澄清您的问题(在我看来,这是两个相关但不同的部分):您正在寻找(1)独立的平方随机变量之和的分布,以及(2)抽样从分布中抽取的随机样本的方差(或相关标准偏差)的分布(大概是您询问(1)的原因)。吨α吨αn tαtα
独立平方变量之和的分布tα
如果是具有 df的(独立)随机变量,则(是您似乎在第二个“可能的解决方案”中声称的内容。通过考虑每个时刻的第一个瞬间即可轻松验证这一点(后者的第一个瞬间是第一个瞬间的倍)。 Ti∼tαtα∑ni=1T2i∼F(n,α)n
您的第一个“可能解决方案”中的要求是正确的:。我认为,当考虑将分布的特征描述为比率其中是标准正态变量)时,该结果比使用特征函数要透明得多和是具有卡方可变自由度,独立的。然后,该比率的平方就是两个独立的卡方变量的比率,这些变量按其各自的自由度进行缩放,即,T2i∼F(1,α)tZU/α√ZUαZV/1U/αV=Z2,这是分布的标准表征(分子df等于1,分母df等于)。F(1,α)α
考虑到我在上面第一段中的第一刻所做的注释,似乎更好的说法可能是 [通过对分布使用相同的表达式以及具有该分布的随机变量,在这里略微滥用了符号。] 当第一时刻匹配时,第二中心时刻却不匹配(对于,第一个表达式的方差小于后一个表达式的方差),因此该声明也是错误的。[话虽这么说,有趣的是,这是我们求和平方(标准)时的结果正常变量。]∑ni=1T2i∼nF(n,α)α>4limα→∞nF(n,α)=χ2n
从分布采样时方差的采样分布tα
考虑到我上面写的内容,您为“ n个样本T变量的标准偏差的密度”获得的表达式是错误的。但是,即使是正确的分布,标准偏差也不只是平方和的平方根(因为您似乎曾经习惯于得出密度)。相反,您将寻找的(缩放)采样分布。。在正常情况下,此表达式的LHS可以重写为平方正态变量的总和(平方内的项可以重写为正态变量的线性组合,再次以正态分布),从而导致熟悉的F(n,α)g(u)∑ni=1(Ti−T¯)2=∑ni=1T2i−nT¯2χ2分布。不幸的是,变量(即使具有相同的自由度)的线性组合没有像那样分布,因此无法利用类似的方法。tt
也许您应该重新考虑您想要展示的内容?例如,可以使用某些模拟来达到目标。但是,您确实以表示了一个示例,在这种情况下,只有的一阶矩是有限的,因此模拟对此类矩计算无济于事。 α=3F(1,α)