]> A khí-négyzet eloszlás
  1. Virtual Laboratories
  2. 4. Nevezetes eloszlások
  3. 1
  4. 2
  5. 3
  6. 4
  7. 5
  8. 6
  9. 7
  10. 8
  11. 9
  12. 10
  13. 11
  14. 12
  15. 13
  16. 14
  17. 15

4. A khí-négyzet eloszlás

Ebben a fejezetben a khí-négyzet eloszlással foglalkozunk, ami egy alapvető fontosságú eloszlás a matematikai statisztikában. Például találkozhatunk vele normális eloszlásból vett minta empirikus szórásnégyzetének (vagy más szóval empirikus varianciájának) számításakor, vagy illeszkedésvizsgálatnál.

Sűrűségfüggvény

Minden n 0 esetén a k n 2 alakparaméterű és 2 skála-paraméterű gamma eloszlást más szóval n szabadsági fokú khí-négyzet eloszlásnak nevezik.

Igazoljuk, hogy az n szabadsági fokú khí-négyzet eloszlás sűrűségfüggvénye

f x 1 2 n 2 n 2 x n 2 1 x 2 ,  x 0 .

A valószínűségi változók kísérletében válasszuk a khí-négyzet eloszlást. Változtassuk az n paraméter értékét, és figyeljük meg a sűrűségfüggvény alakját! Néhány rögzített n értékre szimuláljunk 1000 kísérletet (frissítsük az ábrát minden tizedik után), és figyeljük meg, hogyan konvergál az empirikus sűrűségfüggvény a valódi sűrűségfüggvényhez!

Igazoljuk, hogy a 2 szabadsági fokú khí-négyzet eloszlás megegyezik a 2 skála-paraméterű exponenciális eloszlással!

Vázoljuk a khí-négyzet sűrűségfüggvény grafikonját az alábbi esetek mindegyikében:

  1. 0 n 2 ,
  2. n 2 : ez az exponenciális eloszlás sűrűségfüggvénye,
  3. n 2 . Ekkor igazoljuk, hogy a módusz x n 2 .

Az eloszlásfüggvény és a kvantilis függvény nem írható fel egyszerű zárt alakban. Közelítő értékeit meghatározhatjuk a khí-négyzet eloszlás táblázata, a kvantilis applet, vagy sok matematikai statisztikai programcsomag segítségével.

A kvantilis appletben válasszuk a khí-négyzet eloszlást! Változtassuk a paraméter értékét, és figyeljük meg a sűrűség- és az eloszlásfüggvény alakját! Az alábbi esetek mindegyikében határozzuk meg a mediánt, az alsó és felső kvantilis értékét és az interkvantilis terjedelmet!

  1. n 1
  2. n 2
  3. n 5
  4. n 10

Momentumok

A khí-négyzet eloszlás várható értéke, szórásnégyzete, momentumai és momentum generáló függvénye megkaphatók a gamma eloszlásra kapott eredmények speciális eseteiként. A következő feladatokban tegyük fel, hogy X khí-négyzet eloszlású n szabadsági fokkal.

Igazoljuk, hogy

  1. X n ,
  2. X 2 n .

Igazoljuk, hogy a k 0 rendű momentumra

X k 2 k n 2 k n 2 .

Igazoljuk, hogy a momentum generáló függvény a következő:

t X 1 1 2 t n 2 ,  t 12 .

A valószínűségi változók kísérletében válasszuk a khí-négyzet eloszlást! Változtassuk az n paraméter értékét, és figyeljük meg a várható értéket és szórást jelölő intervallum helyét és hosszát! Néhány n értékre szimuláljunk 1000 kísérletet (frissítsük az ábrát minden tizedik után), és figyeljük meg, hogyan konvergálnak az empirikus momentumok a valódi momentumokhoz!

Transzformációk

Legyen Z standard normális eloszlású. A változók cseréjéről tanultak felhasználásával igazoljuk, hogy U Z 2 1 szabadsági fokú khí-négyzet eloszlású.

A momentum generáló függvény, vagy a gamma eloszlás tulajdonságait használva igazoljuk, hogy ha X khí-négyzet eloszlású m szabadsági fokkal, Y pedig khí-négyzet eloszlású n szabadsági fokkal, valamint X és Y függetlenek, akkor X Y szintén khí-négyzet eloszlású, szabadsági fokainak száma pedig m n .

Legyen Z 1 Z 1 Z n független standard normális eloszlású változók sorozata (vagyis egy n elemű véletlen minta standard normális háttéreloszlásból).Az előző két feladat eredményeit felhasználva igazoljuk, hogy

V i i n Z i 2

khí-négyzet eloszlású n szabadsági fokkal.

Az előző feladatban adott reprezentáció az oka annak, hogy a khí-négyzet eloszlás külön nevet kapott, hisz független normális eloszlású változók négyzetösszege gyakran előfordul a statisztikai alkalmazásokban. Másrészt a következő feladatunk értelmében minden gamma eloszlású valószínűségi változó átskálázható khí-négyzet eloszlásúvá.

Legyen X gamma eloszlású k alak- és b skála-paraméterrel. Igazoljuk, hogy Y 2 X b khí-négyzet eloszlású 2 k szabadsági fokkal.

Kilőttek egy rakétát a síkbeli koordinátarendszer origójában lévő célpont irányába. A rakéta becsapódási helye X Y , ahol X és Y független normális eloszlásúak 0 várható értékkel és 100 szórásnégyzettel. A rakéta akkor rombolja le a célpontot, ha annak 20 egységnyi környezetében landol. Mi ennek a valószínűsége?

Normális approximáció

A centrális határeloszlás-tételből és a gamma eloszlásra vonatkozó korábbi eredményeinkből következik, hogy ha n nagy, az n szabadsági fokú khí-négyzet eloszlás közelíthető normális eloszlással, melynek várható értéke n , szórásnégyzete pedig 2 n . Pontosabban, ha X n khí-négyzet eloszlású n szabadsági fokkal, akkor az alábbi standardizáltja eloszlásban konvergál a standard normális eloszláshoz, amint n :

Z n X n n 2 n .

A valószínűségi változók kísérletében válasszuk a khí-négyzet eloszlást! Kezdetben legyen n 1 , majd növeljük n értékét! Figyeljük meg a sűrűségfüggvény alakját! Néhány n értékre szimuláljunk 1000 kísérletet (frissítsük az ábrát minden tizedik után), és figyeljük meg, hogyan konvergál az empirikus sűrűségfüggvény a valódi sűrűségfüggvényhez!

Legyen X khí-négyzet eloszlású n 18 szabadsági fokkal. Határozzuk meg a következő mennyiségek valódi értékét (a kvantilis applet segítségével), és közelítsük is őket a normális approximációval. Vessük össze a közelítő értékeket a valódi értékekkel!

  1. 15 X 20 ,
  2. X 0,75 kvantilise.