第3章概率分布与抽样分布.pptVIP

第三章 概率分布与抽样分布 (Distribution and Sample Distribution);一、概率与概率分布 （一）概率 通俗地说，概率就是机率。在相同条件下进行n次随机试验，事件A出现m次，则比值m/n称为事件A发生的频率。随着n的增大，该频率围绕某一常数P上下摆动，且波动的幅度逐渐减小，趋向于稳定，这个频率的稳定值即为事件A的概率，记为P（A）=m/n。;; 乘法公式： 将条件概率公式变形可得： P（AB）=P（B）P（A￤B） 将上式中A、B的位置对调，可得： P（AB）=P（A）P（B￤A） 以上两式统称概率乘法公式。; 全概率公式与逆概率公式： 1、完备事件组 若事件A1、A2、…An互不相容（互斥），且其中之一必然发生，则事件A1、A2、…An组成完备事件组。即 A1∪A2∪…∪An=Ω， AiAj=Φ（i≠j） 2、全概率公式 若事件A1、A2、…An为完备事件组，则对任一事件B，有;一、概率与概率分布 （二）概率分布 概率与随机变量密不可分。 随机变量：离散型、连续型。 概率分布：随机变量取一切可能值的概率的规律称为概率分布，即P（x=everyprobnumber）=? 概率分布可以用表、图形或公式等多种方式来表示。; 二项分布： 只有两种可能结果的试验称为贝努利试验。n次独立重复的贝努利试验称为n重贝努利试验。在n重贝努利试验中，结果A（成功）出现m次的概率分布为： 其中： ; 几何分布： 在可列重贝努利试验中，结果A（成功）在第m次首次出现的概率分布为： 二项分布、几何分布都是贝努利试验导出的分布。;超几何分布： 二项分布与几何分布都是在n重或可列重相互独立的贝努利试验中形成的。那么，如果这种试验不是相互独立的呢？比如： 假定有一批500个产品，而其中有5个次品。假定该产品的质量检查采取随机抽取20个产品进行检查。如果抽到的20个产品中含有2个或更多不合格产品，则整个500个产品将会被退回。 这时，人们想知道该批产品被退回的概率是多少。该概率满足超几何分布(hypergeometric distribution)。 ; 这样的抽样一般采取“不放回抽样”，也就是说，每次抽取之后并不放回。在这种情况下，每次抽取之后，总体之中的合格和不合格品的比例都会发生变化，和以前不一样了，因此，每次试验不再是独立的贝努利试验，在n次试验中，结果A（成功）出现m次的概率分布也就不再服从二项分布，而是服从超几何分布： 其中N为产品总数，n为试验次数也即抽取出的产品数；K为产品中结果A的总数也即产品中的总次品数。;一、概率与概率分布 （三）概率密度函数与累积概率分布函数 连续型随机变量不好讲概率分布，所以讲累积概率分布，P(xeveryprobnumber)=? 而其累积概率分布也是无穷的，所以用函数来刻画，引入了概率密度函数(probability density function，pdf)和累积概率分布函数(cumulative distribution function，cdf)。 若X为连续型随机变量，且存在一个非负函数f(x)，使得对任意区间（a，b），有 P｛X∈(a，b)｝=P｛a＜X＜b｝= 则称f(x)为连续型随机变量X的概率密度函数。;在平面直角坐标系中画出f(x)的图形，则对于任何实数 x1x2，P(x1X?x2)是该曲线下从x1到x2的面积。;从概率的角度重新看这几个指标：;离散型随机变量与连续型随机变量概率分布的对应关系：;二、正态分布 正态分布是最常见、最重要的概率分布。如果一随机现象受多种偶然因素影响，且各因素之间势均力敌，则这个现象服从正态分布。 正态分布的概率密度函数为：;;;中心极限定理(Central Limit Theorem)： 设从均值为μ、方差为σ2（有限）的任意一个总体中抽取大小为n的样本，当n充分大时，样本均值的分布总是近似服从N（μ， ）的正态分布。即： 关于n的大小：总体偏离正态越远，则要求n就越大。实际中，要求n≥30。;中心极限定理(Central Limit Theorem)：;中心极限定理(Central Limit Theorem)：;对于样本比例（成数）来说，中心极限定理也同样成立： 设从成数为P0的总体中抽取大小为n的样本，当n充分大时，样本成数总是近似服从 的正态分布。即：; 比如，假设随机变量X～N（μ，σ2），其中σ2已