f分布算法
‘壹’ 正态分布算法小于0如何处理
使用概率计算法。
（1）确定分布与范围：如果遇到的问题适用于正态分布，则看看能否求出均值和标准差，只有先得知这些信息，才能求出概率，还需要弄清楚要求的是哪一部分的面积。（2）使用标准分算法，Z=(X-μ)/σ将欲求的概率分布范围转化为标准正态分布N~(0，1)范围。（3）一旦转化为标准正态分布，就可以利用概率表查找概率。
正态分布算法：正态分布用公式f(x)=（1/σ√2π）exp（-（x-μ）_/2σ_）。正态分布也称“常态分布”，又名高斯分布，最早由棣莫弗在求二项分布的渐近公式中得到。正态分布是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。
‘贰’ f分布的方差计算公式
不要加倍积分，简单的方法。
让正态概率密度函数F（X）= 1 /（√2π）T] * E ^ [ - （徐）^ 2/2（T ^ 2）] BR />实际上的意思是u，方差T ^ 2，网络是不是一个好打的公式，你会看。
∫E ^ [ - （徐）^ 2 /（T ^ 2）DX =（√2π）。 。 。 。 。 。
‘叁’ 正态分布的计算公式是什么
Z就是正态分布。
X^2（卡方）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)=X1^2+X2^2+……+Xn^2,这里每个Xn都是一个Z分布，t(n)=X/根号(Y/n),F（m,n）=(Y1/m)/(Y2/N)。
各个分布的应用如下：
方差已知情况下求均值是Z检验。方差未知求均值是t检验（样本标准差s代替总体标准差R，由样本平均数推断总体平均数）两个正态分布样本的均值方差都未知情况下求两个总体的方差比值是F检验。
‘肆’ 正态分布概率计算公式是什么
正态分布概率计算公式：F(x)=Φ[(x-μ)/σ]，正态分布也称“常态分布”，又名高斯分布，正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。
主要特点：
⒈、估计频数分布 一个服从正态分布的变量只要知道其均数与标准差就可根据公式即可估计任意取值范围内频数比例。
⒉、制定参考值范围：
⑴正态分布法 适用于服从正态（或近似正态）分布指标以及可以通过转换后服从正态分布的指标。
⑵百分位数法 常用于偏态分布的指标。表3-1中两种方法的单双侧界值都应熟练掌握。
⒊、质量控制：为了控制实验中的测量（或实验）误差，常以 作为上、下警戒值，以 作为上、下控制值。这样做的依据是：正常情况下测量（或实验）误差服从正态分布。
⒋、正态分布是许多统计方法的理论基础。检验、方差分析、相关和回归分析等多种统计方法均要求分析的指标服从正态分布。许多统计方法虽然不要求分析指标服从正态分布，但相应的统计量在大样本时近似正态分布，因而大样本时这些统计推断方法也是以正态分布为理论基础的。
‘伍’ F到底怎么计算
首先，可能是我理解错了你图中的F量。但F检验的值一定是大于零的，如果你得到的小于零，一定是公式用错了。F=S12/S22
第二，F检验对总体的正态假设很敏感，就是说，如果不能确定两个总体全部严格服从了正态分布，那么，F检验就会失效。可以用levene检验或者非参数检验代替。所以，处理数据前，请先确定总体的分布。
第三，关于t检验
单样本情况下，总体稍稍偏离正态分布，当样本容量足够大时（需要根据情况和经验来判断n的大小，30，或50，或更多），对t检验的影响是不大的。极端情况下，当样本n大于120时，t检验和z检验极度相近（有兴趣可验证一下:)）。但是当样本容量小于30并且不能判断总体是不是近似正态分布时，t检验会降低。可用非参数检验代替。
2.双样本情况下，
a.总体方差相等，只要样本量n1，n2都大于30，即使总体不服从正态分布，也可以用t检验。参考中心极限定理。
b.总体方差不相等，总体应至少近似服从正态分布。大数据样本来判断总体服从正态分布不是总能发生，样本容量小的最好做正态性检验，钟型图，比较中位数均值西格玛之类的方法，至少能判断数据近似服从正态分布。如果实在不服从。。。就参考非参数吧。。或者数据转换。和这种情况相同的还有成对t检验，若验证数据严重违背正态分布，就不要用t检验了。
请注意，双样本的2个t检验统计量是不同的，自由度也不一样，但他们的结果很近似，所以感觉做总体方差相等的假设有些多余。不过，有时候2个总体方差的等同性对他们的结果还是有很大影响的。所以，用F检验先做总体方差的差别检验在进行t检验的选择是非常有必要的。
上面有说的不恰当的地方，请大家再一起讨论。
‘陆’ matlab如何计算F分布分位数
matlab自带的一些常用分布的分布律或概率密度。
如果把分布函数名的后缀cdf改为inv，便得到了相应分布函数的反函数．这些常用分布的分布函数及其反函数对于实际应用很方便。
示例：
(1).
p(y<3.5)
(2).
p(y<x)=0.91,求x
解：(1).在命令窗口中键入
normcdf(3.5,
3,
sqrt(5))
在命令行下方立刻会显示出:
ans
=0.58846836312094
(2).在命令窗口中键入
norminv(0.91,
3,
sqrt(5))
在命令行下方立刻会显示出:
ans
=
5.99801939650634
‘柒’ 数理统计F分布分位数计算
没有搞清楚分位数的定义。F分面的分位数使得随机变量落在这个分位数右侧（上侧）的概率为指定的概率值，所以需要按照下图用对立事件改写一下才可以得出λ的取值。
以t0,025（6）=2.4469为例，0.025表示概率，6当然是表示t分布的参数了，整个式子表示当x=2.4469的时候，参数为6的t分布的累积概率密度为0.025，即P（x≤2.4469）=0.025
(7)f分布算法扩展阅读：
一个数集中最多有一半的数值小于中位数，也最多有一半的数值大于中位数。如果大于和小于中位数的数值个数均少于一半，那么数集中必有若干值等同于中位数。
计算有限个数的数据的二分位数的方法是：把所有的同类数据按照大小的顺序排列。如果数据的个数是奇数，则中间那个数据就是这群数据的中位数；如果数据的个数是偶数，则中间那2个数据的算术平均值就是这群数据的中位数。
‘捌’ F到底怎么计算
首先，可能是我理解错了你图中的F量。但F检验的值一定是大于零的，如果你得到的小于零，一定是公式用错了。F=S1²/S2²
第二，F检验对总体的正态假设很敏感，就是说，如果不能确定两个总体全部严格服从了正态分布，那么，F检验就会失效。可以用levene检验或者非参数检验代替。所以，处理数据前，请先确定总体的分布。
第三，关于t检验
1.单样本情况下，总体稍稍偏离正态分布，当样本容量足够大时（需要根据情况和经验来判断n的大小，30，或50，或更多），对t检验功效的影响是不大的。极端情况下，当样本n大于120时，t检验和z检验极度相近（有兴趣可验证一下:)）。但是当样本容量小于30并且不能判断总体是不是近似正态分布时，t检验功效会降低。可用非参数检验代替。
‘玖’ 分布函数的计算公式怎么来的
分布函数的公式是
F（x）=P（X<= x）
这个的话实际问题实际分析的，一般都是求均匀分布的分布函数，比如某一随机变量在0到2π的概率均匀分布，那么它的分布函数就是F(X)=X/2π.
而概率密度函数就是对分布函数的求导 。