环境统计学总结doc.doc

总体：一个统计问题研究对象的全体，具有某种共同特性的元素集合 个体：组成总体的每个基本单元的个体 样本：从总体中按一定方法抽取部分具有代表性的个体所组成的群体 抽样：按相等的时间间隔抽取样值的过程 误差：测量结果与被测量真值之差。残差指实际观察值与的差 （1 ）正态分布密度曲线是单峰、对称的悬钟形曲线，对称轴为x=μ； （2）f (x)在x=μ处达到极大，极大值f (μ)= ； （3） f (x)是非负函数，以x轴为渐近线，分布从-∞到+∞； （4）曲线在x=μ±σ处各有一个拐点，即曲线在（-∞，μ-σ）和（μ+σ，+∞）区间上是下凸的，在（μ-σ，μ+σ）区间内是上凸的； （5）正态分布有两个参数，即平均数μ和标准差σ。μ是位置参数，当σ恒定时，μ愈大，则曲线沿x轴愈向右移动；反之，μ愈小，曲线沿x轴愈向左移动。σ是变异度参数，当μ恒定时，σ愈大，表示x的取值越分散，曲线越“胖”； σ愈小，x的取值越集中在附近，曲线越“瘦”。 （6）分布密度曲线与横轴所夹的面积为1。 三个重要的概率分布的关系 三个重要概率分布中，正态分布属连续随机变量的概率分布，二项分布、泊松分布属离散型随机变量的概率分布。 对于二项分布，在n→∞，p→0,且np=λ（较小常数）情况下，二项分布趋近于泊松分布。在这种场合，泊松分布中的参数λ用二项分布np代之。 在n→∞，p→0 .5 时,二项分布趋向于正态分布。在这种场合，正态分布中的μ、σ2 用二项分布的np、npq代之。在实际计算中，当p0.1且n很大是，二项分布可由泊松分布近似， 当 p0.1且n很大时，二项分布可由正态分布近似。 对于泊松分布，当λ→∞时，泊松分布以正态分布为极限。在实际计算中，当λ=20（也有人认为λ=6）时，用泊松分布中的λ代替正态分布中的μ及σ2 ，即可由后者对前者进行近似计算。 异常值的的剔除原理 异常值是一个样本中出现概率很小的观测值，又称离群值，即在相同条件下，因某种原因造成的显著偏离样本中值的个别数据。异常值的剔除原理是假设检验，它是建立在观测值误差服从随机抽样与正态分布（高斯误差定律）的基础下。即在选定的可靠性概率条件下，根据某些检验方法作出某个或某些观测值是否属于异常的判断。可以主观地确定这一最大允许错误的概率记为α，用以表示某观测值并非异常，而检验结果将它判断为异常的可能性，通常取α=0.05，这意味着如果检验结果认为某值时异常，该结论不正确的几率不会大于5%。由此可见，研究者可以通过改变α。值来调整检验方法的严格程度。假如宁可错误地剔除非异常数据，也 不愿放过可能的异常值，那么应当选择大一些的α值；反之，如果要求尽量不作错误剔除，那么可用较小的α值进行检验。 异常值的剔除程序： 首先将观测值从小到大依次排列，将两端的最小值x1及最大值xn作为第一轮的检验对象；第二步是根据样本容量大小及其分布特征选择相应的检验方法，并计算x1及xn的检验统计量；第三步是根据事先确定的检验水平α与样本量n查验相应的临界值；第四步是将检验统计量值与临界值进行比较，由此统计推断出检验结果。如果x1被剔除，依次检验x2、x3，…， 直到某值不为异常值时停止；如果xn被剔除，则依次检验xn-1、xn-2，…，直到某值不为异常值时停止。 距离系数满足的条件 同一点的不可区分性。若A=B，则d（A，B）=0 相异点的可区分性。若A≠B，则d（A，B）≠0 对称性。d（A，B）= d（B，A） 三角不等式公理。d（A,B））） 最小显著极差法简称LSR法。其特点是把平均数差数看成是平均数的极差，根据极差范围内所包含的处理数（称为秩次距）K的不同而采用不同的检验尺度，以克服LSD法的不足。这些在显著水平a上依秩次距K的不同而采用的不同的检验尺度叫最小显著极差LSR。 判断估计量的优劣标准 最小二乘法与线性回归系数： 线性回归都可以通过最小二乘法求出其方程，可以计算出对于y=bx+a的直线。在研究两个变量(x, y)之间的相互关系时，通常可以得到一系列成对的数据(x1, y1、x2, y2... xm , ym)；将这些数据描绘在x -y直角坐标系中，若发现这些点在一条直线附近，可以令这条直线方程y=bx+a