社会统计学课件2.pptVIP

社会统计学 统计学院 刘建冰 第四章 概率论基础 第一节 概率 一、基础概率 （一）事件：一项试验或调查的结果叫做事件。 例如：掷骰子出现了6点 （二）随机变量：如果某变量的数值能够代表一次试验的各种结果，则此变量称为随机变量。 例如：掷骰子（或者用希腊字母 表示） （因为可能出现各种事先无法预料的结果，因此称为随机变量） 第四章 概率论基础 第一节 概率 一、基础概率 （三）概率：代表随机变量的某一特定事件发生的可能性的数值叫做概率。例如：掷两个骰子得到7的几率 第四章 概率论基础 （二）均值（见第二章） （三）方差（见第二章） 第二节 二项分布 一、定义 进行 n 次重复试验，出现“成功”的次数的概率分布称为二项分布。 二、概率分布 （一）二项分布的数学期望为 E ( X ) ＝ np （二）二项分布的方差为 D ( X ) ＝ npq 二项分布图示（注意观察n及p不同时，曲线的变化：逼近正态分布） 第三节 正态分布 一、定义 概率论中最重要的一种分布，也是自然界最常见的一种分布。该分布由两个参数——均值和方差决定。概率密度函数曲线以均值为对称中线，方差越小，分布越集中在均值附近。 正态分布的概率密度函数 ? 和? 对正态曲线的影响 正态分布的概率 二、标准正态分布 标准正态分布 标准化的例子 P(5 ? X ? 6.2) 第三节 正态分布 第三节 正态分布 第三节 正态分布 三、中心极限定理 （一）定义 中心极限定理是概率论中讨论随机变量序列部分和的分布渐近于正态分布的一类定理。这组定理是数理统计学和误差分析的理论基础，指出了大量随机变量近似服从正态分布的条件。 中心极限定理是概率论中最重要的一类定理，有着广泛的实际应用背景。在自然与社会中，一些现象受到许多相互独立的随机因素的影响，如果每个因素所产生的影响都很微小时，总的影响可以看作是服从正态分布的。中心极限定理就是从数学上证明了这一现象 。 三、中心极限定理 （二）性质 第四节 常用统计分布 一、 分布 卡方分布是概率论与统计学中常用的一种概率分布。k个独立的标准正态分布变量的平方和服从自由度为k的卡方分布。卡方分布常用于假设检验和置信区间的计算。 第四节 常用统计分布 二、t分布 （一）定义 在概率论和统计学中，学生t-分布（Student‘s t-distribution）应用在当对呈正态分布的母群体的均值进行估计。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30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。 当母群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。 第四节 常用统计分布 （二）性质 第四节 常用统计分布 三、F分布 （一）定义 F分布是以统计学家R.A.Fisher姓氏的第一个字母命名的。 设X、Y为两个独立的随机变量，X服从自由度为m的卡方分布，Y服从自由度为n的卡方分布，这2 个独立的卡方分布被各自的自由度除以后的比率的分布，即F=（x/m）/(y/n)服从自由度为（m,n)的F-分布， 上式F服从第一自由度为m，第二自由度为n的F分布 。 第四节 常用统计分布 （二）性质 * *