备战2013年对口升学数学统计专题精解精析（含答案）.docVIP

备战2013年对口升学数学专题精解精析（含答案） 要点精讲 统计案例 1．相关系数 相关系数是因果统计学家皮尔逊提出的，对于变量y与x的一组观测值，把 叫做变量y与x之间的样本相关系数，简称相关系数，用它来衡量两个变量之间的线性相关程度。 相关系数的性质：≤1，且越接近1，相关程度越大；且越接近0，相关程度越小。 显著性水平:显著性水平是统计假设检验中的一个概念，它是公认的小概率事件的概率值。它必须在每一次统计检验之前确定。显著性检验：(相关系数检验的步骤)由显著性水平和自由度查表得出临界值，显著性水平一般取0.01和0.05，自由度为ｎ－２，其中ｎ是数据的个数在“相关系数检验的临界值表”查出与显著性水平0.05或0.01及自由度n-2（n为观测值组数）相应的相关数临界值r0 05或r0 01；例如ｎ＝７时，ｒ0.05＝0.754，ｒ0.01＝0.874求得的相关系数ｒ和临界值ｒ0.05比较，若ｒ＞ｒ0.05，上面ｙ与ｘ是线性相关的,当≤r0.05或r0.01，认为线性关系不显著。 结论：讨论若干变量是否线性相关，必须先进行相关性检验，在确认线性相关后，再求回归直线； 通过两个变量是否线性相关的估计，实际上就是把非确定性问题转化成确定性问题来研究； 我们研究的对象是两个变量的线性相关关系，还可以研究多个变量的相关问题，这在今后的学习中会进一步学到。 2．卡方检验 统计中有一个有用的（读做“卡方”）统计量，它的表达式是： ，经过对统计量分布的研究，已经得到了两个临界值：3.841与6.635。当根据具体的数据算出的k3.841时，有95%的把握说事件A与B有关；当k6.635时，有99%的把握说事件A与B有关；当k3.841时，认为事件A与B是无关的。 随机变量 1．随机变量的概念 如果随机试验的结果可以用一个变量来表示，那么这样的变量叫做随机变量。随机变量常用希腊字母ξ、η等表示。 对于随机变量可能取的值，我们可以按一定次序一一列出，这样的随机变量叫做离散型随机变量。 注：随机变量ξ是关于试验结果的函数，即每一个试验结果对应着一个实数；随机变量ξ的线性组合η=aξ+b(a、b是常数)也是随机变量。 2．离散性随机变量的分布列 一般地，设离散型随机变量可能取得值为： X1，X2，…，X3，…， 取每一个值Xi（I=1，2，…）的概率为P（，则称表 X1 X2 … xi … P P1 P2 … Pi … 为随机变量的概率分布，简称的分布列。 两条基本性质：①…)；②P1+P2+…=1。 3．独立 ，n相互独立，则P(A1·A2…An)=P(A1)·P(A2)·…·P(n)。 (2)如果在一次试验中某事件发生的概率为P,那么在n次独立重复试验中这个事件恰好发生k次的概率：Pn(k)=CPk(1－P)n-k。 4．随机变量的均值和方差 （1）随机变量的均值 …；反映随机变量取值的平均水平。 （2）离散型随机变量的方差： 　　……；反映随机变量取值的稳定与波动，集中与离散的程度。 　　基本性质：；。 5．几种特殊的分布列 （1）两点分步 两点分布：对于一个随机试验，如果它的结果只有两种情况，则我们可用随机变量，来描述这个随机试验的结果。如果甲结果发生的概率为P，则乙结果发生的概率必定为1－P，所以两点分布的分布列为： 1 0 P P 1－p 均值为E=p，方差为D=p（1－p）。 （2）超几何分布 重复进行独立试验，每次试验只有成功、失败两种可能，如果每次试验成功的概率为p，重复试验直到出现一次成功为止，则需要的试验次数是一个随机变量，用ξ表示，因此事件{ξ＝n}表示“第n次试验成功且前n－1次试验均失败”。所以，其分布列为： ξ 1 2 … n … P p p(1－p) … … （3）二项分布 如果我们设在每次试验中成功的概率都为P，则在n次重复试验中，试验成功的次数是一个随机变量，用ξ来表示，则ξ服从二项分布．则在n次试验中恰好成功k次的概率为： 二项分布的分布列为： ξ 0 1 … … n P … … 记ε是n次独立重复试验某事件发生的次数，则ε～B（n，p）；其概率…。期望Eε=np，方差Dε=npq。 6．正态分布 正态分布密度函数：，均值为Eε=μ，方差为。 正态曲线具有以下性质： （1）曲线在x轴的上方，与x轴不相交。 （2）曲线关于直线x =μ对称。 （3）曲线在x =μ时位于最高点。 （4）当x μ时，曲线上升；当x μ时，曲线下降。并且当曲线向左、右两边无限延伸时，以x轴为渐近线，向它无限靠近。 （5）当μ一定时，曲线的形状由σ确定。σ越大，曲线越“矮胖”，表示总体越分散；σ越小，曲线越“瘦高”，表示总体的分布越集中。 从理论上讲，服从正态分