Fisher-Snedecora
Funkcja gęstości prawdopodobieństwa
|
Dystrybuanta
|
Parametry |
d 1 , d 2 > 0 st. wolności |
Wsparcie |
jeśli , inaczej
|
PDF |
|
CDF |
|
Mieć na myśli |
dla d 2 > 2 |
Tryb |
dla d 1 > 2 |
Zmienność |
dla d 2 > 4 |
Skośność |
dla d 2 > 6 |
Były. kurtoza |
zobacz tekst
|
Entropia |
|
MGF |
nie istnieje, surowe momenty określone w tekście i w
|
CF |
zobacz tekst
|
W teorii prawdopodobieństwa i statystyki The F -Dystrybucja lub F-stosunek , znany również jako Snedecora F rozkładu lub rozkładu Fishera-Snedecora (po Ronald Fisher i George W. Snedecora ) jest ciągły rozkład prawdopodobieństwa , że często pojawia się jako dystrybucji zerowej z statystyka testowa , w szczególności w analizie wariancji (ANOVA) i innych F -tests .
Definicja
Rozkład F z d 1 i d 2 stopniami swobody jest rozkładem
gdzie i są niezależnymi zmiennymi losowymi o rozkładzie chi-kwadrat o odpowiednich stopniach swobody i .
Można wykazać, że funkcja gęstości prawdopodobieństwa (pdf) dla X jest dana przez
dla rzeczywistych x > 0. Tutaj jest funkcja beta . W wielu zastosowaniach parametry d 1 i d 2 są dodatnimi liczbami całkowitymi , ale rozkład jest dobrze zdefiniowany dla dodatnich wartości rzeczywistych tych parametrów.
Funkcja dystrybucji skumulowanej to
gdzie I jest uregulowaną niekompletną funkcją beta .
Oczekiwanie, wariancja i inne szczegóły dotyczące F( d 1 , d 2 ) są podane w ramce bocznej; dla d 2 > 8 nadmierna kurtoza wynosi
W k -tej moment F ( d 1 , d 2 ) rozkład istnieje i jest ograniczony tylko wtedy, gdy 2 K < d 2 i jest ona równa
-
Rozkład F jest szczególną parametryzacją rozkładu beta pierwszego , który jest również nazywany rozkładem beta drugiego rodzaju.
Funkcja charakterystyczna jest błędnie wymieniona w wielu normach (np.). Prawidłowe wyrażenie to
gdzie U ( a , b , z ) jest konfluentną funkcją hipergeometryczną drugiego rodzaju.
Charakteryzacja
Losowo variate z F -Dystrybucja parametrów i pojawia się jako stosunek dwóch odpowiednio skalowane chi-kwadrat zmiennymi:
gdzie
W przypadkach, w których używany jest rozkład F , na przykład w analizie wariancji , niezależność i można wykazać stosując twierdzenie Cochrana .
Równoważnie można również zapisać zmienną losową rozkładu
F
gdzie i , jest sumą kwadratów zmiennych losowych z rozkładu normalnego i jest sumą kwadratów zmiennych losowych z rozkładu normalnego .
W kontekście częstościowym skalowany rozkład F daje zatem prawdopodobieństwo , z samym rozkładem F , bez żadnego skalowania, przy zastosowaniu gdzie jest przyjmowany równy . Jest to kontekst, w którym rozkład F najczęściej pojawia się w testach F : gdzie hipoteza zerowa mówi, że dwie niezależne normalne wariancje są równe, a obserwowane sumy niektórych odpowiednio dobranych kwadratów są następnie badane, aby sprawdzić, czy ich stosunek jest istotnie istotny. niezgodne z tą hipotezą zerową.
Wielkość ma taki sam rozkład w statystyce Bayesa, jeśli an uninformative przeskalowania-niezmiennicze Jeffreys przed jest prawdopodobnie przeznaczony na wcześniejszych prawdopodobieństw z i . W tym kontekście skalowany rozkład F daje zatem prawdopodobieństwo a posteriori , gdzie obserwowane sumy i są teraz traktowane jako znane.
Właściwości i powiązane dystrybucje
- Jeśli i są niezależne , to
- Jeżeli ( rozkład gamma ) są niezależne, to
- Jeśli ( Dystrybucja Beta ) to
- Równoważnie, jeśli , to .
- Jeśli , to ma dystrybucję pierwszą w wersji beta : .
- Jeśli to ma rozkład chi-kwadrat
-
jest odpowiednikiem przeskalowanego rozkładu T-kwadrat Hotellinga .
- Jeśli wtedy .
- Jeżeli — rozkład t-Studenta — wtedy:
-
F – rozkład jest szczególnym przypadkiem rozkładu Pearsona typu 6
- Jeśli i są niezależne, z Laplace'em( μ , b ) wtedy
- Jeśli to ( Rozkład Fishera )
- Noncentral F -Dystrybucja upraszcza do F -Dystrybucja razie .
- Podwójnie noncentral F -Dystrybucja upraszcza do F -Dystrybucja jeśli
- Jeśli jest kwantylem p dla i jest kwantylem dla , to
-
F -dystrybucja jest przykładem rozkładów ilorazowych
Zobacz też
Bibliografia
Zewnętrzne linki