n tαtα
tα
Ti∼tαtα∑ni=1T2i∼F(n,α)n
T2i∼F(1,α)tZU/α√ZUαZV/1U/αV=Z2F(1,α)α
∑ni=1T2i∼nF(n,α)α>4limα→∞nF(n,α)=χ2n, czego oczekujemy, gdy sumujemy zmienne kwadratowe (standardowe) normalne.]
Próbkowania Dystrybucja wariancji przy pobieraniu próbek z Dystrybucjatα
Biorąc pod uwagę to, co napisałem powyżej, wyrażenie, które otrzymujesz dla „gęstości odchylenia standardowego zmiennych T próbki n” jest nieprawidłowe. Jednak nawet jeśli byłby prawidłowym rozkładem, odchylenie standardowe nie jest po prostu pierwiastkiem kwadratowym sumy kwadratów (jak się wydaje, do tej pory gęstość ). Zamiast tego (skalowanego) rozkładu próbkowania dla . W normalnym przypadku LHS tego wyrażenia można zapisać ponownie jako sumę kwadratowych zmiennych normalnych (termin wewnątrz kwadratu można przepisać jako liniową kombinację zmiennych normalnych, która jest normalnie rozłożona), co prowadzi do znajomyF(n,α)g(u)∑ni=1(Ti−T¯)2=∑ni=1T2i−nT¯2χ2Rozkład . Niestety, liniowa kombinacja zmiennych (nawet z tymi samymi stopniami swobody) nie jest rozkładana jako , więc nie można zastosować podobnego podejścia.tt
Być może powinieneś ponownie przemyśleć, co chcesz zademonstrować? Cel może być możliwy na przykład za pomocą niektórych symulacji. Wskazujesz jednak przykład za pomocą , sytuacji, w której tylko pierwszy moment jest skończony, więc symulacja nie pomoże w obliczeniach tego momentu. α=3F(1,α)