数模竞赛中统计方法选讲.ppt

数模竞赛中的统计方法选讲 主讲人：勾明 测量数据的频率密度直方图。 图1 频率密度分布逐渐接近正态分布示意 99A:自动化车床管理 三、F—分布 两个特征 一个原理：小概率事件的实际不可能性原理。它的重要应用是假设检验问题 2. t(n) 的概率密度为 3.分位点 设T～t(n)，若对?:0?1,存在t?(n)0， 满足P{T?t?(n)}=?，则称t?(n)为t(n)的上侧分位点 注: 1.构造 若U ~?2(n1)， V~?2(n2)，U， V独立，则 称为第一自由度为n1 ，第二自由度为n2的F—分布,其概率密度为 2. F—分布的分位点 对于?：0?1， 若存在F?(n1, n2)0， 满足 P{F?F?(n1, n2)}=?， 则称F?(n1, n2)为 F(n1, n2)的 上侧?分位点； 注： * * 一个原理 两个特征 三个分布 一个原理: 随机事件的频率稳定性原理 随机事件的概率是频率的稳定值 考察频率分布可知，当试验次数越来越多时，频率也就会越来越稳定于某个数，这就是说， 某一测量结果出现的次数与测量总次数之比会逐渐稳定于某个值，该值就是该试验结果的 概率。从频率分布曲线图上也可看出，当n→∞，组距→0时，随机样本的频率密度分布就 会成为一条连续的曲线。若该曲线以y = f(x)表示，则f(x)就称为x的概率密度函数。 其中 ?为实数， ?0 ，则称X服从参数为? ,?2的正态分布,记为N(?, ?2)，可表为X～N(?, ?2). 若随机变量 (1) 单峰对称 密度曲线关于直线x=?对称； f(?)＝maxf(x)＝ . 正态分布有两个特性： (2) ?的大小直接影响概率的分布 ?越大，曲线越平坦， ?越小，曲线越陡峻， 正态分布也称为高斯(Gauss)分布 4.标准正态分布 参数?＝0，?2＝1的正态分布称为标准正态分布，记作X~N(0, 1)。 分布函数表示为 其密度函数表示为 一般的概率统计教科书均附有标准正态分布表供读者查阅?(x)的值。如，若 Z~N（0，1）,?（0.5)=0.6915, P{1.32Z2.43}=?(2.43)-?(1.32) =0.9925-0.9066 注：(1) ?(x)＝1－ ?(－x)； (2) 若X～N(?, ?2)，则 设 X?N(?,?2),则P{?-3?X?+3?}=0.997 该结果称为3? 原则.在工程应用中，通常认为 P{|X- ? |≤3?} ≈1，忽略{|X- ? |3?}的值. 如在质量控制中，常用标准指标值±3?作两条线，当生产过程的指标观察值落在两线之外时发出警报.表明生产出现异常. 851 310 715 217 763 666 765 378 558 764 645 544 499 468 496 577 512 531 724 621 581 790 539 687 246 280 339 564 654 447 120 484 1062 606 416 84 570 555 634 699 638 358 677 473 837 292 610 885 960 402 609 771 954 628 515 697 649 755 859 775 659 862 538 824 388 474 781 513 552 527 844 593 1153 428 608 734 487 164 653 926 680 593 706 565 742 640 982 434 452 612 505 815 748 433 584 509 542 624 362 459 附:100次刀具故障记录(完成的零件数) MATLAB 统计工具箱 [a,b]=hist(x,9); a=a/length(x); bar(b,a); MATLAB 统计工具箱 要对一组样本进行正态性检验，在MATLAB中，一种方法是用normplot画出样本，如果都分布在一条直线上，则表明样本来自正态分布，否则是非正态分布。 normplot(x) MATLAB中也提供了几种更正式的检验方法： 1、函数 kstest：Kolmogorov-Smirnov 正态性检验，将样本与标准正态分布（均值为0，方差为1）进行对比，不符合正态分布返回1，否则返回0；该函数也可以用于其它分布类型的检验； 2、函数 lillietest: Lilliefors test。 与kstest不同，检验目标不是标准正态，而是具有与样本相同均值和方差的正态分布。 lillietest(x) ans =0 3、函数 jbtest: Jarque-Bera test与 L