StudentTDistribution
表示自由度为 ν 的标准学生 分布.
StudentTDistribution[μ,σ,ν]
表示由定位参数 μ、尺度参数 σ 和自由度 ν 决定的学生 分布.
更多信息
- 在自由度为 的学生 分布中, 值的概率密度与 成正比. »
- 对于服从位置参数为 μ、尺度参数为 σ 和自由度为 ν 的学生 分布的 , 服从自由度为 ν 的标准学生 分布.
- 对于整数 ν,学生 分布给出对于由 ν 个服从正态分布(通过样本标准偏差正态化)的值组成的样本,其均值的观察值与实际值之间偏差的分布.
- StudentTDistribution 中 μ 可为任意实数,σ 和 ν 可为任意正实数.
- StudentTDistribution 允许 μ 和 σ 为单位量纲相同的任意量,允许 ν 为无量纲量. »
- StudentTDistribution 可与 Mean、CDF 和 RandomVariate 等函数一起使用. »
背景
- StudentTDistribution[μ,σ,ν] 表示在实数集合上定义和支持的连续统计分布,参数为实数 μ(称为“位置参数”、正实数 σ 和 ν(分别称为“尺度参数”和“自由度”),共同决定了概率密度函数的整体行为. 普遍来说,学生 分布的概率密度函数是具有单个峰(即全局最大值)的单峰模型,虽然它的整体形状(高度、扩展度、最大值的水平位置)由 μ、σ 和 ν 的值确定. 另外,概率密度函数的尾部是胖的,因为对于 的较大值,概率密度函数呈代数级而非指数级递减.(该行为通过分析分布的 SurvivalFunction 准备定量.)单参数格式 StudentTDistribution[ν] 等价于 StudentTDistribution[0,1,ν],并且有时候称为学生 分布,而三参数格式 StudentTDistribution[μ,σ,ν] 有时候称为广义学生 分布.
- 学生 分布首先由英国统计学家 William Gosset(以假名"学生"发表) 在1908年提出. Gosset 证明,对于整数 ν,学生 分布是给定取自 ν 正态化样本并且服从正态分布的随机变量的真正总体均值的观测均值偏差的分布. 分布广泛用于统计学,并且在假设检验、方差检验分析和随机过程领域中是一个常见的工具. 该分布也广泛用于各种不同领域,用于对包括股票价格波动、无线电通信组件的相位导数、噪声模型和图像分析建模.
- RandomVariate 可用于给出一个或多个机器精度或任意精度(后者通过 WorkingPrecision 选项)的学生 分布分布的伪随机变元. Distributed[x,StudentTDistribution[μ,σ,ν]],更简洁的表示为 xStudentTDistribution[μ,σ,ν],可用于论断随机变量 x 服从学生 分布分布. 然后这类论断可用于诸如 Probability、NProbability、Expectation 和 NExpectation 等函数中.
- 学生 分布的概率密度和累积分布函数可以通过使用 PDF[StudentTDistribution[μ,σ,ν],x] 和 CDF[StudentTDistribution[μ,σ,ν],x] 给出. 均值、中位数、方差、原始矩和中心矩可以分别使用 Mean、Median、Variance、Moment 和 CentralMoment 计算.
- DistributionFitTest 可用于检验给定的数据集是否与学生 分布相一致, EstimatedDistribution 可用于通过给定数据估计学生 参数分布,而 FindDistributionParameters 可用于将数据拟合为学生 分布. ProbabilityPlot 可用于生成已知数据相对于符号式学生 分布的 CDF 图形,而 QuantilePlot 可用于生成已知数据相对于符号式学生 分布的分位数的分位数图形.
- TransformedDistribution 可用于表示变换学生 分布,CensoredDistribution 可用于表示在上限和下限删失值的分布,而 TruncatedDistribution 可用于表示在上限和下限值之间截断值的分布. CopulaDistribution 可用于构建包含学生 分布的更高维分布,而 ProductDistribution 可用于计算涉及学生 分布的独立分量分布的联合分布.
- StudentTDistribution 与若干其他分布密切相关. StudentTDistribution 是 NoncentralStudentTDistribution 的一个特例,因为 StudentTDistribution[ν] 的概率密度函数与 NoncentralStudentTDistribution[ν,0] 的完全相同,并且也由 PearsonDistribution 通过各种方式推广. 当 ν→∞ 时,StudentTDistribution[ν] 趋近于 NormalDistribution[],而 StudentTDistribution 的概率密度函数可以通过 FRatioDistribution、ChiSquareDistribution 和 NormalDistribution 的变换 TransformedDistribution 得到,并且是 NormalDistribution 和 GammaDistribution 的参数混合 ParameterMixtureDistribution. StudentTDistribution 也与 CauchyDistribution, MultivariateTDistribution 和 ChiDistribution 紧密相关.
范例
打开所有单元关闭所有单元范围 (8)
峰度的极限值与 NormalDistribution 一样:
广义学生 分布的 Moment:
广义学生 分布的 CentralMoment:
广义学生 分布的 FactorialMoment:
广义学生 分布的 Cumulant:
在参数中对 Quantity 使用的一致性产生了 QuantityDistribution:
应用 (2)
在精确(小)样本理论中使用 StudentTDistribution. 定义 统计量:
如果数据来自于正态分布,则 统计量遵循 StudentTDistribution,甚至当数据样本数较小时(小于30):
属性和关系 (16)
当平移并且使用一个正因子为比例进行缩放时,新生成的分布仍然是学生 分布:
当 ,StudentTDistribution[ν] 收敛为一个正态分布:
StudentTDistribution[ν] 的定位参数 ,尺度参数 :
StudentTDistribution[1] 等同于 CauchyDistribution[0,1]:
ν 趋向于无穷大时,学生 分布收敛于标准 NormalDistribution:
StudentTDistribution 是非中心参数为0的 NoncentralStudentTDistribution:
一个学生 分布变量的平方为 FRatioDistribution:
一个学生 分布变量的倒数的平方服从 FRatioDistribution:
学生 分布是第4类和第7类 PearsonDistribution 的一种特殊情形:
广义学生 分布是第4类和第7类 PearsonDistribution 的一种特殊情形:
学生 分布可以从 ChiSquareDistribution 得到:
学生 分布可以从 NormalDistribution 和 ChiSquareDistribution 获得:
学生 分布是 NormalDistribution 与 GammaDistribution 的参数混合分布:
带有单位尺度矩阵的 MultivariateTDistribution 的边缘分布服从学生 分布:
可能存在的问题 (2)
文本
Wolfram Research (2007),StudentTDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/StudentTDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2007. "StudentTDistribution." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/StudentTDistribution.html.
APA
Wolfram 语言. (2007). StudentTDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/StudentTDistribution.html 年