理解卡方分布

1. 公式
   观察依据

   幻灯片展示了$\chi^2 = Z_1^2 + Z_2^2 + \cdots + Z_r^2$，随后是$\chi^2(r)$。

2. 声音
   观察依据

   主讲人指出该和为随机变量卡方，其抽样分布称为自由度为 r 的卡方分布。

$\chi^2$

等于平方 z 分数之和的随机变量；也用作其抽样分布的名称。

该分布的支撑集为非负值；幻灯片指出概率密度函数在$\chi^2 \le 0$处为零。

1. 公式
   观察依据

   幻灯片写出$Z_1, Z_2, \ldots, Z_r$，并在求和式中使用$Z_i^2$。

2. 声音
   观察依据

   主讲人称这些是观测值的 z 分数。

$Z_i$

第 i 个独立数值观测值的 z 分数。

根据幻灯片，这是一个连续型随机变量。

1. 公式
   观察依据

   幻灯片将$Z_r$用作最后一项，将$\chi^2(r)$用于表示该分布。

2. 声音
   观察依据

   主讲人称 r 是参与求和的 z 分数个数，即独立观测值的个数。

r

被加总的独立观测值或 z 分数的个数；即卡方分布的自由度。

所展示的有限求和式中项数的正整数计数。

1. 公式
   观察依据

   幻灯片显示：$\chi^2$的概率密度函数在$\chi^2 \le 0$处为零，且对任意$r$均右偏。

2. 声音
   观察依据

   主讲人指出，该分布可用概率密度函数描述，且仅当卡方值不小于零时函数值为正。

1. 本片段未展示该密度函数的显式代数表达式。

$\text{probability density function for }\chi^2$

描述卡方随机变量连续抽样分布的密度函数。

在$\chi^2 \le 0$处为零；在$\chi^2>0$及任意$r$处呈正值/右偏形态。

1. 字幕依据
   观察依据

   幻灯片文字使用 $Z_i$ 在“由于每个 $Z_i$ 是连续型随机变量……”中

2. 声音
   观察依据

   主讲人提到“z分数”以及“这些z分数对应的标准正态分布”。

$Z_i$

构成$\chi^2$的独立标准正态随机变量（即z分数），其平方被相加。

连续型实值随机变量。

1. 字幕依据
   观察依据

   幻灯片文字定义了$\chi^2 = Z_1^2 + \cdots + Z_r^2$并讨论其概率密度函数。

2. 声音
   观察依据

   主讲人反复提及“卡方分布”。

$\chi^2$

卡方随机变量，定义为独立标准正态随机变量的平方和。

取非负实数值；如主讲人所述，其支撑集严格为正。

1. 字幕依据
   观察依据

   幻灯片文字使用 $r$ 在 $\chi^2 = Z_1^2 + \cdots + Z_r^2$、$\chi^2(r)$ 和事实 2 条件 $r \geq 2$。

2. 声音
   观察依据

   主讲人称$r$为“自由度”的个数。

r

卡方分布的自由度参数；同时也是定义中所含标准正态变量平方项的个数。

依据不同惯例，可为正整数或实数值的形状参数；本视频中将其视为自由度的个数。

1. 字幕依据
   观察依据

   幻灯片文字：“从正态分布中抽取容量为$n$的样本……”

2. 声音
   观察依据

   主讲人说：“容量为 n 的样本。”

n

方差检验应用中所用的样本容量。

正整数。

1. 字幕依据
   观察依据

   幻灯片文字：“假设方差$\sigma^2$”及公式$(n - 1)S^2/\sigma^2$。

2. 声音
   观察依据

   主讲人说：“假设方差 sigma 平方。”

$\sigma^2$

在方差显著性检验的正态模型中，所假设的总体方差。

正实数。

1. 字幕依据
   观察依据

   幻灯片文字：“其中$S^2$为样本方差。”

2. 声音
   观察依据

   除幻灯片上下文外，未给出明确的口头定义。

$S^2$

样本方差。

非负实数。

1. 公式
   观察依据

   幻灯片文字反复使用$\chi^2$和$\chi^2(r)$分别表示卡方分布，以及自由度为$r$的卡方分布。

2. 声音
   观察依据

   讲话人说“卡方分布”和“自由度为五的卡方分布”。

$\chi^2$

卡方分布；当写作$\chi^2(r)$时，它表示自由度为$r$的卡方分布。

推断统计与概率计算中使用的分布族。

1. 公式
   观察依据

   幻灯片文字：“从正态分布中抽取容量为$n$的样本……”

2. 声音
   观察依据

   讲话人朗读涉及$(n-1)S^2/\sigma^2$的公式，并将$n-1$称为自由度。

n

方差检验应用中的样本容量。

从正态分布中抽取的随机样本的正整数样本容量。

1. 公式
   观察依据

   幻灯片内容：若观测值的z分数为$Z_1, Z_2, \ldots, Z_r$，则定义$\chi^2 = Z_1^2 + Z_2^2 + \cdots + Z_r^2$。

2. 声音
   观察依据

   主讲人解释道：对每个观测值，先减去其期望值、再除以标准差，得到z分数；然后将每个z分数平方，并将所有平方值相加。

本片段将$\chi^2$定义为：独立数值观测值与其期望值之间总平方偏差，该偏差通过z分数来度量——即每个观测值先标准化为z分数，再平方，最后对$r$个独立观测值的平方结果求和。

1. 这些观测值是相互独立的数值型观测。

2. 每个$Z_i$均为一个观测值的z分数。

3. 该求和式包含$r$个平方后的z分数。

1. 对每个观测值计算z分数

1. 声音
   观察依据

   主讲人说：计算一个z分数，即用观测值减去期望值，再除以标准差。

2. 公式
   观察依据

   幻灯片将所得量$Z_1, Z_2, \ldots, Z_r$命名为观测值的z分数。

1. 显式公式$Z=(X-E[X])/\sigma$被口头陈述，但未在幻灯片上写出。

在构造$\chi^2$之前，每个观测值先通过减去其期望值、再除以其标准差，转换为z分数。这衡量了单个观测值偏离其期望值的程度，单位为标准差。

1. 每个观测值都有一个期望值。

2. 每个观测值都有一个用于缩放的标准差。

1. 公式
   观察依据

   幻灯片：随机变量的抽样分布$\chi^2$称为$\chi^2$自由度为$r$的$\chi^2(r)$分布，简称为

2. 声音
   观察依据

   主讲人说，该随机变量卡方的抽样分布称为自由度为r的卡方分布。

随机变量$\chi^2$的抽样分布被称为自由度为$r$的卡方分布，简写为$\chi^2(r)$。本片段中，$r$被定义为求和式中所包含的独立z分数的个数。

1. 定义性求和式中有$r$个独立的z分数。

1. 卡方随机变量的定义
2. 在此构造中，r 作为自由度的含义

1. 声音
   观察依据

   主讲人说：因此，这里的 r 表示输入的 z 分数个数，即这些独立观测值的个数。

2. 公式
   观察依据

   幻灯片中将$r$用作$Z_r$和$\chi^2(r)$的上标。

1. 该片段未讨论超出独立 z 分数计数之外更一般的自由度调整方法。

在所呈现的构造中，自由度参数$r$即为独立观测值的个数，等价于被平方后求和的 z 分数个数。

1. $Z_i$项对应于独立观测值。

1. 卡方随机变量的定义

1. 公式
   观察依据

   幻灯片显示：由于每个$Z_i$都是连续型随机变量，因此$\chi^2 = Z_1^2 + \cdots + Z_r^2$也是连续型随机变量。

2. 声音
   观察依据

   主讲人说：由于每个 z 分数都是连续型随机变量，因此它们的平方和也是连续型随机变量。

由于每个$Z_i$都是连续型随机变量，它们的平方和也必为连续型随机变量。这说明可用概率密度函数来描述$\chi^2$的抽样分布。

1. 每个$Z_i$都是连续型随机变量。

1. 卡方随机变量的定义

1. 公式
   观察依据

   幻灯片显示：$\chi^2$的概率密度函数在$\chi^2 \le 0$处为零，且对任意$r$均右偏。

2. 声音
   观察依据

   说话人指出，卡方概率密度函数仅在卡方值不小于零时为正。

1. 本片段未给出精确的密度表达式。

该片段指出，$\chi^2$的概率密度函数在非正数侧为零，且对任意$r$均右偏。这与$\chi^2$是若干平方项之和、因而不可能为负的事实相符。

1. $x$表示卡方随机变量的一个可能取值。

2. 该陈述适用于幻灯片中所示的任意$r$。

1. 卡方随机变量的定义
2. 卡方分布是一种连续型随机变量。

1. 字幕依据
   观察依据

   幻灯片显示：“由于每个$Z_i$都是连续型随机变量，因此$\chi^2 = Z_1^2 + \cdots + Z_r^2$也是连续型随机变量。”

2. 声音
   观察依据

   主讲人解释道：标准正态分布中出现极值的概率越来越小，这解释了最终分布的形状。

视频将$\chi^2$定义为$r$个标准正态随机变量$Z_1,\dots,Z_r$的平方和。由于每个$Z_i$都是连续型的，因此得到的$\chi^2$也是连续型的。

1. 每个$Z_i$都是一个标准正态随机变量。

2. 共有$r$个这样的变量被平方后相加。

1. $Z_i$
2. $\chi^2$
3. r

1. 字幕依据
   观察依据

   幻灯片显示：“$\chi^2$的概率密度函数在$\chi^2 \leq 0$处为零，且对任意$r$均右偏。”

2. 声音
   观察依据

   主讲人称该分布“右偏”，是因为标准正态分量中出现极值的概率越来越小。

3. 图示
   观察依据

   标注为$\chi^2(5)$的图像显示一条曲线：从0处开始，上升至靠近3处达到峰值，随后向右延伸出一条长尾。

$\chi^2$的概率密度函数在$(-\infty,0]$上恒为零，且对每一个$r$均呈右偏。主讲人通过指出底层标准正态变量中极值出现的可能性越来越低，直观地解释了这种右偏性。

1. 该性质对任意自由度$r$均成立。

2. 支撑集为非负数；主讲人将可能的结果描述为严格正数。

1. 卡方随机变量的定义
2. $\chi^2$
3. r

1. 字幕依据
   观察依据

   幻灯片文字：“事实1。$\chi^2(r)$的期望值为$r$。”

2. 声音
   观察依据

   主讲人说：“自由度为 r 的卡方分布的期望值就是 r”，然后从其定义出发给出直观解释：该分布是 r 个标准正态变量（即 z 分数）的平方和，而每个 z 分数的标准差为1。

对于自由度为$r$的卡方分布，其均值等于$r$。主讲人给出直观推导：每个标准正态变量的平方平均贡献量为1，因此$r$个这样的贡献项所得到的期望总和为$r$。

1. $\chi^2(r)$表示自由度为$r$的卡方分布。

1. 卡方随机变量的定义
2. $\chi^2$
3. r

1. 字幕依据
   观察依据

   幻灯片文字：“事实2。$\chi^2(r)$的众数（峰值位置）为$r - 2$（当$r \geq 2$时），否则为零。”

2. 声音
   观察依据

   主讲人指出峰值位于 $r-2$ 只要 $r$ 至少为 2，否则为零。

卡方密度函数的峰值位置取决于$r$：若$r\ge 2$，则众数为$r-2$；否则众数为0。

1. 适用于$\chi^2(r)$的密度函数。

1. $\chi^2$
2. r

1. 字幕依据
   观察依据

   幻灯片文字：“当$r$较大时，分布$\chi^2(r)$近似服从正态分布。这一现象在$r = 50$时已初见端倪，如下图所示。”以及“不过，若仔细观察，你仍可在该图中看出偏斜。”

2. 声音
   观察依据

   主讲人明确援引中心极限定理：“根据中心极限定理，当自由度数量增大时，r 的卡方分布将趋近于正态分布。”

3. 图示
   观察依据

   标有$\chi^2(50)$的图像呈现一条钟形曲线，中心位于50附近，且残留轻微的右偏斜。

随着自由度$r$增大，卡方分布依据中心极限定理渐近趋于正态分布。视频通过$r=50$加以说明，此时曲线呈钟形，但仍保留微小的右偏斜。

1. $r$较大。

2. 视频中该近似仅为定性描述；屏幕上未写出标准化正态分布的参数。

1. 卡方随机变量的定义
2. r

1. 字幕依据
   观察依据

   幻灯片文字：“方差的显著性检验。当从具有假设方差的正态分布中抽取容量为$n$的样本时，$\sigma^2$的抽样分布$(n - 1)S^2/\sigma^2$是$\chi^2(n - 1)$，其中$S^2$为样本方差。”

2. 声音
   观察依据

   主讲人将其介绍为卡方分布在推断统计中最常见的应用之一。

在正态模型下方差的推断中，统计量$(n-1)S^2/\sigma^2$服从自由度为$n-1$的卡方分布。这被作为卡方分布族的一项重要应用予以呈现。

1. 样本来自正态分布。

2. $\sigma^2$为假设的总体方差。

3. $S^2$是样本方差。

4. $n$是样本容量。

1. 卡方随机变量的定义
2. n
3. $\sigma^2$
4. $S^2$

1. 公式
   观察依据

   幻灯片内容：例如，当所有独立变量的观测结果恰好等于其均值时，$\chi^2$恰好为零。

2. 声音
   观察依据

   说话人指出，若所有观测值恰好等于期望值，则卡方统计量为零。

若每个独立观测值均恰好等于其期望值，则$\chi^2=0$。

1. 这些观测值相互独立。

2. 每个$Z_i$均为某次观测的z分数。

3. 每个观测值都等于其期望值。

适用于该数据集中的所有观测值。

1. 公式
   观察依据

   幻灯片：当各个结果变得更加极端时，$\chi^2$会变大。

2. 声音
   观察依据

   讲解者说：如果结果偏离得更远、更加极端，那么卡方值就会变得越来越大。

1. 该幻灯片并未对任意变化形式化一个单调性定理；它仅给出一个直观的方向性陈述。

当各个结果相对于其期望值变得更加极端时，$\chi^2$的值随之增大。

1. $\chi^2$由各观测值的z分数的平方构成。

关于各个结果变得越来越极端的定性描述。

1. 公式
   观察依据

   幻灯片：通过对z分数先平方再求和，我们确保低的结果不会抵消高的结果。

2. 声音
   观察依据

   讲解者说：对所有这些z分数进行平方的核心思想，是确保低的结果不会以某种方式抵消或平衡高的结果。

对z分数进行平方后再求和，可防止高低结果在总偏差度量中相互抵消。

1. 在平方之前，偏差以带符号的z分数表示。

定义$\chi^2$的一般设计思路。

1. 声音
   观察依据

   讲解者指出，z分数旨在衡量单个观测值偏离期望值的程度，这种偏离可为正向或负向。

1. 屏幕上未显示带符号z分数的明确公式。

z分数衡量单个观测值偏离其期望值的程度，这种偏离可为正向或负向。

1. 该观测值具有期望值和标准差。

针对单个观测值。

1. 声音
   观察依据

   讲解者指出，请注意随机变量的名称与其分布的名称相同；通常语境会明确区分二者。

名称$\chi^2$既用于由z分数平方和所定义的随机变量，也用于该随机变量的抽样分布。

1. 讨论通过上下文区分随机变量与其抽样分布。

本讲所采用的命名惯例。

1. 声音
   观察依据

   说话人说：“你可以看到它的支撑集，即可能结果的集合，是严格正的。”

2. 字幕依据
   观察依据

   幻灯片文字说明概率密度函数在$\chi^2 \leq 0$处为零。

1. 幻灯片文字将0包含在支撑集的边界中，而说话人则口头表述为“严格正”；这是措辞差异，而非所展示图像中的数学矛盾。

卡方分布的支撑集位于非负值上，其密度在$\chi^2 \leq 0$处为零；说话人将可能结果描述为严格正。

1. $\chi^2$被定义为若干个独立标准正态变量的平方和。

对密度函数定义域内的所有取值。

1. 字幕依据
   观察依据

   幻灯片文字：“……对于任意$r$，该分布均右偏。”

2. 声音
   观察依据

   说话人称该分布右偏，并指向$\chi^2(5)$对应的图像作为典型示例。

对于任意$r$，卡方密度函数呈右偏态。

1. $r$是$\chi^2(r)$的自由度参数。

本视频中讨论的所有$r$。

1. 声音
   观察依据

   主讲人说：“根据中心极限定理，当自由度数量增大时，自由度为 r 的卡方分布将趋近于正态分布。”

2. 字幕依据
   观察依据

   幻灯片文字：“当$r$较大时，分布$\chi^2(r)$近似服从正态分布。”

当$r$较大时，$\chi^2(r)$近似服从正态分布。

1. $\chi^2(r)$是$r$个独立标准正态变量的平方和。

2. $r$较大。

关于$r$的渐近性陈述；本视频以定性方式呈现，未使用明确的极限记号。

1. 公式
   观察依据

   幻灯片文字指出，在所列条件下，$(n-1)S^2/\sigma^2$的抽样分布为$\chi^2(n-1)$。

2. 声音
   观察依据

   主讲人逐字朗读该陈述。

当从具有假设方差 $n$ 的正态分布中抽取容量为 $\sigma^2$ 的样本时，$(n-1)S^2/\sigma^2$ 的抽样分布为 $\chi^2(n-1)$，其中 $S^2$ 是样本方差。

1. 样本容量为$n$。

2. 总体分布服从正态分布。

3. $\sigma^2$是假设的方差。

4. $S^2$是样本方差。

对于从具有假设方差 $n$ 的正态分布中抽取的容量为 $\sigma^2$ 的样本。

1. 公式
   观察依据

   幻灯片文字指出，在所列条件下，$\sum (O-E)^2/E$的抽样分布近似为$\chi^2(n-1)$。

2. 声音
   观察依据

   主讲人将该近似结论口头读出。

1. 幻灯片未列出除已展示之外的其他正则性条件以支持该近似。

当一个分类变量被假设服从某一特定分布时，$\sum \frac{(O-E)^2}{E}$的抽样分布近似为$\chi^2(n-1)$，其中$n$为类别数，$O$为各类别的观测频数，$E$为在假设分布下的期望频数。

1. 该变量为分类变量。

2. 各类别被假设服从某一特定分布。

3. $n$是类别的数量。

4. $O$是每个类别中的观测频数。

5. $E$是在假设分布下的期望频数。

针对一个被假设服从某种分布的分类变量。

1. 公式
   观察依据

   幻灯片文字：“对于任意给定值 $x$，其累积分布函数（cdf）$F(x)$ 给出随机获得一个不大于 $x$ 的值的概率，该概率对应于适当的 $\chi^2$ 分布。严格来说，$F(x)=P(X\le x)$ 在 $\chi^2(r)$"。

2. 声音
   观察依据

   主讲人用自然语言陈述了相同的解释。

对于任意给定的值 $x$，累积分布函数 $F(x)$ 给出随机获得一个不大于 $x$ 的值的概率，该概率对应于适当的 $\chi^2$ 分布；严格来说，$F(x)=P(X\le x)$ 在 $\chi^2(r)$。

1. 该分布是卡方分布。

2. $x$是一个感兴趣的给定值。

3. $r$是自由度参数。

对于任意给定的值$x$。

1. 公式
   观察依据

   幻灯片先引入$Z_1, Z_2, \ldots, Z_r$，然后展示$\chi^2 = Z_1^2 + Z_2^2 + \cdots + Z_r^2$。

2. 声音
   观察依据

   主讲人描述了计算z分数、将它们平方，再全部相加，从而得到卡方随机变量的过程。

1. 公式

   $$Z_i = \frac{X_i - E[X_i]}{\sigma_{X_i}}$$
   解释

   每个观测值都通过减去其期望值、再除以其标准差，被标准化为一个z分数。

   步骤依据

   视频片段中口述的z分数定义。

   视频直接表达
2. 公式

   $$Z_1^2, Z_2^2, \ldots, Z_r^2$$
   解释

   每个z分数都被平方，以确保偏差贡献的量均为非负数。

   步骤依据

   幻灯片与音频均指出：z分数在求和前先被平方。

   视频直接表达
3. 公式

   $$\chi^2 = Z_1^2 + Z_2^2 + \cdots + Z_r^2$$
   解释

   这些平方后的z分数相加，形成总偏差度量$\chi^2$。

   步骤依据

   幻灯片上显示的定义。

   视频直接表达

卡方随机变量是$r$个独立观测值对应z分数的平方和。

1. 公式
   观察依据

   幻灯片指出，当所有结果都恰好等于其均值时，$\chi^2$恰好为零。

2. 声音
   观察依据

   主讲人重申：如果所有观测值都恰好等于其期望值，卡方统计量将为零。

1. 公式

   $$X_i = E[X_i]$$
   解释

   假设每个观测值都恰好等于其期望值。

   步骤依据

   幻灯片上陈述的示例条件。

   视频直接表达
2. 公式

   $$Z_i = 0$$
   解释

   此时每个z分数均为零，因为标准化公式的分子为零。

   步骤依据

   由口述的z分数构造过程推导得出。

   依据视频推导
3. 公式

   $$\chi^2 = 0^2 + 0^2 + \cdots + 0^2 = 0$$
   解释

   对这些平方后为零的z分数求和，结果为零。

   步骤依据

   直接代入幻灯片中显示的$\chi^2$定义。

   依据视频推导

当所有观测值都恰好等于其均值时，$\chi^2=0$。

1. 公式
   观察依据

   幻灯片内容：由于每个$Z_i$都是连续型随机变量，因此$\chi^2 = Z_1^2 + \cdots + Z_r^2$也是连续型随机变量。

2. 公式
   观察依据

   下一张幻灯片的文字：$\chi^2$的概率密度函数在$\chi^2 \le 0$处为零，且对任意$r$均右偏。

3. 声音
   观察依据

   主讲人指出，由于每个z分数都是连续的，因此其平方和也是连续的，我们可以用概率密度函数来描述它。

1. 该片段断言了连续性及密度描述，但未详细证明闭包性质。

1. 公式

   $$Z_i \text{ is continuous}$$
   解释

   每个z分数被认定为连续型随机变量。

   步骤依据

   幻灯片明确陈述。

   视频直接表达
2. 公式

   $$\chi^2 = Z_1^2 + \cdots + Z_r^2 \text{ is continuous}$$
   解释

   平方后的连续型变量之和被描述为连续的。

   步骤依据

   幻灯片明确陈述并由主讲人加以解释。

   视频直接表达
3. 公式

   $$f_{\chi^2}(x)=0 \text{ for } x \le 0$$
   解释

   因为$\chi^2$是连续的，该片段称其可用概率密度函数来描述，且该函数的支撑集从零开始。

   步骤依据

   幻灯片内容加主讲人口头解释。

   视频直接表达

该片段利用$Z_i$的连续性，为用定义在非负数值上的概率密度函数描述$\chi^2$的抽样分布提供依据。

1. 声音
   观察依据

   主讲人从定义出发引出事实1：卡方分布是各个 z 分数的平方和，每个标准正态变量的标准差为1，在有$r$个观测值时，期望差异总和为$r$。

2. 字幕依据
   观察依据

   幻灯片陈述事实1：$\chi^2(r)$的期望值为$r$。

1. 口述论证是直观的，而非完全形式化的证明；屏幕上并未明确写出$E[Z_i^2]=\operatorname{Var}(Z_i)+(E[Z_i])^2=1$。

1. 公式

   $$$$
   解释

   从定义$\chi^2 = Z_1^2+\cdots+Z_r^2$出发。

   步骤依据

   由幻灯片中卡方随机变量的定义给出。

   视频直接表达
2. 公式

   $$$$
   解释

   每个$Z_i$都服从标准正态分布，因此其标准差为1。

   步骤依据

   由音频中的讲述者陈述。

   视频直接表达
3. 公式

   $$$$
   解释

   讲述者将每个平方后的z分数解释为对总和平均贡献了1。

   步骤依据

   以口头方式给出的直观解释；未作为正式代数步骤写在屏幕上。

   视频直接表达
4. 公式

   $$E[\chi^2(r)] = r$$
   解释

   将$r$个这样的贡献相加，得到期望值$r$。

   步骤依据

   结论以幻灯片上的‘事实1’形式陈述，并在讲解中重复。

   视频直接表达

自由度为$r$的卡方分布的期望值为$r$。

1. 声音
   观察依据

   讲述者明确援引中心极限定理，解释为何自由度较大的$r$卡方分布近似于正态分布。

2. 图示
   观察依据

   $\chi^2(50)$图在视觉上比$\chi^2(5)$图更接近钟形曲线。

1. 视频未展示标准化形式$(\chi^2(r)-r)/\sqrt{2r}$，也未给出任何明确的收敛性陈述。

1. 公式

   $$$$
   解释

   $\chi^2(r)$是$r$个独立标准正态变量的平方和。

   步骤依据

   定义已在幻灯片前文展示。

   视频直接表达
2. 公式

   $$$$
   解释

   随着$r$增大，大量随机成分的和依中心极限定理趋于正态分布。

   步骤依据

   讲话者明确提到了该定理。

   视频直接表达
3. 公式

   $$$$
   解释

   所绘制的情形$r=50$已明显呈现近似钟形。

   步骤依据

   在图中可见，并在幻灯片文字中予以指出。

   视频直接表达
4. 公式

   $$$$
   解释

   若仔细观察，仍可察觉轻微的右偏态。

   步骤依据

   幻灯片标题及讲话者均作出了该陈述。

   视频直接表达

当$r$较大时，$\chi^2(r)$近似服从正态分布，但残余的右偏态仍可能可见。

1. 公式
   观察依据

   幻灯片显示：例如，当所有独立变量的取值恰好等于其均值时，$\chi^2$恰好为零。

2. 声音
   观察依据

   主讲人口头给出了相同的例子。

当每个独立观测值都恰好等于其期望值时，$\chi^2$是多少？

1. 观测值相互独立。

2. 每个观测值都恰好等于其均值／期望值。

3. $\chi^2$是各标准化得分（z-score）的平方和。

求出此种情况下$\chi^2$的值。

1. 公式

   $$Z_i = 0 \text{ for each } i$$
   解释

   若某个观测值等于其期望值，则其标准化得分（z-score）为零。

   步骤依据

   此结论源自标准化得分（z-score）的口头定义。

   依据视频推导
2. 公式

   $$\chi^2 = 0^2 + 0^2 + \cdots + 0^2$$
   解释

   将所有为零的标准化得分（z-score）代入$\chi^2$的定义中。

   步骤依据

   此处使用了屏幕上显示的$\chi^2$的公式。

   依据视频推导
3. 公式

   $$\chi^2 = 0$$
   解释

   零的和仍为零。

   步骤依据

   算术化简。

   依据视频推导

对应的式子为：$\chi^2=0$。

与幻灯片陈述一致：在此情况下，$\chi^2$恰好为零。

1. 公式
   观察依据

   幻灯片内容：当各个观测结果越来越偏离预期时，$\chi^2$随之增大。

2. 声音
   观察依据

   主讲人指出：若观测结果离预期更远、更加极端，则卡方值会越来越大。

1. 未提供任何数值数据集；这是一个定性示例。

当各个观测结果离其期望值越来越远时，$\chi^2$如何变化？

1. $\chi^2$是若干个 z 分数的平方之和。

2. 各个观测结果相对于期望值变得越来越极端。

描述对$\chi^2$的影响。

1. 公式

   $$|Z_i| \text{ becomes larger}$$
   解释

   更极端的观测结果对应于更大的 z 分数绝对值。

   步骤依据

   对口头描述中‘距期望值距离’这一概念的解释。

   依据视频推导
2. 公式

   $$Z_i^2 \text{ becomes larger}$$
   解释

   较大的绝对偏差的平方会产生较大的非负贡献。

   步骤依据

   实数平方的代数性质。

   依据视频推导
3. 公式

   $$\chi^2 \text{ gets larger}$$
   解释

   由于$\chi^2$对这些平方贡献求和，因此总和增大。

   步骤依据

   展示关于$\chi^2$的陈述与定义。

   视频直接表达

当各个结果变得更加极端时，$\chi^2$随之增大。

这与幻灯片上的句子及主讲人的口头解释一致。

1. 图示
   观察依据

   标有$\chi^2(5)$的图像，横轴范围为0到12，纵轴最大值为0.2。

2. 声音
   观察依据

   讲解者说：“自由度为五的卡方分布图像具有典型性。”

使用$\chi^2(5)$来展示卡方分布的典型形状。

1. 该分布为$\chi^2(5)$。

2. 图像展示概率密度随结果取值的变化关系。

识别定性特征：支撑集、峰值位置与偏斜性。

1. 公式

   $$$$
   解释

   将横轴理解为随机变量可能取的值，纵轴理解为概率密度。

   步骤依据

   标准图像解读方式，由图中坐标轴标签提供支持。

   视频直接表达
2. 公式

   $$$$
   解释

   曲线起始于0，此后始终非负。

   步骤依据

   与幻灯片所述‘概率密度函数在$\chi^2\le 0$处为零’一致。

   视频直接表达
3. 公式

   $$$$
   解释

   峰值出现在3附近，这与后续的众数规则$r-2=5-2=3$相符。

   步骤依据

   通过图像直观读取，再结合本片段后文陈述的2事实。

   依据视频推导
4. 公式

   $$$$
   解释

   右尾延伸得比左尾更远，表明分布右偏。

   步骤依据

   在所绘制的曲线上可见，并由主讲人用语言描述。

   视频直接表达

$\chi^2(5)$图是在非负数值上定义的右偏密度函数，其峰值位于3附近。

与幻灯片中关于支撑集/偏度的文字以及事实2给出的众数$r-2$适用于$r\ge2$。

1. 图示
   观察依据

   标有$\chi^2(50)$的图形，横轴刻度约为25至75，纵轴刻度最高达0.06。

2. 字幕依据
   观察依据

   幻灯片文字：“当$r = 50$时，这一点已清晰可见，如下图所示。”以及“不过，若仔细观察，你仍可在该图中看出偏态。”

3. 声音
   观察依据

   主讲人指出该示意图展示的是$r=50$，并说眯眼细看可发现些许右偏。

展示当$r$ 很大，使用 $\chi^2(50)$。