記事ディレクトリ
序章
1908 年、ゴセットはワイナリーで働いていましたが、ワイナリーでは従業員がワイン関連の研究結果を発表することを禁止していたため、t 分布に関する研究を偽名で発表したStudent
と考え。
2 つの独立した確率変数X 、 YX、Yがある場合× 、Y、どちらも標準正規分布に従い、自由度はν です \nuνのカイ二乗分布XY / ν \frac{X}{\sqrt{Y/\nu}}はい/いいえ×t 分布に従い、その確率密度関数は次のようになります。
f ( x , ν ) = Γ ( ν + 1 2 ) π ν Γ ( ν 2 ) ( 1 + x 2 ν ) − ν + 1 2 f(x,\nu)=\frac{\Gamma(\frac{ \nu+1}{2})}{\sqrt{\pi\nu}\Gamma(\frac{\nu}{2})}(1+\frac{x^2}{\nu})^{ -\frac{\nu+1}{2}}f ( x ,n )=プン_C (2n)C (2n + 1)( 1+nバツ2)−2n + 1
正規分布とカイ二乗分布
正規分布は、二項分布の漸近公式で Dimove によって初めて得られ、その地位を実際に確立したのはガウスの測定誤差に関する研究であるため、ガウス分布とも呼ばれます。計測は人間が自然界を定量的に理解するための基礎であり、計測誤差の普遍性により正規分布の応用範囲が広いためか、正規分布は分布系図において中核的な位置を占めています。
正規分布N ( μ , σ ) N(\mu, \sigma)N ( μ ,σ )期待値の影響を受けるμ \muμと分散σ 2 \sigma^2p2規制の場合、その確率密度関数は
1 2 π σ 2 exp [ − ( x − μ ) 2 2 σ 2 ] \frac{1}{\sqrt{2\pi\sigma^2}}\exp[-\frac{(x-\mu) ^2}{2\sigma^2}]2本_21exp [ −2P _2( ×−メートル)2】
当μ = 0 \mu=0メートル=0およびσ = 1 \sigma=1p=1の場合、標準正規分布N ( 0 , 1 ) N(0,1)N ( 0 ,1 )、対応する確率分布関数はΦ ( x ) = 1 2 π exp [ − x 2 2 ] \Phi(x)=\frac{1}{\sqrt{2\pi}}\exp[-\フラク{x^2}{2}]Φ ( × )=午後2時1exp [ −2バツ2]。
だったらk 個の独立確率変数ξ 1 、 ξ 2 、 ⋯ 、 ξ k \xi_1, \xi_2,\cdots,\xi_kバツ1、バツ2、⋯、バツk、すべてが標準正規分布に従う場合、これらの k 個の確率変数の二乗和が新しい変数を構成し、新しい変数はχ 2 \chi^2に従います。h2配布。その確率密度関数は次のとおりです。
ρ ( x ) = ( 1 / 2 ) k / 2 Γ ( k / 2 ) xk / 2 − 1 e − x / 2 \rho(x)=\frac{(1/2)^{k/2}} {\Gamma(k/2)}x^{k/2-1}e^{-x/2}p ( x )=C ( k /2 )( 1/2 )k / 2バツk /2 − 1 e− × /2
scipy を使用して 3 つの関係を確認する
次に、正規分布を通じて学生分布を構築し、検証します。
import numpy as np
from scipy.stats import norm, chi2, t
import matplotlib.pyplot as plt
k = 200
X = norm.rvs(size=10000)
Y = chi2(k).rvs(size=10000)
xs = X/(Y/k)
plt.hist(xs, density=True, bins=100, alpha=0.8)
rv = t(k)
st, ed = rv.interval(0.995)
xs = np.linspace(st, ed, 200)
plt.plot(xs, rv.pdf(xs))
plt.show()
結果は次のとおりです
分布特性の観点から見ると、t 分布は正規分布に非常に似ており、すべて原点対称の単峰偶数関数です。n→∞、スターリングの公式によると、ttt分布は正規分布になる傾向があります。
さまざまな ν についてテストしてみましょう\nu値、
fig = plt.figure()
xs = np.linspace(-5,5,1000)
for i,nu in enumerate([3,10,50,200]):
ax = fig.add_subplot(2, 2, i+1)
ax.plot(xs, norm.pdf(xs), label="norm")
ax.plot(xs, t(nu).pdf(xs), lw=0.5, label="t")
plt.legend()
plt.show()
結果を図に示します