正文
由中心极限定理可知,许多随机变量的概率分布都是服从或近似服从正态分布的,因此正态分布在概率统计中显然有着极为重要的地位。以下给出一些关于正态分布的结论和定理:
设X 1 , X 2 , . . . , X n 为来自总体为X 的容量为n 的一个样本,样本均值与样本方差分别为
则有:
设总体X 服从正态分布 则样本均值X ‾ 服从正态分布即
设总体X 服从正态分布 则统计量u =
设总体X 服从正态分布 ,则统计量服从自由度为n − 1 分布,即:
设总体X 服从正态分布 ,则
(1). 样本均值X ‾ 与样本方差S^2相互独立。
(2).统计量服从自由度为n − 1 分布,即:
(3).统计量t = 服从自由度为n − 1 分布,即:
设总体X 服从正态分布N ( μ 1 , σ 1 2 ) 总体Y 服从正态分布N ( μ 2 , σ 2 2 ) 则统计量
服从标准正态分布,即:
设总体X 服从正态分布N ( μ 1 , σ 12 ) 总体Y 服从正态分布N ( μ 2 , σ 2 ) 则
其中
设总体X 服从正态分布N ( μ 1 , σ 1 2 ) 总体Y 服从正态分布N ( μ 2 , σ 2 2 )则
服从自由度为( n 1 − 1 , n 2 − 1 )的F 分布,即
设总体X 服从正态分布N ( μ 1 , σ 1 2 ) 总体Y 服从正态分布N ( μ 2 , σ 2 2 )则统计量服从自由度为( n 1 − 1 , n 2 − 1 )的F 分布,即
定理3证明:原定理3的“服从自由度为n的卡方分布”修改为“服从自由度为 n − 1 的卡方分布”,定理7也做了修改。附证明:
\
又,因为X i ∼ N ( μ , σ 2 ) 则有:
即,可得:
定理7证明:
根据F FF分布的定义
其中
由定理3可知:
即可得: