[KS课件] 数据分析和概率统计.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 123 * * 例题： 从总体不合格品率为5%的工序中抽取10个样本时，抽取2个不合格品的概率为多少？ 3. 概率和分布——离散型概率分布 例题： 从总体不合格品率为5%的工序中抽取10个样本时，抽取2个不合格品的概率为多少？ 3. 概率和分布——离散型概率分布 泊松分布的概率分布： - 泊松分布一般用于了解一定单位的空间（长度，面积等）或时间内出现某种事件的次数，或在特定时间内发生的自动化生产线的不合格数X。 - 泊松分布具有数学期望和方差均为m 3. 概率和分布——离散型概率分布 例题： 某工厂生产的一张钢板（10平方米）的总体不合格数m为3。从这些钢板中任意抽取一张时，不出现不良的概率为？ 3. 概率和分布——离散型概率分布 例题： 某工厂生产的一张钢板（10平方米）的总体不合格数m为3。从这些钢板中任意抽取一张时，不出现不良的概率为？ 3. 概率和分布——离散型概率分布 3. 概率和分布——离散型概率分布 多个分布之间的近似关系： 3. 概率和分布——连续型概率分布 连续型概率分布： - 是适用于像重量，长度，温度，时间等计量型数据的分布，其中最具代表性的是正态分布（Normal Distribution） 正态分布： - 当 ，-∞ ≤ x ≤ +∞时，X服从正态分布：X~N（μ，σ ） - E（X）= μ，V（X）= σ - 函数曲线对于均值μ左右对称，且呈现为坡度为σ的钟型 2 2 3. 概率和分布——连续型概率分布 正态分布： - 均值决定中心位置 - 方差决定离散大小 3. 概率和分布——连续型概率分布 标准正态分布： - 所有的正态分布可以转换为均值为0，方差为1的正态分布，叫做标准正态分布 正态分布的标准化： - 即证明U=(X- μ )/ σ ~N(0,1)，求证如下： [证] E[(X- μ )/σ]=1/ σ* E(X)-E(μ/ σ) = 1/ σ* μ- μ/ σ =0 V[(X- μ )/σ]=1/ σ * V(X)- 1/ σ V(μ) = 1/ σ * σ - 1/ σ *0 =1 所以U的均值E[(X- μ )/σ]=0，方差V[(X- μ )/σ]=1 可知，U=(X- μ )/ σ ~N(0,1) 得证 2 2 2 2 2 3. 概率和分布——连续型概率分布 标准正态分布： - 概率密度函数为 - 均值为0，方差为1，即 U ~N(0,1) 3. 概率和分布——连续型概率分布 概率： P{U≥U1-α}= α P{U≤U1-α}= 1-α 3. 概率和分布——连续型概率分布 概率计算公式： (1) P{U ≤ 0}=0.5 (2) P{U a }=1- P{U ≥ a } (3) P{U ≤ -a }=P{U ≥ a } (4) P{U ≥ -a }=1- P{U ≥ a } (5) P{a ≤ U ≤b }=P{U ≥ a }- P{U b } 例题： 在服从N(0,1)的标准正态分布中求下列概率 1)P{ U ≥ -1.2} 2)P{ -0.15 ≤ U ≤ 1.60 } 3. 概率和分布——连续型概率分布 例题： 在服从N(0,1)的标准正态分布中求下列概率 1)P{ U ≥ -1.2} 2)P{ -0.15 ≤ U ≤ 1.60 } 3. 概率和分布——连续型概率分布 正态分布的性质： (1) 正态分布的概率密度函数曲线与水平轴之间的总面积为1 (2) 均值与中位数相同 (3) 3. 概率和分布——连续型概率分布 正态分布的性质： (4) 正态分布的线性结合重新服从于正态分布 例如：当 X ~N（μ，σ）时，对于常数a，b有： ax+b ~N（aμ+b，a σ ） (5) 样本均值（ ）的分布也服从于正态分布