【卡方分布表达式】卡方分布是统计学中一种重要的概率分布，广泛应用于假设检验和置信区间估计。它是由标准正态分布的独立变量的平方和所构成的随机变量所服从的分布。卡方分布具有一个重要的参数——自由度（degrees of freedom, df），自由度决定了其形状。
一、卡方分布的基本概念
卡方分布是一种连续型概率分布，通常用于检验观察频数与理论频数之间的差异是否显著，如卡方检验（Chi-square test）。它的数学表达式如下：
$$
\chi^2 = \sum_{i=1}^{k} \frac{(O_i - E_i)^2}{E_i}
$$
其中：
- $ O_i $ 表示第 $ i $ 个类别的观察频数；
- $ E_i $ 表示第 $ i $ 个类别的期望频数；
- $ k $ 表示类别总数。
此外，卡方分布也可以通过标准正态分布变量的平方和来定义。若 $ Z_1, Z_2, ..., Z_n $ 是独立的标准正态变量，则它们的平方和服从自由度为 $ n $ 的卡方分布：
$$
\chi^2 = Z_1^2 + Z_2^2 + ... + Z_n^2
$$
二、卡方分布的数学表达式
卡方分布的概率密度函数（PDF）为：
$$
f(x; k) = \frac{1}{2^{k/2} \Gamma(k/2)} x^{(k/2)-1} e^{-x/2}, \quad x > 0
$$
其中：
- $ k $ 是自由度；
- $ \Gamma(\cdot) $ 是伽马函数。
三、卡方分布的特点
| 特点 | 内容 |
| 形状 | 随着自由度增加，分布逐渐趋于对称 |
| 峰值 | 分布右偏，峰值在 $ k - 2 $ 处（当 $ k > 2 $） |
| 均值 | $ \mu = k $ |
| 方差 | $ \sigma^2 = 2k $ |
| 应用场景 | 用于拟合优度检验、独立性检验等 |
四、常见卡方分布的图形特征
| 自由度（k） | 图形特点 |
| 1 | 明显右偏，峰在0附近 |
| 2 | 峰值在0.5左右 |
| 3 | 更加平缓，偏向右 |
| 5 | 接近对称，但仍偏右 |
| 10 | 接近正态分布，更对称 |
五、总结
卡方分布是统计分析中的重要工具，其表达式主要由标准正态分布的平方和构成，或通过观察频数与期望频数的差异计算得出。掌握其数学表达式及特性，有助于更好地理解其在实际数据分析中的应用。通过表格形式可以清晰地对比不同自由度下的分布特征，便于理解和记忆。
原创说明： 本文内容基于卡方分布的基本原理和常见应用场景编写，结合了数学公式与图表信息，避免使用AI生成的通用模板，确保内容原创且具备较高的可读性与实用性。