[KS]数据和概率统计资料.pptVIP

数据收集和整理的方法 统计量 概率和分布;收集数据; 1. 明确收集数据的目的;;总体和样本： - 总体：关心对象的所有个体之和（母集团） - 样本：为代表总体选择的总体的一部分（子集团） 总体的分类： - 有限总体：总体大小有限时（eg：产品批次） - 无限总体：总体大小无限时（eg：工序产品） 数据的分类： - 计量值或变量数据（Variable Data）：可连续测量的质量特性 eg：长度，重量，分数，时间，粘度等 - 计数值或属性数据（Attribute Data）：可数个数的离散型质量特性 eg：不合格品数，不符合件数，不合格率等 ;统计量： 样本是总体的代表和反映，是统计推断的基本依据.但是样本所含的信息不能直接用于解决我们所要研究的问题，而需要把样本的信息进行数学上的加工使其浓缩起来，从而解决我们的问题. 这在数理统计中往往通过构造一个合适的依赖于样本的函数——统计量来达到的. 设x1,x2,…,xn是来自总体X的样本. f(x1,x2,…,xn)是一个样本函数，若f(x1,x2,…,xn)不含未知参数，则称f(x1,x2,…,xn)是一个统计量。 例 设x1,x2是总体X～N (m,s2)的一个样本，其中m,s2是未知参数. 则x1+x2，x1+x22都是统计量，而x1+m，x2/s都不是统计量. ;总体关注的信息： - 总体分布的中心位置 ?总体特性值以那个值为中心形成分布 - 总体分布的变异（离散） ?总体特性值偏离中心位置的程度 分布的中心位置或变异等决定总体面貌的常数称为参数（Parameter）， 一般 用希腊字母标记 代表性参数： - 表示总体中心位置的代表参数是总体均值，用μ表示 ?总体均值是代表总体平均值的参数 - 表示离散的代表参数是总体方差和总体标准差，分别用σ 和σ表示 ?用于离散型数据的代表参数是总体比率，用P0表示，如总体不合格率 ;表示中心位置的统计量： - 假设从总体中选取n个样本，并从这些样本中测量得出X1,X2,..Xn等 ?表示中心位置的统计量有，均值（Mean），中位数（Median中程数），中程数（Mid-range），众数（Mode） ;表示离散的统计量： - 假设从总体中选取n个样本，并从这些样本中测量得出X1,X2,..Xn等 ?表示中心位置的统计量有，极差（Range）,协方差（S）,方差（ s2）,标准差（s）,离散系数（CV） ;相关概念： - 相同条件下可以重复进行的 实验叫做处理（Trial） - 在某个处理中有可能发生的所有结果的集合叫做样本空间（Sample Space） - 样本空间的部分集合叫做事件（Event） - 样本空间中最为基本的事件叫做基本的事件（Elementary Event） - 这些基本事件集合成为事件 - 具有可能性的所有基本事件的集合将成为样本空间;概率的定义： - 样本空间S中所有元素（基本事件）发生的可能性相等时，发生事件A的概率为：P（A）=事件A所包含的基本事件个数/事件B所包含的基本事件个数;概率变量（Random Variable）： - 在样本空间中定义的实数值函数叫做概率变量 - 概率变量可分为离散型（Discrete Type）和连续型（Continuous Type） - 离散型概率变量是在离散点中定义的概率变量 - 连续型概率变量是在某个区间或整个直线上中定义的可以取连续值的概率变量 - 概率变量用英文字母（如X）表示，概率变量值用小写字母（如x）表示;数学期望： - 概率变量X的数学期望（Expected Value）指均值 - 因数学期望和总体均值相同，总体均值的记号同样使用μ - X的数学期望是： E(X)=∑x*p(x) (离散型) =∫x*f(x)dx（-∞ ≤ x ≤ +∞）(连续型) ;X的方差V(X)： - V(X)=E[(x-μ) ] = ∑(x- μ) p(x) (离散型) =∫(x-μ) *f(x)dx（-∞ ≤ x ≤ +∞）(连续型) - X的标准差 D(X)=;离散型概率分布： - 主要适用于不合格品数，不合格数，事故数等的分布，代表性的分布有超几何分布，二项分布和泊松分布 - 研究不合格品的分布有超几何分布和二项分