FRatioDistribution
FRatioDistribution[n,m]
表示分子自由度为 n 和分母自由度为 m 的 F 比率分布.
更多信息
- FRatioDistribution 也称为 Fisher Snedecor 分布.
- 在 F 比率分布中,当 时,值 的概率密度与 成正比,当 时为零. »
- 对于整数 n 和 m,F 比率分布给出正态分布的样本方差的比率分布.
- FRatioDistribution 允许 n 和 m 是任意正实数.
- FRatioDistribution 允许 n 和 m 是无量纲量. »
- FRatioDistribution 可以与诸如 Mean、CDF 和 RandomVariate 等函数一起使用. »
背景
- FRatioDistribution[n,m] 表示定义在区间 上的连续统计分布,表示为比率 X=Y1/Y2 的分布,其中 Y1ChiSquareDistribution[n] 以及 Y2ChiSquareDistribution[m] 是自由度分别为 n 和 m 的独立变元. 取决于 n 和 m 的数值,概率密度函数(PDF)可能是单峰的或者单调递减的,其中潜在的奇异点解决定义域的低端点. 另外,概率密度函数的尾部是“瘦”的,因为对于较大的 值,概率密度函数指数级递减.(这一行为可以通过分析该分布的 SurvivalFunction 进行精确量化.)F 比率分布有时候称为 Fisher–Snedecor 分布、(中心)F 分布或者 Snedecor F 分布.
- F 比率分布最初是1930年代中期由美国数学家 G. W. Snedecor 作为改进由英国统计学家 R. A. Fisher 在1910年代后期提出的方差分析的工具而建立的公式. F 比率分布是现代统计学的重要组成部分,它构成了 F 检验的基础. F 检验的零假设涉及了 F 比率分布检验统计量. 它用于检验许多常见的假设,例子包括判断提出的回归模型是否拟合某个数据组,判断带相同标准差的正态分布群体的均值是否相等. 因为这些检验的广泛性,F 比率分布被用于许多领域,包括经济学、心理学、医学、工程学、制药和制造业.
- 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 F 比率分布的伪随机变元. Distributed[x,FRatioDistribution[n,m]],更简洁的表示为 xFRatioDistribution[n,m],可用于声明随机变量 x 服从 F 比率分布. 然后这类声明可用于诸如 Probability、NProbability、Expectation 和 NExpectation 等函数中.
- 概率密度和累积分布函数可以通过使用 PDF[FRatioDistribution[n,m],x] 和CDF[FRatioDistribution[n,m],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 F 比率分布相一致,EstimatedDistribution 可用于通过给定数据估计 F 比率参数分布,而 FindDistributionParameters 可用于将数据拟合为 F 比率分布. ProbabilityPlot 可用于生成已知数据相对于符号式 F 比率分布的 CDF 图形,而 QuantilePlot 可用于生成已知数据相对于符号式 F 比率分布的分位数的分位数图形.
- TransformedDistribution 可用于表示 F 比率分布的变换,CensoredDistribution 可用于表示在上限和下限值之间删失值的分布,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 F 比率分布的更高维分布,而 ProductDistribution 可用于计算独立分量分布涉及 F 比率分布的联合分布.
- F 比率分布与若干其他分布密切相关. 特别的,正如之前提到的,FRatioDistribution 使用 ChiSquareDistribution 定义(因此与 ChiDistribution 相关). 更进一步说,当 m 趋近于 Infinity 时,FRatioDistribution[1,m] 的概率密度函数趋近于 ChiSquareDistribution[1]. FRatioDistribution 可以通过简单的变换从其他分布得到,例如 StudentTDistribution 的平方,以及服从 LaplaceDistribution 和 FisherZDistribution 的更复杂的变换. FRatioDistribution 是 NoncentralFRatioDistribution 的特例,因为 FRatioDistribution[n,m] 的概率密度函数就是 NoncentralFRatioDistribution[n,m,0] 和 NoncentralFRatioDistribution[n,m,0,0] 的概率密度函数,并且也与 BetaDistribution, PearsonDistribution、HotellingTSquareDistribution 和BinomialDistribution 相关.
范例
打开所有单元关闭所有单元范围 (8)
极限值与 NormalDistribution 的峰度相同:
用无量纲的 Quantity 来指定参数 n 和 m 的自由度:
应用 (1)
FRatioDistribution 是从两个正态分布中抽取的两个样本方差的比率所服从的分布. 定义 Fisher 比率统计量:
与 FisherRatioTest 比较:
属性和关系 (13)
FRatioDistribution 在取倒数运算下是封闭的:
ChiSquareDistribution 是 F 比率分布的极限情形:
F 比率是两个 ChiSquareDistribution 变量的比:
可以从 BetaDistribution 得到 F 比率分布:
StudentTDistribution 的平方服从 F 比率分布:
F 比率分布是 StudentTDistribution 平方倒数的分布:
F 比率分布是 BetaPrimeDistribution 的特例:
F 比率分布是第6类 PearsonDistribution 的特例:
FRatioDistribution 是拉普拉斯分布的变形:
FisherZDistribution 是 F 比率分布的变形:
NoncentralFRatioDistribution 化简为 F 比率分布:
双 NoncentralFRatioDistribution 化简为 F 比率分布:
可能存在的问题 (2)
文本
Wolfram Research (2007),FRatioDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/FRatioDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2007. "FRatioDistribution." 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/FRatioDistribution.html.
APA
Wolfram 语言. (2007). FRatioDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/FRatioDistribution.html 年