463-数理统计在化学中的应用.pptVIP

图2-1 测量数据的频率密度直方图。 图2-1 频率密度分布逐渐接近正态分布示意 累积分布函数(CDF) 自由度 统计学上的自由度（degree of freedom, df），是指当以样本的统计量来估计总体的参数时， 样本中独立或能自由变化的资料的个数，称为该统计量的自由度。这里我们用k或v来表示。 例如，在估计总体的平均数时，样本中的k个数全部加起来， 其中任何一个数都和其他资料相独立，从其中抽出任何一个数都不影响其他资料（这也是随机抽样所要求的）。 因此一组资料中每一个资料都是独立的，所以自由度就是估计总体参数时独立资料的数目，而平均数是根据k个独立资料来估计的，因此自由度为k。 t-分布的几率密度分布函数 v是自由度 注意：对于一个容量是n的样本，其v=n-1。 t-分布的应用——t检验(Students t-test) 学生t分布应用在当对呈正态分布的母群体(总体)的均值进行估计。它是对两个样本均值差异进行显著性测试的学生t检验的基础。t检验改进了Z检验(Z-test)，不论样本数量大或小皆可应用。在样本数量大（超过120等）时，可以应用Z检验，但Z检验用在小的样本会产生很大的误差，因此样本很小的情况下得改用学生t检验。 当总体的标准差是未知的但却又需要估计时，我们可以运用学生t分布。t-分布有着广泛的应用。从上式可以得到 t检验临界值表 单侧P{tt?(v)} =? 或 P{t-t?(v)} =?，所对应的t?(v)值(0) 双侧P{|t|t?(v)}=? 卡方分布（?2 -分布） 卡方分布是统计学中的一种机率分布，它广泛的运用于检测数学模型是否适合所得的数据，以及数据间的相关性。数据并不需要呈正态分布。 如果从一个正态总体中，抽取出随机变量Xi, 则各随机变量Xi与总体均值?之差对总体标准差?的比值，即Zi = (xi –?)/? ，也服从正态分布，它们的平方和称为?2 卡方分布：概率密度分布函数 其中x=?2 卡方分布：累积分布函数 其中x=?2 卡方分布的性质和用途 自由度为 k 的卡方变量的平均值是 k，方差是 2k。 两个独立的?2分布随机变量各自除以自己的自由度之后的比值就是F-分布。 用来测试随机变量之间是否相互独立，也可用来检测统计模型是否符合实际要求，观察值和理论值之间的偏离是否显著 EXCEL: CHIDIST(x，degrees_freedom) :计算?2分布单尾概率的数值 CHIINV(probability，degrees_freedom) CHIDIST的逆函数 CHIDIST(x, degree_freedom) 1-F(x) F-分布 如果有两个总体都服从正态分布，从两个总体中抽出两个样本1和2，各自的容量是n1和n2，自由度为v1=n1-1和v2=n2-1，定义F 这个比值，即F，它的分布就是一个具有n1-1和n2-1 自由度的F分布。如果两个样本是从同一个总体中抽出，则 F-分布 这就是说即使F≠1，我们也不能认为这两个总体的方差就不等，考虑到随机因素的影响，它应有一个合理的允许范围，必须用统计的方法来处理，这就引出了研究F-分布的问题。 F 0 F取值越大，越不可能。 F-分布的几率密度分布函数(PDF) F-分布的累积分布函数(CDF) F-分布的累积分布函数(CDF) FDIST(x, v1, v2) = 1 - F(x) FINV(p, v1, v2): FDIST的逆函数，即如果 p = FDIST(x, v1, v2)，则 x = FINV(p, v1, v2) 数理统计在化学中的应用 t-分布的概率密度函数(PDF) 数理统计在化学中的应用 t-分布的累积分布函数(CDF) 数理统计在化学中的应用 5.959 3.707 3.143 2.447 1.943 1.440 6 6.869 4.032 3.365 2.571 2.015 1.476 5 8.610 4.604 3.747 2.776 2.132 1.533 4 12.924 5.841 4.541 3.182 2.353 1.638 3 31.599 9.925 6.965 4.303 2.920 1.886 2 636.619 63.657 31.821 12.706 6.314 3.078 1 0.001 0.01 0.02 0.05 0.1 0.2 v\a 0.0005 0.005 0.01 0.025 0.05 0.1 数理统计在化学中的应用 k: ?2的自由度 数理统计在化学中的应用 数理统计在化学中的应用 CHIDIST(x, degree_freedom) 数理统计在化学中的应用 数理统计在化学