《统计心理学教学资料》第4章 z-score%2Cprobability and binormial.ppt

* Normal curve is an idealized distribution. For this chapter we will consider populations that are normally distributed. * * * * * * * * * * * * * * * 两次掷到正面的概率是多少? 掷不到正面的概率是多少? 只一次掷到正面的概率是多少? 至少一次掷到正面的概率是多少?? 假设 n = 6.有多少可能的结果? 64 种 （公式是: 2n） * * 什么条件下，二项分布可以近似为正态分布？ 看n = 6 时的情况 (pn = .5*6 = 3). * 当 n 足够大 (pn 10) 和(qn 10),二项分布可以近似为正态分布. 二项分布的均值和标准差 Mean: Standard deviation: * 二项分布的均值和标准差 Mean * Variance and Standard Deviation n = sample size p = probability of A q = (1 – p) 利用正态分布表求二项分布的概率 正态分布中X 的值是一段, 而并非一点, 所以当二项分布近似为正态分布时，需要考虑精确上下限。因为我们是在用连续型分布 (正态) 来估计离散型分布的值. * 例2: 某职业学校,有时学生入学后会中途退学. 如果每个人中途退出的概率是0.10, 在100人的班上， 有不少于15个学生退学的概率是多少? 有多于15个学生退学的概率是多少? * 例3: 有时学生入学后会中途退学. 如果每个人中途退出的概率是0.10, 在100人的班上， 有不少于15个学生退学的概率是多少? 有多于15个学生退学的概率是多少? n = 100 p = 0.10 q = 0.90 np = .10*100 = 10 nq = 90 ? ? mx = pn = 10 sx = sqrt(npq) = sqrt (100*.10*.90) = sqrt (9) = 3 ? p(X 15的精确下限) = P(X 14.5) ? = P(Z 14.5-10) / 3.0= P(z 1.5) = 0.0668 2. p(X 15的精确上限) = P(X 15.5) ? = P(Z 15.5-10) / 3.0= P(z 1.833) = 0.0335 * 例4 : 假设你参加一个48道题的多项选择题测验, 只有4种可能的答案. 你全凭猜测作答. 猜对14 道题的概率是多少? * 例4 : 假设你参加一个48道题的多项选择题测验, 只有4种可能的答案. 你全凭猜测作答. 猜对14 道题的概率是多少? p = P(正确) = 1/4 q = P(错误) = 3/4 pn = (1*48)/4 = 12 qn = (3*48)/4 = 36 pn 和qn 都大于10，所以可以假定分布近似正态. 分数 14 其实是对应 从 13.5 到 14.5 之间这段距离 * * 概念小测查: 判断正误 概率的值总在0和1.0之间. 当样本量较小的时候,回置取样就不那么重要. 概率的概念涉及随机取样. 随机取样概念即指回置取样. 一个容器内有4只红子和5只蓝子.如果随机拿1只棋子,取到红子的概率4/5=0.8. * 概念小测查: 判断正误 一个容器内有10只红子和20只蓝子. 随机拿2只棋子,如果第1只是红子,第2只取到蓝子的概率20/29 在正态分布中,z=+1.00之外尾端的面积是p=0.1587, z=-1.00之外尾端的面积是p=-0.1587. 在正态分布中,z=+1.00之外尾端的面积与z=-1.00之外尾端的面积相等. 在二项分布中,?=sqrt(npq) 在任何正态分布中, z=+2.00之外尾端的面积是0.0228. * * * * * * * * * * * * * * * * * * * * Normal curve is an idealized distribution. For this chapter we will consider populations that are normally distributed. * 总体 样本 * Random 总体 样本 概率与随机取样（random sampling） 在次数分布表中. F/N曾用来计算比率. 而概率 也常常表达为比率的形式 (或百分比或分数). 但是, 为获得正确定义的概率, 个体的选取 (取样) 一定要通过随机取样 随机取样应满足以下两个条件: 1