使用Excel绘制F分布概率密度函数图表
利用Excel绘制t分布的概率密度函数的相同方式,可以绘制F分布的概率密度函数图表。
F分布的概率密度函数如下图所示:

其中:μ为分子自由度,ν为分母自由度
Γ为伽马函数的的符号
由于Excel没有求F分布的概率密度函数可用,但是F分布中涉及到GAMMALN()函数,而excel是提供GAMMALN()函数的,所以我们可以使用excel中的GAMMALN()函数的运算来计算得到F分布的概率密度函数。(可参见【附录】)
经转换后上述公式为:
F(X,df1,df2)=EXP(GAMMALN((DF1+DF2)/2))*(DF1^(DF1/2))*(DF2^(DF2/2))*(X^(DF1/2-1))/EXP(GAMMALN(DF1/2))/EXP(GAMMALN(DF2/2))/((DF2+DF1*X)^((DF1+DF2)/2))
……………………………………………………………公式(1)
现以分子自由度μ=20,分母自由度ν=20为例,求F分布的图表,可由以下几步进行:
第1步 在Excel单元格中输入自变量
在A列中,在单元格A2中输入0,在单元格A3中输入0.1,递增0.1,选中单元格A2与A3,按住右下角的填充控制点一直拖到单元格A46是4.4为止,A列的这些数据就作为随机变量t的取值。
第2步 在单元格B2中输入计算t分布的概率密度函数的公式
对于公式(1),由于自由度μ=20 ,ν=20则由DF1=20,DF2=20代入;自变量X就是单元格A2的值,所以按Excel相对引用的规则,X由A2代入即可,于是单元格B2内容是
=EXP(GAMMALN((20+20)/2))/(EXP(GAMMALN(20/2))*EXP(GAMMALN(20/2)))*(20/20)^(20/2)*A2^(20/2-1)*(1+20/20*A2)^(-1/2*(20+20))
第3步 复制公式
按住单元格B2右下角的填充控制点,向下一直拖曳到B46,将B2的公式填充复制到B列的相应的单元格。
第4步 作F分布概率密度函数图表
选择A1:B46,选“插入”-“图表”-“散点图”-“带平滑线的散点图”,输入标题,调整字号、线型等格式,完成t分布概率密度函数图,如图-1所示:

如将上图的图表类型换成二维面积图,则如图-2-1(2003版)和图-2-2(2010版)所示:


如将上图的图表类型换成三维面积图,则如图-3-1(2003版)和图-3-2(2010版)所示:


为 了方便调整不同的自由度参数值观察图形变化,在Excel数据表中可在第一行的某几个单元格如I1、I2;J1、J2;K1、K2;L1、L2;M1、 M2输入不同参数,然后在公式引用这几个参数时使用不同的方式:列数据为相对引用,而行数据为绝对引用,如I$1、I$2;J$1、J$2;K$1、 K$2;L$1、L$2;M$1、M$2。而A列自变量值则使用:列数据为绝对引用,而行数据为相对引用,如$A4、$A5、$A6等。
例:B4单元格的公式则为:
=EXP(GAMMALN((I$1+I$2)/2))*(I$1^(I$1/2))*(I$2^(I$2/2))*($A4^(I$1/2-1))/EXP(GAMMALN(I$1/2))/EXP(GAMMALN(I$2/2))/((I$2+I$1*$A4)^((I$1+I$2)/2))
这样引用的公式可以直接拖曳复制B4:F48。
数据表输入截图如图-4:

在公式输入后,选择单元格区间A3:F48,在同一图表作出五种不同自由度的平滑曲线的散点图,如图-5所示:

【附录:关于GAMMALN()函数和EXP()函数】
函数 GAMMALN 的计算公式如下:

伽马函数Γ(x)是个定积分,无法直接计算,可由GAMMALN()函数和EXP()函数,并利用对数恒等式:

间接求得,下面对以上内容使用Excel中的相关文字加以说明。
GAMMALN函数的作用: 返回伽玛函数Γ(x)的自然对数。
语法:
GAMMALN(x)
X为需要计算函数 GAMMALN 的数值。
GAMMALN(x)=LN(Γ(x))
说明:
如果 x 为非数值型,函数 GAMMALN 返回错误值 #VALUE!。
如果 x ≤ 0,函数 GAMMAIN 返回错误值 #NUM!。
数字 e 的 GAMMALN(i) 次幂等于 (i-1)!,其中 i 为整数,常数 e 等于 2.71828182845904,是自然对数的底数。
GAMMALN(8)=8.525161
EXP(GAMMALN(8))=5040=(8-1)!=FACT(7)
FACT(N)为返回N-1的阶乘(N-1)!=1×2×3×4×…×(N-2)×(N-1)的函数(其中N为自然数)
关于EXP()函数:
EXP()返回 e 的 n 次幂。常数 e 等于 2.71828182845904,是自然对数的底数。
语法
EXP(number)
Number 为底数 e 的指数。
说明
若要计算以其他常数为底的幂,请使用指数操作符 (^)。
EXP 函数是计算自然对数的 LN 函数的反函数。
EXP(1)=2.718282(e的近似值)
EXP(2)=7.389056
EXP(1)=20.08554
EXP(LN(3))=3
于是为求伽马函数Γ(x)首先要回忆一个最基本的恒等式:

即可得:

把该恒等式用于伽马函数的取得,可以由以下两步进行:
先用GAMMALN(x),取得自然对数;http://www.cda.cn/view/18454.html
再用EXP(GAMMALN(x)),取得伽马函数的值。
使用Excel绘制F分布概率密度函数图表的更多相关文章
- rvs产生服从指定分布的随机数 pdf概率密度函数 cdf累计分布函数 ppf 分位点函数
统计工作中几个常用用法在python统计函数库scipy.stats的使用范例. 正态分布以正态分布的常见需求为例了解scipy.stats的基本使用方法. 1.生成服从指定分布的随机数 norm.r ...
- t分布, 卡方x分布,F分布
T分布:温良宽厚 本文由“医学统计分析精粹”小编“Hiu”原创完成,文章采用知识共享Attribution-NonCommercial-NoDerivatives 4.0国际许可协议(http://c ...
- LOJ2267 SDOI2017 龙与地下城 FFT、概率密度函数、Simpson
传送门 概率论神仙题-- 首先一个暴力做法是设\(f_{i,j}\)表示前\(i\)个骰子摇出点数和为\(j\)的概率,不难发现DP的过程是一个多项式快速幂,FFT优化可以做到\(O(XYlog(XY ...
- PDF的来源——概率密度函数
//首发于简书,详见原文:https://www.jianshu.com/p/6493edd20d61 你不会还真的以为这是一篇讲怎么做pdf文件,怎么编辑.保存.美化的文章吧? 咳咳,很遗憾告诉你不 ...
- 数理统计11:区间估计,t分布,F分布
在之前的十篇文章中,我们用了九篇文章的篇幅讨论了点估计的相关知识,现在来稍作回顾. 首先,我们讨论了正态分布两个参数--均值.方差的点估计,给出了它们的分布信息,并指出它们是相互独立的:然后,我们讨论 ...
- 统计学中z分布、t分布、F分布及χ^2分布
Z就是正态分布,X^2分布是一个正态分布的平方,t分布是一个正态分布除以(一个X^2分布除以它的自由度然后开根号),F分布是两个卡方分布分布除以他们各自的自由度再相除 比如X是一个Z分布,Y(n)=X ...
- 高斯分布(Gaussian Distribution)的概率密度函数(probability density function)
高斯分布(Gaussian Distribution)的概率密度函数(probability density function) 对应于numpy中: numpy.random.normal(loc= ...
- 抽样分布(3) F分布
定义 设U~χ2(n1), V~χ2(n2),且U,V相互独立,则称随机变量 服从自由度为(n1,n2)的F分布,记为F~F(n1,n2),其中n1叫做第一自由度,n2叫做第二自由度. F分布的概率密 ...
- 函数的光滑化或正则化 卷积 应用 两个统计独立变量X与Y的和的概率密度函数是X与Y的概率密度函数的卷积
http://graphics.stanford.edu/courses/cs178/applets/convolution.html Convolution is an operation on t ...
随机推荐
- python字典、字符串(json串)、字节串之间的转化
字典和json字符串(本质也是字符串)之间的转化用json.dumps和json.loads() json.dumps(): 字典→json字符串 json.loads(): json字符 ...
- PHP/HTML混写的四种方式
[整理]PHP/HTML混写的四种方式 PHP作为一款后端语言,为了输出给浏览器让浏览器呈现出来,无可避免的要输出HTML代码,下文介绍下我用过的三种PHP/HTML混编方法 1.单/双引号包围法 ...
- telnet访问出现telnet:Unable to connect to remote host: No route to host
Linux下的防火墙默认是不允许telnet服务通过的,所以,当防火墙不允许telnet服务通过时就会出现上面的这种情况,可以将防火墙关闭或者勾选允许telnet服务即可解决如上的问题.
- 2019Android阿里&腾讯&百度&字节面试汇总(附面试题总结、Android书单)
1.基本情况 先简单说说我今年的面试经历吧,本人2018届211软件工程硕士生,Android开发岗.此文主要是2019年年初春招的面试和秋招面试经验汇总,最终拿到了阿里,腾讯,字节跳动,百度等off ...
- ubuntu下mysql定时备份
一:ubuntu下自动备份mysql数据库 转载来源:https://jingyan.baidu.com/article/ab0b563097cabac15afa7dbc.html 1.创建保存备份文 ...
- jsp页面注册验证问题
<script type="text/javascript"> $(function(){ // 错误消息提示 var msg = "${msg}" ...
- go 结构体取代类
我们知道go的结构体有点类的感觉,可以有自己的属性和方法. 但是由于结构体的属性都是有零值的,我们在创建结构体的时候并不需要设置这些属性的值就能创建,但是这样创建的结构体往往没有什么实用价值. 我们可 ...
- 天堂Lineage(單機版)從零開始架設教學 Installing Lineage 3.52 Server - On Windows
1. [下載原始碼] Using RapidSVN 用checkout http://l1j-tw-99nets.googlecode.com/svn/trunk/L1J-TW_3.50 ...
- PCA算法和实例
PCA算法 算法步骤: 假设有m条n维数据. 1. 将原始数据按列组成n行m列矩阵X 2. 将X的每一行(代表一个属性字段)进行零均值化,即减去这一行的均值 3. 求出协方差矩阵C=1/mXXT 4. ...
- ajax_封装函数_升级_传递多个参数和传递一个参数
HTML: <!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset=" ...