卡方分布标准表格.doc
文地址 x2分布界表（卡方分布）
P
n＇
0.995 0.99 0.975 0.95 0.9 0.75 0.5 0.25 0.1 0.05 0.025 0.01 0.005
1 ????0.0
2 0.1 0.45 1.32 2.71 3.84 5.02 6.6
3 7.88
2 0.01 0.02 0.02 0.1 0.21 0.58 1.39 2.77 4.61 5.99 7.38 9.21 10.6
3 0.07 0.11 0.22 0.35 0.58 1.21 2.37 4.11 6.25 7.81 9.35 11.3
4 12.84
4 0.21 0.3 0.48 0.71 1.06 1.92 3.36 5.39 7.78 9.49 11.14 13.28 14.86
5 0.41 0.55 0.83 1.15 1.61 2.67 4.35 6.63 9.24 11.07 12.83 15.09 16.75
6 0.68 0.8
7 1.24 1.64 2.2 3.45 5.35 7.84 10.64 12.59 14.45 16.81 18.55
7 0.99 1.24 1.69 2.17 2.83 4.25 6.35 9.04 12.02 14.07 16.01 18.48 20.28
8 1.34 1.65 2.18 2.73 3.4 5.07 7.34 10.22 13.36 15.51 17.53 20.09 21.96
9 1.73 2.09 2.7 3.33 4.17 5.9 8.34 11.39 14.68 16.92 19.02 21.67 23.59
10 2.16 2.56 3.25 3.94 4.87 6.74 9.34 12.55 15.99 18.31 20.48 23.21 25.19
11 2.6 3.05 3.82 4.57 5.58 7.58 10.34 13.7 17.28 19.68 21.92 24.72 26.76
12 3.07 3.57 4.4 5.23 6.3 8.44 11.34 14.85 18.55 21.03 23.34 26.22 28.3
13 3.57 4.11 5.01 5.89 7.04 9.3 12.34 15.98 19.81 22.36 24.74 27.69 29.82
14 4.07 4.66 5.63 6.57 7.79 10.17 13.34 17.12 21.06 23.68 26.12 29.14 31.32
15 4.6 5.23 6.27 7.26 8.55 11.04 14.34 18.25 22.31 25 27.49 30.58 32.8
16 5.14 5.81 6.91 7.96 9.31 11.91 15.34 19.37 23.54 26.3 28.85 32 34.27
17 5.7 6.41 7.56 8.67 10.09 12.79 16.34 20.49 24.77 27.59 30.19 33.41 35.72
18 6.26 7.01 8.23 9.39 10.86 13.68 17.34 21.6 25.99 28.87 31.53 34.81 37.16
19 6.84 7.63 8.91 10.12 11.65 14.56 18.34 22.72 27.2 30.14 32.85 36.19 38.58
20 7.43 8.26 9.59 10.85 12.44 15.45 19.34 23.83 28.41 31.41 34.17 37.57 40
21 8.03 8.9 10.28 11.59 13.24 16.34 20.34 24.93 29.62 32.67 35.48 38.93 41.4
22 8.64 9.54 10.98 12.34 14.04 17.24 21.34 26.04 30.81 33.92 36.78 40.29 42.8
23 9.26 10.2 11.69 13.09 14.85 18.14 22.34 27.14 32.01 35.17 38.08 41.64 44.18
24 9.89 10.86 12.4 13.85 15.66 19.04 23.34 28.24 33.2 36.42 39.36 42.98 45.56
25 10.52 11.52 13.12 14.61 16.47 19.94 24.34 29.34 34.38 37.65 40.65 44.31 46.93
26 11.16 12.2 13.84 15.38 17.29 20.84 25.34 30.43 35.56 38.89 41.92 45.64 48.29
27 11.81 12.88 14.57 16.15 18.11 21.75 26.34 31.53 36.74 40.11 43.19 46.96 49.64
28 12.46 13.56 15.31 16.93 18.94 22.66 27.34 32.62 37.92 41.34 44.46 48.28 50.99
29 13.12 14.26 16.05 17.71 19.77 23.57 28.34 33.71 39.09 42.56 45.72 49.59 52.34
30 13.79 14.95 16.79 18.49 20.6 24.48 29.34 34.8 40.26 43.77 46.98 50.89 53.67
40 20.71 22.16 24.43 26.51 29.05 33.66 39.34 45.62 51.8 55.76 59.34 63.69 66.77 50 27.99 29.71 32.36 34.76 37.69 42.94 49.33 56.33 63.17 67.5 71.42 76.15 79.49 60 35.53 37.48 40.48 43.19 46.46 52.29 59.33 66.98 74.4 79.08 83.3 88.38 91.95 70 43.28 45.44 48.76 51.74 55.33 61.7 69.33 77.58 85.53 90.53 95.02 100.42 104.22 80 51.17 53.54 57.15 60.39 64.28 71.14 79.33 88.13 96.58 101.88 106.63 112.33 116.32 90 59.2 61.75 65.65 69.13 73.29 80.62 89.33 98.64 107.56 113.14 118.14 124.12 128.3 100 67.33 70.06 74.22 77.93 82.36 90.13 99.33 109.14 118.5 124.34 129.56 135.81 140.17
t 检验（ t-test）临界值表（临界置信水平）??
P(2): 0.5 0.2 0.1 0.05 0.02 0.01 0.005 0.002 0.001 n’
P(1): 0.25 0.1 0.05 0.025 0.01 0.005 0.0025 0.001 0.0005 1 1 3.078 6.314 12.706 31.821 63.657 127.321 318.309 636.619
20.816 1.886 2.92 4.303 6.9659.92514.08922.32731.599 30.765 1.638 2.353 3.182 4.541 5.8417.45310.21512.924 40.741 1.533 2.132 2.776 3.747 4.604 5.5987.1738.61 50.727 1.476 2.015 2.571 3.365 4.032 4.773 5.893 6.869 60.718 1.44 1.943 2.447 3.143 3.707 4.317 5.208 5.959 70.711 1.415 1.895 2.365 2.998 3.499 4.029 4.785 5.408 80.706 1.397 1.86 2.306 2.896 3.355 3.833 4.501 5.041 90.703 1.383 1.833 2.262 2.821 3.25 3.69 4.297 4.781 100.7 1.372 1.812 2.228 2.764 3.169 3.581 4.144 4.587 110.697 1.363 1.796 2.201 2.718 3.106 3.497 4.025 4.437 120.695 1.356 1.782 2.179 2.681 3.055 3.428 3.93 4.318
130.694 1.35 1.771 2.16 2.65 3.012 3.372 3.852 4.221 140.692 1.345 1.761 2.145 2.624 2.977 3.326 3.787 4.14 150.691 1.341 1.753 2.131 2.602 2.947 3.286 3.733 4.073 160.69 1.337 1.746 2.12 2.583 2.921 3.252 3.686 4.015 170.689 1.333 1.74 2.11 2.567 2.898 3.222 3.646 3.965 180.688 1.33 1.734 2.101 2.552 2.878 3.197 3.61 3.922 190.688 1.328 1.729 2.093 2.539 2.861 3.174 3.579 3.883 200.687 1.325 1.725 2.086 2.528 2.845 3.153 3.552 3.85 210.686 1.323 1.721 2.08 2.518 2.831 3.135 3.527 3.819 220.686 1.321 1.717 2.074 2.508 2.819 3.119 3.505 3.792 230.685 1.319 1.714 2.069 2.5 2.807 3.104 3.485 3.768
240.685 1.318 1.711 2.064 2.492 2.797 3.091 3.467 3.745 250.684 1.316 1.708 2.06 2.485 2.787 3.078 3.45 3.725 260.684 1.315 1.706 2.056 2.479 2.779 3.067 3.435 3.707 270.684 1.314 1.703 2.052 2.473 2.771 3.057 3.421 3.69 280.683 1.313 1.701 2.048 2.467 2.763 3.047 3.408 3.674 290.683 1.311 1.699 2.045 2.462 2.756 3.038 3.396 3.659 300.683 1.31 1.697 2.042 2.457 2.75 3.03 3.385 3.646 310.682 1.309 1.696 2.04 2.453 2.744 3.022 3.375 3.633 320.682 1.309 1.694 2.037 2.449 2.738 3.015 3.365 3.622 330.682 1.308 1.692 2.035 2.445 2.733 3.008 3.356 3.611 340.682 1.307 1.091 2.032 2.441 2.728 3.002 3.348 3.601
350.682 1.306 1.69 2.03 2.438 2.724 2.996 3.34 3.591 360.681 1.306 1.688 2.028 2.434 2.719 2.99 3.333 3.582 370.681 1.305 1.687 2.026 2.431 2.715 2.985 3.326 3.574 380.681 1.304 1.686 2.024 2.429 2.712 2.98 3.319 3.566 390.681 1.304 1.685 2.023 2.426 2.708 2.976 3.313 3.558 400.681 1.303 1.684 2.021 2.423 2.704 2.971 3.307 3.551 500.679 1.299 1.676 2.009 2.403 2.678 2.937 3.261 3.496 600.679 1.296 1.6712 2.39 2.66 2.915 3.232 3.46 700.678 1.294 1.667 1.994 2.381 2.648 2.899 3.211 3.436 800.678 1.292 1.664 1.99 2.374 2.639 2.887 3.195 3.416 900.677 1.291 1.662 1.987 2.368 2.632 2.878 3.183 3.402
1000.677 1.29 1.66 1.984 2.364 2.626 2.871 3.174 3.39 2000.676 1.286 1.653 1.972 2.345 2.601 2.839 3.131 3.34 5000.675 1.283 1.648 1.965 2.334 2.586 2.82 3.107 3.31 10000.675 1.282 1.646 1.962 2.33 2.581 2.813 3.098 3.3 ∝0.6745 1.2816 1.6449 1.96 2.3263 2.5758 2.807 3.0902
. 本表中 , 如果显着性水平 a=0.05, 则 1-a/2=0.975, 到表中找 0.975, 可以看到表的行和列
值是 1.96, 即为 Z 在 0.05 显着性水平上的临界值 .
χ2分布临界值表
2χ分布临界值表 ()(){}2P n n αχχα=2 1-> n 0.995 0.99 0.975 0.95 0.90 0.75 0.25 0.10 0.05 0.025 0.01 0.005 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 38 40 41 42 43 44 45 __ 0.010 0.072 0.207 0.412 0.676 0.989 1.344 1.735 2.156 2.603 3.074 3.565 4.075 4.601 5.142 5.697 6.265 6.844 7.434 8.034 8.643 9.260 9.886 10.520 11.160 11.808 12.461 13.121 13.787 14.458 15.134 15.815 16.501 17.192 17.887 18.586 19.289 19.996 20.707 21.421 22.138 22.859 23.584 24.311 __ 0.020 0.115 0.297 0.554 0.872 1.239 1.646 2.088 2.558 3.053 3.571 4.107 4.660 5.229 5.812 6.408 7.015 7.633 8.260 8.897 9.542 10.196 10.856 11.524 12.198 12.879 13.565 14.257 14.954 15.655 16.362 17.074 17.789 18.509 19.233 19.960 20.691 21.426 22.164 22.906 23.650 24.398 25.148 25.901 0.001 0.051 0.216 0.484 0.831 1.237 1.690 2.180 2.700 3.247 3.816 4.404 5.009 5.629 6.262 6.908 7.564 8.231 8.907 9.591 10.283 10.982 11.689 12.401 13.120 13.844 14.573 15.308 16.047 16.791 17.539 18.291 19.047 19.806 20.569 21.336 22.106 22.878 23.654 24.433 25.215 25.999 26.785 27.575 28.366 0.004 0.103 0.352 0.711 1.145 1.635 2.167 2.733 3.325 3.940 4.575 5.226 5.892 6.571 7.261 7.962 8.672 9.390 10.117 10.851 11.591 12.338 13.091 13.848 14.611 15.379 16.151 16.928 17.708 18.493 19.281 20.072 20.867 21.664 22.465 23.269 24.075 24.884 25.695 26.509 27.326 28.144 28.965 29.987 30.612 0.016 0.211 0.584 1.064 1.610 2.204 2.833 3.490 4.168 4.865 5.578 6.304 7.042 7.790 8.547 9.312 10.085 10.865 11.651 12.443 13.240 14.042 14.848 15.659 16.473 17.292 18.114 18.939 19.768 20.599 21.434 22.271 23..100 23.952 24.797 25.643 26.492 27.343 28.196 29.051 29.907 30.765 31.625 32.487 33.350 0.102 0.575 1.213 1.923 2.675 3.455 4.255 5.071 5.899 6.737 7.584 8.438 9.299 10.165 11.037 11.912 12.792 13.675 14.562 15.452 16.344 17.240 18.137 19.037 19.939 20.843 21.749 22.657 23.567 24.478 25.390 26.304 27.219 28.136 29.054 29.973 30.893 31.815 32.737 33.660 34.585 35.510 36.436 37.363 38.291 1.323 2.773 4.108 5.385 6.626 7.841 9.037 10.219 11.389 12.549 1 3.701 1 4.845 1 5.984 17.117 18.245 19.369 20.489 21.605 22.718 23.828 24.935 2 6.039 2 7.141 2 8.241 2 9.339 30.435 31.528 32.620 33.711 34.800 35.887 36.973 38.058 39.141 40.223 41.304 42.383 43.462 44.539 45.616 46.692 47.766 48.840 49.913 50.985 2.706 4.605 6.251 7.779 9.236 10.645 12.017 1 3.362 1 4.684 1 5.987 17275 18.549 19.812 21.064 22.307 23.542 24.769 25.989 27.204 28.412 29.615 30.813 32.007 33.196 34.382 35.563 3 6.741 3 7.916 39.087 40.256 41.422 42.585 43.745 44.903 46.059 47.212 4 8.363 4 9.513 50.660 51.805 52.949 54.090 55.230 56.369 57.505 3.841 5.991 7.815 9.488 11.071 12.592 1 4.067 1 5.507 1 6.919 18.307 19.675 21.026 22.362 23.685 24.966 26.296 2 7.587 2 8.869 30.144 31.410 32.671 33.924 35.172 36.415 37.652 38.885 40.113 41.337 42.557 43.773 44.985 46.194 47.400 48.602 4 9.802 50.998 52.192 53.384 54.572 55.758 56.942 58.124 59.304 60.481 61.656 5.024 7.378 9.348 11.143 12.833 14.449 1 6.013 1 7.535 19.023 20.483 21.920 23.337 24.736 16.119 27.488 2 8.845 30.191 31.526 32.852 34.170 35.479 36.781 38.076 3 9.364 40.646 41.923 43.194 44.461 45.722 46.979 48.232 49.480 50.725 51.966 53.203 54.437 55.668 56.896 58.120 59.342 60.561 61.777 62.990 64.201 65.410 6.635 9.210 11.345 13.277 15.086 16.812 18.475 20.090 21.666 23.209 24.725 26.217 2 7.688 29.141 30.578 32.000 33.409 34.805 36.191 37.566 3 8.932 40.289 41.638 42.980 44.314 45.642 46.963 48.278 4 9.588 50.892 52.191 53.486 54.776 56.061 57.342 58.619 59.892 61.162 62.428 63.691 64.950 66.206 67.459 68.710 69.957 7.879 10.597 12.838 14.860 16.750 18.548 20.278 21.955 23.589 25.188 26.757 28.299 29.819 31.319 32.801 34.267 35.718 37.156 38.582 39.997 41.401 42.796 44.181 45.559 46.928 48.290 49.645 50.993 52.336 53.672 55.003 56.328 57.648 58.964 60.275 61.581 62.883 64.181 65.476 66.766 68.053 69.336 70.616 71.893 73.166
卡方分布表
WORD格式 x 2 分布临界值表（卡方分布） P n＇ 0.995 0.99 0.975 0.95 0.9 0.75 0.5 0.25 0.1 0.05 0.025 0.01 0.005 1 ????0.0 2 0.1 0.45 1.32 2.71 3.84 5.02 6.6 3 7.88 2 0.01 0.02 0.02 0.1 0.21 0.58 1.39 2.77 4.61 5.99 7.38 9.21 10.6 3 0.07 0.11 0.22 0.35 0.58 1.21 2.37 4.11 6.25 7.81 9.35 11.3 4 12.84 4 0.21 0.3 0.48 0.71 1.06 1.92 3.36 5.39 7.78 9.49 11.14 13.28 14.86 5 0.41 0.55 0.83 1.15 1.61 2.67 4.35 6.63 9.24 11.07 12.83 15.09 16.75 6 0.68 0.8 7 1.24 1.64 2.2 3.45 5.35 7.84 10.64 12.59 14.45 16.81 18.55 7 0.99 1.24 1.69 2.17 2.83 4.25 6.35 9.04 12.02 14.07 16.01 18.48 20.28 8 1.34 1.65 2.18 2.73 3.4 5.07 7.34 10.22 13.36 15.51 17.53 20.09 21.96 9 1.73 2.09 2.7 3.33 4.17 5.9 8.34 11.39 14.68 16.92 19.02 21.67 23.59 10 2.16 2.56 3.25 3.94 4.87 6.74 9.34 12.55 15.99 18.31 20.48 23.21 25.19 11 2.6 3.05 3.82 4.57 5.58 7.58 10.34 13.7 17.28 19.68 21.92 24.72 26.76 12 3.07 3.57 4.4 5.23 6.3 8.44 11.34 14.85 18.55 21.03 23.34 26.22 28.3 13 3.57 4.11 5.01 5.89 7.04 9.3 12.34 15.98 19.81 22.36 24.74 27.69 29.82 14 4.07 4.66 5.63 6.57 7.79 10.17 13.34 17.12 21.06 23.68 26.12 29.14 31.32 15 4.6 5.23 6.27 7.26 8.55 11.04 14.34 18.25 22.31 25 27.49 30.58 32.8 16 5.14 5.81 6.91 7.96 9.31 11.91 15.34 19.37 23.54 26.3 28.85 32 34.27 17 5.7 6.41 7.56 8.67 10.09 12.79 16.34 20.49 24.77 27.59 30.19 33.41 35.72 18 6.26 7.01 8.23 9.39 10.86 13.68 17.34 21.6 25.99 28.87 31.53 34.81 37.16 19 6.84 7.63 8.91 10.12 11.65 14.56 18.34 22.72 27.2 30.14 32.85 36.19 38.58 20 7.43 8.26 9.59 10.85 12.44 15.45 19.34 23.83 28.41 31.41 34.17 37.57 40 21 8.03 8.9 10.28 11.59 13.24 16.34 20.34 24.93 29.62 32.67 35.48 38.93 41.4 22 8.64 9.54 10.98 12.34 14.04 17.24 21.34 26.04 30.81 33.92 36.78 40.29 42.8 23 9.26 10.2 11.69 13.09 14.85 18.14 22.34 27.14 32.01 35.17 38.08 41.64 44.18 24 9.89 10.86 12.4 13.85 15.66 19.04 23.34 28.24 33.2 36.42 39.36 42.98 45.56 25 10.52 11.52 13.12 14.61 16.47 19.94 24.34 29.34 34.38 37.65 40.65 44.31 46.93 26 11.16 12.2 13.84 15.38 17.29 20.84 25.34 30.43 35.56 38.89 41.92 45.64 48.29 27 11.81 12.88 14.57 16.15 18.11 21.75 26.34 31.53 36.74 40.11 43.19 46.96 49.64 28 12.46 13.56 15.31 16.93 18.94 22.66 27.34 32.62 37.92 41.34 44.46 48.28 50.99 29 13.12 14.26 16.05 17.71 19.77 23.57 28.34 33.71 39.09 42.56 45.72 49.59 52.34 30 13.79 14.95 16.79 18.49 20.6 24.48 29.34 34.8 40.26 43.77 46.98 50.89 53.67 40 20.71 22.16 24.43 26.51 29.05 33.66 39.34 45.62 51.8 55.76 59.34 63.69 66.77 50 27.99 29.71 32.36 34.76 37.69 42.94 49.33 56.33 63.17 67.5 71.42 76.15 79.49 60 35.53 37.48 40.48 43.19 46.46 52.29 59.33 66.98 74.4 79.08 83.3 88.38 91.95 70 43.28 45.44 48.76 51.74 55.33 61.7 69.33 77.58 85.53 90.53 95.02 100.42 104.22 80 51.17 53.54 57.15 60.39 64.28 71.14 79.33 88.13 96.58 101.88 106.63 112.33 116.32 90 59.2 61.75 65.65 69.13 73.29 80.62 89.33 98.64 107.56 113.14 118.14 124.12 128.3 100 67.33 70.06 74.22 77.93 82.36 90.13 99.33 109.14 118.5 124.34 129.56 135.81 140.17 专业资料
卡方分布概念及表和查表方法
若n个相互独立的随机变量ξ?，ξ?，...,ξn，均服从标准正态分布（也称独立同分布于标准正态分布），则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量，其分布规律称为卡方分布（chi-square distribution）。 目录 1简介 2定义 3性质 4概率表 简介 分布在数理统计中具有重要意义。分布是由阿贝(Abbe)于1863年首先提出的，后来由海尔墨特(Hermert)和现代统计学的奠基人之一的卡·皮尔逊(C K·Pearson)分别于1875年和1900年推导出来，是统计学中的一个非常有用的著名分布。 定义 若n个相互独立的随机变量ξ?、ξ?、……、ξn ，均服从标准正态分布（也称独立同分布于标准正态分布），则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量，其分布规律称为分布（chi-square distribution）， 卡方分布是由正态分布构造而成的一个新的分布，当自由度很大时，分布近似为正态分布。
对于任意正整数x，自由度为的卡方分布是一个随机变量X的机率分布。 性质 1) 分布在第一象限内，卡方值都是正值，呈正偏态（右偏态），随着参数 的增大，分布趋近于正态分布；卡方分布密度曲线下的面积都是1。 2) 分布的均值与方差可以看出，随着自由度的增大，分布向正无穷方向延伸（因为均值越来越大），分布曲线也越来越低阔（因为方差越来越大）。 3）不同的自由度决定不同的卡方分布，自由度越小，分布越偏斜。 4) 若互相独立，则：服从分布，自由度为 。 5) 分布的均数为自由度，记为 E( ) = 。 6) 分布的方差为2倍的自由度( )，记为 D( ) = 。 概率表 分布不象正态分布那样将所有正态分布的查表都转化为标准正态分布去查，在 分布中得对每个分布编制相应的概率值，这通过分布表中列出不同的自由度来表示， 查分布概率表时，按自由度及相应的概率去找到对应的值。如上图所示的单侧概率(7)=的查表方法就是，在第一列找到自由度7这一行，在第一行中找到概率这一列，行列的交叉处即是。 表中所给值直接只能查单侧概率值，可以变化一下来查双侧概率值。例如，要在自由度为7的卡方分布中，得到双侧概率为所对应的上下端点可以这样来考虑：双侧概率指的是在
卡方分布概念及表和查表方法
卡方分布概念及表和查表方法 若n个相互独立的随机变量ξ?，ξ?，...,ξn，均服从标准正态分布（也称独立同分布于标准正态分布），则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量，其分布规律称为卡方分布（chi-square distribution）。 中文名卡方分布外文名chi-square distribution 别称西格玛分布提出者Friedrich Robert Helmert 提出时间1863应用学科统计学 目录 1 简介 2 定义 3 性质 4 概率表 简介 分布在数理统计中具有重要意义。分布是由阿贝(Abbe)于1863年首先提出的，后来由海尔墨特(Hermert)和现代统计学的奠基人之一的卡·皮尔逊(C K·Pearson)分别于1875年和1900年推导出来，是统计学中的一个非常有用的著名分布。 定义 若n个相互独立的随机变量ξ?、ξ?、……、ξn ，均服从标准正态分布（也称独立同分布于标准正态分布），则这n个服从标准正态分布的随机变量的平方和
构成一新的随机变量，其分布规律称为分布（chi-square distribution）， 卡方分布 其中参数称为自由度，正如正态分布中均数或方差不同就是另一个正态分布一样，自由度不同就是另一个分布。记 为或者（其中，为限制条件数）。 卡方分布是由正态分布构造而成的一个新的分布，当自由 度很大时，分布近似为正态分布。 对于任意正整数x，自由度为的卡方分布是一个随机变量X的机率分布。 性质 1) 分布在第一象限内，卡方值都是正值，呈正偏态（右偏态），随着参数 的增大，分布趋近于正态分布；卡方分布密度曲线下的面积都是1。 2) 分布的均值与方差可以看出，随着自由度的增大，分布向正无穷方向延伸（因为均值越来越大），分布曲线也越来越低阔（因为方差越来越大）。 3）不同的自由度决定不同的卡方分布，自由度越小，分布越偏斜。 4) 若互相独立，则：服 从分布，自由度为 。 5) 分布的均数为自由度，记为 E( ) = 。
卡方分布及其它分布
卡方分布 一、 卡方分布的定义： 若n 个相互独立的随机变量ξ1，ξ2，…，ξn ，均服从标准正态分布（也称独立同分布于标准正态分布），则这n 个服从标准正态分布的随机变量的平方和∑ξi∧2构成一新的随机变量，其分布规律称为χ2(n)分布（chi-square distribution ），其中参数 n 称为自由度。 二、 卡方分布的性质：: 2 代入（1），第一条结论可得证。直接计算可得 . 36,1,,1,3244 n i EX n i EX 于是 ,1,,1, 213)()(2 24 2 n i EX EX X Var i i i .42)()(2 242 n n n EX EX X Var
代 入 （ 2 ） 便 证 明 了 第 二 条 结 论 。 三、 卡方分布的概率密度函数： 当0,1 212x e x x n n 11 11212cos sin 2cos sin sin cos n n n n n n r x r x r x 与这变换相应的函数行列式为：
1 -n 111,,,,,r r r r r r r r x x n n 其中括号和 都表示1,,1 n 的函数。因此。当z>0时， C P z z 0dr r -1-n 2 n 22 r 21 z n n 0 12 22 z n n d n 0 212 12 22 1 即，2 的密度函数为
，其他当00,221 21222z e z n x f z n n z 称这个密度函数所定的分布为自由度为n 的2 分布，记作2 ）（n 。它的图像 如下： 图（一）2 分布密度函数图 四、卡方分布的累积分布函数为： dx x f x F x k 2 dx e x n x n n 2 122 221 22,2k x k x F k ， 其中γ(k,z)为不完全Gamma 函数。其图像如下：
SPSS非参数检验之一卡方检验
SPSS 中非参数检验之一：总体分布的卡方（Chi-square ）检验 在得到一批样本数据后，人们往往希望从中得到样本所来自的总体的分布形态是否和某种特定分布相拟合。这可以通过绘制样本数据直方图的方法来进行粗略的判断。如果需要进行比较准确的判断，则需要使用非参数检验的方法。其中总体分布的卡方检验（也记为χ2检验）就是一种比较好的方法。 一、定义 总体分布的卡方检验适用于配合度检验，是根据样本数据的实际频数推断总 体分布与期望分布或理论分布是否有显著差异。它的零假设H0：样本来自的总体分布形态和期望分布或某一理论分布没有显著差异。 总体分布的卡方检验的原理是：如果从一个随机变量尤中随机抽取若干个观察样本，这些观察样本落在X 的k 个互不相交的子集中的观察频数服从一个多项分布，这个多项分布当k 趋于无穷时，就近似服从X 的总体分布。 因此，假设样本来自的总体服从某个期望分布或理论分布集的实际观察频数同时获得样本数据各子集的实际观察频数，并依据下面的公式计算统计量Q () 2 1 k i i i i O E Q E =-=∑ 其中，Oi 表示观察频数；Ei 表示期望频数或理论频数。可见Q 值越大，表示观察频数和理论频数越不接近；Q 值越小，说明观察频数和理论频数越接近。SPSS 将自动计算Q 统计量，由于Q 统计量服从K-1个自由度的X 平方分布，因此SPSS 将根据X 平方分布表给出Q 统计量所对应的相伴概率值。 如果相伴概率小于或等于用户的显著性水平，则应拒绝零假设H0，认为样本来自的总体分布形态与期望分布或理论分布存在显著差异；如果相伴概率值大
于显著性水平，则不能拒绝零假设HO，认为样本来自的总体分布形态与期望分布或理论分布不存在显著差异。
f分布t分布与卡方分布
P(z)= 请注意：t 分布的分布密度也是偶函数，且当 n>30 时，t § 1.4 常用的分布及其分位数 1.卡平方分布 卡平方分布、t 分布及F 分布都是由正态分布所导出的分 布，它们与正态分布一起，是试验统计中常用的分布。 当X 1、X 2、…、Xn 相互独立且都服从 N(0,1)时，ZH X ：的 i 分布称为自由度等于 n 的2分布，记作Z ?2(n),它的分 旳=石。?/ 2 分布是非对称分布'具有可加性'即当Y 与Z 相互独立，且 Y ? 2(n), Z ? 2(m)，贝U Y+Z ? 2 (n+m)。 证明：先令X i 、X 2、…、X n 、X n+1、X n+2、…、X n+m 相互独 立且都服从N(0,1),再根据 2分布的定义以及上述随机变量 的相互独立性，令 Y =X 2+X 2+…+X 2, z=x n 1 +X n 2+…+X n m ， 即可得到 Y+Z ? 2(n+m) 2. t 分布若X 与Y 相互独立，且 X ?N(0,1) , Y ?2 (n)，贝U Z = X 丫的分布称为自由度 等于n 的t 分布，记作Z ?t (n)，它的分布密度 布密度 式中的.=0 称为Gamma?数，且 ■ 1 =1, Y+Z= X +X ■+1 2 n P ( z 0 其他, n .n -(n )
分布与标准正态分布 N(0,1)的密度曲线几乎重叠为一。这 时，t 分布的分布函数值查 N(0,1)的分布函数值表便可以得 到。 3. F 分布若X 与Y 相互独立，且X ?2(n)，丫?2 (m), 则Z= X 丫的分布称为第一自由度等于 n 、第二自由度等于 n m m 的F 分布，记作 Z ?F (n, m),它的分布密度 n-i z2 - ,z 0 n m 2 2 0, 请注意：F 分布也是非对称分布，它的分布密度与自由度 的次序有关，当 Z ?F (n, m)时，—?F (m ,n) Z 4. t 分布与F 分布的关系 12； Y=X 2 的分布函数 F Y (y ) =P{YV y }=P{X 2 第八章记数数据统计法—卡方检验法 知识引入 在各个研究领域中，有些研究问题只能划分为不同性质的类别，各类别没有量的联系。例如，性别分男女，职业分为公务员、教师、工人、……，教师职称又分为教授、副教授、……。有时虽有量的关系，因研究需要将其按一定的标准分为不同的类别，例如，学习成绩、能力水平、态度等都是连续数据，只是研究者依一定标准将其划分为优良中差，喜欢与不喜欢等少数几个等级。对这些非连续等距性数据，要判别这些分类间的差异或者多个变量间的相关性方法称为计数数据统计方法。 卡方检验是专用于解决计数数据统计分析的假设检验法。本章主要介绍卡方检验的两个应用：拟合性检验和独立性检验。拟合性检验是用于分析实际次数与理论次数是否相同，适用于单个因素分类的计数数据。独立性检验用于分析各有多项分类的两个或两个以上的因素之间是否有关联或是否独立的问题。 在计数数据进行统计分析时要特别注意取样的代表性。我们知道，统计分析就是依据样本所提供的信息，正确推论总体的情况。在这一过程中，最根本的一环是确保样本的代表性及对实验的良好控制。在心理与教育研究中，所搜集到的有些数据属于定性资料，它们常常是通过调查、访问或问卷获得，除了少数实验可以事先计划外，大部分收集数据的过程是难于控制的。例如，某研究者关于某项教育措施的问卷调查，由于有一部分教师和学生对该项措施存有意见，或对问卷本身有偏见，根本就不填写问卷。这样该研究所能收回的问卷只能代表一部分观点，所以它是一个有偏样本，若据此对总体进行推论，就会产生一定的偏差，势必不能真实地反映出教师与学生对这项教育措施的意见。因此应用计数资料进行统计推断时，要特别小心谨慎，防止样本的偏倚性，只有具有代表性的样本才能作出正确的推论。 第一节卡方拟合性检验 一、卡方检验的一般问题 卡方检验应用于计数数据的分析，对于总体的分布不作任何假设，因此它又是非参数检验法中的一种。它由统计学家皮尔逊推导。理论证明，实际观察次数（f o）与理论次数（f e），又称期望次数）之差的平方再除以理论次数所得的统计量，近似服从卡方分布，可表示为： 这是卡方检验的原始公式，其中当f e越大（f e≥5）,近似得越好。显然f o与f e相差越大，卡方值就越大；f o与f e相差越小，卡方值就越小；因此它能够用来表示f o与f e相差的程度。根据这个公式，可认为卡方检验的一般问题是要检验名义型变量的实际观测次数和理论次数分布之间是否存在显著差异。它主要应用于两种情况： 卡方检验能检验单个多项分类名义型变量各分类间的实际观测次数与理论次数之间是否一致的问题，这里的观测次数是根据样本数据得多的实计数，理论次数则是根据理论或经验得到的期望次数。这一类检验称为拟合性检验。 布，它们与正态分布一起，是试验统计中常用的分布。 2 当X 1、X 2、…、Xn 相互独立且都服从 N(0,1)时，Z=v X i 的 i 2 (n)，它的分 分布称为自由度等于 布密度 p(z )= n 的 1 A n X 22- n 2 0, n -1 .+处 2 -u , 0u 2e du , 2分布，记作Z z _2 e 其他, 称为Gamma 函数，且】1 =1， 式中的『-=I 2分布是非对称分布，具有可加性，即当 丫与Z _I - = n 。 2 相互独立，且丫 2(n )， Z 2(m )，贝y Y+Z ?2(n+m )。 Y+Z= X + §1.4 常用的分布及其分位数 1.卡平方分布 卡平方分布、t 分布及F 分布都是由正态分布所导出的分 证明：先令X 1、X 2、…、X n 、X n+1、X n+2、…、X n+m 相互独 立且都服从N(0,1)，再根据 2 分布的定义以及上述随机变 量的相互独立性，令 丫=X 2 +X 2+…+X -, z=x 备+X 2+2+… +X n+m ， 即可得到丫+Z ?2(n +m )。 2. t 分布若X 与丫相互独立，且 X ?N(0,1) , 丫?2(n ),则Z =x . 丫的分布称为自由度 等于n的t分布，记作Z?t (n),它的分布密度 ；z2 V .n丿n 1 ~Y。 ”心L P(z)=―；= 时(殳)I 请注意：t分布的分布密度也是偶函数，且当n>30时，t 分布与标准正态分布 N(0,1)的密度曲线几乎重叠为一。这时，t 分布的分布函数值查 N(0,1)的分布函数值表便可以得到。 3. F分布若X与丫相互独立，且X?2(n)，丫?2(m), 则Z=X丫的分布称为第一自由度等于n、第二自由度等于 n m m的F分布，记作Z?F (n, m)，它的分布密度 2 文地址 x2分布界表（卡方分布） P n＇ 0.995 0.99 0.975 0.95 0.9 0.75 0.5 0.25 0.1 0.05 0.025 0.01 0.005 1 ????0.0 2 0.1 0.45 1.32 2.71 3.84 5.02 6.6 3 7.88 2 0.01 0.02 0.02 0.1 0.21 0.58 1.39 2.77 4.61 5.99 7.38 9.21 10.6 3 0.07 0.11 0.22 0.35 0.58 1.21 2.37 4.11 6.25 7.81 9.35 11.3 4 12.84 4 0.21 0.3 0.48 0.71 1.06 1.92 3.36 5.39 7.78 9.49 11.14 13.28 14.86 5 0.41 0.55 0.83 1.15 1.61 2.67 4.35 6.63 9.24 11.07 12.83 15.09 16.75 6 0.68 0.8 7 1.24 1.64 2.2 3.45 5.35 7.84 10.64 12.59 14.45 16.81 18.55 7 0.99 1.24 1.69 2.17 2.83 4.25 6.35 9.04 12.02 14.07 16.01 18.48 20.28 8 1.34 1.65 2.18 2.73 3.4 5.07 7.34 10.22 13.36 15.51 17.53 20.09 21.96 9 1.73 2.09 2.7 3.33 4.17 5.9 8.34 11.39 14.68 16.92 19.02 21.67 23.59 10 2.16 2.56 3.25 3.94 4.87 6.74 9.34 12.55 15.99 18.31 20.48 23.21 25.19 11 2.6 3.05 3.82 4.57 5.58 7.58 10.34 13.7 17.28 19.68 21.92 24.72 26.76 12 3.07 3.57 4.4 5.23 6.3 8.44 11.34 14.85 18.55 21.03 23.34 26.22 28.3 13 3.57 4.11 5.01 5.89 7.04 9.3 12.34 15.98 19.81 22.36 24.74 27.69 29.82 14 4.07 4.66 5.63 6.57 7.79 10.17 13.34 17.12 21.06 23.68 26.12 29.14 31.32 15 4.6 5.23 6.27 7.26 8.55 11.04 14.34 18.25 22.31 25 27.49 30.58 32.8 16 5.14 5.81 6.91 7.96 9.31 11.91 15.34 19.37 23.54 26.3 28.85 32 34.27 17 5.7 6.41 7.56 8.67 10.09 12.79 16.34 20.49 24.77 27.59 30.19 33.41 35.72 18 6.26 7.01 8.23 9.39 10.86 13.68 17.34 21.6 25.99 28.87 31.53 34.81 37.16 19 6.84 7.63 8.91 10.12 11.65 14.56 18.34 22.72 27.2 30.14 32.85 36.19 38.58 卡方拟和检验的编程实现 摘要 针对一些总体分布的检验不能用现成的软件实现这一问题，本文论述了怎样应用matlab实现总体分布的检验，这里我们以正态分布为例，这里我们选用了总体分布的卡方检验，卡方检验是在总体分布未知的情况下，根据来自总体的样本，检验关于总体分布的假设的一种检验方法。 关键词：分布的检验 matlab 总体样本。 使用卡方检验分布时在总体X 的分布未知时，根据来自总体的样本，检验关于总体分布的假设的一种检验方法. 使用卡方检验对总体分布进行检验时，我们先提出原假设: H0：总体X的分布函数为F(x) 然后根据样本的经验分布和所假设的理论分布之间的吻合程度来决定是否接受原假设. 这种检验通常称作拟合优度检验，它是一种非参数检验. 在用卡方检验假设H0时，若在H0下分布类型已知，但其参数未知，这时需要先用极大似然估计法估计参数，然后作检验. 分布拟合的卡方检验的基本原理和步骤如下: 1.将总体X的取值范围分成k个互不重迭的小区间,记作A1, A2, …, Ak . 2. 把落入第i 个小区间Ai 的样本值的个数记作fi ， 称为实测频数. 所有实测频数之和f1+ f2+ …+ fk 等于样本容量n. 3. 根据所假设的理论分布,可以算出总体X 的值落入每个Ai 的概率pi,于是npi 就是落入Ai 的样本值的理论频数. 皮尔逊引进如下统计量表示经验分布与理论分布之间的差异: 卡方统计量2 χ=∑=-r k k k k np np n 12)( 用上述原理检验是否服从分布： 以下为一个筛子投掷四十次的数据：1 4 4 6 3 4 5 2 4 6 3 4 4 2 3 6 3 1 3 4 4 5 2 2 3 3 3 1 5 1 2 2 4 5 5 5 1 3 2 5 程序如下： 输入数据： 运行结果： §1、4 常用得分布及其分位数 1、 卡平方分布 卡平方分布、t 分布及F 分布都就是由正态分布所导出得分布，它们与正态分布一起，就是试验统计中常用得分布。 当X 1、X 2、…、 Xn 相互独立且都服从N(0,1)时，Z=∑i i X 2 得分布称为自由度等于n 得2χ分布，记作Z ～2χ(n)，它得分布密度 p(z )=???????>??? ??Γ--,,00,2212122其他z e x n z n n 式中得??? ??Γ2n =u d e u u n ?∞+--012，称为Gamma 函数，且()1Γ=1， ?? ? ??Γ21=π。2χ分布就是非对称分布，具有可加性，即当Y 与Z 相互独立，且Y ～2χ(n )，Z ～2χ(m )，则Y+Z ～2χ(n+m )。 证明: 先令X 1、X 2、…、X n 、X n+1、X n+2、…、 X n+m 相互独立且都服从N(0,1)，再根据2χ分布得定义以及上述随机变量得相互独立性，令 Y=X 21+X 22+…+X 2n ，Z=X 21+n +X 22+n +…+X 2m n +， Y+Z= X 21+X 22+…+X 2n + X 21+n +X 22+n +…+X 2m n +， 即可得到Y+Z ～2χ(n +m )。 2、 t 分布 若X 与Y 相互独立，且 X ～N(0,1)，Y ～2χ(n )，则Z =n Y X 得分布称为自由度等于n 得t 分布，记作Z ～ t (n )，它得分布密度 P(z)=)()(221n n n ΓΓ+2121+-???? ??+n n z 。 请注意：t 分布得分布密度也就是偶函数，且当n>30时，t 分布与标准正态分布N(0,1)得密度曲线几乎重叠为一。这时， t 分布得分布函数值查N(0,1)得分布函数值表便可以得到。 3、 F 分布 若X 与Y 相互独立，且X ～2χ(n )，Y ～2χ(m )， 则Z=m Y n X 得分布称为第一自由度等于n 、第二自由度等于m 得F 分布，记作Z ～F (n , m )，它得分布密度 p(z)=???? ?????>++-??? ??Γ??? ??Γ??? ??+Γ?。其他,00,2)(1222222z m n z n m n z m n m n m m n n 请注意：F 分布也就是非对称分布，它得分布密度与自由度得次序有关，当Z ～F (n , m )时， Z 1～F (m ,n )。 4、 t 分布与F 分布得关系 若X ～t(n )，则Y=X 2～F(1,n )。 证：X ～t(n )，X 得分布密度p(x )=??? ??Γ?? ? ??+Γ221n n n π2121+-???? ??+n n x 。 Y=X 2得分布函数F Y (y ) =P{Y αdf 14E-050 0.0010.0040.016 2.71 3.841 5.024 6.6357.879 20.010.020.0510.1030.211 4.61 5.9917.3789.21 10.6 30.0720.120.2160.3520.584 6.257.8159.34811.3512.84 40.2070.3 0.4840.711 1.0647.789.48811.1413.2814.86 50.4120.550.831 1.145 1.619.2411.0712.8315.0916.7560.6760.87 1.237 1.635 2.20410.612.5914.4516.8118.55 70.989 1.24 1.69 2.167 2.83312 14.0716.0118.4820.28 8 1.344 1.65 2.18 2.733 3.4913.415.5117.5420.0921.969 1.735 2.09 2.7 3.325 4.16814.716.9219.0221.6723.59 10 2.156 2.56 3.247 3.94 4.865 16 18.3120.4823.2125.19 11 2.603 3.05 3.816 4.575 5.57817.319.6821.9224.7326.7612 3.074 3.57 4.404 5.226 6.30418.521.0323.3426.2228.3 13 3.565 4.11 5.009 5.8927.04219.822.3624.7427.6929.82 14 4.075 4.66 5.629 6.5717.79 21.123.6926.1229.1431.32 15 4.601 5.23 6.2627.2618.54722.32527.4930.5832.816 5.142 5.81 6.908 7.9629.31223.5 26.3 28.85 32 34.27 0.9950.990.9750.950.010.005 0.90.10.050.025 卡方分布概念及表和查表方法 目录 1简介 2定义 3性质 4概率表 简介 分布在数理统计中具有重要意义。分布是由阿贝(Abbe)于1863年首先提出的，后来由海尔墨特(Hermert)和现代统计学的奠基人之一的卡·皮尔逊(C K·Pearson)分别于1875年和1900年推导出来，是统计学中的一个非常有用的著名分布。 定义 若n个相互独立的随机变量ξ?、ξ?、……、ξn，均服从标准正态分布（也称独立同分布于标准正态分布），则这n个服从标准正态分布的随机变量的平方和 构成一新的随机变量，其分布规律称为分布（chi-square distribution）， 卡方分布 其中参数称为自由度，正如正态分布中均数或方差不同就是另一个正态分布一样，自由度不同就是另一个分布。记为或者（其中，为限制条件数）。 卡方分布是由正态分布构造而成的一个新的分布，当自由度很大时，分布近似为正态分布。 对于任意正整数x，自由度为的卡方分布是一个随机变量X的机率分布。 性质 1) 分布在第一象限内，卡方值都是正值，呈正偏态（右偏态），随着参数 的增大，分布趋近于正态分布；卡方分布密度曲线下的面积都是1。 2) 分布的均值与方差可以看出，随着自由度的增大，分布向正无穷方向延伸（因为均值越来越大），分布曲线也越来越低阔（因为方差越来越大）。 3）不同的自由度决定不同的卡方分布，自由度越小，分布越偏斜。 4) 若互相独立，则：服从分布，自由度为 。 5) 分布的均数为自由度，记为E( ) = 。 6) 分布的方差为2倍的自由度( )，记为D( ) = 。 概率表 分布不象正态分布那样将所有正态分布的查表都转化为标准正态分布去查，在 分布中得对每个分布编制相应的概率值，这通过分布表中列出不同的自由度来表示， 卡方分布临界值表 在分布表中还需要如标准正态分布表中给出不同P 值一样，列出概率值，只不过这里的概率值是值以上分布曲线以下的概率。由于分布概率表中要列出很多分布的概率值，所以分布中所给出的P 值就不象标准正态分布中那样给出了400个不同的P 值，而只给出了有代表性的13个值，因此分布概率表的精度就更差，不过给出了常用的几个值，足够在实际中使用了。卡方检验
f分布t分布与卡方分布
卡方分布标准表格.doc
卡方检验正态分布
f分布t分布和卡方分布
附表四卡方分布表
(完整word版)卡方分布概念及表和查表方法