第3章 几种常见的概率分布律.pptVIP

【例3.9】 已知猪血红蛋白含量x服从正态分布 N ( 12.86，1.332 )， 若 P (x ＜ ) =0.03, P(x≥ )=0.03,求 , 。 由题意可知，α/2=0.03,α=0.06 又因为 P(x≥)= 故 P(x＜ )+ P(x≥ ) = P(u＜- ) + P(u≥ ) =1- P(- ≤u＜ )=0.06=α 由附表2查得： =1.880794, 所以 ( -12.86)/1.33=-1.880794 ( -12.86)/1.33=1.880794 即 ≈10.36， ≈15.36。 3.5 另外几种连续型概率分布 1、指数分布 2、Γ分布 1、指数分布 密度函数： 分布函数： 2、Γ分布 密度函数： Γ(p)的定义： Γ函数的几个简单特性 特性： Γ(1)=1 Γ(k+1)=k Γ(k), k0 Γ(n)=(n-1)!, n为整整数 Γ(1/2)=π1/2 特征数： μ＝p σ＝p1/2 γ1＝2/p1/2 γ2＝6/p=1.5 γ12 3.6 中心极限定理 中心极限定理：假设被研究的随机变量X，可以表示为许多相互独立的随机变量Xi的和。如果Xi的数量很大，而且每一个别Xi对于X所起的作用又很小，则X可以被认为服从或近似地服从正态分布。 1.若随机变量x 服从正态分布，则统计量 也服从正态分布，且： 2.若随机变量x服从平均数是μ，方差是σ2的分布(不是正态分布) ，当n相当大时， 也逼近正态分布N(μ,σ2／n)。 这就是中心极限定理 中心极限定理告诉我们：不论x变量是连续型还是离散型，也无论x服从何种分布，一般只要n＞30，就可认为 的分布是正态的。若x的分布不很偏倚，在n＞20时，就近似于正态分布了。 * 正态分布是一种很重要的连续型随机变量的概率分布。生物现象中有许多变量是服从或近似服从正态分布的。许多统计分析方法都是以正态分布为基础的。此外，还有不少随机变量的概率分布在一定条件下以正态分布为其极限分布。因此在统计学中，正态分布无论在理论研究上还是实际应用中 ， 均占有重要的地位。 平均数： 方差： 2. 负二项分布 负二项分布所要求的条件与二项分布是一样的。不同的是负二项分布需要求出在第x次试验时，发生第k次事件A的概率。或者说，在x次试验中，共发生k次事件A，而且事件A的第k次试验恰恰是在第x次试验发生的。 3.4 正态分布 正态分布是一种很重要的连续型随机变量的概率分布。生物现象中有许多变量是服从或近似服从正态分布的。许多统计分析方法都是以正态分布为基础的。此外，还有不少随机变量的概率分布在一定条件下以正态分布为其极限分布。因此在统计学中，正态分布无论在理论研究上还是实际应用中 ， 均占有重要的地位。 一、正态分布的定义及其特征 （一） 正态分布的定义 若连续型随机变量x的概率分布密度函数为 (3-6) 其中μ为平均数，σ2为方差，则称随机变量x服从正态分布(normal distribution)， 记为x～N(μ,σ2)。相应的概率分布函数为 (3-7) 分布密度曲线如图所示。 (二) 正态分布的特征 1、正态分布密度曲线是单峰、对称的悬钟形曲线，对称轴为x=μ； 2、f(x) 在 x =μ处达到极大 ，极大值 ； 3、f(x)是非负函数，以x轴为渐近线，分布从-∞至+∞； 4、曲线在x=μ±σ处各有一个拐点，即曲线在(-∞,μ-σ)和(μ+σ,+∞) 区间上是下凸的，在[μ-σ,μ+σ]区间内是上凸的； 5、正态分布有两个参数，即平均数μ和标准差σ。 6、分布密度曲线与横轴所夹的面积为1，即： μ是位置参数，如图所示。 当σ恒定时，μ愈大，则曲线沿x轴愈向右移动；反之，μ愈小，曲线沿x轴愈向左移动。 σ是变异度参数， 如图所示 。 当μ恒定时， σ愈大，表示 x