环境数理统计-第二章.ppt

第二章：概率论基本概念和统计学基础 一、概率及其运算 二、随机变量的分布 三、常见的统计量 什么是概率？ 概率是0和1之间的一个数值，表示某个事件发生的可能性或经常程度。 随机事件发生的概率，通常用字母P表示。如事件A的概率记作P (A)。 小概率事件：发生概率很小的事件。 (Small probability event) 对小概率事件研究的重要性： 用小概率事件对假定的模型进行判断是假设检验的基础。 得到概率的三种途径 一、利用等可能事件（古典概率法） 计算这些概率的基础就是事先知道（或者）假设这些事件是等可能的，且事件总数是有限的。 这种事件又称为等可能事件(Equally likely event)。 二、根据长期相对频数（统计概率法） 通过观察事件在大量重复试验中出现的频率来估计的概率，若重复试验的次数为n，事件A发生的频率为m，则事件Ａ发生的频率为m/n。 又称为相对频数(Relative frequency)。 得到概率的三种途径 这种计算方法得到的概率称为统计概率。当试验次数n无限增大时，统计概率值呈现出稳定在某一数值的特征，称为概率的稳定性。它体现了事件A发生的可能性大小是事件本身固有特性的反映。 三、主观概率(Subjective probability) 既不能由等可能性来计算，也不可能从试验中得出。但可根据经验、常识或其他相关因素来判断的某一事件发生的可能性，这种概率称为主观概率。 例如，你今年暑假去九寨沟旅游的概率。 国家今年推行新的环保措施的概率。 概率的基本性质和运算 概率是非负数，即 若事件Ａ是不可能事件，则 概率不大于１，即 若事件Ａ是必然事件，则 对任何两事件Ａ和Ｂ有 若事件Ａ和事件Ｂ互斥，则 对任一事件Ａ有 对任何两事件Ａ和Ｂ，若 ，则恒有 概率的相关术语 互补事件(complementary event) 独立事件(Independent event) 互不相容事件(Mutually exclusive event) 条件概率(conditional probability) 优势或赔率(Odds)：互补事件概率之比。Odds=p/(1-p) 随机变量的分布（一） 随机变量 随着随机因素变化而变化，但又遵从一定概率分布规律的变量。 随机变量的分布 随机变量取一切可能值或范围的概率或概率的规律称为概率分布(Probability distribution)，简称分布。 概率的分布可以用表、各种图来表示，也可以用公式来表示。 一个概率分布是和某总体(population)也称为样本空间(sampling space)相联系的。 随机变量的分布（二） 为什么要确定一个随机变量的概率分布？ 在前面提到抽样调查时的总体（或有限总体）没有与概率相联系的实际存在。 但在确定了抽样方法之后，有限总体就可能与概率有关的总体有某种联系，并且可能对诸如总体进行推断。 这里的总体或样本空间为一个抽象的空间，它是由某种试验的所有可能结果点组成的，这些结果的获得都服从某种概率规律。 一个总体（样本空间）是由一个取值范围及相连的概率所组成的。因此给出了概率分布就等于知道了总体。 随机变量的分布（三） 离散随机变量 如果随机变量X只能以一定的概率取离散的数值， 则称这种变量为离散型随机变量。 连续随机变量 如果随机变量X以一定概率的取值充满某一数值区间，即在某一数值区间中可任意取值，取值数量有任意多个，则称这种变量为连续型随机变量。 分布和分布函数 一个随机变量取值的规律，称为该随机变量的分布； 表征随机变量分布的函数就是分布函数； 给定随机变量X，考虑X的值小于x的概率为， 显然它是x的函数，我们称其为随机变量X的分布函数。 几种分布函数 概率分布的描述 离散变量的概率分布由其所有可能取值k的概率来描述。 连续变量的概率分布由其取值范围内的点x的概率密度函数(probability density function, pdf) f(x)来描述。 连续随机变量在单独点上的概率为零，而在某区间上概率可以利用积分得到。 累积分布函数(Cumulative distribution function, cdf)，简称为分布函数。它是随机变量小于或等于某数x的概率，记为F(x)。 对离散变量，分布函数为： 对连续变量，分布函数为： 随机变量的分布（四） 分布函数的性质，则有： 随机变量的分布（五） 分布密度函数(Distribution Density Function) 常见的离散分布（一） 二项分布 (Binomial Distribution) 常见的离散分布（二） 常见的离散分布（三） 常见的离散分布（四） Poisson分布 衡