第四章_理论分布和抽样分布.pptVIP

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。 二、正态分布曲线的特点： 曲线以平均数为对称轴，左右对称； 算术平均数、中数、众数三位合一； 正态分布曲线是以平均数和标准差的不同而表现为一系列曲线； 正态分布资料的次数分布表现为多数次数集中在算是平均数附近，距之俞远，次数俞少； 正态分布曲线在离开平均数一个标准差处有拐点，且曲线是以x轴为渐进线； 正态分布曲线与x轴间的面积为1，任何两个x定值间的面积或概率由平均数和标准差确定。 正态分布 图8 标准差相同( 1)而平均数不同( =0、 =1、 =2)的三个正态分布曲线 图9 平均数相同( 0)而标准差不同( =1、 =1.5、 =2)的三个正态分布曲线 例如，上章水稻140行产量资料的样本分布表现出接近正态分布 ±ks 数值(g) 区间(g) 区间内包括的次数 次数 % ±1s 157.9± 36.4 121.5～194.5 99 70.71 ±2s 157.9± 72.8 85.1～230.7 134 95.71 ±3s 157.9±109.2 48.7～267.1 140 100.00 表 140行水稻产量在 ±1s， ±2s， ±3s范围内所包括的次数表 三、计算正态分布曲线区间面积或概率的方法 概率可用曲线下区间的面积来表示， 或者说，用其定积分的值表示 (13) 同样可以计算曲线下从－∞到y的面积，其公式如下： (14) 这里FN(y)称为正态分布的累积函数，具有平均数 和标准差 。 A=P(ayb) fN(y) 图4.10　正态分布密度函数的积分说明图面积A=P(ayb) 现如给予变数任何一定值，例如a，那么，可以计算y≤a的概率为FN(a)，即 (4·15) 如果a与b(ab)是y的两个定值，则其区间概率可从下式计算： (4·16) [例4.4] 假定y是一随机变数具有正态分布，平均数 =30，标准差 =5，试计算小于26，小于40的概率，介乎26和40区间的概率以及大于40的概率。 所有正态分布都可以转换为标准化正态分布方程式 首先计算： 先将y转换为u值 然后查表计算概率。 同理可得： FN(40)=0.9773 所以：P(26＜y≤40)=FN(40)－FN(26)=0.9773－0.2119 = 0.7654 P(y＞40)=1－P(y≤40)=1－0.9773 =0.0227 查附表2，当u=－0.8时，FN(26)=0.2119，说明这一分布从－∞到26范围内的变量数占全部变量数的21.19%，或者说，y≤26概率为0.2119. 图4.12 概率计算图示 [例4.5] 在应用正态分布时，经常要讨论随机变数y离其平均数的差数大于或小于若干个值的概率。例如计算离均差绝对值等于小于和等于大于1 的概率为： 也可以简写为 相应地，离均差绝对值等于小于2 、等于大于2 、等于小于3 和等于大于3 的概率值为： 图4.13 离均差的绝对值≤1 , 2 和1.96 的概率值 第五节 抽样分布 统计学的一个主要任务是研究总体和样本之间的关系。 两个方向 从总体到样本的方向, 即本节所要讨论的抽样分布。 从样本到总体的方向，即统计推断问题。 抽样分布( sampling distribution )是统计推断的基础。 一、统计数的抽样及其分布参数 二、正态总体的抽样分布 三、二项总体的抽样分布 一、统计数的抽样及其分布参数 从总体中随机抽样得到样本，获得样本观察值后可以计算一些统计数，统计数分布称为抽样分布。 抽样 复置抽样，指将抽得的个体放回总体后再继续抽样 不复置抽样，指将抽得的个体不放回总体而继续进行抽样 (一) 样本平均数的抽样及其分布参数 总体 随机样本1 2 3 无穷个样本 …… 图4.14 总体和样本的关系 从一个总体进行随机抽样可以得到许多样本，如果总体是无限总体，那么可以得到无限