食品实验与设计·第四章技术总结.ppt

第四章 常用概率分布 为了便于理解统计分析的基本原理，正确掌握和应用统计分析方法，本章在介绍概率论中最基本的两个概念－事件、概率的基础上，重点介绍科学研究中常用的几种随机变量的概率分布－正态分布、二项分布、波松分布以及样本平均数的抽样分布和t分布。 重点 一、随机事件（事件）、必然事件、不可能事件的概念； 二、概率的概念及其性质； 三、正态分布的定义、特点及其标准化； 四、标准正态分布； 五、正态分布条件下概率计算以及几个重要的特殊概率； 六、二项分布的定义、特点和概率计算； 七、波松(泊松，Poisson)分布的定义、特点； 八、样本平均数的抽样分布定义； 九、标准误的定义、标准误与标准差的区别 十、t分布的定义、特点。 4.1 事件与概率 试验：通常是指对现象的观察 随机试验：如果试验可以在相同（或基本相同）的条件下重复；且每次试验有多种可能结果；在每次试验结束之前明确试验的所有可能结果，但不能预知出现那一个确切结果，则称这样的试验为随机试验（试验） 4.1.1 事件 事件：试验的结果 随机事件 必然事件 不可能事件 随机事件（事件）：在试验中可能发生也可能不发生的事件 必然事件：把在一定条件下必然会发生的事件称为必然事件（certain event），用Ω表示。 例如，一个大气压下，水加热到100℃，水会沸腾；种瓜得瓜、种豆得豆 不可能事件：在一定条件下不可能发生的事件称为不可能事件（impossible event），用ф表示。例如，在满足一定孵化条件下，从石头孵化出小鸡，就是一个不可能事件。 4.1.2 概 率 研究随机试验，仅知道可能发生哪些随机事件是不够的，还需了解各种随机事件发生的可能性大小，以揭示这些事件的内在的统计规律性，从而指导实践。这就要求有一个能够刻划事件发生可能性大小的数量指标，这个指标应该是事件本身所固有的，且不随人的主观意志而改变，人们称之为概率（probability）。事件A的概率记为P（A）。 ●概率统计定义： 在相同条件下进行n次重复试验，如果随机事件A发生的次数为m，那么m/n称为随机事件A的频率（frequency）；当试验重复数n逐渐增大时，随机事件A的频率越来越稳定地接近某一数值 p ， 那么就把 p称为随机事件A的概率。 表4-1 抛掷一枚硬币发生正面朝上的试验记录 从表4-1可看出，随着实验次数的增多，正面朝上这个事件发生的频率越来越稳定地接近0.5，我们就把0.5作为这个事件的概率。 在一般情况下，随机事件的概率p是不可能准确得到的。通常以试验次数n充分大时随机事件A的频率作为该随机事件概率的近似值。 即 P（A）=p≈m/n （n充分大）（4-1） 概率的性质 （1）对于任何事件A，有0≤P（A）≤1； （2）必然事件的概率为1，即P（Ω）=1； （3）不可能事件的概率为0，即P（ф）=0。 4.1.3 小概率事件实际不可能性原理 随机事件的概率表示了随机事件在一次试验中出现的可能性大小。若随机事件的概率很小，例如小于0.05、0.01、0.001，称之为小概率事件。 在统计学上，把小概率事件在一次试验中看成是实际不可能发生的事件称为小概率事件实际不可能性原理，亦称为小概率原理。 小概率事件实际不可能性原理是统计学上进行假设检验（显著性检验）的基本依据。 4.2 概率分布 事件的概率表示了一次试验某一个结果发生的可能性大小。若要全面了解试验，则必须知道试验的全部可能结果及各种可能结果发生的概率，即必须知道随机试验的概率分布(probability distribution)。为了深入研究随机试验 ，我 们 先引入随机变量(random variable)的概念。 4.2.1 随机变量 【例】 食品加工中高温杀菌可能结果只有两种，即“全部杀死细菌”与“未能全部杀死细菌”。 若用变量x表示试验的两种结果，则可令x=0表示“未能全部杀死细菌”，x=1表示“全部杀死细菌”。 【例】 测定关中地区不同小麦品种的蛋白质含量，其蛋白质含量在9.3-13.5％之间，如用x表示测定结果，那么x值可以是这个范围内的任何实数。 离 散 型 随 机 变 量：如果表示试验结果的变量x，其可能取值为可列个 ，且 以各种确定的概率取这些不同的值 ， 则 称 x 为 离 散 型 随 机 变 量 鸡蛋的蛋数、红细胞计数 连续 型 随 机 变 量：如果表示试验结果的变量x ，其可能取值为某范围内的任何数值 ，且x在其取值范围内的任一区间中取值时，其概率是确定的，则称x为 连续 型 随 机 变 量 例如身高、体重、血