальных случайных величин.

Краткие факты Распределение χ 2 {\displaystyle \chi ^{2}} . Распределение Пирсона, Обозначение ...
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 , 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:

Подробнее , ...
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.

Подробнее Значение ...

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

Loading related searches...

Wikiwand - on

Seamless Wikipedia browsing. On steroids.

Remove ads