概率论常用统计分布程序.ppt

所以 例4-2 的概率分布. 解 由卡方分布的定义有 辛钦定理 费歇资料 Ronald Aylmer Fisher Born: 17 Feb 1890 in London, EnglandDied: 29 July 1962 in Adelaide, Australia 学生氏资料 Born: 13 June 1876 in Canterbury, EnglandDied: 16 Oct 1937 in Beaconsfield, England William Sealey Cosset 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * 1) 2) 3) 这说明F分布极限分布也是正态分布. 例4 证 例5 解 由F分布的性质知 所以得 二、概率分布的分位数 1. 定义 2. 常用分布的上侧分位数记号 分布 N(0,1) t(n) F(n1,n2) 记号 定义5.9 3. 查表法 (1) 若X的分布密度关于y轴对称，则 x y O 特例： 根据正态分布的对称性知 0.95 0.975 O x y 由分布的对称性知 O x y (2) X的分布密度无对称性的情形 O x y (表4只详列到 n=60 为止). 例如： 费歇资料 费歇(R.A.Fisher)公式： 此外，还可利用关系 证 内容小结 1.三大抽样分布: 的定义,性质. 2.概率分布的分位数概念. 解 例1-1 备用题 例1-2 解 所以Y的分布函数为 相应的由公式法可得，密度函数为 密度变换公式 例2-1 个样本， 分别为样本均值与方差，则 解 设总体为标准正态分布，从中抽取n 综上可得,正确答案为C. 例3-1 解 由定义5.7, 例3-2 的概率分布. 解 例3-3 解 例3-4 的概率分布. 解 由于独立正态变量的线性组合仍是正态变量 整理得 故 且它们相互独立,再利用伽玛分布的可加性知 由卡方分布的定义知 注 本例要求两个正态总体的方差相同! 从而, 由t分布的定义有 例3-5 解 故由t 的定义有 因而T 的分布密度为 例4-1 解 下 回 停 第二节 常用统计分布 一、常见分布 二、概率分布 的分位数 一、常见分布 在实际中我们往往会遇到这样的问题,要求有 本节介绍一些最常见的统计分布. 例如在无线电接收中，某时刻接收到的信号 通常需要求出Y的概率分布. 关随机变量的函数的概率分布. 这个信号通过平方示波器，则 是一个随机变量X ，若我们把 输出的信号为 正态分布是自然界中最常见的一类概率 例如在统计物理中，若气体分子速度是随 的分布规律. 各分量相互独立，且均服 从 机向量 要求该分子运动动能 的概率分布问题. 是关于这些正态随机变量的平方以及平方和 高，体重等都近似服从正态分布.常见的问题 分布，例如测量的误差；人的生理尺寸：身 1. ? 2 分布 要求S的分布,自然首先就要知道S中的随机变量 的概率分布. 对于这种在实际中经常碰到的随机变量平方 和问题，我们自然希望能够对其加以总结，卡方 分布就是在类似的实际背景下提出的. (1) 定义 自由度： 定义5.6 证 定理5.4 性质1 (此性质可以推广到多个随机变量的情形) (3) 性质2 证 性质3 证 解 例1 例2 解 相互独立. 历史上，正态分布由于其广泛的应用背景 增大而接近正态分布, 样本均值的分布将随样本量 识，我们知道在总体均值和方差已知情况下， 数据分析工作，对数据误差有着大量感性的认 的酿酒化学技师Cosset. WS, 他在酒厂从事试验 在这样的背景下，十九世纪初英国一位年轻 和良好的性质，曾一度被看作是“万能分布”， 2. t 分布 但是Cosset在实验中遇到的样本容量仅有5~6 个，在其中他发现实际数据的分布情况与 正态分布有着较大的差异. O x y 于是Cosset怀疑存在一个不属于正态的 其他分布，通过学习终于得到了新的密度曲线， 并在1908年以“Student”笔名发表了此项结果， 后人称此分布为“t 分布”或“学生氏”分布. t 分布又称学生氏 (Student)分布. (1) 定义 定义5.7 O x y (3) T的数字特征 例3 求统计量T的分布，其中 解 由可加性知 于是由t 的定义有 即 3. (1) 定义 定义