第三章理论分布与抽样分布.pptVIP

西南科技大学生命科学与工程学院周海廷制作 3.1.1 事件和事件发生的概率 事件(event)：在自然界中一种事物，常存在几种可能出现的情况，每一种可能出现的情况称为事件。 概率(probability)：每一事件出现的可能性，称为该事件的概率。 随机事件(random event)：若某特定事件只是可能发生的几种事件中的一种，这种事件称为随机事件。 要认识随机事件的规律性，个别的试验或观察是不适用的，必须在大量的实验中才能观察到。 下面用棉田发生盲椿象为害的情况来说明这一问题。 统计学上通过大量实验而估计的概率称为实验概率或统计概率，用公式表示为： 小概率原理：若事件A发生的概率较小，如小于0.05或0.01，则认为事件A在一次试验中不太可能发生，这称为小概率实际不可能性原理，简称小概率原理。 必然事件：对于一类事件来说，如在同一组条件的实现之下必然要发生的事件。 不可能事件：如果在同一组条件下必然不发生的事件。 3.1.2 事件间的关系 一、和事件 事件A和事件B至少有一个发生构成的新事件称为事件A和事件B的和事件，记为A＋B，读作“或A发生，或B发生”。 例如测定棉花的纤维长度，以＜28毫米为事件A，28至30毫米为事件B，则抽取一根≤30毫米的这一新事件为A＋B。 三、互斥事件 如果事件A和B不能同时发生，即A和B是不可能事件，则称事件A和B互斥。例如棉花纤维长度“＜28毫米”和“等于28毫米”不可能同时发生，为互斥事件。 五、完全事件系 若事件A1、A2、···An两两互斥，且每次试验结果必发生其一，则称A1、A2、···An为完全事件系。 例如对于棉花纤维长度，＜28毫米、≥28毫米和＜30毫米、≥30毫米均构成了完全事件系。 3.1.3 计算事件概率的法则 一、互斥事件的加法 假定两互斥事件A和B的概率分别为P(A)和P(B)，则 P(A+B)=P(A)+P(B) 例如：荣昌猪的每胎产仔数≤9头的概率P(A)=0.65,为10头的概率P(B)=0.18，则每胎产仔≤10头的概率为： P(A+B)=P(A)+P(B)=0.65+0.18=0.83 二、独立事件的乘法 假定P(A)和P(B)是两个独立事件A与B各自出现的概率，则： P(AB)=P(A)P(B) 例：现有4粒种子，其中3粒是黄色、1粒是白色，采用复置抽样。试求下列两事件的概率(1)第一次抽到黄色，第二次抽到白色；(2)两次都抽到黄色。 三、对立事件的概率 若事件A的概率为P(A)，那么其对立事件的概率为： P( )=1－P(A) 四、完全事件系的概率 例如上例，黄色种子和白色种子构成完全事件系，其概率为1。 3.1.4 随机变量 定义：随机变量是指随机变数所取的某一个实数值。 例如：在抛硬币试验中，币值面向上的用数“1”表示，国徽面向上的用“0”表示。把0，1作为变量y 的取值。 P(y=1)=0.5 P(y=0)=0.5 二、连续型随机变量 变量y的取值仅为一范围，且y在该范围内取值时，其概率是确定的，这种类型的变量称为连续型随机变量(continuous random variate)。 3.2.1 二项总体与二项式分布 有些总体的各个个体的某些性状，只能发生非此即彼的两种结果，“此”和“彼”是对立事件。例如种子的发芽与不发芽，施药后害虫的死或活，产品的合格与不合格。这种由非此及彼事件构成的总体，称之为二项总体(binomial population)。 为便于研究，通常给“此”事件以变量“1”，具概率p；给“彼”事件以变量“0”，具概率q其概率关系为： p＋q=1 q－1=p 例如，观察施用某种农药后蚜虫的死亡数，记“死”为0，“活”为1。如果每次观察5只，则观察的结果将有0(5只全死)、1(4死1活)、2(3死2活)、3(2死3活)、4(1死4活)、5(5只全活)，共6种变量。由这6种变量的相应概率组成的分布，就是n=5时活虫数的二项分布。 3.2.2 二项式分布的概率计算方法 下面用一个例子来讲解这一问题。 红花豌豆和白花豌豆杂交，F2代出现红花的概率为p=3/4，出现白花的概率为q=1/4。如果将F1代种子成行种植，每行种4粒。问一行全是红花、三株红花、二株红花、一株红花、0红花的概率各是多少。 上例各项的概率相当于(p+q)4的展开： (p+q)4=p4+4p3q+6p2q2+4pq3+q4 同理，以样本容量为n进行的抽样，得到的概率分布为(p+q)n的展开。 每一项的系数为： 7头愈好，3头死去的概率为： 9头