生物统计学（张明明）概率复习.pptVIP

概率复习 二、概率的计算 1.概率的加法运算 3.独立性：若两事件A、B满足 P(AB)= P(A) P(B) 则称A、B相互独立，简称A、B独立. 5.逆概 三、随机变量及数字特征 常见分布 （二）数字特征 1.数学期望 1）离散型 2）连续型 3）随机变量函数的数学期望 2.方差 记为D(X)或Var(X)，即 4.相关系数 四、大数定律和中心极限定理 1.大数定律 2.中心极限定理 五、统计推断 4.参数估计 5.假设检验 假设检验的原理 步骤： 两总体样本均值差、样本方差比的分布 参数估计 点估计 区间估计 定义 用样本原点矩估计相应的总体原点矩 , 又 用样本原点矩的连续函数估计相应的总体原点矩的 连续函数, 这种参数点估计法称为矩估计法 . 理论依据: 大数定律 矩估计法： 最大似然估计原理： 当给定样本X1,X2,…Xn时，定义似然函数为： 设X1,X2,…Xn是取自总体X的一个样本，样本的联合密度(连续型）或联合分布律 (离散型)为 f (x1,x2,… ,xn ; ) . f (x1, x2 ,…, xn; ) 最大似然估计法就是用使 达到最大值的 去估计 . 常用的评价统计量的标准是： 1．无偏性 2．有效性 区间估计： 求置信区间的一般步骤如下: 1. 明确问题, 是求什么参数的置信区间? 置信水平 是多少? 2. 寻找参数 的一个良好的点估计 T(X1,X2,…Xn) 3. 寻找一个待估参数 和估计量 T 的函数 U(T, ),且其分布为已知. 4. 对于给定的置信水平 ，根据U(T, )的分布，确定常数a, b，使得 P(a U(T, )b) = 5. 对“aU(T, )b”作等价变形,得到如下形式: 即 于是 就是 的100( )％的置信区间. 假设检验 参数假设检验 非参数假设检验 总体分布已 知，检验关 于未知参数 的某个假设 总体分布未知时的假设检验问题 * * 一、事件的运算满足的规律 设A、B是两个事件，且P(B)0,则称 (1) 2. 条件概率 为在事件B发生的条件下,事件A的条件概率. 概率乘法法则 4.全概公式： 我们将研究两类随机变量： 如“取到次品的个数”， “收到的呼叫数”等. 随机变量 离散型随机变量 连续型随机变量 例如，“电视机的寿命”，实际中常遇到的“测量误差”等. 1、（0-1）分布：（也称两点分布） 随机变量X只可能取0与1两个值，其分布律为： 2.二项分布 用X表示n重伯努利试验中事件A发生的次数，则 易证： （1） 称 r.v X 服从参数为n和p的二项分布，记作 X~b(n,p) （2） 3. 泊松分布 设随机变量X所有可能取的值为0 , 1 , 2 , … , 且概率分布为： 其中 0 是常数, 则称 X 服从参数为 的 泊松分布, 记作X~p( ). 4. 均匀分布 则称X在区间( a, b)上服从均匀分布， X ～ U(a, b) 若 r .v X的概率密度为： 记作 指数分布常用于可靠性统计研究中，如元件的寿命. 5 . 指数分布 若 r .v X具有概率密度 为常数, 则称 X 服从参数为 的指数分布. 6. 正态分布 若连续型 r .v X 的概率密度为 记作 其中 和 ( 0 )都是常数, 则称X服从参数为 和 的正态分布或高斯分布. 4）数学期望的性质 （1） 设C是常数，则E(C)=C; （4） 设X、Y 相互独立，则 E(XY)=E(X)E(Y); （2）若k是常数，则E(kX)=kE(X); （3） E(X+Y) = E(X)+E(Y); （诸Xi相互独立时） 请注意: 由E(XY)=E(X)E(Y) 不一定能推出X,Y 独立 D(X)=Var(X)=E[X-E(X)]2 X为离散型， 分布率 P{X=xk}=pk X为连续型，X概率密度f(x) 方差的性质 （1） 设