Beberapa latar belakang
The distribusi didefinisikan sebagai distribusi yang hasil dari menjumlahkan kuadrat n variabel acak independen N ( 0 , 1 ) , sehingga:
Jika X 1 , ... , X n ~ N ( 0 , 1 ) dan independen, maka Y 1 = n ∑ i = 1 X 2 i ∼ χ 2 n , di
mana X ∼ Yχ2nnN( 0 , 1 )
Jika X1, ... , Xn∼ N( 0 , 1 ) dan independen, maka Y1= ∑i = 1nX2saya∼ χ2n,
X∼ Ymenunjukkan bahwa variabel acak
dan
Y memiliki distribusi yang sama (EDIT:
χ 2 n akan menunjukkan distribusi Chi kuadrat dengan n derajat kebebasan dan variabel acak dengan distribusi tersebut ). Sekarang, pdf dari distribusi
χ 2 n adalah
f χ 2 ( x ; n ) = 1XYχ2nnχ2n
Jadi, memangdistribusi
χ 2 n adalah kasus khusus dari distribusi
Γ ( p , a ) dengan pdf
f Γ ( x ; a , p ) = 1fχ2( x ; n ) = 12n2Γ ( n2)xn2- 1e- x2,untuk x ≥ 0 (dan 0 sebaliknya).
χ2nΓ ( p , a )
Sekarang jelas bahwa
χ 2 n ∼ Γ ( nfΓ( x ; a , p ) = 1SebuahhalΓ ( p )xp - 1e- xSebuah,untuk x ≥ 0 (dan 0 sebaliknya).
.
χ2n∼ Γ ( n2, 2 )
Kasus Anda
Perbedaan dalam kasus Anda adalah bahwa Anda memiliki variabel normal dengan varian umum σ 2 ≠ 1 . Tapi distribusi yang sama muncul dalam kasus itu:
Y 2 = n Σ i = 1 X 2 i = σ 2 n Σ i = 1 ( X iXsayaσ2≠ 1
Y2= ∑i = 1nX2saya= σ2∑i = 1n( Xsayaσ)2∼ σ2χ2n,
Yχ2nσ2Y2=σ2Y1fσ2χ2(x;n)=fχ2(xσ2;n)1σ2.
Y2∼Γ(n2,2σ2)σ2a
Catatan
χ2nσ2≠1χ21χ2n