应用统计教案ch12.pptVIP

课 程 主 要 内 容 第一章 随机事件与随机变量 第二章 随机变量的数字特征 * * 应 用 统 计 Applied Statistics 袁永生 教授 概率论部分，简要回顾概率论中对统计部分有影响的内容。 通过深化理解的方式。 统计部分是本课程的主要内容，主要研究一些统计方法和这些方法的理论依据。 大多数工程问题具有以下三个特点： 1.在相同条件下，可重复进行; 2.试验结果不止一个,但能确定所有的可能结果; 3.一次试验之前无法确定具体是哪种结果出现。 具有上述特点的现象称为随机试验,简称试验,记为E 概率统计的研究范畴: 研究随机试验中的规律性. 概率统计研究随机试验中规律的方式有两种： 概率论，研究内在规律的固有变化趋势； 统计，从内在规律的宏观表现——数据中，反演 内在规律。 ? 样本空间: 记为? ? 随机事件: 随机事件的直观理解：试验中可能出现的现象. 一、几个概念 ? 随机变量的概念 随机试验的所有可能结果组成的集合. 试验E的样本空间?的子集. 简称事件 定义 设随机试验E的样本空间是?，若对每个???，有一个实数X(?)与之对应，这样得到的定义在?上的单值实函数X＝X(? )称为随机变量. 简记为 r.v. X. 由于r.v.取值X(?)与? 对应: r.v.取值有一定概率. 如果试验的结果就是用数量表示的，那么表示这个结果的字母(即试验中的数量指标) 即为随机变量 二、一维离散型随机变量的分布律 定义 全部可能取值为有限个或可列无限个的随机变量为离散型随机变量。 若X为离散型随机变量， 其取值为x1, x2, …, xn, … 分布律实质 (1) pk ? 0, k＝1, 2, … ; 分布律的性质 引进新型随机变量的必要性 对新型随机变量的刻画，需要 定义 设X 为r.v. , 对任意实数x，令 F(x)＝P {X ? x} 称F(x)为随机变量X 的分布函数。 注意定义要点 F(x)＝P {X ? x}， x ∈R 三、随机变量的分布函数 引进分布函数后，概率可以用分布函数值来表示. 依分布函数定义：对任意实数a , b (a b)有 P {a X ? b}＝ ＝ F(b)－F(a) P{X ? b}－P{X ? a} 分布函数值是概率值, 所以: 0 ? F(x) ? 1, x ∈R 四、一维连续型 r.v.的密度函数 定义 设X 为随机变量, 其分布函数为F(x), 若存在非负可积函数 f (x)( x∈R)，使对任意实数 x 都有 则称 X 为连续型随机变量, 简称概率密度或密度函数。 f (x)为X的概率密度函数 记为 X～ f (x) , (-? x +?) 从分布函数能否改写的角度，定义连续型r.v. 如果类似于离散型随机变量定义，从取值的角度如何定义连续型随机变量？ , x ∈R 密度函数f(x) 的性质 (1) f (x) ? 0，(-? x ?)； (2) 性质(1)、(2)是密度函数的充要性质。 (4) P{ x1 X ? x2 }＝F( x2)－F( x1) = , x ∈R (3) 若 x是 f (x)的连续点，则有 由性质(4): 设连续型r.v. X～ f (x), 记 x2－x1= Δx, 则P{ x1 X ? x2 } ≈f(x)Δx, x ∈( x1, x2], Δx 较小 五、正态分布(高斯(Gauss)分布) 若 其中σ 0, μ为实数，则称X 服从参数为μ,σ的正态分布, 记为N(μ,σ2 ), 亦可表为X~ N(μ,σ2 ) 正态分布常用来描述多因素、无主要、独立、共同作用的指标。 1 f(x) 正态分布的特殊情形：标准正态分布 参数μ=0,σ=1 时的正态分布称为标准正态分布，记为N( 0，1 ). 其密度函数为 分布函数表示为 N(0, 1)的性质： ?(x)＝1 ? ?(?x) N(0, 1) 定理: X ~ N( )，则 六、二维离散型随机变量 引进多维随机变量的必要性。如 设E 为随机试验，其样本空间为?={?}， X1 = X1(?)，…，Xn = Xn(?) 是定义在?上的随机变量，则称(X1 ，…，Xn)为n 维随机变量。 对于多维随机变量(X1 ，…，Xn) ，除了X1 ，…，Xn 作为个体所具有的性质外，还有 (X1 ，…，Xn)作为整体所具有的性质。 1、二维离散型随机变量及其联合分布律 定义 全部可能取值为有限对或可列无限多对 (xi , yj ), (i , j＝1, 2, … )的随机变量，称为二维离散型随机变量。 若 (X, Y