Распределение хи - квадрат или распределение Пирсона
Пусть $X_i =( { i=1,2,\ldots ,k } )$ нормальные независимые случайные величины, причём математическое ожидание каждой из них равно 0, среднее квадратичное отклонение = 1. Тогда сумма квадратов этих величин \begin{equation} \label { eq6 } \sum\limits_ { i=1 } ^k { X_i^2 =\chi ^2( k ) } \qquad (1) \end{equation} распределена по закону $\chi^2$ с $k$ степенями свободы.
Если же эти величины связаны одним линейным соотношением, например $\sum { x_i =n\overline x } $, { где $\overline x-$ среднее значение случайной величины } , то число степеней свободы $k=n-1$
Число $k$ является параметром $\chi ^2( k )$ распределения. Из определения следует, что $\chi ^2( k )\geqslant 0$.
Почему $k-$ 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
$f( x )=\left\{ { { \begin{array} { /c } { 0,\,при\,x\leqslant 0 } \\ { \frac { 1 } { 2^ { \frac { k } { 2 } } \Gamma ( { \frac { k } { 2 } } ) } \cdot e^ { -\frac { x } { 2 } } x^ { \frac { k } { 2 } -1 } } \\ \end{array} } }\right.$, при $x>0$
где $ \Gamma ( x )=\int\limits_0^\infty { t^ { x-1 } e^ { -t } dt } -$ гамма функция. В частности $\Gamma (n+1)=n!$
Видно, что $k$ - параметр $\chi ^2$ распределения. С увеличением числа степеней свободы распределение медленно приближается к нормальному.
Кривые $\chi ^2( k )-$ называются кривыми Пирсона. Значения $\chi ^2( k )-$ даны в таблице.
Дисперсия $D( { \chi ^2( k ) } )=2k$, если $\chi ^2( { k_1 } )$ и $\chi ^2( { k_2 } )$ независимы, то $\chi ^2( { k_1 } )+\chi ^2( { k_2 } )=\chi ^2( { k_1 +k_2 } )$
Инструмент для тех, кто проверяет расчёты руками
✍ Если вам регулярно приходится верифицировать ручные интегралы, строить эпюры для КМ/КМД или перепроверять закрытые «чёрные ящики» коммерческих САПР, загляните в мой открытый проект:
Читайте также:
Основные формулы теории вероятности
Доверительный интервал: определение и методы построения
Методы нахождения оценок: теория и практическое применение
Проверка гипотезы о показательном распределении: методы и критерии
Критерий согласия Пирсона: методика и применение для проверки гипотез о виде распределения
Теоретические и эмпирические моменты: сравнение и применение в статистическом анализе
Статистические оценки параметров распределения: методы и свойства
Выборочная функция распределения: построение и свойства
Группировка наблюдений
Эмпирическая функция распределения: определение и свойства
Элементы математической статистики: статистическое распределение выборки
Центральная предельная теорема Ляпунова: обобщение и условия применимости
Теоремы Чебышева и Бернулли: основы закона больших чисел
Закон больших чисел и неравенство Чебышева: теоретические основы и практическое значение
Показательное распределение: свойства и применение в моделировании времени ожидания
Оглавление $\Rightarrow $
