搜档网
当前位置:搜档网 › 附表三卡方分布上侧分位数表

附表三卡方分布上侧分位数表

附表三卡方分布上侧分位数表
附表三卡方分布上侧分位数表

431

附表三 2χ分布上侧分位数表 {

}

()

22

()()P n n αχχα>=

432

§1.4常用的分布及其分位数(精)

§1.4 常用的分布及其分位数 1. 卡平方分布 卡平方分布、t 分布及F 分布都是由正态分布所导出的分布,它们与正态分布一起,是试验统计中常用的分布。 当X 1、X 2、…、Xn 相互独立且都服从N(0,1)时,Z=∑i i X 2 的 分布称为自由度等于n 的2χ分布,记作Z ~2χ(n),它的分 布密度 p(z )=???????>??? ??Γ--,,00,2212122其他z e x n z n n 式中的??? ??Γ2n =u d e u u n ?∞+--012,称为Gamma 函数,且()1Γ=1, ?? ? ??Γ21=π。2χ分布是非对称分布,具有可加性,即当Y 与Z 相互独立,且Y ~2χ(n ),Z ~2χ(m ),则Y+Z ~2χ(n+m )。 证明: 先令X 1、X 2、…、X n 、X n+1、X n+2、…、 X n+m 相互独立且都服从N(0,1),再根据2χ分布的定义以及上述随机变量的相互独立性,令 Y=X 21+X 22+…+X 2n ,Z=X 21+n +X 22+n +…+X 2m n +, Y+Z= X 21+X 22+…+X 2n + X 21+n +X 22+n +…+X 2m n +, 即可得到Y+Z ~2χ(n +m )。 2. t 分布 若X 与Y 相互独立,且 X ~N(0,1),Y ~2χ(n ),则Z =n Y X 的分布称为自由度等于n 的t 分布,记作Z ~ t (n ),它的分布密度 P(z)=)()(221n n n ΓΓ+2121+-???? ? ?+n n z 。 请注意:t 分布的分布密度也是偶函数,且当n>30时,t

正态概率图(normal probability plot)

正态概率图(normal probability plot) 方法演变:概率图,分位数-分位数图( Q- Q) 概述 正态概率图用于检查一组数据是否服从正态分布。是实数与正态分布数据之间函数关系的散点图。如果这组实数服从正态分布,正态概率图将是一条直线。通常,概率图也可以用于确定一组数据是否服从任一已知分布,如二项分布或泊松分布。 适用场合 ·当你采用的工具或方法需要使用服从正态分布的数据时; ·当有50个或更多的数据点,为了获得更好的结果时。 例如: ·确定一个样本图是否适用于该数据; ·当选择作X和R图的样本容量,以确定样本容量是否足够大到样本均值服从正态分布时;·在计算过程能力指数Cp或者Cpk之前; ·在选择一种只对正态分布有效的假设检验之前。 实施步骤 通常,我们只需简单地把数据输入绘图的软件,就会产生需要的图。下面将详述计算过程,这样就可以知道计算机程序是怎么来编译的了,并且我们也可以自己画简单的图。 1将数据从小到大排列,并从1~n标号。 2计算每个值的分位数。i是序号: 分位数=(i-0.5)/n 3找与每个分位数匹配的正态分布值。把分位数记到正态分布概率表下面的表A.1里面。然后在表的左边和顶部找到对应的z值。 4根据散点图中的每对数据值作图:每列数据值对应个z值。数据值对应于y轴,正态分位数z值对应于x轴。将在平面图上得到n个点。 5画一条拟合大多数点的直线。如果数据严格意义上服从正态分布,点将形或一条直线。将点形成的图形与画的直线相比较,判断数据拟合正态分布的好坏。请参阅注意事项中的典型图

形。可以计算相关系数来判断这条直线和点拟合的好坏。 示例 为了便于下面的计算,我们仅采用20个数据。表5. 12中有按次序排好的20个 值,列上标明“过程数据”。 下一步将计算分位数。如第一个值9,计算如下: 分位数=(i-0.5)/n=(1-0.5)/20=0.5/20=0.025 同理,第2个值,计算如下: 分位数=(i-0.5)/n=(2-0.5)/20=1.5/20=0.075 可以按下面的模式去计算:第3个分位数=2.5÷20,第4个分位数=3 5÷20 以此类推直到最后1个分位数=19. 5÷20。 现在可以在正态分布概率表中查找z值。z的前两 个阿拉伯数字在表的最左边一列,最后1个阿拉伯数 字在表的最顶端一行。如第1个分位数=0. 025,它位 于-1.9在行与0.06所在列的交叉处,故z=-1.96。 用相同的方式找到每个分位数。 如果分位数在表的两个值之间,将需要用插值法 进行求解。例如:第4个分位数为0. 175,它位于0.1736 与0.1762之间。0.1736对应的z值为-0.94,0.1762 对应的z值为-0.93,故 这两数的中间值为z=-0.935。 现在,可以用过程数据和相应的z值作图。图表5. 127显示了结果和穿过这些点的直线。注意:在图形的两端,点位于直线的上侧。这属于典型的右偏态数据。图表5.128显示了数据的直方图,可进行比较。 概率图( probability plot) 该方法可以用于检验任何数据的已知分布。这时我们不是在正态分布概率表中查找分位数,而是在感兴趣的已知分布表中查找它们。 分位数-分位数图(quantile-quantile plot) 同理,任意两个数据集都可以通过比较来判断是否服从同一分布。计算每个分布的分位数。一个数据集对应于x轴,另一个对应于y轴。作一条45°的参照线。如果这两个数据集来自同一分布,那么这些点就会靠近这条参照线。 注意事项 ·绘制正态概率图有很多方法。除了这里给定的程序以外,正态分布还可以用概率和百分数来表示。实际的数据可以先进行标准化或者直接标在x轴上。 ·如果此时这些数据形成一条直线,那么该正态分布的均值就是直线在y轴截距,标准差就是直线斜率。 ·对于正态概率图,图表5.129显示了一些常见的变形图形。 短尾分布:如果尾部比正常的短,则点所形成的图形左边朝直线上方弯曲,右边朝直线下方弯曲——如果倾斜向右看,图形呈S型。表明数据比标准正态分布时候更加集中靠近均值。 长尾分布:如果尾部比正常的长,则点所形成的图形左边朝直线下方弯曲,右边朝直线上方弯曲——如果倾斜向右看,图形呈倒S型。表明数据比标准正态分布时候有更多偏离的数据。

卡方分布表

WORD格式 x 2 分布临界值表(卡方分布) P n' 0.995 0.99 0.975 0.95 0.9 0.75 0.5 0.25 0.1 0.05 0.025 0.01 0.005 1 ????0.0 2 0.1 0.45 1.32 2.71 3.84 5.02 6.6 3 7.88 2 0.01 0.02 0.02 0.1 0.21 0.58 1.39 2.77 4.61 5.99 7.38 9.21 10.6 3 0.07 0.11 0.22 0.35 0.58 1.21 2.37 4.11 6.25 7.81 9.35 11.3 4 12.84 4 0.21 0.3 0.48 0.71 1.06 1.92 3.36 5.39 7.78 9.49 11.14 13.28 14.86 5 0.41 0.55 0.83 1.15 1.61 2.67 4.35 6.63 9.24 11.07 12.83 15.09 16.75 6 0.68 0.8 7 1.24 1.64 2.2 3.45 5.35 7.84 10.64 12.59 14.45 16.81 18.55 7 0.99 1.24 1.69 2.17 2.83 4.25 6.35 9.04 12.02 14.07 16.01 18.48 20.28 8 1.34 1.65 2.18 2.73 3.4 5.07 7.34 10.22 13.36 15.51 17.53 20.09 21.96 9 1.73 2.09 2.7 3.33 4.17 5.9 8.34 11.39 14.68 16.92 19.02 21.67 23.59 10 2.16 2.56 3.25 3.94 4.87 6.74 9.34 12.55 15.99 18.31 20.48 23.21 25.19 11 2.6 3.05 3.82 4.57 5.58 7.58 10.34 13.7 17.28 19.68 21.92 24.72 26.76 12 3.07 3.57 4.4 5.23 6.3 8.44 11.34 14.85 18.55 21.03 23.34 26.22 28.3 13 3.57 4.11 5.01 5.89 7.04 9.3 12.34 15.98 19.81 22.36 24.74 27.69 29.82 14 4.07 4.66 5.63 6.57 7.79 10.17 13.34 17.12 21.06 23.68 26.12 29.14 31.32 15 4.6 5.23 6.27 7.26 8.55 11.04 14.34 18.25 22.31 25 27.49 30.58 32.8 16 5.14 5.81 6.91 7.96 9.31 11.91 15.34 19.37 23.54 26.3 28.85 32 34.27 17 5.7 6.41 7.56 8.67 10.09 12.79 16.34 20.49 24.77 27.59 30.19 33.41 35.72 18 6.26 7.01 8.23 9.39 10.86 13.68 17.34 21.6 25.99 28.87 31.53 34.81 37.16 19 6.84 7.63 8.91 10.12 11.65 14.56 18.34 22.72 27.2 30.14 32.85 36.19 38.58 20 7.43 8.26 9.59 10.85 12.44 15.45 19.34 23.83 28.41 31.41 34.17 37.57 40 21 8.03 8.9 10.28 11.59 13.24 16.34 20.34 24.93 29.62 32.67 35.48 38.93 41.4 22 8.64 9.54 10.98 12.34 14.04 17.24 21.34 26.04 30.81 33.92 36.78 40.29 42.8 23 9.26 10.2 11.69 13.09 14.85 18.14 22.34 27.14 32.01 35.17 38.08 41.64 44.18 24 9.89 10.86 12.4 13.85 15.66 19.04 23.34 28.24 33.2 36.42 39.36 42.98 45.56 25 10.52 11.52 13.12 14.61 16.47 19.94 24.34 29.34 34.38 37.65 40.65 44.31 46.93 26 11.16 12.2 13.84 15.38 17.29 20.84 25.34 30.43 35.56 38.89 41.92 45.64 48.29 27 11.81 12.88 14.57 16.15 18.11 21.75 26.34 31.53 36.74 40.11 43.19 46.96 49.64 28 12.46 13.56 15.31 16.93 18.94 22.66 27.34 32.62 37.92 41.34 44.46 48.28 50.99 29 13.12 14.26 16.05 17.71 19.77 23.57 28.34 33.71 39.09 42.56 45.72 49.59 52.34 30 13.79 14.95 16.79 18.49 20.6 24.48 29.34 34.8 40.26 43.77 46.98 50.89 53.67 40 20.71 22.16 24.43 26.51 29.05 33.66 39.34 45.62 51.8 55.76 59.34 63.69 66.77 50 27.99 29.71 32.36 34.76 37.69 42.94 49.33 56.33 63.17 67.5 71.42 76.15 79.49 60 35.53 37.48 40.48 43.19 46.46 52.29 59.33 66.98 74.4 79.08 83.3 88.38 91.95 70 43.28 45.44 48.76 51.74 55.33 61.7 69.33 77.58 85.53 90.53 95.02 100.42 104.22 80 51.17 53.54 57.15 60.39 64.28 71.14 79.33 88.13 96.58 101.88 106.63 112.33 116.32 90 59.2 61.75 65.65 69.13 73.29 80.62 89.33 98.64 107.56 113.14 118.14 124.12 128.3 100 67.33 70.06 74.22 77.93 82.36 90.13 99.33 109.14 118.5 124.34 129.56 135.81 140.17 专业资料

统计学常用分布及其分位数

§1、4 常用得分布及其分位数 1、 卡平方分布 卡平方分布、t 分布及F 分布都就是由正态分布所导出得分布,它们与正态分布一起,就是试验统计中常用得分布。 当X 1、X 2、… 、Xn 相互独立且都服从N(0,1)时,Z=∑i i X 2 得分布称为自由度等于n 得2χ分布,记作Z ~2χ(n),它得分布 密度 p(z )=??? ????>??? ??Γ--,,00,2212122其他z e x n z n n 式中得??? ??Γ2n =u d e u u n ?∞+--012,称为Gamma 函数,且()1Γ=1, ?? ? ??Γ21=π。2χ分布就是非对称分布,具有可加性,即当Y 与Z 相互独立,且Y ~2χ(n ),Z ~2χ(m ),则Y+Z ~2χ(n+m )。 证明: 先令X 1、X 2、…、X n 、X n+1、X n+2、…、 X n+m 相互独立且都服从N(0,1),再根据2χ分布得定义以及上述随机变量得相互独立性,令 Y=X 21+X 22+…+X 2n ,Z=X 21+n +X 22+n +…+X 2m n +, Y+Z= X 21+X 22+…+X 2n + X 21+n +X 22+n +…+X 2m n +, 即可得到Y+Z ~2χ(n +m )。 2、 t 分布 若X 与Y 相互独立,且 X ~N(0,1),Y ~2χ(n ),则Z =n Y X 得分布称为自由度等于n 得t 分布,记作Z ~ t (n ),它得分布密度 P(z)=)()(221n n n ΓΓ+2121+-???? ??+n n z 。 请注意:t 分布得分布密度也就是偶函数,且当n>30时,t

利用Excel的NORMSDIST计算正态分布函数表

利用Excel的NORMSDIST函数建立正态 分布表 董大钧,乔莉 理工大学应用技术学院、信息与控制分院,113122 摘要:利用Excel办公软件特有的NORMSDIST函数可以很准确方便的建立正态分布表、查找某分位数点的正态分布概率值,极大的提高了数理统计的效率。该函数可返回指定平均值和标准偏差的正态分布函数,将其引入到统计及数据分析处理过程中,代替原有的手工查找正态分布表,除具有直观、形象、易用等特点外,更增加了动态功能,极大提高了工作效率及准确性。 关键词:Excel;正态分布;函数;统计 引言 正态分布是应用最广泛的连续概率分布,生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。例如,在生产条件不变的情况下,某种产品的力、抗压强度、口径、长度等指标;同一种生物体的身长、体重等指标;同一种种子的重量;测量同一物体的误差;弹着点沿某一方向的偏差;某个地区的年降水量;以及理想气体分子的速度分量等等。一般来说,如果一个量是由许多微小的独立随机因素影响的结果,那么就可以认为这个量具有正态分布。从理论上看,正态分布具有很多良好的性质,许多概率分布可以用它来近似;还有一些常用的概率分布是由它直接导出的,例如对数正态分布、t分布、F分布等。在科学研究及数理统计计算过程中,人们往往要通过某本概率统计教材附录中的正态分布表去查找,非常麻烦。若手头有计算机,并安装有Excel软件,就可以利用Excel的NORMSDIST( x )函数进行计算某分位数点的正态分布概率值,或建立一个正态分布表,准确又方便。 1 正态分布及其应用 正态分布(normal distribution)又名高斯分布(Gaussian distribution),是一个在数学、物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布,记为N(μ,σ2 )。则其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。因其曲线呈钟

卡方分布概念及表和查表方法

卡方分布概念及表和查表方法 若n个相互独立的随机变量ξ?,ξ?,...,ξn,均服从标准正态分布(也称独立同分布于标准正态分布),则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量,其分布规律称为卡方分布(chi-square distribution)。 中文名卡方分布外文名chi-square distribution 别称西格玛分布提出者Friedrich Robert Helmert 提出时间1863应用学科统计学 目录 1 简介 2 定义 3 性质 4 概率表 简介 分布在数理统计中具有重要意义。分布是由阿贝(Abbe)于1863年首先提出的,后来由海尔墨特(Hermert)和现代统计学的奠基人之一的卡·皮尔逊(C K·Pearson)分别于1875年和1900年推导出来,是统计学中的一个非常有用的著名分布。 定义 若n个相互独立的随机变量ξ?、ξ?、……、ξn ,均服从标准正态分布(也称独立同分布于标准正态分布),则这n个服从标准正态分布的随机变量的平方和

构成一新的随机变量,其分布规律称为分布(chi-square distribution), 卡方分布 其中参数称为自由度,正如正态分布中均数或方差不同就是另一个正态分布一样,自由度不同就是另一个分布。记 为或者(其中,为限制条件数)。 卡方分布是由正态分布构造而成的一个新的分布,当自由 度很大时,分布近似为正态分布。 对于任意正整数x,自由度为的卡方分布是一个随机变量X的机率分布。 性质 1) 分布在第一象限内,卡方值都是正值,呈正偏态(右偏态),随着参数 的增大,分布趋近于正态分布;卡方分布密度曲线下的面积都是1。 2) 分布的均值与方差可以看出,随着自由度的增大,分布向正无穷方向延伸(因为均值越来越大),分布曲线也越来越低阔(因为方差越来越大)。 3)不同的自由度决定不同的卡方分布,自由度越小,分布越偏斜。 4) 若互相独立,则:服 从分布,自由度为 。 5) 分布的均数为自由度,记为 E( ) = 。

正态性检验的一般方法汇总

正态性检验的一般方法 姓名:蓝何忠 学号:1101200203 班号:1012201

正态性检验的一般方法 【摘要】:正态分布是自然界中一种最常见的也是最重要的一种分布.因此,人们在实际使用统计分析时,总是乐于正态假定,但该假定是否成立,牵涉到正态性检验.在一般性的概率统计教科书中,只是把这个问题放在一般性的分布拟合下作简短处理,而这种"万精油"式的检验方法,对正态性检验不具有特效.鉴于此,该文从不同角度出发介绍正态性检验的几种常见的方法,并且就各种方法作了优劣比较, 【引言】一般实际获得的数据,其分布往往未知。在数据分析中,经常要判断一组数据的分布是否来自某一特定的分布,比如对于连续性分布,常判断数据是否来自正态分布,而对于离散分布来说,常判断是否来自二项分布.泊松分布,或判断实际观测与期望数是否一致,然后才运用相应的统计方法进行分析。 几种正态性检验方法的比较。 一、2 拟合优度检验: (1)当总体分布未知,由样本检验总体分布是否与某一理论分布一致。 H0: 总体X的分布列为p{X=}=,i=1,2,…… H1:总体 X的分布不为.

构造统计量 其中为样本中发生的实际频数,为H0为真时发生的理论频数。 (2)检验原理 若2χ=0,则=,意味着对于,观测频数与期望频数完全一致,即完全拟合。 观察频数与期望频数越接近,则2χ值越小。 当原假设为真时,有大数定理,与不应有较大差异,即2χ值应较小。 若2χ值过大,则怀疑原假设。 拒绝域为R={2χd} ,判断统计量是否落入拒绝域,得出结论。 二、Kolmogorov-Smirnov正态性检验: Kolmogorov-Smirnov检验法是检验单一样本是否来自某一特定分布。比如检验一组数据是否为正态分布。它的检验方法是以样本数据的累积频数分布与特定理论分布比较,若两者间的差距很小,则推

(完整word版)统计学三大分布与正态分布的关系

统计学三大分布与正态分布的关系[1] 张柏林 41060045 理实1002班 摘要:本文首先将介绍2χ分布,t 分布,F 分布和正态分布的定义及基本性质, 然后用理论说明2χ分布,t 分布,F 分布与正态分布的关系,并且利用数学软件MATLAB 来验证之. 1. 三大分布函数[2] 1.12χ分布 2()n χ分布是一种连续型随机变量的概率分布。这个分布是由别奈梅 (Benayme)、赫尔默特(Helmert)、皮尔逊分别于1858年、1876年、1900年所发现,它是由正态分布派生出来的,主要用于列联表检验。 定义:若随机变量12n ,,X X …X 相互独立,且都来自正态总体01N (,) ,则称统计量222 212n =+X X χ++…X 为服从自由度为n 的2χ 分布,记为22~()n χχ. 2χ分布的概率密度函数为 122210(;),2()200n x n x e x n f x n x --?≥??=Γ???? ,2χ分布的密度函数图形是一个只取非负值的偏态分布,如下图.

卡方分布具有如下基本性质: 性质1:22(()),(())2E n n D n n χχ==; 性质2:若221122(),()X n X n χχ==,12,X X 相互独立,则21212~()X X n n χ++; 性质3:2 n χ→∞→时,( n )正态分布; 性质4:设)(~2 2n α χχ,对给定的实数),10(<<αα称满足条件: αχχαχα==>? +∞ ) (2 22 )()}({n dx x f n P 的点)(2 n α χ为)(2n χ分布的水平α的上侧分位数. 简称为上侧α分位数. 对不同的α与n , 分位数的值已经编制成表供查用. 2()n χ分布的上α分位数 1.2t 分布 t 分布也称为学生分布,是由英国统计学家戈赛特在1908年“student”的笔名首次发表的,这个分布在数理统计中也占有重要的位置. 定义:设2 ~0~X N χ(,1),Y (n ),,X Y 相互独立,,则称统计量/T Y n = 服从自由度为n 的t 分布,记为~()T t n . t 分布的密度函数为

标准正态分布分位数表

正态分布的概念在统计学中非常普遍,标准正态分布表在与正态分布有关的计算中经常使用。如果你知道一个值的标准得分,即z 得分,你可以很方便地在标准正态分布表中找到与标准得分对应的概率值。任何数值,只要符合正态分布规律,都可以用标准正态分布表来查询其出现概率。使用时,第一步是计算标准值的标准值,然后将标准值四舍五入到小数点后的第二位,第二步是在标准正态分布表的左侧找到小数点后的第一位直到标准值,然后在相应标准值的小数点后的第二位找到正态分布。 正态分布,也称为“正态分布”,是一个非常重要的概率分布。它在数学、物理学、工程学以及统计学的许多方面都有很大的影响,它最初是由a. de moivre 在二项分布的渐近公式中得到的。在研究测量误差时,从另一个角度导出了c。f。高斯。拉普拉斯和高斯研究了它的性质,正常曲线呈钟形,两端低,中间高,对称。因为它的曲线是钟形的,所以人们通常称之为钟形曲线,如果随机变量x 服从一个带有数学期望和方差2的正态分布,则称为n (,2)。概率密度函数为正态分布的期望值决定了它的位置,其标准差决定了分布的振幅。当= 0和= 1时,正态分布是标准正态分布。 正态分布的概念最早是由德国数学家和天文学家莫伊弗尔在1733年提出的,但由于德国数学家高斯率先将其应用于天文学家的研究,它也被称为正态分布分布。高斯的作品对后世有很大的影响。他同时给

正态分布命名为“正态分布”,后人因此将最小二乘法的发明权归于他。而今天的德国10马克钞票上印有高斯头像,密度曲线呈正态分布。这传达了一个观点: 在高斯的所有科学贡献中,对人类文明影响最大的就是这个。在这个发现的开始,也许人们只能从简单化的理论来评价它的优越性,它的全部影响是不能完全看到的。这是在20世纪小样本理论得到充分发展之后。拉普拉斯很快了解到高斯的工作,并立即将其与他发现的中心极限定理联系起来。 基于这个原因,他在一篇即将发表的文章(1810年出版)中增加了一篇补充文章,指出如果按照他的中心极限定理,这个误差可以被看作是多个量的叠加,那么这个误差应该有正态分布。这是历史上第一次提到所谓的“元错误理论”——错误是由各种原因产生的大量元错误叠加而形成的。后来,在1837年,g ·哈根在一篇论文中正式提出了这个理论。事实上,他提出的形式有相当大的局限性: 哈根把错误想象成大量独立的同分布的“元错误”的总和,每个元错误取两个值,其概率是1/2。根据de mofo 的中心极限定理,由此可以立即得出结论,误差服从正态分布(大约)。 拉普拉斯的这一观点对于正常的误差理论给出了更加自然、合理和令人信服的解释,具有重要的意义。由于高斯的论述有一点圆论元的味道: 由于算术平均数很好,导出误差必须服从正态分布,另一方面,由后一个结论推导出算术平均数和最小二乘估计的优越性,因此必须

卡方分布表

精品文档 . x 2 分布临界值表(卡方分布) n ' P 0.995 0.99 0.975 0.95 0.9 0.75 0.5 0.25 0.1 0.05 0.025 0.01 0.005 1 …………0.02 0.1 0.45 1.32 2.71 3.84 5.02 6.63 7.88 2 0.01 0.02 0.02 0.1 0.21 0.58 1.39 2.77 4.61 5.99 7.38 9.21 10.6 3 0.07 0.11 0.22 0.35 0.58 1.21 2.37 4.11 6.25 7.81 9.35 11.34 12.84 4 0.21 0.3 0.48 0.71 1.06 1.92 3.36 5.39 7.78 9.49 11.14 13.28 14.86 5 0.41 0.55 0.83 1.15 1.61 2.67 4.35 6.63 9.24 11.07 12.83 15.09 16.75 6 0.68 0.87 1.24 1.64 2.2 3.45 5.35 7.84 10.64 12.59 14.45 16.81 18.55 7 0.99 1.24 1.69 2.17 2.83 4.25 6.35 9.04 12.02 14.07 16.01 18.48 20.28 8 1.34 1.65 2.18 2.73 3.4 5.07 7.34 10.22 13.36 15.51 17.53 20.09 21.96 9 1.73 2.09 2.7 3.33 4.17 5.9 8.34 11.39 14.68 16.92 19.02 21.67 23.59 10 2.16 2.56 3.25 3.94 4.87 6.74 9.34 12.55 15.99 18.31 20.48 23.21 25.19 11 2.6 3.05 3.82 4.57 5.58 7.58 10.34 13.7 17.28 19.68 21.92 24.72 26.76 12 3.07 3.57 4.4 5.23 6.3 8.44 11.34 14.85 18.55 21.03 23.34 26.22 28.3 13 3.57 4.11 5.01 5.89 7.04 9.3 12.34 15.98 19.81 22.36 24.74 27.69 29.82 14 4.07 4.66 5.63 6.57 7.79 10.17 13.34 17.12 21.06 23.68 26.12 29.14 31.32 15 4.6 5.23 6.27 7.26 8.55 11.04 14.34 18.25 22.31 25 27.49 30.58 32.8 16 5.14 5.81 6.91 7.96 9.31 11.91 15.34 19.37 23.54 26.3 28.85 32 34.27 17 5.7 6.41 7.56 8.67 10.09 12.79 16.34 20.49 24.77 27.59 30.19 33.41 35.72 18 6.26 7.01 8.23 9.39 10.86 13.68 17.34 21.6 25.99 28.87 31.53 34.81 37.16 19 6.84 7.63 8.91 10.12 11.65 14.56 18.34 22.72 27.2 30.14 32.85 36.19 38.58 20 7.43 8.26 9.59 10.85 12.44 15.45 19.34 23.83 28.41 31.41 34.17 37.57 40 21 8.03 8.9 10.28 11.59 13.24 16.34 20.34 24.93 29.62 32.67 35.48 38.93 41.4 22 8.64 9.54 10.98 12.34 14.04 17.24 21.34 26.04 30.81 33.92 36.78 40.29 42.8 23 9.26 10.2 11.69 13.09 14.85 18.14 22.34 27.14 32.01 35.17 38.08 41.64 44.18 24 9.89 10.86 12.4 13.85 15.66 19.04 23.34 28.24 33.2 36.42 39.36 42.98 45.56 25 10.52 11.52 13.12 14.61 16.47 19.94 24.34 29.34 34.38 37.65 40.65 44.31 46.93 26 11.16 12.2 13.84 15.38 17.29 20.84 25.34 30.43 35.56 38.89 41.92 45.64 48.29 27 11.81 12.88 14.57 16.15 18.11 21.75 26.34 31.53 36.74 40.11 43.19 46.96 49.64 28 12.46 13.56 15.31 16.93 18.94 22.66 27.34 32.62 37.92 41.34 44.46 48.28 50.99 29 13.12 14.26 16.05 17.71 19.77 23.57 28.34 33.71 39.09 42.56 45.72 49.59 52.34 30 13.79 14.95 16.79 18.49 20.6 24.48 29.34 34.8 40.26 43.77 46.98 50.89 53.67 40 20.71 22.16 24.43 26.51 29.05 33.66 39.34 45.62 51.8 55.76 59.34 63.69 66.77 50 27.99 29.71 32.36 34.76 37.69 42.94 49.33 56.33 63.17 67.5 71.42 76.15 79.49 60 35.53 37.48 40.48 43.19 46.46 52.29 59.33 66.98 74.4 79.08 83.3 88.38 91.95 70 43.28 45.44 48.76 51.74 55.33 61.7 69.33 77.58 85.53 90.53 95.02 100.42 104.22 80 51.17 53.54 57.15 60.39 64.28 71.14 79.33 88.13 96.58 101.88 106.63 112.33 116.32 90 59.2 61.75 65.65 69.13 73.29 80.62 89.33 98.64 107.56 113.14 118.14 124.12 128.3 100 67.33 70.06 74.22 77.93 82.36 90.13 99.33 109.14 118.5 124.34 129.56 135.81 140.17

附表四卡方分布表

αdf 14E-050 0.0010.0040.016 2.71 3.841 5.024 6.6357.879 20.010.020.0510.1030.211 4.61 5.9917.3789.21 10.6 30.0720.120.2160.3520.584 6.257.8159.34811.3512.84 40.2070.3 0.4840.711 1.0647.789.48811.1413.2814.86 50.4120.550.831 1.145 1.619.2411.0712.8315.0916.7560.6760.87 1.237 1.635 2.20410.612.5914.4516.8118.55 70.989 1.24 1.69 2.167 2.83312 14.0716.0118.4820.28 8 1.344 1.65 2.18 2.733 3.4913.415.5117.5420.0921.969 1.735 2.09 2.7 3.325 4.16814.716.9219.0221.6723.59 10 2.156 2.56 3.247 3.94 4.865 16 18.3120.4823.2125.19 11 2.603 3.05 3.816 4.575 5.57817.319.6821.9224.7326.7612 3.074 3.57 4.404 5.226 6.30418.521.0323.3426.2228.3 13 3.565 4.11 5.009 5.8927.04219.822.3624.7427.6929.82 14 4.075 4.66 5.629 6.5717.79 21.123.6926.1229.1431.32 15 4.601 5.23 6.2627.2618.54722.32527.4930.5832.816 5.142 5.81 6.908 7.9629.31223.5 26.3 28.85 32 34.27 0.9950.990.9750.950.010.005 0.90.10.050.025

卡方分布标准表格.doc

文地址 x2分布界表(卡方分布) P n' 0.995 0.99 0.975 0.95 0.9 0.75 0.5 0.25 0.1 0.05 0.025 0.01 0.005 1 ????0.0 2 0.1 0.45 1.32 2.71 3.84 5.02 6.6 3 7.88 2 0.01 0.02 0.02 0.1 0.21 0.58 1.39 2.77 4.61 5.99 7.38 9.21 10.6 3 0.07 0.11 0.22 0.35 0.58 1.21 2.37 4.11 6.25 7.81 9.35 11.3 4 12.84 4 0.21 0.3 0.48 0.71 1.06 1.92 3.36 5.39 7.78 9.49 11.14 13.28 14.86 5 0.41 0.55 0.83 1.15 1.61 2.67 4.35 6.63 9.24 11.07 12.83 15.09 16.75 6 0.68 0.8 7 1.24 1.64 2.2 3.45 5.35 7.84 10.64 12.59 14.45 16.81 18.55 7 0.99 1.24 1.69 2.17 2.83 4.25 6.35 9.04 12.02 14.07 16.01 18.48 20.28 8 1.34 1.65 2.18 2.73 3.4 5.07 7.34 10.22 13.36 15.51 17.53 20.09 21.96

9 1.73 2.09 2.7 3.33 4.17 5.9 8.34 11.39 14.68 16.92 19.02 21.67 23.59 10 2.16 2.56 3.25 3.94 4.87 6.74 9.34 12.55 15.99 18.31 20.48 23.21 25.19 11 2.6 3.05 3.82 4.57 5.58 7.58 10.34 13.7 17.28 19.68 21.92 24.72 26.76 12 3.07 3.57 4.4 5.23 6.3 8.44 11.34 14.85 18.55 21.03 23.34 26.22 28.3 13 3.57 4.11 5.01 5.89 7.04 9.3 12.34 15.98 19.81 22.36 24.74 27.69 29.82 14 4.07 4.66 5.63 6.57 7.79 10.17 13.34 17.12 21.06 23.68 26.12 29.14 31.32 15 4.6 5.23 6.27 7.26 8.55 11.04 14.34 18.25 22.31 25 27.49 30.58 32.8 16 5.14 5.81 6.91 7.96 9.31 11.91 15.34 19.37 23.54 26.3 28.85 32 34.27 17 5.7 6.41 7.56 8.67 10.09 12.79 16.34 20.49 24.77 27.59 30.19 33.41 35.72 18 6.26 7.01 8.23 9.39 10.86 13.68 17.34 21.6 25.99 28.87 31.53 34.81 37.16 19 6.84 7.63 8.91 10.12 11.65 14.56 18.34 22.72 27.2 30.14 32.85 36.19 38.58

统计学常用分布及其分位数知识讲解

统计学常用分布及其 分位数

收集于网络,如有侵权请联系管理员删除 §1.4 常用的分布及其分位数 1. 卡平方分布 卡平方分布、t 分布及F 分布都是由正态分布所导出的 分布,它们与正态分布一起,是试验统计中常用的分 布。 当X 1、X 2、…、Xn 相互独立且都服从N(0,1)时, Z=∑i i X 2 的分布称为自由度等于n 的2χ分布,记作Z ~ 2χ (n),它的分布密度 p(z )=???????>??? ??Γ--,,00,2212122其他z e x n z n n 式中的?? ? ??Γ2n =u d e u u n ?∞+--012,称为Gamma 函数,且()1Γ=1, ??? ??Γ21=π。2χ分布是非对称分布,具有可加性, 即当Y 与Z 相互独立,且Y ~2χ(n ),Z ~2χ(m ),则Y+Z ~2χ(n+m )。 证明: 先令X 1、X 2、…、X n 、X n+1、X n+2、…、X n+m 相互 独立且都服从N(0,1),再根据2χ分布的定义以及上述随机变量的相互独立性,令 Y=X 21+X 22+…+X 2n ,Z=X 21+n +X 22+n +…+X 2m n +, Y+Z= X 21+X 22+…+X 2n + X 21+n +X 22+n +…+X 2m n +, 即可得到Y+Z ~2χ(n +m )。 2. t 分布 若X 与Y 相互独立,且 X ~N(0,1),Y ~2χ(n ),则Z =n Y X 的分布称为自由度 等于n 的t 分布,记作Z ~ t (n ),它的分布密度

收集于网络,如有侵权请联系管理员删除 P(z)=)()(221n n n ΓΓ+2121+-???? ? ?+n n z 。 请注意:t 分布的分布密度也是偶函数,且当n>30 时,t 分布与标准正态分布N(0,1)的密度曲线几乎重叠为一。这时, t 分布的分布函数值查N(0,1)的分布函数值表便可以得到。 3. F 分布 若X 与Y 相互独立,且X ~2χ(n ),Y ~ 2χ(m ), 则Z=m Y n X 的分布称为第一自由度等于n 、第二自由度等于m 的F 分布,记作Z ~F (n , m ),它的分布密度 p(z)=?????????>++-??? ??Γ??? ??Γ??? ??+Γ?。其他,00,2)(1222222z m n z n m n z m n m n m m n n 请注意:F 分布也是非对称分布,它的分布密度与自由度的次序有关,当Z ~F (n , m )时, Z 1~F (m ,n )。 4. t 分布与F 分布的关系 若X ~t(n ),则Y=X 2~F(1,n )。 证:X ~t(n ),X 的分布密度 p(x )=??? ??Γ?? ? ??+Γ221n n n π2121+-???? ??+n n x 。 Y=X 2的分布函数F Y (y ) =P{Y0时,F Y (y ) =P{-y

统计学常用分布及其分位数完整版

统计学常用分布及其分 位数 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】

§ 常用的分布及其分位数 1. 卡平方分布 卡平方分布、t 分布及F 分布都是由正态分布所导出的 分布,它们与正态分布一起,是试验统计中常用的分布。 当X 1、X 2、…、Xn 相互独立且都服从N(0,1)时, Z=∑i i X 2 的分布称为自由度等于n 的2χ分布,记作Z ~ 2χ(n),它的分布密度 p(z )=??? ????>??? ??Γ--,,00,2212122其他z e x n z n n 式中的?? ? ??Γ2n =u d e u u n ?∞+--012,称为Gamma 函数,且()1Γ=1, ??? ??Γ21=π。2χ分布是非对称分布,具有可加性, 即当Y 与Z 相互独立,且Y ~2χ(n ),Z ~2χ(m ),则Y+Z ~2χ(n+m )。 证明: 先令X 1、X 2、…、X n 、X n+1、X n+2、…、X n+m 相互 独立且都服从N(0,1),再根据2χ分布的定义以及上述随机变量的相互独立性,令 Y=X 21+X 22+…+X 2n ,Z=X 21+n +X 22+n +…+X 2m n +, Y+Z= X 21+X 22+…+X 2n + X 21+n +X 22+n +…+X 2m n +, 即可得到Y+Z ~2χ(n +m )。 2. t 分布 若X 与Y 相互独立,且 X ~N(0,1),Y ~2χ(n ),则Z =n Y X 的分布称为自由度等于n 的t 分布,记作Z ~ t (n ),它的分布密度 P(z)=)()(221n n n ΓΓ+2121+-???? ? ?+n n z 。 请注意:t 分布的分布密度也是偶函数,且当n>30 时,t 分布与标准正态分布N(0,1)的密度曲线几乎重叠为一。这时, t 分布的分布函数值查N(0,1)的分布函数值表便可以得到。

相关主题