欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

用Python学分析 - t分布

程序员文章站 2022-12-28 08:02:31
1. t分布形状类似于标准正态分布2. t分布是对称分布,较正态分布离散度强,密度曲线较标准正态分布密度曲线更扁平3. 对于大型样本,t-值与z-值之间的差别很小 作用- t分布纠正了未知的真实标准差的不确定性- t分布明确解释了估计总体方差时样本容量的影响,是适合任何样本容量都可以使用的合适分布 ......

1. t分布形状类似于标准正态分布
2.  t分布是对称分布,较正态分布离散度强,密度曲线较标准正态分布密度曲线更扁平
3.  对于大型样本,t-值与z-值之间的差别很小

作用
- t分布纠正了未知的真实标准差的不确定性
- t分布明确解释了估计总体方差时样本容量的影响,是适合任何样本容量都可以使用的合适分布

应用
- 根据小样本来估计呈正态分布且方差未知的总体的均值
- 对于任何一种样本容量,真正的平均值抽样分布是t分布,因此,当存在疑问时,应使用t分布

样本容量对分布的影响
- 当样本容量在 30-35之间时,t分布与标准正态分布难以区分
- 当样本容量达到120时,t分布与标准正态分布实际上完全相同了

*度df对分布的影响
- 样本方差使用一个估计的参数(平均值),所以计算置信区间时使用的t分布的*度为 n - 1
- 由于引入额外的参数(*度df),t分布比标准正态分布的方差更大(置信区间更宽)
  - 与标准正态分布曲线相比,*度df越小,t分布曲线愈平坦,曲线中间愈低,曲线双侧尾部翘得愈高
  - *度df愈大,t分布曲线愈接近正态分布曲线,当*度df= ∞ 时,t分布曲线为标准正态分布曲线

图表显示t分布

代码:

用Python学分析 - t分布
 1 # 不同*度的学生t分布与标准正态分布
 2 import numpy as np
 3 from scipy.stats import norm
 4 from scipy.stats import t
 5 import matplotlib.pyplot as plt
 6 
 7 print('比较t-分布与标准正态分布')
 8 x = np.linspace( -3, 3, 100)
 9 plt.plot(x, t.pdf(x,1), label='df=1')
10 plt.plot(x, t.pdf(x,2), label='df=20')
11 plt.plot(x, t.pdf(x,100), label = 'df=100')
12 plt.plot( x[::5], norm.pdf(x[::5]),'kx', label='normal')
13 plt.legend()
14 plt.show()
view code

运行结果:

用Python学分析 - t分布