6第六章小节概率和抽样分布.pptVIP

第六章 概率与抽样分布 第一节　概率基础 第二节　随机变量及其概率分布 第三节　抽样分布 第四节 大数定律与中心极限定律 一、正态分布 1. 描述连续型随机变量的最重要的分布 2. 可用于近似离散型随机变量的分布 例如: 二项分布 3. 经典统计推断的基础 概率密度函数 f(x) = 随机变量 X 的频数 ?? = 总体方差 ? =3.14159; e = 2.71828 x = 随机变量的取值 (-? x ?) = 总体均值 正态分布函数的性质 概率密度函数在x 的上方，即f (x)0 正态曲线的最高点在均值 ，它也是分布的中位数和众数 正态分布是一个分布族，每一特定正态分布通过均值 的标准差?来区分，决定曲线的高度，?决定曲线的平缓程度，即宽度 曲线f(x)相对于均值 对称，尾端向两个方向无限延伸，且理论上永远不会与横轴相交 正态曲线下的总面积等于1 随机变量的概率由曲线下的面积给出 和? 对正态曲线的影响 正态分布的概率 标准正态分布 一般的正态分布取决于均值 和标准差 ? 计算概率时，每一个正态分布都需要有自己的正态概率分布表，这种表格是无穷多的 若能将一般的正态分布转化为标准正态分布，计算概率时只需要查一张表 标准正态分布函数 任何一个一般的正态分布，可通过下面的线性变换转化为标准正态分布 标准正态分布 标准正态分布表的使用 将一个一般的转换为标准正态分布 计算概率时 ，查标准正态概率分布表 对于负的 x ，可由? (-x)???? ?x?得到 对于标准正态分布，即X~N(0,1)，有 P (a? X ?b)? ? ?b? ?? ?a? P (|X| ?a)? 2? ?a? ?1 对于一般正态分布， 标准化的例子 P(5 ? X ? 6.2) 标准化的例子P(2.9 ? X ? 7.1) 正态分布(例题分析) 正态分布 (例题分析) 四、F—分布　 第六章 概率与抽样分布 第一节　概率基础 第二节　随机变量及其概率分布 第三节　抽样分布 第四节 大数定律与中心极限定律 总体分布(population distribution) 总体中各元素的观察值所形成的分布 分布通常是未知的 可以假定它服从某种分布 样本分布(sample distribution) 一个样本中各观察值的分布 也称经验分布 当样本容量n逐渐增大时，样本分布逐渐接近总体的分布 是一种理论概率分布 样本统计量是随机变量 样本均值, 样本比例，样本方差等 结果来自容量相同的所有可能样本 提供了样本统计量长远稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据 抽样分布 (sampling distribution) 样本均值的抽样分布 抽样分布与总体分布的关系 样本均值的抽样分布 样本均值的数学期望 样本均值的方差 重复抽样 不重复抽样 样本比例的抽样分布 比例(proportion) 总体(或样本)中具有某种属性的单位与全部单位总数之比 不同性别的人与全部人数之比 合格品(或不合格品) 与全部产品总数之比 总体比例可表示为 样本比例可表示为 样本比例的抽样分布 容量相同的所有可能样本的样本比例的概率分布 当样本容量很大时，样本比例的抽样分布可用正态分布近似 一种理论概率分布 推断总体总体比例?的理论基础 样本比例的抽样分布 样本比例的数学期望 样本比例的方差 重复抽样 不重复抽样 样本方差的抽样分布 样本方差的分布 两个样本均值之差的抽样分布 两个样本均值之差的抽样分布 两个总体都为正态分布，即 ， 两个样本均值之差 的抽样分布服从正态分布，其分布的数学期望为两个总体均值之差 方差为各自的方差之和 两个样本比例之差的抽样分布 两个样本比例之差的抽样分布 两个总体都服从二项分布 分别从两个总体中抽取容量为n1和n2的独立样本，当两个样本都为大样本时，两个样本比例之差的抽样分布可用正态分布来近似 分布的数学期望为 方差为各自的方差之和 两个样本方差比的抽样分布 两个样本方差比的抽样分布 第六章 概率与抽样分布 第一节　概率基础 第二节　随机变量及其概率分布 第三节　抽样分布 第四节 大数定律与中心极限定律 两个总体都为正态分布，即X1~N(μ1,σ12)的一个样本， Y1，Y2，… ，Yn2是来自正态总体X2~N(μ2,σ22 ) 从两个总体中分别抽取容量为n1和n2的独立样本 两个样本方差比的抽样分布，服从分子自由度为(n1-1)，分母自由度为(n2-1) F分布，即 ★ As a