flowchart TD
A1["정규분포"] -.->|정의| A2["카이제곱분포"]
A2["카이제곱분포"] -.->|정의| A3["F분포"]
A3["F분포"] -.->|정의| A4["t분포"]
A1["정규분포"] -.->|정의| A4["t분포"]
A1["정규분포"] -->|모분산알음-모평균/모평균차 추정| A1["정규분포"]
A4["t분포"] -->|모분산모름-모평균/모평균차 추정| A1["정규분포"]
A2["카이제곱분포"] -->|모분산추정| A1["정규분포"]
A3["F분포"] -->|모분산비추정| A1["정규분포"]
개의 서로 독립적인 표준정규 확률변수들을 제곱한 뒤 합하여 얻을 수 있는 분포. 자유도 를 갖고 있다고 부른다
카이제곱분포의 관련 함수
카이제곱분포의 적률생성함수
- 조건
-
- 정리
-
-
-
정리
1. 확률변수 이면 는 이다
2. 서로 독립인 확률변수 들이 각각 자유도가 인 카이제곱분포를 따르면 그들의 합 는 자유도가 인 카이제곱분포를 따른다
- 증명은 확률변수 합의 적률생성함수는 각 확률변수에 대한 적률생성함수의 곱과 같음으로 유도됨
3. 서로 독립인 확률변수 이 각각 정규분포 를 따른다고 하면, 는 자유도가 인 카이제곱분포를 따른다
- 1,2 증명의 합에 불과함
증명
- 감마분포와 카이제곱분포의 적률생성함수 증명
- 감마분포는 이다. 카이제곱 분포는 이므로 , 인 감마분포의 일종으로 볼 수 있다
-
- 이라고 하자.
-
-
그러므로 카이제곱분포의 적률생성함수는 이다
2. 우선 다음과 같은 세 사실이 참이라고 가정하자
1. 두 확률변수 $X,Y$ 가 서로 독립일 필요충분조건은 두 변수의 결합 적률생성함수가 각각의 적률 생성함수 곱과 같다는 것이다
- $M _{X,Y}(t _{1},t _{2})=M _{X}(t _{1})M _{Y}(t _{2})$
2. 서로 독립인 변수 $X _{i}$ 가 있고 이에 대한 적률생성함수 $M _{X _{i}}$ 가 있을 때 $\mathbb{M}[\displaystyle\sum\limits_{i=1}^{n}{X _{i}}]=\displaystyle\prod\limits_{i=1}^{n}{\mathbb{M}[ {X _{i}}]}$ 이다
3. $\overline{X} _{n}$ 과 $S _{n}=\displaystyle\sum\limits_{i=1}^{n}{\displaystyle\frac{(X _{i}-\overline{X}_{n})}{n-1}}$ 는 서로 독립이다
- 그 다음 $(n-1)S _{n} ^{2}/\sigma ^{2}=\displaystyle\frac{n-1}{\sigma ^{2}}\displaystyle\sum\limits_{i=1}^{n}{\displaystyle\frac{(X _{i}-\overline{X}_{n})}{n-1}}=\displaystyle\sum\limits_{i=1}^{n}{\displaystyle\frac{(X _{i}-\overline{X}_{n})}{\sigma ^{2}}}$
- $\displaystyle\sum\limits_{i=1}^{n}{\displaystyle\frac{(x _{i}-\mu ) ^{2}}{\sigma ^{2}}}=\displaystyle\sum\limits_{i=1}^{n}{\displaystyle\frac{((x _{i}-\overline{x }_{n})+(\overline{x }_{n}-\mu )) ^{2}}{\sigma ^{2}}}$ ($\displaystyle\sum\limits_{i=1}^{n}{(x _{i}-\overline{x}_{n})}$ 이 곱해진 교차항은 0이 된다)
- $\displaystyle\sum\limits_{i=1}^{n}{\displaystyle\frac{(x _{i}-\mu) ^{2}}{\sigma ^{2}}}=(n-1)\displaystyle\frac{S _{n} ^{2}}{\sigma ^{2}}+{\displaystyle\frac{(\overline{X}_{n}-\mu) ^{2}}{\sigma ^{2}/n}}$
- 오른쪽 두 항은 서로 독립이므로
- $\mathbb{M}[\chi ^{2}(n)]=\mathbb{M}[(n-1)\displaystyle\frac{S _{n} ^{2}}{\sigma ^{2}}]\cdot \mathbb{M}[\chi ^{2}(1)]$
- $\mathbb{M}[(n-1)\displaystyle\frac{S _{n} ^{2}}{\sigma ^{2}}]=\displaystyle\frac{\mathbb{M}[\chi ^{2}(n)]}{\mathbb{M}[\chi ^{2}(1)]}=(\displaystyle\frac{(1-2t) ^{-n/2}}{(1-2t) ^{-1/2}})=(1-2t) ^{-(n-1)/2}=\mathbb{M}[\chi ^{2}(n-1)]$
3. 분자는 $\displaystyle\frac{1}{n-1}\chi ^{2}(n-1)$ 를 분모는 $\displaystyle\frac{1}{m-1}\chi ^{2}(m-1)$ 의 분포를 따른다. 따라서 $F$ 확률 분포의 정의에 따라 $F(n-1,m-1)$ 의 분포를 따를것이다.
4. 위 아래에 $\displaystyle\frac{1/\sigma}{\sqrt{1/\sigma ^{2}}}$ 를 곱하면, 분자는 표준정규분포 $\mathcal{N}(0,1)$ , 분모는 $\chi ^{2}(n-1)$ 의 분포를 따른다. 따라서 $T \sim t(n-1)$ 의 분포를 따르게 된다. 분자 $\sqrt{n}(\overline{X}_{n}-\mu)/\sigma$ 와 분모 $\displaystyle\sum\limits_{i=1}^{n}{(\overline{X}_{i}-\overline{X}_{n}) ^{2}/\sigma ^{2}}$ 는 서로 독립이므로 따라서 이 비는 $t$ 분포의 정의에 따라 $t(n-1)$ 의 분포를 따를 것이다.