UA MATH564 概率论VI 数理统计基础5 F分布

UA MATH564 概率论VI 数理统计基础5 F分布

假设Xχm,δ2,Yχn2X \sim \chi^2_{m,\delta},Y \sim \chi^2_{n}X∼χm,δ2​,Y∼χn2​且二者独立,则
Z=X/mY/nFm,n,δZ = \frac{X/m}{Y/n} \sim F_{m,n,\delta}Z=Y/nX/m​∼Fm,n,δ​
其中δ\deltaδ被称为非中心参数,δ=0\delta=0δ=0则称ZZZ服从中心化的F分布,简称F分布。注意到ZZZ也是两个随机变量的商,可以用上一讲介绍的引理1计算ZZZ的概率密度,此处省略过程:
f(xm,n,δ)=eδ22i=0(δ22)ii!nn2mm2+icixm21+i(n+mx)m+n2+ici=Γ(m+n2+i)Γ(n2)Γ(m2+i)f(x|m,n,\delta) = e^{-\frac{\delta^2}{2}}\sum_{i=0}^{\infty} \frac{(\frac{\delta^2}{2})^i}{i!}n^{\frac{n}{2}}m^{\frac{m}{2}+i}c_i \frac{x^{\frac{m}{2}-1+i}}{(n+mx)^{\frac{m+n}{2}+i}} \\ c_i = \frac{\Gamma(\frac{m+n}{2}+i)}{\Gamma(\frac{n}{2})\Gamma(\frac{m}{2}+i)}f(x∣m,n,δ)=e−2δ2​i=0∑∞​i!(2δ2​)i​n2n​m2m​+ici​(n+mx)2m+n​+ix2m​−1+i​ci​=Γ(2n​)Γ(2m​+i)Γ(2m+n​+i)​

δ=0\delta=0δ=0时,概率密度为
f(xm,n)=Γ(m+n2)Γ(n2)Γ(m2)nn2mm2xm21(n+mx)m+n2f(x|m,n) = \frac{\Gamma(\frac{m+n}{2})}{\Gamma(\frac{n}{2})\Gamma(\frac{m}{2})}n^{\frac{n}{2}}m^{\frac{m}{2}}\frac{x^{\frac{m}{2}-1}}{(n+mx)^{\frac{m+n}{2}}}f(x∣m,n)=Γ(2n​)Γ(2m​)Γ(2m+n​)​n2n​m2m​(n+mx)2m+n​x2m​−1​
下面介绍三条性质:

性质1:tn,δ=dF1,n,δt_{n,\delta} =_d F_{1,n,\delta}tn,δ​=d​F1,n,δ​

性质2:XiN(a,σ2),YjN(b,σ2),i=1,,m,j=1,,nX_i \sim N(a,\sigma^2),Y_j \sim N(b,\sigma^2),i=1,\cdots,m,j=1,\cdots,nXi​∼N(a,σ2),Yj​∼N(b,σ2),i=1,⋯,m,j=1,⋯,n所有的X,YX,YX,Y均互相独立,则
Z=1m1i=1n(XiXˉ)21n1j=1n(YjYˉ)2Fm1,n1Z = \frac{\frac{1}{m-1}\sum_{i=1}^n (X_i - \bar{X})^2}{\frac{1}{n-1}\sum_{j=1}^n (Y_j - \bar{Y})^2} \sim F_{m-1,n-1}Z=n−11​∑j=1n​(Yj​−Yˉ)2m−11​∑i=1n​(Xi​−Xˉ)2​∼Fm−1,n−1​
性质3:记XnFm,n,δX_n \sim F_{m,n,\delta}Xn​∼Fm,n,δ​,则Xnd1mχm,δ2X_n \to_d \frac{1}{m}\chi^2_{m,\delta}Xn​→d​m1​χm,δ2​

性质1根据概率密度的表达式就可以证明,性质2也可以根据定义写出来。性质1的意义是说明在线性模型中,针对单个系数做t检验和做partial F检验是等价的;性质2的意义是给双正态总体的方差检验提供依据。下面证明性质3:

证明
根据定义,可以将XnX_nXn​写成
Xn=K/mY/nFm,n,δX_n = \frac{K/m}{Y/n} \sim F_{m,n,\delta}Xn​=Y/nK/m​∼Fm,n,δ​

Kχm,δ2,Yχn2K \sim \chi^2_{m,\delta},Y \sim \chi^2_{n}K∼χm,δ2​,Y∼χn2​且二者独立。其中Y/nY/nY/n又可以写成
Yn=1nj=1nZj2,ZjiidN(0,1)\frac{Y}{n} = \frac{1}{n}\sum_{j=1}^n Z_j^2,Z_j \sim_{iid} N(0,1)nY​=n1​j=1∑n​Zj2​,Zj​∼iid​N(0,1)

根据大数定律,
Yn=1nj=1nZj2PE[Z12]=1\frac{Y}{n} = \frac{1}{n}\sum_{j=1}^n Z_j^2 \to_P E[Z_1^2] = 1nY​=n1​j=1∑n​Zj2​→P​E[Z12​]=1

因此XndK/m1mχm,δ2X_n \to_d K/m \sim \frac{1}{m}\chi^2_{m,\delta}Xn​→d​K/m∼m1​χm,δ2​
证毕

上一篇:Yotta如何确保数据安全


下一篇:iOS: 动态更改 backBarButtonItem 的 title