概率统计Python计算:学生分布分位点计算
设XXX~N(0,1)N(0,1)N(0,1),YYY~χ2(n)\chi^2(n)χ2(n),且XXX与YYY相互独立,则XY/n\frac{X}{\sqrt{Y/n}}Y/nX~t(n)t(n)t(n)。即XY/n\frac{X}{\sqrt{Y/n}}Y/nX服从自由度为nnn的学生分布,其密度函数为
h(x)=Γ(n+12)nπΓ(n2)(1+x2n)−n+12h(x)=\frac{\Gamma\left(\frac{n+1}{2}\right)}{\sqrt{n\pi}\Gamma\left(\frac{n}{2}\right)}\left(1+\frac{x^2}{n}\right)^{-\frac{n+1}{2}}h(x)=nπΓ(2n)Γ(2n+1)(1+nx2)−2n+1
下图展示了自由度nnn为2和100时的密度函数h(x)h(x)h(x)的图像。
这是一个偶函数,所以其图形关于纵轴对称。
对给定的显著水平α\alphaα,用tα(n)t_{\alpha}(n)tα(n)表示单侧右分位点,即
P(X>tα(n))<α.P(X>t_{\alpha}(n))<\alpha.P(X>tα(n))<α.
如下图所示
根据密度函数图像关于纵轴的对称性,对应α\alphaα的单侧左分位点为−tα(n)-t_{\alpha}(n)−tα(n),即P(X≤−tα(n))<αP(X\leq-t_{\alpha}(n))<\alphaP(X≤−tα(n))<α,如下图所示。
对置信水平1−α1-\alpha1−α,双侧左、右分为点为−tα/2(n)-t_{\alpha/2}(n)−tα/2(n)和tα/2(n)t_{\alpha/2}(n)tα/2(n),即P(−tα/2(n)<X<tα/2(n))≥1−αP(-t_{\alpha/2}(n)<X<t_{\alpha/2}(n))\geq1-\alphaP(−tα/2(n)<X<tα/2(n))≥1−α,如下图所示。
Python的scipy.stats包中,连续型分布类 rv_continuous的t对象表示ttt分布。常用函数调用接口见下表。
函数名 | 参数 | 意义 |
---|---|---|
ppf | q:表示显著水平α\alphaα,df:表示分布的自由度nnn | 单侧左分位点t1−α(n)t_{1-\alpha}(n)t1−α(n) |
isf | q,df:与上同 | 单侧右分位点tα(n)t_{\alpha}(n)tα(n) |
interval | alpha:表示置信水平1−α1-\alpha1−α,df:与上同 | 双侧分位点t1−α/2(n)t_{1-\alpha/2}(n)t1−α/2(n)和tα/2(n)t_{\alpha/2}(n)tα/2(n) |
例1 设显著水平α=0.05\alpha=0.05α=0.05,计算自由度n=24n=24n=24的ttt分布的单侧分位点和双侧分位点。
解:下列代码完成本例的计算。
from scipy.stats import t #导入t
n=24 #设置自由度n
alpha=0.05 #设置alpha
b=t.isf(q=alpha, df=n) #计算单侧右分位点
a=-b #单侧左分位点
print('单侧左、右分位点:a=%.4f, b=%.4f'%(a, b))
a, b=t.interval(1-alpha, df=n) #双侧右分位点
a=-b #双侧左分位点
print('双侧左、右分位点:a=%.4f, b=%.4f'%(a, b))
运行程序,输出
单侧左、右分位点:a=-1.7109, b=1.7109
双侧左、右分位点:a=-2.0639, b=2.0639
写博不易,敬请支持:
如果阅读本文于您有所获,敬请点赞、评论、收藏,谢谢大家的支持!
返回《导引》
概率统计Python计算:学生分布分位点计算相关推荐
- 概率统计Python计算:标准正态分布分位点计算
标准正态分布对给定显著水平的分位点.设XXX~N(0,1)N(0,1)N(0,1),显著水平为α\alphaα.为计算右侧分位点zαz_{\alpha}zα(见下图),使得 P(X≤zα)=1−αP ...
- 概率统计Python计算:双正态总体方差比的双侧区间估计
计算两个正态总体方差比的区间估计涉及样本方差 s 1 2 s_1^2 s12, s 2 2 s_2^2 s22,样本容量 n 1 n_1 n1, n 2 n_2 n2和置信度 1 − α 1- ...
- 概率统计Python计算:条件概率和概率乘法公式
1. 古典概型中条件概率的计算 条件概率 P ( B ∣ A ) P(B|A) P(B∣A)是将样本空间限制在 A A A上, A ∩ B A\cap B A∩B的概率.因此,我们可以利用博文< ...
- 概率统计Python计算:F分布分位点计算
设XXX,YYY相互独立,且分别服从χ2(m)\chi^2(m)χ2(m)和χ2(n)\chi^2(n)χ2(n),则XY\frac{X}{Y}YX~F(m−1,n−1)F(m-1, n-1)F(m ...
- 概率统计Python计算:卡方分布分位点计算
nnn个相互独立,均服从N(0,1)N(0,1)N(0,1)的随机变量X1,X2⋯,XnX_1, X_2\cdots,X_nX1,X2⋯,Xn的平方和X12+X22+⋯+Xn2X_1^2+X_2 ...
- 概率统计Python计算:单个正态总体均值双侧假设的Z检验
用p值法计算假设H0H_0H0的双侧检验,设aaa,bbb分别是检验统计量分布对应显著水平α\alphaα的左.右分位点,F(x)F(x)F(x)和S(x)S(x)S(x)分别为检验统计量的分布函数 ...
- 概率统计Python计算:单个正态总体均值单侧假设的Z检验
对正态总体参数的单侧假设检验,可以用如下的p值法进行.设显著水平为α\alphaα,考虑假设H0H_0H0的右侧检验.首先,注意到检验统计量的分布对应显著水平α\alphaα的右分位点bbb,实际上 ...
- python求上α分位点_什么是标准正态分布的上α分位点以及怎样求?
展开全部 标准正态分布的上α分位点:设X~N(0,1),对于任给的62616964757a686964616fe4b893e5b19e31333431363638α,(0Zα)= α的点Zα为标准正态 ...
- 概率统计Python计算:离散型随机变量分布(bernoulli geom)
Python的scipy.stats包中提供了各种随机变量的分布.每一种分布,其累积分布函数(分布函数)记为cdf.离散型变量分布的概率质量函数(分布律),记为pmf.除此之外,每个分布都有一个服从该 ...
最新文章
- GLFW--Getting started
- 来玩Play框架07 静态文件
- 设计模式 — 结构型模式 — 适配器模式
- C++ STL下载和安装
- (科普帖)电梯突然断电下坠时、一定要这么做
- 微软确认5月2日召开新品发布会 8天后就是Build 2017大会
- 个人空间风格模版php,home.php这个页面风格模板在哪里修改?答案:space_home.html...
- OpenCV2:等间隔采样和局部均值的图像缩小
- 太真实了!有个程序员男友原来是这样的!
- Objective-C:内存管理的小结
- PyQt 的程序框架——面向对象版本
- 为静态Checkbox动态地添加checked属性
- mysql常用语句1
- CSDN博客添加使用百度统计
- JDK动态代理与CGLIB动态代理
- 国内外 48 个最常用学术网站汇总,这可能是史上最全的!
- 如何在Node.js应用程序中使用RethinkDB
- PostMan测试接口,出现415报错,Unsupported Media Type
- 【LeetCode】 贴纸拼词(动态规划)
- django 注册登录邮箱验证功能