第二章概率和概率分布浅析.pptVIP

第二章 概率和概率分布 上一章，我们介绍了如何收集和归纳样本资料。但是，我们研究一组样本数据的最终目的不在于研究样本本身，而是根据样本提供的信息对其来自的总体的特征和分布规律作出尽可能精确和可靠的推断，这称为统计推断。 由于抽样误差的存在，统计推断的结论带有一定的不确定性，即它不可能是完全正确的。 所以，我们在理解和运用统计推断的方法之前，必须熟悉不确定性的理论－概率和概率分布。 第一节 概率的基本概念 1. 概率论的一些基本术语 例一，在掷一次骰子的试验中，有如下的一些可能发生的事件： 2. 事件的运算 3. 概率的定义 4. 概率的求法 5. 概率的一般运算法则 例二，一个袋子里放有10个男人和15个女人的姓名纸条。法官从袋子里依次抽出两个姓名。有两种可能的抽样方法： （1）非放回式抽样，（2）放回式抽样。求每种方法下两个姓名均为男性的概率 独立事件 第二节 概率分布 1. 随机变量 随机变量能帮助我们深入理解总体和样本的概念，使总体和样本的关系更加明确。随机变量的引入使统计学的深入研究成为可能。 随机变量一般用大写字母来表示，如X，Y，U等。变量的观测值一般用小写字母来表示，如xi，yi，ui等表示随机变量X，Y，U的第i次观测值。 2. 概率分布 2.1 离散型概率分布 离散型概率分布也就是一个函数或表，它定义了这个离散变量的所有值对应的概率： 2.2 连续型概率分布 连续型变量的一个特征是取的值非常多（不可数），无法象离散型变量那样对每一个值赋予一个概率。 在研究连续型变量概率时，“”,“”均可相应换成“≥”,“≤”，而概率数值不变。 每个连续型变量都有它自己的密度函数曲线。 一个术语：分布函数或称累积分布函数，是随机变量X取得小于x0的值的概率。 在分布函数已知的情况下，概率也可以通过分布函数来求。 第三节 总体特征数 样 本 特 征 数 1.随机变量的数学期望E(X) （也就是总体平均数μ） 随机变量X的数学期望是指长期观测X所得数据的平均数，记作E(X)，也就是总体平均数μ。 2.随机变量的方差Var(X) （也就是总体平均数σ2） 随机变量X的数学期望是指长期观测X所得数据的方差，记作Var(X)，也就是总体方差σ2 。σ称为总体标准差。 3.统计学里关于数学期望和方差运算的一些运算公式 方差 统计量 （从样本计算来的量称为统计量，它的数值随样本的不同而不同） 称做 总 体 特 征 数 参数 （值是恒定的） 称做 计算公式： 均可理解成变量（或总体）每个值根据概率的加权平均 0.20 2.0 0.50 1.5 0.20 1.0 0.10 0.5 P(xi) 每天增重xi 计算公式： 均可理解成变量（或总体）每个值离均差的平方根据概率的加权平均 0.20 0.50 0.20 0.10 p(xi) 0.6 0.1 -0.4 -0.9 xi－μ 0.36 0.01 0.16 0.81 (xi－μ)2 0.072 2.0 0.05 1.5 0.032 1.0 0.081 0.5 (xi－μ)2 p(xi) 每天增重xi * 试验：通常我们把根据某一研究目的，在一定条件对自然现象所进行的观察或试验统称为试验。 例如，抛一枚硬币；掷一次骰子；观察随机挑选的6个新生婴儿中男婴的数目 随机试验：试验之前无法预测出现哪一个结果的试验称为随机试验。 例如，抛硬币；掷骰子；观察随机挑选的6个新生婴儿中男婴的数目；在一定条件下生长的小麦随机挑选出一株测株高。 注意：生物统计学里是以随机试验为研究对象的。 基本事件：试验的每一个最基本的结果。一般用小写字母a,b,c,…来表示 事件：基本事件的集合。一般用大写字母A,B,C,…来表示 不可能事件：任何一次试验中，一定不会出现的结果。用Φ表示。 基本事件有6个：{1},{2},{3},{4},{5},{6} 其它的事件有： 事件A＝得到一个奇数＝{1,3,5} 事件D＝得到一个不小于2的数＝{2,3,4,5,6} 事件B＝得到一个偶数＝{2,4,6} 事件C＝得到最大的数＝{6} 事件E＝得到数字0＝Φ 事件的和（并） 事件A和事件B的和，记为A U B，包含A和B里的一切基本事件或元素，其意义是“A，B两事件至少发生一个”。 例如：A={随机抽取一名患者，测得红血球含量是1～15个单位} B={随机抽取一名患者，测得红血球含量是10～30个单位} 事件A U B＝{随机抽取一名患者，测得红血球含量是1～30个单位} 事件的交 事件A和事件B的交，记为A ∩ B，简记为AB，包含A和B共同拥有的基本事件或元素，其意义是“A，B两事件同时发生”。 例如：A={随机抽取一名患者，测得红血球含量是1～15个单位} B={