第五章概率与概率分布说课.ppt

F分布变量为两个χ2分布变量（在除以它们各自自由度之后）的比。 F分布有两个自由度：第一个自由度等于在分子上的χ2分布的自由度，第二个自由度等于在分母的χ2分布的自由度。 第一个自由度越小，分布曲线的峰越靠近左边。 F分布在一个重要性质： 如果F~F(n1, n2)，则1/F~ F(n2, n1)。 例;已知：F~F(6,8),求： 　1、F≥5.6的概率是多少 　2、 F≥a的概率是0.05, 那么a=? 四、常用的随机变量分布 （一）常用的离散型随机变量分布 1. 二项分布 　贝努里试验的特点： 　（1）每次试验只有两种结果——“成功”(事件A发生)和“失败”(事件A不发生)； 　（2）每次试验得到一种结果的概率不变（“成功”的概率总是p）； 　（3）每次试验互相独立。 如果进行n次贝努里试验，每次成功的概率为p，那么成功次数X是一个随机变量，其概率分布就是一个二项分布，记为X~B(n，p)，此时，有： , 二项分布的数学期望和方差： 　E(X)＝np 　D(X)＝np(1－p) 二项分布的特例——二点分布（0－1分布） 即n＝1时的二项分布。 2.泊松分布 它衡量某种事件在一定期间出现的数目的概率。比如说在一定时间内顾客的人数、打入电话总机电话的个数、放射性物质放射出来并到达某区域的粒子数等等。 在一定时间（或长度）、区域、容积内，小概率事件（稀有事件）发生的次数的概率分布常常用泊松分布来描述。 参数为λ的泊松分布记为P(λ)。 若X~ P(λ)，则X取各个值的概率为： , 泊松分布的数学期望和方差： E(X)＝λ ； D(X)＝λ 二项分布与泊松分布的关系： 　以n、p为参数的二项分布，当n趋于无穷大时，二项分布趋近于以λ为参数的泊松分布，且λ ＝ np 。 （二） 常用的连续型随机变量分布 1、正态分布 　　　正态分布是最重要、最常用的连续型随机变量分布。主要原因在于： 许多随机变量服从或近似服从正态分布； 由于它特有的数学性质，许多分布（如二项分布）可以用正态分布近似计算； 根据中心极限定理，样本平均数的分布服从或近似服从正态分布； 由正态分布可以导出其他许多有用的分布（如卡方分布、t分布、F分布）等等。 正态分布曲线图 均值不同，方差相同 均值相同，方差不同 σ=0.5 σ=2 　正态分布的概率密度 正态分布也是一族分布，各种正态分布根据它们的均值和标准差不同而有区别. 若X服从正态分布，其均值为μ ，方差为σ2，则记为X~ N(μ, σ2)，其概率密度为： f(x)与F(x) 1、f(x)：概率密度函数； 　F(x):分布函数。 2、函数表达式的区别： 3、图示的区别中： 　　正态曲线 正态分布的概率密度所对应的图形简称正态曲线 正态曲线的主要特征： 钟型； 对称（以X=μ为对称轴）； 以X轴为渐近线； 曲线在 x= μ -σ及 x= μ+σ 处有拐点； 曲线的陡缓程度取决于参数(方差) σ2。 　　标准正态分布 特别地，均值为0，标准差为1的正态分布称为标准正态分布。 常用φ（x）、Ф（x）分别表示标准正态分布的概率密度和分布函数。 任何正态分布变量都可以用简单的线性变换（减去其均值、再除以标准差）而成为标准正态分布。 X~ N(μ, σ2) ，则Z=(X－ μ)/σ ~ N(0 ,1) 一般正态分布化为标准正态分布 例： 已知：x~N(3,16),求: 1、x≤8的概率; 2、F（6）; 　　3、f(6); 4、 5≤x≤8的概率 落在总体均值附近某一区间内的概率 几乎所有的统计学书后都附有标准正态分布的函数值。查表或利用统计软件即可查得正态分布在一定区间的概率。但最常用的是求在中心（均值μ）附近、标准差σ的1、2、3倍区间内的概率： 标准正态分布（图）及其概率 2、χ2分布 (卡方分布) 卡方 (c2) 分布的定义 卡方 (c2) 分布的图示 不同自由度的卡方分布曲线 n=1 n=4 n=10 n=20 卡方 (c2) 分布的特点 1、n个独立的标准正态随机变量的平方和仍然为一随机变量，其概率分布是有n个自由度的χ2分布，记为χ2(n); 2、χ2 分布是一个以自由度为参数的