第1章绪论(三)一些重要的概率分布.pptVIP

一些重要的概率分布;§1、正态分布;为了方便，通常用：;?;1.2 正态分布的性质：;⑷ 正态分布可由两个参数?，?2来描述，即一旦知道?，?2的值，就可以根据附录表查到随机变量X落于某一区间的概率值。 ⑸ 两个（或多个）正态分布随机变量的线性组合仍服从正态分布。该性质很重要，解释如下： ⑹ 正态分布的偏度为0，峰度为3。;令：;例：令X表示在曼哈顿非商业区一花商每日出售玫瑰花数量，Y表示在曼哈顿商业区一花商每日出售玫瑰花的数量，假定X和Y均服从正态分布，且相互独立。已知：X~N(100,64)，Y~N(150,81)，求两天内两花商出售玫瑰花数量的期望和方差。 W=2X+2Y 根据上述公式，得： E(W)=2E(X)+2E(Y)=500 Var(W)=4Var(X)+4Var(Y)=580 因此，W服从均值为500，方差为580的正态分布，即 W~N(500,580);1.3 标准正态分布;?1;标准正态分布;例：变量X表示面包房每日出售的面包量，假定它服从均值为70、方差为9的正态分布，即X~(70,9)，求任给一天，出售面包数量大于75条的概率。 首先，定义变量Z，Z=(75-70)/3≈1.67 求：P(Z1.67) 查正态分布表得： P(0≦Z≦1.67)=0.4525 则：P(Z1.67)=0.5-0.4525=0.0475 即每天出售面包的数量超过75条的概率为0.0475。;1.67;§2 样本均值的抽样分布或概率分布;2.1 样本均值的概率密度;20个样本的频率分布; 8.75 9.25 9.75 10.25 10.75 11.25 ;理论依据： 若X1，X2，X3，…，Xn是来自于均值为?，方差为?2的正态总体的一随机样本。则样本均值 也服从正态分布，其均值为?，方差为?2/n，即：;2.2 样本均值概率分布的标准正态变量：;例：令X代表某一型号汽车每消耗一加仑汽油所行驶的距离（英里）。已知X~(20,4)。则对于由一个25辆汽车组成的随机样本，求：每消耗一加仑汽油所行驶的平均距离大于21英里的概率。 分析：由于X服从均值为20，方差为4的正态分布，则样本均值也服从正态分布，其均值为20，方差为4/25。那么，;Z服从标准正态分布，求：;2.3 中心极限定理;§3、 ?2分布;现在令Z1，Z2,…，Zk为k个独立的标准正态变量（即每一个变量都是均值为0，方差为1的正态变量），现在对所有的变量Zs平方，则它们的平方和服从自由度为k的X2分布，即;;3.2 ?2分布的性质;可以证明： 样本方差与总体方差的比值与自由度(n-1)的积服从自由度为(n-1)的?2分布。公式表示为：;§4、 t分布;根据统计理论得知：变量t服从自由度为(n-1)的t分布。 注意：在这里，自由度为(n-1)，而不是n。 结论：从正态总体中抽取随机样本，若该正态总体的均值为?，但方差?2用其估计量S2来代替，则其样本均值服从t分布。通常用符号tk表示，其中k表示自由度。;k=120(正态）;t分布的性质;t分布与正态分布： 当k增大时，t分布的方差接近于标准正态分布方差值1。 例如：当k=10时，t分布的方差为10/8=1.25； 当k=30时，t分布的方差为30/28=1.07； 当k=100时，t分布的方差为100/98=1.02； 结论：随着自由度的逐渐增大，t分布近似于正态分布。 注意：对于t分布，不要求其样本容量很大，k=30时，t分布与正态分布已很近似。;t分布表的使用:;t分布表举例：;查t分布表，自由度为(n-1)=15-1=14 当自由度为14时，查表得，t值大于等于2.977的概率为0.005，大于等于4.140的概率为0.0005，所以，t值大于等于3.873的概率介于0.0005~0.005之间。 练习1： 上例中其他条件不变，现假定15天内出售面包的平均数量为72条，求获得此数量的概率。;按照上述步骤，首先运用t变量公式，求出t变量。;查t分布表的注意事项： ⑴ 自由度为（n-1），而不是n。 ⑵ t分布表具有对称性，t值大于等于某一特定值的概率与t值小于等于该特定值相反数的概率相等。;§5、 F分布;;定义一个新的变量F，;分析F值：如果这两个总体方差真实相等，则计算出的F值接近于1，如果两个总体方差真实值不相等，则F值不等于1；两总体方差相差越大，则F值越大。 统计理论表明：如果?x2 =?y2（即两总体方差相等），则F服从分子自由度为k