数学建模_概率统计建模的理论与方法精讲.ppt

3.几个在统计中常用的概率分布 -4 -2 0 2 4 6 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 （1） 正态分布 ) , ( 2 s m N 密度函数： 2 2 2 ) ( 2 1 ) ( s m s p - - = x e x p 分布函数： dy e x F y x 2 2 2 ) ( 2 1 ) ( s m s p - - ￥ - ò = 其中 m 为均值， 2 s 为方差， +￥ ￥ - x . 标准正态分布： N （0，1） 密度函数 2 2 2 1 ) ( x e x - = p j dy e x y x 2 2 2 1 ) ( - ￥ - ò = F p 分布函数 返回 F分布F（10，50）的密度函数曲线 三、 参数估计 1.点估计的求法 (一）矩估计法 (二）极大似然估计法 2.区间估计的求法 1、已知DX，求EX的置信区间 2． 未知方差DX，求EX的置信区间 (一)数学期望的置信区间 （二）方差的区间估计 返回 1.参数检验：如果观测的分布函数类型已知，这时构造出的 统计量依赖于总体的分布函数，这种检验称为参数检验. 参数检验的目的往往是对总体的参数及其有关性质作出明 确的判断. 对总体X的分布律或分布参数作某种假设，根据抽取的样本观察值，运用数理统计的分析方法，检验这种假设是否正确，从而决定接受假设或拒绝假设. 2.非参数检验：如果所检验的假设并非是对某个参数作出明 确的判断，因而必须要求构造出的检验统计量的分布函数 不依赖于观测值的分布函数类型，这种检验叫非参数检验. 如要求判断总体分布类型的检验就是非参数检验. 四、 假设检验 假设检验的一般步骤是： （一）单个正态总体均值检验 1、参数检验 （二）单个正态总体方差检验 （三）两个正态总体均值检验 （四）两个正态总体方差检验 例9、续例2（离散型） 例2中认为在时间间隔 内放射性物质放射出的α粒子 数X服从Poisson分布，是否合理？我们现在解决这个问题。 这是一个非参数假设检验问题，原假设为 H0:X服从Poisson分布 当然其对立假设就是X不服从Poisson分布。 2.非参数检验 检验的第一步要解决的问题是，如果H0成立，那么它服从参数 为多少的Poisson分布？要先估计未知参数。因为这时 所以用点估计法有， 可知如果H0成立，那么 检验的第二步要解决的问题是，观测数据是否支持原假设？ 如果原假设成立， 那么X的分布如表中1、4行所示，我们可以计算出在总共 N＝2608次观测中X取每个值的理论频数Npk： 17.07489 29.18929 67.88208 140.3247 253.8173 393.5152 508.4176 525.4962 407.3614 210.5227 54.39863 理论频数Npk 0.006547 0.011192 0.026028 0.053805 0.097323 0.150888 0.194945 0.201494 0.156197 0.080722 0.020858 理论概率pk 0.006135 0.010353 0.017255 0.053298 0.104678 0.156442 0.203988 0.201304 0.146856 0.077837 0.021856 频率f 16 27 45 139 273 408 532 525 383 203 57 频数n 10 9 8 7 6 5 4 3 2 1 0 粒子数X （二）概率纸检验法 概率纸是一种判断总体分布的简便工具.使用它们，可以很快地判断总体分布的类型.概率纸的种类很多. 返回 五、MATLAB统计工具箱中的基本统计命令 1.数据的录入、保存和调用 2.基本统计量 3.常见概率分布的函数 4.频 数 直 方 图 的 描 绘 5.参数估计 6.假设检验 7.综合实例 返回 1.数据的录入、保存和调用 例1 上海市区社会商品零售总额和全民所有制职工工资总额的数据如下 统计工具箱中的基本统计命令 （1）年份数据以1为增量，用产生向量的方法输入。 命令格式： x=a:h:b t=78:87 （2）分别以x和y代表变量职工工资总额和商品零售总额。 x=[23.8,27.6,31.6,32.4,33.7,34.9,43.2,52.8,63.8,73.4] y=[41.4,51.8,61.7,67.9,68.7,77.5,95.9,137