统计学第4章概率分布课程方案.ppt

数据分析(方法与案例);数学定律不能百分之百确切地用在 现实生活里；能百分之百确切地用 数学定律描述的，就不是现实生活 ——Alber Einstein;第 4 章 统计推断的理论基础—概率分布;学习目标;想过下面的问题吗？;中奖的可能性有多大？ ;神州七号飞船遭遇空间碎片的概率有多大？;神州七号飞船遭遇空间碎片的概率有多大？;神州七号飞船遭遇空间碎片的概率有多大？;4.1 度量事件发生的可能性 概率是什么？ 怎样获得概率？ 怎样理解概率？;什么是概率？(probability);怎样获得概率？;怎样理解概率？;4.2 随机变量的概率分布 4.2.1 随机变量及其概括性度量 4.2.2 离散型概率分布 4.2.3 连续型概率分布;4.2.1 随机变量及其概括性度量;什么是随机变量？(random variables);;;;离散型随机变量的方差(variance);;;4.2.2 离散型概率分布;;二项试验(Bernoulli试验) ;二项分布(Binomial distribution);二项分布(期望值和方差);二项分布 (例题分析) ;泊松分布(Poisson distribution);;泊松分布(期望值和方差);泊松分布 (例题分析);;超几何分布 (例题分析);4.2.3 连续型概率分布;连续型随机变量的概率分布;;正态分布(normal distribution);;正态分布函数的性质;? 和? 对正态曲线的影响;正态分布的概率;标准正态分布(standardize normal distribution);正态分布(例题分析);数据正态性的评估;;正态概率图的分析(normal probability plots);4.3 由正态分布导出的几个重要分布 4.3.1 t 分布 4.3.2 ?2 分布 4.3.3 F 分布;4.3.1 t 分布;t-分布 (t-distribution);t-分布(用Excel计算t分布的概率和临界值);4.3.2 ?2 分布;由阿贝(Abbe) 于1863年首先给出，后来由海尔墨特(Hermert)和卡·皮尔逊(K·Pearson) 分别于1875年和1900年推导出来 设 ，则 令 ，则 y 服从自由度为1的?2分布，即 对于n个正态随机变量y1 ，y2 ，yn，则随机变量 称为具有n个自由度的?2分布，记为;分布的变量值始终为正 分布的形状取决于其自由度n的大小，通常为不对称的正偏分布，但随着自由度的增大逐渐趋于对称 期望为：E(?2)=n，方差为：D(?2)=2n(n为自由度) 可加性：若U和V为两个独立的?2分布随机变量，U~?2(n1)，V~?2(n2),则U+V这一随机变量服从自由度为n1+n2的?2分布 ;;c2-分布(用Excel计算c2分布的概率);4.3.3 F 分布;为纪念统计学家费希尔(R.A.Fisher) 以其姓氏的第一个字母来命名则 设若U为服从自由度为n1的?2分布，即U~?2(n1)，V为服从自由度为n2的?2分布，即V~?2(n2),且U和V相互独立，则 称F为服从自由度n1和n2的F分布，记为;;F-分布(用Excel计算F分布的概率和临街值);4.4 样本统计量的概率分布 4.4.1 统计量及其分布 4.4.2 样本均值的分布 4.4.3 其他统计量的分布 4.4.4 统计量的标准误差;4.4.1 统计量及其分布;参数和统计量;样本统计量的概率分布，是一种理论分布 在重复选取容量为n的样本时，由该统计量的所有可能取值形成的相对频数分布 随机变量是 样本统计量 样本均值, 样本比例，样本方差等 结果来自容量相同的所有可能样本 提供了样本统计量长远而稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据 ;4.4.2 样本均值的分布;在重复选取容量为n的样本时，由样本均值的所有可能取值形成的相对频数分布 一种理论概率分布 推断总体均值?的理论基础 ;;;样本均值的分布 (例题分析);;样本均值的分布与中心极限定理;中心极限定理(central limit theorem);;;;4.4.3 其他统计量的分布;总体(或样本)中具有某种属性的单位与全部单位总数之比 不同性别的人与全部人数之比 合格品(或不合格品) 与全部产品总数之比 总体比例可表示为 样本比例可表示为 ;;;4.4.4