F分布的概率密度函数_F分布的统计量是

F分布的概率密度函数_F分布的统计量是定义:设X1∼χ2(m),X2∼χ2(n)X_{1}\sim\chi^{2}(m),X_{2}\sim\chi^{2}(n)X1​∼χ2(m),X2​∼χ2(n),X1X_{1}X1​与X2X_{2}X2​相互独立,则称随机变量F=X1/mX2/nF=\frac{X_{1}/m}{X_{2}/n}F=X2​/nX1​/m​服从自由度为mmm及nnn的FFF分布,mmm称为第一自由度,n\boldsymbol{n}n称为第二自由

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

定义:

X 1 ∼ χ 2 ( m ) , X 2 ∼ χ 2 ( n ) X_{1} \sim \chi^{2}(m), X_{2} \sim \chi^{2}(n) X1χ2(m),X2χ2(n), X 1 X_{1} X1 X 2 X_{2} X2 相互独立,
则称随机变量
F = X 1 / m X 2 / n F=\frac{X_{1} / m}{X_{2} / n} F=X2/nX1/m
服从自由度为 m m m n n n F F F 分布, m m m 称为第一自由度, n \boldsymbol{n} n 称为第二自由度, 记作 F ∼ F ( m , n ) F \sim F({m}, {n}) FF(m,n) .


概率密度函数

p ( x ) = ( Γ ( m + n 2 ) Γ ( m 2 ) Γ ( n 2 ) ( m n ) m 2 x m 2 − 1 ( 1 + m n x ) − m + n 2 , x > 0 0 , x ≤ 0 \begin{array}{l} p(x)=\left(\begin{array}{cc} \frac{\Gamma\left(\frac{m+n}{2}\right)}{\Gamma\left(\frac{m}{2}\right) \Gamma\left(\frac{n}{2}\right)}\left(\frac{m}{n}\right)^{\frac{m}{2}} x^{\frac{m}{2}-1}\left(1+\frac{m}{n} x\right)^{-\frac{m+n}{2}} & , x>0 \\ 0, & x \leq 0 \end{array}\right. \end{array} p(x)=(Γ(2m)Γ(2n)Γ(2m+n)(nm)2mx2m1(1+nmx)2m+n0,,x>0x0


2021年7月2日14:03:38

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/183687.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号