第39 卷第5 期
2009 年3 月
数学的实践与认识
MATHEMATICS IN PRACTICE AND THEORY
Vol. 39 No. 5
M arch, 2009
常见连续型统计分布的一点注记
宗序平, 汪 磊
(扬州大学 数学科学学院, 江苏 扬州 225002)
摘要: 正态分布是概率论与数理统计中最重要的一个分布,本文讨论了常见的连续型统计分布与
标准
excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载
正
态分布间的关系,结果
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
明:几乎所有的常见连续型统计分布都是标准正态分布的函数.
关键词: 统计分布;标准正态分布;连续型随机变量
收稿日期: 2008-05-24
基金项目:留学归国人员基金与江苏教育厅资助项目( FK051085)
在概率论与数理统计中,常见的连续型统计分布之间存在着紧密的内在联系, 文献[ 1]
罗列了部分常见分布,笔者在此基础上, 着重讨论了各种常见连续型分布与标准正态分布
N ( 0, 1) 之间的关系, 笔者发现: 几乎所有的常见连续型统计分布都是标准正态分布的函
数,这样的结论给统计应用特别是系统仿真提供了方便.
设随机变量 X 的密度函数为
f X ( x ) =
�� (�) x �- 1exp{ - �x } , x > 0
则称X 服从参数为 �, �的 分布,记作 X ~ (�, �) .
定理1 随机变量 X 服从 分布 (�, �) (�= n/ 2, n为正整数) 的充分必要条件为
2�X = ∑n
i= 1
X
2
i
其中X 1, X 2, ⋯, X n独立同服从标准正态分布 N ( 0, 1) .
对于上述定理由于X ~ ( �, �) ,令Y = 2�X ,容易导出: Y ~ 12 , � , 当 �= n/ 2时,
1
2
, n
2
= ! 2( n) ( n为正整数) , 结合自由度为 n 的 !2 ( n) 分布定义(参见[ 2] p123) : X 1 ,
X 2 ,⋯, X n独立同服从 N ( 0, 1) 分布时, 2�X = ∑n
i= 1
X
2
i . 详细证明可参考文献[ 4] .
定理2 随机变量 X 服从指数分布 Exp(�, ∀) (�> 0) 的充分必要条件为
2�( X - ∀) = X 21 + X 22
其中X 1, X 2独立同服从标准正态分布 N ( 0, 1) .
因为 X ~ Exp(�, ∀) , 则根据文献[ 1]得: X - ∀~ Exp(�) = (�, 1) , 由定理 1知:
2�( X - ∀) = X 21 + X 22, 其中 X 1 , X 2 独立同服从标准正态分布 N ( 0, 1) .
定理3 随机变量 X 服从均匀分布 U ( 0, 1) 的充分必要条件为
X = exp - 1
2
( X 21 + X 22 )
其中X 1, X 2独立同服从标准正态分布 N ( 0, 1) .
证明 因为 X ~ U ( 0, 1) , 则 - 2 log X ~ Exp 1
2
= 1
2
, 1 , 由定理1知: log X
= -
1
2
( X 21 + X 22 ) ,即 X = exp - 1
2
( X 21 + X 22) ,其中 X 1, X 2独立同服从 N ( 0, 1) .
由定理3可得如下推论:
推论1 随机变量 X ~ U ( a, b) 的充分必要条件为:
X = a + ( b - a) exp - 1
2
( X 21 + X 22 ) ,
其中X 1, X 2独立同服从 N ( 0, 1) 分布.
不难证明:
推论2 X 1 , X 2独立同服从 U ( 0, 1) , 且随机变量 ( U , V ) 满足:
U = ( - 2 lo g X 1 ) 1/ 2co s( 2#X 2)
V = ( - 2 log X 1) 1/ 2sin( 2#X 2 ) ,
则 U , V 独立同服从标准正态分布.
定理4 随机变量 X 服从Cauchy 分布 CA (∀, ∃) 的充分必要条件为
X = ∀+ ∃ X 1
X 2
其中X 1, X 2独立同服从标准正态分布 N ( 0, 1) .
证明 设 X 1, X 2独立同分布于N ( 0, 1) , 则 Y = X 1
X 2
~CA ( 0, 1) ,其中CA ( 0, 1) 为标准
的Cauchy 分布. 且 CA ( ∀, ∃) = ∀+ ∃CA ( 0, 1) , 故X = ∀+ ∃ X 1
X 2
.
定理5 随机变量 U服从Beta 分布 Beta( �1 , �2) 的充分必要条件为
U =
X
X + Y
,
其中X ~ (�, �1) , Y ~ (�, �2) 且相互独立.
证明 令 U = X
X + Y
, V = X + Y , 经过随机变量函数变换, 不难得到: U~ Beta(�1 ,
�2) , V ~ ( �, �1 + �2 ) .
由定理5不难得到如下结论(参见[ 1] P18) :
推论3 随机变量 X 服从Beta 分布 Beta( n, m) 的充分必要条件为
X =
∑2n
i= 1
X
2
i
∑2n+ 2m
i= 1
X
2
i
其中X 1, X 2, ⋯, X 2n, X 2n+ 1 ,⋯, X 2n+ 2m 独立同服从标准正态分布 N ( 0, 1) .
定理6 随机变量 X 服从Laplace分布 L A (∀, ∃) ( ∃ > 0) 的充分必要条件为
2
�X - ∀�∃ = X 21 + X 22
其中X 1, X 2独立同服从标准正态分布 N ( 0, 1) .
证明 若 X ~L A ( ∀, ∃) ,则 X - ∀~ L A ( 0, ∃) ,且 �X - ∀� ~ Exp( ∃- 1) ( [ 1] P18)结
2215 期 宗序平, 等:常见连续型统计分布的一点注记
合定理2的结论易得 X 1 , X 2独立同分布于 N ( 0, 1) 时, 2 �X - ∀�∃ = X 21 + X 22 .
定理7 随机变量 X 服从对数正态分布 LN (∀, ∃2) 的充分必要条件为
log X = ∀+ ∃Y ,
其中Y ~ N ( 0, 1) .
证明 由对数正态分布的性质: X ~LN (∀, ∃2 ) ,有 log X ~N (∀, ∃2 ) ,则( log X - ∀) / ∃
~ N ( 0, 1) , 若 Y ~ N ( 0, 1) ,则 log X = ∀ + ∃Y .
定理8 随机变量 X 服从Pareto 分布 PR( �, %) (�> 0, %> 0) 的充分必要条件为
2� log X% = X 21 + X 22
其中X 1, X 2独立同服从标准正态分布 N ( 0, 1) .
证明 随机变量 X 服从Par eto 分布 PR (�, %) , 其概率密度函数为
f ( x ; �, %) = �%�x - ( �+ 1) I x > %,
则 log X ~ Exp(�, log %) ( [ 1] P19) ,结合定理2的结论可得: 2� log X% = X 21 + X 22.
定理9 随机变量 X 服从Weibull分布 W ( �, �) ( �> 0, �> 0) 的充分必要条件为
2�X �= X 21 + X 22
其中X 1, X 2独立同服从标准正态分布 N ( 0, 1) .
证明 若 X ~W (�, �) (�> 0, �> 0) , 其密度函数为:
f ( x ) = �e- �x��x �- 1I ( x > 0) ,
则 Y = X �~ Exp(�) , X 1, X 2独立同分布于 N ( 0, 1) 时,结合定理2的结论可得: 2�X �= X 21
+ X 22 .
定理10 随机变量 X 服从极值分布 EV ( �, �) ( �> 0) 的充分必要条件为
2�e- �X = X 21 + X 22
其中X 1, X 2独立同服从标准正态分布 N ( 0, 1) .
证明 X ~ EV (�, �) (�> 0) , 其密度函数为:
f ( x ) = ��exp{ - �e- �x - �x } ,
则 Y = e- X ~ W (�, �) , X 1, X 2独立同服从标准正态分布 N ( 0, 1) 时,由定理9的结论可得:
2�( e- X ) �= X 21 + X 22 ,即 2�e- �X = X 21 + X 22.
下面讨论一下Log ist ic分布,这是重要的统计分布之一, 其定义如下:
设随机变量 X 的密度函数为
f X ( x ) =
1∃
exp -
x - ∀∃
1 + exp -
x - ∀∃
2 ,
则称X 服从参数为∀, ∃的Log ist ic分布,记作X ~Logistic(∀, ∃) , 标准的Log ist ic分布记为
Logistic( 0, 1) .
定理11 随机变量 X ~ Logistic( 0, 1) 的充分必要条件为:
2 log ( 1 + e
- X
) = X
2
1 + X
2
2,
其中X 1, X 2独立同服从标准正态分布 N ( 0, 1) .
222 数 学 的 实 践 与 认 识 39 卷
证明 容易证明: U = 2 log ( 1 + e- X ) ~Exp( 1/ 2) = ( 1/ 2, 1) , 结合定理2即证得结
论.
推论4 随机变量 X 服从 Log ist ic(∀, ∃) 的充分必要条件为
X = ∀ - ∃ lo g exp 1
2
( X 21 + X 22) - 1 ,
其中X 1, X 2独立同服从标准正态分布 N ( 0, 1) .
再来讨论一下著名的瑞利( Rayleigh)分布,它在信号和噪声理论中很重要.
设随机变量 X 的密度函数为
f X ( x ) =
x - ∀∃2 exp - 12∃2 ( x - ∀) 2 I ( x > ∀) ,
则称 X 服从参数为 ∀, ∃的瑞利( Rayleigh)分布,记作 X ~ Ray (∀, ∃) , 标准的瑞利分布记为
Ray ( 0, 1) , 经过简单的计算,容易得到如下结论.
定理12 随机变量 U服从 Ray( 0, 1) 的充分必要条件为: U = X 21 + X 22 ; 其中 X 1 , X 2
独立同服从标准正态分布 N ( 0, 1) .
推论5 随机变量U~Ray (∀, ∃) 的充分必要条件为: U = ∀+ ∃ X 21 + X 22 ; 其中X 1 ,
X 2独立同服从标准正态分布 N ( 0, 1) .
最后讨论一下Maxw el l分布,它是统计物理中的重要分布,其定义如下:设随机变量 X
的密度函数为
f X ( x ) = 2# � ( x - ∀)
2
∃3 exp - ( x - ∀)
2
2∃2 ,
则称 X 服从参数为 ∀, ∃的Maxw ell分布, 记作 X ~Maxw ell(∀, ∃) , 标准的Maxw ell分布记
为Maxw ell( 0, 1) .容易证明如下定理.
定理13 随机变量 X ~ Maxw ell( 0, 1) 的充分必要条件为:
X = X 21 + X 22 + X 23 ,
其中X 1, X 2, X 3独立同服从标准正态分布 N ( 0, 1) .
推论6 随机变量 X 服从 Maxw ell(∀, ∃) 的充分必要条件为
X = ∀ + ∃ X 21 + X 22 + X 23 ,
其中X 1, X 2, X 3独立同服从标准正态分布 N ( 0, 1) .
以上两个定理的证明可参见[ 3] ,另外,统计中三大抽样分布: !2分布、F 分布和 t分布,
它们的统计量本身就是以标准正态变量为基石构造的,在此不再赘述,参考[ 4] P269.
以上定理表明: 分布、指数分布、均匀分布、Cauchy 分布、Beta分布、Laplace 分布、对
数正态分布、Pareto 分布、Weibull分布、极值分布、Logist ic 分布、Ray leigh分布和Maxw el l
分布均可表示为标准正态分布的函数, 说明它们之间存在着密切的关系.除此之外,也可以
讨论任意两个分布之间的关系,臂如均匀分布与指数分布之间有下列关系:随机变量 X ~
U ( 0, 1) 的充分必要条件是: Y = - 1�log X ~ Exp( �) . 在此不再一一赘述.
参考文献:
[ 1] 韦博成.参数统计教程[ M ] .北京:高等教育出版社, 2006.
2235 期 宗序平, 等:常见连续型统计分布的一点注记
[ 2] 宗序平.概率论与数理统计[ M ] .北京:机械工业出版社, 2006.
[ 3] 李贤平,沈崇圣,陈子毅.概率论与数利统计[ M ] .上海:复旦大学出版社, 2003. 141-162.
[ 4] 茆诗松,程依明,濮晓龙.概率论与数理统计教程[ M ] .北京:高等教育出版社, 2004.
A Note on the Commonly-used Continuous Distribution
ZONG Xu-ping , WANG Lei
( School o f Mathematics, Yazhou Univ ersity, Yang zhou 225002, China)
Abstract: Normal dist ribution is one o f the m ost impor tant distributions in P robability and
Mathemat ical Stat istics. T his paper discusses the relationship betw een t he commonly-used
continuous dist ributions and the st andard normal distr ibution. Our results illust rat e t ha t the
commonly-used probability distr ibutions ar e the functions of normal dist ribution.
Keywords: st atistical distr ibut ion; st andard normal distr ibution; continuous random va riables
224 数 学 的 实 践 与 认 识 39 卷