你从没学过的推断统计学.pptVIP

离散型: 二项分布 1. 二项分布 产生二项分布的过程称为贝努里试验。每一次试验只有两个结果的重复试验称为贝努里试验。 贝努里试验的特点： （1）每次试验只有两种可能结果：成功或失败、是或否… （2）不管进行多少次，任何一次试验结果的概率是固定的 （3）试验是相互独立的 二项分布的概率分布表达式： 随机变量X服从参数n和p的二项分布，记为： ，其期望值等于 ，其方差等于 。 从理论上讲，二项分布只能用于当样本取自无限总体的情形，然而，在工商管理的实际应用中，样本往往来自有限总体。因此，在实践中，如果当n相对于总体容量N很小时，那么二项模型就被认为是合理的，即把p值作为常数这一要求不会受到严重影响，经验的做法是，只要N至少是n的10倍，就可以认为n相对N是很小了。 根据二项分布公式，不仅可以知道随机变量整个概率分布的全貌，而且还可以推算出变量取值在某一区间内的概率： 事件A至多出现m次的概率为： 事件A至少出现m次的概率为： 事件A出现次数不少于a，不大于b的概率为： 当样本容量很大时，用二项分布的公式计算就显得十分冗长，因此，已针对不同的n, p和x值的概率编成了数值表，通过查表就可以得到所需的结果。 连续型:正态分布 你从没学过的推断统计学---从概率论说起 我们知道 总体是未知的，样本是从中抽取的一部分代表 假如总体是可以被数学刻画的呢？ 这个就是概率论！ 内容的大纲： 1. 了解概率（总体） 2. 随机变量及其分布的数量特征（总体） 3. 本书涉及到的常用分布（总体） 4. 从频率（样本） ----- 概率（总体）的大数定律 5. 中心极限定理（用样本计算值代入正态分布的依据） 概率是0和1之间的一个数目，表示某个事件发生的可能性或经常程度。 你买彩票中大奖的机会很小(接近0) 但有人中大奖的概率几乎为1 你被流星击中的概率很小(接近0) 但每分钟有流星击中地球的概率为1 你今天被汽车撞上的概率几乎是0 但在北京每天发生车祸的概率是1。 §得到概率的几种途径 1． 利用等可能事件 如果一个骰子是公平的 ，那么掷一次骰子会以等可能(概率1/6，6种可能之一)得到1至6点的中的每一个点。 抛一个公平的硬币，则以等可能(概率1/2)出现正面或反面。 §得到概率的几种途径 再如从52张牌中随机抽取一张，那么它是黑桃的概率为抽取黑桃的可能（k＝13）和总可能性（n＝52）之比，即k/n=13/52=1/4； 类似地抽到的牌是J、Q、K、A四种（共有16种可能）的概率是16/52=4/13。 §得到概率的几种途径 其实即使没有学过概率，读者也多半能够算出这些概率。 计算这些概率的基础就是事先知道（或者假设）某些事件是等可能的。这种事件为等可能事件(equally likely event)。 §得到概率的几种途径 2． 根据长期相对频数 事件并不一定是等可能的，或者人们对于其出现的可能性一无所知。 这时就要靠观察它在大量重复试验中出现的频率来估计它出现的概率。 它约等于事件出现的频数k除以重复试验的次数n，该比值k/n称为相对频数（relative frequency）或频率。 §得到概率的几种途径 例如，刮发票的中奖密封时，大多得到“谢谢”。如果你刮了150张发票，只有3张中奖，你会认为，你的中奖概率大约是3/150=0.02 如果一个学生在200次上课时，无故旷课10次，那么其旷课的概率可能被认为接近10/200=0.05 §得到概率的几种途径 试验次数n越大则该值越接近于想得到的概率。 很多事件无法进行长期重复试验。因此这种通过相对频数获得概率的方法也并不是万能的。虽然如此，用相对频数来确定概率的方法是很常用的。 你们可以举出无数类似的例子 随机变量及其概率分布的基本问题 1. 随机变量的概念 随机变量就是按一定的概率取值的变量，通常用X、Y、Z等表示。 随机变量有以下两个特征： ① 取值的不确定性 ② 随机变量的取值虽是不确定的，但由于随机变量出现的可能性大小是遵循一定规律的，因此，随机变量的取值也是有规律的。 我们可以把随机变量看作一个函数，它对样本空间中的每一个元素都赋予一个实际值，它的定义域集合就是这个样本空间，值域集合则是一个实数集合。 2. 随机变量的概率分布 随机变量的概率分布是一个函数，它把随机变量的每一个值与一个实数（概率）相对应。概率分布反映了随机变量的取值或随机事件中各种结果的分布状况和分布特征。 概率必须满足概率分布的两个条件： ① 非负，小于等于1 ② 随机变量的各个值的概率总和等于1 3. 离散型和连续型随机变量以及概率分布 （1）离散型随机变量及其概率分布 当随机变量所有可能取值的集合只包含有限个元素或当随机变量可能取的值的集