第1章 生物统计的基本理论(新).pptVIP

1）样本的平均数所构成的新总体的平均数等于原总体的平均数： 几个重要的结论： E x E Σx ΣE x n·μ μ 1 n 1 n 1 n 2）样本的平均数所构成的新总体的方差等于原总体方差与样本容量之比： 样本的平均数所构成的新总体的标准方差-----均数标准差: σ2x D x D Σx ΣD x n· σ2 σ2/n 1 n2 1 n 1 n2 σx σ/√n 3）样本的平均数的概率分布密度函数： 令：样本平均数的误差 Δ x- μ， 则Δ的概率分布密度函数： 1 Δ 2 σx - 2 φ Δ e 1 σx√2π - 2 φ x e 1 σx√2π 1 x- μ 2 σx S x S /√n 几点注意： 1）从正态分布总体抽取的样本，无论样本容量 n 大 或小，样本平均数 x 必呈正态分布，记作N（ μx , σ2/n）； 2）倘若不是正态分布总体，但μ和 σ已知或确定，当样本容量 n 增大时，从这样的总体抽得的样本平均数 x 的抽样分布亦趋近于正态分布，记作N（ μx , σ2/n），这称为中心极限定理； 3）在实际应用中，只要 n 30，无论原总体是否为正态分布，均认为样本平均数 x 呈正态分布；如果n ≤30，通常认为样本平均数 x 呈t 分布 3 样本平均数差值的抽样分布 问题：设第一个总体包括4 个观察值2，3，3，4，当n1 2时，抽样样本数为42 16。设第二个总体包括3 个观察值1，2，3，当n2 2时，抽样样本数为32 9。两个总体所有可能的样本平均数差数为16 ×9 144个。 （N1 4， μ1 3， σ12 1/2） （N2 3， μ2 2， σ22 2/3） 已知： （N1 4， μ1 3，σ12 1/2） （N2 3， μ2 2， σ22 2/3） μ1 - μ2 3 - 2 1 x1-x2 μ 144/144 1 σ12 σ22 n1 n2 + 1/2 2/3 2 2 + 7 12 表1-5 样本平均数差数及其抽样分布 -1.0 1 -1.0 -2.0 4.0 -0.5 6 -3.0 -1.5 13.5 0.0 17 0.0 -1.0 17.0 0.5 30 15.0 -0.5 7.5 1.0 36 36.0 0.0 0.0 1.5 30 45.0 0.5 7.5 2.0 17 34.0 1.0 17.0 2.5 6 15.0 1.5 13.5 3.0 1 3.0 2.0 4.0 Σ 144 144.0 84.0 μ 1.0 7/12 x1-x2 x1-x2-1 f x1-x2-1 2 x1-x2 x1-x2 x1-x2 f f 2 σ Σ x1-x2 [ - 1] 2 · f 144 84 144 7 12 x1-x2 σ Σ x1-x2 [ - ] 2 · f 144 2 x1-x2 μ 1）两个样本平均数的差值所构成的新总体的平均数等于两总体原平均数的差数： 几个重要的结论： 2）两个样本平均数的差值所构成的新总体的方差等于两个总体的样本平均数的方差之和： μ1 -μ2 μ x1-x2 σ2 x1-x2 3）如果两个总体均为正态分布，则其样本平均数的差数（ ）构成的新总体准确地遵循正态分布，无论样本容量大小，都有 N（ ， ） x1-x2 μ x1-x2 4）如果两个总体不为正态分布，只要n1，n2 30，上述原理仍可应用。 σ2 x1-x2 σ12 n1 σ22 n2 + x1 σ 2 x2 σ 2 + 四、正态分布 1 概念 - 2 φ X e 1 σ√2π 1 x- μ 2 σ 1）概念 正态分布随机变量的概率密度函数φ X 为： 式中：x——正态分布中的随机变量； e——2.718，是自然对数的底数； μ——正态分布总体的平均数，是曲线最高点的横坐标； σ——正态分布总体的标准差，其大小表达曲线高低胖瘦程度。 正态分布常以记号N（ μ ， σ2）来表示，当μ 0 ，σ 1时，正态分布称为标准正态分布。 正态分布首先由De Moivre于1733年在讨论二项式分布的极限时发现，但并未引起人们注意。 后来，由Gauss和Laplace在研究误差时重新发现，所以正态分布曲线也称高斯曲线，是连续性随机变量的一种最重要而常见的概率分布，在生物统计学中用途很广，占有很重要地位。 （3）正态分布总体的多数观察值出现在算术平均数μ的附近；离平均数愈远，出现的次数愈少；当 x-μ ≥3σ时， 出现次数极少。 3）正态分布曲线的特点 （1）正态分布曲线以算术平均数μ 为轴点，左右对称。说明