试验设计与统计分析 第七章 统计分析的基本原理.ppt

第七章 统计分析的基本原理 §1、事件及概率 一、事件的类型: 1、必然事件：在一定条件下一定会发生的事件。 2、不可能事件：在一定条件下一定不会发生的事件 3、随机事件：在一定条件下可能发生，也可能不发生。或者发生这样的结果也可能发生另一种结果。 二、随机试验 1、试验 通常我们把根据某一研究目的 ， 在一定条件下对自然现象所进行的观察或试验统称为试验 三 、 概 率 1、概率的定义： 例：一批种子的发芽试验： 2、概率的基本性质： 1）对于任何事件概率: 0≤P（A）≤1； 2）必然事件的概率为1，即P（Ω）=1 3）不可能事件的概率为0，即P（ф）=0。 4）随机事件的概率为大于0，小于 1 即：0P（A）＜1 3、小概率事件：  若随机事件的概率很小，例如小于0.05、0.01、0.001，称之为小概率事件。 4、小概率原理： 如果事件的概率为0.05、0.01、0.001以至接近0时， 这种小概率事件我们在一次试验中看成实际上不可能发生的事件。这被称为“小概率事件实际不可能性原理”。 §2、概率分布 一、随机变量 做一次试验，其结果有多种可能。每一种可能结果都可用一个数来表示， 这个数称为随机变量，用x表示。 2、连续 型 随 机 变 量 (continuous random variable )： 如果表示试验结果的变量x ，其可能取值为某范围内的任何数值，且不能一一列举，这样的随机变量称为连续 型 随 机 变 量 。 例2、一批种子检验其 合格率为p=0.9，不合格率q=0.1，从中随机抽取5颗，其合格种子的概率分布 概率分布的定义： 对于确定的随机变量x可能取的值为：x1,x2,x3, ……xn，与之对应的概率之间的任何一一对应的关系称为随机变量的概率分布。 §3、几个重要的概率分布 一、二项式分布 1、二项式分布的意义： 设事件A和 组成完备事件，事件A要么发生要么不发生，二者必居其一，且每次试验中事件A发生的概率为常数p，事件A不发生的概率为q＝1-p，在n次独立重复试验中，用x表示n次试验中事件A发生的次数，所以x取值为0、1、2…… n，这n+1种取值有各自对应的概率分布，这样的概率分布称为二项式分布。 *从定义可以看出，二项式分布是非连续型随机变量的概率分布 2、二项式分布的函数 1）密度函数（分布函数）： 3、二项式分布的平均数和标准差 样本总和数的抽样分布 1）平均数：ｕ= np 2）标准差：σ= 4、二项式概率分布图象 （p+q）n=（0.1+0.9）n二项式分布图象 三、正态分布 1. 正态分布的定义： 若连续型随机变量x的概率分布密度函数为： 其中μ为平均数，σ2为方差，则称随机变量x服从正态分布(normal distribution)， 记为x～N(μ，σ2)。 2、正态分布图像： 3、正态分布的性质： 1）正态分布曲线是单峰，左右对称的钟形曲线，对称轴在x= μ处。 2） 的绝对值愈大时，f（x）愈小，f（x）恒大于0；所以f（x）为正函数，曲线向x轴两端无限延伸，以x轴为渐近线。 3）当x=u时，f（x）为最大 4）x取值范围为整个x轴，即：-∞＜x ＜+ ∞。所以曲线与x轴围成的面积等于1。 即： 因此变量x取任何两个定值a，b之间的概率等于曲线下介于这两个定值间的面积占总面积的成数。 即：P（a≤x≤b）= 5）任何正态分布曲线都由两个参数ｕ、σ决定的。 μ确定曲线在x轴上的位置；σ确定曲线峰的高低 6）x在下列取值区间时的累积概率 4、正态分布的概率计算： 1）一般正态分布的概率： 2）标准的正态分布 设随机变量x服从正态分布：即：x～N（ μ ，σ2） ◆累积函数为: 关于标准正态分布，以下几种概率应当熟记： P（-1≤U＜1）=0.6826 P（-2≤U＜2）=0.9545 P（-3≤U＜3）=0.9973 P（-1.96≤U＜1.96）=0.95 P (-2.58≤U＜2.58)=0.99  设u服从标准正态分布，则 U 在[U1，U2 ）内取值的概率为： ◆计算u所在一定区间的概率： 例1：U ～ N（0，12）计算U取值在 -2 σ至+3 σ区间的概率 解：由题意可知：变量U所在总体的 μ=0，σ=1 变量U服从标准的正态分布，所以： P（U-2 σ ≤U＜U+3 σ ）= P（-2 ≤U＜3 ） = P（-∞