s常用概率分布.ppt

* 样本平均数的分布 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 * 定理 情况1. 如果总体服从正态分布，平均数为?，方差为?2，样本含量为n，则样本为： 正态分布 平均数等于? 方差等于 ?2/n，SQRT（ ?2/n ）称为平均数的标准差(standard error of the mean), 或简称标准误 * 定理 情况2：当总本不是服从正态分布，平均数为?，方差为?2，样本含量为n，则样本为： 近似服从正态分布，随样本越大，近似越好。与总体分布的形状有关。一般地，样本数30或者30以上，近似会比较好（中心极限定理, Central Limit Theorem, CLT）。 平均数等于? 方差等于 ?2/n，SQRT（ ?2/n ）为平均数的标准误(standard error of the mean)或标准误 * 总体 平均数的期望 * 样本平均数的方差 * 常用概率分布 常见的几种分布 正态分布 卡方分布 F分布 T分布 * * 第一节 正态分布 Normal Distribution * 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， 记为x～N(μ,σ2)。相应的概率分布函数为 正态分布(normal distribution) * 正态分布 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； f(x) 在 x =μ 处达 到 极 大 ， 极大值 ； f(x)是非负函数，以x轴为渐近线，分布从-∞至+∞ 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 * 正态分布 正态分布有两个参数，即平均数μ和标准差σ * 正态分布 分布密度曲线与横轴所夹的面积为1， * 标准正态分布(standard normal distribution) μ=0,σ2=1的正态分布为标准正态分布(standard normal distribution) 随机变量u服从标准正态分布，记作u～N(0，1) * 标准正态分布 对于任何一个服从正态分布N(μ,σ2)的随机变量x，都可以通过标准化变换 u=(x-μ)／σ 将 其变换为服从标准正态分布的随机变量u u称为标准正态变量或标准正态离差(standard normal deviate) * 三、正态分布的概率计算 设u服从标准正态分布，则 u 在[u1,u2 ）何内取值的概率为： ＝Φ(u2)－Φ(u1) 而Φ(u1)与Φ(u2) 可由附表1查得。 * 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 * 双侧概率和单侧概率 随机变量x落在平均数μ加减不同倍数标准差σ区间之外的概率称为双侧概率(两尾概率)，记作α。 对应于双侧概率可以求得随机变量x小于μ-kσ或大于μ+kσ的概率，称为单侧概率(一尾概率),记作α/2。例如，x落在(μ-1.96σ,μ+1.96σ)之外的双侧概率为0.05，而单侧概率为0.025。 P(xμ-1.96σ)=P(xμ+1.96σ)=0.025 * x落在(μ-2.58σ,μ+2.58σ)之外的双侧概率为0.01，而单侧概率 P(xμ-2.58σ)=P(xμ+2.58σ)=0.005 * 第二节 卡方分布 Chi-square Distribution * 定义 如果随机变量zi(i = 1, ..., n)为相互独立，都服从标准正态分布，则定义： , i = 1, ..., n 变量?2服从自由度等于n卡方分布（chi – square distribution）。 * 卡方分布曲线 图4-1 不同自由度下的?2分布 图4-2 ?2分布的上侧和下侧分位数示意图 * 卡方分布特征 卡方分布于区间[0，+?)，并且呈反J形的偏斜分布。 卡方分布的偏斜度随自由度的降低而增大，当自由度等于1时，曲线以纵轴为渐近线。 随自由度的增大，卡方分丰曲线渐趋左右对称，当df 30时，卡方分布已接近正态分布。 * 第三节 t分布 * 定义 如果z~N(0,1), ?2服从自由度等于n的卡方分布, 则 为自由度为n的t分布 t分布的形状与正态分布相似 * t 分布 不同自由度下的t分布 t