(n-1)*样本方差/σ^2 服从自由度为 n-1 的卡方分布的证明

X_{i} ~ N(\mu , \sigma ^2)i \in [1, n],是容量为 n 的正态随机样本,样本方差S^2 = \frac{\sum_{i=1}^n (X_{i} - \bar{X} )^2}{n-1} ,证明:\frac{(n-1)S^2}{\sigma ^2 }  ~ \chi ^2(n-1) ,即服从自由度为 n-1 的卡方分布。证明如下:

    在证明命题之前,我们先证明一个结论:(1). 设 n 个相互独立的标准正态随机变量Z_{i}经过正交变换后为Y_{i},则Y_{i}依然是相互独立的标准正态随机变量,且\sum_{i=1}^nY_{i} ^2= \sum_{i=1}^nZ_{i}^2


    首先证明结论(1)的第一部分:设随机向量Z = \left\{ Z_{i} | i \in [1, n] \right\} Z_{i}是标准正态随机变量。矩阵 A 是 n 阶正交矩阵,a_{i,j}是 A 的元素。随机向量 Y = \left\{ Y_{i} | i \in [1, n] \right\}  = AZ,则Y_{i} = \sum_{j=1}^na_{i,j}Z_{j},即Y_{i} 是 n 个正态随机变量的线性组合,且 E(Y_{i}) = \sum_{j=1}^na_{i,j}E(Z_{j}) = 0D(Y_{i}) =  \sum_{j=1}^na_{i,j}D(Z_{j}) = \sum_{j=1}^na_{i,j}^2 = 1,故Y_{i}是标准正态随机变量。


    然后证明结论(1)的第二部分:Y_{i}是相互独立的。协方差 Cov(Z_{i}, Z_{j})  = \begin{cases}    0  & , i \neq j\\    1  & , i = j\end{cases},则 协方差 Cov(Y_{i}, Y_{k}) = Cov(\sum_{j=1}^na_{i,j}Z_{j}, \sum_{l=1}^na_{k,l}Z_{l}) =\sum_{j=1}^n\sum_{l=1}^na_{i,j}a_{k,l}Cov(Z_{j}, Z_{l})=\sum_{j=1}^na_{i,j}a_{k,j} =\begin{cases}    0  & , i \neq k\\    1  & , i = k\end{cases},即Y_{i}是两两不相关的,因为Y_{i}是正态随机变量,故Y_{i}是相互独立的。


    最后证明结论(1)的第三部分:\sum_{i=1}^nY_{i} ^2 = Y^TY = Z^TA^TAZ =Z^TZ = \sum_{i=1}^nZ_{i}^2。至此,结论(1)证明完毕。


    现在我们使用结论(1)来证明命题。设矩阵 A 是 n 阶正交矩阵,a_{i,j}是 A 的元素,其中 a_{1,j}= \frac{1}{\sqrt{n} } ;随机向量 Z = \left\{ Z_{i} | i \in [1, n] \right\} ,其中Z_{i} = \frac{X_{i}-\mu }{\sigma } ,即Z_{i}是标准正态随机变量且相互独立,则\bar{Z} =  \frac{\bar{X}-\mu }{\sigma } ;随机向量 Y = \left\{ Y_{i} | i \in [1, n] \right\}  = AZ,即 Y 是 Z 经过正交变换 A 后得到的随机向量,其中 Y_{1} = \sqrt{n} \bar{Z} ;那么:

\frac{(n-1)S^2}{\sigma ^2 }  = \sum_{i=1}^n\frac{(X_{i}-\bar{X})^2}{\sigma^2}  = \sum_{i=1}^n(Z_{i} - \bar{Z})^2 =\sum_{i=1}^nZ_{i}^2 - n\bar{Z}^2 = \sum_{i=1}^nY_{i}^2 - Y_{1}^2 = \sum_{i=2}^nY_{i}^2。因为Y_{i}是相互独立的标准正态随机变量,故\frac{(n-1)S^2}{\sigma ^2 } 服从自由度为 n-1 的卡方分布。

    命题证毕。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,362评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,330评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,247评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,560评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,580评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,569评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,929评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,587评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,840评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,596评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,678评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,366评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,945评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,929评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,165评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,271评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,403评论 2 342

推荐阅读更多精彩内容