Теория вероятности

Распределение хи - квадрат или распределение Пирсона

Форма распределения хи-квадрат определяется параметром числа степеней свободы: с увеличением этого параметра распределение стремится к нормальному. Распределение широко применяется в статистических тестах, таких как критерий согласия Пирсона, анализ контингентных таблиц и оценка дисперсии. Рассмотрены основные свойства, формулы для плотности и функции распределения, а также практические примеры использования.

Пусть X_i=(i=1,2,…,k)X\_i =( { i=1,2,\ldots ,k } ) нормальные независимые случайные величины, причём математическое ожидание каждой из них равно 0, среднее квадратичное отклонение = 1. Тогда сумма квадратов этих величин

∑_i=1kX_i2=χ2(k)(1)\begin{equation} \sum\limits\_ { i=1 } ^k { X\_i^2 =\chi ^2( k ) } \qquad (1) \end{equation}

распределена по закону χ2\chi^2 с kk степенями свободы.

Если же эти величины связаны одним линейным соотношением, например ∑x_i=nx‾\sum { x\_i =n\overline x }, { где x‾−\overline x- среднее значение случайной величины } , то число степеней свободы k=n−1k=n-1

Число kk является параметром χ2(k)\chi ^2( k ) распределения. Из определения следует, что χ2(k)⩾0\chi ^2( k )\geqslant 0.

Почему k−k- число степеней свободы?

Число степеней свободы определяют как разность между числом суммируемых случайных величин и числом линейных связей, ограничивающих свободу этих величин. Т.к. в сумме { 1 } слагаемые независимы, то число степеней свободы равно числу слагаемых.

Плотность этого распределения

f(x)={0,,при,x⩽012k2Γ(k2)⋅e−x2xk2−1f( x )=\left\{ { { \begin{array}{c} { 0,,при,x\leqslant 0 } \\ { \frac { 1 } { 2^ { \frac { k } { 2 } } \Gamma ( { \frac { k } { 2 } } ) } \cdot e^ { -\frac { x } { 2 } } x^ { \frac { k } { 2 } -1 } } \\ \end{array} } }\right., при x>0x>0

где Γ(x)=∫_0∞tx−1e−tdt−\Gamma ( x )=\int\limits\_0^\infty { t^ { x-1 } e^ { -t } dt } - гамма функция. В частности Γ(n+1)=n!\Gamma (n+1)=n!

Видно, что kk - параметр χ2\chi ^2 распределения. С увеличением числа степеней свободы распределение медленно приближается к нормальному.

Кривые χ2(k)−\chi ^2( k )- называются кривыми Пирсона. Значения χ2(k)−\chi ^2( k )- даны в таблице.

Дисперсия D(χ2(k))=2kD( { \chi ^2( k ) } )=2k, если χ2(k_1)\chi ^2( { k\_1 } ) и χ2(k_2)\chi ^2( { k\_2 } ) независимы, то χ2(k_1)+χ2(k_2)=χ2(k_1+k_2)\chi ^2( { k\_1 } )+\chi ^2( { k\_2 } )=\chi ^2( { k\_1 +k\_2 } )

Услуги по теме

Другие статьи из категории

Похожие статьи

Все статьи →

Теория вероятности

Критерий согласия Пирсона: методика и применение для проверки гипотез о виде распределения

Методика включает вычисление статистики хи-квадрат как суммы нормированных квадратов разностей между наблюдаемыми и ожидаемыми частотами.…

Теория вероятности

Проверка гипотезы о показательном распределении: методы и критерии

Методы проверки включают критерий согласия Пирсона (хи-квадрат), критерий Колмогорова–Смирнова или использование графического анализа,…

Теория вероятности

Методы нахождения оценок: теория и практическое применение

Метод моментов заключается в приравнивании теоретических моментов распределения к их эмпирическим аналогам. Метод максимального…

Теория вероятности

Доверительный интервал: определение и методы построения

Построение доверительного интервала зависит от типа параметра (например, математическое ожидание, дисперсия) и распределения данных. Для…

Теория вероятности

Основные формулы теории вероятности

Теория вероятности изучает закономерности случайных событий, предлагая инструментарий для их количественной оценки. Рассматриваются…

Нужен расчёт?

Пришлите исходные данные — уточним состав работы и ответим по срокам.

Связаться