第3章理论分布与抽样分布.pptVIP

第3章 理论分布与抽样分布 1 理论分布 1.1二项分布 1.2泊松分布 1.3正态分布 2 抽样分布 样本平均数的抽样分布、两样本平均数差数的抽样分布、t分布 随机变量 做一次试验，其结果有多种可能。每一种可能结果都可用一个数来表示，把这些数作为变量x的取值范围，则试验结果可用变量x来表示。 【例】 对1000听鱼罐头进行抽查，其可能结果是“0听可食”、 “1听可食”、“2听可食”、“…”、“100听可食”……若用x表示可食用的罐头听数，则x的取值为0、1、2、…、100…… 【例】 孵化一枚种蛋可能结果只有两种，即“孵出小鸡”与“未孵出小鸡”。 若用变量x表示试验的两种结果，则可令x=0表示“未孵出小鸡”，x=1表示“孵出小鸡”。 【例】 测定某产品净重 ，表示测定 结 果 的 变 量 x 所 取的值为一个特定范围(a,b)，如1.35-1.5kg，x值可以是这个范围内的任何实数。 如果表示试验结果的变量x，其可能取值一一列出 ，且 以各种确定的概率取这些不同的值 ， 则 称 x 为 离 散 型 随 机 变 量 ( discrete random variable)； 如果表示试验结果的变量x ，其可能取值为某范围内的任何数值 ，且x在其取值范围内的任一区间中取值时，其概率是确定的，则称x为 连续 型 随 机 变 量 (continuous random variable)。 离散型随机变量的概率分布 要了解离散型随机变量x的统计规律，就必须 知 道它的一切可能值xi及取每种可能值的概率pi。 如果我们将离散型随机变量x的一切可能取值xi ( i=1, 2 , … )，及其对应的概率pi，记作 P(x=xi)=pi i=1,2,… 则称 上式为离散型随机变量x的概率分布或分布。常用 分 布 列 (distribution series)来表示离散型随机变量： x1 x2 … xn …. p1 p2 … pn … 显然离散型随机变量的概率分布具有pi≥0和Σpi=1这两个基本性质。 连续型随机变量的概率分布 连续型随机变量 (如体长、体重)的概率分布不能用分布列来表示， 因为其可能取的值是不可数的。我们改用随机变量x在某个区间内取值的概率P(a≤xb)来表示。 下面通过频率分布密度曲线予以说明。 由图2-6做100听罐头净重资料的频率分布直方图 ，可以设想 ，如果样本取得越来越大(n→+∞)，组分得越来越细(i→0)，某一范围内的频率将趋近于一个稳定值 ── 概率。这时 ， 频率分布直方图各个直方上端中点的联线 ── 频率分布折线将逐渐趋向于正态分布曲线。 １.１ 二项分布 1.1.1贝努利试验及其概率公式 对于n次独立的试验 ， 如果每次试验结果出现且只出现对立事件A与 之一， 在每次试验中出现A的概率是常数p(0p1) ， 因而出现对立事件 的概率是1-p=q，则 称 这一串重复的独立试验为n重贝努利试验，简称贝努利试验(Bernoulli trials )。 例如 为了确定抛掷一枚硬币发生正面朝上这个事件的概率 ，历史上有人作过成千上万次抛掷硬币的试验。在表３-A中列出了他们的试验记录。 表３-A 抛掷一枚硬币发生正面朝上的试验记录 贝努利试验符合 P(x=1)=p 其中 x=1 出现成功 P(x=0)=q x=0 出现失败 （3-1） 在食品科学研究中，我们经常碰到的一类离散型机变量，如n听罐头的变质数量等，可用贝努利试验来概括。 在n次贝努利试验中，事件 A 可能发生0，1，2，…，n次，事件 A 恰好发k(0≤k≤n)次的概率Pn(k)。 k=0,1,2…，n (３-２) 随机变量X所有可能取值0,1,2…，n 　　　　　　　　　　　　　　　　　　(３-３) k=0,1,2…，n 1.1.2 二项分布的定义及特点 二项分布定义如下： 设随机变量x所有可能