理论分布与抽样分布.ppt

西南科技大学生命科学与工程学院周海廷制作 一、 事件和事件发生的概率 事件：一种事物，常有几种可能出现的情况，每一种可能出现的情况。 概率：每一事件出现的可能性。 随机事件：某事件只是可能发生的事件中的一种，这种事件称为随机事件。 要认识随机事件的规律性，必须在大量的实验中才能观察到。 下面用棉田盲椿象为害情况来说明这一问题。 通过大量实验而估计的概率称为统计概率，用公式表示： 小概率原理：若事件A发生的概率较小，如小于0.05或0.01（小概率标准），则认为事件A在一次试验中不太可能发生，这称为小概率实际不可能性原理。 必然事件：某事件在同一条件下必然要发生的事件。 P(A) =1。 不可能事件：某事件在同一条件下必然不发生的事件。P(A) =0。 二、事件间的关系 （一）和事件 事件A和事件B至少有一个发生构成的新事件称为事件A和事件B的和事件，记为A＋B，读作“或A发生或B发生”。 例如测定棉花的纤维长度，以＜28毫米为事件A，28至30毫米为事件B，则抽取一根≤30毫米的这一新事件为A＋B。 （三）互斥事件 如果事件A和B不能同时发生，则称事件A和B互斥。 例如棉花纤维长度“＜28毫米”和“等于28毫米”不可能同时发生，为互斥事件。 （五）完全事件系 若事件A1、A2、···An两两互斥，且每次试验结果必发生其一，则称A1、A2、···An为完全事件系。 例如对于棉花纤维长度，＜28毫米、28～30毫米、≥30毫米构成了完全事件系。 三、计算事件概率的法则 （一）互斥事件的加法 假定两互斥事件A和B的概率分别为P(A)和P(B)，则： P(A+B)=P(A)+P(B) 例如：荣昌猪的每胎产仔数≤9头的概率P(A)=0.65,为10头的概率P(B)=0.18，则每胎产仔≤10头的概率为： P(A+B)=P(A)+P(B)=0.65+0.18=0.83 （二）独立事件的乘法 假定两个独立事件A与B的概率分别为P(A)和P(B) ，则： P(AB)=P(A)P(B) 例：现有4粒种子，其中3粒是黄色、1粒是白色，采用复置抽样。试求下列事件的概率第一次抽到黄色，第二次抽到白色 （四）完全事件系的概率 例如上例，黄色种子和白色种子构成完全事件系，其概率为1。 连续性变量 变量y为某一个取值范围，且y在该范围内取值时，其概率是确定的，这种类型的变量称为连续型变量。 变量取一个实数值或某一范围的实数值都有一个相应概率对应的，其分布称为连续性变量的概率分布。 一、二项总体与二项式分布 总体各个体的某些性状，只能发生非此即彼的两种结果，“此”和“彼”是对立事件，这种由非此即彼事件构成的总体称为二项总体。 例如种子的发芽与不发芽，施药后害虫的死或活，产品的合格与不合格。 为便于研究，通常给“此”事件具概率p；给“彼”事件具概率q，其概率关系为： p＋q=1 例如，观察施用某种农药后蚜虫的死亡数，如果观察5只，则观察的结果将有(0活5死)、(1活4死)、(2活3死)、(3活2死)、(4活1死)、(5活0死)，这些情况,这些情况的概率都可求。由这些概率组成的分布，就是二项分布。 二、二项式分布的概率计算方法 下面用一个例子来讲解这一问题。 红花豌豆和白花豌豆杂交，如果将F1代种子成行种植，每行种4粒。问一行0红4白、1红3白、2红2白、3红1白、 4红0白的概率各是多少。 （F2代出现红花的概率为p=0.75，出现白花的概率为q=0.25） 3头死，7头好的概率为： 1头死，9头好的概率为： 三、二项式分布的形状和参数 （一）形状 (p=0.5,n=5)的概率分布图 当p=q时,二项分布呈对称形状。 p≠q,则表现偏斜形状。 但当n很大时,即使p≠q，它也接近对称形状。 所以这一理论分布是由n和p两个参数决定的。 （二）参数 一个总体分布都是用平均数和方差描述。 二项总体的样本总和数的抽样分布其平均数μ和标准差σ为： μ=np, σ2=npq σ= 四、多项式分布 若总体内包含几种分类，可以将总体中的个体分为几类，例如在给某一人群使用一种新药，可能有疗效好，没有疗效，副作用，象这种将变数资料分为二类以上的总体称为多项总体，研究其随机变量的概率分布称为多项式分布。 设总体中共包含k项事件，它们的概率分别为：p1、p2、p3、…、pk，那么p1+p2+p3+…+pk=1。若从这个总体随机抽取n个个体，那么可能得到这k项的个数分别为y1