机器学习小组知识点22:学生t分布(Student t's Distribution)
2016-12-03 22:37
609 查看
由来
假设 X是呈正态分布的独立的随机变量(随机变量的期望值是 μ,方差是 σ2但未知)。 令:X¯¯¯n=(X1+⋯+Xn)n
为样本均值。
Sn2=1n−1∑i=1n(Xi−X¯¯¯n)2
为样本方差。
它显示了数量
Z=X¯¯¯n−μσ/n√
呈正态分布并且均值和方差分别为0和1。
另一个相关数量
T=X¯¯¯n−μSn/n√
。 T的分布称为t-分布。
标准格式
假设X服从标准正态分布,Y服从卡方分布,自由度为n,并且X和Y是相互独立的,那么以下T为学生t分布。T=XYn−−√
性质
t分布以0为中心,左右对称的单峰分布;t分布是一簇曲线,其形态变化与n(确切地说与自由度ν)大小有关。自由度ν越小,t分布曲线越低平;自由度ν越大,t分布曲线越接近标准正态分布曲线。相关文章推荐
- 机器学习小组知识点23:F分布(F Distribution)-R语言代码
- 机器学习小组知识点39:广义线性模型(Generalized Linear Model)
- 机器学习小组知识点3:最小二乘法(LSM)
- 机器学习小组知识点19:贝塔分布(Beta Distribution)
- 机器学习小组知识点38:谱聚类(Spectral-KMeans)
- 机器学习小组知识点29:离线等可能K采样(Offline Sampling)
- 机器学习小组知识点14:均匀分布(Uniform Distribution)
- 机器学习小组知识点4&5:批量梯度下降法(BGD)和随机梯度下降法(SGD)的代码实现Matlab版
- 机器学习小组知识点24:数据预处理之数据清理(Data-Cleaning)
- 机器学习小组知识点6:最大似然估计法(MLE)
- 机器学习小组知识点8:二项式分布(Binomial distribution)
- 机器学习小组知识点32:马尔科夫蒙特卡罗采样算法1:(Metropolis-Hasting )
- 机器学习小组知识点33:马尔科夫蒙特卡罗采样算法2:(Gibbs )
- 机器学习小组知识点11:几何分布(Geometric Distribution )
- 机器学习小组知识点30:接受-拒绝采样(Acceptance-Rejection Sampling)
- 机器学习小组知识点34:K-means聚类
- 机器学习小组知识点40:岭回归(L2)和LASSO(L1)
- 机器学习小组知识点4:批量梯度下降法(BGD)
- 机器学习小组知识点31:重要性采样(Importance Sampling )
- 机器学习小组知识点12:超几何分布(Hyper-Geometric Distribution)