Уточнение вашего вопроса (мне кажется, что это две взаимосвязанные, но разные части): вы ищете (1) распределение суммы независимых квадратов случайных величин и (2) выборку распределение дисперсии (или связанного стандартного отклонения) случайной выборки, взятой из распределения (предположительно, ваша причина спросить о (1)).t α t αn tαtα
Распределение суммы независимых квадратов переменныхtα
Если (независимые) случайные переменные с df, то неверно, что (что это то, на что вы претендуете в своем втором «возможном решении»). Это легко проверить, рассматривая первый момент каждого (первый момент последнего в раз больше первого). Ti∼tαtα∑ni=1T2i∼F(n,α)n
Утверждение в вашем первом «возможном решении» является правильным: . Вместо того, чтобы прибегать к характеристическим функциям, я думаю, что этот результат более прозрачен, если рассматривать характеристику распределения как распределение отношения где - стандартная нормальная переменная и является хи-квадрат переменной с степенями свободы, независимо от . Тогда квадрат этого отношения представляет собой отношение двух независимых переменных хи-квадрат, масштабированных по соответствующим степеням свободы, т.е. сT2i∼F(1,α)tZU/α√ZUαZV/1U/αV=Z2, который является стандартной характеристикой распределения (с числителем df, равным 1, и знаменателем df, равным ).F(1,α)α
Принимая во внимание примечание, которое я сделал в отношении первых моментов в первом абзаце выше, может показаться, что лучше заявить, что [у меня есть здесь немного злоупотребляют обозначениями, используя то же выражение для распределения, а также случайную переменную, имеющую это распределение.]. Хотя первые моменты совпадают, вторые центральные моменты не совпадают (для дисперсия первого выражения меньше, чем дисперсия последнего выражения), так что это утверждение также ложно. [При этом интересно отметить, что , что является результатом, который мы ожидаем при суммировании в квадрате (стандарт) нормальные колебания.]∑ni=1T2i∼nF(n,α)α>4limα→∞nF(n,α)=χ2n
Отбор проб Распределение дисперсионного При отборе проб из распространенияtα
Учитывая то, что я написал выше, выражение, которое вы получаете для «плотности стандартного отклонения T-переменных n-выборки», неверно. Однако, даже если было правильным распределением, стандартное отклонение - это не просто квадратный корень из суммы квадратов (как вы, похоже, привыкли получить плотность ). Вместо этого вы будете искать (масштабированное) выборочное распределение . В нормальном случае LHS этого выражения может быть переписан как сумма квадратов нормальных переменных (термин внутри квадрата может быть переписан как линейная комбинация нормальных переменных, которая снова нормально распределена), что приводит к знакомыйF(n,α)g(u)∑ni=1(Ti−T¯)2=∑ni=1T2i−nT¯2χ2Распределение . К сожалению, линейная комбинация переменных (даже с одинаковыми степенями свободы) не распределена как , поэтому подобный подход не может быть использован.tt
Возможно, вам следует пересмотреть то, что вы хотите продемонстрировать? Например, можно достичь цели, используя некоторые симуляции. Тем не менее, вы указываете пример с , ситуация, когда только первый момент является конечным, поэтому моделирование не поможет с такими моментными вычислениями. α=3F(1,α)