研究生统计课件3——概率分布AA.ppt

二项分布的图形：已知π和n，就能按公式计算X=0，1，…，n时的P（X）值。以X为横坐标，以P（X）为纵坐标作图，即可绘出二项分布的图形，如图7.1，给出了?=0.5和 ?=0.3时不同n值对应的二项分布图。 二项分布的形状取决于π和n的大小，高峰在?=n?处。当?接近0.5时，图形是对称的；?离0.5愈远，对称性愈差，但随着n的增大，分布趋于对称。当n→∞时，只要?不太靠近0或1，特别是当nP和n(1－P)都大于5时，二项分布近似于正态分布。 二项分布的应用 一）总体率的区间估计 二）样本率与总体率的比较 三）两样本率的比较 第四节 Poisson(泊松)分布 取名于法国数学家 SD Poisson(1781-1840) 一、 泊松分布的概念 当二项分布中n很大，p很小时,二项分布就变成为Poisson分布，所以Poisson分布实际上是二项分布的极限分布。 由二项分布的概率函数可得到泊松分布的概率函数为： Poisson分布主要用于描述在单位时间(空间)中稀有事件的发生数 例如： 1. 放射性物质在单位时间内的放射次数； 2. 在单位容积充分摇匀的水中的细菌数； 3. 野外单位空间中的某种昆虫数等。 四、Poisson分布的应用 一）Poisson总体均数的区间估计 二）样本均数与总体均数的比较 三）两个样本的总体均数的比较 分布 第五节 ?2 (chi-square)分布 定义 设随机变量X1, X2, ?, Xn彼此独立且都服从标准正态分布 N(0, 1)，则随机变量 服从自由度为n的?2分布，记为 若n个相互独立的随机变量ξ1，ξ2，…，ξn ，均服从（也称独立同分布于）标准正态分布，则这n个服从标准正态分布的随机变量的平方和∑ξ2i构成一新的随机变量，其分布规律称为χ2(n)分布，其中参数 n 称为自由度，自由度不同就是另一个χ2分布，正如正态分布中均值或方差不同就是另一个正态分布一样。卡方分布是由正态分布构造而成的一个新的分布， 3.84 7.81 12.59 P＝0.05的临界值 χ2分布（chi-square distribution） * * 概 率 分 布 武汉大学公共卫生学院 李十月 lsywhd@ 必然现象：只有1种结果会发生。 随机现象：有2个及以上的可能结果会发生。 随机事件：随机现象中的某一结果发生后，这某一发生的结果就是随机事件。 概率：随机事件发生的可能性大小。 随机变量： 随机现象中多数现象的观察结果就是数值（如身高、体重），或可以转换为数值（如男1，女2；死0、生1等），这种表示随机现象观察结果的变量为随机变量。 在大量重复情况下，随机现象可以表现出一定的规律性，称为统计规律性。表明随机事件的发生有一定的内在规律和稳定性。数理统计学家在统计试验中研究一些随机现象时，发现将这些随机现象发生的频数绘制在坐标图上，不同类型的随机现象呈现出不同的分布特征，将这些特征以数学公式加以表达，就形成了某一类随机现象的概率函数。对不同类型随机现象的分布加以命名就有了一系列分布：正态分布、二项分布、卡方分布、 Poisson分布、T分布，等等。 确定了资料符合哪一种分布，就可以用相应的函数公式计算概率，并能用相应的方法进行统计推断。 第一节 正态分布 正态曲线（normal curve）的发现de Moivre（1667-1754），published in 1733Laplace（1749-1827）Gauss（1777-1855）正态分布: 又称高斯分布（Gaussian distribution） 正态分布 例2.1中，将红细胞数的横坐标用变量X表示，第i组的组距和人数分别为△Xi 和 fi 表示，n为总观察例数，则在 [X, X + △Xi )区间内每单位红细胞的频率为： f ( X ) = ( fi / n ) / △Xi 各矩形的面积恰好等于红细胞在区间内的频率（ f ( X ) △Xi = f i / n ) 面积的总和为1。 假设观察的人数增多，组段不断细分，则直方图将逐渐接近于一条均匀连续的曲线，这条曲线所描述的分布，简称为正态分布。 正态分布的密度函数，曲线方程为： π 和 e 是圆周率和自然对数的底，其近似值分别为3.14159和2.71828。