T Распределение студента

Панорама

Распределение t Студента является семейством кривых с одним параметром. Это распределение обычно используется, чтобы протестировать гипотезу относительно среднего значения населения, когда стандартное отклонение населения неизвестно.

Statistics and Machine Learning Toolbox™ предлагает несколько способов работать с распределением t Студента.

  • Используйте специфичные для распределения функции (tcdf, tinv, tpdf, trnd, tstat) с заданными параметрами распределения. Специфичные для распределения функции могут принять параметры распределений t нескольких Студента.

  • Используйте типовые функции распределения (cdf, icdf, pdf, random) с заданным именем распределения ('T') и параметры.

Параметры

Распределение t Студента использует следующий параметр.

ПараметрОписаниеПоддержка
ню (ν)Степени свободыν = 1, 2, 3,...

Функция плотности вероятности

PDF распределения t Студента

y=f(x|ν)=Γ(ν+12)Γ(ν2)1νπ1(1+x2ν)ν+12,

где ν является степенями свободы и Γ  (·) Гамма функция. Результатом y является вероятность наблюдения особого значения x от распределения t Студента со степенями свободы ν.

Для примера смотрите, Вычисляют и t Распределение Студента Графика PDF.

Кумулятивная функция распределения

cdf распределения t Студента

p=F(x|ν)=xΓ(ν+12)Γ(ν2)1νπ1(1+t2ν)ν+12dt,

где ν является степенями свободы и Γ  (·) Гамма функция. p результата является вероятностью, что одно наблюдение от распределения t со степенями свободы ν падает в интервале [– ∞, x].

Для примера смотрите, Вычисляют и t Распределение Студента Графика cdf.

Обратная кумулятивная функция распределения

Обратная функция t задана в терминах t Студента cdf как

x=F1(p|ν)={x:F(x|ν)=p},

где

p=F(x|ν)=xΓ(ν+12)Γ(ν2)1νπ1(1+t2ν)ν+12dt,

ν является степенями свободы и Γ  (·) Гамма функция. x результата является решением интегрального уравнения, где вы предоставляете вероятность p.

Для примера смотрите, Вычисляют t Студента icdf.

Описательная статистика

Средним значением распределения t Студента является μ = 0 для степеней свободы ν, больше, чем 1. Если ν равняется 1, то среднее значение не определено.

Отклонение распределения t Студента νν2 для степеней свободы ν, больше, чем 2. Если ν меньше чем или равен 2, то отклонение не определено.

Примеры

Вычислите и постройте t Студента Распределение PDF

Вычислите PDF t распределения Студента со степенями свободы, равными 5, 10, и 50.

x = [-5:.1:5];
y1 = tpdf(x,5);
y2 = tpdf(x,10);
y3 = tpdf(x,50);

Постройте PDF для всех трех вариантов nu на той же оси.

figure;
plot(x,y1,'Color','black','LineStyle','-')
hold on
plot(x,y2,'Color','red','LineStyle','-.')
plot(x,y3,'Color','blue','LineStyle','--')
xlabel('Observation')
ylabel('Probability Density')
legend({'nu = 5','nu = 10','nu = 50'})
hold off

Вычислите и постройте t Студента Распределение cdf

Вычислите cdf t распределения Студента со степенями свободы, равными 5, 10, и 50.

x = [-5:.1:5];
y1 = tcdf(x,5);
y2 = tcdf(x,10);
y3 = tcdf(x,50);

Постройте cdf для всех трех вариантов nu на той же оси.

figure;
plot(x,y1,'Color','black','LineStyle','-')
hold on
plot(x,y2,'Color','red','LineStyle','-.')
plot(x,y3,'Color','blue','LineStyle','--')
xlabel('Observation')
ylabel('Cumulative Probability')
legend({'nu = 5','nu = 10','nu = 50'})
hold off

Вычислите t Студента icdf

Найдите 95-ю процентиль t распределения Студента с 50 степени свободы.

p = .95;   
nu = 50;   
x = tinv(p,nu)
x = 1.6759

Сравните t Студента и Нормальное распределение pdfs

T распределение Студента является семейством кривых в зависимости от одного параметра ν (степени свободы). Как степени свободы ν бесконечность подхода, t распределение приближается к стандартному нормальному распределению.

Вычислите pdfs для t распределения Студента параметром nu = 5 и t распределение Студента параметром nu = 15.

x = [-5:0.1:5];
y1 = tpdf(x,5);
y2 = tpdf(x,15);

Вычислите PDF для стандартного нормального распределения.

z = normpdf(x,0,1);

Постройте t Студента pdfs и стандартный нормальный PDF на той же фигуре.

plot(x,y1,'-.',x,y2,'--',x,z,'-')
legend('Student''s t Distribution with \nu=5', ...
    'Student''s t Distribution with \nu=15', ...
    'Standard Normal Distribution','Location','best')
xlabel('Observation')
ylabel('Probability Density')
title('Student''s t and Standard Normal pdfs')

Стандартный нормальный PDF имеет более короткие хвосты, чем t Студента pdfs.

Связанные распределения

  • Бета Распределение — бета распределение является непрерывным распределением 2D параметра, которое имеет параметры a (сначала параметр формы) и b (второй параметр формы). Если Y имеет распределение t Студента со степенями свободы ν, то X=12+12Yν+Y2 имеет бета распределение параметрами формы a = ν/2 и b = ν/2. Это отношение является использованными для расчета значениями t cdf, и обратные функции, и сгенерировать t распределили случайные числа.

  • Распределение Коши — распределение Коши является непрерывным распределением 2D параметра параметрами γ (шкала) и δ (местоположение). Это - особый случай Устойчивого Распределения параметрами формы α = 1 и β = 0. Стандарт распределение Коши (модульная шкала и нуль местоположения) является распределением t Студента со степенями свободы ν, равный 1. Стандарт распределение Коши имеет неопределенное среднее значение и отклонение.

    Для примера смотрите, Генерируют Случайные числа Коши Используя t Студента.

  • Распределение хи-квадрат — распределение хи-квадрат является непрерывным распределением с одним параметром, которое имеет параметр ν (степени свободы). Если Z имеет стандартное нормальное распределение, и χ 2 имеет распределение хи-квадрат со степенями свободы ν, то t = Zχ2/ν имеет распределение t Студента со степенями свободы ν.

  • Нецентральное t Распределение — нецентральное распределение t является непрерывным распределением 2D параметра, которое обобщает распределение t Студента и имеет параметры ν (степени свободы) и δ (нецентрированность). Установка δ = 0 урожаев распределение t Студента.

  • Нормальное распределение — нормальное распределение является непрерывным распределением 2D параметра параметрами μ (среднее значение) и σ (стандартное отклонение).

    Как степени свободы бесконечность подхода ν, распределение t Студента приближается к стандартному нормальному распределению (нулевое среднее значение и модульное стандартное отклонение).

    Для примера смотрите, Сравнивают t Студента и Нормальное распределение pdfs

    Если x является случайной выборкой размера n от нормального распределения со средним μ, то статистическая величина t=x¯μs/n, где x¯ демонстрационное среднее значение, и s является демонстрационным стандартным отклонением, имеет распределение t Студента с n — 1 степень свободы.

    Для примера смотрите, Вычисляют t Распределение Студента cdf.

  • t Распределение Шкалы Местоположения — распределение шкалы местоположения t является непрерывным распределением с тремя параметрами параметрами μ (среднее значение), σ (шкала) и ν (форма). Если x имеет распределение шкалы местоположения t параметрами µ, σ и ν, то xμσ имеет распределение t Студента со степенями свободы ν.

Ссылки

[1] Abramowitz, Милтон, и Ирен А. Стегун, руководство редакторов Математических функций: С Формулами, Графиками и Математическими Таблицами. 9. Дуврская печать.; [Nachdr. der Ausg. von 1972]. Дуврские Книги по Математике. Нью-Йорк, Нью-Йорк: Дувр Publ, 2013.

[2] Devroye, Люк. Неоднородная генерация случайных переменных. Нью-Йорк, Нью-Йорк: Спрингер Нью-Йорк, 1986. https://doi.org/10.1007/978-1-4613-8643-8

[3] Эванс, Merran, Николас Гастингс и Брайан Пикок. Статистические Распределения. 2-й редактор Нью-Йорк: Дж. Вайли, 1993.

[4] Kreyszig, Эрвин. Вводная математическая статистика: принципы и методы. Нью-Йорк: Вайли, 1970.

Смотрите также

| | | | | |

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте