事实上，设F~F(n,m,则 m 且 a=ra=A作同 1-1-d f(r) F (n,m) 图6-7F分布的上0分布点 于是 1 =1-0, F(n,m) 由a分位点的定义，显然F.(m,)=1 一成立。 F (n,m) 理论上，若总体的分布己知，统计量的分布总是确定的。但对一般的总体分布，统 计量的分布计算往往很复杂，甚至不能求出。这里我们考虑正态总体分布的抽样分布。 一方面是因为其抽样分布较容易求出，另一方面是正态分布可以作为很多统计问题中总 体分布的近似。 定理1设X,X,,广，是从正态总体W(u,o)中抽取的一个简单随机样本，F 与S2分别为样本均值和样本方差，则 ①F-Au 2)-)2 g°r产(n-1事实上，设 F ~ F(n,m) ，则 ~ ( , ), 1 F n m F 且   , ( , ) 1 1 1 ( , ) 1 1 1 ( , ) 1 1 ( , )                             F F n m P F F n m P F F n m P F F n m P      于是  ,           1 ( , ) 1 1 F F n m P 由分位点的定义，显然 成立。 ( , ) 1 ( , ) 1 F n m F m n    理论上，若总体的分布已知，统计量的分布总是确定的。但对一般的总体分布，统 计量的分布计算往往很复杂，甚至不能求出。这里我们考虑正态总体分布的抽样分布。 一方面是因为其抽样分布较容易求出，另一方面是正态分布可以作为很多统计问题中总 体分布的近似。 定理 1 1 设 X1 , X 2 ....,X n 是从正态总体 N(,2 ) 中抽取的一个简单随机样本，X 与 S 2分别为样本均值和样本方差，则 (1) ~ ( , ); 2 n X N   (2) ~ ( 1); ( 1) 2 2 2   x n n S  f ( y ) 0 y  F (n,m)  图6-7 F分布的上  分布点