χ2分布的概率密度函数是什么？
卡方分布的概率密度函数是：
卡方分布（ χ²分布）是概率论与统计学中常用的一种概率分布。k个独立的标准正态分布变量的平方和服从自由度为k的卡方分布。卡方分布是统计推断中应用最为广泛的概率分布之一，例如假设检验和置信区间的计算。
自由度通常是指可以自由变动的变量个数。由定义可知， χ²分布是非负分布，其随机变量χ²>0，k是分布的唯一参数，它会影响卡方分布概率密度函数的图形。不同的自由度k，有不同的概率密度函数曲线，右上角为卡方分布的概率密度函数。
可以通过查表直接确定随机变量所对应的概率值。在使用该表时，一般作如下定义：
P{χ²>χa²(k)}=k
式中χ²是指服从χ²分布的随机变量。χa²(k)是横坐标上的一个具体数值，符号右下侧的a表示该值右侧的概率为a。这个值通常被称为临界值。a是指一个较小的概率值。例如，当n=10,a=0.05时，可从上表查得χ0.05²(10)=18.31。如果n=20,a=0.2时，也可以查得χ0.2²(20)=25。
绛旓細鍗℃柟鍒嗗竷鐨勬鐜囧瘑搴﹀嚱鏁版槸锛氬崱鏂瑰垎甯冿紙 蠂²鍒嗗竷锛夋槸姒傜巼璁轰笌缁熻瀛︿腑甯哥敤鐨勪竴绉嶆鐜囧垎甯銆俴涓嫭绔嬬殑鏍囧噯姝ｆ佸垎甯冨彉閲忕殑骞虫柟鍜屾湇浠庤嚜鐢卞害涓簁鐨勫崱鏂瑰垎甯冦傚崱鏂瑰垎甯冩槸缁熻鎺ㄦ柇涓簲鐢ㄦ渶涓哄箍娉涚殑姒傜巼鍒嗗竷涔嬩竴锛屼緥濡傚亣璁炬楠屽拰缃俊鍖洪棿鐨勮绠椼傝嚜鐢卞害閫氬父鏄寚鍙互鑷敱鍙樺姩鐨勫彉閲忎釜鏁般傜敱瀹氫箟鍙煡锛 蠂...
绛旓細鍗℃柟鍒嗗竷(蠂2鍒嗗竷)鏄鐜囪涓庣粺璁″涓父鐢ㄧ殑涓绉姒傜巼鍒嗗竷锛宬涓嫭绔嬬殑鏍囧噯姝ｆ佸垎甯冨彉閲忕殑骞虫柟鍜屾湇浠庤嚜鐢卞害涓簁鐨勫崱鏂瑰垎甯冿紝鍗℃柟鍒嗗竷甯哥敤浜庡亣璁炬楠屽拰缃俊鍖洪棿鐨勮绠椼傛鎬鍒嗗竷鐨勫瘑搴﹀嚱鏁鐨勭壒鐐规槸锛氬叧浜幬煎绉帮紝鍦ㄎ煎杈惧埌鏈澶у硷紝鍦ㄦ锛堣礋锛夋棤绌疯繙澶勫彇鍊间负0锛屽湪渭卤蟽澶勬湁鎷愮偣銆傚畠鐨勫舰鐘舵槸涓棿楂樹袱杈...
绛旓細鍗℃柟鍒嗗竷(蠂2鍒嗗竷)鏄鐜囪涓庣粺璁″涓父鐢ㄧ殑涓绉姒傜巼鍒嗗竷銆傚崱鏂瑰垎甯冨父鐢ㄤ簬鍋囪妫楠屽拰缃俊鍖洪棿鐨勮绠椼傚崱鏂瑰垎甯冪殑瀵嗗害鍑芥暟瀹氫箟锛氬鏋滈殢鏈哄彉閲廢鐨勬鐜囧瘑搴﹀嚱鏁f(u)涓哄垯绉伴殢鏈哄彉鏁癠鏈嶄粠鑷敱搴︿负n鐨勫崱鏂瑰垎閰嶏紝璁2鍒嗗竷瀵嗗害鏇茬嚎蠂n=1n=4n=10n=20鍗℃柟鍒嗗竷鐨勫舰鐘蠂2鍒嗗竷鐨鎬ц川蠂2鍒嗗竷鏇茬嚎涓嬬殑闈㈢Н閮芥槸1蠂2鍊...
绛旓細2. 姝ｆ佸垎甯冩洸绾垮憟閽熷舰锛屼袱绔綆锛屼腑闂撮珮锛屽乏鍙冲绉般傚洜鍏舵洸绾垮舰鐘朵技閽熷舰锛屾晠浜轰滑甯哥О涔嬩负閽熷舰鏇茬嚎銆3. 鑻ラ殢鏈哄彉閲廥鏈嶄粠鍧囧嘉煎拰鏂瑰樊蟽^2鐨勬鎬佸垎甯冿紝璁颁负N(渭, 蟽^2)锛屽叾姒傜巼瀵嗗害鍑芥暟涓篺(x) = (1/(蟽鈭(2蟺))) * e^(-(x-渭)^2/(2蟽^2))銆傚叾涓紝鏈熸湜鍊嘉煎喅瀹氫簡鍒嗗竷鐨浣嶇疆锛...
绛旓細锛1锛夊叾姒傜巼瀵嗗害鍑芥暟鍥炬槸闈炲绉扮殑锛屼笌鑷敱搴︽湁鍏炽傦紙2锛夊嚱鏁版洸绾夸笌x2杞撮棿鐨勯潰绉负1銆傦紙3锛蠂2鍊艰惤鍦ㄥ尯闂淬恆锛岋紜鈭炪戜腑鐨勬鐜涓何便傛渶灏忎负0锛屾渶澶т负+鈭炪傦紙4锛夎嚜鐢卞害灏忔椂鍛堝亸鎬侊紝闅忕潃鑷敱搴﹀鍔狅紝鍋忓害闄嶄綆锛岃嚦鈭炴椂鍛堝绉板垎甯冦傚崱骞虫柟鍒嗗竷銆乼鍒嗗竷鍙奆鍒嗗竷閮芥槸鐢辨鎬佸垎甯冩墍瀵煎嚭鐨勫垎甯冿紝瀹冧滑涓...
绛旓細鍗℃柟鍒嗗竷锛屼篃绉颁负鍗℃柟蠂2鍒嗗竷锛屾槸缁熻瀛︿腑甯哥敤鐨勪竴绉姒傜巼鍒嗗竷銆傚畠涓昏鐢ㄤ簬鍒嗘瀽鏁版嵁涔嬮棿鐨勭浉鍏虫у拰宸紓鎬э紝鐗瑰埆鏄浜庤瀵熸暟鎹笌鐞嗚鎺ㄦ柇妯″瀷棰勬祴鏁版嵁涔嬮棿鐨勫樊寮傝繘琛屾楠屻傚崱鏂瑰垎甯冩槸涓绉嶈繛缁ф鐜囧垎甯冿紝閫氬父鐢ㄦ潵鎻忚堪鍙橀噺鐨勯潪璐熷疄鏁板彇鍊硷紝鍏姒傜巼瀵嗗害鍑芥暟鍛堢幇鍑哄彸鍋忔枩鐨勭壒鐐广傚崱鏂瑰垎甯冧骇鐢熶簬鍗℃柟妫楠岋紝杩欐槸涓...
绛旓細gamma鍒嗗竷鐨勬鐜囧瘑搴﹀嚱鏁鍙互琛ㄧず涓猴細 f(x) = x^(k-1) * e^(-x/胃) / (胃^k * 螕(k)) 鍏朵腑锛寈琛ㄧず闅忔満鍙橀噺鐨勫彇鍊硷紝k鍜屛告槸Gamma鍒嗗竷鐨勪袱涓弬鏁帮紝螕(k)鏄疓amma鍑芥暟锛屽畠鏄竴涓棤绌风Н鍒嗭紝鍙互鐢ㄦ暟鍊兼柟娉曡绠椼備竴銆佷冀鐜涘垎甯冪畝浠 浼界帥鍒嗗竷锛圙amma Distribution锛夋槸缁熻瀛︾殑涓绉嶈繛缁姒傜巼鍑芥暟...
绛旓細鏍规嵁Ga鍒嗗竷鐨鍙姞鎬у緱蠂^2~Ga(n/2,1/2)锛涙墍浠^2+Y^2~蠂^2(2)銆傚熀鏈被鍨 绠鍗曞湴璇达紝闅忔満鍙橀噺鏄寚闅忔満浜嬩欢鐨勬暟閲忚〃鐜般備緥濡備竴鎵规敞鍏ユ煇绉嶆瘨鐗╃殑鍔ㄧ墿锛屽湪涓瀹氭椂闂村唴姝讳骸鐨勫彧鏁帮紱鏌愬湴鑻ュ共鍚嶇敺鎬у仴搴锋垚浜轰腑锛屾瘡浜鸿绾㈣泲鐧介噺鐨勬祴瀹氬硷紱绛夌瓑銆傚彟鏈変竴浜涚幇璞″苟涓嶇洿鎺ヨ〃鐜颁负鏁伴噺锛屼緥濡備汉鍙ｇ殑鐢峰コ鎬у埆銆...
绛旓細Z = X^2 + Y^2 鏄袱涓浉浜掔嫭绔嬬殑鏍囧噯姝ｆ鍒嗗竷鐨骞虫柟鍜屻傛牴鎹崱鏂瑰垎甯冪殑瀹氫箟锛屽畠鏄弬鏁颁负2鐨勫崱鏂瑰垎甯冿細蠂^2(2)鍙傛暟涓2鐨勫崱鏂瑰垎甯冿紝灏辨槸鍙傛暟涓 1/2 鐨勬寚鏁板垎甯冿紝鍏姒傜巼瀵嗗害鍑芥暟鏄锛(1/2) * exp(-z/2)濡傛灉澶嶉珮鏂垎甯冪殑 X 鍜 Y 鐨勬柟宸负 N锛岄偅涔堟渶鍚庢槸鍙傛暟涓 1/2N 鐨勬寚鏁板垎甯冿細(1/...
绛旓細鎬讳綋涓嶆湇浠庢鎬佸垎甯冩椂锛屽彲浠ヤ娇鐢ㄥ叾浠鍒嗗竷鐨勬鐜囧瘑搴﹀嚱鏁锛圥DF锛夋垨绱Н鍒嗗竷鍑芥暟锛圕DF锛夋潵鎻忚堪鏁版嵁鐨勫垎甯冩儏鍐碉紝鍏蜂綋浣跨敤鍝釜鍏紡鍙栧喅浜庨棶棰樼殑鑳屾櫙鍜屾暟鎹殑鐗瑰緛銆傚父瑙佺殑涓浜涢潪姝ｆ佸垎甯冨寘鎷細- 浼姫鍒╁垎甯冿紙Bernoulli distribution锛- 浜椤瑰垎甯冿紙Binomial distribution锛- 娉婃澗鍒嗗竷锛圥oisson distribution锛- 鎸囨暟鍒嗗竷...
