3 理论分布及抽样分布.pptVIP

第二章 理论分布与抽样分布 随机变量 【例】 食品加工中高温杀菌可能结果只有两种，即“全部杀死细菌”与“未能全部杀死细菌”。 若用变量x表示试验的两种结果，则可令x=0表示“未能全部杀死细菌”，x=1表示“全部杀死细菌”。 【例】 测定关中地区不同小麦品种的蛋白质含量，其蛋白质含量在9.3-13.5％之间，如用x表示测定结果，那么x值可以是这个范围内的任何实数。 离 散 型 随 机 变 量：如果表示试验结果的变量x，其可能取值为可列个 ，且 以各种确定的概率取这些不同的值 ， 则 称 x 为 离 散 型 随 机 变 量 ( discrete random variable)； 连续 型 随 机 变 量：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x在其取值范围内的任一区间中取值时，其概率是确定的，则称x为 连续 型 随 机 变 量 ( continuous random variable)。 1. 理论分布 根据资料的分类可知，随机变量X也可分为： 1.1 二项分布 什么是二项分布呢？：若随机变量X所有可能取值为0和正整数：0、1、2、…、n，且有 （k=0，1，2，…，n），式中p﹥0，q﹥0，p+q=1则称随机变量X服从参数为n和p的二项分布。 记作 x～B(n，p)。 二项分布的概率分布条形图的形状决定于p和n。特点是：（1）当p=q=1/2时，图形是对称的； （2）若p≠q，图形为偏斜的； 当n很大时，即使p≠q图形亦趋于对称。 （3）对于固定的n及p，当k增加时，Pn(k)先随之增加并达到其极大值，以后又下降。 （4）在n较大，np、nq 较接近时 ，二项分布接近于正态分布；当n→∞时，二项分布的极限分布是正态分布。 例：有一批食品，其合格率为0.85，今在该批食品中随机抽取6份该食品，求正好有5份该食品合格的概率，最多有4份食品合格的概率？ 由题意可知，食品抽检结果有两种可能，合格与不合格，合格率为0.85，即P(A)=0.85，相应不合格率为P（ ）＝1-0.85＝0.15，由概率公式得，正好有5个合格产品的概率为： 最多有4个合格的概率是： 二项分布的应用条件： （1）各观察单位 只具有相互对立 的一种结果，如合格或不合格， 生存或死亡等等，非此即彼； （2）已知发生某一结果 (如死亡) 的概率为p，其对立结果的概率则为1-P=q，实际中要求p 是从大量观察中获得的比较稳定的数值； （3）n次观察结果互相独立，即每个观察单位的观察结果不会影响到其它观察单位的观察结果。 波松分布是一种 可以用来描述和分析随机地发生在单位空间或 时间里的稀有事件的概率分布。要观察到这类事件，样本含量 n 必须很大 。 所谓稀有事件即是小概率事件。在生物、医学等研究中，服从波松分布的随机变量也是常见的。例如，正常生产线中单位事件生产出不合格产品个数，单位事件内机器出现故障的次数，每升饮水中大肠杆菌数，计数器小方格中血球数， 一批香肠中含有毛发的香肠数，1000袋面粉中含有金属物的袋数等等，都是服从或近似服从波松分布的。 1.2.1 泊松分布的定义 当随机变量x（x=k）所有可能取值是非负整数，且其概率分布为： 1.2.2 泊松分布的重要特征 1.2.3 泊松分布的概率计算 例，某食品店每小时光顾的顾客人数服从λ=3的泊松分布，即x～P(3)。计算每小时恰有5人光顾的概率；计算不超过5人的概率；计算最少有6人的概率。 由波松分布的概率计算公式可以看出，依赖于参数 λ的确定，只要参数λ确定了 ，把k=0，1，2，… 代入即可求得各项的概率。 但是在大多数服从波松分布的实例中，分布参数λ往往是未知的，只能从所观察的随机样本中计算出相应的样本平均数作为 λ 的 估计值，将其代替计算公式中的λ，计算出 k = 0，1，2，… 时的各项概率。 例，为监测饮用水的污染情况， 现检验某社区每毫升饮用水中细菌数 ， 共得400个记录如下： 试分析饮用水中细菌数的分布是否服从波松分布。若服从，按波松分布计算每毫升水中细菌数的概率及理论次数。 经计算得每毫升水中平均细菌数 =0.500, 方差S2=0.496。两者很接近， 故可认为每毫升水中细菌数服从波松分布。以 =0.500代替λ，得