理论:(1)卡方分布、非中心卡方分布详解 (概念、求阈值方法、非中心化参数求解办法等) |
您所在的位置:网站首页 › χ2分布的概率密度 › 理论:(1)卡方分布、非中心卡方分布详解 (概念、求阈值方法、非中心化参数求解办法等) |
//======================================================================// GNSS/INS紧组合导航系统完好性监测(理论和c++代码)专栏,后续会开源全部代码 https://blog.csdn.net/hltt3838/category_12207970.html?spm=1001.2014.3001.5482 //======================================================================// 目录一、相关概念 1、卡方分布 2、卡方分布计算方法: 3、非中心卡方分布 二、卡方分布在组合导航故障检测中的作用 1、举例: 2、非中心化参数求解 (1)求卡方分布的检测阈值 (2)求非中心化参数(C++环境编译,亲测有效) 一、相关概念 1、卡方分布若n个 相互独立 的随机变量 ξ₁、ξ₂、……、ξn ,均服从 标准正态分布N(0,1),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-squaredistribution);其中参数n称为自由度(通俗讲,样本中独立或能自由变化的自变量的个数,称为自由度),正如正态分布中均值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;其表达如下: 概率密度函数和卡方分布表如下: 下表即为卡方分布表,第一列为自由度 (n),第一行为显著水平 (α),据此可以查找到临界值,如果检验统计量 Chi Square Calculator - ChiSquareTable.net 也可以用pyhon写程序,代码如下:from scipy.stats import norm from scipy.stats.distributions import chi2 from scipy.stats import ncx2 # 完好性风险相关:(风险概率,均值, 方差) ppf_1 = norm.ppf(q=0.99999, loc=0, scale=1) print(ppf_1) # 卡方分布相关:(1-P_FA, 自由度) ppf_2 = chi2.ppf(0.99999, df=3) print(ppf_2)
# 非中心参数相关:(1-P_MD, 自由度,非中心化参数) ppf_3 = ncx2.ppf(0.999, 3, 2.785) print(ppf_3) 也可以用MATLAB 语句chi2inv(1-P_FA, 自由度) 3、非中心卡方分布
理解:卡方分布在第一象限内,卡方值都是正值,呈正偏态(右偏态),随着参数 n 的增大;卡方分布趋近于正态分布;随着自由度n的增大,卡方分布向正无穷方向延伸(因为均值n越来越大),分布曲线也越来越低阔(因为方差2n越来越大)概率是概率密度函数的区间积分! ![]() sn:自由度、T检测阈值、0.00001:漏检概率 #include double lam = boost::math::non_central_chi_squared_distribution::find_non_centrality(sn, T, 1 - 0.00001); |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |