上的概率.PPTVIP

第四章 概率论与数理统计初步 随机事件及概率 随机变量及其概率分布 显著性检验 §1 随机事件及概率 必然事件 不可能事件 随机事件 频数 频率： 概率： 概率的范围：[0，1] §2 随机变量及其概率分布 概念： 随机变量：ξ 随机变量的概率分布 随机变量的类型： 离散型随机变量 连续型随机变量 §2 随机变量及其概率分布 离散型随机变量的概率分布 设随机变量ξ所可能取的值是xk(k=1,2,…),而pk是ξ取xk时的概率， 离散型随机变量的概率分布 例1：二点分布 随机变量ξ以概率p取值x1，以概率q取值x2，(p+q=1),其分布列为： 离散型随机变量的概率分布 例2：有限点分布 随机变量ξ可能取值是x1，x2，…，xn；对应概率是p1，p2，…，pn；其分布列为： 离散型随机变量的概率分布 二项分布 设离散随机变量ξ取值0,1,2,…,n,而且 离散型随机变量的概率分布 泊松分布 设离散随机变量ξ取值0,1,2,…,而且 §2 随机变量及其概率分布 连续型随机变量的概率密度及分布函数 设随机变量ξ小于任何实数的概率可写成如下积分形式 连续型随机变量的概率密度及分布函数 分布密度p(x)的性质 .对一切x,有p(x)≥0 . 连续型随机变量的概率密度及分布函数 分布函数F(x)分布密度p(x)的关系 连续型随机变量的概率密度及分布函数 正态分布 若随机变量ξ的分布函数可以写成如下形式 连续型随机变量的概率密度及分布函数 正态分布 正态分布的密度函数为： 连续型随机变量的概率密度及分布函数 正态分布 正态分布N（m，σ2）的密度函数p(x)的图形为： 连续型随机变量的概率密度及分布函数 正态分布 连续型随机变量的概率密度及分布函数 正态分布 正态分布变量的概率求法 标准正态分布：直接查表 非标准正态分布求落在任意区间(a,b)上的概率： 用样本的平均值和标准差来估计m和σ； 对资料进行标准化处理，得到标准化正态变量u； 根据u值查表。 练一练 当x为正态分布N（m，σ2）时，求p（m-σxm+σ）的值。 解： 练一练 当随机变量x服从正态分布时： 落在区间（m-σ，m+σ）上的概率是68.3%。 落在区间（m-2σ，m+2σ）上的概率是95.45%。 落在区间（m-3σ，m+3σ）上的概率是99.73%。 “3σ”原则 连续型随机变量的概率密度及分布函数 对数正态分布 Г分布 §3 显著性检验 1.显著性检验及其意义 统计检验 参数检验 显著性检验 临界概率（显著性水平、信度）α 置信水平 §3 显著性检验 1.显著性检验及其意义 两类错误： 第一类错误：假设正确而否定了它； 第二类错误：假设错误却接受了它。 第一类错误发生的概率为α。 §3 显著性检验 1.显著性检验及其意义 统计假设检验的一般步骤 对所研究的总体首先提出一个假设，记为H0。 给定检验的显著性水平α 。 由实测资料计算出所采用的统计量的值，然后根据相应统计量的统计分布表查出临界值，进行显著性检验，并作出拒绝或接受假设的判断。 §3 显著性检验 2.常用的几种检验方法 χ2检验 可用来检验两组和两组以上资料的差异显著性，以及进行方差的比较等。 t检验 当总体方差未知，样本容量又不大时，对于服从正态分布的总体均值进行检验时，常用t检验法。 §3 显著性检验 2.常用的几种检验方法 F检验 用于对方差的检验。 与χ2检验的差别在于：χ2检验往往用于单参数情况，而F检验则往往用于两个参数的情形。 第四章 概率论数理统计初步 上一页 下一页 退 出 返回目录 * 则称pk为ξ的概率分布。式中xk为有限个或可列个。上式为概率分布的表示形式，叫做“分布列”。 或记为： §2 随机变量及其概率分布 或记为： §2 随机变量及其概率分布 其中0p1， p+q=1。称ξ服从“二项分布”。 记作： ξ～B(n,p) §2 随机变量及其概率分布 其中λ0为一常数。称ξ服从“泊松分布”。 泊松分布是当p→0，n→∞，np→λ时二项分布的极限分布。当n≥50，np5时， §2 随机变量及其概率分布 则说ξ是连续型的随机变量。F(x)叫做ξ的分布函数，而p(x)叫做ξ的分布密度或密度函数。上式所表示的概率分布叫做连续型的分布。 §2 随机变量及其概率分布 分布函数F(x)的性质 .对于任意的ab,有p(a≤ξ＜b)=F(b)-F(a) .当x1＜x2时，有F(x1)＜F(x2) . §2 随机变量及其概率分布 §2 随机变量及其概率分布 则ξ叫做正态分布的随机变量。式中m,σ是两个参数，σ